Jay Schroeder, CTO i CNH – Intervju-serie

Jay Schroeder er Chief Technology Officer (CTO) i CNH, og har ansvar for selskapets globale forskning og utviklingsoperasjoner. Hans ansvarsområder inkluderer å styre områder som teknologi, innovasjon, kjøretøy og redskaper, presisjonsteknologi, brukeropplevelse og drivverk. Schroeder fokuserer på å forbedre selskapets produktportefølje og presisjonsteknologikapasiteter, med målet om å integrere presisjonsløsninger på hele utstyrsspekteret. I tillegg er han involvert i å utvide CNHs alternative fremdriftstilbud og å gi styring over produktutviklingsprosesser for å sikre at selskapets produktportefølje møter høye standarder for kvalitet og ytelse.

Gjennom sine ulike forretningsområder, produserer og selger CNH landbruksmaskiner og byggeutstyr. AI og avanserte teknologier, som computer vision, machine learning (ML) og kamera-sensorer, endrer måten dette utstyret opererer på, og muliggjør innovasjoner som AI-drevne selvkjørende traktorer som hjelper bønder med komplekse utfordringer i deres arbeid.

CNHs selvkjørende traktorer er drevet av modeller trent på dype neurale nettverk og sanntids-inferens. Kan du forklare hvordan denne teknologien hjelper bønder med å utføre oppgaver som planting med ekstrem presisjon, og hvordan den sammenlignes med autonom kjøring i andre industrier som transport?

Mens selvkjørende biler fanger overskriftene, har landbruksindustrien ledet den autonome revolusjonen i over to tiår. Selskaper som CNH var pionerer innen autonom styring og hastighetskontroll lenge før Tesla. I dag går CNHs teknologi langt utenfor bare kjøring til å utføre høyt automatiserte og autonome arbeid samtidig som de kjører seg selv. Fra å plante frø nøyaktig der de trengs, til å effektivt og optimalt høste avlinger og behandle jorden, samtidig som de kjører gjennom feltet, er autonom jordbruk ikke bare i samme tempo som selvkjørende biler – det lar dem i støv.

CNHs fremtidssikrede teknologistack muliggjør autonom jordbruk langt utenfor hva selvkjørende biler kan oppnå. Vår programvaredefinerte arkitektur integrerer sammen en rekke teknologier, og muliggjør automatisering for komplekse jordbruksoppgaver som er mye mer utfordrende enn enkel punkt-til-punkt-navigasjon. Samarbeid i arkitekturen gir bønder utenfor sammenligning kontroll og fleksibilitet til å legge til høyere teknologi gjennom CNHs åpne APIer. I motsetning til lukkede systemer, tillater CNHs åpne API bønder å tilpasse sine maskiner. Tenk deg kamera-sensorer som skiller avlinger fra ugras, aktivert bare når det er nødvendig – samtidig som kjøretøyet opererer autonomt. Denne tilpasningen, kombinert med evnen til å håndtere ru terrain og diverse oppgaver, skiller CNHs teknologi fra andre.

Begrepet “en MRI-maskin for planter” er fascinerende. Hvordan bruker CNH syntetisk bilde og maskinlæring til å identifisere avlingstype, vekststadier og anvende målrettet avlingsnæring?

Med AI, computer-vision-kameraer og massive datamengder, trener CNH modeller til å skille avlinger fra ugras, identifisere plantens vekststadier og gjenkjenne avlingens helse over hele feltet for å bestemme den nøyaktige mengden næringsstoffer og beskyttelse som trengs for å optimalisere avlingens avkastning. For eksempel, med Augmenta Field Analyzer, en computer-vision-applikasjon som skanner bakken foran maskinen mens den flytter seg raskt gjennom feltet (opptil 20 mph) for å vurdere avlingsforholdene på feltet og hvilke områder som trenger å behandles, og i hvilken mengde, for å gjøre disse områdene sunnere.

