Az embernek az az érzése az elmúlt hónapokban, hogy egyre több lelkes, kreatív és tehetséges fiatal igyekszik átformálni ötleteivel az agráriumot Magyarországon is. Melyek azok a legfőbb innovatív területek, ahol komoly fejlesztési igények vannak a mezőgazdaságon belül a precíziós gazdálkodásra?

Alexy Márta (A.M.): Nem tudnék olyan területet mondani, ahol ez nem lenne fontos, mert a termelés minden területén adatokkal dolgoznak. Ezeket lehet gyűjteni analóg és/vagy digitálisan, ez utóbbi esetében szenzorok, kameraképek, mikrofonok segítségével. A gazdák minden eddiginél nagyobb adatbázist hozhatnak létre az élelmiszer-alapanyagok előállítása során. Ezáltal jobban bele tudnak látni, meg tudják érteni a termelési folyamatokat, a belső összefüggéseket, a különböző, tevékenységüket befolyásoló tényezők közötti interakciókat. A precíziós módszerek segítségével létrejött információkat pedig be tudják építeni a gazdasági döntéseikbe. Ezek visszakereshető, hiteles és nyomon követhető információk, a kockás füzet lassan már a múlté, amire ráborulhat a kávé, beleeshet a sárba, vagy épp elveszhet.

Kapcsolódó

A szántóföldi növénynövekedésre vonatkozó adatok elemzése és feldolgozása.
A szántóföldi növénynövekedésre vonatkozó adatok elemzése és feldolgozása.

Viszont tudni kell, hogy ezeknek a digitális technológiáknak is vannak korlátai. Összegyűjthetünk rengeteg adatot ott a helyszínen, például növénytermesztési területen vagy állattartó telepen, de ha ezt követően nem biztosított az adatok továbbítása, biztonságos tárolása és elemzése, célját veszti a fejlesztés. A hagyományos numerikus adatokból álló adatbázison kívül, ha videóból vagy kameraképekből szeretnénk a termelésben fontos információt kapni, olyan technológiára van szükség, amely azokat biztonságos és megbízható internethálózaton keresztül továbbítja egy olyan – felhőszolgáltatást alkalmazó – platformra, amely azt fogadni és feldolgozni képes. Ennek elsődleges oka, hogy ezeket az adatokat méretüknél és mennyiségüknél fogva a helyi számítógépen, kapacitás hiányában nehezen lehet elemezni.

Mekkora üzemmérettől éri meg meghallani az új idők szavát?

A. M.: Digitális adatot gyűjteni üzemmérettől függetlenül érdemes. Ez lehet egy fóliasátorban, de lehet egy 1200 négyzetméteres istállóban is. Elengedhetetlen tisztán és egyértelműen tudni, hogy mi az a termeléssel összefüggő probléma, amire választ szeretne kapni a gazdálkodó. Az üzemméret növekedésével a digitális technológia alkalmazásával elérhető néhány százalékos költségmegtakarítás is látványos eredményt hozhat.

Lát-e olyan magyar startupokat, érdekes egyetemi innovációkat, melyek az agrárium egy-egy speciális területén kinőhetik magukat?

A. M.: Ilyen például az Óbudai Egyetemmel közösen elindított Birdwatcher baromfi figyelő alkalmazás, amely kameraképek elemzésén alapuló mesterséges intelligencia modellek segítségével a tartástérben lévő, teljes baromfiállományra vonatkozóan pontosabb egyedi súlybecslést ad, így valós időben pontosabban nyomon követhető a madarak fejlődése a hizlalási ciklus egészében. Ezzel a megoldással a korábban alkalmazott kézi méréshez viszonyítva több mint 90 százalékkal csökkenthető az emberi munkaerő felhasználása.

