Umetna inteligenca (UI) prinaša revolucijo tudi v kmetijstvo. Sodobne kmetije uporabljajo senzorje, velike podatkovne zbirke in algoritme, da izboljšajo pridelavo hrane. Razlogov za pospešeno uvajanje UI je več, saj naj bi do leta 2050 svetovna populacija narasla na skoraj 10 milijard, povpraševanje po hrani pa naj bi se povečalo za 50 %​. Hkrati se kmetijstvo sooča s podnebnimi spremembami, pomanjkanjem delovne sile in omejenimi zemljišči. UI obeta rešitve, saj lahko s pomočjo pametnih sistemov kmetje pridelajo več z manj viri, izboljšajo odpornost pridelave ter zmanjšajo vpliv na okolje. Zato ni presenečenje, da v kmetijstvo prodirajo napredne tehnologije, od algoritmov strojnega učenja do avtonomnih traktorjev in robotov. Evropa pa na tem področju zaostaja. Kot opozarja prof. Marko Bertogna (Unimore), je med desetimi največjimi podjetji, ki vlagajo v kmetijsko UI, vseh deset iz ZDA ali Kitajske – nobeno ni evropsko​. Čeprav se tudi pri nas naložbe v pametno kmetijstvo povečujejo, vodilni razvoj in inovacije trenutno diktirajo Američani in Kitajci. Evropski strokovnjaki zato svarijo, da ne smemo čakati in opazovati. UI v kmetijstvu predstavlja revolucijo, primerljivo s prihodom interneta, in terja aktivno ukrepanje že zdaj​.

Tehnične podrobnosti (uporaba UI v kmetijstvu):

UI v kmetijstvu zajema več tehnologij, ki se medsebojno dopolnjujejo:

• Strojno učenje in analiza podatkov: S pomočjo strojnega učenja lahko kmetje iz ogromnih količin podatkov (o vremenu, tleh, rastlinah, cenah itd.) pridobijo uporabne vzorce in napovedi. Na podlagi zgodovinskih podatkov in senzorjev UI že danes omogoča napoved pridelka ter zaznavanje odstopanj npr. algoritem lahko predvidi, kje in kdaj se bo pojavila suša ali škodljivec, ter priporoči ukrepe. Takšne odločitve na podlagi podatkov pomagajo optimizirati setev in žetev, zmanjšati tveganja ter bolje načrtovati prodajo pridelkov​. Napredne platforme (npr. sistemi za upravljanje kmetije) povezujejo satelitske posnetke, vremenske modele in podatke iz polja ter s pomočjo UI v realnem času svetujejo kmetu pri odločitvah kje gnojiti, koliko namakati in kdaj škropiti​.
• Avtonomni sistemi: Avtomatizacija v kmetijstvu ni več omejena le na GPS v traktorjih prihajajo povsem avtonomni stroji (meni ljuba beseda je agroroboti), ki uporabljajo računalniški vid in nevronske mreže za premikanje in delo na polju brez človeka v kabini. Podjetja razvijajo traktorje in kombajne, opremljene s stereo kamerami in umetno inteligenco, ki v delčku sekunde prepoznajo ovire in krmilijo vozilo z natančnostjo do nekaj centimetrov​. Tako lahko traktor sam preorje njivo, medtem ko kmet preko aplikacije na daljavo spremlja napredek. Podobno droni (brezpilotni letalnik) avtonomno preletavajo polja in opravljajo naloge, kot so zaznavanje stanja posevkov ali ciljno škropljenje škodljivcev. Avtonomni sistemi naslovijo pereč problem pomanjkanja sezonske delovne sile na primer ameriški proizvajalec John Deere je lansiral traktor, ki lahko samostojno obdeluje polje in tako rešuje težave z iskanjem traktoristov.
• Precizno kmetijstvo: Gre za pristop, ki s pomočjo tehnologije obravnava vsak del polja posebej, namesto enotno za celo polje. Pametni senzorji IoT (na tleh in na napravah) stalno merijo vlago v tleh, hranila, temperaturo, svetlobo in druge parametre​. Ti podatki se v oblaku ali na robnih napravah obdelajo z UI algoritmi, ki ustvarijo t. i. zemljevide polja ti pokažejo, kje primanjkuje vode ali dušika in kje ga je preveč. Na podlagi tega inteligentni sistemi preračunajo optimalno doziranje gnojil, namakanja in škropiv za vsak kvadratni meter zemlje​. V praksi to pomeni, da traktor z ustrezno opremo ali robot uporabi spremenljivo količino gnojila natančno toliko, kot je potrebno na posamezni lokaciji. Posledica je manjša oz. bolj precizna poraba vode, gnojil in pesticidov, nižji stroški in manj obremenitev okolja (manj izpiranja pesticidov in nitratov v podtalnico). Študije kažejo, da lahko s takšnim ciljnim pristopom kmetje občutno zmanjšajo uporabo fitofarmacevtskih sredstev pri robotskem okopavanju in škropljenju plevela celo do 90 % manj herbicidov​ hkrati pa ohranijo ali povečajo pridelek. Precizno kmetijstvo skupaj z UI pomeni več z manj: večji pridelek in kakovost ob manjših vložkih in emisijah​.
• Računalniški vid in robotika: Kombinacija kamer, senzorjev in robotov na kolesih ali gosenicah omogoča napredno avtomatizacijo posebnih opravil. Robotski sistemi z UI lahko prepoznavajo posamezne rastline in izvajajo ukrepe na ravni vsake rastline posebej. Na primer: dron ali kamera na traktorju lahko zazna barvne spremembe listov, ki nakazujejo bolezen ali škodljivce, in opozori na problem še preden se razširi​. Roboti za pletje s kamerami razlikujejo med posevkom in plevelom ter mehanično odstranijo plevel ali natančno nanesejo herbicid neposredno na neželeno rastlino​. S tem se drastično zmanjšata uporaba FFS in razvoj odpornih plevelov. V sadjarstvu in vrtnarstvu se uvajajo robotski obiralci sadja in zelenjave, ki s pomočjo strojnega vida prepoznajo zrel plod in ga nežno oberejo. Tudi v živinoreji se uporablja računalniški vid, kamere in UI na primer prepoznavajo posamezne krave v hlevu in spremljajo njihovo kondicijo ali zaznavajo znake bolezni. Vse to pomeni, da lahko kmet pravočasno ukrepa in prilagodi oskrbo posamezni živali ali rastlini. Rezultat so višja produktivnost, manjši izpadi zaradi bolezni in bolj humano ravnanje z živalmi.

