Проект, получивший название Mineral, направлен на использование передового программного и аппаратного обеспечения, позволяющего производителям выращивать более разнообразные культуры, с помощью специально разработанного багги для осмотра растений, который сделает тяжелую работу.

Команда Mineral указывает на то, что в качестве мотивации для проекта они полагаются на относительно небольшое количество типов сельскохозяйственных культур, поскольку большая часть наших сельскохозяйственных угодий предназначена для выращивания риса, пшеницы и кукурузы. Это делает сельское хозяйство восприимчивым к вредителям, болезням и изменению климата, а также ухудшает качество почвы и разнообразие ее микробиома.

Команда видит ответ в том, что она называет вычислительным сельским хозяйством, в котором современное оборудование, программное обеспечение и датчики позволят фермерам использовать генетическое разнообразие 30 000 видов съедобных растений по всему миру. Это может позволить им выявлять и выращивать более устойчивые культуры в определенных средах, а также уменьшить зависимость от удобрений, химикатов и воды. В качестве отправной точки команда начала собирать информацию о таких вещах, как почва, исторические данные об урожае и погоде в разных местах. Затем они построили прототип багги для растений, чтобы отслеживать, как растения растут в этих разных средах, и использовали его на калифорнийских клубничных полях и посевах сои в Иллинойсе.

Электрический багги использует GPS для определения точного местоположения каждого растения, а затем камеры и датчики для сбора информации о состоянии растений. Это позволило багги анализировать такие культуры, как дыни, салат, овес и др. и предлагать подробные данные, такие как размер листьев и фруктов, высота растений и количество бобов.

Затем эта информация смешивается с другими данными о погоде и почве, а также со спутниковыми изображениями, а затем используется машинное обучение для выявления закономерностей и получения информации о том, как растения растут в этой конкретной среде. Есть надежда, что эта способность контролировать здоровье отдельных растений с течением времени поможет фермерам лучше прогнозировать урожайность и повысить общую урожайность на своих полях.