Med denne teknologien kan bønder vite og behandle nøyaktig hvor på feltet et problem utvikler seg, slik at de ikke behøver å dekke hele feltet med behandling for å drepe ugras, kontrollere skadedyr eller legge til nødvendige næringsstoffer for å forbedre avlingens helse. Teknologien muliggjør den nøyaktige mengden kjemikalier som trengs, anvendt på det nøyaktige stedet for å presist adressere plantens behov og stoppe noen trusler mot avlingen. Identifisering og sprøyting av bare (og nøyaktig) ugras som vokser blant avlinger, vil til slutt redusere bruken av kjemikalier på feltene med opptil 90%. Bare en liten mengde kjemikalier er nødvendig for å behandle hver enkelt trussel, i stedet for å behandle hele feltet for å nå de samme få truslene.

For å generere fotorealistiske syntetiske bilder og forbedre datamengder raskt, bruker CNH biofysiske prosedyremodeller. Dette muliggjør teamet å raskt og effektivt skape og klassifisere millioner av bilder uten å måtte bruke tid på å samle inn ekte bilde på den skalaen som trengs. De syntetiske dataene supplementerer ekte bilder, og forbedrer modell-trening og inferens-ytelse. For eksempel, ved å bruke syntetiske data, kan forskjellige situasjoner skapes for å trene modellene – som forskjellige lysforhold og skygge som flytter seg gjennom dagen. Prosedyremodellene kan produsere bestemte bilder basert på parametre for å skape en datamengde som representerer forskjellige forhold.

Hvor nøyaktig er denne teknologien sammenlignet med tradisjonelle jordbruksmetoder?

Bønder tar hundrevis av viktige beslutninger gjennom året, men ser bare resultatene av alle disse kumulative beslutningene en gang: ved høsttid. Den gjennomsnittlige alderen på en bonde er økende, og de fleste jobber i over 30 år. Det er ingen margin for feil. Fra det øyeblikket frøet plantes, må bønder gjøre alt de kan for å sikre at avlingen trives – deres livsstil er på spill.

Vår teknologi tar mye av gjetningen ut av bøndenes oppgaver, som å bestemme de beste måtene å ta vare på voksende avlinger på, samtidig som de gir bønder ekstra tid tilbake til å fokusere på å løse strategiske forretningsutfordringer. Til slutt er bønder store bedrifter og avhenger av teknologi for å hjelpe dem med å gjøre det mest effektivt, produktivt og lønnsomt.

Ikke bare tillater dataene generert av maskinene bønder å ta bedre, mer informerte beslutninger for å få bedre resultater, men de høye nivåene av automatisering og autonomi i maskinene selv utfører arbeidet bedre og på en høyere skala enn mennesker kan gjøre. Sprøytemaskiner kan “se” problempunktene i tusenvis av acres avlinger bedre enn menneskelige øyne og kan presist behandle trusler; mens teknologi som autonom jordforberedelse kan lettet byrden av å utføre et tungt og tidskrevende arbeid og utføre det med mer nøyaktighet og effektivitet på en skala enn et menneske kan. I autonom jordforberedelse, en fullt autonom system jordforbereder jorden ved å bruke sensorer kombinert med dype neurale nettverk for å skape ideelle forhold med centimeter-nøyaktighet. Dette forbereder jorden til å tillate høyt konsistente radavstand, presis frødybde og optimal frøplassering, til tross for ofte drastiske jordendringer over ett enkelt felt. Tradisjonelle metoder, ofte avhengige av menneske-opererte maskiner, resulterer vanligvis i mer variasjon i resultater på grunn av operatørfatigue, mindre konsistent navigasjon og mindre nøyaktig plassering.

Under høstsesongen, bruker CNHs kombinasjonsmaskiner edge-computing og kamera-sensorer til å vurdere avlingskvalitet i sanntid. Hvordan fungerer denne raske beslutningsprosessen, og hva rolle spiller AI i å optimalisere høsten for å redusere avfall og forbedre effektivitet?

