कृषि में एआई: कंप्यूटर विजन, रोबोट और सूअरों के लिए स्केल

कृत्रिम बुद्धिमत्ता कृषि और खाद्य उद्योग पर तेजी से कब्जा कर रही है।

फसल विश्लेषण में कंप्यूटर विजन

अरबों लोगों को खाना खिलाने के लिए, आपको बहुत सारी जमीन की आवश्यकता है। आजकल इसे मैन्युअल रूप से कultivate करना असंभव है। साथ ही, पौधों के रोग और कीटों के आक्रमण अक्सर फसल विफलता की ओर ले जाते हैं। कृषि व्यवसाय के आधुनिक पैमाने पर, ऐसे आक्रमणों की पहचान करना और उन्हें समय पर न्यूट्रल करना मुश्किल है।
यह कंप्यूटर विजन एल्गोरिदम की मदद से एक और क्षेत्र पेश करता है। किसान फसल रोगों को पहचानने के लिए कंप्यूटर विजन का उपयोग करते हैं, दोनों माइक्रो स्तर पर, पत्तियों और पौधों की करीबी तस्वीरों से, और मैक्रो स्तर पर, हवाई फोटोग्राफी से पौधों के रोग या कीटों के शुरुआती संकेतों की पहचान करके। ये परियोजनाएं आमतौर पर कंप्यूटर विजन के लोकप्रिय दृष्टिकोण पर आधारित होती हैं: convolutional neural networks।
नोट करें कि मैं यहां कंप्यूटर विजन के बारे में बहुत व्यापक अर्थ में बात कर रहा हूं। कई मामलों में, छवियां डेटा का सबसे अच्छा स्रोत नहीं हैं। पौधों के जीवन के कई महत्वपूर्ण पहलुओं का अध्ययन करने के लिए अन्य तरीके सबसे अच्छे हो सकते हैं। पौधों के स्वास्थ्य को अक्सर विशेष सेंसर के साथ हाइपरस्पेक्ट्रल छवियों को इकट्ठा करके या 3डी लेजर स्कैनिंग करके बेहतर ढंग से समझा जा सकता है। ऐसे तरीके कृषि में बढ़ते जा रहे हैं। यह डेटा प्रकार आमतौर पर उच्च रिजॉल्यूशन होता है और चिकित्सा इमेजिंग के करीब होता है niż फोटोग्राफ। क्षेत्र निगरानी के लिए एक प्रणाली AgMRI कहलाती है। इस डेटा को संसाधित करने के लिए विशेष मॉडल की आवश्यकता होती है, लेकिन उनके स्थानिक संरचना मॉडल को उपयोग करने की अनुमति देती है, विशेष रूप से कंप्यूटर विजन प्रौद्योगिकियों का उपयोग करती है, विशेष रूप से कंप्यूटर विजन।
पौधों के फेनोटाइपिंग और इमेजिंग अनुसंधान में लाखों का निवेश किया जा रहा है। यहां मुख्य कार्य फसलों (आमतौर पर फोटोग्राफ या त्रि-आयामी छवियों के रूप में) के बड़े डेटा सेट इकट्ठा करना और फेनोटाइप डेटा की तुलना पौधों के जीनोटाइप से करना है। परिणाम और डेटा का उपयोग दुनिया भर में कृषि प्रौद्योगिकियों में सुधार के लिए किया जा सकता है।

