A Proofminder mesterséges intelligenciával keresi a megoldást a gazdák problémáira. Platformjuk rendkívül sokrétű, a begyűjtött adatok széles körben felhasználhatók. A magyar agrár-startup ügyfelei most még jellemzően vetőmag-előállítók és gyümölcstermelők, de foglalkoznak gyomnövények felvételezésével is. A csapat folyamatosan fejlődik, és megkezdték a nemzetközi terjeszkedést: még ebben az évben szeretnének három kontinensen jelen lenni.
Először voltunk munkatársak, aztán lettünk barátok, még később alapítók. Mindannyian technológiai oldalról érkeztünk, mesterséges intelligenciával, adatokkal foglalkoztunk
– kezdi a történetet Havas Norbert, a Proofminder nevű, számítógépes látást, gépi tanulást, képelemzést alkalmazó, széles felhasználási körrel rendelkező agrárplatform egyik alapítója, technológiai igazgatója. Innovációjukkal levélszinten képesek adatok begyűjtésére és elemzésére, módszerükkel észlelhető például a virágzás, de akár a növénybetegségek megjelenése is. Képesek megfigyelni az ültetvényeket, előre jelezni a terméshozamot vagy elemezni az időjáráskárokat.
Az alapítók hiába foglalkoztak már több mint tíz éve adatokkal és mesterséges intelligenciával (MI), azt látták, hogy sokszor elakad az ezekhez a technológiákhoz köthető innováció. Egyrészt, mert a jó ötleteket is nehéz nagyban alkalmazni, másrészt, mert nagy a bizalmatlanság ezen a területen.
Először egy tágabb értelemben vett MI-megfigyelőrendszert képzeltünk el. Az volt a vízió, hogy a mesterséges intelligencia által meghozott döntéseket ellenőrizni tudjuk, és az MI jó és igazságos döntéseket hozzon. Ezt az elképzelést szűkítettük le
– emlékszik vissza a kezdetekre Simon Levente, a startup másik alapítója, aki Chief Product Officerként a termékfejlesztésért felel.
Persze egy startupban még nincsenek szigorúan elkülönült pozíciók.
Ha kell, én is megyek táblát felvételezni, hiszen mindhárman drónpilóták vagyunk. Alapítóként fel kell tűrni az ingujjat
– mondja.
Vancsó Ambrus, a harmadik alapító, egyben a Proofminder ügyvezetője is. A napi teendők mellett stratégiai döntésekkel foglalkozik – akárcsak a másik két alapító –, illetve a potenciális befektetőkkel tartja a kapcsolatot.
Nagy lehet a társadalmi haszon
Az agrárium úgy jött képbe, hogy azt láttuk: itt tudna a legjobban hasznosulni a mesterséges intelligencia. Ez az az iparág, ahol az MI-nek a legnagyobb társadalmi haszna van
– mondja Norbert. Szerinte, ha nem lesznek nagyon hamar megoldások azokra a kihívásokra, amelyekkel egyébként is küzd az agrárium, és amelyeket az Európai Uniós szabályozások, a társadalmi elvárások, a klímaváltozás és a népességnövekedés támaszt, akkor nagy baj lesz. Véleménye szerint két oldalról fogja satu az agráriumot. „Egyrészt azt várja a világ, hogy többet termeljenek, egészségesebb ételek készüljenek, közben pedig egyre „biobb” legyen a technológia. A másik oldalról viszont csökken a bevonható földterület. Az többek között erodálódik, és az aszályok is sújtják. Ezt a helyzetet nem lehet másképp megoldani, csak úgy, ha automatizálunk, ha a döntéshozatalt le tudjuk vinni táblaméretről a lehető legkisebbre” – magyarázza.
A technikai háttér mára részben adott ehhez: léteznek precíziós traktorok, precíziós vetőgépek, precíziós permetezőgépek, a mesterséges intelligencia pedig abban segíthet, hogy a táblaméretről egészen akár a levelek szintjéig levitt döntéseket a gazdák képesek legyenek átlátni.
Amíg egy táblaalapú döntést a gazda egy kockás lapon átlát, vagy időnként anélkül is, addig, ha elkezdjük lefele bontani a folyamatokat, nagyon bonyolult lesz a döntéshozatal
– mondja. A Proofminder célja, hogy MI segítségével megsokszorozzák az agronómusok képességeit: megoldásukkal gyakorlatilag növényenként, például tőalapon képesek megvizsgálni, hogy kell-e valamit permetezni, trágyázni, öntözni.
Kapja meg minden növény azt a maximális gondoskodást, ami azt garantálja, hogy a legnagyobb hozamot tudja adni a legkisebb károsanyag-kibocsátás mellett”
Drónnal fényképeznek, MI-vel feldolgoznak
A Proofminder 2021-ban indult az alapítók saját pénzéből, befektetők nélkül, és már abban az évben elnyerték a Nemzeti Agrárgazdasági Kamara agtech inkubációs programjának (NAK TechLab) versenyén az év leginnovatívabb startupjának járó díjat. Azóta több akcelerátorprogramban is részt vettek: a romániai székhelyű regionális Nextceleratorban, de a francia Euratechnologies is beválogatta őszi programjába a Proofmindert.
