Jay Schroeder, CTO på CNH – Intervjuserie

Jay Schroeder är Chief Technology Officer (CTO) på CNH och ansvarar för företagets globala forsknings- och utvecklingsverksamhet. Hans ansvarsområden omfattar teknologi, innovation, fordon och redskap, precisions-teknologi, användarupplevelse och drivlina. Schroeder fokuserar på att förbättra företagets produktportfölj och precisions-teknologiska förmågor, i syfte att integrera precisionslösningar över hela utrustningsområdet. Dessutom är han involverad i att utöka CNH:s alternativa framdrivningsalternativ och tillhandahålla styrning över produktutvecklingsprocesser för att säkerställa att företagets produktportfölj uppfyller höga krav på kvalitet och prestanda.

Genom sina olika verksamheter producerar och säljer CNH jordbruksmaskiner och byggnadsmaskiner. AI och avancerad teknik, såsom datorseende och maskinlärning (ML), förändrar hur denna utrustning fungerar, vilket möjliggör innovationer som AI-styrda självkörande traktorer som hjälper lantbrukare att hantera komplexa utmaningar i deras arbete.

CNH:s självkörande traktorer drivs av modeller som tränats på djupa neurala nätverk och realtidsinferens. Kan du förklara hur denna teknik hjälper lantbrukare att utföra uppgifter som plantering med extrem precision, och hur den jämför med autonom körning i andra branscher som transport?

Medan självkörande bilar fångar rubriker har jordbruksindustrin tyst lett den autonoma revolutionen i mer än två decennier. Företag som CNH var pionjärer inom autonom styrning och hastighetskontroll långt innan Tesla (TSLA ). Idag går CNH:s teknik utöver att bara köra till att utföra högt automatiserat och autonomt arbete samtidigt som den kör sig själv. Från att plantera frön i marken exakt där de behöver vara, till att effektivt och optimalt skörda grödor och behandla jorden, allt medan den kör genom fältet, är autonom jordbruk inte bara i takt med självkörande bilar – det lämnar dem i dammet. Framtiden för transport kan vara autonom, men inom jordbruk är framtiden redan här.

Dessutom möjliggör CNH:s framtidsbevisade teknikstack autonom jordbruk långt utöver vad självkörande bilar kan uppnå. Vår programvarudefinierade arkitektur integrerar sömlöst en mängd olika tekniker, vilket möjliggör automation för komplexa jordbruksuppgifter som är mycket mer utmanande än enkel punkt-till-punkt-navigering. Interoperabilitet i arkitekturen ger lantbrukare en utan motstycke kontroll och flexibilitet för att lägga till högre teknologi genom CNH:s öppna API:er. Till skillnad från slutna system tillåter CNH:s öppna API lantbrukare att anpassa sin maskinutrustning. Tänk dig kameror som kan skilja på grödor och ogräs, aktiverade endast när det behövs – allt medan fordonet fungerar autonomt. Denna anpassningsförmåga, i kombination med förmågan att hantera tuff terräng och olika uppgifter, särskiljer CNH:s teknik. Medan Tesla och Waymo gör framsteg ligger den verkliga fronten för autonom innovation i fälten, inte på vägarna.

Begreppet “en MRI-maskin för växter” är fascinerande. Hur använder CNH syntetisk bild och maskinlärning för att identifiera grödtyp, tillväxtstadier och tillämpa riktad grödnäring?

Med hjälp av AI, datorseende-kameror och stora datamängder tränar CNH modeller för att skilja på grödor och ogräs, identifiera planttillväxtstadier och känna igen grödans hälsa över hela fältet för att bestämma den exakta mängden näringsämnen och skydd som behövs för att optimera en grödas avkastning. Till exempel med Augmenta Field Analyzer, en datorseende-applikation som skannar marken framför maskinen medan den rör sig snabbt genom fältet (upp till 20 mph) för att bedöma grödans tillstånd på fältet och vilka områden som behöver behandlas, och i vilken takt, för att göra dessa områden friskare.

