Algorytmy oparte na sztucznej inteligencji są obecnie wykorzystywane do takich zadań, jak analiza obrazów roślin, prognozowanie plonów i automatyzacja pracy maszyn. Sztuczna inteligencja zwiększa wydajność rolnictwa na różnych etapach – od siewu, przez zbiory, aż po dystrybucję. Pomaga również w redukcji kosztów i adaptacji do zmian klimatu. W związku z tym, chociaż te zaawansowane technologie są obecnie wykorzystywane głównie przez największych producentów rolnych w Polsce, ich wdrażanie dynamicznie rośnie.
„Modelowanie neuronowe staje się coraz bardziej powszechne w sektorze rolniczym, ale wciąż nie w pełni wykorzystujemy możliwości tej technologii. Obecnie jest ona w początkowej fazie rozwoju – niektóre firmy wdrażają ją na urządzeniach mobilnych, ekranach dotykowych i ciągnikach, wspomagając rolników w codziennych zadaniach. Nie osiągnęliśmy jednak jeszcze etapu rutynowego użytkowania” – stwierdza prof. dr hab. inż. Maciej Zaborowicz, kierownik Katedry Inżynierii Biosystemów Uniwersytetu Przyrodniczego w Poznaniu, w wywiadzie dla agencji Newseria.
W Polsce, jak donosi Narodowe Centrum Badań i Rozwoju w publikacji „Rolnictwo 4.0. Identyfikacja trendów technologicznych”, powołując się na badanie przeprowadzone przez Uniwersytet Rolniczy w Krakowie we współpracy z firmą Microsoft (Startup Poland, 2020), obserwuje się rosnące zainteresowanie polskich rolników technologiami Rolnictwa 4.0. Dotyczy to w szczególności rozwiązań zwiększających efektywność nawożenia (72%), nowoczesnych urządzeń do mechanicznego zwalczania chwastów (54%), systemów wspomagania uprawy gleby (48%), automatycznej nawigacji maszyn (54%) oraz telemetrii (48%).
Jednak korzyści płynące z wykorzystania sztucznej inteligencji wykraczają daleko poza te aspekty, ponieważ automatyzacja w rolnictwie przynosi znaczące korzyści. Dzięki algorytmom uczenia maszynowego rolnicy mogą podejmować bardziej świadome decyzje, optymalizować wydatki i chronić środowisko. Sztuczna inteligencja umożliwia szybszą redukcję zużycia nawozów, automatyzację zbiorów oraz identyfikację chorób roślin.
Badanie opublikowane w czasopiśmie „Computers and Electronics in Agriculture” zilustrowało możliwości systemu sztucznej inteligencji w zakresie identyfikacji chorób jabłoni. Wykorzystując sieć neuronową wytrenowaną na zbiorze obrazów liści jabłoni, system osiągnął imponującą dokładność wykrywania choroby na poziomie 95%. Innym praktycznym przykładem jest
