کشاورزی در حال ورود به مرحلهای است که در آن «کمبود نیروی کار» دیگر صرفاً یک مسئله اجتماعی و اقتصادی نیست، بلکه به یکی از عوامل تعیینکننده در بهرهوری، هزینه تولید، زمانبندی عملیات و حتی امنیت غذایی تبدیل شده است. افزایش هزینه نیروی انسانی، مهاجرت نیروی کار از مناطق روستایی، سالمندشدن جمعیت کشاورزان، دشواری تأمین نیروی کار فصلی و افزایش نیاز به تولید بیشتر با منابع محدود، موجب شده است که اتوماسیون و فناوریهای هوشمند به بخش جداییناپذیر کشاورزی آینده تبدیل شوند.
در این میان، هوش مصنوعی یا AI بهتنهایی «جایگزین کشاورز» نیست؛ بلکه زمانی بیشترین اثر را ایجاد میکند که با رباتیک، حسگرهای اینترنت اشیا، تصاویر ماهوارهای، پهپادها، سامانه موقعیتیابی، ماشینآلات خودران و نرمافزارهای مدیریت مزرعه ترکیب شود. در چنین ساختاری، هوش مصنوعی مغز تصمیمگیر و سامانههای خودکار، بازوی اجرایی هستند.
گزارش منتشرشده در ایسنا در ۲۶ مرداد ۱۴۰۵ نیز بر همین روند تأکید کرده و کاربرد یادگیری ماشین، بینایی رایانهای، تحلیل پیشبینانه، پهپادها و تجهیزات رباتیک را از مسیرهای اصلی تحول کشاورزی دانسته است. (ایسنا)
۱. چرا کشاورزی با کمبود نیروی کار مواجه است؟
کمبود نیروی کار در کشاورزی معمولاً در فعالیتهایی بیشتر نمایان میشود که دارای یکی از چهار ویژگی زیر هستند:
-
تکراری بودن عملیات؛ مانند وجین، برداشت، درجهبندی و بستهبندی.
-
نیاز به نیروی انسانی در بازه زمانی کوتاه؛ مانند برداشت محصولات باغی یا برخی محصولات زراعی.
-
شرایط سخت یا خطرناک کار؛ مانند کار در دمای بالا، کار با ماشینآلات یا حضور در محیطهای آلوده.
-
نیاز به پایش مستمر و گسترده؛ مانند کنترل آفات، بیماریها، وضعیت آبیاری و سلامت گیاه.
نکته مهم این است که هوش مصنوعی الزاماً تعداد نیروی انسانی موردنیاز را به صفر نمیرساند؛ بلکه میتواند مقدار کار انسانی موردنیاز برای واحد سطح یا واحد محصول را کاهش دهد و در عین حال، نیروی انسانی موجود را به سمت فعالیتهای تخصصیتر هدایت کند.
سازمان خواربار و کشاورزی ملل متحد (FAO) نیز در گزارش «وضعیت غذا و کشاورزی ۲۰۲۲» تأکید میکند که اتوماسیون کشاورزی میتواند بهرهوری را افزایش دهد، سختی کار را کاهش دهد و تخصیص نیروی کار را بهبود بخشد؛ با این حال، دسترسی نابرابر به فناوری ممکن است شکاف میان بهرهبرداران بزرگ و کوچک را افزایش دهد. این گزارش در ۲ نوامبر ۲۰۲۲ منتشر شد. (FAOHome)
۲. هوش مصنوعی چگونه کمبود نیروی کار را جبران میکند؟
الف) جایگزینی بخشی از بازرسی و پایش دستی
یکی از مهمترین کاربردهای AI، تبدیل «بازدید انسانی» به «پایش ماشینی» است.
دوربینهای نصبشده روی تراکتور، پهپاد یا ربات میتوانند تصاویر گیاه، خاک و مزرعه را دریافت کنند. سپس الگوریتمهای بینایی رایانهای با استفاده از یادگیری ماشین یا یادگیری عمیق، اطلاعات تصویر را پردازش کرده و مواردی مانند:
-
بیماری گیاه؛
-
آلودگی به علفهای هرز؛
-
کمبودهای تغذیهای؛
-
تغییر رنگ یا رشد غیرطبیعی؛
-
تراکم بوته؛
-
وضعیت رسیدگی محصول؛
-
خسارتهای ناشی از آفات یا عوامل محیطی
را شناسایی کنند.