कृषि में रोबोटिक्स

स्वायत्त खेती रोबोट जैसे Prospero जमीन में एक छेद खोद सकते हैं और उसमें कुछ लगा सकते हैं, पूर्वनिर्धारित सामान्य पैटर्न का पालन करते हुए और परिदृश्य की विशिष्ट विशेषताओं को ध्यान में रखते हुए। रोबोट बढ़ते प्रक्रिया का भी ध्यान रख सकते हैं, प्रत्येक पौधे के साथ व्यक्तिगत रूप से काम करते हुए। जब समय सही होता है, तो रोबोट फिर से काटने का काम करते हैं, प्रत्येक पौधे को व्यक्तिगत रूप से उसी तरह से व्यवहार करते हैं जैसा उन्हें करना चाहिए। प्रोस्पेरो स्वार्म फार्मिंग की अवधारणा पर आधारित है। कल्पना कीजिए कि छोटे प्रोस्पेरो की सेना खेतों में घूम रही है, जो पौधों की साफ-सुथरी, समान पंक्तियों को अपने पीछे छोड़ देती है। दिलचस्प बात यह है कि प्रोस्पेरो वास्तव में 2011 में दिखाई दिया था, आधुनिक गहरे शिक्षण क्रांति से पहले। आज, रोबोट तेजी से कृषि में फैल रहे हैं, जिससे आप अधिक से अधिक दिनचर्या कार्यों को स्वचालित कर सकते हैं:

• स्वचालित ड्रोन फसलों पर स्प्रे करते हैं। छोटे, चपलता से ड्रोन जहरीले रसायनों को पारंपरिक विमानों की तुलना में अधिक सटीक रूप से वितरित कर सकते हैं। इसके अलावा, स्प्रेयर ड्रोन का उपयोग हवाई फोटोग्राफी के लिए किया जा सकता है ताकि कंप्यूटर विजन एल्गोरिदम के लिए डेटा प्राप्त किया जा सके जो इस लेख की शुरुआत में उल्लिखित हैं।
• कटाई के लिए अधिक से अधिक विशेषज्ञ रोबोट विकसित और उपयोग किए जा रहे हैं। कombine हार्वेस्टर लंबे समय से अस्तित्व में हैं। फिर भी, केवल अब, आधुनिक कंप्यूटर विजन और रोबोटिक्स की मदद से, यह संभव हो गया है कि एक रोबोट विकसित किया जा सके जो स्ट्रॉबेरी चुनता है।
• रोबोट जैसे Hortibot व्यक्तिगत घास को पहचान सकते हैं और उन्हें यांत्रिक रूप से हटा सकते हैं। यह आधुनिक रोबोटिक्स और कंप्यूटर विजन की एक और बड़ी सफलता है, क्योंकि पहले घास को उपयोगी पौधों से अलग करना और मैनिपुलेटर का उपयोग करके छोटे पौधों के साथ काम करना असंभव था।

जबकि कई कृषि रोबोट अभी भी प्रोटोटाइप हैं या छोटे पैमाने पर परीक्षण किए जा रहे हैं, यह पहले से ही स्पष्ट है कि एमएल, एआई और रोबोटिक्स कृषि में अच्छी तरह से काम कर सकते हैं। यह सुरक्षित रूप से भविष्यवाणी की जा सकती है कि भविष्य में अधिक से अधिक कृषि कार्य स्वचालित हो जाएगा।

