Yeni bir yaklaşım, drone'lar ve yapay zeka kullanarak bu sorunu çözmeye odaklanıyor. Bu yaklaşım, bitkilerin büyüme özelliklerini tek tek ve hassas bir şekilde analiz ederek, hasat için en uygun zamanı tahmin etmeyi büyük ölçüde iyileştiriyor.

Birçok bilim kurgu hikayesi, gelecekte ağır işlerin makineler tarafından yapıldığı bir dünyayı hayal ederken, bu vizyonun bazı unsurları mevcut teknolojik ilerlemelerle örtüşmektedir. Tarımsal araştırmalarda otomasyonun rolü, özellikle bitki büyüme tahmininde büyük bir potansiyel taşımaktadır.

Tokyo Üniversitesi'nden araştırmacılar ve diğer bilim insanları, büyük ölçüde otomatikleştirilmiş bir sistem geliştirmişlerdir. Bu sistem, çiftçilere büyük fayda sağlayabilir ve gelecekte mahsulleri doğrudan hasat edebilme potansiyelini açabilir.

Saha Fenomiği Laboratuvarı'ndan Doçent Wei Guo, bu konuda şunları söylemektedir: "Fikir basit gibi görünebilir, ancak tasarım ve uygulama karmaşıktır. Çiftçiler, ideal hasat zamanını bilmekle israfı azaltabilirler. Ancak bu tahminler, bitki büyümesi hakkında ayrıntılı bilgi gerektirir ve bu bilgileri elde etmek için insan gücü maliyetli ve zaman alıcı olabilir. İşte drone'lar bu noktada devreye giriyor."

Guo ve ekibi, düşük maliyetli drone'lar kullanarak genç bitkileri inceleyip analiz edebildiklerini göstermiştir. Bu drone'lar birden fazla kez görüntüleme yapabilir ve bunu insan müdahalesi olmadan gerçekleştirebilir. Bu, işgücü maliyetlerini azaltmanın yanı sıra, hasat zamanını daha doğru bir şekilde tahmin etmeyi sağlar.

Guo, "Bir tarlayı en uygun zamanda hasat etmenin, çiftçinin gelirini önemli ölçüde artırabileceğini bilmek şaşırtıcı olabilir. Ancak bizim sistemimiz, dronlar tarafından toplanan verileri kullanarak çiftçilere görsel veriler sunar. Dronlar ve bilgisayarların uygun maliyeti göz önüne alındığında, bu sistemin birçok çiftçiye erişilebilir olması mümkün olmalıdır."

Bu yaklaşımın karşılaştığı başlıca zorluklar, görüntü analizi ve derin öğrenme konularında yaşanmıştır. Verilerin çeşitliliği, bitkilerin büyümesi sırasında ortaya çıkan farklı koşulları hesaba katmayı zorlaştırmıştır. Ancak bu çalışma, tarımın otomasyonu ve veri analitiği konularında önemli bir adım olarak kabul edilmektedir. Bu sistem, gelecekteki tarım uygulamaları için önemli bir temel oluşturabilir.