بنابراین بهجای اینکه نیروی انسانی تمام سطح مزرعه را بهصورت دستی بررسی کند، AI میتواند ابتدا مناطق مشکوک را شناسایی و نیروی متخصص را فقط به نقاط نیازمند بررسی اعزام کند.
مرور علمی منتشرشده در سال ۲۰۲۴ درباره پهپادها و یادگیری عمیق در کشاورزی دقیق نیز نشان میدهد که ترکیب UAV و Deep Learning به یکی از مسیرهای مهم پایش و مدیریت هوشمند مزارع تبدیل شده است. (ScienceDirect)
ب) رباتیک و خودکارسازی عملیات فیزیکی
اگر هوش مصنوعی را «مغز» سیستم در نظر بگیریم، ربات کشاورزی «عضلات» آن است.
رباتهای کشاورزی میتوانند برای فعالیتهایی مانند:
-
کاشت؛
-
وجین؛
-
سمپاشی هدفمند؛
-
برداشت؛
-
حمل محصول؛
-
درجهبندی؛
-
پایش مزرعه؛
-
تغذیه و مراقبت از دام؛
به کار گرفته شوند.
بررسی علمی منتشرشده در دسامبر ۲۰۲۴ در مجله Computers and Electronics in Agriculture نشان میدهد که توسعه رباتهای مزرعهای با پیشرفت همزمان هوش مصنوعی، رایانش ابری و اینترنت اشیا شتاب گرفته است. این مطالعه ضمن بررسی وضعیت رباتهای مزرعهای، چالشهای فنی و فرصتهای توسعه آنها را نیز مورد توجه قرار داده است. (ScienceDirect)
FAO نیز در گزارش Agriculture 4.0 که در سال ۲۰۲۰ منتشر شده، رباتیک و اتوماسیون را بهطور مشخص برای مقابله با هزینه بالای نیروی کار و کاهش دسترسی به نیروی انسانی در عملیات مختلف کشاورزی بررسی کرده است. (FAOHome)
ج) کشاورزی خودران
یکی از پیشرفتهترین کاربردهای AI، حرکت از ماشینآلات «رانندهمحور» به ماشینآلات «خودران» است.
در این مدل، تراکتور یا ماشین کشاورزی با استفاده از ترکیبی از:
GPS/RTK + دوربین + LiDAR + حسگرها + نقشه مزرعه + الگوریتم هوش مصنوعی
موقعیت خود را تشخیص داده، مسیر حرکت را برنامهریزی کرده و عملیات را با دخالت حداقلی انسان انجام میدهد.
نمونههای تجاری این فناوری در سالهای اخیر وارد بازار شدهاند. شرکت John Deere در ۶ ژانویه ۲۰۲۵ از نسل جدید ماشینآلات خودران خود شامل تراکتورهای خودران و تجهیزات دیگر رونمایی کرد و استفاده از بینایی رایانهای، هوش مصنوعی و چندین دوربین را در سامانههای خودکار خود توسعه داد. (Reuters)
اهمیت این فناوری برای کمبود نیروی کار بسیار زیاد است؛ زیرا یک اپراتور متخصص میتواند به جای انجام مستقیم یک عملیات، بر عملکرد چند ماشین یا یک ناوگان خودکار نظارت کند.
۳. هوش مصنوعی چگونه بهرهوری نیروی موجود را افزایش میدهد؟
جبران کمبود نیروی کار فقط به معنی «جایگزینی انسان» نیست.
گاهی مهمتر از کاهش تعداد کارگران، افزایش بهرهوری هر نیروی انسانی است.
برای مثال، یک کارشناس کشاورزی ممکن است در روش سنتی تنها بتواند تعداد محدودی مزرعه را بهطور منظم پایش کند. اما اگر سامانه AI دادههای ماهوارهای، تصاویر پهپاد، حسگر خاک، دادههای هواشناسی و سوابق مزرعه را یکپارچه کند، همان کارشناس میتواند تعداد بسیار بیشتری مزرعه را تحت نظارت قرار دهد.
این موضوع بهویژه در کشورهایی مانند ایران اهمیت دارد که پراکندگی اراضی، تنوع اقلیمی و محدودیت نیروی کارشناسی، پایش مستمر همه مزارع را دشوار میکند.