Az első évben a hiperprecíziós agrárplatform technikai alapjait építették fel. Ehhez először is valamivel el kell készíteni azokat a fotókat, amiket később elemezni tudnak. Mivel az elmúlt években a drónok rengeteget fejlődtek, így adott volt a megoldás. Napjainkban akár háztartási drónokkal is lehet jelentős területen nagy felbontású képeket készíteni, ráadásul a gazdáknál is egyre több ilyen eszköz található.
Még keresik, hogy mi a legjobb modell a berepülésekre. Egyelőre az alapítók is drónoznak, ami mellett kapcsolatban állnak több drónpilótával is, akiket kiközvetítenek a gazdáknak. Ilyenkor a termelők megadják a repülési tervet, és az alapján repül a pilóta. A dolog persze nem ennyire egyszerű, hiszen megfelelő körülmények között, megfelelő sebességgel és magasságban kell haladni. De a Proofminder ebben is segít. Kiírja a szükséges információkat, és nemrég részletes blogbejegyzés is készült a témáról honlapjukra.
A fotókból aztán rengeteg adat keletkezik, amit el kell tárolni, és szükség van egy szoftverre – és persze megfelelő számítási kapacitásra, amihez az Amazont használják –, ami értelmezni tudja a begyűjtött képeket, adatokat. Az igazi hozzáadott érték ezután jön: a Proofmindernél több algoritmust fejlesztettek a különböző célokhoz.
Más számoló-algoritmus kell mondjuk a kukoricához, a napraforgóhoz, megint más például a kukorica címeréhez. De ugyancsak más az igény a betegségek felismerésénél is
– magyarázza Norbert.
Ezeket az algoritmusokat egyrészt a gazdák igényei alapján készítik, sok esetben akár pár nap alatt, másrészt igyekeznek előre fejleszteni olyan megoldásokat, amelyekre valószínűleg igény lesz, és amelyek hasznosak. Ehhez most keresnek befektetőt.
Nem biztos, hogy egy növényfelismerő algoritmus ugyanolyan jól működik szárazabb időszakban, egy kicsit kókadtabb növénynél vagy más faj esetében. De különböző lesz a gyomösszetétel hazánkban és mondjuk Brazíliában. Ezeknek a modelleknek az univerzális működése nagy kihívás ebben az iparágban
– mondja. Mindemelett a Proofminder egyben egy olyan felhasználói felület, amit a gazdák is képesek kezelni, értelmezhető formátumban kapják vissza a tábláikról, növényeikről készült adatokat.
„A munkánk kreatív és szép kihívása, hogy miként jutunk el oda, hogy ténylegesen hasznos és hasznot termelő megoldásaink legyenek. Ez ott kezdődik, hogy érthetően elmagyarázzuk a gazdáknak, hogy mi az, amit nyújtani tudunk, és ők hol tudják használni. Aztán meg kell értenünk, hogy amit adunk, az mikor lesz használható, egyáltalán, kinek kell odaadnunk. A termelési vezetőnek? Az agronómusnak? Ha pedig ez megvan, akkor milyen formában küldjük el az adatokat? Jelentésként? Vagy integrálható geoinformatikai adatfájlként? Utána rá kell jönnünk, hogyan támogassuk a gazdákat abban, hogy az eredményeink ténylegesen beépüljenek a folyamataikba” – magyarázza Ambrus.
Kukoricára, gyümölcsösre, vetőmagra
A felhasználási lehetőségeket és a hozzájuk tartozó algoritmusokat nem maguktól próbálják kitalálni. „Bármit meg tudunk mérni, és meg tudunk számolni, méghozzá nagyon nagy területen, nagyon nagy felbontásban. Mi ezt találtuk föl, ha úgy tetszik. A kérdés, hogy mi az, amit érdemes lenne megmérni és megszámolni. Ehhez sok segítséget kaptunk az agrárkamarától, és beszéltünk növényvédősökkel, agronómusokkal is” – mondja Norbert.
A gyümölcstermelő gazdáknak például nagy problémájuk, hogy nem tudják a termést eléggé pontosan megbecsülni. Még évtizedes tapasztalattal is maximum tíztonnás nagyságrendben képesek erre, ami szuperintenzív termelésnél, nagy területen már összeadódik. Így végül nehezen mondható meg, mekkora hűtő- és tárolókapacitás, logisztika, valamint munkaerő kell. A Proofminder viszont akár egyenként is képes megszámolni az almákat, megméri a pontos méretüket. A platform ráadásul a gyomnövények ellen is hasznos lehet: többezer hektáron hatékonyan és gyorsan tudták azonosítani a parlagfüvet, így elkezdődhetett az irtás. Ezzel pedig elkerülhető a bírság.