Med denna teknik kan lantbrukare veta och behandla exakt var i fältet ett problem är under utveckling, så att de inte behöver behandla hela fältet med en behandling för att döda ogräs, kontrollera skadedjur eller lägga till nödvändiga näringsämnen för att förbättra grödans hälsa. AI och data-informerad sprutning av maskiner sprutar automatiskt endast de växter som behöver det. Tekniken möjliggör den exakta mängden kemikalier som behövs, applicerad exakt på rätt plats för att exakt tillgodose växternas behov och stoppa hotet mot grödan. Att identifiera och spruta endast (och exakt) ogräs som växer bland grödor kommer så småningom att minska användningen av kemikalier på fält med upp till 90%. Endast en liten mängd kemikalier behövs för att behandla varje enskild hot snarare än att behandla hela fältet för att nå samma hot.

För att generera fotorealistiska syntetiska bilder och förbättra datamängder snabbt använder CNH biofysiska procedurmodeller. Detta möjliggör teamet att snabbt och effektivt skapa och klassificera miljontals bilder utan att behöva ta sig tid att fånga riktiga bilder i den skala som behövs. Den syntetiska datan kompletterar äkta bilder, förbättrar modellträning och inferensprestanda. Till exempel kan olika situationer skapas för att träna modellerna – såsom olika belysningsförhållanden och skuggor som rör sig under dagen. Procedurmodeller kan producera specifika bilder baserat på parametrar för att skapa en datamängd som representerar olika förhållanden.

Hur exakt är denna teknik jämfört med traditionella jordbruksmetoder?

Lantbrukare fattar hundratals viktiga beslut under året men ser bara resultatet av alla dessa ackumulerade beslut en gång: vid skördetid. Den genomsnittliga åldern för en lantbrukare ökar och de flesta arbetar i mer än 30 år. Det finns ingen marginal för fel. Från det ögonblick fröet planteras måste lantbrukare göra allt de kan för att se till att grödan trivs – deras levebröd står på spel.

Vår teknik tar bort en hel del gissningar från lantbrukarnas uppgifter, såsom att bestämma de bästa sätten att ta hand om växande grödor, samtidigt som den ger lantbrukare extra tid att fokusera på att lösa strategiska affärsutmaningar. Till slut är lantbrukare som driver stora företag och förlitar sig på teknologi för att hjälpa dem att göra det på ett så effektivt, produktivt och lönsamt sätt som möjligt.

Inte bara möjliggör datan som genereras av maskinerna att lantbrukare fattar bättre, mer informerade beslut för att få bättre resultat, utan de höga nivåerna av automation och autonomi i maskinerna själva utför arbetet bättre och i större skala än vad människor kan göra. Sprutmaskiner kan “se” problemområden i tusentals hektar grödor bättre än mänskliga ögon och kan exakt behandla hot; medan teknologi som autonom jordbearbetning kan lindra bördan av att utföra ett mödosamt och tidskrävande arbete och utföra det med större noggrannhet och effektivitet i skala än en människa kan. I autonom jordbearbetning använder ett fullständigt autonomt system jordbearbetning med hjälp av sensorer i kombination med djupa neurala nätverk för att skapa idealiska förhållanden med centimeter-noggrannhet. Detta förbereder jorden för att tillåta högt konsekventa radavstånd, exakt frödjup och optimerad frösättning trots ofta drastiska jordförändringar över ett enda fält. Traditionella metoder, ofta beroende av mänskligt opererad maskinutrustning, resulterar vanligtvis i mer variation i resultat på grund av operatörsutmattning, mindre konsekvent navigering och mindre exakt positionering.

Under skördesäsongen använder CNH:s skördemaskiner edge-beräkning och kameror för att bedöma grödans kvalitet i realtid. Hur fungerar denna snabba beslutsprocess, och vilken roll spelar AI i att optimera skörden för att minska avfall och förbättra effektivitet?

