Inteligência Artificial na Agricultura: Visão Computacional, Robótica e Pesagem de Porcos

A inteligência artificial está rapidamente conquistando a agricultura e a indústria alimentícia.

Visão computacional na análise de culturas

Para alimentar bilhões de pessoas, é necessário um grande território. É impossível cultivá-lo manualmente nos dias de hoje. Ao mesmo tempo, doenças de plantas e invasões de insetos frequentemente levam a falhas nas colheitas. Com a escala moderna dos negócios agrícolas, tais invasões são difíceis de identificar e neutralizar a tempo.

Isso introduz mais uma área onde os algoritmos de visão computacional podem ajudar. Os agricultores usam visão computacional para reconhecer doenças de culturas, tanto no nível micro, a partir de imagens de folhas e plantas, quanto no nível macro, identificando os primeiros sinais de doenças de plantas ou pragas a partir de fotografias aéreas. Esses projetos são geralmente baseados na abordagem popular de visão computacional: redes neurais convolucionais.

Observe que estou falando aqui sobre visão computacional em um sentido muito amplo. Em muitos casos, as imagens não são a melhor fonte de dados. Muitos aspectos importantes da vida das plantas podem ser melhor estudados de outras maneiras. A saúde das plantas pode ser frequentemente melhor compreendida, por exemplo, coletando imagens hiperespectrais com sensores especiais ou realizando varreduras de laser 3D. Tais métodos estão sendo cada vez mais utilizados em agronomia. Esse tipo de dados é geralmente de alta resolução e está mais próximo da imagem médica do que da fotografia. Um dos sistemas de monitoramento de campo é chamado de AgMRI. Para processar esses dados, são necessários modelos especiais, mas sua estrutura espacial permite o uso de tecnologias modernas de visão computacional, em particular, redes neurais convolucionais.

Milhões estão sendo investidos em pesquisas de fenotipagem e imagem de plantas. A tarefa principal aqui é coletar grandes conjuntos de dados sobre culturas (geralmente na forma de fotografias ou imagens tridimensionais) e comparar dados de fenótipo com genótipo de plantas. Os resultados e dados podem ser usados para melhorar tecnologias agrícolas em todo o mundo.

Robótica na agricultura

Robôs agrícolas autônomos, como o Prospero, podem cavar um buraco no chão e plantar algo nele, seguindo padrões gerais pré-determinados e levando em conta as características específicas do terreno. Os robôs também podem cuidar do processo de crescimento, trabalhando com cada planta individualmente. Quando chegar a hora, os robôs colherão, novamente tratando cada planta com precisão. O Prospero é baseado no conceito de agricultura em enxame. Imagine um exército de pequenos Prospero rastejando pelos campos, deixando fileiras ordenadas de plantas em seu rastro. Interessantemente, o Prospero surgiu em 2011, antes do auge da revolução do aprendizado profundo moderno. Hoje, robôs estão se espalhando rapidamente na agricultura, permitindo que você automatize mais e mais tarefas rotineiras:

• Drões automatizados pulverizam culturas. Drões pequenos e ágeis são capazes de entregar produtos químicos perigosos com mais precisão do que aeronaves convencionais. Além disso, drões pulverizadores podem ser usados para fotografia aérea para obter dados para algoritmos de visão computacional mencionados no início deste artigo.
• Mais e mais robôs especializados para colheita estão sendo desenvolvidos e utilizados. Colhedoras de grãos existem há muito tempo. No entanto, apenas agora, com a ajuda de métodos modernos de visão computacional e robótica, foi possível desenvolver, por exemplo, um robô que colhe morangos.
• Robôs como o Hortibot são capazes de reconhecer e matar ervas daninhas individualmente, removendo-as mecanicamente. Este é mais um grande sucesso da robótica e visão computacional modernas, pois antes era impossível distinguir ervas daninhas de plantas úteis e trabalhar com plantas pequenas usando manipuladores.

