الذكاء الاصطناعي في الزراعة: رؤية الحاسوب والrobots والميزان لخنازير

الذكاء الاصطناعي يغزو بسرعة الزراعة وصناعة الأغذية.

رؤية الحاسوب في تحليل المحاصيل

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

هذا يطرح مجالاً آخر حيث يمكن أن تساعد خوارزميات رؤية الحاسوب. يستخدم المزارعون رؤية الحاسوب لتحديد أمراض المحاصيل، على مستوى معين، من الصور القريبة من الأوراق والنباتات، وعلى مستوى أكبر، من خلال تحديد العلامات المبكرة لأمراض النبات أو الآفات من التصوير الجوي. هذه المشاريع غالباً ما تستند إلى النهج الشائع في رؤية الحاسوب: الشبكات العصبية التلافية.

لاحظ أنني أتحدث هنا عن رؤية الحاسوب بمعنى واسع جداً. في العديد من الحالات، لا تكون الصور هي أفضل مصدر للبيانات. يمكن دراسة العديد من الجوانب المهمة من حياة النبات بطريقة أفضل. يمكن فهم صحة النبات غالباً من خلال جمع صور متعددة الطيف مع حساسات خاصة أو إجراء مسح ليزر ثلاثي الأبعاد. هذه الأساليب تزداد استخداماً في علم الزراعة. هذا النوع من البيانات عادة ما يكون عالي الدقة ويقترب أكثر من التصوير الطبي من الصور.

يستثمر الملايين في أبحاث ظاهرية وتصوير النبات. المهمة الرئيسية هنا هي جمع مجموعات كبيرة من البيانات حول المحاصيل (عادة على شكل صور أو صور ثلاثية الأبعاد) ومقارنة بيانات الظاهرية مع جينوم النبات. 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، متابعة الأنماط العامة المحددة ومراعاة السمات الخاصة للمناظر الطبيعية. يمكن للروبوتات أيضاً رعاية عملية النمو، والعمل مع كل نبات على حدة. عند الوقت المناسب، ستقوم الروبوتات بالحصاد، معاملة كل نبات بدقة كما ينبغي. Prospero يعتمد على مفهوم الزراعة بالسرب. تخيل جيشاً من روبوتات Prospero الصغيرة التي تتحرك عبر الحقول وترك مسارات متساوية من النباتات في أعقابها. من المثير للاهتمام أن Prospero ظهر بالفعل في عام 2011، قبل ظهور ثورة التعلم العميق الحديثة. اليوم، الروبوتات تنتشر بسرعة في الزراعة، مما يسمح بتحويل المزيد والمزيد من المهام الروتينية إلى أتمتة:

• الطائرات بدون طيار المزودة بآلات رش تلقائية. الطائرات بدون طيار الصغيرة والمرنة قادرة على تقديم المواد الكيميائية الخطرة بدقة أكبر من الطائرات التقليدية. بالإضافة إلى ذلك، يمكن استخدام طائرات الرش بدون طيار لأخذ الصور الجوية للحصول على البيانات لخوارزميات رؤية الحاسوب المذكورة في بداية هذا المقال.
• تم تطوير وتخدام روبوتات متخصصة أكثر لعمليات الحصاد. وقد تم تطوير جهاز حصد ميكانيكي منذ فترة طويلة. ومع ذلك، فقط الآن، مع مساعدة أساليب رؤية الحاسوب والروبوتات الحديثة، تمكن من تطوير روبوت يقطف الفراولة.
• الروبوتات مثل Hortibot قادرة على التعرف على الأعشاب الضارة وkillها عن طريق إزالتها ميكانيكياً. هذا هو إنجاز كبير آخر للروبوتات والرؤية الحاسوبية الحديثة، حيث كان من الصعب في الماضي التمييز بين الأعشاب الضارة والنباتات المفيدة والعمل مع النباتات الصغيرة باستخدام المناورات.