Konkretni primeri UI rešitev iz ZDA in Kitajske:

Za ponazoritev, kako daleč so nekateri konkurenčni centri pri razvoju UI za kmetijstvo, si oglejmo nekaj uspešnih projektov iz ZDA in Kitajske:

• ZDA – Avtonomni traktor John Deere: Ameriški proizvajalec John Deere, največji svetovni proizvajalec kmetijske mehanizacije, je razvil popolnoma avtonomni traktor, ki z uporabo šestih parov kamer in nevronskih mrež samostojno orje njive. Sistem Deere uporablja računalniški vid in umetne nevronske mreže za zaznavo ovir 360° okrog traktorja ter sproti odloča, ali lahko varno nadaljuje vožnjo ali se mora ustaviti​. Traktor je opremljen z GPS in geofencing tehnologijo, da ostane znotraj meja njive z natančnostjo pod 3 cm​. Kmet napravo zažene preko mobilne aplikacije in jo lahko med delom zapusti, napredna programska oprema sproti pošilja podatke in videoposnetke na telefon, kmet pa lahko na daljavo prilagaja parametre oranja​. Ta projekt, predstavljen na sejmu CES 2022, odpravlja potrebo po vozniku traktorja in naslavlja kronično pomanjkanje delavcev v kmetijstvu​. John Deere vzporedno razvija tudi avtonomni kombajn in druge stroje z UI ter ponuja nadgradnje autonomy kit pakete, ki obstoječe traktorje opremijo s kamerami in avtopilotom na osnovi UI.
• ZDA – Precision farming sistem See & Spray: Ameriški start-up Blue River Technology je razvil inovativni sistem See & Spray, ki se namesti na traktor in s pomočjo kamer ter UI v realnem času prepoznava plevel med kulturami ter ga ciljno poškropi z mikrodozami herbicida. Posebnost sistema je obsežna knjižnica slik rastlin in strojno učenje, kar mu omogoča, da razlikuje med poljščino in plevelom v vseh rastnih fazah in celo v pogojih, ki so za človeško oko zahtevni​. Če kamera zazna plevel, usmerjeni razpršilci nanesejo herbicid le na točno tisto rastlino, namesto da bi škropili celoten posevek. Dodatna kamera za sistemom takoj preveri rezultat in UI se sproti uči ter prilagaja natančnost​. Preizkusi v ZDA so pokazali, da lahko tak pristop zmanjša porabo herbicidov do 90 %​, kar prinaša ogromne prihranke in zmanjša onesnaženje okolja. Uspeh Blue River je pritegnil velikanа John Deere, ki je podjetje odkupil leta 2017 za 305 milijonov USD​. Tehnologija See & Spray je danes sestavni del Deerejeve ponudbe pametnih škropilnic in pomeni konkurenčno prednost ameriškega proizvajalca pri preciznem kmetijstvu.
• Kitajska – Umetna inteligenca v prašičereji (Alibaba): Kitajski tehnološki velikan Alibaba je UI vpeljal tudi v živinorejo, na velikih farmah prašičev so uvedli sistem kamer, mikrofonov in senzorjev, ki s pomočjo UI analizirajo obnašanje in počutje prašičev​. Alibaba Cloud je razvil t. i. smart pig farming platformo, ki prepozna vsako žival (z računalniškim vidom sledi oznakam na hrbtih prašičev) in spremlja ključne podatke: starost, težo, porabo hrane, telesno temperaturo ipd.