טכנולוגיות חדשות מעולם מדעי הנתונים מאפשרות לרובוטים לבצע פעולות שנחשבו בעבר בלתי אפשריות: זיהוי מזיקים, קטיף פירות והערכה של יבול זמן רב לפני הקטיף.

כשלמדתי לתואר ראשון בחקלאות, סיפר לנו חוקר ותיק שהזמן הטוב ביותר לקטוף בזיל ("בזיליקום" בפי העם) הוא בשעות הבוקר המאוחרות, עד עשר. הוא הסביר שאור השמש משפיע על הטעם, ואם קוטפים את הבזיל בשמש, טעמו משובח במיוחד. שאלתי אותו: "אם ככה, למה לא לקטוף כשאור השמש בשיא, בצוהריים?", והוא ענה: "אתה מכיר בן אדם שיכול לעבוד בחוץ בעמק בית שאן בשתיים בצוהריים?"

עולם הרובוטיקה בחקלאות התפתח בצעדי ענק מאז שסיימתי את הלימודים. דברים שבעבר נראו בלתי אפשריים  –  לקטוף פירות עדינים, לרסס צמחים בודדים או להשקות רק חלקים מסוימים בשדה – הם מחסומים שהמחקר האקדמי כבר פרץ, וכיום תאגידי ענק וגם חברות סטארט-אפ שאפתניות שרוצות לשנות את העולם, מציעים לחקלאים טכנולוגיות חדשניות. הנה שלוש דוגמאות לשימוש ברובוטים שפורצים את גבולות האפשר, ועוזרים להאכיל את האוכלוסייה הגדלה והרעבה.

1. לרסס כל צמח לפי צרכיו
מזיקים ומחלות צמחים הם בעיה קשה בחקלאות: מחרקים שאוכלים את הגידולים ועד לווירוסים שהורגים את הצמח עוד לפני שנבט, מזיקים פוגעים ביבולים וגורמים נזק כלכלי ניכר לחקלאים וגם לצרכנים. כדי להיפטר מהמזיקים מרססים החקלאים את השדות באופן גורף ואינטנסיבי בחומרי הדברה שונים. חומרי ההדברה יוצרים בעיות חדשות, החל בעלויות גבוהות ותפעול מסובך, וכלה ביצירת עמידות של מזיקים בפני טיפול. אילו רק יכול היה החקלאי לזהות היכן יש צורך בהדברה, ולרסס באופן ממוקד.

ובכן, בעזרת מצלמות פשוטות ותוכנות חדישות מעולם הבינה המלאכותית הצליחו חוקרים לזהות מחלות באופן מדויק להפליא [2-1]. כאשר מתקינים את המצלמות על רחפנים או על רובוטים קטנים, יכולים אלה לסרוק שדות שלמים ולצלם כל אחד מהצמחים. ניתוח תמונה מהיר מזהה סימנים מוקדמים של התפתחות מחלות או נוכחות של חרקים ועשבים מזיקים, והמידע נאסף למחשב מרכזי שמעביר לחקלאי מידע מדויק – היכן יש לרסס והיכן ניתן לחסוך. בעתיד (וכבר היום יש כמה סטארט-אפים בתחום [5-3]) יוכלו הרובוטים גם לרסס את חומר ההדברה המתאים במינון מינימלי, וכך להפחית במידה משמעותית את השימוש בחומרים וגם לשמור על הסביבה [9-6].

2. לקטוף… בעדינות
"עדיין אין לנו רובוט שיכול לקטוף פלפלים בלי להרוס אותם", אמר לי פעם פרופסור לחקלאות מהאוניברסיטה העברית. "הם גסים מדי, ואינם מבחינים בין פרי בשל לפרי בוסר". כמה שנים חלפו מאז, ולאחרונה התפרסמו כמה מחקרים העוסקים בבעיה הזו בדיוק: כיצד לזהות פלפלים בשלים, ולקטוף אותם ללא מגע יד אדם. לב הטכנולוגיה בתחום מגיע מעולם מדע הנתונים: היכולת לזהות אובייקטים בתמונה. הודות ליכולות חישוב מהירות ואלגוריתמים חדשים של למידה אדפטיבית, הצליחו חוקרים ללמד את הרובוטים להבחין בין הפרי לבין העלים והגבעולים שסביבו ולאתר את הנקודות הנכונות לאחיזה ולחיתוך. הרובוט מאומן בעזרת תמונות וסרטים שבהם סומנו הפלפלים מראש, וכך הוא לומד בעצמו כיצד נראה פלפל בשל בתנאי תאורה שונים ומזוויות שונות. גישה זו, שלוקחת בחשבון את התנאים המשתנים, שיפרה באופן מהותי את היכולת של הרובוט לזהות את הפרי [12-10].