في حين أن العديد من الروبوتات الزراعية لا تزال في مرحلة الاختبار أو التجربة على نطاق صغير، فمن الواضح بالفعل أن التعلم الآلي والذكاء الاصطناعي يمكن أن يعملوا جيداً في الزراعة. يمكن التنبؤ بأمان بأن المزيد والمزيد من الأعمال الزراعية سوف تتم أتمتتها في المستقبل القريب.

رعاية الحيوانات في المزرعة

هناك العديد من الطرق الأخرى لاستخدام الذكاء الاصطناعي في الزراعة قيد التطوير النشط. على سبيل المثال، مشروع تجريبي بواسطة Neuromation يأتي برؤية الحاسوب إلى صناعة لم تلق حتى الآن الكثير من الاهتمام من مجتمع التعلم العميق: تربية الحيوانات.

هناك بالفعل محاولات لاستخدام التعلم الآلي على بيانات تتبع الماشية. على سبيل المثال، الشركة الناشئة الباكستانية Cowlar قدمت طوقاً يراقب عن بعد النشاط ودرجة حرارة الأبقار تحت الشعار اللطيف “FitBit للابقار”. العلماء الفرنسيون يطورون نظام تحديد الوجه للابقار.

هناك أيضاً محاولات لاستخدام رؤية الحاسوب في صناعة مهملة سابقاً تبلغ قيمتها مئات المليارات من الدولارات – تربية الخنازير. في المزارع الحديثة، يتم الاحتفاظ بالخنازير في مجموعات صغيرة نسبياً، حيث يتم اختيار الحيوانات الأكثر تشابهاً. التكلفة الرئيسية في إنتاج الخنازير هي الطعام، وتحسين عملية التسمين هو المهمة المركزية لإنتاج الخنازير الحديث.

سوف يكون المزارعون قادرين على حل هذه المشكلة إذا كان لديهم معلومات مفصلة حول زيادة وزن الخنازير. وفقاً لموقع هذا، عادة ما يتم وزن الحيوانات فقط مرتين في حياتهم كلها: في البداية والنهاية من عملية التسمين. إذا كان الخبراء يعرفون كيف يزيد كل خنزير في الوزن، سوف يكون من الممكن وضع برنامج تسمين فردي لكل خنزير، وحتى مزيج فردي من إضافات الطعام، مما سوف ي cải thiện الإنتاجية بشكل كبير. ليس من الصعب قيادة الحيوانات إلى الميزان، ولكن هذا يسبب ضغطاً كبيراً للحيوان، ويفقد الخنازير وزنهم بسبب الضغط. يخطط مشروع الذكاء الاصطناعي الجديد لتطوير طريقة غير غازية جديدة لوزن الحيوانات. Neuromation سوف تبني نموذج رؤية حاسوبية سوف يقدر وزن الخنازير من البيانات الصورية والفيديوية. سوف يتم تغذية هذه التقديرات إلى نماذج التعلم الآلي الكلاسيكية التي سوف تحسن عملية التسمين.

الزراعة على حدود الذكاء الاصطناعي

الزراعة وتربية الحيوانات غالباً ما تعتبر صناعات تقليدية. ومع ذلك، فإن الزراعة تظهر بشكل متزايد على حدود الذكاء الاصطناعي.

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

• م 复杂ة بدرجة كافية بحيث لا يمكن أتمتتها بدون استخدام الذكاء الاصطناعي والتعلم العميق. النباتات المزروعة والخنازير، على الرغم من تشابهها، لم تخرج من نفس خط التجميع، كل شجيرة طماطم وكل خنزير يحتاج إلى نهج فردي، ولذلك، حتى وقت قريب، كانت التدخل البشري ضرورياً.
• بسيطة بدرجة كافية بحيث يمكن حلها باستخدام الذكاء الاصطناعي الحديث، مع الأخذ في الاعتبار الاختلافات الفردية بين النباتات والحيوانات، وأتمتة التكنولوجيا للعمل معهم. 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.