Embora muitos robôs agrícolas ainda sejam protótipos ou estejam sendo testados em pequena escala, já está claro que ML, IA e robótica podem funcionar bem na agricultura. Pode ser previsto com segurança que mais e mais trabalhos agrícolas serão automatizados no futuro próximo.

Cuidando de animais de fazenda

Muitas mais maneiras de usar IA na agricultura estão sendo ativamente desenvolvidas. Por exemplo, um projeto piloto da Neuromation traz visão computacional para uma indústria que ainda não recebeu muita atenção da comunidade de aprendizado profundo: a criação de animais.

Houve, é claro, tentativas de usar aprendizado de máquina em dados de rastreamento de gado. Por exemplo, a startup paquistanesa Cowlar introduziu um colar que monitora remotamente a atividade e a temperatura de vacas sob o slogan atraente “FitBit para vacas”. Cientistas franceses estão desenvolvendo reconhecimento facial para vacas.

Existem também tentativas de usar visão computacional em uma indústria anteriormente negligenciada, que vale centenas de bilhões de dólares – a criação de porcos. Em fazendas modernas, os porcos são mantidos em grupos relativamente pequenos, nos quais os animais mais semelhantes são selecionados. O principal custo na produção de porcos é a comida, e a otimização do processo de engorda é a tarefa central da produção de porcos moderna.

Os agricultores provavelmente seriam capazes de resolver esse problema se tivessem informações detalhadas sobre o ganho de peso dos porcos. De acordo com este site, os animais são normalmente pesados apenas duas vezes em toda a vida: no início e no final do processo de engorda. Se os especialistas soubessem como cada leitão está engordando, seria possível criar um programa de engorda individual para cada porco, e até mesmo uma composição individual de suplementos alimentares, o que melhoraria significativamente a produtividade. Não é muito difícil levar os animais para as balanças, mas isso é um grande estresse para o animal, e os porcos perdem peso devido ao estresse. O novo projeto de IA planeja desenvolver um método não invasivo de pesagem de animais. A Neuromation pretende construir um modelo de visão computacional que estimará o peso dos porcos a partir de dados de foto e vídeo. Essas estimativas serão alimentadas em modelos de aprendizado de máquina analíticos clássicos que melhorarão o processo de engorda.

Agricultura na fronteira da inteligência artificial

Agricultura e criação de animais são frequentemente consideradas indústrias antiquadas. No entanto, hoje em dia, a agricultura está cada vez mais aparecendo na vanguarda da inteligência artificial.

A principal razão aqui é que muitas tarefas na agricultura são simultaneamente:

• Suficientemente complexas para que não possam ser automatizadas sem o uso de inteligência artificial e aprendizado profundo modernos. Plantas cultivadas e porcos, embora semelhantes entre si, ainda não saíram da mesma linha de montagem, cada planta e cada porco precisa de uma abordagem individual, e, portanto, até muito recentemente, a intervenção humana era absolutamente necessária.
• Suficientemente simples para que, com o desenvolvimento atual da inteligência artificial, possamos resolvê-las, levando em conta as diferenças individuais entre plantas e animais, ao mesmo tempo em que automatizamos as tecnologias para trabalhar com eles. Dirigir um trator em um campo aberto é mais fácil do que dirigir um carro no trânsito, e pesar um porco é mais fácil do que aprender a passar no teste de Turing.

A agricultura ainda é uma das maiores e mais importantes indústrias do planeta, e mesmo um pequeno aumento na eficiência trará grandes ganhos, simplesmente devido à escala dessa indústria. dirigir um trator em um campo é mais fácil do que dirigir um carro no trânsito, e pesar um porco é mais fácil do que aprender a passar no teste de Turing. A agricultura ainda é uma das maiores e mais importantes indústrias do planeta, e mesmo um pequeno aumento na eficiência trará grandes ganhos, simplesmente devido à escala dessa indústria.