La agricultura es fundamental para el sustento de miles de millones de personas en todo el mundo. Las herramientas habilitadas por inteligencia artificial resultan muy prometedoras para aumentar la producción y la resiliencia y contribuir a objetivos de desarrollo sostenible más amplios, pero a menudo los datos de capacitación cruciales no están disponibles en el ámbito público.
En el ámbito de la inteligencia artificial agrícola para el bien social, los avances recientes en el análisis de datos de teledetección han permitido mejorar la precisión de una variedad de tareas de dicha inteligencia. Tanto las empresas emergentes como los grandes programas de desarrollo se han basado en esta disponibilidad de datos para proporcionar información personalizada y servicios predictivos para los agricultores.
Sin embargo, existe una falta de conjuntos de datos etiquetados con datos reales precisos en una variedad de regiones en el sur global. Las técnicas y los conjuntos de datos para abordar desafíos únicos en el mapeo de cultivos intercalados y fincas de pequeños agricultores están fuera de alcance. Esto obstaculiza el progreso en la creación de aplicaciones de ML beneficiosas que sean escalables y sólidas para las poblaciones de todo el mundo.
Junto con una explosión de proveedores y servicios de observación terrestre, los estándares nacientes, como el Spatio Temporal Asset Catalog (STAC) y una versión preliminar de las mejores prácticas para la recopilación y catalogación de datos de referencia terrestre, están creando una mayor coherencia para los datos de entrenamiento listos para el aprendizaje automático en todo el panorama de la inteligencia artificial para la agricultura.
Financiación de Lacuna
A fin de complementar y ampliar estas medidas, Lacuna Fund respalda la creación, la ampliación y el mantenimiento de datos de capacitación y evaluaciones en el espacio de la agricultura. Nuestro Panel Asesor Técnico, que es responsable de identificar brechas en los datos, desarrollar el pedido de expresiones de interés, revisar e identificar solicitudes prometedoras que se invitarán para que respondan a la RFP, y revisar y seleccionar candidatos para la financiación, ha identificado necesidades de conjuntos de datos etiquetados en las siguientes áreas de aplicación. No obstante, el pedido de EOI y RFP de Lacuna Fund se encuentra abierto de forma intencional a fin de motivar ideas nuevas e innovadoras que tal vez no hayamos identificado.
Administración del suelo, el agua y los cultivos
- Predicción de las propiedades del suelo
- Administración del agua y el riego
- Cálculo de rendimiento
- Clasificación de tipos de cultivos
- Protección de cultivos
- Control de malezas
- Predicción y advertencias tempranas sobre conflictos previstos entre pastores y agricultores
Administración de ganado
- Conjunto de datos sobre cría y razas de ganado
- Administración de ganado
- Optimización del pienso y predicción de disponibilidad de forraje
- Enfermedades del ganado y control
- Predicción y advertencias tempranas sobre conflictos previstos entre pastores y agricultores
- Administración de patrones migratorios pastorales, entre otros.
Categorías transversales
- Administración de la demanda y el suministro de insumos
- Administración de la cadena de suministros de productos
- Administración de la demanda y agregación de productos
- Administración de comercialización y distribución de insumos y productos
- Procesamiento de productos
- Prestación de servicios de extensión
- ¡Otras ideas! Consulte nuestra filosofía sobre creación de subvenciones