फार्म जानवरों की देखभाल

कृषि में एआई का उपयोग करने के कई और तरीके सक्रिय रूप से विकसित किए जा रहे हैं। उदाहरण के लिए, Neuromation द्वारा एक पायलट परियोजना कंप्यूटर विजन को एक उद्योग में लाती है जिसने अभी तक गहरे शिक्षण समुदाय से बहुत ध्यान नहीं प्राप्त किया है: पशु पालन।
पशुओं के ट्रैकिंग डेटा पर मशीन लर्निंग का उपयोग करने के प्रयास किए गए हैं, जैसे कि पाकिस्तानी स्टार्टअप Cowlar ने “गायों के लिए फिटबिट” के आकर्षक नारे के साथ एक कॉलर पेश किया जो दूरस्थ रूप से गायों की गतिविधि और तापमान की निगरानी करता है। फ्रांसीसी वैज्ञानिक गायों के लिए चेहरे की पहचान विकसित कर रहे हैं।
पशु चिकित्सा उद्योग में कंप्यूटर विजन का उपयोग करने के प्रयास भी हैं, जो सैकड़ों अरबों डॉलर का है। आधुनिक फार्मों पर सूअरों को अपेक्षाकृत छोटे समूहों में रखा जाता है, जिनमें सबसे समान जानवर चुने जाते हैं। सूअर पालने में मुख्य लागत भोजन है, और मोटापे की प्रक्रिया का अनुकूलन आधुनिक सूअर पालने का केंद्रीय कार्य है।
किसानों को यह समस्या हल करने में सक्षम होना चाहिए अगर उन्हें सूअरों के वजन बढ़ने के बारे में विस्तृत जानकारी मिली। जैसा कि इस साइट पर बताया गया है, जानवरों को आमतौर पर उनके जीवन में केवल दो बार ही तौला जाता है: मोटापे की शुरुआत और अंत में। यदि विशेषज्ञों को पता चलता है कि प्रत्येक पिगलेट कैसे मोटा हो रहा है, तो यह संभव होगा कि प्रत्येक सूअर के लिए एक व्यक्तिगत मोटापे का कार्यक्रम तैयार किया जा सके, और यहां तक कि भोजन के योगों की एक व्यक्तिगत संरचना भी तैयार की जा सके, जो उपज में काफी सुधार करेगी। जानवरों को स्केल पर चलाना बहुत मुश्किल नहीं है, लेकिन यह जानवर के लिए बहुत तनावपूर्ण है, और सूअर तनाव से वजन कम करते हैं। नए एआई परियोजना की योजना एक नई, गैर-आक्रामक विधि विकसित करने की है जानवरों को तौलने के लिए। Neuromation एक कंप्यूटर विजन मॉडल बनाने जा रहा है जो फोटो और वीडियो डेटा से सूअरों के वजन का अनुमान लगाएगा। ये अनुमान पहले से ही क्लासिक, विश्लेषणात्मक मशीन लर्निंग मॉडल में डाले जाएंगे जो मोटापे की प्रक्रिया में सुधार करेंगे।

कृषि में कृत्रिम बुद्धिमत्ता का अग्रिम मोर्चा

कृषि और पशु पालन को अक्सर पुराने जमाने के उद्योग माना जाता है। आज, हालांकि, कृषि तेजी से कृत्रिम बुद्धिमत्ता के अग्रिम मोर्चे पर दिखाई दे रही है।
मुख्य कारण यह है कि कृषि में कई कार्य हैं जो:

• पर्याप्त जटिल हैं कि उन्हें आधुनिक कृत्रिम बुद्धिमत्ता और गहरे शिक्षण के उपयोग के बिना स्वचालित नहीं किया जा सकता है। पौधे और सूअर, हालांकि एक दूसरे के समान हैं, फिर भी एक ही असेंबली लाइन से नहीं निकले हैं, और प्रत्येक टमाटर के पौधे और प्रत्येक सूअर को एक व्यक्तिगत दृष्टिकोण की आवश्यकता होती है, और इसलिए, बहुत हाल ही में, मानव हस्तक्षेप बिल्कुल आवश्यक था।
• पर्याप्त सरल हैं कि आज कृत्रिम बुद्धिमत्ता के विकास के साथ, हम उन्हें हल कर सकते हैं, पौधों और जानवरों के बीच व्यक्तिगत मतभेदों को ध्यान में रखते हुए, साथ ही साथ उनके साथ काम करने के लिए प्रौद्योगिकियों को स्वचालित करना। एक खुले मैदान में ट्रैक्टर चलाना यातायात में कार चलाने से आसान है, और एक सूअर को तौलना ट्यूरिंग टेस्ट से गुजरने से आसान है।

कृषि अभी भी ग्रह पर सबसे बड़े और सबसे महत्वपूर्ण उद्योगों में से एक है, और यहां तक कि एक छोटी सी दक्षता में वृद्धि भी बहुत बड़े लाभ लाएगी, क्योंकि इस उद्योग का पैमाना बहुत बड़ा है।