เทคโนโลยี

ลิสเซินฟิลด์มีความเชี่ยวชาญในการบริหารจัดการข้อมูล ประมวลผลและวิเคราะห์ข้อมูลเชิงลึกในมิติต่างๆ ที่สำคัญของการทำการเกษตร

การรวบรวมข้อมูลทางการเกษตรและสภาวะแวดล้อม


การเข้าถึงข้อมูลการเกษตรและสภาวะแวดล้อมสามารถปรับปรุงวิธีการในการทำการเกษตร และเพิ่มคุณภาพของผลผลิตได้ อย่างไรก็ตามข้อมูลที่มีอยู่ในปัจจุบันมักกระจัดจายและมีความซับซ้อน ลิสเซินฟิลด์สามารถเชื่อมต่อข้อมูลเหล่านี้ API ต่างๆ และแสดงผลอย่างเป็นระบบและในรูปแบบที่ง่ายต่อวิเคราะห์ ทำให้ลูกค้าของเราสามารถตรวจสอบสภาพพื้นที่การเพาะปลูกได้อย่างสะดวก ราบรื่น และแม่นยำ

ตัวอย่างเช่น แบบจำลอง "Soil Fusion ของดิน" ที่ประเมินหน้าดินลึกในระดับ 60 เซนติเมตรที่สามารถเรียกใช้งานได้ผ่านระบบ API นอกจากนี้เรายังใช้ข้อมูลสภาพอากาศในอดีตย้อนหลังกว่า 30 ปี ผนวกกับการอ่านเซ็นเซอร์แบบเรียลไทม์ ร่วมกับการใช้เซ็นเซอร์จากภาคสนาม เพื่อคาดการณ์สภาพอากาศตามฤดูกาลอย่างแม่นยำในตำแหน่งนั้นๆ ทำให้การพยากรณ์ประสิทธิภาพมากกว่าการคาดการณ์แนวโน้มสภาพอากาศแบบระยะสั้น นอกจากนี้ข้อมูลพฤกษศาสตร์ที่ลิสเซินฟิลด์เก็บรวบรวมไว้ยังสามารถแสดงให้เห็นลักษณะการเติบโตของพืชภายใต้สภาพแวดล้อมที่เป็นอยู่ หรือพืชผลจะมีการเปลี่ยนแปลงอย่างไรหากได้รับสารอาหารที่แตกต่างกันหรือเมื่อสภาพอากาศและสภาพดินเปลี่ยนแปลงไป

การตรวจสอบความสมบูรณ์พืช


ลิสเซินฟิลด์พัฒนาแมชชีนวิชั่น เพื่อให้มีการนำการวิเคราะห์ภาพถ่ายดาวเทียมมาช่วยให้คุณสามารถประเมินความสมบูรณ์ของพืชผลในแต่ละช่วงการเติบโตได้ ระบบการตรวจสอบความสมบูรณ์ของพืชจากลิสเซินฟิลด์ช่วยให้คุณประเมินปริมาณการให้ปุ๋ยนอกจากนี้ยังสามารถแจ้งรายละเอียดเกี่ยวกับระดับความเครียดของพืชจากความผันผวนของปริมาณน้ำในพืช


จากการพัฒนาอย่างต่อเนื่อง ระบบของเราที่ใช้ในการตรวจสอบความสมบูรณ์ของพืช สามารถช่วยตัดสินว่าพืชผลบนแปลงเพาะปลูกแห่งนั้นได้รับปุ๋ย และระดับธาตุไนโตรเจนเพียงพอแล้วหรือไม่  นอกจากนี้โมเดลยังสามารถช่วยลดปัจจัยความเสี่ยงต่าง ๆ ในการแตกกอของพืชผลจำพวกข้าว เป็นต้น ซึ่งรวงของพืชมักโค้งตัวลงส่งผลให้เก็บเกี่ยวเมล็ดพืชทำได้ยาก และกระบต่อปริมาณผลผลิตที่เก็บเกี่ยว


เทคโนโลยีนี้ยังสามารถบอกเราเกี่ยวกับความเครียดของพืชจากความผันผวนของปริมาณน้ำ เช่น ต้นส้มที่มีน้ำมาหล่อเลี้ยงไม่เพียงพอจะเป็นอันตรายต่อการอยู่รอดของต้นส้มอย่างเห็นได้ชัด แต่หากทำให้ต้นส้มมีการขาดน้ำในอัตราที่เหมาะสมก็จะสามารถช่วยเพิ่มความหวานของผลส้มได้

การพยากรณ์การเจริญเติบโตและคุณภาพของผลผลิต


ลิสเซินฟิลด์พิจารณาจากปัจจัยสำคัญ 3 ประการในการพยากรณ์การเจริญเติบโตของพืชและปริมาณผลผลิต

ปัจจัยแรก คือดิน เราสร้างโมเดลสำหรับการวิเคราะห์ดินที่เรียกว่า "Soil Fusion" ซึ่งสามารถเข้าถึงข้อมูลได้ด้วยการเชื่อมต่อระบบ API


