آینده پرورش قارچ از نگاه سایت هاگ؛ از هوش مصنوعی تا مزارع هوشمند

نیمه‌شب است و کسی داخل سالن پرورش قارچ حضور ندارد. رطوبت آرام‌آرام پایین می‌آید؛ نه آن‌قدر سریع که بلافاصله جلب توجه کند، اما به‌اندازه‌ای که چند ساعت بعد روی بستر و کیفیت محصول اثر بگذارد. در یک مزرعه سنتی، احتمالاً اپراتور صبح روز بعد متوجه این تغییر می‌شود. در یک سالن هوشمند، سنسور همان لحظه افت رطوبت را ثبت می‌کند، هشدار می‌فرستد و حتی می‌تواند رطوبت‌ساز را روشن کند.

این تصویر دیگر فقط مربوط به آینده نیست. صنعت پرورش قارچ کم‌کم به سمتی می‌رود که دما، رطوبت، دی‌اکسیدکربن، دمای کمپوست، مصرف انرژی و سرعت رشد محصول به‌صورت پیوسته ثبت شوند. اطلاعاتی که قبلاً در دفتر تولید نوشته می‌شد یا فقط در ذهن مدیر سالن می‌ماند، حالا می‌تواند به داده‌ای قابل مقایسه تبدیل شود.

نکته مهم اینجاست: هوشمندسازی قرار نیست انسان را از مزرعه حذف کند. قرار است تصمیم‌گیری را از حالت حدس و واکنش دیرهنگام بیرون بیاورد.

قارچ در یک محیط کنترل‌شده رشد می‌کند. همین موضوع، هم مزیت است و هم دردسر. در مزرعه روباز نمی‌توان باد، باران یا دمای هوا را کامل کنترل کرد، اما در سالن پرورش قارچ تقریباً همه‌چیز قابل تنظیم است؛ به شرطی که تغییرات به‌موقع دیده شوند.

گاهی چند درجه افزایش دما، افت رطوبت یا بالا رفتن CO₂ کافی است تا شکل کلاهک، سرعت رشد، یکنواختی محصول یا زمان برداشت تغییر کند. مشکل همیشه ناگهانی نیست. بعضی نوسان‌ها آرام پیش می‌روند و وقتی با چشم دیده می‌شوند، بخشی از خسارت اتفاق افتاده است.

اپراتور باتجربه هنوز یکی از مهم‌ترین سرمایه‌های مزرعه است. او از بوی سالن، ظاهر بستر یا شکل قارچ چیزهایی می‌فهمد که شاید در یک نمودار ساده دیده نشود. با این حال، هیچ فردی نمی‌تواند ۲۴ ساعت شبانه‌روز چند سالن را هم‌زمان زیر نظر داشته باشد.

از طرف دیگر، فقط مقدار تولید مهم نیست. مدیر مزرعه باید بداند هر کیلو قارچ با چه میزان برق، سوخت، نیروی کار و ضایعات تولید شده است. ممکن است دو سالن محصول تقریباً یکسانی بدهند، اما یکی از آن‌ها انرژی بسیار بیشتری مصرف کرده باشد. همین تفاوت می‌تواند نشانه خرابی فن، افت راندمان چیلر یا تنظیم نادرست تهویه باشد.

نصب یک کنترلر دما و رطوبت، به‌تنهایی مزرعه را هوشمند نمی‌کند. در اتوماسیون ساده، اگر دما از عدد مشخصی بالاتر برود، سرمایش روشن می‌شود. دستور روشن است: «اگر این اتفاق افتاد، آن کار را انجام بده.»

سیستم هوشمند یک قدم جلوتر می‌رود. روند را می‌بیند. مثلاً متوجه می‌شود دمای سالن هر روز بین ساعت دو تا چهار بعدازظهر سریع‌تر بالا می‌رود. بعد این تغییر را با دمای بیرون، وضعیت کمپوست، عملکرد تهویه و سابقه دوره‌های قبل مقایسه می‌کند. در حالت پیشرفته‌تر، قبل از اینکه دما از محدوده مناسب خارج شود، سرمایش را فعال می‌کند.

یک مزرعه هوشمند معمولاً ترکیبی از سنسورها، دیتالاگر، دوربین، نرم‌افزار مدیریتی و تجهیزات کنترلی است. هوش مصنوعی زمانی وارد کار می‌شود که داده کافی برای پیدا کردن الگو یا پیش‌بینی شرایط وجود داشته باشد.

