Az Insight Tanácsadó Kft. 2015 óta fejleszt adatelemzési, adatfeldolgozási és adatvizualizációs megoldásokat. A cég munkájának egyik legfontosabb elismerése, a Innovációs Nagydíjon való részvétel és az ott elismerés.
A cég az agrár ismereteken túlmenően, a szoftverfejlesztés és a hardveres szenzortechnológiában szerzett ismereteket kombinálja: jelentős tapasztalattal rendelkezünk hálózattól független (off-grid) agrár szenzorok tervezésében, telepítésében és üzemeltetésében, a terepi eszköztől az adatfeldolgozáson át a döntéstámogató vizualizációig.
AgrárAdat platformunk szántóföldi kultúrákra (búza, napraforgó, repce, kukorica), gyümölcsösökre (alma, meggy, szilva, dió, stb.) és szabadföldi zöldségekre (paprika, paradicsom, uborka, stb.) egyaránt alkalmazható. Lényege, hogy valós idejű kártevő- és kórokozó-előrejelzést, permetezési ablak meghatározást és különböző riasztásokat biztosít – kultúránként kalibrálva, az adott tábla koordinátájára pontosítva.

A családi gazdaság (Szabolcs-Szatmár-Bereg megye) 3 fővel, szezonálisan 8–12 alkalmazottat foglalkoztató, intenzív alma, meggy, dió és szilva ültetvényt üzemeltető családi vállalkozás. Főbb fajták az alma tekintetében Gala, Jonagold, A gazdaság MePAR-regisztrált, AKG-programban részt vevő, NÉBIH-engedéllyel rendelkező részben bio termékeket előállító, innovatív megoldásokat használó vállalkozás. A növényvédelmi döntéseket korábban kizárólag az országos meteorológiai szolgáltatók előrejelzései és természetesen a szaktanácsadói hálózat észrevételei és a helyi tapasztalat alapján hozták. Időjárási adatokat nem gyűjtöttek rendszerszerűen, talajtérképet nem használtak. Az input-költségek – különösen a fungicidek és az üzemanyag – növekvő nyomást jelentettek a gazdaság jövedelmezőségére, kiemelten nagy károkat szenvedett a gazdaság a tavaszi fagyok és a különböző kártevők jelenléte miatt. A megemelkedett permetszer és munkaerő kötségek veszélyeztették a vállalkozás profitabilitását is.
A gazdaság legnagyobb költségtétele a növényvédelem: évente 18–22 permetezés almavarasodás (Venturia inaequalis), almamoly (Cydia pomonella) és levéltetvek ellen, naptár alapján ütemezve. Ez egyrészt felesleges kijuttatásokat eredményezett alacsony fertőzési kockázatú időszakokban, másrészt egyes kritikus fertőzési ablakokat – különösen az aszkoospóra-érési csúcsokat és az almamoly első rajzáscsúcsát nehezen azonosítottak.

Konkrét problémák:
Nincs valós idejű mikroklíma-adat: mérőállomások messzebb volta, a tényleges levélnedvesség és hőmérsékleti adatok nem álltak rendelkezésre, ami a matematikai modell alapú varasodás-előrejelzést megbízhatatlanná tette.
Almamoly és dióburok fúrólégy rajzás számítása manuális, késedelmes: a rajzáscsúcs-előrejelzés pontatlan volt, a feromoncsapdák-leolvasása heti egyszer történt, közbülső adatok nem álltak rendelkezésre.
Permetezési napló manuális, papíralapú: az AKG-kötelezettségnek megfelelő dokumentáció adminisztrációs terhet jelentett, utólagos elemzésre alkalmatlan volt.
Nem volt integrált kockázati kép: a szaktanácsadó és a gazda külön-külön értelmezett töredékes adatokat, döntéshozatal lassú és szubjektív volt.

A fentiek következménye: becsült éves szinten 3–4 felesleges permetezés, költség szinten kb. 550-800 ezer Ft/év), rezisztenciagazdálkodási kockázat (azonos hatóanyagcsoport ismételt alkalmazása), és a szaktanácsadói kapacitás nem optimális kihasználása.
A rendszer bevezetése három komponenssel történt: (1) IoT-szenzoros mikroklíma-állomás telepítése az ültetvénybe (hőmérséklet, levélnedvesség, csapadék, relatív páratartalom, talajnedvesség és talajhőmérséklet) 1 perces adatgyűjtés), (2) a döntéstámogató platform bekötése az OMSZ, OVF műholdas szolgáltatók adatfolyamokba, (3) a gazda számára elérhető közös webes dashboard és push értesítési rendszer aktiválása.

Növényvédelmi előrejelzés: a platform automatikusan futtatja a matematikai modelleket a különböző kártevők kapcsán kockázatszámítást végez a helyi szenzorból érkező valós idejű levélnedvesség és hőmérséklet alapján, és küld push értesítést kritikus fertőzési ablakok esetén. Az előrejelzésen túlmenően, a permetezési napló adatait figyelembevéve és az időjárás előrejelzési modellek adatait felhasználva feladattervet a rendszer készít a gazdálkodó számára.
Elért eredmények az első (pilot) szezonban:
Permetezési menetek száma: 19-ről 14-re csökkent.
Becsült közvetlen input-megtakarítás: 22%.
Egy kritikus, lokális fagyveszélyt a rendszer jelzett, a MET nem tudta ezt előre jelezni – az azonnali beavatkozás a fajta érzékenységi profilja alapján megelőzte a teljes fagykárt.
A permetezési napló automatikusan integrált része a felületnek, melyben megtalálhatóak az elvégzett kijuttatások, MePAR-kompatibilis formátumban exportálhatóak – az adminisztrációs idő heti ~1-2 óráról ~2 percre csökkent.
A növényvédelem teljesen adatvezérelté vált: a kockázati dashboard alapján priorizálta a veszélyeket, hatékonyabban oszthatóak be az erőforrások.