En skördemaskin är en otroligt komplex maskin som utför flera processer – skörd, tröskning och insamling – i en enda, kontinuerlig operation. Den kallas för en skördemaskin just för att den kombinerar det som tidigare var flera enheter i en enda, rullande fabrik. Det händer mycket samtidigt och det finns liten utrymme för fel. CNH:s skördemaskin fattar automatiskt miljontals snabba beslut var 20:e sekund, bearbetar dem på kanten, direkt på maskinen. Kamerorna fångar och bearbetar detaljerade bilder av de skördade grödorna för att bestämma kvaliteten på varje kärna av grödan som skördas – analyserar fuktnivåer, kornkvalitet och skräpinnnehåll. Maskinen kommer automatiskt att göra justeringar baserat på bilddata för att distribuera de bästa maskininställningarna för att få optimala resultat. Vi kan göra detta idag för korn, ris, vete, majs, soja och raps och kommer snart att lägga till funktioner för sorghum, havre, fältärtor, solrosor och ärtor.

AI på kanten är avgörande för att optimera denna process genom att använda djupa lärandemodeller som tränats för att känna igen mönster i grödtillstånd. Dessa modeller kan snabbt identifiera områden i skörden som kräver justeringar, såsom att ändra skördemaskinens hastighet eller modifiera tröskningsinställningar för att säkerställa bättre separation av korn från resten av växten (till exempel att behålla varje enskild majs-kärna och ta bort alla bitar av majs-ax och -stjälk). Denna realtids-optimisering hjälper till att minska avfall genom att minimera grödskador och samla in endast högkvalitativa grödor. Det förbättrar också effektiviteten, vilket möjliggör för maskiner att fatta datadrivna beslut på vägen för att maximera lantbrukarnas grödavkastning, samtidigt som det minskar operativ stress och kostnader.

Precisionsjordbruk driven av AI och ML lovar att minska insatsavfall och maximera avkastning. Kan du förklara hur CNH:s teknik hjälper lantbrukare att minska kostnader, förbättra hållbarhet och övervinna arbetskraftsbrist i en alltmer utmanande jordbrukslandskap?

Lantbrukare står inför enorma utmaningar när det gäller att hitta kvalificerad arbetskraft. Detta är särskilt sant för jordbearbetning – ett kritiskt steg som de flesta gårdar behöver för att förbereda jorden för vintern för att skapa bättre planteringsförhållanden på våren. Precision är avgörande för jordbearbetning med noggrannhet mätt till tiondelen av en tum för att skapa optimala förhållanden för grödtillväxt. CNH:s autonoma jordbearbetningsteknik eliminerar behovet av högt kvalificerade operatörer för att manuellt justera jordbearbetningsredskap. Med ett knapptryck autonomiserar systemet hela processen, vilket möjliggör för lantbrukare att fokusera på andra viktiga uppgifter. Detta ökar produktiviteten och precisionen sparar bränsle, vilket gör driften mer effektiv.

När det gäller grödans underhåll är CNH:s sprutteknik utrustad med över 125 mikroprocessorer som kommunicerar i realtid för att förbättra kostnadseffektiviteten och hållbarheten för vatten-, närings-, herbicid- och pesticid-användning. Dessa processorer samarbetar för att analysera fältförhållanden och exakt bestämma när och var dessa näringsämnen ska appliceras, vilket eliminerar en överdriven mängd kemikalier med upp till 30% idag och upp till 90% i framtiden, vilket drastiskt minskar insatskostnaderna och mängden kemikalier som kommer in i jorden. Munstycksventilerna möjliggör att maskinen applicerar produkten exakt baserat på sprutningshastigheten, vilket säkerställer en konstant hastighet och tryck för exakt droppleverans till grödan så att varje droppe hamnar exakt där den behövs för grödans hälsa. Denna nivå av precision minskar behovet av frekventa påfyllningar, och lantbrukare behöver endast fylla sprutan en gång per dag, vilket leder till betydande vatten- och kemikaliebesparing.

