Jay Schroeder, CTO hos CNH – Interviewserie

Jay Schroeder fungerer som Chief Technology Officer (CTO) hos CNH, hvor han har ansvar for selskabets globale forsknings- og udviklingsoperationer. Hans ansvarsområder omfatter ledelse af områder som teknologi, innovation, køretøjer og redskaber, præcisionsteknologi, brugeroplevelse og motor. Schroeder fokuserer på at forbedre selskabets produktportefølje og præcisionsteknologiens evner, med det formål at integrere præcisionssammenhænge på tværs af hele udstyrsrækken. Derudover er han involveret i at udvide CNH’s alternative fremdriftstilbud og give styring over produktudviklingsprocesser for at sikre, at selskabets produktportefølje opfylder høje standarder for kvalitet og ydelse.

Gennem sine forskellige forretningsområder producerer og sælger CNH landbrugsmaskiner og byggeudstyr. AI og avancerede teknologier, såsom computer vision, machine learning (ML) og kamera-sensorer, ændrer måden, hvorpå dette udstyr fungerer, og muliggør innovationer som AI-drevne selv kørende traktorer, der hjælper landmænd med at løse komplekse udfordringer i deres arbejde.

CNH’s selv kørende traktorer er drevet af modeller, der er trænet på dybe neurale netværk og realtids-inferens. Kan du forklare, hvordan denne teknologi hjælper landmænd med at udføre opgaver som planting med ekstrem præcision, og hvordan den sammenlignes med selv kørende biler i andre brancher som transport?

Mens selv kørende biler får overskrifter, har landbrugsindustrien stille og roligt ledet den autonome revolution i mere end to årtier. Selskaber som CNH har banet vejen for autonom styring og hastighedsregulering længe før Tesla (TSLA ). I dag går CNH’s teknologi ud over blot at køre til at udføre højautomatiserede og autonome arbejder, mens de selv kører. Fra præcis planting af frø i jorden til effektiv og optimal høst og jordbehandling, mens de selv kører gennem marken, er autonom landbrug ikke blot ved at følge selv kørende biler – det er ved at lægge dem bag sig. Fremtiden for transport kan være autonom, men i landbrug er fremtiden allerede her.

Desuden giver CNH’s fremtidssikrede teknologistak autonom landbrug langt ud over, hvad selv kørende biler kan opnå. Vores software-definerede arkitektur integrerer sammenhængende en bred vifte af teknologier, hvilket muliggør automation af komplekse landbrugsopgaver, der er langt mere udfordrende end simpel punkt-A-til-punkt-navigation. Samarbejdsvilje i arkitekturen giver landmænd en hidtil uset kontrol og fleksibilitet til at lagre højere teknologi gennem CNH’s åbne API’er. I modsætning til lukkede systemer giver CNH’s åbne API landmænd mulighed for at tilpasse deres maskiner. Forestil dig kamera-sensorer, der kan skelne mellem afgrøder og ukrudt, og kun aktiveres, når det er nødvendigt – samtidig med, at køretøjet fungerer autonomt. Denne tilpasning kombineret med evnen til at håndtere ufremkommelig terræn og forskellige opgaver adskiller CNH’s teknologi fra andre. Mens Tesla og Waymo gør fremskridt, ligger den sande frontlinje for autonom innovation i markerne, ikke på vejene.

Begrebet om en “MRI-maskine for planter” er fascinerende. Hvordan bruger CNH syntetisk billedsprog og machine learning til at identificere afgrødestype, vækststadier og anvende målrettet afgrødepleje?

Med hjælp af AI, computer vision-kameraer og massive datasæt træner CNH modeller til at skelne mellem afgrøder og ukrudt, identificere plantevækststadier og genkende plantens sundhed på tværs af markerne for at bestemme den nøjagtige mængde af næringsstoffer og beskyttelse, der er nødvendig for at optimere afgrødens udbytte. For eksempel kan Augmenta Field Analyzer, en computer vision-applikation, scanne jorden foran maskinen, mens den bevæger sig hurtigt gennem marken (op til 20 mph), for at vurdere markforholdene og bestemme, hvilke områder der skal behandles, og i hvilken mængde, for at gøre disse områder sundere.