یک مرور علمی درباره AIoT در کشاورزی که در ۲۰۲۴ منتشر شده، کاربرد ترکیبی هوش مصنوعی و اینترنت اشیا را در پیشبینی عملکرد، حفاظت خاک و آب، تشخیص آفات و بیماریها و مدیریت زنجیره تأمین بررسی کرده است. (ScienceDirect)
۴. نقش AI در آبیاری و تغذیه؛ کاهش «کار» از طریق تصمیم بهتر
یکی از کاربردهای کمتر مورد توجه هوش مصنوعی، کاهش نیروی انسانی از مسیر کاهش تعداد عملیات غیرضروری است.
اگر سامانه هوشمند بتواند با ترکیب:
-
رطوبت خاک؛
-
دمای هوا؛
-
تبخیر و تعرق؛
-
پیشبینی بارش؛
-
مرحله رشد گیاه؛
-
نوع خاک؛
-
نوع رقم؛
-
وضعیت تغذیهای؛
-
تصاویر ماهوارهای و پهپادی
زمان و مقدار مناسب آبیاری یا کوددهی را تعیین کند، تعداد بازدیدهای میدانی و تصمیمگیریهای دستی کاهش مییابد.
در واقع AI به جای آنکه صرفاً «کارگر دیجیتال» باشد، میتواند به سیستم پشتیبان تصمیم کشاورز تبدیل شود.
مطالعات مروری سالهای ۲۰۲۴ و ۲۰۲۵ نیز نشان میدهند که یادگیری ماشین و بینایی رایانهای در حال گسترش در زمینههایی مانند تشخیص بیماری، برآورد عملکرد، پایش محصول و مدیریت منابع هستند. (ScienceDirect)
۵. برداشت؛ دشوارترین و در عین حال مهمترین حوزه
بخش قابل توجهی از کمبود نیروی کار در کشاورزی در مرحله برداشت اتفاق میافتد؛ بهخصوص در محصولاتی که برداشت آنها به نیروی انسانی زیاد نیاز دارد.
برداشت خودکار از نظر فنی پیچیدهتر از پایش مزرعه است، زیرا ربات باید همزمان:
-
محصول را تشخیص دهد؛
-
میزان رسیدگی را تعیین کند؛
-
محل دقیق محصول را پیدا کند؛
-
مسیر حرکتی مناسب را انتخاب کند؛
-
بدون آسیبزدن به محصول آن را جدا کند؛
-
محصول سالم را از محصول آسیبدیده تشخیص دهد.
در اینجا، ترکیب Computer Vision + AI + Robotic Manipulation اهمیت پیدا میکند.
مرور علمی منتشرشده در سال ۲۰۲۴ درباره بازوهای رباتیک در کشاورزی دقیق نشان میدهد که این فناوریها برای گلخانهها، باغها و محیطهای مزرعهای توسعه یافتهاند و هدف آنها افزایش دقت و کارایی و کاهش هزینه نیروی انسانی است. (ScienceDirect)
۶. پهپادها؛ جایگزین بخشی از نیروی پایش و عملیات میدانی
پهپاد را نباید صرفاً یک ابزار تصویربرداری دانست.
پهپاد مجهز به دوربین RGB، چندطیفی یا حرارتی میتواند دادههایی تولید کند که سپس توسط مدلهای AI تحلیل میشوند.
فرایند کلی به شکل زیر است:
پهپاد ← تصویربرداری ← پردازش تصویر ← مدل AI ← تشخیص مشکل ← اولویتبندی مناطق ← اقدام انسانی یا خودکار
این مدل باعث میشود نیروی انسانی به جای پیمایش کل مزرعه، به مناطق بحرانی هدایت شود.
در مقیاسهای بزرگ، این تغییر میتواند بسیار مهم باشد؛ زیرا مسئله اصلی دیگر «کمبود چشم و دست» نیست، بلکه «توانایی پردازش و اولویتبندی اطلاعات» است.
۷. آیا هوش مصنوعی واقعاً شغلهای کشاورزی را حذف میکند؟
پاسخ علمی، «بله و خیر» است.
هوش مصنوعی برخی وظایف را حذف یا بسیار کوچک میکند، اما همزمان وظایف جدیدی ایجاد میکند.
