Jay Schroeder, CTO i CNH – Intervju-serie

Jay Schroeder er Chief Technology Officer (CTO) i CNH, og har ansvar for selskapets globale forskning og utvikling. Hans ansvarsområder inkluderer teknologi, innovasjon, kjøretøy og redskaper, presisjonsteknologi, brukeropplevelse og drivverk. Schroeder fokuserer på å forbedre selskapets produktportefølje og presisjonsteknologikapasiteter, med målet å integrere presisjonsløsninger over 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.

Through sine forskjellige 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 trenet 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 (TSLA ). I dag går CNHs teknologi langt utenfor bare kjøring til å utføre høyt automatisert og autonomt arbeid samtidig som de kjører seg selv. Fra å plante frø nøyaktig der de trengs, til å høste avlinger og behandle jorden effektivt og optimalt, mens de kjører gjennom feltet, er autonom jordbruk ikke bare like godt som selvkjørende biler – det er foran dem. Fremtiden for transport kan være autonom, men i jordbruk er fremtiden allerede her.

Further, CNHs fremtidssikrede teknologistack muliggjør autonom jordbruk langt utenfor hva selvkjørende biler kan oppnå. Vår programvare-definerte arkitektur integrerer sammenhengende 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 at bønder kan tilpasse sine maskiner. Tenk deg kamera-sensorer som skiller avlinger fra ugras, aktiveres bare når det er nødvendig – samtidig som kjøretøyet opererer autonomt. Denne tilpasningen, kombinert med evnen til å håndtere røft terreng og diverse oppgaver, skiller CNHs teknologi fra andre.

Begrepet “MRI-maskin for planter” er fascinerende. Hvordan muliggjør CNHs bruk av syntetisk bilde og maskinlæring at maskinene kan identifisere avlingstype, vekstfaser og anvende målrettet avlingsnæring?

Ved å bruke AI, computer-vision-kameraer og massive datamengder, trener CNH modeller for å skille avlinger fra ugras, identifisere plantens vekstfaser og gjenkjenne avlingens helse over hele feltet for å bestemme den eksakte mengden næringsstoffer og beskyttelse som trengs for å optimalisere avlingens avkast. For eksempel, med Augmenta Field Analyzer, en computer-vision-applikasjon som skanner jorden foran maskinen mens den flytter seg raskt gjennom feltet (opptil 20 mph) for å vurdere avlingsforholdene på feltet og bestemme 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 i feltet et problem utvikler seg, slik at de ikke behøver å dekke hele feltet med en behandling for å drepe ugras, kontrollere skadedyr eller legge til nødvendige næringsstoffer for å forbedre avlingens helse. Teknologien muliggjør den eksakte mengden kjemikalier som trengs, og den blir anvendt i eksakt riktig sted for å presist adresse plantenes behov og stoppe noen trusler mot avlingen. Identifisering og sprøyting av bare (og eksakt) 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 samme trusler.

Til 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 fange ekte bilder i den skalaen som trengs. De syntetiske dataene supplementerer ekte bilder, og forbedrer modelltrening 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. Prosedyremodeller kan produsere spesifikke 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 til en bonde er økende, og de fleste arbeider 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 levebrød er på spill.

Vår teknologi fjerner mye av gjetningen fra bøndenes oppgaver, som å bestemme de beste måtene å ta vare på voksende avlinger på, samtidig som den 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 å gjøre det mest effektivt, produktivt og lønnsomt.

Ikke bare muliggjør dataene generert av maskinene at bønder kan 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 et høyere nivå enn mennesker kan gjøre. Sprøytemaskiner kan “se” problempunkter i tusenvis av acres av avlinger bedre enn menneskelige øyne og kan presist behandle trusler; mens teknologi som autonom jordbearbeiding kan lettet byrden av å utføre et møysommelig og tidkrevende arbeid og utføre det med mer nøyaktighet og effektivitet på et større nivå enn et menneske kunne. I autonom jordbearbeiding bruker et fullstendig autonomt system 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 optimalt 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 operatør-utmattelse, mindre konsistent navigasjon og mindre nøyaktig plassering.

Under høstsesongen bruker CNHs kombinatmaskiner edge-computing og kamera-sensorer for 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 kombinasjonsmaskin er en usedvanlig kompleks maskin som utfører flere prosesser – høsting, tresking og innhøsting – i en enkelt, sammenhengende operasjon. Det kalles en kombinasjon fordi det kombinerer hva som tidligere var flere enheter i én fabrikk-på-hjul. Det skjer mye samtidig, og det er lite rom for feil. CNHs kombinasjonsmaskin tar millioner av raske beslutninger hver 20. sekund, og prosesserer dem på kanten, rett på maskinen. Kamera-sensorer fanger og prosesserer detaljerte bilder av høstede avlinger 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 funksjoner for sorghum, havre, fôrpeas, solsikker og bønner.

AI på kanten er avgjørende for å optimalisere denne prosessen ved å bruke dype læremodeller trenet for å gjenkjenne mønster i avlingsforhold. Disse modellene kan raskt identifisere områder av høsten som krever justeringer, som å endre kombinasjonsmaskinens hastighet eller modifisere treske-innstillingene for å sikre bedre separasjon av korn fra resten av planten (for eksempel ved å beholde bare hver enkelt mais-korn 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 datadrevne beslutninger på vei for å maksimere bøndenes avlings-avkast, samtidig som det reduserer operasjonell stress og kostnader.

