एआई मॉडल और प्लेटफ़ॉर्म

कृषि में एआई: कंप्यूटर दृष्टि, रोबोट और सूअरों के लिए तराजू

Alex Vakulov
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें
मुख्य बिंदुन्यूरोमेशन पिग के वजन का अनुमान लगाने के लिए फोटो से कंप्यूटर विज़न का उपयोग करता है…
और देखें
  • न्यूरोमेशन पिग के वजन का अनुमान लगाने के लिए फोटो से कंप्यूटर विज़न का उपयोग करता है, जिससे मैन्युअल वजन से होने वाला तनाव कम होता है।
  • AgMRI हाइपरस्पेक्ट्रल और 3D लेज़र डेटा पर कन्वोल्यूशनल न्यूरल नेटवर्क लागू करता है ताकि फसलों में रोग का जल्द पता लगाया जा सके।
  • प्रॉस्पेरो रोबोट झुंड खेती को लागू करते हैं ताकि प्रत्येक पौधे की सटीकता के साथ स्वायत्त रूप से बुवाई, देखभाल और कटाई की जा सके।

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

फसल विश्लेषण में कंप्यूटर दृष्टि

अरबों लोगों को खाना खिलाने के लिए, आपको बहुत सारी जमीन की आवश्यकता है। आजकल इसे हाथ से जोतना असंभव है। उसी समय, पौधों की बीमारियां और कीटों के हमले अक्सर फसलों की विफलता का कारण बनते हैं। आधुनिक कृषि व्यवसाय के स्तर पर, ऐसे हमले को समय पर पहचानना और निष्क्रिय करना मुश्किल है।

यह एक और क्षेत्र पेश करता है जहां कंप्यूटर दृष्टि एल्गोरिदम मदद कर सकते हैं। किसान कंप्यूटर दृष्टि का उपयोग फसलों की बीमारियों को पहचानने के लिए करते हैं, दोनों माइक्रो स्तर पर, पौधों और पत्तियों की करीबी तस्वीरों से, और मैक्रो स्तर पर, हवाई फोटोग्राफी से पौधों की बीमारी या कीटों के शुरुआती संकेतों की पहचान करके। ये परियोजनाएं आमतौर पर कंप्यूटर दृष्टि के लोकप्रिय दृष्टिकोण पर आधारित होती हैं: कॉनवोल्यूशनल न्यूरल नेटवर्क।

नोट करें कि मैं यहां कंप्यूटर दृष्टि 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 को अन्य तरीकों से अधिक अच्छी तरह से अध्ययन किया जा सकता है। पौधों की सेहत को अक्सर बेहतर ढंग से समझा जा सकता है, उदाहरण के लिए, विशेष सेंसर के साथ हाइपरस्पेक्ट्रल छवियों को इकट्ठा करके या 3डी लेजर स्कैनिंग करके। ऐसे तरीके कृषि में तेजी से उपयोग किए जा रहे हैं। यह डेटा आमतौर पर उच्च रिज़ॉल्यूशन वाला होता है और चित्रों की तुलना में चिकित्सा इमेजिंग के करीब है। क्षेत्र निगरानी के लिए एक प्रणाली AgMRI कहलाती है। इस डेटा को संसाधित करने के लिए विशेष मॉडल की आवश्यकता होती है, लेकिन उनकी स्थानिक संरचना आधुनिक कंप्यूटर दृष्टि प्रौद्योगिकियों का उपयोग करने की अनुमति देती है, विशेष रूप से कॉनवोल्यूशनल न्यूरल नेटवर्क।

कई मिलियन का निवेश पौधों के फेनोटाइपिंग और इमेजिंग अनुसंधान में किया जा रहा है। यहां मुख्य कार्य फसलों के बड़े डेटा सेट इकट्ठा करना है (आमतौर पर फोटो या त्रि-आयामी छवियों के रूप में) और फेनोटाइप डेटा की तुलना पौधों के जीनोटाइप से करना। परिणाम और डेटा का उपयोग दुनिया भर में कृषि प्रौद्योगिकियों में सुधार के लिए किया जा सकता है।

कृषि में रोबोटिक्स

स्वायत्त कृषि रोबोट जैसे प्रोस्पेरो जमीन में एक छेद खोद सकते हैं और कुछ पौधे लगा सकते हैं, पूर्वनिर्धारित सामान्य पैटर्न का पालन करते हुए और परिदृश्य की विशिष्ट विशेषताओं को ध्यान में रखते हुए। रोबोट पौधों की देखभाल के लिए भी काम कर सकते हैं, प्रत्येक पौधे के साथ व्यक्तिगत रूप से। जब समय सही होता है, तो रोबोट फसल काटते हैं, फिर से प्रत्येक पौधे के साथ व्यक्तिगत रूप से व्यवहार करते हैं। प्रोस्पेरो स्वार्म फार्मिंग की अवधारणा पर आधारित है। कल्पना कीजिए कि छोटे प्रोस्पेरो रोबोटों की एक सेना खेतों में रेंगती है, जो पौधों की साफ-सुथरी और समान पंक्तियों को छोड़ देती है। दिलचस्प बात यह है कि प्रोस्पेरो वास्तव में 2011 में दिखाई दिया था, आधुनिक डीप लर्निंग क्रांति के उत्कर्ष से पहले। आज, रोबोट तेजी से कृषि में फैल रहे हैं, जिससे अधिक से अधिक दिनचर्या कार्यों को स्वचालित करने की अनुमति मिलती है:

