Хөдөө аж ахуй дахь хиймэл оюун ухаан: Компьютерийн хараа, робот, гахайн жин

Хиймэл оюун ухаан хөдөө аж ахуй, хүнсний үйлдвэрлэлийг хурдацтай байлдан дагуулж байна.

Газар тариалангийн шинжилгээнд компьютерийн хараа

Олон тэрбум хүнийг тэжээхийн тулд маш олон газар хэрэгтэй. Өнөө үед гараар тариалах боломжгүй. Үүний зэрэгцээ ургамлын өвчин, шавьжны халдлага нь ихэвчлэн ургац алдахад хүргэдэг. Хөдөө аж ахуйн бизнесийн орчин үеийн цар хүрээг харгалзан ийм халдлагыг цаг тухайд нь илрүүлж, саармагжуулахад хэцүү байдаг.

Энэ нь компьютерийн харааны алгоритмууд тусалж болох өөр нэг хэсгийг танилцуулж байна. Тариаланчид компьютерийн алсын харааг ашиглан газар тариалангийн өвчлөлийг бичил түвшинд, навч, ургамлын ойрын зурагнаас, мөн макро түвшинд агаарын гэрэл зургаас ургамлын өвчин, хортон шавьжийн анхны шинж тэмдгийг тодорхойлох замаар таньдаг. Эдгээр төслүүд нь ихэвчлэн компьютерийн харааны түгээмэл арга дээр суурилдаг. эргэлтийн мэдрэлийн сүлжээ.

Энд би компьютерийн харааны талаар маш өргөн утгаараа ярьж байгааг анхаарна уу. Ихэнх тохиолдолд зураг нь мэдээллийн хамгийн сайн эх сурвалж биш юм. Ургамлын амьдралын олон чухал талыг өөр аргаар хамгийн сайн судалж болно. Ургамлын эрүүл мэндийг илүү сайн ойлгох боломжтой, жишээлбэл, тусгай мэдрэгч бүхий гиперспектр зураг цуглуулах эсвэл 3D лазер сканнердах замаар. Ийм аргуудыг агрономид улам бүр ашиглаж байна. Энэ төрлийн өгөгдлийн төрөл нь ихэвчлэн өндөр нягтаршилтай бөгөөд гэрэл зургаас илүү эмнэлгийн дүрслэлд илүү ойр байдаг. Хээрийн мониторингийн системүүдийн нэг нь гэж нэрлэгддэг AgMRI. Эдгээр өгөгдлийг боловсруулахын тулд тусгай загварууд шаардлагатай боловч тэдгээрийн орон зайн бүтэц нь орчин үеийн компьютерийн харааны технологи, ялангуяа эргэлтийн мэдрэлийн сүлжээг ашиглах боломжийг олгодог.

Ургамлын фенотип, дүрслэлийн судалгаанд сая сая хөрөнгө оруулалт хийж байна. Энд байгаа гол ажил бол үр тарианы тухай их хэмжээний мэдээлэл цуглуулах (ихэвчлэн гэрэл зураг эсвэл гурван хэмжээст дүрс хэлбэрээр), фенотипийн өгөгдлийг ургамлын генотиптэй харьцуулах явдал юм. Үр дүн, өгөгдлийг дэлхий даяар хөдөө аж ахуйн технологийг сайжруулахад ашиглаж болно.

Хөдөө аж ахуй дахь робот техник

Автономит фермерийн роботууд дуртай Prospero Урьдчилан тодорхойлсон ерөнхий хэв маягийг дагаж, ландшафтын онцлог шинж чанарыг харгалзан газар нүх ухаж, түүнд ямар нэгэн зүйл тарьж болно. Мөн роботууд ургамал тус бүртэй тус тусад нь ажиллаж, ургах үйл явцыг хариуцаж чаддаг. Цаг нь болохоор роботууд ургацаа хурааж, ургамал бүрийг зохих ёсоор нь дахин боловсруулна. Prospero нь сүргийн фермийн үзэл баримтлал дээр суурилдаг. Бяцхан Просперогийн арми талбай дундуур мөлхөж, араас нь эмх цэгцтэй, бүр эгнээ ургамлыг үлдээж байгааг төсөөлөөд үз дээ. Сонирхолтой нь, Просперо 2011 онд орчин үеийн гүнзгий сургалтын хувьсгалын оргил үе болохоос өмнө гарч ирсэн. Өнөөдөр, роботууд маш хурдан тархаж байна хөдөө аж ахуйд илүү олон ердийн ажлуудыг автоматжуулах боломжийг танд олгоно:

• Автомат нисгэгчгүй онгоцууд үр тариа цацдаг. Жижиг оврын нисгэгчгүй онгоцууд нь ердийн онгоцноос илүү аюултай химийн бодисыг дамжуулах чадвартай. Түүнчлэн, энэ өгүүллийн эхэнд дурдсан компьютерийн харааны алгоритмын өгөгдлийг олж авахын тулд шүршигч дронуудыг агаараас зураг авахад ашиглаж болно.
• Ургац хураах зориулалттай роботууд улам бүр нэмэгдэж, ашиглагдаж байна. Ургац хураагч машинууд бий болоод удаж байна. Гэсэн хэдий ч одоо л орчин үеийн компьютерийн хараа, робот техникийн тусламжтайгаар гүзээлзгэнэ түүдэг робот бүтээх боломжтой болсон.
• Роботуудад дуртай Хортибот бие даасан хогийн ургамлыг механик аргаар устгах замаар таньж, устгах чадвартай. Урьд нь хогийн ургамлыг ашигтай ургамлаас ялгах, жижиг ургамалтай манипулятор ашиглан ажиллах боломжгүй байсан тул орчин үеийн робот техник, компьютерийн харааны бас нэгэн том амжилт юм.