​. S strojno analizo zvokov in slike sistem zazna, kdaj je svinja breja, ter napove datum kotitve. Ob prasitvi samodejno prešteje mladiče in celo prepozna, če kakšen pujsek cvili v stiski (npr. ker ga je stisnila svinja sama), ter opozori osebje​. V pilotnih projektih so dosegli, da je vsaka svinja povprečno skotila 3 pujse več na leto, umrljivost pa se je zmanjšala za 3 %​. To je ogromen napredek v produktivnosti. Kitajska, največja svetovna proizvajalka svinjine, s takimi projekti modernizira tradicionalne farme in povečuje prehransko varnost z domačo tehnologijo.
• Kitajska – Tekmovanje v pametnem kmetijstvu (Pinduoduo): Kitajska vlada in podjetja močno spodbujajo digitalizacijo podeželja. Eno izmed odmevnih prizadevanj je bilo tekmovanje v gojenju jagod, ki ga je organizirala e-commerce platforma Pinduoduo v sodelovanju z univerzo in FAO​. V tekmovanju leta 2020 so se tradicionalni kmetje pomerili proti ekipam strokovnjakov, ki so gojili jagode s pomočjo UI in avtomatizacije. Rezultat? Tehnološke ekipe so povsem prekosile klasične kmete v povprečju so pridelale 196 % več jagod (6,86 kg proti 2,32 kg) na isti površini​, hkrati pa dosegle 75 % boljšo donosnost naložbe. Zmagovalna rešitev je uporabljala inteligentne senzorje, algoritme za prepoznavanje slik jagod in modele za vodenje namakanja, gnojenja in uravnavanja klime v rastlinjaku​. S pomočjo natančne analize podatkov so UI-sistemi optimalno dozirali vodo, hranila ter uravnavali temperaturo in vlažnost, medtem ko so kmetje delali bolj “na občutek”. Ta poskus je odmeval kot dokaz, da lahko digitalno vodenje kmetijstva dramatično izboljša produktivnost. Kitajska načrtuje širšo uvedbo tovrstnih digitalnih vasi, s čimer želi posodobiti tradicionalno drobno kmetijstvo in povečati prehransko varnost države​.
• Kitajska – Množična uporaba kmetijskih dronov: Še en primer kitajske prednosti je skoraj univerzalna raba dronov v kmetijstvu. Na Kitajskem danes na stotine tisoč kmetov uporablja brezpilotna letala za sejanje, gnojenje in škropljenje. V letu 2024 je bilo na kitajskih poljih aktivnih kar 251.000 škropilnih dronov, ki so skupaj obdelali 178 milijonov hektarjev kmetijskih površin​. To predstavlja bliskovit 25 % porast v enem samem letu. Kitajska je s tem največji svetovni uporabnik kmetijskih dronov – približno 98 % vseh ur letenja brezpilotnikov na Kitajskem je povezanih s kmetijskimi opravili​. Posledično se je močno povečala učinkovitost pridelave na mnogih območjih (primer: v eni kitajski okrožji zdaj droni obdelajo 40 % vseh polj). Medtem ko Kitajska razvija celotno “nizkovišinsko ekonomijo” (aktivnosti do 1 km nad tlemi) prav s poudarkom na kmetijstvu z droni​, na Zahodu zaskrbljeno spremljajo to rast. V ZDA npr. izražajo pomisleke, ker so kitajski droni (npr. DJI, XAG) postali prevladujoči tudi na ameriških kmetijah​. To kaže, kako hitro lahko tehnološka odvisnost postane strateški problem.