البته یک هشدار مهم را نباید فراموش کرد: داده بد، تصمیم بد می‌سازد. اگر سنسور کالیبره نباشد و دو درجه خطا داشته باشد، سیستم ممکن است ماه‌ها براساس اطلاعات اشتباه کار کند. فناوری فقط وقتی مفید است که داده قابل اعتماد باشد.

اینترنت اشیا یا IoT باعث می‌شود سنسورهای مختلف اطلاعاتشان را به یک سامانه مرکزی بفرستند. مدیر مزرعه می‌تواند روی تلفن همراه یا کامپیوتر ببیند در هر سالن چه خبر است: دما چند درجه است، رطوبت چقدر شده، CO₂ بالا رفته یا مصرف برق غیرعادی است.

فایده اصلی فقط کنترل از راه دور نیست. ارزش واقعی، ساختن تاریخچه تولید است.

فرض کنید دوره قبلی یک سالن محصولی یکنواخت‌تر، سفیدتر و بازارپسندتر داشته است. با داده‌های ثبت‌شده می‌توان بررسی کرد دما، رطوبت، تهویه و دمای کمپوست آن دوره چه تفاوتی با دوره ضعیف‌تر داشته‌اند. جمله مبهم «این دفعه سالن بهتر جواب داد» تبدیل می‌شود به چیزی که می‌توان اندازه گرفت و تکرار کرد.

در مطالب تخصصی سایت هاگ نیز اینترنت اشیا به‌عنوان زیربنای هوشمندسازی مطرح می‌شود. دلیلش ساده است: هوش مصنوعی بدون داده منظم، چیزی برای تحلیل ندارد.

در بعضی مزارع پیشرفته، دوربین‌های بالای قفسه‌ها در فاصله‌های مشخص از بستر عکس می‌گیرند. نرم‌افزار با مقایسه تصاویر می‌تواند تعداد قارچ‌ها، اندازه کلاهک، تراکم و سرعت رشد را تخمین بزند. این اطلاعات کمک می‌کند مدیر بداند چه زمانی نیروی بیشتری برای برداشت لازم است یا سردخانه باید برای چه حجمی آماده باشد.

این پیش‌بینی شاید صددرصد دقیق نباشد، اما از حدس بهتر است. اگر برداشت بیشتر از انتظار باشد و سبد، نیروی کار یا فضای سردخانه آماده نباشد، بخشی از محصول آسیب می‌بیند. اگر برداشت کمتر از انتظار باشد، برنامه فروش به هم می‌ریزد.

هوش مصنوعی در کنترل اقلیم هم کاربرد دارد. سیستم می‌تواند سرعت افزایش دما را ببیند و پیش‌بینی کند چند دقیقه بعد سالن از محدوده مطلوب خارج می‌شود. در نتیجه، تهویه یا سرمایش را زودتر فعال می‌کند. همین چند دقیقه گاهی برای جلوگیری از تنش محصول کافی است.

بعضی آلودگی‌ها با تغییر رنگ، رشد نامنظم یا ظاهر غیرعادی بستر دیده می‌شوند. بینایی ماشین می‌تواند تصاویر جدید را با تصاویر قبلی مقایسه کند و نقاط مشکوک را علامت بزند.

اما نباید از این خروجی انتظار تشخیص قطعی داشت. یک لکه یا تغییر رنگ ممکن است نتیجه بیماری، آبیاری نامناسب، نوسان دما یا مشکل دیگری باشد. تصمیم نهایی هنوز باید توسط کارشناس گرفته شود.

ارزش این فناوری در هشدار زودهنگام است. اگر یک ناحیه مشکوک قبل از گسترش دیده شود، مدیر زمان بیشتری برای بررسی، نمونه‌برداری و کنترل شرایط دارد. در آینده، ترکیب تصویر با داده‌های دما، رطوبت و CO₂ می‌تواند این هشدارها را دقیق‌تر کند.

برداشت قارچ ساده به نظر می‌رسد، اما کار ظریفی است. قارچ باید در زمان مناسب و بدون آسیب به کلاهک، پایه یا بستر چیده شود. ضمن اینکه تراکم محصول در همه قسمت‌ها یکسان نیست.