A vetőmag a másik terület, ahol már van megoldásuk. A vetőmag-termesztő cégekkel közösen idén már több tőszámlálós projektet futtattak, például kukoricában. Precíziós vetésnél a cégek 5-10 méteres klaszterekre osztva felmérik a termőtalajt a saját módszereikkel, például talajellenállás-méréssel, vagy műholdas képekből vegetációindex-számítással.
Nagyon fontos a visszacsatolás, hogy működik-e a megközelítés, amit használnak, jó-e a talajtérképük. Ennek ellenőrzésére meg kell nézni, hogy ténylegesen mennyi kelt ki a kukoricából, mennyit lehet majd betakarítani. Jelenleg erre nincs más megoldása a cégeknek, minthogy vagy kimennek és leraknak egy 1×1 méteres keretet a földre, és megszámolják, hogy ott hány tő van, aztán fölszorozzák. Vagy megrendelik tőlük a tőszámolást, és megmondjuk precízen
– mondja Norbert.
Volt, hogy a csapat tőszámlással kezdte, aztán ugyanattól az ügyféltől másra is kaptak megrendelést. „Minden egyes levelet, tövet látunk. Nem becslünk, hanem tényleg minden négyzetcentimétert megnézünk. Amikor ezt látták, és kimentek, ellenőrizték, akkor gyakorlatilag nem volt olyan ügyfelünk, aki ne kérte volna, hogy még egy másik táblát vagy akár más kultúrát ne vizsgáljunk meg” – mondja Ambrus.
A kukoricanemesítés és a vetőmagtermesztés jó példa olyan területekre, ahol a mesterséges intelligencia jelentősen tudja támogatni az agráriumot. „Mi kifejezetten hibrid kukoricával foglalkoztunk. A feladatunk az volt, hogy a drónfelvételek alapján felismerjük, hogy fennmaradt-e valahol címer, ahol nem kellene. Ezek többfélék lehetnek, de méretben és kinézetben is nagyon hasonlóak azokhoz a címerekhez, amiket nem kell leszedni. Az algoritmusnak külön kell ezeket választani” – magyarázza Levente. Ráadásul ez a munka időkritikus: a címereket kézzel szedik le, és sokszor fél napon belül kell az az információ, hogy hova kell még visszamenni.
Persze a módszerüknek azért korlátai is vannak. Akadnak olyan kártevők, amelyek a levelek hátulján lapulnak, például az atkák. Azokat nem látják, ahogy azt sem tudják megmondani, hogy például egy kukoricának milyen állapotban vannak a gyökerei, mert egyszerűen nem látnak bele a földbe.
Három kontinens a cél
A cég gyorsan tör előre: 2022-ben a csapatuk már 12 fős, több megoldásuk kereskedelmi forgalomban van, a kutatás-fejlesztést a gazdákkal közösen végzik, együtt tesztelik és finomítják az algoritmusokat. Mostanra nemzetköziek lettek, irodájuk viszont még most sincsen. Többen is vannak olyanok, akik bedolgoznak a cégbe, de személyesen még sosem találkoztak az alapítókkal, hiszen sokuk munkájához csak számítógép kell és az agyuk, irodai jelenlét nem.
Láttam egy álláshirdetést, és a munkaköri leírásból rájöttem, hogy a korábbi agtech és marketing tapasztalataim jól illenek ide. Személyesen még soha nem találkoztam a többiekkel, csapatként mégis sokat fejlődtünk. A közös értékek mellett az agrárium fejlesztése a küldetésünk
– mondja Ksenia Korolkova, aki a piacra lépési startégiáért felelős a cégben.
Folyamatban van a nemzetközi terjeszkedés is, idén volt például egy kukoricaszámlálós EU-s projektjük Franciaországban.
Nagyon reméljük, hogy még az idén, év végéig három kontinensen lesznek projektjeink
– mondja Norbert, majd hozzáteszi: avokádó-, pisztácia-, kakaó-, és szőlőtermesztőkkel is tárgyalnak.
Hosszútávú céljuk olyan rendszer építése, ami mindenféle adatot összegyűjt.
A terv, hogy ezeken az adatokon alapuló, mesterséges intelligencia által meghozott döntésekkel és konkrét javaslatokkal segítsük a gazdaságokat, hogy hatékonyabban, költséghatékonyabban működjenek, és termelékenységben is növekedjenek
– mondja Levente.
Norbert akkor lesz elégedett, ha a megoldásukat minél többen használni kezdik.
Nincs más megoldás arra, hogy minőségi élelmiszer legyen a gyerekeim asztalán, csak ha rengeteg innováció jut az agráriumba
– mondja.
Ambrus szerint Magyarországról világszinten is releváns innovációt csinálni nem magától értetődő dolog.
Az, hogy már akad külföldi ügyfelünk, és jelentős érdeklődés is van a Proofminder iránt, büszkeséggel tölt el minket
– mondja.