برای مثال ممکن است نیاز به نیروی انسانی برای وجین دستی کاهش یابد، اما نیاز به:
-
اپراتور ربات؛
-
تکنسین سامانههای خودران؛
-
کارشناس دادههای کشاورزی؛
-
متخصص GIS؛
-
کارشناس سنجش از دور؛
-
متخصص نگهداری حسگرها؛
-
کارشناس امنیت داده؛
-
مدیر سامانههای هوشمند مزرعه
افزایش پیدا کند.
یک مقاله مروری منتشرشده در اوت ۲۰۲۴ درباره هوش مصنوعی و آینده مهارتهای نیروی کار نیز بر همین تغییر تأکید دارد: AI هم میتواند بخشی از کار انسان را خودکار کند و هم کار انسان را تکمیل کرده و شکلهای جدیدی از اشتغال ایجاد کند. (ScienceDirect)
بنابراین تحول اصلی، انتقال از کار فیزیکی تکراری به کار فنی، نظارتی و تصمیمگیری است.
۸. مهمترین محدودیت: هوش مصنوعی بدون داده خوب، تصمیم خوب تولید نمیکند
یکی از اشتباهات رایج در نگاه به AI این است که تصور شود خرید یک نرمافزار هوش مصنوعی بهتنهایی مشکل کشاورزی را حل میکند.
در عمل، عملکرد یک مدل AI تابع کیفیت داده است.
برای مثال، مدل تشخیص بیماری گندم اگر با تصاویر مربوط به یک منطقه، یک رقم و شرایط نوری خاص آموزش دیده باشد، ممکن است در منطقهای دیگر عملکرد ضعیفتری داشته باشد.
بنابراین برای توسعه AI کشاورزی در ایران به مجموعهای از دادههای بومی نیاز است:
-
دادههای اقلیمی؛
-
دادههای خاک؛
-
تصاویر ماهوارهای؛
-
تصاویر پهپادی؛
-
اطلاعات ارقام؛
-
دادههای عملکرد؛
-
سوابق آفات و بیماریها؛
-
تاریخ کاشت و برداشت؛
-
اطلاعات نهادهها؛
-
اطلاعات مدیریتی مزرعه.
در نتیجه، داده کشاورزی یک زیرساخت ملی محسوب میشود، نه صرفاً یک ورودی نرمافزاری.
۹. چالش مزارع کوچک
یکی از مهمترین نکات علمی و اقتصادی این است که فناوری AI الزاماً بهصورت خودکار برای همه بهرهبرداران اقتصادی نیست.
FAO در گزارش سال ۲۰۲۲ خود، هزینه سرمایهگذاری، ضعف زیرساخت، پایینبودن سواد دیجیتال و محدودیت دسترسی به برق و ارتباطات را از موانع اصلی پذیرش اتوماسیون در میان بهرهبرداران کوچک معرفی میکند. (FAOHome)
این مسئله برای ایران نیز قابل توجه است.
اگر یک ربات بسیار گرانقیمت تنها در مزارع بزرگ قابل استفاده باشد، خرید مستقیم آن برای کشاورز خرد توجیه اقتصادی نخواهد داشت.
راهحل میتواند توسعه مدلهای:
خدمات کشاورزی هوشمند بهجای مالکیت فناوری
باشد.
برای مثال، کشاورز بهجای خرید پهپاد، ربات یا سامانه AI، هزینه خدمات پایش، نقشهبرداری، تشخیص بیماری یا سمپاشی هوشمند را پرداخت کند.
۱۰. پیامدهای احتمالی برای کشاورزی ایران
برای ایران، استفاده از هوش مصنوعی میتواند در پنج حوزه اولویت بیشتری داشته باشد:
اولویت اول: گندم و غلات
در غلاتی مانند گندم و جو، استفاده از سنجش از دور، تصاویر ماهوارهای، پهپاد و AI میتواند برای:
-
برآورد سطح زیرکشت؛
-
پیشبینی عملکرد؛
-
پایش تنش آبی؛
-
تشخیص بیماری؛
-
ارزیابی تراکم سبزینگی؛
-
تعیین زمان مناسب برداشت؛
-
پایش خسارتهای اقلیمی
مورد استفاده قرار گیرد.
اولویت دوم: باغها
در باغداری، کمبود نیروی کار در عملیات برداشت، هرس، پایش و تشخیص میوه اهمیت بیشتری دارد. بینایی رایانهای و بازوهای رباتیک میتوانند در آینده بخش مهمی از این عملیات را خودکار کنند.