ربات‌های برداشت با دوربین و بازوی مکانیکی قارچ مناسب را پیدا می‌کنند و آن را می‌چینند. بعضی مدل‌ها حتی می‌توانند درجه‌بندی اولیه را انجام دهند. با این حال، هزینه خرید، نیاز به تعمیرکار متخصص، حساسیت محصول و لزوم طراحی مناسب قفسه‌ها باعث شده استفاده از آن‌ها فعلاً بیشتر برای واحدهای بزرگ منطقی باشد.

احتمالاً سیستم‌های کمک‌برداشت زودتر فراگیر می‌شوند؛ ابزارهایی که قارچ آماده را به کارگر نشان می‌دهند یا مسیر برداشت را بهتر می‌کنند. پس در کوتاه‌مدت، ربات بیشتر همکار نیروی انسانی است تا جایگزین او.

دوقلوی دیجیتال، نسخه مجازی سالن واقعی است که با داده‌های سنسورها به‌روزرسانی می‌شود. مدیر می‌تواند قبل از تغییر برنامه تهویه یا دما، نتیجه احتمالی آن را در محیط شبیه‌سازی‌شده ببیند.

این فناوری هنوز برای بسیاری از مزارع در دسترس نیست، اما برای واحدهای بزرگ جذاب است. یک تصمیم اشتباه در چنین مجموعه‌هایی ممکن است چند سالن و حجم زیادی از محصول را درگیر کند. دوقلوی دیجیتال برای آموزش اپراتورها هم کاربرد دارد؛ فرد می‌تواند نتیجه تصمیمش را ببیند، بدون اینکه محصول واقعی در معرض خطر قرار بگیرد.

اگر مقدار برداشت از چند روز قبل تخمین زده شود، واحد بسته‌بندی می‌تواند مواد لازم را آماده کند، سردخانه ظرفیت خالی در نظر بگیرد و تیم فروش بداند چه حجمی از محصول قابل عرضه است.

داده‌ها در تولید کمپوست، درجه‌بندی، بسته‌بندی، مدیریت انرژی و فروش هم کاربرد دارند. مزرعه هوشمند واقعی فقط دما و رطوبت را کنترل نمی‌کند؛ بخش‌های مختلف تولید را به هم وصل می‌کند.

شروع درست، خرید گران‌ترین دستگاه بازار نیست. اولین قدم ثبت منظم اطلاعات است: دما، رطوبت، زمان آبیاری، مقدار برداشت، مصرف انرژی و اتفاقات غیرعادی هر دوره.

بعد از آن می‌توان سنسورهای دقیق دما، رطوبت و CO₂ نصب کرد و هشدارهای ساده تعریف کرد. برای یک مزرعه کوچک، پیام هشدار افت رطوبت روی تلفن همراه شاید از یک سیستم گران‌قیمت و پیچیده مفیدتر باشد.

تجهیزات حیاتی نیز نباید کاملاً به اینترنت وابسته باشند. اگر ارتباط قطع شد، تهویه، سرمایش و رطوبت‌ساز باید به‌صورت محلی ادامه کار دهند. کالیبراسیون سنسورها و آموزش اپراتور هم جدی است. نموداری که کسی نتواند آن را درست بخواند، کمک زیادی به مزرعه نمی‌کند.

تصویری که هاگ از آینده این صنعت ترسیم می‌کند، یک مزرعه بدون انسان نیست. مزرعه‌ای است که مدیر آن مجبور نیست بعد از افت کیفیت، تازه دنبال علت بگردد.

سنسورها جای چشم و تجربه اپراتور را نمی‌گیرند؛ فقط چیزهایی را می‌بینند که انسان نمی‌تواند شبانه‌روز کنترل کند. هوش مصنوعی هم قرار نیست جای مدیر تولید تصمیم بگیرد. کار اصلی آن پیدا کردن الگو، هشدار دادن و تبدیل تجربه‌های پراکنده به اطلاعات قابل استفاده است.

مسیر هوشمندسازی در ایران احتمالاً آهسته و مرحله‌به‌مرحله پیش می‌رود: ثبت داده، کنترل از راه دور، اتوماسیون و بعد تحلیل هوشمند. ربات و دوقلوی دیجیتال برای همه مزارع نقطه شروع نیستند.

سؤال مهم‌تر این است: امروز کدام تصمیم مزرعه هنوز براساس حدس گرفته می‌شود؟ همان‌جا بهترین نقطه برای شروع جمع‌آوری داده است.