Med denne teknologi kan landmænd nøjagtigt bestemme, hvor i marken et problem er under opbygning, så de ikke behøver at behandle hele marken med et middel for at bekæmpe ukrudt, skadedyr eller tilføje nødvendige næringsstoffer for at styrke afgrødens sundhed. AI og data-informeret sprøjtemaskiner kan automatisk sprøjte kun de planter, der har brug for det. Teknologien muliggør den nøjagtige mængde kemikalier, der er nødvendig, og anvendes på det rigtige sted for at præcis løse plantens behov og stoppe enhver trussel mod afgrøden. Identifikation og sprøjtning af kun ukrudt, mens de vokser mellem afgrøder, vil til sidst reducere brugen af kemikalier på markerne med op til 90%. Kun en lille mængde kemikalier er nødvendig for at behandle hver enkelt trussel i stedet for at behandle hele marken for at nå samme trusler.

For at generere fotorealistiske syntetiske billeder og forbedre datasæt hurtigt bruger CNH biofysiske procedurmodeller. Dette giver mulighed for at hurtigt og effektivt oprette og klassificere millioner af billeder uden at skulle bruge tid på at optage ægte billeder i den skala, der er nødvendig. De syntetiske data supplerer ægte billeder og forbedrer modeltræning og inferensyde. For eksempel kan syntetiske data bruges til at træne modellerne til at genkende mønstre i markforholdene – såsom forskellige lysforhold og skygger, der bevæger sig på tværs af dagen. Procedurmodeller kan producere bestemte billeder baseret på parametre for at oprette en datasæt, der repræsenterer forskellige forhold.

Hvor nøjagtig er denne teknologi i forhold til traditionelle landbrugsmetoder?

Landmænd tager hundredvis af vigtige beslutninger på året, men ser kun resultaterne af alle disse kumulative beslutninger én gang: ved høsttid. Den gennemsnitlige alder for en landmand er stigende, og de fleste arbejder i mere end 30 år. Der er ingen margin for fejl. Fra det øjeblik, frøene plantes, skal landmænd gøre alt, hvad de kan, for at sikre, at afgrøden trives – deres levebrød er på spil.

Vores teknologi fjerner en del af gætteriet fra landmændenes opgaver, såsom at bestemme de bedste måder at pleje voksende afgrøder på, samtidig med at landmænd får ekstra tid til at fokusere på løsning af strategiske forretningsudfordringer. Til sidst kører landmænd enorme forretninger og afhænger af teknologi for at kunne gøre det mest effektivt, produktivt og profitabelt.

Ikke blot giver data, der genereres af maskiner, landmænd mulighed for at træffe bedre, mere informerede beslutninger for at opnå bedre resultater, men de høje niveauer af automation og autonomi i maskinerne selv udfører arbejdet bedre og på en højere skala end mennesker kan. Sprøjtemaskiner kan “se” problempunkter i tusinder af hektar afgrøder bedre end menneskelige øjne og kan præcist behandle trusler, mens teknologi som autonom jordbearbejdning kan lette byrden af at udføre et møjsommeligt og tidskrævende arbejde og udføre det med større nøjagtighed og effektivitet på en større skala end et menneske kan. I autonom jordbearbejdning bruger et fuldt autonomt system sensorer kombineret med dybe neurale netværk til at skabe ideelle forhold med centimeter-nøjagtighed. Dette forbereder jorden til at tillade højst konsekvent rækkeafstand, præcis frødybde og optimeret frøanbringelse, på trods af ofte drastiske jordforandringer på tværs af blot én mark. Traditionelle metoder, der ofte afhænger af menneskebetjent maskineri, resulterer typisk i mere variation i resultater på grund af operatørtræthed, mindre konsekvent navigation og mindre præcis positionering.

Under høstsesongen bruger CNH’s kombiner maskiner edge-computing og kamera-sensorer til at vurdere afgrødekvaliteten i realtid. Hvordan fungerer denne hurtige beslutningsproces, og hvilken rol spiller AI i at optimere høsten for at reducere spild og forbedre effektiviteten?

