AI בחקלאות: ראייה ממוחשבת, רובוטים ומשקולות לחזירים

הבינה המלאכותית כובשת במהירות את החקלאות ותעשיית המזון.

ראייה ממוחשבת בניתוח יבולים

כדי להאכיל מיליארדי בני אדם, צריך הרבה אדמות. אי אפשר לגדל אותם באופן ידני היום. בו זמנית, מחלות צמחים ופלישות חרקים רבות מובילות לכישלונות יבול. עם היקף העסקי המודרני של החקלאות, פלישות אלו קשות לזיהוי ונייטרליזציה בזמן.

זה מציג עוד אזור אחד שבו אלגוריתמים של ראייה ממוחשבת יכולים לעזור. גודלים משתמשים בראייה ממוחשבת כדי לזהות מחלות יבול, הן ברמה המיקרוסקופית, מתמונות קרובות של עלים וצמחים, והן ברמה המקרוסקופית, על ידי זיהוי סימנים מוקדמים של מחלות צמחים או מזיקים מצילומי אוויר. פרויקטים אלו מבוססים בדרך כלל על הגישה הפופולרית לראייה ממוחשבת: רשתות עצביות מרוכבות.

תשומת לב, אני מדבר כאן על ראייה ממוחשבת במובן מאוד רחב. במקרים רבים, תמונות אינן המקור הטוב ביותר לנתונים. היבטים רבים של חיי הצמחים יכולים להיחקר בצורה טובה יותר בדרכים אחרות. בריאות הצמחים יכולה להיבדק לעיתים קרובות טוב יותר, למשל, על ידי איסוף תמונות היפר-ספקטרליות עם חיישנים מיוחדים או ביצוע סריקה לייזרית תלת-ממדית. שיטות אלו משמשות בהדרגה יותר ויותר באגרונומיה. סוג זה של נתונים הוא בדרך כלל ברזולוציה גבוהה וקרוב יותר לדימות רפואי מאשר לצילומים. אחד המערכות למעקב שדות נקרא AgMRI. כדי לעבד נתונים אלו, נדרשים מודלים מיוחדים, אך המבנה המרחבי שלהם מאפשר את השימוש בטכנולוגיות ראייה ממוחשבת מודרניות, במיוחד רשתות עצביות מרוכבות.

מיליונים מושקעים במחקר פנוטיפים ודימות צמחים. המשימה העיקרית כאן היא לאסוף סטים גדולים של נתונים על יבולים (בדרך כלל בצורה של תמונות או תמונות תלת-ממד) ולהשוות נתוני פנוטיפ עם גנוטיפ הצמח. התוצאות והנתונים יכולים לשמש לשיפור טכנולוגיות חקלאיות ברחבי העולם.

רובוטים בחקלאות

רובוטי חקלאות אוטונומיים כמו Prospero יכולים לחפור חור באדמה ולנטוע משהו בו, תוך עקיבה אחר דפוסים כלליים מוגדרים ולוקחים בחשבון את המאפיינים הספציפיים של הנוף. רובוטים יכולים גם לטפל בתהליך הגידול, עובדים עם כל צמח באופן אינדיבידואלי. כאשר הזמן מגיע, הרובוטים יקצרו, שוב מטפלים בכל צמח בדיוק כפי שצריך. Prospero מבוסס על המושג של חקלאות צרעות. תאר לעצמך צבא של רובוטים קטנים של Prospero החוצה דרך השדות, הותירו מאחוריהם שורות נקיות ושוות של צמחים. באופן מעניין, Prospero הופיע במקור כבר ב-2011, לפני עידן הלמידה העמוקה המודרני. היום, רובוטים מתפשטים במהירות בחקלאות, מאפשרים לאוטומט את משימות השגרה הרבות:

• רובוטים אוטומטיים מתזים יבולים. רובוטים קטנים וזריזים מסוגלים לספק חומרים כימיים מסוכנים בדיוק רב יותר ממטוסים קונבנציונליים. יותר מכך, רובוטים מתזים יכולים לשמש גם לצילום אווירי כדי לקבל נתונים לאלגוריתמים של ראייה ממוחשבת המוזכרים בתחילת המאמר הזה.
• רובוטים מיוחדים יותר ויותר לקטיף מפותחים ונמצאים בשימוש. קומביינים לקטיף קיימים זה זמן רב. עם זאת, רק עכשיו, עם עזרת שיטות מודרניות של ראייה ממוחשבת ורובוטיקה, היה ניתן לפתח, למשל, רובוט שבוחר תותים.
• רובוטים כמו Hortibot מסוגלים לזהות ולהרוג עשבים שוטים בודדים על ידי הסרה מכנית. זוהי עוד הישג גדול של רובוטיקה מודרנית וראייה ממוחשבת, שכן לפני כן היה בלתי אפשרי להבדיל בין עשבים שוטים לצמחים שימושיים ולעבוד עם צמחים קטנים באמצעות מניפולטורים.