Tradicionalna pridelovalka jagod v ospredju, medtem ko ekipe z umetno inteligenco dosegajo rekordne donose v ozadju. Kitajska tekmovanja v pametnem kmetijstvu so pokazala, da lahko digitalne rešitve povečajo pridelek za skoraj 200 %​.

Posledice za Evropo in Slovenijo:

Evropa tvega, da zaradi opisanega zaostanka postane tehnološko odvisna od tujih rešitev na področju pametnega kmetijstva. Če evropska podjetja in raziskovalci ne pospešijo razvoja, bodo kmetje prisiljeni kupovati opremo, programsko opremo in storitve iz ZDA ali Kitajske. To lahko pomeni višje stroške in izpostavljenost tveganjem glede dobave in geopolitičnih pritiskov. ZDA na primer že omejujejo uporabo kitajske tehnologije (dronov) na svojih kmetijah zaradi varnostnih pomislekov​ podobno bi se lahko zgodilo evropskim kmetom, če bi bili odvisni izključno od kitajske opreme. Evropski proizvajalci kmetijske mehanizacije (kot so npr. nemški, italijanski in francoski proizvajalci traktorjev, kombajnov in priključkov) so se znašli pred izzivom: digitalna transformacija kmetijstva od njih zahteva razvoj povsem novih kompetenc (UI, programska oprema, elektronika). Vodilna podjetja, kot je ameriški John Deere, so z agresivnimi vlaganji v UI prevzela primat, če evropska industrija ne bo sledila tem trendom, bo izgubila konkurenčnost. To lahko pomeni manjšo prodajo evropskih strojev in potencialno izgubo delovnih mest v EU. Prav zato se evropska združenja, denimo CEMA (Združenje evropskih proizvajalcev kmetijske mehanizacije), aktivno ukvarjajo z vprašanjem UI. Predstavniki industrije poudarjajo, da UI ni le domena tehnoloških velikanov, temveč priložnost tudi za manjša podjetja, tiste evropske kmetijske družbe, ki že uvajajo UI, imajo dvakrat večjo možnost za rast prihodkov kot tiste, ki je ne​. Za Slovenijo, ki je majhen trg z omejenimi resursi, je ta izziv še posebej izrazit. Naše kmetijstvo se hitro modernizira, a večinoma z uvozom tuje tehnologije (traktorji z avtopiloti, tuje platforme za analizo podatkov). Če evropski razvoj ne pospeši, bodo slovenski kmetje v prihodnje odvisni od opreme in znanja zunaj Evrope, kar zmanjšuje našo tehnološko suverenost na področju prehranske pridelave. Poleg tega bi se lahko evropska pravila (npr. stroga zakonodaja o UI) in standardi oblikovali na podlagi tujih tehnologij, ker domačih alternativ ne bo s tem Evropa izgublja vpliv in priložnost oblikovati razvoj po svojih potrebah.

Predlogi za ukrepanje:

Da Evropa in tudi Slovenija nadoknadita zaostanek na področju UI v kmetijstvu, so potrebni odločni ukrepi, spodaj jih navajam nekaj, verjamem pa da jih je še kaj več:

• Povečanje vlaganj v raziskave in razvoj: EU mora znatno okrepiti finančno podporo za raziskave umetne inteligence v kmetijstvu. Trenutne naložbe so razpršene in premajhne v primerjavi z ZDA/Kitajsko​. Potrebni so namenski razpisi (npr. znotraj programov Obzorje Evropa) za projekte pametnega kmetijstva, od preciznega kmetovanja do agro-robotike. Pospešiti je treba napredek na področju UI – k temu poziva celo CEO podjetja Nvidia Jensen Huang, ko pravi, da mora EU pohiteti z razvojem umetne inteligence​. Poleg evropskih sredstev naj države članice (tudi Slovenija) del proračuna za kmetijstvo in digitalizacijo namenijo za domače UI rešitve v agroživilstvu.
• Povezovanje kmetijske in tehnološke industrije: Spodbuditi je treba tesnejše partnerstvo med tradicionalnimi proizvajalci kmetijske mehanizacije in visokotehnološkimi podjetji (UI startupi, IT podjetja). Primer iz ZDA sodelovanje med John Deere in startupom Blue River kaže, da sinergija prinaša vrhunske produkte. V Evropi imamo več obetavnih start-upov za digitalno kmetijstvo, ki so svoje rešitve (za zaznavanje bolezni, spremljanje tal, robotiko) predstavili na sejmih kot EIMA 2024​. Da ne ostane le pri prototipih, je potrebna pomoč pri komercializaciji: tvegan kapital, pospeševalniki in inkubatorji na področju kmetijstva, pa tudi sodelovanje velikih agro-podjetij, ki lahko nove rešitve vključijo v svojo ponudbo. EU lahko ustanovi vozlišča za digitalne inovacije v kmetijstvu, kjer se povežejo kmetje, inženirji in raziskovalci ter preizkušajo UI rešitve v realnem okolju (npr. pilotne pametne kmetije).
• Izobraževanje in usposabljanje kadrov: Brez ustrezno usposobljenih uporabnikov tehnologije ne bo širše uporabe. Zato morata Evropa in Slovenija vlagati v digitalno izobraževanje tako mladih kmetijskih strokovnjakov kot obstoječih kmetov. Kmetijske šole in fakultete naj vključijo vsebine o podatkovni analitiki, robotiki in UI v učne načrte. Za aktivne kmete pa so potrebna praktična usposabljanja npr. demonstracije uporabe dronov, senzorjev in UI orodij na terenu, delavnice o preciznem kmetijstvu in izobraževanja prek kmetijsko-svetovalnih služb. S tem bodo kmetje bolje razumeli prednosti tehnologije in jo samozavestno vključili v svoje procese. Pomembno je tudi izobraževanje strokovnjakov za razvoj – Evropa potrebuje več inženirjev in raziskovalcev, specializiranih za kmetijske UI sisteme (interdisciplinarna področja med agronomijo in data science).
• Prilagojena regulativa in standardi: EU sicer vodi na področju etične regulacije UI (npr. AI Act in smernice za zanesljivo UI), vendar je ključno, da pravni okvir uravnoteženo podpira inovacije ob hkratnem varovanju zasebnosti in varnosti. Predlagam uporabo regulativnih peskovnikov za UI v kmetijstvu, to so začasna okolja, kjer lahko podjetja preizkušajo nove UI rešitve na kmetijah pod nadzorom, ne da bi takoj zapadle v vse regulativne omejitve. Tako lahko Evropa omogoči hitrejše testiranje in uvajanje novosti. Prav tako naj EU spodbuja odprte standarde in interoperabilnost npr. skupne formate za kmetijske podatke, da bodo senzorji, traktorji in programske rešitve različnih proizvajalcev združljivi. S tem se zmanjša tveganje zaprtosti v lastniške (tuje) platforme in spodbuja domače inovatorje, da gradijo rešitve na teh standardih.
• Ciljane spodbude za kmete: Podobno kot so v preteklosti spodbujali mehanizacijo, je zdaj čas za spodbude pri digitalizaciji kmetij. EU in nacionalne politike (npr. ukrepi znotraj skupne kmetijske politike) lahko uvedejo subvencije za nakup precizne opreme (senzorjev, dronov, UI storitev) ali davčne olajšave za kmetije, ki investirajo v tehnologijo z dokazanimi okoljskimi koristmi. Tudi sheme “digitalni vavčerji” za male kmete bi pomagale, da si ti lažje privoščijo storitve (npr. analizo zemlje z UI). Poleg finančnih spodbud je pomembno graditi zaupanje v tehnologijo prikazati dobre primere iz prakse (npr. kmet, ki je z UI povečal pridelek in dobiček) in s tem spodbuditi še druge.
• Slovenija: niša za pametno kmetijstvo: Čeprav majhna, lahko Slovenija izkoristi svoje prednosti, dobro raziskovalno bazo in inovativna podjetja, da postane testni poligon za UI v kmetijstvu. Institucije, kot je Institut Jožef Stefan (IJS), že razvijajo projekte na tem področju, npr. Umetna inteligenca za trajnostno kmetijstvo, kjer z UI analizirajo trajnostne prakse v kmetijsko-okoljskih sistemih​. Podjetja, kot je Sinergise, pa uporabljajo satelitske podatke (Copernicus, Sentinel) za spremljanje kmetijskih površin in razvijajo orodja za zaznavanje sprememb, ki pomagajo pri odzivanju na suše in naravne nesreče​. Podjetje Efos je zelo napredno na področju pametnih vab. Takšne domače projekte je treba podpreti z financiranjem in vključevanjem v mednarodne konzorcije. Slovenija lahko v sodelovanju z EU vzpostavi pilotne pametne kmetije (npr. digitalizirane zadruge ali kmetijske posesti), kjer bi preizkušali tuje in domače UI rešitve v lokalnih pogojih od gorskih kmetij do vinogradov. S tem bi našim kmetom omogočili dostop do nove tehnologije, hkrati pa bi slovenska znanost in podjetništvo dobila priložnost soustvarjati rešitve. Aktivno vključevanje v evropske iniciative (npr. skupne raziskave, izmenjave znanja) bo Sloveniji pomagalo, da ne bo le sledilec, temveč tudi sooblikovalec prihajajoče transformacije kmetijstva.