En kombiner er en utrolig kompleks maskine, der udfører multiple processer – høst, tærskning og indsamling – i en enkelt, kontinuerlig operation. Det kaldes en kombiner af denne grund: det kombinerer, hvad der tidligere var multiple enheder i en enkelt, rullende fabrik. Der sker meget på én gang, og der er lille plads til fejl. CNH’s kombiner tager millioner af hurtige beslutninger hver 20 sekund, og disse beslutninger behandles på kanten, lige på maskinen. Kamera-sensorerne indfanger og behandler detaljerede billeder af de høstede afgrøder for at bestemme kvaliteten af hver enkelt korn af den afgrøde, der høstes – ved at analysere fugtindhold, kornkvalitet og skraldeindhold. Maskinen vil automatisk foretage justeringer baseret på billeddata for at implementere de bedste maskinindstillinger for at opnå optimale resultater. Vi kan gøre dette i dag for byg, ris, hvede, majs, soja og raps og vil snart tilføje muligheder for sorghum, havre, feldær, solsikker og ærter.

AI på kanten er afgørende for at optimere denne proces ved at bruge dybe læringmodeller, der er trænet til at genkende mønstre i markforholdene. Disse modeller kan hurtigt identificere områder af høsten, der kræver justeringer, såsom ændring af kombinerens hastighed eller modificering af tærskningsindstillinger for at sikre bedre adskillelse af korn fra resten af planten (for eksempel ved at holde kun hver enkelt majs-korn og fjerne alle dele af aks og stængel). Denne realtids-optimering hjælper med at reducere spild ved at minimere afgrøde-skade og indsamle kun afgrøder af høj kvalitet. Det forbedrer også effektiviteten, så maskiner kan træffe datadrevne beslutninger på farten for at maksimere landmændenes afgrøde-udbytte, samtidig med at det reducerer operativt pres og omkostninger.

Præcision landbrug drevet af AI og ML lover at reducere input-spild og maksimere udbytte. Kan du uddybe, hvordan CNH’s teknologi hjælper landmænd med at reducere omkostninger, forbedre bæredygtighed og overvinde arbejdskraftmangel i et stadig mere udfordrende landbrugslandskab?

Landmænd står over for enorme udfordringer i at finde kvalificeret arbejdskraft. Dette er især sandt for jordbearbejdning – en kritisk skridt, som de fleste landbrug kræver for at forberede jorden til vinteren for at skabe bedre planteforhold om foråret. Præcision er afgørende i jordbearbejdning med nøjagtighed målt til den tiende del af en tomme for at skabe optimale afgrøde-vækstforhold. CNH’s autonome jordbearbejdningsteknologi eliminerer behovet for højt kvalificerede operatører til at justere jordbearbejdningssæt. Med et knaptryk autonomiserer systemet hele processen, så landmænd kan fokusere på andre væsentlige opgaver. Dette forbedrer produktiviteten, og præcisionen bevarer brændstof, hvilket gør operationerne mere effektive.

Når det kommer til afgrødevedligehold, er CNH’s sprøjtemaskin-teknologi udstyret med over 125 mikroprocessorer, der kommunikerer i realtid for at forbedre omkostningseffektiviteten og bæredygtigheden af vand-, næringsstof-, herbicid- og pesticidbrug. Disse processorer samarbejder om at analysere markforhold og nøjagtigt bestemme, hvornår og hvor disse næringsstoffer skal anvendes, og eliminerer en overflod af kemikalier med op til 30% i dag og op til 90% i den nærmeste fremtid, hvilket kraftigt reducerer omkostningerne og mængden af kemikalier, der kommer i jorden. Knapsyl-ventilerne giver maskinen mulighed for at anvende produktet præcist baseret på sprøjtemaskinens hastighed, hvilket sikrer en konstant rate og tryk for præcis dråbelevering til afgrøden, så hver dråbe lander præcist, hvor den skal. Denne præcision reducerer behovet for hyppige påfyldninger, så landmænd kun behøver at påfylde sprøjtemaskinen én gang om dagen, hvilket fører til betydelig vand- og kemikaliebesparelse.