En kombinasjon er en usedvanlig kompleks maskin som utfører flere prosesser – høsting, tresking og innhøsting – i en enkelt, sammenhengende operasjon. Det kalles en kombinasjon av denne grunn. Det skjer mye samtidig, og det er liten plass for feil. CNHs kombinasjon tar automatisk millioner av raske beslutninger hver 20. sekund, og prosesserer dem på kanten, rett på maskinen. Kamera-sensorer fanger og prosesserer detaljerte bilder av avlingene som høstes for å bestemme kvaliteten på hver enkelt korn av avlingen som høstes – analyserer fuktighetsnivåer, kornkvalitet og skadelig innhold. Maskinen vil automatisk gjøre justeringer basert på bilde-dataene for å deployere de beste maskin-innstillingene for å få optimale resultater. Vi kan gjøre dette i dag for bygg, ris, hvete, mais, soya og raps, og vil snart legge til kapasiteter for sorghum, havre, feltaerter, solsikker og bønner.

AI på kanten er avgjørende for å optimalisere denne prosessen ved å bruke dype læringsmodeller trent til å gjenkjenne mønster i avlingsforhold. Disse modellene kan raskt identifisere områder av høsten som krever justeringer, som å endre kombinasjonens hastighet eller modifisere treskingsinnstillinger for å sikre bedre separasjon av korn fra resten av planten (for eksempel, å holde hver og enkelt maiskorn og fjerne alle deler av kornet og stammen). Denne sanntids-optimaliseringen hjelper med å redusere avfall ved å minimere avlings-skader og samle inn kun høykvalitets-avlinger. Det forbedrer også effektivitet, og tillater maskinene å ta data-drevne beslutninger på vei for å maksimere bøndenes avlings-avkastning, samtidig som det reduserer operasjonell stress og kostnader.

Presisjonsjordbruk drevet av AI og ML lover å redusere inngangsavfall og maksimere avkastning. Kan du forklare hvordan CNHs teknologi hjelper bønder med å kutte kostnader, forbedre bærekraft og overvinne arbeidsmangelen i en stadig mer utfordrende jordbrukslandskap?

Bønder møter enorme hindringer i å finne kvalifisert arbeidskraft. Dette er særlig sant for jordforberedelse – et kritisk skritt de fleste gårder krever for å forberede jorden for vinteren for å gjøre det bedre for planting i våren. Presisjon er avgjørende i jordforberedelse, med nøyaktighet målt til en tiendedel av en tomme for å skape optimale avlingsforhold. CNHs autonome jordforberedelsesteknologi eliminerer behovet for høyt kvalifiserte operatører til å manuelt justere jordforberedelses-verktøy. Med et knappetrykk, autonomiserer systemet hele prosessen, og tillater bønder å fokusere på andre essensielle oppgaver. Dette booster produktivitet og presisjonen konserverer brennstoff, og gjør operasjonene mer effektive.

Når det gjelder avlingsvedlikehold, er CNHs sprøyte-teknologi utstyrt med over 125 mikroprosessorer som kommuniserer i sanntid for å forbedre kost- og bærekraften av vann-, nærings-, herbicid- og pesticid-bruk. Disse prosessorer samarbeider for å analysere felt-forhold og presist bestemme når og hvor å anvende disse næringsstoffene, og eliminerer overflodige kjemikalier med opptil 30% i dag og opptil 90% i nær fremtid, og drastisk kutte inngangs-kostnader og mengden kjemikalier som går inn i jorden. Dysen kontrollventilene tillater maskinen å nøyaktig anvende produktet ved å justere automatisk basert på sprøyte-hastighet, og sikre en konsekvent rate og trykk for presis dråpe-levering til avlingen, så hver dråpe lander nøyaktig der den trengs for avlingens helse. Denne nøyaktigheten reduserer behovet for hyppige påfyll, og bønder trenger bare å fylle sprøyten en gang om dagen, og det fører til betydelig vann- og kjemikalie-behholdning.