اولویت سوم: گلخانهها
محیط گلخانه از مناسبترین محیطها برای اتوماسیون است، زیرا شرایط محیطی کنترلشدهتر از مزرعه روباز است. مرور علمی منتشرشده در آوریل ۲۰۲۴ درباره رباتیک در گلخانهها نیز نشان میدهد که این فناوری در حوزههایی مانند تولید، پایش و عملیات مختلف گلخانهای در حال توسعه است. (ScienceDirect)
اولویت چهارم: دامپروری
AI میتواند با تحلیل تصویر، صدا، رفتار، مصرف خوراک و دادههای محیطی، تشخیص زودهنگام بیماری، پایش رفتار و مدیریت گله را تسهیل کند و بخشی از پایش دستی را کاهش دهد.
اولویت پنجم: ماشینآلات کشاورزی
تجهیز تراکتورها و ماشینآلات موجود به سامانههای هدایت دقیق، تشخیص مانع، بینایی رایانهای و کنترل خودکار میتواند در کوتاهمدت نسبت به ساخت یک ناوگان کامل رباتیک، راهکار عملیتری باشد.
۱۱. مهمترین خطر؛ تصور «جایگزینی کامل انسان»
از نظر فنی، کشاورزی روباز یکی از پیچیدهترین محیطها برای اتوماسیون کامل است.
تغییر نور، گلولای، گردوغبار، ناهمواری زمین، بارندگی، باد، تفاوت ارقام، تراکم گیاه، موانع پیشبینینشده و تنوع بسیار زیاد شرایط مزرعه باعث میشوند که عملکرد یک سامانه خودران در محیط واقعی با محیط آزمایشگاهی متفاوت باشد.
بنابراین در افق نزدیک، مدل واقعبینانهتر این است:
انسان + AI + ربات
نه:
ربات به جای انسان
مطالعهای درباره رباتهای کشاورزی که در دسامبر ۲۰۲۴ منتشر شده، علاوه بر مسئله کمبود نیروی کار، موضوعاتی مانند حذف شغل، مسئولیت تصمیمهای خودکار و مالکیت داده را نیز از چالشهای مهم اجتماعی و اخلاقی معرفی میکند. (ScienceDirect)
۱۲. یک نکته مهم درباره آمارهای مطرحشده در گزارش ایسنا
گزارش ایسنا ارقامی مانند پیشبینی ادغام فناوری AI در بیش از ۷۰ کشور تا پایان ۲۰۲۶، افزایش عملکرد ۱۰ تا ۳۰ درصدی در برخی کاربردها، یا تمرکز بیش از ۸۰ درصد سرمایهگذاریهای فناوری کشاورزی بر تصمیمگیری دادهمحور و اتوماسیون را مطرح کرده است. (ایسنا)
از منظر یک گزارش فنی، بهتر است این اعداد بهعنوان ادعاهای مطرحشده در گزارش ایسنا تلقی شوند، نه بهعنوان شاخصهای قطعی و جهانشمول. دلیل آن این است که نتایج AI به نوع محصول، اقلیم، کیفیت داده، الگوریتم، سطح فناوری، مقیاس مزرعه و نوع عملیات وابسته است.
برای مثال، نمیتوان یک افزایش عملکرد حاصل از AI در یک مزرعه آزمایشی یا یک محصول را به کل کشاورزی کشور تعمیم داد.
در نتیجه، در گزارشهای کارشناسی بهتر است بهجای عبارتهایی مانند «هوش مصنوعی عملکرد را ۳۰ درصد افزایش میدهد» گفته شود:
«در برخی مطالعات و کاربردهای مشخص، استفاده از سامانههای هوشمند با بهبود قابل توجه عملکرد یا بهرهوری همراه بوده است؛ اما مقدار اثر به شرایط فنی و زراعی وابسته است.»
این بیان از نظر علمی دقیقتر است.
۱۳. الگوی پیشنهادی برای ایران
برای استفاده واقعی از AI در جبران کمبود نیروی کار کشاورزی، پیشنهاد میشود برنامه توسعه فناوری در سه مرحله دنبال شود:
مرحله اول: هوشمندسازی تصمیمها
-
ایجاد بانک اطلاعات کشاورزی؛
-
توسعه سامانههای توصیهگر؛
-
پایش ماهوارهای؛
-
توسعه سامانههای تشخیص بیماری؛
-
پیشبینی عملکرد؛
-
مدیریت هوشمند آبیاری.
