Uutiset

Koneoppiminen tehostaa maataloutta ennustamalla kasvin ja sen ympäristön välistä vuorovaikutusta

Koneoppimismenetelmiä tullaan testaamaan peltoviljelyssä, kasvihuonekasvatuksessa ja kasvinjalostuksessa.
Jussi Gillberg. Kuva: Aalto-yliopisto.

Tekes on myöntänyt vajaa 0,5 miljoonaa euroa Aalto-yliopiston pilottiprojektille, jonka tavoitteena on kehittää koneoppimismenetelmiä vastaamaan maatalouden haasteisiin. Hanke päättyy vuoden 2018 lopulla.

Koneoppimista on harvemmin hyödynnetty alkutuotannon haasteisiin. On kuitenkin arvioitu, että väestönkasvun myötä vuonna 2050 ruoan kysyntä ylittää tarjonnan noin 60 %:lla. Oma lukunsa on ilmastonmuutos, joka tullee aiheuttamaan merkittäviä lisähaasteita. Alkutuotannon tehostaminen on tarpeen, jotta ihmiskunnalle ylipäätään riittää ruokaa.

”Projektissa tullaan hyödyntämään yksilöllistetyn lääketieteen menetelmiä, jotka on kehitetty Aalto-yliopistolla professori Samuel Kasken johdolla. Voidaan ajatella, että hankkeessa käytetään alun perin täsmälääketiedettä varten kehitettyjä koneoppimismenetelmiä pelto- ja kasvihuonekohtaisesti, koska ennusteongelmat molemmilla soveltamisalueilla ovat hyvin samankaltaisia”, kuvailee hankkeen johtava tutkija Jussi Gillberg.

Pilottivaiheessa koneoppimismenetelmiä tullaan edelleen kehittämään. Perinteiseen peltoviljelyyn liittyen pyritään tunnistamaan kasvilajikkeita, jotka soveltuvat kullekin pellolle mahdollisimman hyvin. Kasvihuonekasvatuksessa taas säädetään koneoppimisen avulla kasvihuoneen olosuhteita optimaaliseksi. Näiden lisäksi tullaan myös kehittämään tarkempia ennustustyökaluja kasvinjalostajille.

Tehokasta ja ennustettavaa viljelyä

”Koneoppimisen avulla voidaan selvittää pellon hyvä käyttötarkoitus ja kulloiseenkin ilmastoon parhaiten soveltuvat viljelykasvit. Kyse on kasvin ja sen ympäristön välisen vuorovaikutuksen ennustamisesta. Kasvilajike, joka on muita satoisampi jollain tietyllä pellolla, voikin olla muita lajikkeita heikompi toisaalla”, lisää Gillberg.

”Kasvien viljelyssä olennaista on genotyypin, kasvin perimän, yhteisvaikutus ympäristön kanssa. Parhaimmillaan hankkeessa syntyvien menetelmien ja tapojen avulla voidaan ennustaa kasvinjalostusaineistojen menestystä uusissa olosuhteissa”, kuvailee Boreal Kasvinjalostuksen jalostusjohtaja Merja Veteläinen.

Projektissa on yrityskumppaneina mukana Boreal Kasvinjalostus Oy:n lisäksi Mtech Digital Solutions Oy ja Netled Oy, joka on erikoistunut tehokkaisiin kasvihuoneisiin. Yhdessä yrityskumppanien kanssa hankkeessa selvitetään erilaisia mahdollisuuksia kaupallistaa kehitettyä teknologiaa. Yhteistyötä tehdään myös Luonnonvarakeskuksen kanssa.

Lisätietoa:

Jussi Gillberg
Tohtoriopiskelija
Aalto-yliopisto
[email protected]

  • Julkaistu:
  • Päivitetty:
Jaa
URL kopioitu

Lisää tästä aiheesta

Woman wearing an orange-colored dress and standing on the grass in between birch trees
Tutkimus ja taide Julkaistu:

Pienestä kuplasta toiselle puolelle maapalloa

Avleen Malhin nuoruudessa hänen maailmaansa ei mahtunut muuta kuin opiskelu ja vanhemmat. Nyt hän asuu toisella puolella maailmaa, suunnittelee autoilijoiden Airbnb:tä ja kannustaa naisia saavuttamaan tavoitteensa.
Magnetic materials
Tutkimus ja taide Julkaistu:

Uusi harppaus kohti magneettien ominaisuuksien äärimmäisen tarkkaa hallintaa

Aalto-yliopiston apulaisprofessori Jose Lado oli mukana tutkimuksessa, jossa keksittiin uusi tapa suunnitella eksoottisia turhautuneita magneetteja.
Pohjoisen ikirouta-alueen vehreää kasvillisuutta. Kuva: Ive van Krunkelsven
Tiedotteet, Tutkimus ja taide Julkaistu:

Ikiroudan sulaminen voi lisätä kasvihuonepäästöjä luultua enemmän – syynä kasvien juurten vauhdittama lisähajotusilmiö

Lisähajotusilmiö voi yksinään johtaa jopa 40 miljardin hiilitonnin vapautumiseen ikiroudasta vuoteen 2100 mennessä.
vaping
Tiedotteet, Tutkimus ja taide Julkaistu:

Tekoälyn avulla tehty tutkimus osoitti: Instagram tulvii nuoria houkuttelevaa sähkötupakkamainontaa

Sadoista tuhansista sähkötupakkajulkaisuista yli 60 prosenttia oli peräisin yritystileiltä. Nuorille mainostetaan muun muassa sähkötupakan makutiivisteitä.