Agricultura

Lacuna Fund tiene como objetivo crear los componentes básicos de los datos de capacitación etiquetados que faciliten aplicaciones sólidas, desde información personalizada sobre fertilizantes y prácticas de agricultura regenerativa para los agricultores, hasta una mejor información sobre el rendimiento de los cultivos y la seguridad alimentaria para informar a los responsables de decisiones en todo el mundo.

La necesidad

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

Para complementar y expandir estos esfuerzos, Lacuna Fund apoya la creación, expansión y mantenimiento de datos etiquetados en el espacio agrícola. Nuestro Panel Asesor Técnico, que es responsable de identificar las brechas de datos, desarrollar la RFP y revisar y seleccionar propuestas, ha identificado las necesidades de conjuntos de datos etiquetados en las siguientes áreas. Sin embargo, las RFP de Lacuna Fund están abiertas intencionalmente para fomentar ideas nuevas e innovadoras que quizás no hayamos identificado.

  • Identificación de los límites de la finca, en particular para las fincas pequeñas.
  • Clasificación del tipo de cultivo, incluidas las cuestiones relacionadas con los cultivos intercalados.
  • Estimación del rendimiento, incluidas cuestiones particulares relacionadas con la estimación para agricultores de subsistencia.
  • Otros conjuntos de datos, como niveles de agua, clima extremo o prácticas agrícolas, que podrían basarse en o complementar mejores etiquetas de límites de campo y tipo de cultivo.
  • Datos de salud del suelo y etiquetas relacionadas.
  • Los conjuntos de datos de capacitación sobre identificación de plagas y enfermedades, aunque están muy extendidos para ciertos cultivos básicos, como la mandioca, el maíz y el trigo, podrían ampliarse aún más o sensibilizarse más en virtud del contexto.
  • Predicciones de disponibilidad y agotamiento de forrajes.
  • Problemas relacionados con los patrones migratorios pastorales y conflictos anticipados con los agricultores.
  • Predicción de las mejores ubicaciones para establecer bancos de forrajes e infraestructura de apoyo a lo largo de las rutas migratorias del ganado.

Consulte la información sobre cómo presentar una solicitud, así como las solicitudes de propuestas abiertas y anteriores  aquí.