Na kratko, evropsko kmetijstvo čaka digitalna preobrazba, primerljiva z zeleno revolucijo v prejšnjem stoletju, le da jo tokrat poganja koda in ne kemija. Zaostanek Evrope in Slovenije na področju UI v kmetijstvu je premagljiv, a zahteva vizijo in vlaganje v znanje ter tehnologijo. S pravilnimi ukrepi lahko evropski kmet postane konkurenčen digitalnemu kmetu iz Silicijeve doline ali kitajske pametne vasi. To pa je ključno za ohranitev prehranske varnosti in tehnološke neodvisnosti v prihodnosti. Evropski slogan naj zato ne bo več le “od vil do vilic”, temveč tudi “od podatkov do vilic” s poudarkom na domačem znanju in inovacijah, ki bodo hranile našo celino.

Seznam virov

1. Bertogna, M. (2023). AI in Agriculture: Challenges and Opportunities for Europe. University of Modena and Reggio Emilia. Dostopno na: https://www.unimore.it
2. European Commission (2023). Artificial Intelligence Act: Ensuring Trustworthy AI in Europe. Dostopno na: https://digital-strategy.ec.europa.eu
3. John Deere (2022). Autonomous Tractor: The Future of Farming. Dostopno na: https://www.deere.com
4. Blue River Technology (2022). See & Spray: AI-Powered Precision Agriculture. Dostopno na: https://www.bluerivertechnology.com
5. Alibaba Cloud (2021). Smart Pig Farming with AI in China. Dostopno na: https://www.alibabacloud.com
6. Pinduoduo (2020). AI vs Farmers: The Strawberry Challenge. Dostopno na: https://www.pinduoduo-global.com
7. DJI Agriculture (2024). The Rise of Agricultural Drones in China. Dostopno na: https://www.dji.com/agriculture
8. CEMA (2023). Digital & Precision Agriculture in Europe: State of Play and Recommendations. Dostopno na: https://www.cema-agri.org
9. European Parliament (2023). The Future of Digital Farming in the EU. Dostopno na: https://www.europarl.europa.eu
10. Jensen Huang (2024). Europe Needs to Accelerate AI Development. Nvidia CEO Keynote. Dostopno na: https://www.nvidia.com
11. FAO & EU Joint Report (2023). AI for Sustainable Agriculture: Policy and Implementation Strategies. Dostopno na: https://www.fao.org
12. Institut Jožef Stefan (2023). AI in Sustainable Agriculture Research Project. Dostopno na: https://www.ijs.si
13. Sinergise (2023). Satellite Data and AI for Smart Farming. Dostopno na: https://www.sinergise.com
14. Horizon Europe (2024). Funding Opportunities for AI in Agriculture. Dostopno na: https://ec.europa.eu/horizon-europe
15. XAG Agriculture (2024). China’s Low-Altitude Economy and Smart Agriculture. Dostopno na: https://www.xa.com

LP, Blaž