Likaså förenklar CNH:s Cart Automation den komplexa och högspända uppgiften att operera en skördemaskin under skördesäsongen. Precision är avgörande för att undvika kollisioner mellan skördemaskinens huvud och spannmåls-vagnen som kör inom några centimeter från varandra i timmar i sträck. Det hjälper också till att minska grödor som går förlorade. Cart Automation möjliggör en sömlös last-i-gång-process, vilket minskar behovet av manuell samordning och möjliggör för skördemaskinen att fortsätta utföra sitt arbete utan att behöva stanna. CNH har genomfört fysiologiska tester som visar att denna assistentteknik minskar stressen för skördemaskinsoperatörer med cirka 12% och för traktoroperatörer med 18%, vilket ackumuleras när dessa operatörer är i dessa maskiner i upp till 16 timmar om dagen under skördesäsongen.

CNH-varumärket, New Holland, har nyligen samarbetat med Bluewhite för autonoma traktor-kit. Hur passar detta samarbete in i CNH:s bredare strategi för att utöka autonomi inom jordbruk?

Autonomi är framtiden för CNH, och vi tar ett medvetet och strategiskt tillvägagångssätt för att utveckla denna teknik, driven av de mest angelägna behoven hos våra kunder. Våra interna ingenjörer fokuserar på att utveckla autonomi för vår stora jordbruks-kundsegment – lantbrukare som odlar grödor som växer i stora, öppna fält, som majs och soja. En annan viktig kundbas för CNH är lantbrukare som odlar vad vi kallar “permanenta grödor” som växer i fruktträdgårdar och vingårdar. Samarbetet med Bluewhite, en beprövad ledare inom implementering av autonomi i fruktträdgårdar och vingårdar, ger oss skalan och snabbheten på marknaden för att kunna betjäna både stora jordbruks- och permanenta grödor-kundsegment med kritiskt behövlig autonomi. Med Bluewhite levererar vi en fullständigt autonom traktor i permanenta grödor, vilket gör oss till den första originalutrustningstillverkaren (OEM) med en autonom lösning i fruktträdgårdar och vingårdar.

Vår tillvägagångssätt för autonomi är att lösa de mest kritiska utmaningarna som kunder har i de jobb och uppgifter där de är angelägna om att maskinen ska slutföra arbetet och ta bort bördan på arbetskraft. Autonom jordbearbetning leder vår interna utveckling av jobb-autonomi eftersom det är en mödosam uppgift som tar lång tid under en tidsbegränsad period på året när många andra saker också måste hända. En maskin i detta fall kan utföra arbetet bättre än en mänsklig operatör. Lantbrukare i permanenta grödor har också ett brådskande behov av autonomi, eftersom de står inför extrem arbetskraftsbrist och behöver maskiner för att fylla luckorna. Dessa jobb kräver att traktorerna kör 20-30 pass genom varje fruktträdgårds- eller vingårdsrad per säsong, och utför viktiga uppgifter som att applicera näringsämnen på träden och hålla gräset mellan vinrankor klippt och fritt från ogräs.

Många av CNH:s lösningar antas av fruktträdgårds- och vingårdsoperatörer. Vilka unika utmaningar presenterar dessa miljöer för autonoma och AI-drivna maskiner, och hur anpassar CNH sin teknik för dessa specialiserade tillämpningar?

Skördetiderna förändras, och det blir svårare att hitta kvalificerad arbetskraft. Klimatförändringarna gör säsongerna mer oförutsägbara; det är livsviktigt för lantbrukare att ha teknologi redo att gå som driver precision och effektivitet när grödorna är optimala för skörd. Jordbruk kräver alltid precision, men det är särskilt nödvändigt när man skördar något så litet och känsligt som en druv eller en nöt.

De flesta automatiserade körtekniker förlitar sig på GPS för att guida maskiner på deras vägar, men i fruktträdgårdar och vingårdar kan GPS-signalerna blockeras av träd- och vingårds-grenar. Kameror och radar används i kombination med GPS för att hålla maskinerna på deras optimala väg. Och, i fruktträdgårdar och vingårdar, är skörden inte bara om hektar av enhetliga rader, utan snarare enskilda, varierande växter och träd, ofta i kuperad terräng. CNH:s automatiserade system justerar för varje plants höjd, marknivå och krävd plockhastighet för att säkerställa en kvalitets-skörd utan att skada grödan. De justerar också runt oproduktiva eller döda träd för att spara onödiga insatser. Dessa robotiska maskiner rör sig automatiskt längs växterna, säkert sträckande sig över grödan medan de försiktigt avlägsnar produkten från trädet eller vinstocken. Operatören ställer in önskad plockhöjd, och maskinerna justerar automatiskt för att upprätthålla dessa inställningar per planta, oavsett terrängen. Dessutom, för vissa frukter, är den bästa tiden för skörd när sockerhalten når sin topp på natten. Kameror utrustade med infraröd teknik fungerar även i mörka förhållanden för att skörda frukten i dess optimala tillstånd.