Хөдөө аж ахуйн олон роботууд прототип эсвэл бага хэмжээгээр туршиж байгаа хэдий ч ML, AI, робот техник нь хөдөө аж ахуйд сайн ажиллаж чадах нь тодорхой болсон. Ойрын ирээдүйд хөдөө аж ахуйн ажил улам бүр автоматжих болно гэдгийг баттай таамаглаж болно.

Фермийн амьтдыг харж байна

ХАА-д хиймэл оюун ухааныг ашиглах өөр олон арга идэвхтэй хөгжиж байна. Тухайлбал, туршилтын төсөл Мэдрэлийн эмгэг гүн гүнзгий судлах нийгэмлэгээс хараахан төдийлөн анхаарал хандуулаагүй байгаа салбар болох мал аж ахуйд компьютерийн алсын харааг авчирдаг.

Мэдээжийн хэрэг, малын хяналтын өгөгдөл дээр машин сургалтыг ашиглах оролдлого байсан. Жишээлбэл, Пакистаны стартап Cowlar үнээний идэвхжил, температурыг алсаас хянадаг хүзүүвчийг "Үхэндээ FitBit" гэсэн сэтгэл татам уриан дор нэвтрүүлсэн. Францын эрдэмтэд үнээний нүүр царайг таних төхөөрөмж бүтээж байна.

Хэдэн зуун тэрбум долларын үнэ бүхий өмнө нь үл тоомсорлож байсан салбар болох гахайн аж ахуйд компьютерийн харааг ашиглах оролдлого бас бий. Орчин үеийн фермүүдэд гахайг харьцангуй жижиг бүлгүүдэд байлгадаг бөгөөд тэдгээрээс хамгийн төстэй амьтдыг сонгодог. Гахайн үйлдвэрлэлийн гол зардал нь хоол хүнс бөгөөд таргалуулах үйл явцыг оновчтой болгох нь орчин үеийн гахайн үйлдвэрлэлийн гол ажил юм.

Фермерүүд гахайн жингийн талаар нарийвчилсан мэдээлэлтэй байсан бол энэ асуудлыг шийдэж чадна. Дагуу энэ сайт, малыг амьдралынхаа туршид ихэвчлэн хоёр удаа жинлэнэ: таргалалтын эхэн ба төгсгөлд. Мэргэжилтнүүд гахай бүр хэрхэн таргалж байгааг мэддэг байсан бол гахай тус бүрийг таргалуулах хөтөлбөр, тэр ч байтугай хүнсний нэмэлтийг тус тусад нь гаргах боломжтой бөгөөд энэ нь гарцыг мэдэгдэхүйц сайжруулах болно. Амьтдыг жинлүүр дээр гаргах нь тийм ч хэцүү биш боловч энэ нь амьтны хувьд асар их стресс бөгөөд гахайнууд стрессээс болж жингээ хасдаг. AI шинэ төсөл нь амьтдын жинг хэмжих шинэ, инвазив бус аргыг боловсруулахаар төлөвлөж байна. Neuromation нь гэрэл зураг, видео мэдээллээс гахайн жинг тооцоолох компьютерийн харааны загварыг бүтээх гэж байна. Эдгээр тооцоог аль хэдийн сонгодог, аналитик машин сургалтын загварт оруулах бөгөөд энэ нь таргалах процессыг сайжруулах болно.

Хиймэл оюун ухааны хил дээр хөдөө аж ахуй

Газар тариалан, мал аж ахуйг ихэвчлэн хуучинсаг салбар гэж үздэг. Гэвч өнөөдөр хөдөө аж ахуй хиймэл оюун ухааны тэргүүн эгнээнд улам бүр нэмэгдэж байна.

Энд байгаа гол шалтгаан нь хөдөө аж ахуйн олон ажил нэгэн зэрэг хийгддэг.

• Орчин үеийн хиймэл оюун ухаан, гүнзгий суралцахгүйгээр тэдгээрийг автоматжуулах боломжгүй тул нарийн төвөгтэй. Таримал ургамал, гахай нь бие биентэйгээ төстэй байсан ч нэг угсралтын шугамыг орхиогүй хэвээр байгаа тул улаан лоолийн бут, гахай бүр тус тусад нь хандах шаардлагатай байдаг тул саяхныг хүртэл хүний ​​оролцоо зайлшгүй шаардлагатай байсан.
• Хиймэл оюун ухааныг хөгжүүлснээр бид ургамал, амьтдын бие даасан ялгааг харгалзан тэдгээрийг шийдвэрлэхийн зэрэгцээ тэдэнтэй ажиллах технологийг автоматжуулах боломжтой болсон нь хангалттай энгийн. Ил задгай талбайд трактор жолоодох нь замын хөдөлгөөнд машин жолоодохоос хялбар, гахайг жинлэх нь замын хажуугаар өнгөрч сурахаас хялбар байдаг. Тюринг тест.

Хөдөө аж ахуй нь дэлхий дээрх хамгийн том, хамгийн чухал салбаруудын нэг хэвээр байгаа бөгөөд үр ашгийг нь өчүүхэн ч гэсэн өсгөх нь ердөө л энэ салбарын асар том хэмжээний ачаар асар их ашиг авчрах болно.