農業におけるAI：コンピュータビジョン、ロボット、豚の体重計

人工知能は急速に農業と食品業界を征服しています。

作物分析におけるコンピュータビジョン

数十億人の人々を養うために、多くの土地が必要です。現代では、手作業でこれらの土地を耕作することは不可能です。また、植物の病気や昆虫の侵入により、作物の失敗が頻繁に起こります。農業ビジネスの現代的な規模では、これらの侵入を時間内に識別して無害化することは難しいです。

これは、コンピュータビジョンアルゴリズムが助けることができるもう 1 つの分野です。農家は、コンピュータビジョンを使用して、クローズアップ画像や空中写真から作物の病気を認識します。これらのプロジェクトは、コンピュータビジョンの一般的なアプローチである 畳み込みニューラルネットワーク に基づいています。

ここで私は、コンピュータビジョンについて非常に広い意味で話しています。多くの場合、画像は最も良いデータ源ではありません。植物の多くの重要な側面は、他の方法で研究することができます。たとえば、植物の健康状態は、特殊なセンサーを使用してハイパースペクトル画像を収集することによって、または 3D レーザー スキャニングを実行することによって、よりよく理解できます。これらの方法は、農業で増加してきています。このデータ型は通常、高解像度であり、写真よりも医療用画像に近いです。フィールド モニタリング システムの 1 つは AgMRI です。このデータを処理するには、特殊なモデルが必要ですが、その空間構造により、コンピュータ ビジョン技術、特に畳み込みニューラル ネットワークを使用できます。

作物表現型と画像研究に数百万ドルが投資されています。ここでの主なタスクは、作物（通常は写真または 3D 画像の形式）に関する大量のデータを収集し、表現型データを植物の遺伝子と比較することです。結果とデータは、世界中の農業技術を改善するために使用できます。

農業におけるロボティクス

自律型農業ロボットである Prospero は、地面に穴を掘り、予め決定されたパターンに従って、景観の特性を考慮して何かを植えることができます。ロボットは、個々の植物とともに成長プロセスを処理することもできます。適切な時期に、ロボットは収穫し、再び各植物を正確に処理します。Prospero は、スワーム ファーミングの概念に基づいています。小さなProsperoの軍団がフィールドを這い回り、植物の整然と並んだ列を残すことを想像してください。興味深いことに、Prosperoは2011年に現代のディープラーニング革命の前の時代に登場しました。今日、ロボットは急速に農業に広がり、より多くのルーチンタスクを自動化することができます：

• 自動ドローンが作物をスプレーします。小型で機敏なドローンは、従来の航空機よりも有害物質をより正確に配布できます。さらに、スプレー ドローンは、コンピュータ ビジョン アルゴリズムのデータを取得するために空中写真撮影に使用できます。
• 収穫用の専用ロボットが開発され、使用されています。コンバインハーベスターは長い間存在しましたが、コンピュータ ビジョンとロボティクスの現代的な方法のおかげで、例えば、イチゴを選別するロボットを開発することができました。
• Hortibot のようなロボットは、機械的に除草して個々の雑草を認識して除去できます。これは、コンピュータ ビジョンとロボティクスの現代的な成功です。以前は、雑草と有用な植物を区別して小さな植物と操作することは不可能でした。

多くの農業ロボットはまだプロトタイプまたは小規模テスト中ですが、すでに機械学習、AI、ロボティクスが農業でうまく機能することがわかりました。農業におけるより多くの作業が近い将来自動化されることは明らかです。

農場動物の世話

農業で AI を使用する方法がさらに多く開発されています。たとえば、Neuromation のパイロット プロジェクトは、ディープラーニング コミュニティからあまり注目されていなかった業界にコンピュータ ビジョンをもたらします: 動物の飼育。

もちろん、家畜追跡データに機械学習を使用する試みはありました。たとえば、パキスタンのスタートアップ Cowlar は、「牛用 Fitbit」というキャッチフレーズで、遠隔で牛の活動と温度を監視する首輪を発表しました。フランスの科学者は、牛用の顔認識を開発しています。

また、以前は無視されていた数百億ドル規模の業界である豚の飼育にコンピュータ ビジョンを使用する試みもあります。現代の農場では、豚は比較的小規模なグループで飼われ、最も似た動物が選択されます。豚の生産における主なコストは食料であり、肥育プロセスの最適化が現代の豚の生産における中心的なタスクです。

農家は、豚の体重増加について詳細な情報を持っていれば、問題を解決できるでしょう。 このサイト によると、動物は通常、生涯に 2 回しか体重を測定されません。肥育の開始と終了です。専門家が各子豚の肥育について知っていれば、各豚に個別の肥育プログラムを作成でき、さらには食料添加物の個別の組成も作成できます。これにより、収穫量が大幅に改善されます。動物を秤に乗せることは簡単ではありませんが、これは動物にとって大きなストレスとなり、豚はストレスで体重を失います。新しい AI プロジェクトは、動物を秤に乗せずに動物の体重を測定する新しい非侵襲的な方法を開発することを計画しています。Neuromation は、写真とビデオ データから豚の体重を推定するコンピュータ ビジョン モデルを構築する予定です。これらの推定値は、すでに古典的な分析機械学習モデルにフィードされ、肥育プロセスを改善します。

農業における人工知能の最前線

農業と畜産は、古い時代の産業と見なされることがよくあります。ただし、現在、農業は人工知能の最前線に登場しています。

主な理由は、農業における多くのタスクが同時に：

• 自動化するには現代の人工知能とディープラーニングを使用する必要があるほど複雑です。栽培された植物や豚は、それぞれが同じ組み立てラインから出てこないため、各トマトの木や各豚には個別のアプローチが必要であり、したがって、人間の介入が絶対に必要でした。
• 現代の人工知能の発展により、これらを解決できるほど十分にシンプルです。植物や動物の個々の違いを考慮しながら、それらと作業する技術を自動化することができます。開けたフィールドを走るトラクターは、交通渋滞の中を車を運転するよりも簡単であり、豚の体重を測定することは、チューリング テストに合格することよりも簡単です。

農業はまだ世界で最も大きな産業の 1 つであり、わずかな効率性の向上でも、業界の規模の大きさにより巨大な利益がもたらされるでしょう。車を運転するためのフィールドは、交通渋滞の中を運転するよりも簡単であり、豚の体重を測定することは、チューリング テストに合格するよりも簡単です。農業はまだ世界で最も大きな産業の 1 つであり、わずかな効率性の向上でも、業界の規模の大きさにより巨大な利益がもたらされるでしょう。