ปัจจัยที่สอง คือสภาพภูมิอากาศและสภาพอากาศ เราใช้การวิเคราะห์ข้อมูลสภาพอากาศย้อนหลัง 30 ปีเป็นเกณฑ์มาตรฐาน เรานำข้อมูลเหล่านี้มาประกอบกับข้อมูลที่ได้จากการติดตั้งเซนเซอร์จากภาคสนามก็จะทำให้การพยากรณ์สภาพอากาศตามฤดูกาลในตำแหน่ง นั้นๆ ได้แม่นยำมากขึ้น เซ็นเซอร์เหล่านี้จะวัดค่าน้ำฝนในช่วงเวลาต่าง ๆ ซึ่งทำให้สามารถดูแนวโน้มที่สามารถเกิดขึ้นในระยะสั้นได้ นอกจากนี้ยังมีการวัดระดับความชื้นและปัจจัยอื่น ๆ ที่มีความสำคัญต่อการเจริญเติบโตของพืช โมเดลของเราทำให้ผู้ใช้งานสามารถวิเคราะห์สภาพอากาศในพื้นที่เฉพาะเขตได้อย่างแม่นยำมากขึ้นและได้รับข้อมูลที่ทันสมัยอยู่เสมอ


ปัจจัยที่สาม คือปัจจัยที่มีความเกี่ยวข้องทางด้านสายพันธุ์ พืชแต่ละชนิดมีจีโนไทป์เฉพาะตัวซึ่งมีผลต่อการเติบโตและขยายพันธุ์ที่แตกต่างกันเมื่อสภาพแวดล้อมมีการเปลี่ยนแปลงไป ข้อมูลสายพันธุ์พืชที่ทางลิสเซินฟิลด์ได้รวบรวมไว้สามารถระบุว่าพืชมีการเติบโตอย่างไรภายใต้สภาพแวดล้อมที่เป็นอยู่ และที่มากไปกว่านั้นข้อมูลดังกล่าวยังสามารถระบุได้ว่าพืชของคุณจะเป็นอย่างไรหากได้รับสารอาหารที่แตกต่างกัน หรือสภาพอากาศและสภาพดินมีการเปลี่ยนแปลงไป

การวิเคราะห์คุณลักษณะภายนอก (Phenotype) และลักษณะทางพันธุกรรม(Genotype)


ลิสเซินฟิลด์กำลังพัฒนาแบบโมเดลพยากรณ์ที่จะสามารถใช้งานผ่านเว็บแอปพลิเคชัน ดังนี้ โมเดลแรก คือโมเดลจำลองการคัดเลือกจีโนม หรือ Genomic Selection (GS) และโมเดลจำลองการศึกษาความสัมพันธ์ของจีโนม หรือ Genome-Wide Association Studies (GWAS)


โมเดลจำลองนี้ช่วยลดระยะเวลาในการเพาะพันธุ์ และทำให้ได้ข้อมูลต่าง ๆ ที่เกี่ยวข้องกับการทำงานด้านการพัฒนาสายพันธุ์เพื่อนำไปต่อยอดให้เป็นการผลิตที่ยั่งยืน


โมเดล GS สามารถพยากรณ์ผลลัพธ์ต่าง ๆ จากการมีฟีโนไทป์ที่แตกต่างกัน เช่น ปริมาณน้ำตาล และแสดงข้อมูลที่สามารถเข้าใจได้ง่ายและผู้ใช้สามารถวิเคราะห์ได้ดีขึ้น


โมเดล GWAS จะใช้ในการประเมินความสัมพันธ์ระหว่างยีนและความหลากหลายของฟีโนไทป์ที่แตกต่างกัน

การวิเคราะห์ธาตุอาหารในดิน


การวิเคราะห์ธาตุอาหารในดินด้วย NIRS ทําให้มีข้อมูลที่แม่นยํา ซึ่งสามารถช่วยเหลือเกษตรกร และทีมส่งเสริม ได้เป็นอย่างดี เพื่อทําความเข้าใจสภาพดินในตลอดทั้งปี ด้วยข้อมูลแบบเรียลไทม์ และด้วยต้นทุนที่เหมาะสม


ข้อมูลการตรวจดินจะแสดงอยู่ในฟาร์มเอไอแดชบอร์ดของแต่ละขอบเขตแปลง ผู้ใช้สามารถปรับการตัดสินใจเกี่ยวกับปุ๋ยและการปลูกพืชตามผลการวิเคราะห์ดิน NIRS มีการวิเคราะห์หลายอย่าง รวมถึงเนื้อดินธาตุอาหารหลักธาตุอาหารหลักธาตุอาหารหลักรอง เคมีในดิน และนํ้าในดิน


ลิสเซินฟิลด์ ร่วมกับ AgroCares พัฒนา Near Infrared Spectroscopy (NIRS) ในการทําฟาร์มในเอเชียตะวันออกเฉียงใต้ ผลการวิเคราะห์ดินทั้งหมดถูกรวมเข้ากับ ฟาร์มเอไอ เราพร้อมเริ่มให้การวิเคราะห์ธาตุอาหารในดิน ในประเทศไทยและเวียดนามในปี 2565

มาดูกันว่าลิสเซินฟิลด์สามารถปรับปรุงการทำงานและเพิ่มกำไรให้คุณได้อย่างไร

ติดต่อเรา