AI를 활용한 농업: 컴퓨터 비전, 로봇, 그리고 돼지의 무게 측정

인공지능은 빠르게 농업과 식품 산업을 정복하고 있습니다.

작물 분석을 위한 컴퓨터 비전

수십억 명의 사람들을 먹여 살리기 위해서는 많은 땅이 필요합니다. 현재 수동으로 작물을 경작하는 것은 불가능합니다.同时, 식물 질병과昆虫의 침입은 종종 작물의 실패로 이어집니다. 현대의 농업 비즈니스 규모에서 이러한 침입을 식별하고 及时에 중화하는 것은 어려운 일입니다.

이것은 컴퓨터 비전 알고리즘이 도움을 줄 수 있는 또 하나의 분야입니다. 농부들은 컴퓨터 비전을 사용하여 작물의 질병을 인식합니다. 이는 작물과 식물의 근접 이미지를 통해 마이크로 수준에서, 그리고 항공 사진을 통해 초기의 식물 질병이나 해충의 징후를 식별함으로써 매크로 수준에서 이루어집니다. 이러한 프로젝트는 일반적으로 컴퓨터 비전의 인기 있는 접근 방식인 컨볼루션 신경망에 기반합니다.

注意 bahwa 여기서 컴퓨터 비전은 매우 широк은 의미로 사용됩니다. 많은 경우에 이미지들은 최선의 데이터 소스가 아닙니다. 식물의 많은 중요한 측면들은 다른 방법으로 연구될 수 있습니다. 식물의 건강은 종종 특수 센서를 사용하여 초분광 이미지를 수집하거나 3D 레이저 스캔을 수행함으로써 더 잘 이해될 수 있습니다. 이러한 방법들은 점점 더 농업에서 사용되고 있습니다. 이러한 데이터 유형은 일반적으로 고해상도이며 의료 이미징에 더 가깝습니다. 필드 모니터링을 위한 시스템 중 하나는 AgMRI입니다. 이러한 데이터를 처리하기 위해 특별한 모델들이 필요하지만, 그들의 공간 구조는 현대적인 컴퓨터 비전 기술, 특히 컨볼루션 신경망의 사용을 허용합니다.

식물 표현형 및 이미징 연구에 수백만 달러가 투자되고 있습니다. 여기서의 주요 과제는 작물에 대한 대규모 데이터 세트(일반적으로 사진 또는 3차원 이미지 형태)를 수집하고 표현형 데이터를 식물의 유전형과 비교하는 것입니다. 결과와 데이터는 전 세계의 농업 기술을 개선하는 데 사용될 수 있습니다.

농업에서의 로봇 기술

자율 농업 로봇인 Prospero는 땅에 구멍을 판 다음 특정한 패턴과 지형의 특성을 고려하여 그 안에 무엇인가를 심을 수 있습니다. 로봇은 또한 개별 작물에 대한 성장 과정을 관리할 수 있습니다. 적절한 때에 로봇은 다시 각 작물을 정밀하게 다루면서 수확합니다. Prospero는 스웜 농업의 개념에 기반합니다. 작은 Prospero 로봇들이 필드를 가로지르며 작물의 정렬된 행을 남기는 것을 상상해 보세요. 흥미롭게도 Prospero는 실제로 2011년에 등장했는데, 이는 현대적인 딥 러닝 혁명의 전성기 이전입니다. 오늘날, 로봇이 농업에서 빠르게 확산되고 있으며, 이는 더 많은 루틴 작업을 자동화할 수 있습니다:

• 자동 드론이 작물을 뿌립니다. 작은_drone은 기존 항공기보다 유해한 화학 물질을 더 정확하게 전달할 수 있습니다. 또한, 스프레이 드론은 컴퓨터 비전 알고리즘에 대한 데이터를 얻기 위해 항공 사진을 위해 사용될 수 있습니다.
• 수확을 위한 더 많은 전문 로봇이 개발되고 사용되고 있습니다. 콤바인 수확기는 오래전부터 존재했습니다. 그러나 현대적인 컴퓨터 비전과 로봇 기술의 도움으로, 예를 들어, 딸기 따는 로봇을 개발할 수 있게 되었습니다.
• 로봇인 Hortibot는 개별 잡초를 식별하고 기계적으로 제거할 수 있습니다. 이것은 현대적인 로봇 기술과 컴퓨터 비전의 또 하나의伟大한 성공입니다. 이전에는 잡초와 유용한 식물을 구별하고 작物을 다루는 것이 불가능했습니다.

