AI в селското стопанство: компютърно зрение, роботи и везни за прасета

Изкуственият интелект бързо завладява селското стопанство и хранително-вкусовата промишленост.

Компютърно зрение в анализа на културите

За да нахраниш милиарди хора, ти трябват много земи. В наши дни е невъзможно да се култивира ръчно. В същото време болестите по растенията и нашествията на насекоми често водят до провал на реколтата. При съвременния мащаб на селскостопанския бизнес такива нашествия са трудни за идентифициране и неутрализиране в зародиш навреме.

Това въвежда още една област, в която алгоритмите за компютърно зрение могат да помогнат. Производителите използват компютърно зрение, за да разпознават болести по културите, както на микро ниво, от близки изображения на листа и растения, така и на макро ниво, като идентифицират ранни признаци на болести по растенията или вредители от въздушна фотография. Тези проекти обикновено се основават на популярния подход към компютърното зрение: конволюционни невронни мрежи.

Имайте предвид, че тук говоря за компютърно зрение в много широк смисъл. В много случаи изображенията не са най-добрият източник на данни. Много важни аспекти от живота на растенията могат да бъдат изследвани най-добре по други начини. Здравето на растенията често може да бъде разбрано по-добре, например чрез събиране на хиперспектрални изображения със специални сензори или извършване на 3D лазерно сканиране. Такива методи все повече се използват в агрономията. Този тип данни обикновено е с висока разделителна способност и е по-близък до медицински изображения, отколкото до снимки. Една от системите за мониторинг на терен се нарича AgMRI. За обработката на тези данни са необходими специални модели, но тяхната пространствена структура позволява използването на съвременни технологии за компютърно зрение, по-специално конволюционни невронни мрежи.

Милиони се инвестират в изследване на фенотипа на растенията и изображения. Основната задача тук е да се съберат големи набори от данни за културите (обикновено под формата на снимки или триизмерни изображения) и да се сравнят данните за фенотипа с генотипа на растенията. Резултатите и данните могат да се използват за подобряване на селскостопанските технологии по целия свят.

Роботизация в селското стопанство

Автономни земеделски роботи като Просперо може да изкопае дупка в земята и да засади нещо в нея, следвайки предварително определени общи модели и като вземе предвид специфичните характеристики на ландшафта. Роботите също могат да се грижат за процеса на отглеждане, като работят с всяко растение поотделно. Когато времето настъпи, роботите ще приберат реколтата, като отново ще третират всяко растение точно както трябва. Prospero се основава на концепцията за роево отглеждане. Представете си армия от малки Просперо, които пълзят през нивите, оставяйки чисти, равни редици растения след себе си. Интересното е, че Prospero всъщност се появи през 2011 г., преди разцвета на съвременната революция в дълбокото обучение. днес, роботите бързо се разпространяват в селското стопанство, което ви позволява да автоматизирате все повече и повече рутинни задачи:

• Автоматизирани дронове пръскат култури. Малки, пъргави дронове са в състояние да доставят опасни химикали по-точно от конвенционалните самолети. Освен това дроновете за пръскане могат да се използват за въздушна фотография за получаване на данни за алгоритмите за компютърно зрение, споменати в началото на тази статия.
• Разработват се и се използват все повече специализирани роботи за жътва. Комбайните съществуват от дълго време. И все пак, едва сега, с помощта на съвременни методи на компютърно зрение и роботика, беше възможно да се разработи например робот, който бере ягоди.
• Роботи като Хортибот са в състояние да разпознават и убиват отделни плевели чрез механичното им отстраняване. Това е още един голям успех на съвременната роботика и компютърно зрение, тъй като преди беше невъзможно да се разграничат плевелите от полезните растения и да се работи с малки растения с помощта на манипулатори.

Докато много селскостопански роботи все още са прототипи или се тестват в малък мащаб, вече е ясно, че ML, AI и роботиката могат да работят добре в селското стопанство. Може безопасно да се предвиди, че все повече и повече селскостопанска работа ще бъде автоматизирана в близко бъдеще.

Гледане на селскостопански животни

Много повече начини за използване на AI в селското стопанство се разработват активно. Например пилотен проект от Невромация внася компютърно зрение в индустрия, която все още не е получила много внимание от общността за дълбоко обучение: животновъдството.

Има, разбира се, опити за използване на машинно обучение върху данните за проследяване на добитък. Например, Пакистански стартъп Cowlar представи нашийник, който дистанционно следи активността и температурата на кравите под закачливия лозунг „FitBit за крави“. Френски учени разработват лицево разпознаване на крави.

Има и опити за използване на компютърно зрение в една пренебрегвана преди индустрия, струваща стотици милиарди долари – свиневъдството. В съвременните ферми прасетата се отглеждат в сравнително малки групи, в които се избират най-сходните животни. Основният разход в свиневъдството е храната, а оптимизирането на процеса на угояване е централната задача на съвременното свиневъдство.

Фермерите най-вероятно биха успели да решат този проблем, ако имаха подробна информация за наддаването на тегло на прасетата. Според този сайт, животните обикновено се претеглят само два пъти през целия си живот: в самото начало и в самия край на угояването. Ако експертите знаеха как се угоява всяко прасенце, би било възможно да се изготви индивидуална програма за угояване за всяко прасе и дори индивидуален състав на хранителни добавки, което значително ще подобри добива. Не е много трудно да карате животни на кантара, но това е огромен стрес за животното и прасетата губят тегло от стрес. Новият проект за изкуствен интелект планира да разработи нов, неинвазивен метод за претегляне на животни. Neuromation ще изгради модел за компютърно зрение, който ще оценява теглото на прасетата от снимки и видео данни. Тези оценки ще бъдат въведени във вече класическите аналитични модели за машинно обучение, които ще подобрят процеса на угояване.

Селското стопанство на границата на изкуствения интелект

Земеделието и животновъдството често се считат за старомодни отрасли. Днес обаче селското стопанство все повече се появява в челните редици на изкуствения интелект.

Основната причина тук е, че много задачи в селското стопанство се изпълняват едновременно:

• Достатъчно сложни, че не могат да бъдат автоматизирани без използването на модерен изкуствен интелект и дълбоко обучение. Култивираните растения и свинете, макар и сходни помежду си, все още не са напуснали една и съща поточна линия, всеки доматен храст и всяко прасе се нуждаят от индивидуален подход и затова доскоро човешката намеса беше абсолютно необходима.
• Достатъчно прости, за да можем с днешното развитие на изкуствения интелект да ги решим, като вземем предвид индивидуалните различия между растенията и животните, като същевременно автоматизираме технологиите за работа с тях. Да караш трактор в открито поле е по-лесно, отколкото да караш кола в задръстване, а претеглянето на прасе е по-лесно, отколкото да се научиш как да минаваш Тест на Тюринг.

Селското стопанство все още е една от най-големите и важни индустрии на планетата и дори малко увеличение на ефективността ще донесе огромни печалби просто поради самия мащаб на тази индустрия.