När alltmer autonom jordbruksutrustning används, vilka steg tar CNH för att säkerställa säkerheten och regelefterlevnaden för dessa AI-drivna system, särskilt i olika globala jordbruksmiljöer?

Säkerhet och regelefterlevnad är centrala för CNH:s AI-drivna system, och därför samarbetar CNH med lokala myndigheter i olika regioner, vilket möjliggör för företaget att anpassa sina autonoma system för att uppfylla regionala krav, inklusive säkerhetsstandarder, miljöregler och dataskyddslagar. CNH är också aktiv i standardiseringsorganisationer för att säkerställa att vi uppfyller alla erkända och framväxande standarder och krav.

Till exempel innehåller autonoma säkerhetssystem sensorer som kameror, LiDAR, radar och GPS för realtidsövervakning. Dessa tekniker möjliggör för utrustningen att upptäcka hinder och automatiskt stanna när den upptäcker något framför. Maskinerna kan också navigera i komplex terräng och svara på miljöförändringar, vilket minskar risken för olyckor.

Vad ser du som de största hindren för en bred antagande av AI-drivna tekniker inom jordbruk? Hur hjälper CNH lantbrukare att övergå till dessa nya system och demonstrera deras värde?

För närvarande är de största hindren kostnad, anslutning och lantbrukarutbildning.

Men bättre avkastning, lägre utgifter, lägre fysisk stress och bättre tidsmanagement genom höjd automation kan kompensera den totala ägandekostnaden. Mindre gårdar kan dra nytta av mer begränsade autonoma lösningar, som fodersystem eller eftermarknadsuppgraderingskit.

Otillräcklig anslutning, särskilt på landsbygden, utgör utmaningar. AI-drivna tekniker kräver konstant, alltid-på-anslutning. CNH hjälper till att adressera detta genom sitt samarbete med Intelsat och genom universella modem som ansluter till vilken nätverk som helst i närheten – Wi-Fi, cellulär eller satellit – och tillhandahåller fält-klar anslutning för kunder i svårtillgängliga områden. Medan många kunder uppfyller detta behov av internetanslutning med CNH:s marknadsledande globala mobil virtuell nätverk, möjliggör inte befintliga cellulära torn en allomfattande anslutning.

Slutligen kan den upplevda inlärningskurvan som förknippas med AI-teknik kännas överväldigande. Denna övergång från traditionella metoder kräver utbildning och en förändring av mentalitet, vilket är varför CNH arbetar nära med kunderna för att säkerställa att de känner sig bekväma med tekniken och får full nytta av systemen.

Om vi blickar framåt, hur ser du att CNH:s AI- och autonoma lösningar utvecklas under de kommande tio åren?

CNH tacklar kritiska, globala utmaningar genom att utveckla banbrytande teknologi för att producera mer mat på ett hållbart sätt med färre resurser, för en växande befolkning. Vår fokus ligger på att ge lantbrukare möjlighet att förbättra sin levnadsstandard och sina företag genom innovativa lösningar, där AI och autonomi spelar en central roll. Framsteg inom datainsamling, sensorers prisvärdhet, anslutning och beräkningskraft kommer att påskynda utvecklingen av AI- och autonoma system. Dessa tekniker kommer att driva framsteg inom precisionsjordbruk, autonom drift, prediktivt underhåll och datadriven beslutsfattning, vilket slutligen kommer att gynna våra kunder och världen.

Tack för den underbara intervjun, läsare som vill lära sig mer bör besöka CNH.