מחקר שבדק את הטכנולוגיה החדשה, מצא שהרובוטים מצליחים לאסוף בין 50% ל-90% מהיבול בסביבות גידול שונות (חממות, שטח פתוח ומטעים) [13]. עוד ארוכה הדרך לרובוט המושלם, אך כמה חברות שוקדות על שיפור הטכנולוגיה ועל התאמתה לייצור מסחרי כדי לעזור לחקלאים [14].

 3. למנוע בזבוז מזון באמצעות חיזוי יבול
חיזוי כמות היבול הוא אחד האתגרים הגדולים לחקלאים. בתחום שבו כל שקל חשוב, שגיאה בהערכת היבול עשויה לגרום להפסדים ניכרים. לדוגמה, אם הזמנת יותר מדי משאיות, תאלץ לשלם על נסיעות מיותרות; הזמנת פחות מדי? לא תוכל לשנע את התוצרת ולמכור אותה. זו נראית בעיה קטנה, אבל בחקלאות מתועשת, על שדות של אלפי קילומטרים רבועים, גם שגיאה קטנה בהערכה, פירושה כמויות גדולות של יבול וסכומי כסף גדולים. מהפכת הביג-דאטה עשויה להפוך את הבעיה הזו לנחלת העבר. במחקרים מהשנים האחרונות הראו חוקרים כיצד ניתן לחזות את כמות היבול בדיוק מרשים באמצעות ניתוח נתונים קיימים. רוב הנתונים נגישים לכל חקלאי שיש לו חיבור לאינטרנט: טמפרטורה, כמות גשם, סוג הקרקע, תצלומי לוויין ועוד [15].

כך למשל במחקר על אוכמניות הצליחו החוקרים לחזות את כמות היבול בדיוק של 95% מתוך ניתוח נתונים של מזג אוויר, אוכלוסיית הדבורים שבשדה ויבולי עבר [16]. אומנם מרבית הנתונים שמשמשים את המודלים קיימים ונגישים, אך קשה מאוד לנתח אותם מבלי להיעזר באלגוריתמים מתקדמים. ככל שיכולות החישוב והתקשורת ייעשו יעילות וזולות יותר, מודלים מתוחכמים שמתבססים על נתונים פשוטים יוכלו לחזות את כמויות היבול בדיוק רב יותר, וכך למנוע בזבוז מזון והפסדים [17, 18].

כל אחת מן הדוגמאות שהצגנו כאן מרשימה כשלעצמה, אך נראה שהמהפכה הגדולה באמת תתרחש כשהטכנולוגיות ישולבו יחד. ניתן לדמיין נחיל של רחפנים שמספקים בזמן אמת נתונים על מצבם של הצמחים, ומטפלים בהם בתכשירים ביולוגיים וכימיים באופן ממוקד ובכמויות מזעריות. הרחפנים יאספו נתונים שיעזרו לחקלאי לחסוך במים, בדשן ובחומרי הדברה, ואף לחזות בדיוק את כמות היבול שבועות לפני הקציר הרובוטי. זו אינה רק ברכה כלכלית לחקלאים, זו מהפכה של ממש, שתשפיע על כולנו. ומי יודע – אולי יבוא יום שבו נוכל גם לקטוף בזיל בצוהריים.

מקורות והרחבות

[1] מאמר סקירה על רחפנים חכמים בחקלאות (2020)

[2] מאמר סקירה על חישה מרחוק בחקלאות (2019)

[3] סרטון הדגמה של חברת Greeneye הישראלית – גילוי וריסוס מדוייק של עשבים

[4] סרטון של חברת Skyx הישראלית – סריקת וריסוס מדוייק באמצעות רחפנים

[5] סרטון הדגמה של חברת ג'ון דיר – סריקה וריסוס מדוייק באמצעות רחפנים

[6] מאמר סקירה על שיטות של לימוד מכונה לזיהוי מחלות צמחים (2018)

[7] מחקר על זיהוי מחלות צמחים מתמונות (2019)

[8] מאמר סקירה על זיהוי מחלות צמחים בעזרת לימוד מכונה מתקדם (2021)

[9] מחקר על זיהוי מחלות צמחים על ידי לימוד מכונה (2016)

[10] מאמר סקירה על רובוטים לקטיף (2014)

[11] תוצאות ניסוי שדה של רובוט לקטיף פלפלים (2017)

[12] מחקר על שימוש בלמידה אדפטיבית לזיהוי פלפלים בשלים (2018)

[13] מחקר על תכנון חקלאי לעתיד רובוטי (2020)

[14] סרטון של CNBC על פרוייקט SWEEPER - רובוט לקטיף פלפלים

[15] מחקר על שימוש בלמידת מכונה מתקדמת לחיזוי כמות היבול (2019)

[16] מחקר על חיזוי כמות יבול באוכמניות (2020)

[17] מחקר על חיזוי כמות יבול מנגו מתמונות לוויין (2020)

[18] מאמר סקירה על חיזוי כמויות יבול בסביבות גידול שונות (2020)