- Valeria Kogan adalah CEO Fermata, sebuah perusahaan pengembangan perangkat lunak yang mengkhususkan diri pada pertanian.
- Timnya mengembangkan alat AI untuk mengurangi kehilangan panen yang menyebabkan pemborosan makanan dan emisi gas rumah kaca.
- Artikel ini merupakan bagian dari “Build IT,” seri tentang tren teknologi digital yang mengganggu industri.
Esai yang diceritakan ini berdasarkan percakapan dengan Valeria Kogan, pendiri dan CEO Fermata. Perusahaan tersebut mengembangkan perangkat lunak untuk memantau tanaman dan hasil panen. Berikut ini telah diedit untuk menambah panjang dan kejelasan.
Ketika kita memikirkan tentang sampah makanan, kita biasanya berpikir dalam skala tidak menghabiskan makan siang kita. Kenyataannya, sampah pertanian merupakan masalah yang jauh lebih besar. Diperkirakan 20% hingga 40% tanaman pangan hilang akibat hama dan penyakit, yang memengaruhi sistem pangan dan planet kita; emisi gas rumah kaca dari makanan yang tidak pernah dimakan menyumbang 6% dari total emisi.
Saya tidak tahu apa-apa tentang ini sekitar lima tahun yang lalu. Saya bekerja di bidang bioinformatika, mengembangkan platform berbasis AI yang membantu ahli onkologi dalam mendiagnosis kanker, dan pengetahuan saya tentang pertanian sangat sedikit sehingga saya bahkan tidak bisa memelihara tanaman hias.
Namun, seseorang yang mengelola rumah kaca komersial menghubungi saya untuk membahas bagaimana AI dapat mengatasi tantangan kehilangan panen tersebut. Saya segera melihat peluang untuk menerjemahkan pekerjaan saya dalam merawat kesehatan manusia ke dalam perawatan kesehatan tanaman, dan lahirlah Fermata.
Menggunakan AI dan visi komputer di mana manusia gagal
Saat ini, banyak petani mencoba mendeteksi hama dan penyakit lebih awal dengan mengirim pekerja ke ladang setiap hari untuk memeriksa setiap daun pada setiap tanaman guna mencari tanda-tanda awal masalah. Namun, orang-orang menjadi lelah, teralihkan perhatiannya, dan mengabaikan perubahan kecil yang menunjukkan adanya masalah.
Hal itu mengingatkan saya pada para spesialis yang memeriksa sinar-X sepanjang hari dan melewatkan tanda-tanda awal kanker. Kami menggunakan analisis AI terhadap citra untuk memecahkan masalah itu, dan saya merasa solusi yang sama dapat diterapkan di sini.
Awalnya, kami berpikir untuk membangun robot yang bisa bergerak di ladang, tetapi kami menyadari bahwa kami tidak memiliki keahlian untuk mencapainya — dan bahwa ada solusi yang lebih sederhana.
Kami mengembangkan platform Croptimus, yang menggunakan kamera keamanan standar di rumah kaca dan ladang untuk mengambil gambar setiap tanaman beberapa kali sehari.
Kecerdasan buatan kami memproses gambar-gambar ini untuk mendeteksi adanya kelainan. Jika ada, ia akan memberi tahu petani melalui aplikasi kami dan menyarankan apa yang menurutnya menjadi masalah. Dengan menggunakan ilmu data, kami juga dapat memberikan gambaran umum tentang apa yang terjadi di fasilitas secara keseluruhan, apakah masalah bertambah atau berkurang, dan apakah pengobatan berhasil.
Dengan teknologi ini, petani membutuhkan lebih sedikit tenaga kerja dan dapat mengidentifikasi masalah lebih cepat daripada jika menggunakan manusia, yang berarti mereka dapat menggunakan lebih sedikit pestisida. Ini menghemat banyak uang dan membantu menghasilkan makanan yang lebih berkelanjutan dan sehat.
Perangkat lunak Fermata menggunakan pencitraan untuk mengevaluasi kesehatan tanaman dan mendeteksi masalah apa pun. Musim panen
Melakukan berbagai hal secara manual saat kita membangun kumpulan data
Salah satu tantangan terbesar yang harus kami atasi adalah membangun kebenaran dasar untuk membangun kumpulan data yang andal guna melatih model kami. Setiap ahli agronomi, atau ilmuwan tanaman, memiliki pendapatnya sendiri dan juga akan membuat kesalahan. Kami tidak hanya perlu menyusun kumpulan data yang layak dari awal, tetapi juga membangun model pembelajaran mesin yang dapat beradaptasi dengan kesalahan.
Kami melakukan beberapa hal untuk membantu. Pertama, kami membangun laboratorium penelitian, tempat kami menanam tanaman, menanaminya dengan berbagai hal, dan merekamnya dalam bentuk video. Kami juga mempekerjakan tim agronomi internal untuk membantu kami memberi label pada gambar-gambar ini.
Selain itu, kami meluncurkan produk kami ke publik sebelum diotomatisasi, melakukan identifikasi secara manual dan mendorong petani di aplikasi untuk memberi kami masukan. Ini membantu kami lebih memahami masalah dan memberi kami kumpulan data yang lebih kuat. Bahkan saat kami beralih mengandalkan AI untuk identifikasi, umpan balik ini membantu kami terus meningkatkan model kami.
Membangun hubungan untuk menemukan kemungkinan masa depan untuk teknologi tersebut
Sangat penting bagi setiap teknolog yang mencoba memecahkan masalah dalam industri yang baru bagi mereka — terutama bidang yang lebih konservatif seperti pertanian — untuk tetap rendah hati dan mengembangkan hubungan yang nyata dengan orang-orang yang ingin mereka bantu. Jika saya masuk sebagai orang luar industri teknologi dan memberi tahu para petani yang telah melakukan ini selama beberapa dekade bahwa saya dapat mengajari mereka cara mengoperasikan dan menjadi lebih efisien, itu tidak akan berhasil.
Sebaliknya, saya berupaya membangun hubungan dan kepercayaan dalam industri ini. Saya mendekatinya dari sudut pandang ingin belajar dari pelanggan saya dan memahami bagaimana pengetahuan teknologi saya dapat membantu mereka.
Pada akhirnya, hal ini membantu saya melihat lebih banyak potensi dalam apa yang kami lakukan. Saya telah mempelajari bahwa ada begitu banyak data visual dalam pertanian, mulai dari memahami apakah lebah melakukan penyerbukan hingga melihat bagaimana karyawan merawat tanaman. Visi yang dimiliki Fermata adalah membangun lapisan data visual baru dalam industri pertanian yang membantu semua pemangku kepentingan — mulai dari petani hingga orang yang menjual pupuk hingga perusahaan pestisida — menjadi lebih efisien.