בעוד שרובוטים חקלאיים רבים עדיין מהווים פרוטוטיפים או נבדקים בקנה מידה קטן, כבר ברור ש-ML, AI ורובוטיקה יכולים לעבוד היטב בחקלאות. ניתן לחזות בבטחה שיותר ויותר עבודות חקלאיות יאוטומט בעתיד הקרוב.

טיפול בבעלי חיים

דרכים רבות נוספות להשתמש ב-AI בחקלאות מפותחות באופן פעיל. למשל, פרויקט ניסיוני של Neuromation מביא ראייה ממוחשבת לתעשייה שלא קיבלה הרבה תשומת לב מקהילת הלמידה העמוקה עדיין: רעיית בעלי חיים.

היו, כמובן, ניסיונות להשתמש בלמידת מכונה בנתוני עקיבה של בעלי חיים. למשל, הסטארט-אפ הפקיסטני Cowlar הציג צווארון שמעקב אחר פעילות וטמפרטורה של פרות תחת הסיסמה המושכת “FitBit לפרות.” מדענים צרפתים מפתחים זיהוי פנים לפרות.

ישנן גם ניסיונות להשתמש בראייה ממוחשבת בתעשייה שהוזנחה בעבר, ששווה מאות מיליארדי דולרים – גידול חזירים. בחוות מודרניות, חזירים מגודלים בקבוצות קטנות יחסית, שבהן נבחרים החזירים הדומים ביותר. העלות העיקרית בייצור חזירים היא מזון, ואופטימיזציה של תהליך השמנה היא המשימה המרכזית של ייצור חזירים מודרני.

החקלאים יוכלו כנראה לפתור בעיה זו אם היו להם מידע מפורט על גידול המשקל של החזירים. על פי אתר זה, בעלי חיים משקללים בדרך כלל רק פעמיים בחייהם: בתחילת ובסוף תהליך השמנה. אם המומחים ידעו כיצד כל חזירון משתפר, היה ניתן ליצור תוכנית השמנה אינדיבידואלית עבור כל חזיר, ואפילו הרכב אינדיבידואלי של תוספי מזון, שישפרו משמעותית את התפוקה. אין זה קשה במיוחד להוביל את החיות אל המשקולות, אבל זוהי לחץ עצום עבור החיה, והחזירים מאבדים משקל מלחץ. הפרויקט החדש של AI מתכנן לפתח שיטה חדשה ולא פולשנית לשקילת בעלי חיים. Neuromation הולך לבנות מודל ראייה ממוחשבת שיעריך את משקל החזירים מנתוני תמונה ווידאו. הערכות אלו ייכנסו למודלים אנליטיים קלאסיים של למידת מכונה, שישפרו את תהליך השמנה.

חקלאות בחזית של בינה מלאכותית

חקלאות ורעיית בעלי חיים מוגדרים לעיתים קרובות כתעשיות מיושנות. היום, עם זאת, החקלאות הופכת בהדרגה לחזית של בינה מלאכותית.

הסיבה העיקרית לכך היא שרבות מהמשימות בחקלאות הן:

• מסובכות מספיק כך שלא ניתן לאוטומט אותן בלי שימוש בבינה מלאכותית ולמידה עמוקה מודרנית. צמחים וחזירים מגודלים, אף על פי שדומים זה לזה, עדיין לא יצאו מאותה שורת ייצור, ולכן כל צמח וחזיר זקוק לגישה אינדיבידואלית, ולכן עד לא מכבר היה צורך מוחלט בהתערבות אנושית.
• פשוטות מספיק כך שניתן לפתור אותן עם התפתחות הבינה המלאכותית של היום, לוקחים בחשבון את ההבדלים האינדיבידואליים בין צמחים ובעלי חיים, תוך אוטומציה של הטכנולוגיות לעבודה עימם. נהיגה בטרקטור בשדה פתוח היא קלה יותר מנהיגה בתנועה, ושקילת חזיר היא קלה יותר מללמוד לעבור את מבחן טיורינג.

החקלאות עדיין אחת התעשיות הגדולות והחשובות בכדור הארץ, ואפילו עלייה קטנה ביעילות תביא רווחים עצומים, פשוט בגלל היקף העצום של תעשייה זו.