Mesterséges intelligenciát használnak a fácánok állapotának és a teljesítménymutatóknak a nyomon követésére.
Mesterséges intelligenciát használnak a fácánok állapotának és a teljesítménymutatóknak a nyomon követésére. Illusztráció

Egy másik startup vállalkozás, amelyet az ELTE Informatika Karán végzett magyar informatikus hallgatók hoztak létre, egy burgonyabogár-szedő robot fejlesztésén dolgoznak és tesztelik az eszköz prototípusát egy növénytermesztéssel foglalkozó magyar vállalkozásban. Ők részt vettek az Informatikai Karon indított Agrárinformatika kurzusomon, ahol betekintést kaphattak a mezőgazdasági termelés sajátosságaiba, így a növénytermesztés idényszerűségébe is. Számukra ez immáron gyakorlati tapasztalatot is jelent: az évnek csak egy bizonyos időszakában jelenhet meg ez a kártevő, így a robotot tesztelni is csak abban az időszakban lehet. De nagyon okosan megoldották a problémát, ezért szöcskék felismerésén tanítják és fejlesztik az algoritmust addig, amíg nem jelenik meg a „célszemély”.

További érdekes kutatás keretében együttműködünk egy ipari partnerrel a méhészetben. A cég által gyűjtött és megjelölt (címkézett) méhhangokat elemezve fejlesztünk egy gépi tanulási modellt. Az innováció célja, hogy a méhész a kaptár felnyitása nélkül kapjon információt a méhcsalád állapotára vonatkozóan. Ebben az együttműködésben a fejlesztő cég az applikációt készíti, mi, mint egyetemi partner, az adatelemzésben és modellépítésben vállaltunk szerepet. Ez a kutatás-fejlesztési projekt az Adattudományi és Technológiai Tanszéken (ahol én is dolgozom) az egyik doktorandusz hallgatónk dolgozatának témája.

Méhészek ellenőrzik a mézet a kaptárkereten.
Méhészek ellenőrzik a mézet a kaptárkereten. Illusztráció

Az Óbudai Egyetemen a közelmúltban egy európai uniós projekt keretében olyan vágóhídi robotizációs megoldást fejlesztettek,, amelyben a sertéstest feldolgozását robotkarok végzik. A projekt nemrég fejeződött be, de az elért eredményekben bízva folytatása következik.

Szintén az Óbudai Egyetemen folyik egy gombaszedő robot fejlesztése, amely felismeri a nagyüzemi körülmények között termesztett, adott méretű gombát és a gombatermesztő által elvárt méretűt szedi le.

Az ELTE Informatikai Karán egy másik érdekes mezőgazdasági projektben a szőlőlevél számítógépes látás alkalmazásával való felismerését kutatja egy doktorandusz hallgató. Ebben a kutatásban az adott fenofázisban lévő szőlőfajta egy okostelefonon applikáció segítségével azonosítható. Ez a kutatás elsősorban az adattudományi modell fejlesztésére fókuszál, de reméljük, hogy a gyakorlat és a szakhatóság számára is hasznosítható eredményeket érünk el a közeljövőben. Hiszen ennek a fejlesztésnek a segítségével a hatósági helyszíni ellenőrzés során az ellenőr könnyen és gyorsan be tudja azonosítani a telepített szőlő fajtáját.

A nemzetközi  tendenciákra kitekintve az ember csak beüti az interneten az AgriTech keresőszót és nagyon sok, különböző fejlesztési és piacosítási fázisban lévő megoldást talál a nagyüzemi növénytermesztés, kertészet és állattartás területén is. Egyértelműen látszik, hogy egy gyorsan fejlődő technológiáról van szó. Azonban az is megfigyelhető, hogy ezek közül aránylag kevés fejlesztés tud elterjedni a mezőgazdasági gyakorlatban. Mi az oka ennek?

A. M.: Azt gondolom, hogy ennek egyik oka az lehet, hogy nem eléggé érthető és tiszta az a gyakorlati probléma, amelynek megoldására az adott informatikai fejlesztés irányul. Másrészről, ha a probléma jól definiált, a megoldás fejlesztés során az ágazat sajátosságait, természeti, gazdasági és társadalmi tényezőket egyaránt figyelembe kell venni. Például a termék értékesítési ára nincs összhangban a gazdák által kiváltani vagy kiegészíteni kívánt hagyományos megoldás értékével. Lehet indok, hogy a gazdák kockázatosnak ítélnek egy innovatív digitális megoldást, mert még kevés a mezőgazdaságban széles körben elterjedt jógyakorlat azzal kapcsolatban.