많은 농업 로봇은 아직 프로토 타입이거나 작은 규모에서 테스트되고 있지만, 이미 ML, AI, 로봇 기술이 농업에서 잘 작동할 수 있다는 것을 알 수 있습니다. 가까운 미래에 더 많은 농업 작업이 자동화될 것이라고 예측할 수 있습니다.

농장 동물의 관리

농업에서 AI를 사용하는 더 많은 방법들이 적극적으로 개발되고 있습니다. 예를 들어, Neuromation의 파일럿 프로젝트는 컴퓨터 비전을 아직까지 딥 러닝 커뮤니티의 주목을 받지 못한 산업인 동물 사육业에 적용합니다.

물론, 가축 추적 데이터에 기계 학습을 적용하려는 시도가 있었습니다. 예를 들어, 파키스탄의 스타트업 Cowlar는 “소들을 위한 FitBit”이라는 캐치한 슬로건으로 소의 활동과 온도를 원격으로 모니터링하는 목걸이를 소개했습니다. 프랑스 과학자들은 소를 위한 얼굴 인식 기술을 개발하고 있습니다.

또한, 수백억 달러의 산업인 돼지 사육业에서 컴퓨터 비전을 사용하려는 시도가 있습니다. 현대적인 농장에서 돼지는 tương对적으로 작은 그룹으로 관리되며, 가장 유사한 동물들이 선택됩니다. 돼지 생산의 주요 비용은 식품이며, 살찔기 과정의 최적화는 현대적인 돼지 생산의 핵심 과제입니다.

농부들은 돼지의 살찔기 정도에 대한 자세한 정보를 가지고 있다면 이 문제를 해결할 수 있을 것입니다. 이 사이트에 따르면, 동물들은 일반적으로 일생에서 두 번만 측정됩니다. 즉, 살찔기 시작과 끝입니다. 전문가들이 각 돼지의 살찔기 정도를 알면, 개별적인 살찔기 프로그램과 식품 첨가물의 구성이 가능해져서 수확량을 크게 개선할 수 있습니다. 동물을秤에 올려놓는 것은 어렵지 않지만, 이는 동물에게巨大한 스트레스를 주며, 돼지는 스트레스로 인해 체중을 잃습니다. 새로운 AI 프로젝트는 동물의 무게를 측정하는 새로운, 비침습적인 방법을 개발하려 합니다. Neuromation은 사진과 동영상 데이터에서 돼지의 무게를 추정하는 컴퓨터 비전 모델을 구축할 계획입니다. 이러한 추정치는 이미 고전적인 분석 기계 학습 모델에 입력되어 살찔기 과정을 개선할 것입니다.

인공지능의 최전선에 있는 농업

농업과 동물 사육은 종종 구식 산업으로 간주됩니다. 그러나 오늘날 농업은 점점 더 인공지능의 최전선에 나타나고 있습니다.

이것의 주요 이유는 농업의 많은 과제가同時에:

• 자동화하기에는 너무 복잡하여 현대적인 인공지능과 딥 러닝을 사용하지 않고는 자동화할 수 없습니다. 경작된 식물과 돼지는 비록 서로 비슷하지만, 각 토마토 식물과 각 돼지는 개별적인 접근이 필요하므로, 아주 최근까지는 인간의 개입이 절대적으로 필요했습니다.
• 자동화하기에는 충분히 간단하여, 오늘날의 인공지능 개발로, 식물과 동물의 개별적인 차이를 고려하면서도 기술을 자동화할 수 있습니다. 트랙터를 열린 필드에서 운전하는 것은 교통량이 많은 도로에서 자동차를 운전하는 것보다 쉽습니다. 그리고 돼지의 무게를 측정하는 것은 튜링 테스트를 통과하는 것보다 쉽습니다.

농업은 여전히 지구상에서 가장 큰 그리고 가장 중요한 산업 중 하나이며, 효율성의わずかな 증가도 이 산업의 규모로 인해巨大한 이익을 가져다줄 것입니다.