Intelligenza artificiale in agricoltura: visione computerizzata, robot e bilance per maiali

L’intelligenza artificiale sta conquistando rapidamente l’agricoltura e l’industria alimentare.

La visione computerizzata nell’analisi dei raccolti

Per nutrire miliardi di persone, è necessario avere molti terreni. È impossibile coltivarli manualmente ai giorni nostri. Allo stesso tempo, le malattie delle piante e le invasioni di insetti spesso portano a fallimenti dei raccolti. Con la scala moderna dell’attività agricola, tali invasioni sono difficili da identificare e neutralizzare in tempo.

Questo introduce un’altra area in cui gli algoritmi di visione computerizzata possono aiutare. I coltivatori utilizzano la visione computerizzata per riconoscere le malattie dei raccolti, sia a livello micro, dalle immagini ravvicinate di foglie e piante, che a livello macro, identificando i primi segni di malattia delle piante o di insetti attraverso la fotografia aerea. Questi progetti sono solitamente basati sull’approccio popolare alla visione computerizzata: reti neurali convoluzionali.

Nota che sto parlando qui di visione computerizzata in un senso molto ampio. In molti casi, le immagini non sono la migliore fonte di dati. Molti aspetti importanti della vita delle piante possono essere studiati meglio in altri modi. La salute delle piante può spesso essere compresa meglio, ad esempio, raccogliendo immagini iperspettrali con sensori speciali o eseguendo scansioni laser 3D. Tali metodi sono sempre più utilizzati in agronomia. Questo tipo di dati è solitamente ad alta risoluzione e si avvicina più all’imaging medico che alle fotografie. Uno dei sistemi per il monitoraggio dei campi si chiama AgMRI. Per elaborare questi dati, sono necessari modelli speciali, ma la loro struttura spaziale consente l’utilizzo di tecnologie di visione computerizzata moderne, in particolare reti neurali convoluzionali.

Milioni di dollari sono investiti nella ricerca sulla fenotipizzazione e l’imaging delle piante. Il compito principale qui è raccogliere grandi set di dati sui raccolti (solitamente sotto forma di fotografie o immagini tridimensionali) e confrontare i dati fenotipici con il genotipo delle piante. I risultati e i dati possono essere utilizzati per migliorare le tecnologie agricole in tutto il mondo.

La robotica in agricoltura

I robot agricoli autonomi come Prospero possono scavare un buco nel terreno e piantare qualcosa, seguendo modelli generali prestabiliti e tenendo conto delle caratteristiche specifiche del paesaggio. I robot possono anche prendersi cura del processo di crescita, lavorando con ogni pianta individualmente. Quando è il momento giusto, i robot raccolgono, trattando di nuovo ogni pianta con precisione. Prospero si basa sul concetto di agricoltura in swarm. Immagina un esercito di piccoli Prospero che strisciano attraverso i campi lasciando file ordinate e uniformi di piante nel loro solco. È interessante notare che Prospero è apparso già nel 2011, prima del periodo di grande popolarità della rivoluzione dell’apprendimento profondo. Oggi, i robot si stanno diffondendo rapidamente in agricoltura, consentendo di automatizzare sempre più compiti routinari:

• I droni automatizzati spruzzano i raccolti. I droni piccoli e agili sono in grado di consegnare sostanze chimiche pericolose con maggiore precisione degli aerei convenzionali. Inoltre, i droni spruzzatori possono essere utilizzati per la fotografia aerea per ottenere dati per gli algoritmi di visione computerizzata menzionati all’inizio di questo articolo.
• Vengono sviluppati e utilizzati sempre più robot specializzati per il raccolto. I mietitrebbia sono esistiti per molto tempo. Tuttavia, solo ora, con l’aiuto dei metodi moderni di visione computerizzata e robotica, è stato possibile sviluppare, ad esempio, un robot che raccoglie le fragole.
• I robot come Hortibot sono in grado di riconoscere e uccidere le erbe infestanti individuali rimuovendole meccanicamente. Questo è un altro grande successo della robotica e della visione computerizzata moderna, poiché in precedenza era impossibile distinguere le erbe infestanti dalle piante utili e lavorare con piccole piante utilizzando manipolatori.