مرحله دوم: خودکارسازی عملیات پرتکرار
-
هدایت خودکار تراکتور؛
-
سمپاشی هدفمند؛
-
وجین مکانیزه و هوشمند؛
-
پهپادهای عملیاتی؛
-
رباتهای پایش.
مرحله سوم: کشاورزی نیمهخودران و خودران
-
ناوگان ماشینآلات خودران؛
-
رباتهای برداشت؛
-
سامانههای مدیریت مزرعه مبتنی بر AI؛
-
اتصال ماشینآلات، حسگرها، پهپادها و سامانههای تصمیمیار در یک پلتفرم واحد.
این رویکرد نسبت به حرکت مستقیم به سمت «مزرعه کاملاً خودران» واقعبینانهتر و از نظر اقتصادی کمریسکتر است.
جمعبندی
هوش مصنوعی میتواند کمبود نیروی کار کشاورزی را بهطور معناداری کاهش دهد، اما نه صرفاً با حذف نیروی انسانی. اثر اصلی AI از ترکیب سه قابلیت حاصل میشود:
تشخیص هوشمند + تصمیمگیری دادهمحور + اجرای خودکار
در مرحله نخست، AI کارهای ذهنی و زمانبر مانند پایش، تحلیل تصاویر، پیشبینی و تصمیمسازی را تسهیل میکند. در مرحله بعد، رباتها و ماشینآلات هوشمند بخشی از کارهای فیزیکی، تکراری و خطرناک را بر عهده میگیرند.
از این منظر، آینده کشاورزی الزاماً «کشاورزی بدون انسان» نیست؛ بلکه کشاورزی با انسان کمتر، اما متخصصتر و مجهزتر خواهد بود.
برای ایران، اولویت اصلی نباید صرفاً خرید ربات و نرمافزار باشد. ایجاد زیرساخت داده کشاورزی، اتصال مزارع، توسعه اینترنت و ارتباطات، آموزش نیروی انسانی، بومیسازی مدلهای AI، توسعه خدمات اشتراکی فناوری و ارزیابی اقتصادی پروژهها مقدم بر استقرار گسترده سامانههای گرانقیمت است.
FAO نیز در سیاستگذاری خود بر همین نکته تأکید دارد که اتوماسیون باید فراگیر باشد و ضمن کاهش کمبود نیروی کار، به ایجاد مهارتها و فرصتهای شغلی جدید کمک کند؛ نه اینکه صرفاً به حذف نیروی انسانی منجر شود. (FAOHome)
بنابراین میتوان گفت هوش مصنوعی برای کشاورزی ایران بیش از آنکه «جایگزین نیروی کار» باشد، ابزاری برای افزایش ضریب بهرهوری نیروی کار، کاهش کارهای تکراری، کاهش اتلاف منابع و انتقال نیروی انسانی از فعالیتهای سخت و کمبازده به فعالیتهای تخصصی و ارزشآفرین است.
منابع داخلی و خارجی
منابع داخلی
۱. خبرگزاری ایسنا
«هوش مصنوعی چگونه میتواند کمبود نیروی کار کشاورزی را جبران کند؟»
تاریخ انتشار: ۲۶ مرداد ۱۴۰۵، ساعت ۱۳:۵۵.
این گزارش بر کاربرد یادگیری ماشین، بینایی رایانهای، تحلیل پیشبینانه، پهپادها و رباتهای کشاورزی در افزایش بهرهوری و مقابله با کمبود نیروی کار تمرکز دارد. (ایسنا)
مشاهده گزارش ایسنا
منابع خارجی
۲. FAO – The State of Food and Agriculture 2022: Leveraging agricultural automation for transforming agrifood systems
تاریخ انتشار گزارش: ۲ نوامبر ۲۰۲۲.
منبع کلیدی برای بررسی رابطه اتوماسیون، بهرهوری، نیروی کار، عدالت اجتماعی و موانع پذیرش فناوری. (FAOHome)
۳. FAO – Enabling inclusive agricultural automation
سال انتشار: ۲۰۲۲.