  • स्वचालित ड्रोन फसलों पर स्प्रे करते हैं। छोटे और चपलता से भरे ड्रोन बड़े विमानों की तुलना में जहरीले रसायनों को अधिक सटीक रूप से वितरित कर सकते हैं। इसके अलावा, स्प्रेयर ड्रोन का उपयोग हवाई फोटोग्राफी के लिए किया जा सकता है ताकि कंप्यूटर दृष्टि एल्गोरिदम के लिए डेटा प्राप्त किया जा सके जो इस लेख की शुरुआत में उल्लिखित हैं।
  • अधिक से अधिक विशेषज्ञ रोबोट विकसित और उपयोग किए जा रहे हैं जो फसल काटने में मदद करते हैं। कंबाइन हार्वेस्टर लंबे समय से मौजूद हैं, लेकिन अब, आधुनिक कंप्यूटर दृष्टि और रोबोटिक्स की मदद से, यह संभव हो गया है कि स्ट्रॉबेरी चुनने वाले रोबोट जैसे विकसित किए जा सकें।
  • रोबोट जैसे होर्टिबोट व्यक्तिगत रूप से खरपतवार को पहचान सकते हैं और यांत्रिक रूप से उन्हें हटा सकते हैं। यह आधुनिक रोबोटिक्स और कंप्यूटर दृष्टि की एक और बड़ी सफलता है, क्योंकि पहले खरपतवार को उपयोगी पौधों से अलग करना और छोटे पौधों के साथ मैनिपुलेटर का उपयोग 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 निकट भविष्य में अधिक से अधिक कृषि कार्य स्वचालित हो जाएंगे।

फार्म जानवरों की देखभाल

कृषि में एआई का उपयोग करने के और भी तरीके विकसित किए जा रहे हैं। उदाहरण के लिए, न्यूरोमेशन द्वारा एक पायलट परियोजना कंप्यूटर दृष्टि को एक उद्योग में लाती है जिसे डीप लर्निंग समुदाय से बहुत ध्यान नहीं मिला है: पशु पालन।

पशुओं के ट्रैकिंग डेटा पर मशीन लर्निंग का उपयोग करने के प्रयास हुए हैं। उदाहरण के लिए, पाकिस्तानी स्टार्टअप काउलर ने “फिटबिट फॉर काउ” 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।

पहले उपेक्षित उद्योग में कंप्यूटर दृष्टि का उपयोग करने के प्रयास हैं, जो सैकड़ों अरबों डॉलर का है: सूअर पालन। आधुनिक खेतों 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 वजन बढ़ाने 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 मिले। जैसा कि इस साइट पर बताया गया है, जानवरों को आमतौर पर उनके जीवन में केवल दो बार वजन किया जाता है: वजन बढ़ाने की प्रक्रिया की शुरुआत और अंत में। यदि विशेषज्ञों को पता चलता है कि प्रत्येक पिगलेट कैसे मोटा हो रहा है, तो यह प्रत्येक सूअर के लिए एक वजन बढ़ाने का व्यक्तिगत कार्यक्रम तैयार करने और यहां तक कि व्यक्तिगत रूप से खाद्य पूरक की संरचना तैयार करने की अनुमति देगा, जो उपज में काफी सुधार करेगा। जानवरों को तराजू पर चढ़ाना मुश्किल नहीं है, लेकिन यह जानवर के लिए बहुत तनावपूर्ण है, और सूअर तनाव से वजन कम करते हैं। नई एआई परियोजना का उद्देश्य जानवरों के वजन का अनुमान लगाने के लिए एक नई, गैर-आक्रामक विधि विकसित करना है। न्यूरोमेशन फोटो और वीडियो डेटा से सूअरों के वजन का अनुमान लगाने के लिए एक कंप्यूटर दृष्टि मॉडल बनाने जा रहा है। इन अनुमानों को पहले से ही क्लासिक, विश्लेषणात्मक मशीन लर्निंग मॉडल में डाला जाएगा जो वजन बढ़ाने की प्रक्रिया में सुधार करेंगे।

कृत्रिम बुद्धिमत्ता के अग्रिम मोर्चे पर कृषि

कृषि और पशु पालन को अक्सर पुराने तरीके 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 एक ही समय में इन दोनों श्रेणियों में आते हैं:

  • इतने जटिल हैं कि उन्हें आधुनिक कृत्रिम बुद्धिमत्ता और डीप लर्निंग 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 व्यक्तिगत दृष्टिकोण की आवश्यकता है, और इसलिए, अभी हाल तक मानव हस्तक्षेप बिल्कुल आवश्यक था।
  • आज की कृत्रिम बुद्धिमत्ता के विकास को देखते हुए इतने सरल हैं कि हम उन्हें हल कर सकते हैं, पौधों और जानवरों के बीच व्यक्तिगत अंतरों को ध्यान में रखते हुए और उनके साथ काम करने के लिए प्रौद्योगिकियों को स्वचालित करना। खुले मैदान में ट्रैक्टर चलाना यातायात में कार चलाने से आसान है, और सूअर को तौलना ट्यूरिंग टेस्ट पास करना सीखने से आसान है।

कृषि अभी भी ग्रह पर सबसे बड़े और सबसे महत्वपूर्ण उद्योगों में से एक है, और इस उद्योग के पैमाने को देखते हुए दक्षता में एक छोटी सी वृद्धि भी बड़े लाभ लाएगी।

Alex Vakulov

एलेक्स एक साइबर सुरक्षा शोधकर्ता हैं जिनके पास मैलवेयर विश्लेषण में 20 वर्ष से अधिक का अनुभव है। उनके पास मैलवेयर हटाने के मजबूत कौशल हैं, और वह अपने सुरक्षा अनुभव को साझा करने के लिए कई सुरक्षा संबंधित प्रकाशनों के लिए लिखते हैं।