AIを農業に：コンピュータビジョン、ロボット、豚用の秤

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には、多くの土地が必要です。現在、手作業でこれを栽培することは不可能です。同時に、植物の病気や昆虫の侵入は作物の失敗につながることがよくあります。現代の農業ビジネスの規模では、これらの侵入を時間内に特定して中和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一つの分野を導入します。栽培者は、コンピュータビジョンを使用して、クローズアップ画像の葉や植物からマイクロレベルで、空中写真から植物の病気または昆虫の初期の兆候を特定することで、作物の病気を認識します。これらのプロジェクトは、通常、コンピュータビジョンの人気アプローチに基づいています：畳み込みニューラルネットワーク。

ここで話しているコンピュータビジョンについては、非常に広い意味で話しています。多くの場合、画像は最良のデータソースではありません。植物の生活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、植物の健康は、特殊なセンサーで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、よく理解できます。これらの方法は、農業でますます使用されています。このデータタイプは通常、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のシステムの1つは、AgMRIと呼ばれています。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、最新のコンピュータビジョンテクノロジー、特に畳み込みニューラルネットワークを使用できます。

作物表現型とイメージング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、写真または3Dイメージの形式）に関する大きなデータセットを収集し、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

Prosperoのような自律農業ロボットは、Prosperoが穴を掘って何かを植えることができ、予め決定された一般的なパターンに従い、景観の特性を考慮して、植物を個別に扱うことができます。ロボットは成長プロセスを扱うこともでき、植物を個別に扱うことができます。適切な時期に、ロボットは収穫し、再び各植物を正しく扱います。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の軍隊がフィールドを這って行き、整然とした植物の列を残すことを想像してください。興味深いことに、Prosperoは実際には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、ルーティンタスクの自動化を可能にします：

• 自動ドローンが作物をスプレーします。小型で敏捷なドローンは、従来の航空機よりも危険物をより正確に配達できます。さらに、スプレイヤードローンは、コンピュータビジョンアルゴリズムにデータを取得するために空中写真を使用するために使用できます。
• 収穫用の専用ロボットが開発され、使用されています。結合ハーベスターは長い間存在しましたが、現在、コンピュータビジョンとロボティクスの最新の方法を使用して、たとえば、イチゴを選ぶロボットを開発することができます。
• ロボットは、Hortibotのように、個々の雑草を機械的に除去することで認識して殺すことができます。これは、ロボットとコンピュータビジョンのもう一つの大きな成功です。以前は、雑草と有用な植物を区別し、小さな植物でマニピュレータを使用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なテスト中ですが、すでに、ML、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。近い将来、さらに多くの農業作業が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の注目をあまり受けていない業界にコンピュータビジョンをもたらします：動物飼育。

もちろん、家畜追跡データで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、「牛用のFitBit」というキャッチフレーズで、牛の活動と温度をリモートで監視するコラを紹介しました。フランスの科学者は、牛用の顔認識を開発しています。

さらに、コンピュータビジョンを使用して、数百億ドル規模の以前は無視されていた業界に注目しています：豚の飼育。現代の農場では、豚は比較的小さ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は、現代の豚の生産の中央課題です。

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、問題を解決することができます。 このサイトによると、動物は通常、生涯を通じて2回しか計量されません。肥育の開始と終了の時点でです。如果専門家が各豚の子豚がどのように肥育されているかを知っていたら、各豚の子豚に個別の肥育プログラムを立てることができ、さらには食料添加物の個別の組成を立てることもでき、収穫量を大幅に改善することができます。動物を秤に乗せることはそれほど難しくありませんが、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、動物を計量する新しい、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、すでにクラシック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

農業と動物飼育は、旧式の産業と見なされることがよくあります。ただし、今日、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：

• 複雑すぎて、現代の人工知能とディープラーニングを使用せずに自動化することはできません。栽培された植物と豚は、同じ生産ラインから出てきていないため、それぞれに個別のアプローチが必要であり、したがって、人間の介入は絶対に必要でした。
• 現代の人工知能の発展で解決できるほど十分にシンプルです。植物や動物の個別の違いを考慮しながら、それらと作業する技術を自動化します。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す。豚を計量することは、チューリングテストを通過することよりも簡単です。

農業はまだ、地球上で最大で最も重要な産業の1つであり、わずかな効率性の向上でも、産業の規模が巨大であるため、巨大な利益がもたらされます。