Lignende CNH’s Cart Automation forenkler den komplekse og højtsammenpressede opgave med at operere en kombiner under høst. Præcision er afgørende for at undgå kollisioner mellem kombinerhovedet og kornvognen, der kører inden for få centimeter af hinanden i timevis. Det hjælper også med at reducere afgrøde-tab. Cart Automation muliggør en ubrudt last-på-farten-proces, hvilket reducerer behovet for manuel koordination og giver kombineren mulighed for at fortsætte med at udføre sin opgave uden at skulle standse. CNH har gennemført fysiologiske tests, der viser, at denne teknologi reducerer stress for kombiner-operatører med ca. 12% og for traktor-operatører med ca. 18%, hvilket tilføjer op, når disse operatører er i disse maskiner i op til 16 timer om dagen under høstsesongen.

CNH-mærket, New Holland, har nyligt indgået et partnerskab med Bluewhite for autonome traktor-kit. Hvordan passer dette samarbejde ind i CNH’s bredere strategi for udvidelse af autonomi i landbrug?

Autonomi er fremtiden for CNH, og vi tager en bevidst og strategisk tilgang til udviklingen af denne teknologi, drevet af de mest presserende behov hos vores kunder. Vores interne ingeniører fokuserer på at udvikle autonomi for vores store landbrugskunder – landmænd, der dyrker afgrøder, der vokser i store, åbne marker, som majs og soja. En anden vigtig kundebase for CNH er landmænd, der dyrker “permanente afgrøder”, der vokser i frugt- og vinmarker. Partnerskabet med Bluewhite, en beviset leder i implementering af autonomi i frugt- og vinmarker, giver os skalaen og markedsføringshastigheden til at kunne betjene både de store landbrugskunder og de permanente afgrøde-kunder med kritisk nødvendig autonomi. Med Bluewhite leverer vi en fuldt autonom traktor i permanente afgrøder, hvilket gør os til den første originale udstyrsproducent (OEM) med en autonom løsning i frugt- og vinmarker.

Vores tilgang til autonomi er at løse de mest kritiske udfordringer, som kunder har i de opgaver og arbejder, hvor de er ivrige efter, at maskinen skal udføre arbejdet og fjerne byrden fra arbejdskraften. Autonom jordbearbejdning fører vores interne job-autonomi-udvikling, da det er en møjsommelig opgave, der tager lang tid under en tæt tidsligt begrænset periode på året, hvor en række andre ting også skal ske. En maskine kan i dette tilfælde udføre arbejdet bedre end en menneskelig operatør. Landmænd i permanente afgrøder har også en presserende behov for autonomi, da de står over for ekstreme arbejdskraftmangel og har brug for maskiner til at fylde hullerne. Disse opgaver kræver, at traktorerne kører 20-30 gange gennem hver frugt- eller vinmarksrække per sæson, og udfører vigtige opgaver som at tilføre næringsstoffer til træerne og holde græsset mellem vinmarkerne klippet og fri for ukrudt.

Mange af CNH’s løsninger bliver adopteret af frugt- og vinmark-operatører. Hvordan møder disse miljøer unikke udfordringer for autonome og AI-drevne maskiner, og hvordan tilpasser CNH sin teknologi til disse specialiserede anvendelser?

Vinduerne for høst er under ændring, og det er sværere at finde kvalificeret arbejdskraft. Klimaforandringer gør sæsonerne mere uforudsigelige; det er afgørende for landmænd at have teknologi, der er klar til at gå, når afgrøderne er optimale til høst. Landbrug kræver altid præcision, men det er særligt nødvendigt, når man høster noget så småt og ømt som en drue eller en nød.

De fleste automatiserede kørsels-teknologier afhænger af GPS til at guide maskiner på deres ruter, men i frugt- og vinmarker kan disse GPS-signaler blokeres af træ- og vinmarksgrene. Vision-kameraer og radar bruges i kombination med GPS for at holde maskiner på deres optimale rute. Og i frugt- og vinmarker handler høsten ikke om hektar af ensartede rækker, men om enkeltvis, varierende planter og træer, ofte i kuperet terræn. CNH’s automatiserede systemer tilpasser sig hver enkelt plants højde, jordniveau og påkrævet høstehastighed for at sikre en kvalitets-høst uden at beskadige afgrøden. De tilpasser sig også omkring unyttige eller døde træer for at spare unødvendige indsatser. Disse robot-maskiner bevæger sig automatisk langs planterne, og passerer sikkert mellem afgrøden, mens de forsigtigt fjerner afgrøden fra træet eller vinmarken. Operatøren indstiller den ønskede høste-hovedhøjde, og maskinerne tilpasser sig automatisk for at opretholde disse indstillinger pr. plant, uanset terrænet. Desuden, for visse frugter, er den bedste tid til høst, når sukkerindholdet når sit højeste punkt om natten. Kameraer udstyret med infrarød-teknologi fungerer i selv de mørkeste forhold for at høste frugten under dens optimale tilstand.

