כשאנחנו יושבים במסעדה ונהנים מסלט פריך, עגבניית תמר מתוקה שנקטפה בשיאה, או שמן זית בעל ארומה עמוקה, נדיר שאנחנו חושבים על המסע הארוך שעבר חומר הגלם בטרם הגיע לצלחת. אך מאחורי הקלעים של הקולינריה המודרנית מתחוללת כיום מהפכה שקטה אך דרמטית, כאשר הבינה המלאכותית (AI) והחקלאות המדייקת (Precision Agriculture) נכנסות לעובי הקורה — או נכון יותר, לעובי העלה.
מהי חקלאות מדייקת ולמה היא קריטית לצלחת שלנו?
במשך עשרות שנים, החקלאות המסורתית התבססה על גישה כוללנית ומבוססת ממוצעים, שבה זיהוי מזיק בחלקת שדה אחת הוביל לריסוס השדה כולו בחומרי הדברה, וזיהוי יובש בחלק מסוים גרם להפעלת מערכת ההשקיה לרוחב החלקה כולה. גישה זו הובילה לבזבוז משאבי מים יקרים, להמלחת הקרקע ולשימוש מוגבר בכימיקלים. החקלאות המדייקת, בשילוב מודלים מתקדמים של למידת מכונה (Machine Learning) וראייה ממוחשבת (Computer Vision), משנה מן היסוד את מאזן הכוחות ומאפשרת למערכות הדיגיטליות להתייחס לכל צמח, עלה ופרי באופן אינדיבידואלי במקום להתייחס לשדה כמקשה אחת.
ארבעת עמודי התווך המדעיים של ה-AI בשדה
המהפכה הטכנולוגית בשדה נשענת על ארבעה נדבכים מרכזיים. ראשית, ניטור בריאות היבולים מבוצע ברמת העלה בעזרת רחפנים, לוויינים ומצלמות ברזולוציה גבוהה המותקנות על גבי טרקטורים וסורקות את השדות ברציפות. מודלים של למידה עמוקה מנתחים את הצילומים בזמן אמת ומזהים סימנים ראשוניים של מחלות צמחים, מחסור ברכיבים תזונתיים כמו חנקן או אשלגן, או פגיעת מזיקים עוד לפני שהם נראים לעין אנושית.
שנית, הטכנולוגיה מאפשרת מעבר לריסוס סלקטיבי והפחתה דרמטית בחומרי הדברה. במקום הפצצת שטיח של כימיקלים, מערכות ראייה ממוחשבת מזהות בזמן אמת את ההבדל בין הגידול החקלאי לעשב שוטה, והמרסס החכם פותח את פיית הריסוס אך ורק לשבריר שנייה ישירות על העשב. תהליך זה מונע פיזור כימיקלים על התוצרת עצמה, מפחית באופן דרמטי את שאריות חומרי ההדברה במזון, ושומר על מי התהום.
הנדבך השלישי עוסק בחיזוי מועד האסיף והבשלות האופטימלית. תזמון הקטיף הוא הגורם המכריע ביותר בקביעת רמת הסוכר, החומציות, המרקם וחיי המדף של הפרי. אלגוריתמים של בינה מלאכותית מנתחים שילוב של נתוני מזג אוויר, קרינת שמש, הידראוליקה של הצמח ומדדים ויזואליים כדי להגדיר את חלון ההזדמנויות המדויק ביותר לקטיף, כך שהתוצרת שנאספת בשיא בשלותה מספקת טעם עשיר בהרבה וערכים תזונתיים מרביים.
לבסוף, המערכות מבצעות בקרת איכות ואופטימיזציה של שרשרת האספקה בעזרת אלגוריתמים המדרגים את התוצרת בבתי האריזה לפי גודל, צבע, מרקם ופגמים פנימיים או חיצוניים, מה שמאפשר להתאים את התוצרת הנכונה ללקוח הנכון ולצמצם דרמטית את אובדן המזון.
פרויקטים מעשיים וחברות מובילות בתחום
מגזר האגריטק חווה פריחה עולמית עם שורה של חברות פורצות דרך וגם כאן לא נפקד מקומן של חברות ישראליות פורצות דרך. חברת Greeneye Technology פיתחה מערכת ריסוס סלקטיבית המבוססת על בינה מלאכותית וראייה ממוחשבת, אשר מותקנת על גבי מרססים קיימים, מזהה עשבים שוטים תוך כדי נסיעה ומתיזה חומר הדברה אך ורק עליהם, מה שמוביל לחיסכון של עד 90% בשימוש בחומרי הדברה בגידולים כמו תירס, סויה וכותנה.
חברת Taranis מספקת פלטפורמת מודיעין שדה המבוססת על תצלומי אוויר ברזולוציה מיקרוסקופית של עד 0.3 מ”מ לפיקסל, כשאלגוריתמי ה-AI שלה מנתחים מאות מיליוני נקודות נתונים כדי לזהות מחלות עלים, חרקים ומחסור במינרלים ברמת הצמח הבודד.
בתחום בקרת האיכות, חברת Clarifruit פיתחה פלטפורמה אוטומטית לפירות וירקות טריים המאפשרת למפקחים לצלם את התוצרת בשדה או בבית האריזה ולקבל ניתוח מיידי ואובייקטיבי של גודל, צבע, הבשלות ופגמים, תוך צמצום בזבוז המזון בשרשרת האספקה. במקביל, חברת CropX משלבת חיישני קרקע חכמים, נתוני לוויין ומזג אוויר עם אלגוריתמי AI כדי לספק המלצות מדויקות להשקיה ודישון, המונעות השקיית יתר ומגינות על מי התהום.
בשורה התחתונה: מה מרוויח הצרכן?
החיבור בין בינה מלאכותית לחקלאות אינו רק סיפור על טכנולוגיה או יעילות כלכלית, אלא קודם כל סיפור על איכות המזון שלנו. הצרכן בסוף השרשרת נהנה ממזון נקי יותר עם הרבה פחות שאריות כימיקלים, מטעם וארומה בשיאם הודות לקטיף בחלון ההבשלה המדויק, ומערך תזונתי גבוה יותר כתוצאה מהזנה מאוזנת של הצמח. בנוסף, התהליך כולו מתרחש תוך שמירה על קיימות סביבתית וחיסכון במשאבי מים וכימיקלים, כך בפעם הבאה שתיהנו מסלט רענן, תדעו שמאחורי כל עלה פריך עומדת רשת שלמה של אלגוריתמים שדאגו להביא אותו לצלחת שלכם בשיאו.
הכותב הוא מהנדס ויזם הייטק. הכתבה נכתבה בסיוע בינה מלאכותית
Leave a Reply