Zahradník v cloudu aneb Digitalizace pěstování pomůže firmám vyřešit problém s nedostatkem lidí

Jan Strouhal | 26. 05. 2019
Zahradník v cloudu aneb Digitalizace pěstování pomůže firmám vyřešit problém s nedostatkem lidí

Počet pracovníků v zemědělství klesá. A chybí i zkušení agronomové. Jejich oko ale brzy mohou nahradit kamery. Alespoň se o to snaží český startup Leaf Learn. Ten sází na obrazovou analýzu a umělou inteligenci, díky kterým se zvýší nejen výnosy, ale i kvalita potravin.

Stěny budovy karlínského office centra Butterfly jsou pokryty ozdobnými květinami. Člověk si tu rázem připadá tak nějak blíže k přírodě. Možná i proto tu sedí český startup Leaf Learn, který k ní má také velmi blízko. Už několik let vyvíjí hardware i software, který má zajistit perfektní a v případě indoor pěstování i bezobslužný růst rostlin.

“Pěstujeme rostliny pomocí umělé inteligence,” začíná vyprávět vystudovaný biochemik Zbyněk Lamplot, kterému se příliš nelíbilo a nelíbí, jak se k přírodě chováme. Špatnými postupy v zemědělství ji ničíme. Proto před třemi lety rozjel projekt Leaf Learn, který měl původně pomocí nových technologií omezit používání pesticidů v agrárním sektoru.

Zakladatel a šéf Leaflearnu Zbyněk Lamplot.

Dnes má největší know-how v obrazové analýze, kdy pomocí kamer a AI dokáže lépe než lidské oko určit, jestli rostlina roste správně, nebo jestli není naopak napadena chorobou a nehrozí jí uhynutí. Kamery ale dokáží určit i nejoptimálnější dobu sklizně z pohledu nutričních hodnot i výnosů.

“Využíváme neuronové sítě, v kterých děláme obrazovou analýzu, a k tomu přidáváme metadata z dalších senzorů,” vysvětluje Lamplot a dodává: “Když víte, jak v různých fázích růstu vypadá zdravá rostlina, a máte i další data typu, za jakých podmínek roste, jste jen na základě obrazu schopni odvodit odchylky. Vždyť i dnes v medicíně dokáží z fotky oka rozpoznat určité nemoci.”

Kamery umístěné v moderních growboxech zajišťujících optimální teplotu, vlhkost i přísun světla pro rostlinu, nebo v samotných sklenících, dokážou jen dle obrazu z analýzy několika parametrů – např. color indexu - přesně a včas určit, jestli jí nechybí světlo, voda, živiny, nebo jestli dokonce není napadena chorobou či jinými parazity.

A Lamplot v zápětí na reálné fotografii svých ředkví ve stadiu microgreens ukazuje, co dnes pokročilé technologie umí odhalit.


“Fm značí obsah chlorofylu, FV/Fm je maximální výtěžek fotosystému, kde je standardní fyziologická hodnota pro rostlinu 0,8 bodu, a IR značí teplotu na listu. Ta je závislá na růstu a transpirace, a když má málo vody, zavře průduchy a má chladnější listy,” vysvětluje Lamplot.

A co z porovnání color indexu plyne? “Ze znalostní báze a fyziologických hodnot plyne, že zobrazená rostlina je zdravá a bez stresu. Bude tedy také chutná,” interpretuje výsledky Lamplot.

Leaf Learn je nyní ve stavu, kdy má hotový tzv. demonstrátor. V něm rostliny rostou s navazujícím softwarem v podobě intuitivní aplikace. V současné době je pro něj největším úkolem sběr dat, tedy v opakovaném růstu jednotlivých druhů rostlin v různých podmínkách. 

 “To, že budu rozumět růstu microgreens neznamená, že vám přesně řeknu, co udělá orchidej. Je potřeba zkoumat každou rostlinu zvlášť až do požadované fáze růstu.”

V současné době vidí Lamplot největší obchodní potenciál u gastro podniků, které nyní “jedou” na vlně tzv. mikrobylinek, které se vyznačují vyššími nutričními hodnotami i chuťovým zážitkem. Vyvíjí ale řešení i pro domácnosti a v budoucnu vidí prostor i v samotných sklenících nebo na polích. Zde ale platí pravidlo, že čím otevřenější prostředí s nečekaně se měnícími podmínkami, tím více dat k porovnání je potřeba.

“Je to ale budoucnost,” říká Lamplot s tím, že jeho technologie nepřináší firmám jen vyšší výnosy (nebo naopak nižší náklady) na využívání pesticidů či vody, do budoucna může pomoci s nedostatkem pracovníků v zemědělství.