الذكاء الاصطناعي في الزراعة: رؤية الكمبيوتر والrobots والميزان لخنازير

يغزو الذكاء الاصطناعي الزراعة وصناعة الأغذية بسرعة.

رؤية الكمبيوتر في تحليل المحاصيل

لإطعام مليارات الناس ، تحتاج إلى الكثير من الأراضي. من المستحيل زراعتها يدويا في هذه الأيام. وفي الوقت نفسه ، غالبا ما تؤدي أمراض النباتات وغزو الحشرات إلى فشل المحاصيل. مع حجم الأعمال الزراعية الحديث ، يصعب تحديد هذه الغزوات ومكافحتها في الوقت المناسب.

هذا يقدم مجالا آخر حيث يمكن أن تساعد خوارزميات رؤية الكمبيوتر. يستخدم المزارعون رؤية الكمبيوتر للتعرف على أمراض المحاصيل ، على المستوى الدقيق ، من الصور القريبة من الأوراق والنباتات ، وعلى المستوى الكلي ، من خلال تحديد العلامات المبكرة لأمراض النبات أو الآفات من التصوير الجوي. غالبا ما تستند هذه المشاريع إلى النهج الشائع في رؤية الكمبيوتر: الشبكات العصبية التلافية.

لاحظ أنني أتحدث هنا عن رؤية الكمبيوتر بمعنى واسع جدا. في كثير من الحالات ، لا تكون الصور هي أفضل مصدر للبيانات. يمكن دراسة العديد من الجوانب المهمة من حياة النبات بطرق أخرى. يمكن فهم صحة النبات بشكل أفضل ، على سبيل المثال ، من خلال جمع صور متعددة الطيف مع حساسات خاصة أو إجراء مسح ليزر ثلاثي الأبعاد. يتم استخدام هذه الطرق بشكل متزايد في علم الزراعة. هذا النوع من البيانات عادة ما يكون له دقة عالية ويكون أقرب إلى التصوير الطبي من الصور. واحدة من أنظمة مراقبة الحقل تسمى AgMRI. لمعالجة هذه البيانات ، يتم الحاجة إلى نماذج خاصة ، ولكن هيكلها المكاني يسمح باستخدام تقنيات رؤية الكمبيوتر الحديثة ، وخاصة الشبكات العصبية التلافية.

يتم استثمار الملايين في أبحاث تحليل وتصوير النباتات. المهمة الرئيسية هنا هي جمع مجموعات كبيرة من البيانات حول المحاصيل (عادة في شكل صور أو صور ثلاثية الأبعاد) ومقارنة بيانات النمط الظاهري مع النمط الجيني للنبات. يمكن استخدام النتائج والبيانات لتحسين التكنولوجيا الزراعية في جميع أنحاء العالم.

الروبوتات في الزراعة

الروبوتات الزراعية المستقلة مثل Prospero يمكنها حفر حفرة في الأرض وزرع شيء فيها ، متبعة أنماطا عامة محددة ومع考虑 الخصائص المحددة للمناظر الطبيعية. يمكن للروبوتات أيضا رعاية عملية النمو ، والعمل مع كل نبات على حدة. عند الوقت المناسب ، ستقوم الروبوتات بالحصاد ، معاملة كل نبات بدقة كما ينبغي. يعتمد بروسبيرو على مفهوم الزراعة بالسرب. تخيل جيشا من روبوتات بروسبيرو الصغيرة تسير عبر الحقول وتترك وراءها صفوفا من النباتات المتساوية. من المثير للاهتمام أن بروسبيرو ظهرت في الواقع في عام 2011 ، قبل ظهور ثورة التعلم العميق الحديثة. اليوم ، تنتشر الروبوتات بسرعة في الزراعة ، مما يسمح بتحويل المزيد والمزيد من المهام الروتينية إلى أتمتيك:

• الطائرات بدون طيار الآلية ترش المحاصيل. الطائرات بدون طيار الصغيرة والخفيفة قادرة على تسليم المواد الكيميائية الخطرة بدقة أكبر من الطائرات التقليدية. بالإضافة إلى ذلك ، يمكن استخدام طائرات الرش الجوي للتصوير الجوي للحصول على بيانات لخوارزميات رؤية الكمبيوتر المذكورة في بداية هذا المقال.
• تم تطوير واختبار روبوتات متخصصة أكثر فأكثر للحصاد. تم استخدام جهاز الحصاد المجمع لوقت طويل. ومع ذلك ، فقط الآن ، مع مساعدة أساليب رؤية الكمبيوتر والروبوتات الحديثة ، تمكن من تطوير ، على سبيل المثال ، روبوت يقطف الفراولة.
• الروبوتات مثل Hortibot قادرة على التعرف على الأعشاب الضارة وقتلها ميكانيكيا. هذا هو نجاح آخر للروبوتات الحديثة ورؤية الكمبيوتر ، حيث كان من المستحيل في السابق تمييز الأعشاب الضارة عن النباتات المفيدة والعمل مع النباتات الصغيرة باستخدام المناول.

