Maskinlæring for optimalisering av kornproduksjon og avling

DigiFarm har utviklet en maskinlæringsmodell for optimalisering av kornproduksjon. Vi utviklet modellen i samarbeid med NMBU og målet var å kunne hjelpe norske kornprodusenter øke avlingen sin gjennom optimalisering av best egnet kornsort (hvete/bygg/havre/rug) og individuelle jordskifter basert på aggregert produksjonsdata og data variabler som jordtyper, høyde-over-havet/GPS, vær/klimadata. Modellen oppnådde en 95% nøyaktighet og en 5-7% økt avling gjennom modellens anbefalte valg av kornsort for de individuelle jordskiftene. Vårt Horisont 2020 prosjekt er fokusert på å kommersialisere denne modellen i Sverige og Danmark hovedsakelig. De mest sentrale FoU utfordringene blir å kunne påvise at modellen har like høy nøyaktighet i internasjonale markeder, og for å oppnå dette så trenger vi pålitelige og store menger datakilder.