Grain is a cornerstone of Norwegian agriculture, and the Norsk Landbruksrådgiving SA (NLR) / The Norwegian Agricultural Advisory Service holds a unique position as the independent advisor to grain producers on issues related to agronomy, economics, health and safety, and landscape management. NLR aims to strengthen its position by further developing its advisory services based on data-driven insights, with the goal of becoming an even better advisor for individual producers and other actors in Norwegian agriculture.
NLR's goal is that data-driven insights and advice based on its own data, public data, and satellite data will enable increased yields, higher product quality, and more efficient operations. Modern agriculture is characterized by large amounts of data, and Norwegian agriculture stands out by having many of the datasets managed at the national level. By linking available datasets from various public sources and enriching them with satellite images and weather information for Norwegian grain farms, we have created a unique platform for new insights into Norwegian grain production with the Kornmo project. On this data platform, we have built various insight services for NLR's advisors, including:
• Benchmarking models to compare the results of different producers
• Statistical models to analyze aggregated results for municipalities, counties, and regions
• AI models to predict the year's yield early in the season, down to individual producers
NLR's advisors can use these services in their advice to individual producers and groups of producers. Data from KORNMO is a unique starting point for extracting yield levels and quality of grain deliveries on the farm over the years for further planning and development of production. It also provides a basis for comparison with other producers, which through the exchange of experiences can help increase yields and quality. At an aggregated level, the platform's data can provide valuable management information to market regulators (e.g., yield forecasts during the season) and other actors in the value chain (such as grain buyers, millers, bakers, and feed producers).
The idea of the Kornmo project and the insight platform was developed in collaboration with the analysis and advisory company inFuture, which also built the platform and services on it based on Microsoft Azure technology. Researchers and master's students at CAIR, the Center for AI Research at the University of Agder, have contributed to the development of the project's machine learning models for weather triangulation, species identification, and yield prediction, which were then implemented in the platform by data scientists from inFuture.
Employees at NLR have contributed with professional and practical insights during the development work to ensure a professionally sound and applicable solution.
The goal going forward is to further develop the data platform and the services on it in collaboration with other actors in the grain value chain, so that more than just NLR's own advisors can benefit from it and contribute to further development and operation. This is fully in line with the goals of increased public-private collaboration on data sharing and insights in Norwegian agriculture.
Kornmo har gitt NLRs rådgivere et mer robust og faktabasert grunnlag for sin rådgiving til norske kornprodusenter. Gjennom plattformen får rådgiverne tilgang til og kan analysere data om kornprodusentenes resultater for avling og kvalitet. Den forenklede tilgangen til og sammenstillingen av data gir rådgiverne helt nye muligheter til å sammenligne ulike produsenters resultater, og vurdere dem opp mot bl.a. egen kunnskap om jordbearbeiding og lokalt vær. Dette gir et mer robust og faktabasert grunnlag for rådgivernes dialog med enkeltprodusenter og grupper av produsenter i forkant av sesongen og underveis i sesongen, eksempelvis om valg av avling og strategi for jordbearbeiding og gjødsling. Løpende tilgang til data gir også nye muligheter til rådgiving underveis i sesongen, eksempelvis om gjødsling og plantevern. Data fra Kornmo gir også grunnlag for en langt bedre og grundigere evaluering av vekstsesongen.
Kornmo-plattformen gir også NLR helt nye muligheter til å gi råd til markedsregulator og andre aktører i verdikjeden for korn, som kornkjøpere, møller og kraftfôrprodusenter. Per i dag lager NLR avlingsprognoser lokalt med utgangspunkt i kunnskap og erfaring vurdert mot årets sesong fram til prognosedato. Med hjelpemidler som Kornmo vil prognosene bli sikrere og komme nærmere reelt avlingsnivå på dagens prognosedatoer. I tillegg kan en enkelt supplere med flere prognoser gjennom sesongen, dersom sesongen krever det. Prognosene kan dermed være et verdifullt supplement både for markedsregulator og for kornkjøpere, møller og kraftfôrprodusenter som trenger å planlegge sin produksjon lang tid i forveien.
For norsk kornproduksjon kan Kornmo gjennom NLRs rådgivere bidra til økt og mer bærekraftig kornproduksjon, og gjennom akkumulerte styringsdata til bedre forvalting av importkvoter og mer rasjonell drift av møller og kraftfôrproduksjon. En vil dermed også bidra til å sikre norskandelen forvaltning, industri og produsenter har som ambisjon for matmelet den enkelte sesong.
For norsk landbruk som helhet er Kornmo et foregangseksempel på datadrevet innsikt og vellykket offentlig-privat samarbeid, som både kan videreutvikles innen kornområdet og benyttes som mal for tilsvarende bransjefelles innsiktsarbeid innen andre avlingsområder.
I innovasjonsprosjektet KORNMO skal vi utvikle modeller for å optimalisere bærekraftig kornproduksjon, gjennom maskinlæring anvendt på data om driften av hvert skifte, om eksempelvis jordsmonn, vær, innsatsfaktorer og maskinering, samt avlingens volum og kvalitet. Prosjektet skal bygge ny innsikt og gi verdi for enkeltbonden, NLR og landbruksnæringen som helhet gjennom verdiuttak langs de tre aksene; i) produksjonsoptimalisering, ii) kvalitetsstyring og iii) bærekraft. Gjennom å utnytte de store mengdene data som allerede finnes, i kombinasjon med ny data og ny teknologi, skal forskningen i KORNMO bygge fundamentet for verdiøkende tjenester, produkter og rådgivning for bonden og NLRs øvrige kunder
1) Vi vil undersøke om satelittfoto egner seg som kilde til pålitelige data om dyrkede arealer, aktuell korntype, og maskineringsstrategi.
2) Vi vil undersøke om dype læringsalgoritmer er hensiktsmessige for prediksjon av produksjons-optimalisering og bærekraftsbehov
3) Vi vil undersøke muligheten for å applisere såkalte generative adversarial networks (GAN) for å generere data i tilfeller hvor data ikke eksisterer. Det er et åpent forskningsspørsmål om dette kan brukes til å generere gode nok data for agronomiformål
4) En annen forskningsutfordring er optimalisering mot flere mål. Å løse optimaliseringsoppgaver med flere mål er fremdeles et åpent forskningsspørsmål, siden målene kan ha flere motstridende løsninger
Prosjektets funn og resultater vil gjennom NLR og dets rådgivingsnettverk komme hver enkelt kornbonde til gode, samt kunne komme til anvendelse i andre deler av den norske verdikjeden for korn. Forskningen forventes å ha overføringsverdi både til verdikjeden for korn i andre geografiske markeder og potensielt til lignende verdikjeder og optimaliseringsproblem innen landbruk (eks. dyrking av andre avlinger og melkeproduksjon) og andre sektorer. Kompetanse og erfaringer fra prosjektet vil forøvrig komme til anvendelse for å styrke produkt- og tjenestetilbudet hos prosjektets partnere.