في حين أن العديد من الروبوتات الزراعية لا تزال نماذج أولية أو يتم اختبارها على نطاق صغير ، فمن الواضح بالفعل أن التعلم الآلي والذكاء الاصطناعي والروبوتات يمكن أن تعمل جيدا في الزراعة. يمكن التنبؤ بأمان بأن المزيد والمزيد من الأعمال الزراعية سوف يتم آليتها في المستقبل القريب.

عناية بالحيوانات

تتم تطوير طرق أكثر لاستخدام الذكاء الاصطناعي في الزراعة. على سبيل المثال ، يقدم مشروع تجريبي بواسطة Neuromation رؤية الكمبيوتر إلى صناعة لم تلق بعد الكثير من الاهتمام من مجتمع التعلم العميق: تربية الحيوانات.

هناك بالفعل محاولات لاستخدام التعلم الآلي على بيانات تتبع الماشية. على سبيل المثال ، قدمت شركة باكستانية تسمى Cowlar طوقا يراقب عن بعد النشاط ودرجة حرارة الأبقار تحت الشعار اللطيف “FitBit للأبقار”. يعمل علماء فرنسيون على تطوير نظام تحديد الوجه للأبقار.

هناك أيضا محاولات لاستخدام رؤية الكمبيوتر في صناعة سابقة مهملة تبلغ قيمتها مئات مليارات الدولارات – تربية الخنازير. في المزارع الحديثة ، يتم الاحتفاظ بالخنازير في مجموعات صغيرة نسبيا ، يتم فيها اختيار الحيوانات الأكثر تشابها. التكلفة الرئيسية في إنتاج الخنازير هي الطعام ، وتحسين عملية التسمين هي المهمة المركزية لإنتاج الخنازير الحديث.

سيتمكن المزارعون من حل هذه المشكلة إذا كان لديهم معلومات تفصيلية عن زيادة وزن الخنازير. وفقا لموقع هذا ، يتم وزن الحيوانات عادة فقط مرتين في حياتهم كلها: في بداية ونهاية عملية التسمين. إذا كان الخبراء يعرفون كيف ينمو كل خنزير ، فمن الممكن وضع برنامج تسمين فردي لكل خنزير ، وحتى تركيبة فرعية من إضافات الطعام ، مما سيزيد بشكل كبير من الإنتاج. ليس من الصعب جدا إخراج الحيوانات إلى الميزان ، ولكن هذا يسبب ضغطا كبيرا على الحيوان ، وتفقد الخنازير وزنها بسبب الضغط. يخطط مشروع الذكاء الاصطناعي الجديد لتطوير طريقة جديدة غير غازية لوزن الحيوانات. ستبني Neuromation نموذجا لرؤية الكمبيوتر الذي سيقدر وزن الخنازير من البيانات الصورية والفيديوية. ستتم تغذية هذه التقديرات إلى نماذج التعلم الآلي التحليلية الكلاسيكية التي ستحسن عملية التسمين.

الزراعة على حدود الذكاء الاصطناعي

تعتبر الزراعة وتربية الحيوانات في كثير من الأحيان صناعات قديمة. ومع ذلك ، تظهر الزراعة بشكل متزايد على حدود الذكاء الاصطناعي.

السبب الرئيسي هنا هو أن العديد من المهام في الزراعة تكون في الوقت نفسه:

• معقدة بدرجة كافية بحيث لا يمكن آليتها بدون استخدام الذكاء الاصطناعي الحديث والتعلم العميق. النباتات المزروعة والخنازير ، على الرغم من تشابهها ، لم تخرج من نفس خط التجميع ، وكل شجيرة طماطم وكل خنزير يحتاج إلى نهج فردي ، وبالتالي ، حتى وقت قريب ، كان التدخل البشري ضروريا.
• بسيطة بدرجة كافية بحيث يمكن حلها ، مع أخذ الفرق الفردي بين النباتات والحيوانات في الاعتبار ، مع توفير التكنولوجيا الآلية للعمل معها. قيادة الجرار في حقل مفتوح أسهل من قيادة السيارة في حركة المرور ، ووزن الخنزير أسهل من تعلم كيفية اجتياز اختبار تورينج.

الزراعة لا تزال واحدة من أكبر وأهم الصناعات على الكوكب ، وحتى زيادة صغيرة في الكفاءة سوف تؤدي إلى مكاسب كبيرة ببساطة بسبب حجم هذه الصناعة.