Pian pellot puhuvat. Eivät kuitenkaan konkreettisesti, vaan tekoälyn välityksellä. Kun pelloista kerätään suuria massoja monipuolista dataa, voidaan viljelijöiden tueksi kehittää entistä yksityiskohtaisempia malleja ja palveluja.

Näin viljelijä saa tarkempaa tietoa omasta pellostaan ja sen vaatimista toimenpiteistä. Käytännössä teknologian kehitys vahvistaa täsmämaataloutta, kun pellon silmämääräisestä tarkkailusta siirrytään esimerkiksi laserkeilauksella yksittäisen kasvin rungon tarkkuudelle.

Laserkeilaustekniikkaa käytetään myös metsäteollisuuden puolella puuston kartoittamisessa. Se on kaukokartoitusmuoto, joka voidaan toteuttaa esimerkiksi lentokoneesta käsin. Sen pohjalta kuvatusta alueesta voidaan koostaa 3D-malleja.

– Laserkeilauksella pystytään maataloudessa mittaamaan kasvin ja kasvuston rakennetta jopa kasvuston läpi kymmenien metrien päästä. Kameroilla ja hyperspektrikameroilla voidaan määrittää kasvilajeja sekä mitata kasvuston laatua ja terveyttä. Lisäksi käytetään lämpökameroita, joiden avulla voidaan havainnoida kosteutta tai vaikka tunnistaa pellolla olevia linnunpesiä. Lämpökamera näyttää myös, jos kasvin vedenkierto ei toimi ja sen lämpötila muuttuu, kertoo Maanmittauslaitoksen DroneFinlandin tutkimuspäällikkö Eija Honkavaara.

Dronet puolestaan tuovat viljelyyn uuden perspektiivin ilmasta käsin. Pellon salaojien sijainti ja kunto on mahdollista arvioida niillä paremmin. Myös rikkakasvien, kuten hukkakaura-alueiden, tunnistus sujuu niiden avulla. Näin kasvinsuojeluruiskutukset ja lannoitus voidaan kohdistaa täsmälleen niihin kohtiin, joissa niitä tarvitaan.

Tulevaisuudessa erilaisten sensorien kehittyessä jo puinnin aikana voidaan määrittää, minkä peltolohkojen vilja sopii esimerkiksi leipomoille ja mikä on puolestaan rehulaatuista.

Kuvasarja näyttää hernekasvuston elinvoimaisuutta kasvun alku-, keski- ja loppuvaiheessa. Punainen väri indikoi hyvälaatuista kasvustoa. Ensimmäisen kuvan sininen väri johtuu kasvuston puutteesta, ja viimeisen kuvan valkoiset alueet osoittavat kohdat, joissa kasvusto on kuollut. Kuvat: Roope Näsi, Maanmittauslaitos

Halvempi teknologia vauhdittanee kehitystä

Oikeilla päätöksillä pelto saadaan tuottamaan entistä paremmin. Silloin myös tilan kannattavuus nousee, sanoo Mikä data? -hankkeen projektitutkija Petri Linna Tampereen teknillisestä yliopistosta.

Big data on ollut maataloudessa esillä jo vuosien ajan. Toistaiseksi sen sovellukset eivät kuitenkaan ole lyöneet vielä kunnolla läpi. Odotettavissa on silti, että uusien palveluiden kehitys kiihtyy entisestään, koska teknologia on aiempaa edullisempaa.

– Teknologiaa ja palveluita alkaa olla jo niin paljon saatavilla, että ehkä kynnys on nyt ylittymässä. Dataa tulee paljon satelliiteista ilmaiseksi, ja omaa peltoa voi tutkia huomattavasti halvemmalla kuin ennen. Siihen ei enää tarvitse sijoittaa isoja summia, Linna kertoo.

Tekoäly oppii pellon lainalaisuuksia

Entä kuinka pellot saadaan välittämään tietoa, josta olisi hyötyä viljelijälle? Tampereen teknillisen yliopiston Mikä data? -hanke pyrkii muodostamaan tekoälyn avulla viljelijöiden arkea hyödyntävän palvelun. Linnan mukaan dataa kerätään eri tavoin, paljon ja monesta lähteestä.

– Osa tiedoista tulee satelliiteista, osan keräämme itse droneilla erikoiskameroin ja satokameroin. Yritämme saada aikaan palvelun, jossa viljelijät näkevät datojen tuloksen eli analyyseja pellosta.

Maanmittauslaitoksen tutkimusdrone varustettuna kameralla ja hyperspektrikameralla kesällä 2017. Kuva: Niko Viljanen, Maanmittauslaitos.

Kerätyt tiedot annetaan tekoälylle, ja vähitellen se oppii niiden välisiä asiayhteyksiä. Tällä hetkellä tekoäly on opetusvaiheessa, ja se käsittelee muun muassa Satakunnassa Porin tienoilta kerättyjen koetilojen tietoja.

– Emme kerro koneelle etukäteen, mikä mallin pitää olla, vaan se alkaa kerätyn datan perusteella itse päätellä, mitä pellossa tapahtuu. Yritämme siis opettaa sitä koneellisesti.

Kun malli on olemassa, tekoäly pärjää pienemmällä tietomäärällä. Suuresta tietomäärästä se osaa etsiä viljelijän peltoa vastaavia tietoja ja lainalaisuuksia.

Suljettuja ja avoimia tietoja

Teknologian kehitys tuo Linnan mukaan myös ongelman: kun datan keruu helpottuu, sitä alkaa kertyä entistä useammasta paikasta. Usein tietoa keräävät esimerkiksi eri laitevalmistajat.

Ne kuitenkin saattavat pitää tiedot omissa pilvipalveluissaan. Tällöin viljelijä ei voi yhdistää eri tahojen kokoamia tietoja.

– Suunta näyttää olevan, että osa laitevalmistajista haluaa rakentaa omia pilvipalvelujaan. Se johtaa siihen, ettei data liiku niiden välillä.

Jos eri pilvipalvelut sisältäisivät myös rajapintoja ulospäin, voitaisiin dataa kerätä viljelijälle yhteen palveluun.

Linna näkee yhtenä haasteena myös kerättävän datan laadun, joka voi nousta ongelmaksi, kun datoja aletaan yhdistellä ja niistä tehdään laajempia analyyseja.