Microsoft hat mit FarmVibes.AI die erste Open-Source-Veröffentlichung aus Project FarmVibes bereitgestellt. Das Toolkit umfasst Beispielalgorithmen fuer datengetriebene Landwirtschaft und laeuft auf Microsoft Azure. Es richtet sich an Forscher und Data Scientists, die landwirtschaftliche Daten in praktische Anwendungen ueberfuehren wollen.
Auf dem 7.500 Acre grossen Betrieb des Farmers und Softwareingenieurs Andrew Nelson in Washington werden dafuer Daten aus Bodensensoren, Drohnen und Satelliten genutzt. Die Werkzeuge unterstuetzen Entscheidungen ueber Duenge- und Herbizidmengen, den Ort der Ausbringung, Aussaatzeitpunkte, Pflanztiefe auf Basis von Bodenfeuchte sowie die Auswirkungen verschiedener Anbaupraktiken auf die Kohlenstoffspeicherung im Boden.
Microsoft beschreibt Project FarmVibes als Ergebnis frueherer Arbeit mit grossen Kunden wie Land O’ Lakes und Bayer zur Integration und Analyse von Daten sowie neuerer Forschung zu Praezisions- und nachhaltiger Landwirtschaft. Durch die Open-Source-Freigabe sollen akademische und industrielle Partner auf dieser Grundlage weitere Werkzeuge entwickeln.
Zu den in GitHub verfuegbaren Komponenten von FarmVibes.AI gehoert Async Fusion. Das Verfahren kombiniert Drohnen- und Satellitenbilder mit Daten bodengestuetzter Sensoren. Damit lassen sich unter anderem Naehrstoff-Heatmaps aus multispektralen Drohnenbildern und Bodensensordaten erzeugen. Diese Karten koennen genutzt werden, um Saattiefe, Aussaatdichte und Duengerausbringung zu variieren. Async Fusion erstellt zudem Karten zur Bodenfeuchte, die bei Pflanztiefe und Pflanzreihenfolge helfen und auch Hinweise auf schlecht befahrbare Flaechen geben koennen.
SpaceEye verwendet KI, um Wolken aus Satellitenbildern zu entfernen. Dadurch lassen sich Luecken in Bereichen schliessen, die nicht per Drohne erfasst wurden. Diese Bilder koennen anschliessend in Modelle zur Unkrauterkennung einfliessen, um Karten fuer eine gezielte Herbizidausbringung zu erstellen. Dabei kann auch die Ausbringungsmenge je nach Unkrautdichte variiert werden.
DeepMC nutzt Sensordaten und Wetterstationsprognosen, um Temperaturen und Windgeschwindigkeiten fuer das Mikroklima eines Betriebs vorherzusagen. Im Text wird ein Beispiel genannt, bei dem eine lokale Wetterprognose geeignete Bedingungen fuer das Spritzen zeigte, DeepMC jedoch Frost vorhersagte. Die Ausbringung wurde verschoben; am naechsten Morgen trat Frost auf.
Hinzu kommt ein „what if“-Analysetool, das abschaetzt, wie sich verschiedene Bewirtschaftungspraktiken auf die Kohlenstoffspeicherung im Boden auswirken. Nelson nutzt diese Szenarien nach eigener Darstellung zur Verbesserung der Bodengesundheit und der Ertraege; spaeter will er sie auch fuer den Einstieg in Kohlenstoffmaerkte nutzen.
Ein weiterer Baustein von Project FarmVibes ist FarmVibes.Connect, das kuenftig ebenfalls als Open Source verfuegbar werden soll. Die Loesung bringt Konnektivitaet in laendliche Gebiete ueber TV white spaces, also ungenutztes Spektrum zwischen TV-Kanaelen. Auf Nelsons Farm deckt eine solarbetriebene Antenne den Grossteil der Flaeche ab und ermoeglicht so die Nutzung der FarmVibes.AI-Werkzeuge.
Nelson testet ausserdem FarmVibes.Edge, das grosse Datenmengen aus Drohnenfluegen intelligent komprimiert. Das System priorisiert fuer den Landwirt relevante Bildbereiche, etwa Unkraut im Feld, und laesst andere Details wie Strassen weg. So entstehen kleinere Bilddateien, die sich ueber FarmVibes.Connect in die Cloud hochladen lassen.
Im Artikel werden auch Auswirkungen auf Kosten und Prozesse genannt. Nelson berichtet, im ersten Jahr datenbasierter Spritzplanung genau so viel eingespart zu haben, wie er verdient habe. Fuer ein Drittel seiner Felder habe er im Fruehjahr bei einer haeufig verwendeten Chemikalie nahezu 35 Prozent eingespart; nach der Herbsternte erwartet er weitere 40 Prozent Einsparung.
Microsoft verweist darauf, dass viele Landwirte die Werkzeuge nicht direkt aus GitHub einsetzen werden. Deshalb soll die Open-Source-Freigabe vor allem Experten aus Forschung und Industrie in die Lage versetzen, daraus Anwendungen fuer unterschiedlichste Betriebe, einschliesslich kleiner Farmen in Entwicklungslaendern, zu entwickeln.