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

Bønder møter enorme hindringer i å finne kvalifisert arbeidskraft. Dette er spesielt sant for jordbearbeiding – en kritisk prosess som de fleste gårder krever for å forberede jorden for vinteren for å gjøre bedre plantingsforhold om våren. Presisjon er avgjørende i jordbearbeiding, med nøyaktighet målt til tiendedelen av en tomme for å skape optimale avlingsforhold. CNHs autonome jordbearbeidings-teknologi eliminerer behovet for høyt kvalifiserte operatører for å manuelt justere jordbearbeidings-verktøy. Med et knappetrykk kan systemet autonomisere hele prosessen, og lar bønder fokusere på andre essensielle oppgaver. Dette booster produktivitet, og presisjonen bevarer brensler, 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 til 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 en overflod av kjemikalier med opptil 30% i dag og opptil 90% i nær fremtid, og dramatisk kutte inngangs-kostnader og mengden kjemikalier som kommer inn i jorden. Dyseventilene tillater maskinen å nøyaktig anvende produktet ved å automatisk justere basert på sprøyte-maskinens hastighet, og sikrer en konstant rate og trykk for presis dråpe-levering til avlingen, så hver dråpe lander eksakt der den trengs for avlingens helse. Denne nivået av presisjon reduserer behovet for hyppige påfyll, og bønder trenger bare å fylle sprøytemaskinen en gang om dagen, og det fører til betydelig vann- og kjemikalie-bevaring.

Liknende er CNHs Vogn-automatisering som forenkler den komplekse og høy-stress-oppgaven med å operere en kombinasjonsmaskin under høst. Presisjon er avgjørende for å unngå kollisjoner mellom kombinasjonsmaskinens hode og korn-vognen som kjører innen noen få tommer fra hverandre i timevis. Det hjelper også med å redusere avlings-tap. Vogn-automatisering muliggjør en sammenhengende last-på-vei-prosess, og reduserer behovet for manuell koordinasjon, og lar kombinasjonsmaskinen fortsette å utføre sin jobb uten å måtte stoppe. CNH har gjennomført fysiologisk testing som viser at denne assistive-teknologien reduserer stress for kombinasjonsmaskin-operatører med ca. 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 partnerskap 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. En annen viktig kundebase for CNH er bønder som dyrker “permanente avlinger” som vokser i frukthager og vingårder. Partnerskapet med Bluewhite, en ledende aktør i å implementere autonomi i frukthager og vingårder, lar oss skale og hastighet til markedet for å kunne betjene 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-utstyrs-leverandøren (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 jordbearbeiding leder vår interne jobb-utvikling fordi det er en møysommelig oppgave 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. Permanente avlings-bønder har også en 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. Hva er de unike utfordringene i disse miljøene for autonome og AI-drevne maskiner, og hvordan tilpasser CNH sine teknologier for disse spesialiserte anvendelsene?

Vinduene for høsting endrer seg, og å finne kvalifisert arbeidskraft blir vanskeligere. Klimaendringer gjør sesongene mer uforutsigbare; det er kritisk for bønder å ha teknologi klar til å drive presisjon og effektivitet når avlingene er optimale for høsting. Jordbruk krever alltid presisjon, men det er spesielt nødvendig når man høster noe så smått og ømt som en drue eller en nøtt.

De fleste automatiske kjøringsteknologier avhenger av GPS for å guide maskinene på deres vei, men i frukthager og vingårder kan GPS-signalerne 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 påkrevd plukke-hastighet for å sikre en kvalitets-avkast 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 holder seg trygt på avstand fra avlingen, samtidig som de delikat fjerner produktet fra treet eller vinen. Operatøren setter ønsket plukke-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 gjør CNH for å sikre sikkerheten og regulativ overholdelse av disse AI-drevne systemene, spesielt i diverse globale jordbruks-miljøer?

Sikkerhet og regulativ overholdelse er sentrale for CNHs AI-drevne systemer, og CNH samarbeider med lokale myndigheter i forskjellige regioner for å tilpasse sine autonome systemer til å møte regionale krav, inkludert sikkerhets-standarder, miljø-reguleringer og personverns-lover. CNH er også aktiv i standard-organisasjoner for å sikre at vi møter alle anerkjente og fremvoksende standarder og krav.

For eksempel inkluderer autonome sikkerhetssystemer sensorer som kameraer, LiDAR, radar og GPS for sanntids-overvåking. Disse teknologiene muliggjør at utstyret kan 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 bred 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 kostnader, tilkobling og bonde-utdanning.

Men bedre avkast, 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, spesielt i landlige områder, utgjør en utfordring. AI-drevne teknologier krever konstant, alltid-på-tilkobling. CNH hjelper med å løse dette problemet gjennom samarbeidet med Intelsat og gjennom universelle modemer som kobler til hvilket som helst nettverk som er i nærheten – wifi, mobil, eller satellitt – og gir felt-klar tilkobling for kunder i vanskelige å nå områder. Mens mange kunder oppfyller dette behovet for internett-tilkobling med CNHs marked-ledende globale mobile virtuelle nettverk, muliggjør eksisterende cellulære tårn ikke en allomfattende tilkobling.

Til slutt kan den oppfattede læringskurven forbundet med AI-teknologi føles skremmende. Denne overgangen fra tradisjonelle metoder krever utdanning og en endring i tankemåte, 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 ser du for deg at CNHs AI- og autonome løsninger vil utvikle seg de neste ti årene?

CNH tar tak i kritiske, globale utfordringer ved å utvikle banebrytende teknologi for å produsere mer mat på en bærekraftig måte ved å bruke færre ressurser, for en voksende befolkning. Vår fokus er å empowerment bønder for å forbedre deres levebrød og bedrifter gjennom innovative løsninger, hvor AI og autonomi 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 datadrevne beslutninger, og vil til sluttbenefice kundene våre og verden.

Takk for det flotte intervjuet, lesere som ønsker å lære mer kan besøke CNH.