IA en agricultura: visión artificial, robots y básculas para cerdos

La inteligencia artificial está conquistando rápidamente la agricultura y la industria alimentaria.

Visión artificial en el análisis de cultivos

Para alimentar a miles de millones de personas, se necesitan muchas tierras. Es imposible cultivarlo manualmente en estos días. Al mismo tiempo, las enfermedades de las plantas y las invasiones de insectos a menudo conducen a malas cosechas. Con la escala moderna del negocio agrícola, tales invasiones son difíciles de identificar y neutralizar de raíz a tiempo.

Esto introduce un área más en la que los algoritmos de visión por computadora pueden ayudar. Los productores utilizan la visión por computadora para reconocer enfermedades de los cultivos, tanto a nivel micro, a partir de imágenes en primer plano de hojas y plantas, como a nivel macro, identificando signos tempranos de enfermedades o plagas de plantas a partir de fotografías aéreas. Estos proyectos suelen basarse en el enfoque popular de la visión por computadora: redes neuronales convolucionales.

Tenga en cuenta que estoy hablando aquí de la visión artificial en un sentido muy amplio. En muchos casos, las imágenes no son la mejor fuente de datos. Muchos aspectos importantes de la vida de las plantas se pueden estudiar mejor de otras maneras. La salud de las plantas a menudo se puede comprender mejor, por ejemplo, recopilando imágenes hiperespectrales con sensores especiales o realizando un escaneo láser 3D. Estos métodos se utilizan cada vez más en agronomía. Este tipo de datos suele ser de alta resolución y está más cerca de las imágenes médicas que de las fotografías. Uno de los sistemas de monitoreo de campo se llama resonancia magnética nuclear. Para procesar estos datos, se necesitan modelos especiales, pero su estructura espacial permite el uso de tecnologías modernas de visión por computadora, en particular, redes neuronales convolucionales.

Se están invirtiendo millones en investigación de imágenes y fenotipado de plantas. La tarea principal aquí es recopilar grandes conjuntos de datos sobre cultivos (generalmente en forma de fotografías o imágenes tridimensionales) y comparar los datos de fenotipo con el genotipo de la planta. Los resultados y los datos se pueden utilizar para mejorar las tecnologías agrícolas en todo el mundo.

Robótica en la agricultura

Robots agrícolas autónomos como Prospero puede cavar un hoyo en el suelo y plantar algo en él, siguiendo patrones generales predeterminados y teniendo en cuenta las características específicas del paisaje. Los robots también pueden encargarse del proceso de crecimiento, trabajando con cada planta individualmente. Cuando sea el momento adecuado, los robots cosecharán, nuevamente tratando cada planta con precisión como debería. Prospero se basa en el concepto de cultivo en enjambre. Imagina un ejército de pequeños Próspero arrastrándose por los campos dejando hileras de plantas limpias y uniformes a su paso. Curiosamente, Prospero apareció en 2011, antes del apogeo de la revolución moderna del aprendizaje profundo. Hoy, los robots se están extendiendo rápidamente en la agricultura, permitiéndole automatizar cada vez más tareas rutinarias:

• Drones automatizados fumigan cultivos. Los drones pequeños y ágiles pueden entregar productos químicos peligrosos con mayor precisión que los aviones convencionales. Además, los drones rociadores se pueden usar para fotografía aérea para obtener datos para los algoritmos de visión por computadora mencionados al principio de este artículo.
• Cada vez se desarrollan y utilizan más robots especializados para la recolección. Las cosechadoras existen desde hace mucho tiempo. Aún así, solo ahora, con la ayuda de métodos modernos de visión artificial y robótica, ha sido posible desarrollar, por ejemplo, un robot que recoja fresas.
• Robots como hortibot son capaces de reconocer y matar malezas individuales eliminándolas mecánicamente. Este es otro gran éxito de la robótica moderna y la visión por computadora, ya que antes era imposible distinguir las malas hierbas de las plantas útiles y trabajar con plantas pequeñas usando manipuladores.

Si bien muchos robots agrícolas aún son prototipos o se están probando a pequeña escala, ya está claro que ML, AI y la robótica pueden funcionar bien en la agricultura. Se puede predecir con seguridad que cada vez más el trabajo agrícola se automatizará en un futuro próximo.

Cuidando animales de granja

Se están desarrollando activamente muchas más formas de utilizar la IA en la agricultura. Por ejemplo, un proyecto piloto de Neuromación trae la visión por computadora a una industria que aún no ha recibido mucha atención por parte de la comunidad de aprendizaje profundo: la cría de animales.

Por supuesto, ha habido intentos de utilizar el aprendizaje automático en datos de seguimiento de ganado. Por ejemplo, La startup paquistaní Cowlar introdujo un collar que monitorea de forma remota la actividad y la temperatura de las vacas bajo el eslogan pegadizo "FitBit para vacas". Científicos franceses están desarrollando reconocimiento facial para vacas.

También hay intentos de utilizar la visión por computadora en una industria anteriormente descuidada por valor de cientos de miles de millones de dólares: la cría de cerdos. En las granjas modernas, los cerdos se mantienen en grupos relativamente pequeños, en los que se seleccionan los animales más similares. El principal costo en la producción porcina es el alimento, y la optimización del proceso de engorde es la tarea central de la producción porcina moderna.

Lo más probable es que los granjeros puedan resolver este problema si tuvieran información detallada sobre el aumento de peso de los cerdos. según este sitio, los animales generalmente se pesan solo dos veces en toda su vida: al principio y al final del engorde. Si los expertos supieran cómo engorda cada lechón, sería posible elaborar un programa de engorde individual para cada cerdo, e incluso una composición individual de aditivos alimentarios, lo que mejoraría notablemente el rendimiento. No es muy difícil subir a los animales a la báscula, pero esto es un gran estrés para el animal, y los cerdos pierden peso por el estrés. El nuevo proyecto de IA tiene previsto desarrollar un nuevo método no invasivo para pesar animales. Neuromation va a construir un modelo de visión por computadora que estimará el peso de los cerdos a partir de los datos de fotos y videos. Estas estimaciones se incorporarán a los ya clásicos modelos analíticos de aprendizaje automático que mejorarán el proceso de engorde.

La agricultura en la frontera de la inteligencia artificial

La agricultura y la ganadería a menudo se consideran industrias anticuadas. Hoy, sin embargo, la agricultura aparece cada vez más a la vanguardia de la inteligencia artificial.

La razón principal aquí es que muchas tareas en la agricultura son simultáneamente:

• Lo suficientemente complejos como para que no puedan automatizarse sin el uso de la inteligencia artificial moderna y el aprendizaje profundo. Las plantas cultivadas y los cerdos, aunque similares entre sí, todavía no salían de la misma línea de montaje, cada arbusto de tomate y cada cerdo necesita un enfoque individual, y por lo tanto, hasta hace muy poco, la intervención humana era absolutamente necesaria.
• Lo suficientemente simple como para que con el desarrollo actual de la inteligencia artificial podamos resolverlos, teniendo en cuenta las diferencias individuales entre plantas y animales, al mismo tiempo que automatizamos las tecnologías para trabajar con ellos. Conducir un tractor en un campo abierto es más fácil que conducir un automóvil en medio del tráfico, y pesar un cerdo es más fácil que aprender a pasar el prueba de Turing.

La agricultura sigue siendo una de las industrias más grandes e importantes del planeta, e incluso un pequeño aumento en la eficiencia traerá grandes ganancias simplemente debido a la gran escala de esta industria.