ИИ в сельском хозяйстве: компьютерное зрение, роботы и весы для свиней

Искусственный интеллект быстро завоевывает сельское хозяйство и пищевую промышленность.

Компьютерное зрение в анализе культур

Чтобы прокормить миллиарды людей, нужно много земли. В настоящее время это невозможно сделать вручную. В то же время заболевания растений и нашествия насекомых часто приводят к неурожаям. С современным масштабом сельскохозяйственного бизнеса такие нашествия трудно выявить и нейтрализовать в зародыше.

Это вводит еще одну область, где алгоритмы компьютерного зрения могут помочь. Фермеры используют компьютерное зрение, чтобы распознавать заболевания культур, как на микроуровне, из близких изображений листьев и растений, так и на макроуровне, выявляя ранние признаки заболеваний растений или вредителей с помощью аэрофотосъемки. Эти проекты обычно основаны на популярном подходе к компьютерному зрению: свёрточные нейронные сети.

Обратите внимание, что я говорю здесь о компьютерном зрении в очень широком смысле. Во многих случаях изображения не являются лучшим источником данных. Многие важные аспекты жизни растений можно лучше изучить другими способами. Здоровье растений можно часто лучше понять, например, собирая гиперспектральные изображения с помощью специальных датчиков или выполняя 3D лазерную сканировку. Такие методы все чаще используются в агрономии. Этот тип данных обычно имеет высокое разрешение и ближе к медицинской визуализации, чем к фотографиям. Одна из систем для мониторинга полей называется AgMRI. Для обработки этих данных необходимы специальные модели, но их пространственная структура позволяет использовать современные технологии компьютерного зрения, в частности, свёрточные нейронные сети.

Миллионы инвестируются в исследования фенотипирования и изображений растений. Основная задача здесь – собрать большие наборы данных о культурах (обычно в виде фотографий или трехмерных изображений) и сравнить фенотипические данные с генотипом растений. Результаты и данные можно использовать для улучшения сельскохозяйственных технологий во всем мире.

Робототехника в сельском хозяйстве

Автономные сельскохозяйственные роботы, такие как Prospero, могут выкопать яму в земле и посадить что-то в нее, следуя предварительно определенным общим закономерностям и учитывая специфические характеристики ландшафта. Роботы также могут заботиться о процессе роста, работая с каждым растением индивидуально. Когда придет время, роботы соберут урожай, снова обращаясь с каждым растением точно так, как должно. Prospero основан на концепции стайного земледелия. Представьте себе армию маленьких Prospero, ползущих по полям и оставляющих за собой аккуратные, ровные ряды растений. Интересно, что Prospero на самом деле появился еще в 2011 году, до начала современной революции глубокого обучения. Сегодня роботы быстро распространяются в сельском хозяйстве, позволяя автоматизировать все больше и больше рутинных задач:

• Автоматические беспилотники распыляют культуры. Маленькие, ловкие беспилотники могут доставлять опасные химикаты более точно, чем обычные самолеты. Кроме того, беспилотники-распылители можно использовать для аэрофотосъемки, чтобы получить данные для алгоритмов компьютерного зрения, упомянутых в начале этой статьи.
• Разрабатываются и используются все больше специализированных роботов для сбора урожая. Комбайны существуют уже давно. Однако только сейчас, с помощью современных методов компьютерного зрения и робототехники, стало возможным разработать, например, робота, который собирает клубнику.
• Роботы, такие как Hortibot, могут распознавать и убивать отдельные сорняки, механически удаляя их. Это еще один большой успех современной робототехники и компьютерного зрения, поскольку ранее было невозможно различать сорняки и полезные растения и работать с небольшими растениями с помощью манипуляторов.

Хотя многие сельскохозяйственные роботы все еще являются прототипами или тестируются на небольшом масштабе, уже ясно, что МО, ИИ и робототехника могут хорошо работать в сельском хозяйстве. Можно с уверенностью предсказать, что все больше и больше сельскохозяйственных работ будет автоматизировано в ближайшем будущем.

Уход за фермерскими животными

Многочисленные способы использования ИИ в сельском хозяйстве активно разрабатываются. Например, пилотный проект Neuromation привносит компьютерное зрение в отрасль, которая еще не получила много внимания от сообщества глубокого обучения: животноводство.

Конечно, были попытки использовать машинное обучение на данных отслеживания скота. Например, пакистанский стартап Cowlar представил ошейник, который удаленно отслеживает активность и температуру коров под привлекательным слоганом “FitBit для коров”. Французские ученые разрабатывают систему распознавания лиц для коров.

Также предпринимаются попытки использовать компьютерное зрение в ранее заброшенной отрасли, стоимостью сотни миллиардов долларов – свиноводстве. На современных фермах свиньи содержатся в относительно небольших группах, в которых отбираются самые похожие животные. Основная стоимость в производстве свинины – это корм, и оптимизация процесса откорма является центральной задачей современного свиноводства.

Фермеры, скорее всего, смогут решить эту проблему, если у них будет подробная информация о наборе веса свиней. Согласно этому сайту, животных обычно взвешивают только дважды в течение всей жизни: в самом начале и самом конце откорма. Если эксперты знали, как каждый поросенок набирает вес, было бы возможно составить индивидуальную программу откорма для каждого свиньи, и даже индивидуальный состав кормовых добавок, что значительно улучшит выход. Не очень сложно загнать животных на весы, но это巨альный стресс для животного, и свиньи теряют вес из-за стресса. Новый проект ИИ планирует разработать новый, неинвазивный метод взвешивания животных. Neuromation собирается построить модель компьютерного зрения, которая будет оценивать вес свиней по фотографиям и видеоданным. Эти оценки будут поданы в уже классические, аналитические модели машинного обучения, которые улучшат процесс откорма.

Сельское хозяйство на переднем крае искусственного интеллекта

Сельское хозяйство и животноводство часто считаются старомодными отраслями. Однако сегодня сельское хозяйство все чаще появляется на переднем крае искусственного интеллекта.

Основная причина этого заключается в том, что многие задачи в сельском хозяйстве одновременно:

• Достаточно сложны, чтобы их нельзя было автоматизировать без использования современного искусственного интеллекта и глубокого обучения. Выращенные растения и свиньи, хотя и похожи друг на друга, все же не сошли с одной и той же сборочной линии, каждая томатная bushes и каждая свинья нуждается в индивидуальном подходе, и поэтому до недавнего времени человеческое вмешательство было абсолютно необходимо.
• Достаточно просты, чтобы с помощью современного развития искусственного интеллекта мы могли решить их, учитывая индивидуальные различия между растениями и животными, а также автоматизируя технологии для работы с ними. Вождение трактора в открытом поле легче, чем вождение автомобиля в пробке, и взвешивание свиньи легче, чем обучение пройти тест Тьюринга.

Сельское хозяйство остается одной из крупнейших и наиболее важных отраслей на планете, и даже крошечное увеличение эффективности принесет огромные выгоды просто из-за огромного масштаба этой отрасли. Вождение в поле легче, чем вождение автомобиля в пробке, и взвешивание свиньи легче, чем обучение пройти тест Тьюринга. Сельское хозяйство остается одной из крупнейших и наиболее важных отраслей на планете, и даже крошечное увеличение эффективности принесет огромные выгоды просто из-за огромного масштаба этой отрасли.