Da mere autonomt landbrugsudstyr bliver udviklet, hvilke skridt tager CNH for at sikre sikkerheden og overholdelse af regler for disse AI-drevne systemer, især i forskellige globale landbrugsmiljøer?

Sikkerhed og overholdelse af regler er centralt for CNH’s AI-drevne systemer, og CNH samarbejder derfor med lokale myndigheder i forskellige regioner for at tilpasse sine autonome systemer til at opfylde regionale krav, herunder sikkerhedsstandarder, miljøregler og databeskyttelseslove. CNH er også aktiv i standardiseringsorganisationer for at sikre, at vi opfylder alle anerkendte og fremvoksende standarder og krav.

For eksempel inkluderer autonome sikkerhedssystemer sensorer som kameraer, LiDAR, radar og GPS til realtids-overvågning. Disse teknologier giver udstyret mulighed for at detektere hindringer og stoppe automatisk, når det registrerer noget foran. Maskinerne kan også navigere komplekst terræn og reagere på miljøændringer, hvilket minimiserer risikoen for ulykker.

Hvad ser du som de største barrierer for en bred anvendelse af AI-drevne teknologier i landbrug? Hvordan hjælper CNH landmænd med at gå over til disse nye systemer og demonstrere deres værdi?

I øjeblikket er de største barrierer omkostninger, forbindelse og landmandsuddannelse.

Men bedre udbytte, lavere omkostninger, lavere fysisk stress og bedre tidssammenhæng gennem højere automation kan opveje den samlede ejeromkostning. Mindre landbrug kan have glæde af mere begrænsede autonome løsninger, som f.eks. foder-systemer eller eftermarked-opsætningskit.

Utilstrækkelig forbindelse, især på landet, udgør udfordringer. AI-drevne teknologier kræver konstant, altid-til-rådighed-forbindelse. CNH hjælper med at løse dette problem gennem sit partnerskab med Intelsat og gennem universelle modemer, der kan tilslutte sig til hvilket som helst netværk, der er i nærheden – wifi, mobilnet eller satellit – og giver kunder i svært tilgængelige områder en markedsparat forbindelse. Mens mange kunder opfylder dette behov for internet-forbindelse med CNH’s markedsledende globale mobile virtuelle netværk, giver eksisterende cellulære tårne ikke mulighed for en udbredt forbindelse.

Til sidst kan den opfattede læringskurve, der er forbundet med AI-teknologi, føles overvældende. Denne overgang fra traditionelle metoder kræver uddannelse og en ændring af mindset, hvilket er årsagen til, at CNH arbejder hånd i hånd med kunder for at sikre, at de er komfortable med teknologien og får fuld udbytte af systemerne.

Set fremad, hvordan forestiller du dig, at CNH’s AI- og autonome løsninger vil udvikle sig over de næste ti år?

CNH tager fat på kritiske, globale udfordringer ved at udvikle avanceret teknologi til at producere mere mad på en bæredygtig måde ved at bruge færre ressourcer til en voksende befolkning. Vores fokus er på at give landmænd mulighed for at forbedre deres levebrød og forretninger gennem innovative løsninger, hvor AI og autonomi spiller en central rol. Fremgang i dataindsamling, sensorfordelbarhed, forbindelse og beregningskraft vil accelerere udviklingen af AI- og autonome systemer. Disse teknologier vil drive fremgang i præcision landbrug, autonom drift, prædictiv vedligeholdelse og datadrevne beslutninger, hvilket til sidst vil gavne vores kunder og verden.

Tak for det gode interview, læsere, der ønsker at lære mere, skal besøge CNH.