Umělá inteligence vstupuje do světa siláží

Na XX. Mezinárodní konferenci o silážování (International Silage Conference – ISC 2025, 21.–24. června 2025, Gainesville, FL, USA) se mezi 150 příspěvky objevily pouze dva využívající umělou inteligenci (AI). Český tým demonstroval úspěšné použití dronů s multispektrálními kamerami pro optimalizaci termínu sklizně kukuřice, zatímco kanadští výzkumníci představili futuristický systém kombinující velké jazykové modely s počítačovým viděním pro komplexní management siláží.

Tato analýza dvou průkopnických projektů ukazuje, že AI v silážování je na prahu průlomu – současná nízká adopce na ISC 2025 pravděpodobně předznamenává rychlou expanzi v následujících letech.

Když se AI stává běžnou součástí moderního zemědělství – od autonomních traktorů po predikční modely pro ochranu rostlin – může překvapit nízká reprezentace těchto technologií na letošní silážní konferenci. Z celkových 150 příspěvků pouze dva (1,3 %) využívaly AI technologie. Tato čísla jsou ještě více nápadná ve srovnání s jinými zemědělskými konferencemi, kde AI aplikace obvykle tvoří 15–25 % programu.

Nízká reprezentace však nemusí znamenat nezájem nebo technologické zaostávání. Spíše signalizuje, že obor silážování stojí na prahu technologické změny. Analýza těchto dvou průkopnických příspěvků nabízí fascinující pohled na to, kam směřuje budoucnost AI v managementu siláží a proč právě teď může být kritickým momentem pro adopci těchto technologií.

České pragmatické řešení

Tým složený z výzkumníků společnosti NutriVet, s. r. o., a Českého centra pro výzkum zemědělství a potravin představil praktický přístup k využití AI v silážování. Jejich projekt se zaměřil na dlouhodobě problematickou otázku – kdy přesně sklidit kukuřici pro optimální kvalitu siláže. Tradiční metody spoléhají na pracný odběr vzorků z pole a následné laboratorní analýzy, které poskytují pouze bodové informace s časovým zpožděním.

Výzkumníci použili komerčně dostupný dron DJI Mavic 3M vybavený multispektrální kamerou pro snímkování dvou testovacích lokalit – Nové Včelnice a Vanovic. Systém využívá vegetační indexy NDVI a GNDVI kombinované s regresními modely pro předpověď obsahu sušiny v kukuřici. Klíčové bylo sekvenční pořadí měření – nejprve dronové snímkování, poté laboratorní vzorkování, a nakonec NIR měření během sklizně, vše v rámci čtyřhodinového okna pro minimalizaci variability.

Výsledky byly v praktickém kontextu velmi přesvědčivé. Na lokalitách Nová Včelnice i Vanovice se hodnoty sušiny naměřené dronem pohybovaly velmi blízko výsledkům z laboratorních analýz i NIR měření, a to přesto, že každá metoda pracuje odlišně. Zatímco NIR senzory měří skutečně sklizenou hmotu a laboratoř analyzuje přesně odebrané vzorky, dron provádí měření opticky z výšky – bez přímého kontaktu s porostem. Právě v tomto rozdílu je zajímavé, jak malá byla odchylka mezi jednotlivými technologiemi, což potvrzuje, že i bezkontaktní měření může být velmi přesné. Zásadní výhodou systému je navíc schopnost předpovědět vývoj zralosti s předstihem 3 až 6 dní, což dává farmářům cenný čas pro správné naplánování sklizně.

Nejdůležitější zjištění týmu bylo, že dronová měření poskytovala výsledky srovnatelné, a v některých případech dokonce lepší než konvenční NIR senzory – a to bez nutnosti dodatečné kalibrace. Algoritmy navíc dokázaly účinně kompenzovat proměnlivé světelné podmínky, takže výsledky byly stabilní i při různém počasí. Systém také pomohl identifikovat místa s nízkým nebo nulovým výnosem, která by při tradičním bodovém vzorkování mohla zůstat bez povšimnutí a zkreslit celkové hodnocení pole.