Tilsvarende er CNHs Cart Automation en forenkling av den komplekse og høy-stress-oppgaven å operere en kombinasjon under høst. Presisjon er kritisk for å unngå kollisjoner mellom kombinasjons-hodet og korn-vognen som kjører innen noen tommer fra hverandre i timevis. Det hjelper også med å redusere avlings-tap. Cart Automation muliggjør en sammenhengende last-på-vei-prosess, og reduserer behovet for manuell koordinasjon, og tillater kombinasjonen å fortsette å utføre sin jobb uten å måtte stoppe. CNH har gjennomført fysiologisk testing som viser at denne assistive-teknologien reduserer stress for kombinasjons-operatører med omtrent 12% og for traktor-operatører med 18%, og det teller opp når disse operatørene er i disse maskinene i opptil 16 timer om dagen under høst-sesongen.

CNH-merket, New Holland, har nylig inngått et samarbeid med Bluewhite for autonome traktor-kit. Hvordan passer dette samarbeidet inn i CNHs bredere strategi for å utvide autonomi i jordbruket?

Autonomi er fremtiden for CNH, og vi tar en målrettet og strategisk tilnærming til å utvikle denne teknologien, drevet av de mest presserende behovene til våre kunder. Våre interne ingeniører fokuserer på å utvikle autonomi for vårt store jordbruks-kundesegment – bønder som dyrker avlinger som vokser i store, åpne felt, som mais og soya. Et annet viktig kundegruppe for CNH er bønder som dyrker såkalte “permanente avlinger” som vokser i frukthager og vingårder. Samarbeidet med Bluewhite, en bevist leder i å implementere autonomi i frukthager og vingårder, tillater oss å nå både det store jordbruks- og det permanente avlings-kundesegmentet med kritisk nødvendig autonomi. Med Bluewhite, leverer vi en fullt autonom traktor i permanente avlinger, og gjør oss til den første original-utstyrsprodusenten (OEM) med en autonom løsning i frukthager og vingårder.

Vår tilnærming til autonomi er å løse de mest kritiske utfordringene kundene har i jobbene og oppgavene hvor de er ivrige etter at maskinen skal fullføre arbeidet og fjerne byrden på arbeidskraft. Autonom jordforberedelse leder vår interne jobb-utvikling fordi det er et tungt arbeid som tar lang tid under en tidsbegrenset periode på året når mange andre ting også må skje. En maskin i denne sammenhengen kan utføre arbeidet bedre enn en menneskelig operatør. Frukthage- og vingårds-bønder har også et kritisk behov for autonomi, siden de møter ekstreme arbeidskraft-mangler og trenger maskiner for å fylle gapene. Disse jobbene krever at traktorene kjører 20-30 pass gjennom hver frukthage- eller vingårds-rekke per sesong, og utfører viktige jobber som å anvende næringsstoffer til trærne og holde gresset mellom vinranker klippet og fritt for ugras.

Mange av CNHs løsninger blir tatt i bruk av frukthage- og vingårds-operatører. Hvilke unike utfordringer stiller disse miljøene for autonome og AI-drevne maskiner, og hvordan tilpasser CNH sin teknologi for disse spesialiserte anvendelsene?

Vinduene for høsting endrer seg, og å finne kvalifisert arbeidskraft er vanskeligere å få tak i. Klimaendringer gjør sesongene mer uforutsigbare; det er kritisk for bønder å ha teknologi klar til å gå som driver presisjon og effektivitet når avlingene er optimale for høsting. Jordbruk krever alltid presisjon, men det er særlig nødvendig når man høster noe så lite og ømfintlig som en drue eller en nøtt.

De fleste automatiske kjøringsteknologier avhenger av GPS for å guide maskiner på deres vei, men i frukthager og vingårder kan disse GPS-signalene blokkeres av tre- og vingårds-grener. Visjon-kameraer og radar brukes i kombinasjon med GPS for å holde maskinene på deres optimale vei. Og, i frukthager og vingårder, er høsting ikke bare om åker med uniforme rader, men om enkelt-varierte planter og trær, ofte i kupert terreng. CNHs automatiske systemer justerer til hver plants høyde, jordnivå og nødvendig plukk-hastighet for å sikre en kvalitets-avkastning uten å skade avlingen. De justerer også rundt uproduktive eller døde trær for å spare unødvendige innganger. Disse robot-maskinene beveger seg automatisk langs plantene, og skiller forsiktig avlingen fra planten eller vinen, samtidig som de holder en trygg avstand fra avlingen. Operatøren setter ønsket plukk-høyde, og maskinene justerer automatisk for å holde disse innstillingene per plante, uavhengig av terrenget. Videre, for noen frukter, er den beste tiden for høsting når sukker-innholdet toppes om natten. Kameraer utstyrt med infrarød-teknologi fungerer i selv de mørkeste forhold for å høste frukten i dens optimale tilstand.