Robot betakarítási munka. (Illusztráció)
Robot betakarítási munka. (Illusztráció)

Az informatikával kapcsolatos tudás és tapasztalat nem megfelelő ismerete bizonytalanságot okoz a termelőkben. Azonban szerencsére vannak olyan, innovációra nyitott vállalkozások, akik különböző okokból, de készek kipróbálni az adott megoldást. Ebben nincs semmi új, ez a technológiai fejlődés természetes velejárója. Kollégáimmal mi azon dolgozunk, hogy a fentebb említett nehézségeket közösen (mert az agrárinformatika egy interdiszciplináris terület) minél hamarabb leküzdhessük.

Egy biztos: bárki, aki AgriTech startup vállalkozásba fog, nulladik lépésként nagyon ajánlott a mezőgazdasági szektor, különösen az, amelyben megoldást szeretne fejleszteni, mélyreható elméleti és gyakorlati ismerete. Az élelmiszertermelés sajátossága – amely az informatika szöges ellentéte – a tradícionális, több ezer év tudásán és tapasztalatán alapuló tevékenység. Ez is okozza azt, hogy lassan változik és csak az igazán jó és nagy hozzáadott értéket jelentő informatikai megoldások lehetnek sikeresek. De azok viszont igen.

Ezek szerint az emberek az agráriumban másképp gondolkodnak. A változások szempontjából az egyik legkonzervatívabb ágazat?

A. M.: Azt nem tudom, hogy a legkonzervatívabb-e, személy szerint szeretném hinni, hogy nem. Azonban a gazdálkodási gyakorlatban bekövetkező változás és változtatás egy hosszú átállási folyamat. Ahhoz tudnám hasonlítani az informatika alkalmazását a jelenlegi gazdálkodási gyakorlat széleskörű elterjedésében, mint az állati izomerő leváltását gépi erőre: az sem ment egyik napról a másikra és nehéz is megjósolni, mikorra várható ez. Azt gondolom, ez egyáltalán nem probléma, mert nem kell mindenkinek digitális adatokon alapuló gazdálkodást folytatni, nem való mindenkinek. Az idő és mindenekelőtt a piac megmutatja majd, hogy meddig és milyen mértékben lesz jelen az informatika a mezőgazdasági termelésben. Ahogyan az egyik AgriTech témájú külföldi előadáson hallottam: a technológia kész. 

Egy mezőgazdasági robot a kukoricamezőn.
Egy mezőgazdasági robot a kukoricamezőn.

Példaként hozhatom a Birdwatcher megoldását: az a baromfitartó, aki szeretné tudni a baromfiállomány súlyalakulását az istállóban és nyitott egy olyan innovatív megoldás iránt, amely leváltja a kézi mérést és a függesztett madármérleget, amely napjainkban a gyakorlatot jellemzi, megvásárolja ezt a magyar fejlesztést. De biztos van és lesz olyan, akit ez teljesen hidegen hagy. Erre mondtam korábban, hogy ez nem is baj. Ha egy precíziós termék és/vagy szolgáltatás jó és szükség van rá a termelőknek, megtalálja a helyét a piacon.

Agroloop és Proofminder

Idén kettő agrárgazdálkodást is érintő hazai vállalkozást is beválasztott a 10 legígéretesebb magyar startupok közé az EU-Startups. 

  • Az egyikük a budapesti székhelyű Agroloop. A cég küldetése, hogy ipari méretekben terjessze ki a rovartenyésztést Közép-Európában, miközben felhívja a figyelmet az összes mezőgazdasági érdekelt fél ökológiai felelősségére. A 2020-ban alapított társaság 18 millió eurót gyűjtött, hogy kihasználja a fekete katonalégy lárváinak azon képességét, hogy a növényi alapú biomasszát fenntartható állati takarmány-összetevőkké alakítsák át.
  • A másik vállalkozás, a 2021-ben alapított Proofminder platform mikroszintű, hasznosítható betekintést nyújt a növényekre, mint például az állományok száma, a gyomok kimutatása, a nitrogén- vagy időjárási károk elemzése, valamint a pontos termésbecslés. A budapesti központtal 400 ezer eurót gyűjtöttek össze.

Megnyílik a pénzcsap, reménykedhetnek a gazdák

Az MBH Agrártrend Index sajtótájékoztatóján a szakértők arról számoltak be, hogy a pályázók a jövőben könnyebb feltételekkel juthatnak hozzá majd a támogatási előleghez.