Inteligencia Artificial en la Agricultura: Visión por Computadora, Robots y Balanzas para Cerdos

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

Visión por computadora en el análisis de cultivos

Para alimentar a miles de millones de personas, se necesitan muchas tierras. Es imposible cultivarlas manualmente en estos días. Al mismo tiempo, las enfermedades de las plantas y las invasiones de insectos a menudo llevan a fallos en los cultivos. Con la escala moderna de los negocios agrícolas, estas invasiones son difíciles de identificar y neutralizar a tiempo.

Esto introduce otra área donde los algoritmos de visión por computadora pueden ayudar. Los cultivadores utilizan la visión por computadora para reconocer enfermedades de los cultivos, tanto a nivel micro, desde imágenes de hojas y plantas de cerca, como a nivel macro, identificando los primeros signos de enfermedades de las plantas o plagas desde la fotografía aérea. Estos proyectos suelen basarse en el enfoque popular de visión por computadora: convolutional neural networks.

Tenga en cuenta que estoy hablando aquí de visión por computadora 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 entender mejor, por ejemplo, recopilando imágenes hiperespectrales con sensores especiales o realizando escaneos láser 3D. Tales métodos se están utilizando cada vez más en agronomía. Este tipo de datos suele ser de alta resolución y está más cerca de la imagen médica que de las fotografías. Uno de los sistemas para el monitoreo de campos se llama AgMRI. 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 fenotipado y imágenes 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

Los robots agrícolas autónomos como Prospero pueden cavar un agujero en el suelo y plantar algo en él, siguiendo patrones generales preestablecidos y teniendo en cuenta las características específicas del paisaje. Los robots también pueden cuidar el proceso de crecimiento, trabajando con cada planta individualmente. Cuando llega el momento, los robots cosechan, tratando cada planta con precisión como se debe. Prospero se basa en el concepto de agricultura enjambre. Imagina un ejército de pequeños Prospero que se arrastra por los campos, dejando filas ordenadas y uniformes de plantas en su estela. Resulta interesante que Prospero apareciera en realidad en 2011, antes del auge de la revolución del aprendizaje profundo moderno. Hoy en día, los robots se están extendiendo rápidamente en la agricultura, lo que permite automatizar más y más tareas rutinarias:

• Los drones automatizados rociarán los cultivos. Los drones pequeños y ágiles pueden entregar productos químicos peligrosos con más precisión que los aviones convencionales. Además, los drones rociadores se pueden utilizar para la fotografía aérea para obtener datos para los algoritmos de visión por computadora mencionados al principio de este artículo.
• Se están desarrollando y utilizando más y más robots especializados para la cosecha. Las cosechadoras han existido durante mucho tiempo. Sin embargo, solo ahora, con la ayuda de los métodos modernos de visión por computadora y robótica, ha sido posible desarrollar, por ejemplo, un robot que recolecta fresas.
• Los robots como Hortibot pueden reconocer y matar malezas individuales eliminándolas mecánicamente. Este es otro gran éxito de la robótica y la visión por computadora modernas, ya que antes era imposible distinguir las malezas de las plantas útiles y trabajar con plantas pequeñas utilizando manipuladores.

Aunque muchos robots agrícolas todavía son prototipos o se están probando a pequeña escala, ya está claro que el ML, la IA y la robótica pueden funcionar bien en la agricultura. Se puede predecir con seguridad que más y más trabajos agrícolas se automatizarán en el futuro cercano.

Cuidado de los animales de granja

Se están desarrollando activamente muchas más formas de utilizar la IA en la agricultura. Por ejemplo, un proyecto piloto de Neuromation lleva la visión por computadora a una industria que no ha recibido mucha atención de la comunidad de aprendizaje profundo hasta ahora: la ganadería.

Ha habido intentos de utilizar el aprendizaje automático en datos de seguimiento de ganado. Por ejemplo, la startup paquistaní Cowlar presentó un collar que monitorea de forma remota la actividad y la temperatura de las vacas bajo el eslogan atractivo “FitBit para vacas”. Los científicos franceses están desarrollando reconocimiento facial para vacas.

También hay intentos de utilizar la visión por computadora en una industria anteriormente descuidada que vale 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 de cerdos es la comida, y la optimización del proceso de engorde es la tarea central de la producción de cerdos moderna.

Los agricultores probablemente podrían resolver este problema si tuvieran información detallada sobre el aumento de peso de los cerdos. Según este sitio, los animales suelen pesarse solo dos veces en toda su vida: al principio y al final del engorde. Si los expertos supieran cómo se está engordando cada lechón, sería posible elaborar un programa de engorde individual para cada cerdo, e incluso una composición individual de suplementos alimenticios, lo que mejoraría significativamente el rendimiento. No es muy difícil llevar a los animales a las balanzas, pero esto es un estrés enorme para el animal, y los cerdos pierden peso por estrés. El nuevo proyecto de IA planea desarrollar un método nuevo y no invasivo de pesar a los animales. Neuromation planea construir un modelo de visión por computadora que estimará el peso de los cerdos a partir de los datos de foto y video. Estas estimaciones se alimentarán en los modelos de aprendizaje automático analíticos ya clásicos que mejorarán el proceso de engorde.

Agricultura en la frontera de la inteligencia artificial

La agricultura y la ganadería a menudo se consideran industrias anticuadas. Sin embargo, hoy en día, la agricultura está cada vez más en la vanguardia de la inteligencia artificial.

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

• Lo suficientemente complejas como para que no se puedan automatizar sin el uso de la inteligencia artificial y el aprendizaje profundo modernos. Las plantas cultivadas y los cerdos, aunque similares entre sí, no salieron de la misma línea de montaje, cada mata 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 simples como para que, con el desarrollo actual de la inteligencia artificial, se puedan resolver, teniendo en cuenta las diferencias individuales entre las plantas y los animales, al mismo tiempo que se automatizan las tecnologías para trabajar con ellos. Conducir un tractor en un campo abierto es más fácil que conducir un coche en tráfico, y pesar un cerdo es más fácil que aprender a pasar la prueba de Turing.

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