Kako biste postali korisnik platforme, potrebno je poslati mejl na info@cropt.ag i zakazati sastanak na kom će se razmotriti koje opcije korišćenja i koji paket funkcionalnosti najviše odgovaraju vašim potrebama. Ne brinite se, sastanci se organizuju u najkraćem roku i traju veoma kratko.
Svi podaci koje generišemo kroz primenu AI modela su dostupni kako preko platforme Space Garden, tako i preko API-a, tako da se ovi podaci mogu integrisati u vašu platformu ili postojeći informacioni sistem.
Apsolutno. Cropt je tu da odgovori na sve vaše zahteve koji se tiču monitoringa poljoprivredne proizvodnje, prediktivnih algoritama, satelitske detekcije i drugog.
Tehnička pitanja
Podaci o zemljištu se temelje na platformi SoilGrids koju održava Svetska organizacija za zemljište, klimatski podaci se dobijaju sa EU servisa Copernicus Climate Change Service (C3S), satelitski podaci se preuzimaju sa servisa Evropske svemirske agencije, a podaci o poljoprivrednoj proizvodnji se nalaze u internim bazama.
Koristimo AI algoritme obučene na preko 13000 podataka sa terena o prinosima, sortama/hibridima, agrotehničkim merama itd. Modeli imaju grešku ispod 10%, ali su moguća veća odstupanja zbog hiperlokalnih efekata, poput biljnih bolesti, vodoleži, postojanja zona unutar njive sa većom/manjom produktivnosti, nestandardnog semena ili datuma setve, kao i upotrebe konkretnih agrotehničkih operacija.
Tačnost klasifikacije je oko 94%, ali ova brojka može da varira od godine do godine, od regiona do regiona i od kulture do kulture.
Podaci o zemljištu nisu generisani od strane Cropta, već dolaze od trećih izvora. Iskustveno smatramo da su tačni oko 70-80%.
Inicijalne predikcije je moguće dati na početku sezone. Predikcije se ažuriraju na dve nedelje, a kako sezona odmiče - raste i tačnost.
Ozime kulture je moguće prepoznati u martu, dok se nakon cvetanja uljane repice može podeliti žito i repica - u aprilu. Što se tiče jarih kultura (kukuruz, soja, suncokret, sećerna repa), potreban je veći broj satelitskih slika, te je njih moguće detektovati u periodu od sredine jula do kraja avgusta.
Za svaki istorijski podatak o prinosu izvlače se odgovarajući podaci o zemljištu, nadmorskoj visini i klimi. Svi ovi podaci se zatim koriste zajedno sa satelitskim podacima da bi se obučio algoritam za predikciju. Kada je potrebno predikovati prinos za novu lokaciju, odnosno sezonu, obučeni algoritam daje predviđanje na osnovu njenih zemljišnih i elevacionih podataka, kao i klimatskih merenja i satelitskih slika dostupnih u tom momentu.
U početnoj fazi, izdvajaju se relevatni spektralni opsezi (bliski infracrveni, kratkotalasni, vidljiva svetlost…) i vrši se obrada oblaka i senki. Na osnovu spektralnih kanala računaju se različiti vegetacioni indeksi, kao što su NDVI, NDWI i drugi, koji služe za kvantitativnu procenu vegetacije i njenih promena tokom vremena. Nad vegetacionim indeksima se zatim primenjuju AI modeli radi dobijanja željenih rezultata (posejanih kultura, detektovanih šteta i dr.).
Predikcije prinosa se tokom sezone obnavljaju na svake dve nedelje. U tom periodu se prikupljaju novi podaci o klimatskim prilikama koje su se u međuvremenu desile. Na osnovu ovih novih podataka prilagođava se očekivanje za klimatske prilike do kraja sezone, a samim tim i za prinos u vreme žetve. Mape pokrovnosti se takođe mogu menjati tokom sezone, jer veći broj satelitskih slika pomaže AI algoritmu da postigne višu preciznost.
Veštačka inteligencija je oblast računarskih nauka koja razvija sisteme sposobne da samostalno uče, zaključuju i rešavaju probleme slično ljudskoj inteligenciji. U našoj postavci, AI povezuje ulazne parametre poput zemljišta, klime i satelita, sa izlaznim, poput prinosa.
Varijansa meri stabilnost prinosa, pokazujući koliko vrednosti variraju tokom sezona. Rizik se odnosi na minimalno očekivani prinos, tj. vrednost ispod koje postoji samo 5% verovatnoće da će prinos pasti.
Mape raspodele semena prave se na osnovu 3 kriterijuma: prinosa (maksimalan potencijalni prinos), stabilnosti (minimalno variranje prinosa u različitim klimatskim uslovima) i performansi (kombinacija prinosa i stabilnosti). Na osnovu ovih kriterijuma dobijaju se 3 mape distribucije, gde je za svaku lokaciju na mapi bojom označeno koja sorta/hibrid se najbolje pokazala po odgovarajućem kriterijumu, polazeći od njenih predikovanih prinosa u različitim klimatskim scenarijima. Osim ovih mapa, na osnovu istih predikcija se za svaku sortu/hibrid prave dodatne 3 mape na kojima su obeležene lokacije na kojima je ona u prve 3 po odgovarajućem kriterijumu.
Ovo je procena uspešnosti doprinosa jedne parcele, u poređenju sa ostalim parcelama iste te kulture. Na primer, ocena 10 se dodeljuje onim biljkama kukuruza za koje se procenjuje da će davati najveći prinos u poređenju sa ostalim usevima kukuruza.