Projektet utgör en fortsättning av flera års samarbete i ett tidigare projekt och handlar om smartare markanalys för ökade skördar. Men projektet handlar inte bara om att utveckla analysverktyg eller att göra analyser med dessa, utan också om att utveckla nya beslutssystem och sätta dessa i praktik.
Därför handlar projektet ytterst om optimering av bördighet och skördar genom nya data och artificiell intelligens. I projektet tas fram ett ramverk som integrerar sådant som multispektrala Sentinel-satellitbilder med avancerad maskininlärningsteknik, speciellt Graph Neural Networks (GNN), för att förutsäga variationer i avkastning inom fältet med hög precision. Genom att införliva spektrala index, väderdata och markegenskaper, och ta itu med utmaningar som datavariabilitet och hög funktionsdimensionalitet, syftar den förväntade metoden till att förbättra lokala (platsspecifika) avkastningsförutsägelser och därigenom stödja framtidens precisionsjordbruk.
I detta projekt finns visionen om total koll på fälten genom information från alla möjliga informationskällor. Foto: P. Frankelius
Samarbetspartners
Projektet sker inom Agtech Sweden och är ett samarbete mellan Hushållningssällskapet Skåne, Hushållningssällskapet i Östergötlands län, Matematikcentrum vid Lunds universitet, Linköpings universitet och Niftitech AB. Medverkade gjorde även Lawbase och The International Science Program at Uppsala University (EFFORT).