Ettersom mer autonomt jordbruks-utstyr blir deployert, hva slags tiltak tar CNH for å sikre sikkerheten og regulatorisk overholdelse av disse AI-drevne systemene, særlig i diverse globale jordbruks-miljøer?

Sikkerhet og regulatorisk overholdelse er sentrale for CNHs AI-drevne systemer, og CNH samarbeider med lokale myndigheter i ulike regioner, og tillater selskapet å tilpasse sine autonome systemer for å møte regionale krav, inkludert sikkerhetsstandarder, miljø-reguleringer og data-privat-lover. CNH er også aktiv i standard-organisasjoner for å sikre at vi møter alle anerkjente og fremvoksende standarder og krav.

For eksempel, autonome sikkerhetssystemer inkluderer sensorer som kameraer, LiDAR, radar og GPS for sanntids-overvåking. Disse teknologiene muliggjør utstyret å detektere hindringer og automatisk stoppe når det detekterer noe foran. Maskinene kan også navigere komplekst terreng og reagere på miljø-endringer, og minimere risikoen for ulykker.

Hva ser du som de største hindringene for en vidt utbredt innføring av AI-drevne teknologier i jordbruket? Hvordan hjelper CNH bønder med å gå over til disse nye systemene og demonstrere deres verdi?

For tiden er de største hindringene kostnad, tilkobling og bonde-utdanning.

Men bedre avkastning, lavere utgifter, lavere fysisk stress og bedre tidshantering gjennom høyere automatisering kan kompensere for den totale eierkostnaden. Mindre gårder kan dra nytte av mer begrensede autonome løsninger, som fôr-systemer eller ettermarked-oppgraderings-kit.

Utilstrekkelig tilkobling, særlig på landsbygda, stiller utfordringer. AI-drevne teknologier krever konsekvent, alltid-på-tilkobling. CNH hjelper med å løse dette problemet gjennom samarbeidet med Intelsat og gjennom universelle modemer som kobler seg til hvilket som helst nettverk som er i nærheten – wifi, mobil eller satellitt – og gir felt-klar tilkobling for kunder i vanskelig tilgjengelige områder. Mens mange kunder oppfyller dette behovet for internett-tilkobling med CNHs marked-ledende globale mobil-virtuelle nettverk, tillater eksisterende mobil-tårn ikke en allomfattende tilkobling.

Til slutt kan den oppfattede læringskurven forbundet med AI-teknologi føles skremmende. Denne overgangen fra tradisjonelle praksiser krever utdanning og en endring i mentalitet, og det er derfor CNH arbeider hånd i hånd med kundene for å sikre at de er komfortable med teknologien og får full nytte av systemene.

Ser fremover, hvordan forestiller du deg at CNHs AI- og autonome løsninger vil utvikle seg over de neste ti årene?

CNH tar tak i kritiske, globale utfordringer ved å utvikle fremtidsrettet teknologi for å produsere mer mat på en bærekraftig måte ved å bruke færre ressurser, for en voksende befolkning. Vår fokus er å gi bønder mulighet til å forbedre sine liv og bedrifter gjennom innovative løsninger, med AI og autonomi som spiller en sentral rolle. Fremgang i data-innsamling, tilgjengelighet av sensorer, tilkobling og beregningskraft vil akselerere utviklingen av AI- og autonome systemer. Disse teknologiene vil drive fremgang i presisjons-jordbruk, autonom drift, prediktiv vedlikehold og data-drevne beslutninger, og vil til slutt dra nytte av våre kunder og verden.

<Takk for det flotte intervjuet, lesere som ønsker å lære mer bør besøke CNH.>