Poljoprivreda je jedan od najzahtevnijih sektora za primenu veštačke inteligencije (AI). Za razliku od industrije ili digitalnih servisa, gde su podaci standardizovani i procesi ponovljivi, proizvodnja hrane zavisi od mnogih promenljivih faktora kao što su vremenski uslovi, kvalitet zemljišta, odabir sorti, agrotehničke mere, pojava bolesti, i tržišne oscilacije. Dr Sanja Brdar, naučna saradnica i rukovodilac Centra za informacione tehnologije na Institutu BioSens, naglašava da su podaci u poljoprivredi često nepotpuni, nestrukturirani ili se uopšte ne prikupljaju, a sezonalnost proizvodnje dodatno otežava testiranje i usavršavanje algoritama. I pored tih izazova, AI se već koristi u poljoprivredi, uključujući i Srbiju.

Institucije kao što je Institut BioSens igraju ključnu ulogu u razvoju naučno-inovacionog ekosistema u Srbiji, fokusirajući se na digitalne tehnologije u održivoj poljoprivredi i bezbednosti hrane. Primena veštačke inteligencije može se posmatrati kao hijerarhijski sistem, počevši od regionalne analize, preko upravljanja pojedinačnim parcelama, do intervencija na nivou svake biljke ili životinje. Na svakom nivou koriste se različite vrste podataka i tehnologija.

Na regionalnom i nacionalnom nivou, AI se oslanja na satelitske snimke i višegodišnje vremenske serije podataka. U Srbiji se koriste AI modeli za prepoznavanje tipova useva, procenu ukupnih zasejanih površina, i praćenje promena u setvenoj strukturi. Analize sezonskih vegetacionih indeksa pomažu u identifikaciji navodnjavanih površina i intenzitetu proizvodnje. Ove analize su ključne za strateško planiranje, agrarnu politiku, procenu rizika i bezbednost hrane.

Na nivou pojedinačnih parcela, AI postaje operativni alat. Algoritmi identifikuju zone različitih plodnosti i stresa, omogućavajući varijabilno đubrenje, precizno navodnjavanje i ciljanju primenu pesticida. Kombinacija istorijskih podataka, meteoroloških prognoza i trenutnog stanja useva pomaže u predviđanju prinosa i upravljanju rizikom.

Dr Sanja Brdar ukazuje na to da najnapredniji oblici veštačke inteligencije funkcionišu na nivou pojedinačnih biljaka ili životinja. Robotske platforme sa kamerama razlikuju usev od korova, dok senzori u stočarstvu prate zdravlje i ponašanje svake jedinke. Ovaj nivo primene donosi najveću preciznost, ali zahteva i najveća ulaganja, zbog čega je u Srbiji prisutan pretežno kroz pilot projekte. Na primer, na plantaži borovnice u Srbiji realizovan je pilot projekat koji koristi robotske platforme za navigaciju, uzorkovanje zemljišta i prskanje biljaka.

Inovacije zasnovane na veštačkoj inteligenciji prisutne su u srpskoj poljoprivredi, ali variraju u zavisnosti od veličine gazdinstava, dostupnosti resursa i znanja. AI rešenja se najčešće primenjuju tamo gde već postoje podaci i mogućnosti za investicije, što uključuje veća gazdinstva i kompanije. U okviru evropskih naučno-istraživačkih projekata, poljoprivrednici se uključuju u testne faze pilot-projekata, a sve više se organizuju obuke o upotrebi AI i digitalnih tehnologija.

Dronovi se koriste za prikupljanje podataka sa njiva, a AI inovacije često dolaze kroz digitalne platforme koje obrađuju podatke i daju preporuke. Na primer, dronovi opremljeni multispektralnim kamerama snimaju useve, omogućavajući prepoznavanje zona stresa i oštećenja. Senzori u zemljištu prate vlagu, temperaturu i druge klimatske uslove, dok meteorološke stanice prate mikroklimatske uslove.

Kao konkretna domaća rešenja, kompanije kao što su Agremo i DunavNET razvijaju AI platforme za analizu snimaka sa dronova, dok druge firme nude digitalizaciju proizvodnje. Međutim, važna je i platforma AgroSens koja je besplatna za poljoprivrednike, iako samo mali broj korisnika redovno koristi napredne funkcije.

Iako postoje besplatne platforme, njihova upotreba zavisi od entuzijasta. Ključni izazov ostaje prevazilaženje barijera u upotrebi, kao što su nedostatak digitalnih veština i poverenja u podatke. Ulaganje u edukaciju, savetodavnu podršku i jačanje digitalne kulture u poljoprivredi je od suštinskog značaja za širu primenu AI.

Primena inovativnih rešenja u Srbiji suočava se sa brojnim izazovima, uključujući nedovoljne subvencije i tržišne neizvesnosti. Investicije u inovacije često predstavljaju dodatne troškove, a ne strateške investicije. Zato će brzina primene AI u srpskoj poljoprivredi zavisiti ne samo od dostupnosti tehnologije, već i od stabilnosti agrarne politike i sistemske podrške proizvođačima.

U poređenju sa Evropom, ključna razlika nije u tehnologiji, već u njenoj rasprostranjenosti. Dok su evropske zemlje napredovale u digitalizaciji i automatizaciji, u Srbiji se proces tek započinje. EU kroz Zajedničku poljoprivrednu politiku podstiče digitalizaciju i inovacije, nudeći subvencije koje smanjuju finansijske barijere. Ova podrška omogućava lakše opravdanje investicija u inovacije, što je ključno za razvoj poljoprivrede u Srbiji.