تمرکز بر اثر اتوماسیون بر بازار کار و ضرورت آموزش و توانمندسازی نیروی انسانی. (FAOHome)
۴. FAO – Agricultural digitalization and automation in low- and middle-income countries: Evidence from ten case studies
سال انتشار: ۲۰۲۲.
بررسی شواهد میدانی از کشورهای کمدرآمد و با درآمد متوسط و موانع اقتصادی و مهارتی پذیرش فناوری. (FAOHome)
۵. FAO – Agriculture 4.0: Agricultural robotics and automated equipment for sustainable crop production
سال انتشار: ۲۰۲۰؛ اطلاعیه انتشار: ۱۱ دسامبر ۲۰۲۰.
بررسی نقش رباتیک، اتوماسیون و کشاورزی دقیق در کاهش وابستگی به نیروی کار. (FAOHome)
۶. Liu et al. – A review of the current status and common key technologies for agricultural field robots
مجله Computers and Electronics in Agriculture، دسامبر ۲۰۲۴.
مرور جامع وضعیت فناوری رباتهای مزرعهای، کاربردها، چالشها و مسیرهای توسعه آینده. (ScienceDirect)
۷. Sánchez-Molina et al. – Robotics in greenhouses: Scoping review
مجله Computers and Electronics in Agriculture، آوریل ۲۰۲۴.
بررسی کاربرد رباتیک در محیطهای گلخانهای. (ScienceDirect)
۸. Review: Application of AI techniques and robotics in agriculture
مجله Artificial Intelligence in the Life Sciences، دسامبر ۲۰۲۳.
مرور بیش از ۱۵۰ مطالعه درباره کاربرد الگوریتمهای هوش مصنوعی و رباتیک در کشت، پایش و برداشت. (ScienceDirect)
۹. Wang et al. – A survey of unmanned aerial vehicles and deep learning in precision agriculture
مجله European Journal of Agronomy، ۲۰۲۴.
بررسی کاربرد پهپاد و یادگیری عمیق در کشاورزی دقیق. (ScienceDirect)
۱۰. Artificial Intelligence of Things (AIoT) for smart agriculture
مجله Journal of Network and Computer Applications، اوت ۲۰۲۴.
بررسی ترکیب اینترنت اشیا و هوش مصنوعی در کشاورزی هوشمند، پایش محصول، پیشبینی عملکرد، مدیریت منابع و تشخیص بیماری. (ScienceDirect)
۱۱. Robots in agriculture – A case-based discussion of ethical concerns on job loss, responsibility, and data control
مجله Smart Agricultural Technology، دسامبر ۲۰۲۴.
بررسی آثار اجتماعی و اخلاقی رباتیک کشاورزی، از جمله حذف شغل، مسئولیت و مالکیت داده. (ScienceDirect)
۱۲. دولت ژاپن – AI and Robotics Usher in a New Age for Agriculture
تاریخ انتشار: ۴ ژوئیه ۲۰۲۵.
بررسی روند استفاده از رباتیک و داده در کشاورزی ژاپن در پاسخ به کاهش نیروی کار کشاورزی. (JapanGov - The Government of Japan)
۱۳. Reuters – Deere boosts bet on autonomous tractors with new machines
تاریخ انتشار: ۶ ژانویه ۲۰۲۵.
گزارش درباره توسعه تراکتورها و تجهیزات خودران با استفاده از هوش مصنوعی و بینایی رایانهای برای مقابله با کمبود نیروی متخصص. (Reuters)
نتیجه نهایی برای سیاستگذاری
اگر هدف، جبران کمبود نیروی کار کشاورزی در ایران باشد، مناسبترین راهبرد این نیست که از ابتدا به دنبال جایگزینی گسترده انسان با ربات باشیم. راهبرد فنی و اقتصادی مناسبتر عبارت است از:
«دیجیتالیسازی دادهها → هوشمندسازی تصمیمها → خودکارسازی عملیات پرتکرار → توسعه رباتیک → حرکت تدریجی به سمت کشاورزی نیمهخودران.»
این مسیر میتواند همزمان سه مسئله را هدف قرار دهد: کمبود نیروی کار، افزایش بهرهوری و کاهش اتلاف منابع؛ در حالی که با آموزش نیروی انسانی و توسعه خدمات فناوری، خطر حذف شتابزده مشاغل سنتی نیز کاهش مییابد.
دیدگاهها