A Fuzzy Expert system for Predicting Pandan Wangi Paddy Productivity in Indonesia Af: Yandra Arkeman m.fl. fra Bogor Agricultural University, Indonisia Denne præsentation gav en meget grundig indføring i, hvordan man på baggrund af en lang række inputparametre, kan fastsætte om et areal er egnet til en bestemt afgrøde. Forfatterne vandt en af pris for Best Paper på AFITA 2016. Baggrund og formål Formålet med opgaven er at få opstillet et system, der er i stand til at fastlægge om et bestemt areal egner sig til dyrkning af en særlig afgrøde i dette tilfælde ris af typen Pandan Wangi. Risplanter af denne type giver ris af ekstra god kvalitet og kan dermed sælges til høje priser, men den kræver også nogle helt særlige vækstbetingelser. F.eks. kan den ikke dyrkes med godt resultat i hele Indonesien, men kun i et helt bestemt distrikt i den vestlige del af øen Java. Forfatterne har på baggrund af en lang række inputparametre opstillet en algoritme, der kan beregne sandsynligheden for, at et bestemt område er egnet til dyrkning af netop denne type af ris. Metode Der er et meget stort antal faktorer, der har indflydelse på, om et areal egner sig til dyrkning af en bestemt afgrøde. Ikke mindst når afgrøden skal kunne klare sig i et klima, der er mindre stabilt end det nordeuropæiske. Faktorer som har indflydelse på risdyrkningen er bl.a.: Jordbundsegenskaber: Næringsstoffer som Nitrogen, Fosfor, Kalium. Jordbundstype m.v. Miljøforhold: Regn og øvrige vandforhold som naturlig tilførsel af vand via kilder, floder m.v. Afstrømning af vand, fordampning. Vindforhold.
Billede 1. Yandra Arkeman beskriver den indflydelse som vindforholdene har på, i hvor høj grad et område er egnet til risdyrkning. Grundet antallet af parametre, der har indflydelse på arealets egnethed, er det vanskeligt at fastsætte faste regler for hvilke arealer, der er egnet. Derfor introducerer forfatterne brug af en Fuzzy Logic-algoritme altså en algoritme, der er i stand til at tage højde for, at der kan være usikkerhed på visse af parametrene. Fuzzy Logik er en statistisk metode, der blev introduceret helt tilbage i 1965 og som anvendes indenfor en lang række fagområder. Som navnet siger går metoden på, at man kombinerer logiske regler, som man lægger en vis grad af variationstolerance ind over. Derved får man som output ikke den traditionelt logiske sorthvide fortolkning af data, men i stedet et mål for en statistisk vurdering. De forskellige målinger kombineres som følgende:
Billede 2. Overordnet diagram for programmets bagvedliggende logik. I venstre side af ovenstående diagram ser man de forskellige faktorer, der har indflydelse på arealets egnethed. Disse kombineres først til to vurderinger for hhv. jordbundens og miljøets egnethed til afgrøden. Efter vurdering af dette gennemgår man en ny vurdering, der så ender i en endelig vurdering af det forventede produktivitetsniveau. For at vurdere systemets effektivitet, sammenholdes systemets output med den vurdering, som en fagekspert ville være kommet med. Formålet med dette er selvfølgelig dels at finjustere systemet, herunder at undersøge om der er faktorer, som har større eller mindre indflydelse på et areals egnethed end først antaget.
Billede 3. Sammenligning af ekspertvurderinger med systemets output. I ovenstående tabel ses en sammenligning mellem ekspertens vurdering og systemets vurdering. I de fleste tilfælde er der sammenfald, men som det ses, så er der også tilfælde, hvor der ikke er enighed om hvorvidt arealet er egnet / quite appropriate. Konklusion hvilken viden kan vi tage med hjem? Det at kunne tage korrekte beslutninger på baggrund af input fra en lang række kilder, er en helt central opgave i mange IT-systemer. I den aktuelle case med risdyrkning foretager man en beregning på baggrund af allerede opsamlede data. Men det kunne akkurat lige så godt have drejet sig om udregninger baseret på indsamling af data fra diverse sensorer. F.eks. til at foretage en automatisk beslutning om hvorvidt der skal sås, vandes, sprøjtes, høstes m.v. i en bestemt afgrøde. Det interessante er, at man med den metode der fremsættes her, ikke fastsætter binære tærskelværdier for det input der fås, men i stedet bruger gradueret input. Denne metode vil være meget relevant at overføre til tilsvarende beregninger i danske systemer.
Billede 4. Yandra Arkman modtager prisen for Best Paper. WCCA World Congress on Computers in Agriculture 2016