Mentre molti robot agricoli sono ancora prototipi o vengono testati su piccola scala, è già chiaro che l’apprendimento automatico, l’intelligenza artificiale e la robotica possono funzionare bene in agricoltura. È possibile prevedere con sicurezza che sempre più lavori agricoli saranno automatizzati nel prossimo futuro.

Prendersi cura degli animali da fattoria

Molti altri modi per utilizzare l’intelligenza artificiale in agricoltura sono attualmente in fase di sviluppo. Ad esempio, un progetto pilota di Neuromation porta la visione computerizzata in un’industria che non ha ricevuto molta attenzione dalla comunità di apprendimento profondo: l’allevamento di animali.

Ci sono stati, naturalmente, tentativi di utilizzare l’apprendimento automatico sui dati di tracciamento del bestiame. Ad esempio, il startup pakistano Cowlar ha introdotto un collare che monitora a distanza l’attività e la temperatura delle mucche sotto lo slogan accattivante “FitBit per mucche”. Gli scienziati francesi stanno sviluppando il riconoscimento facciale per le mucche.

Ci sono anche tentativi di utilizzare la visione computerizzata in un’industria precedentemente trascurata, vale a dire l’allevamento dei maiali, che vale centinaia di miliardi di dollari. Nelle moderne fattorie, i maiali sono tenuti in gruppi relativamente piccoli, in cui vengono selezionati gli animali più simili. Il costo principale nella produzione di maiali è il cibo, e l’ottimizzazione del processo di ingrassamento è il compito centrale della moderna produzione di maiali.

Gli agricoltori sarebbero probabilmente in grado di risolvere questo problema se avessero informazioni dettagliate sul guadagno di peso dei maiali. Secondo questo sito, gli animali vengono solitamente pesati solo due volte nella loro vita: all’inizio e alla fine dell’ingrassamento. Se gli esperti sapessero come ogni maialino sta ingrassando, sarebbe possibile creare un programma di ingrassamento individuale per ogni maiale, e anche una composizione individuale di additivi alimentari, che migliorerebbe notevolmente il rendimento. Non è molto difficile portare gli animali sulla bilancia, ma questo è uno stress enorme per l’animale, e i maiali perdono peso a causa dello stress. Il nuovo progetto di intelligenza artificiale prevede di sviluppare un nuovo metodo non invasivo per pesare gli animali. Neuromation intende costruire un modello di visione computerizzata che stimerà il peso dei maiali dai dati di foto e video. Queste stime saranno alimentate nei modelli di apprendimento automatico classici e analitici, che miglioreranno il processo di ingrassamento.

L’agricoltura alla frontiera dell’intelligenza artificiale

L’agricoltura e l’allevamento di animali sono spesso considerati settori vecchio stile. Tuttavia, oggi l’agricoltura sta sempre più comparendo alla frontiera dell’intelligenza artificiale.

Il motivo principale è che molti compiti in agricoltura sono contemporaneamente:

• Abbastanza complessi da non poter essere automatizzati senza l’utilizzo dell’intelligenza artificiale e dell’apprendimento profondo moderni. Le piante coltivate e i maiali, sebbene simili tra loro, non sono usciti dalla stessa catena di montaggio, ogni cespuglio di pomodoro e ogni maiale necessita di un approccio individuale, e quindi, fino a poco tempo fa, l’intervento umano era assolutamente necessario.
• Abbastanza semplici da poter essere risolti, tenendo conto delle differenze individuali tra piante e animali, e allo stesso tempo automatizzando le tecnologie per lavorare con essi. Guidare un trattore in un campo aperto è più facile che guidare un’auto nel traffico, e pesare un maiale è più facile che imparare a superare il test di Turing.

L’agricoltura è ancora uno dei settori più grandi e importanti del pianeta, e anche un piccolo aumento di efficienza porterà enormi guadagni semplicemente a causa della scala di questo settore.