Yapay Zeka Tarımında: Bilgisayarlı Görü, Robotlar ve Domuzlar için Teraziler

Yapay zeka, tarım ve gıda endüstrisini hızla ele geçirmektedir.

Bilgisayarlı görüntüleme bitki analizinde

Milyarlarca insanı beslemek için çok fazla araziye ihtiyaç vardır. Günümüzde bunu manuel olarak yapmak imkansızdır. Aynı zamanda, bitki hastalıkları ve böcek istilaları sık sık ürün kaybına neden olur. Modern tarım işinin boyutuyla, bu istilaları zamanında tespit etmek ve nötralize etmek zorlaşır.

Bu, bilgisayar görme algoritmalarının yardım edebileceği bir başka alan daha tanıtır. Üreticiler, bilgisayar görme kullanarak bitki hastalıklarını tanır, hem mikro düzeyde, yaprakların ve bitkilerin yakın çekim görüntülerinden, hem de makro düzeyde, hava fotoğrafçılığından bitki hastalığı veya böcek istilalarının erken belirtilerini belirler. Bu projeler genellikle bilgisayar görme yaklaşımına dayanır: convolutional neural networks.

Şurayı not edin, burada bilgisayar görme hakkında çok geniş bir anlamda konuşuyorum. Çoğu durumda, görüntüler en iyi veri kaynağı değildir. Bitki yaşamının birçok önemli yönü başka yollarla daha iyi incelenebilir. Bitki sağlığı, Örneğin, özel sensörlerle hiperspektral görüntüler toplamak veya 3D lazer taraması yapmak suretiyle daha iyi anlaşılabilir. Bu yöntemler giderek daha fazla agronomide kullanılmaktadır. Bu veri türü genellikle yüksek çözünürlüklüdür ve tıbbi görüntüleme rather than fotoğraflara daha yakındır. Alan izleme sistemlerinden biri AgMRI olarak adlandırılır. Bu verileri işlemek için özel modellere ihtiyaç duyulur, ancak onların uzaysal yapısı, modern bilgisayar görme teknolojilerinin, özellikle de convolutional neural networks’in kullanılmasını sağlar.

Bitki fenotipleme ve görüntüleme araştırmalarına milyonlarca dolar yatırım yapılmaktadır. Burada temel görev, ürünler hakkında (genellikle fotoğraf veya üç boyutlu görüntüler şeklinde) büyük veri kümeleri toplamak ve fenotip verilerini bitki genotipi ile karşılaştırmaktır. Sonuçlar ve veriler, dünya çapındaki tarım teknolojilerini iyileştirmek için kullanılabilir.

Tarımda robotik

Özerk tarım robotları gibi Prospero, önceden belirlenmiş genel desenlere uyarak ve manzaranın özel özelliklerini dikkate alarak toprağa bir delik kazabilir ve bir şeyler ekebilir. Robotlar ayrıca büyüme sürecine bakabilir, her bitkiyle bireysel olarak çalışabilir. Zamanı geldiğinde, robotlar hasat yapacak, yine her bitkiyi gerektiği gibi işleyecektir. Prospero, sürü tarımı kavramına dayanır. Küçük Prospero ordusunun tarlalara yayıldığını ve ardında düzgün, eşit aralıklı bitki sıraları bıraktığını hayal edin. İlginç bir şekilde, Prospero aslında modern derin öğrenme devriminden önce, 2011 yılında ortaya çıktı. Bugün, robotlar tarımda hızla yayılıyor ve daha fazla rutin görevi otomatikleştirmenize izin veriyor:

• Otomatik drone ilaçlama. Küçük, çevik drone’lar, geleneksel uçaklardan daha doğru bir şekilde tehlikeli kimyasalları teslim edebilir. Ayrıca, sprey drone’lar, bu makalenin başında bahsedilen bilgisayar görme algoritmaları için veri elde etmek amacıyla hava fotoğrafçılığı için kullanılabilir.
• Daha fazla uzmanlaşmış hasat robotları geliştiriliyor ve kullanılıyor. Kombine hasat makineleri uzun süredir var. Ancak şimdi, modern bilgisayar görme ve robotik yöntemlerinin yardımıyla, Örneğin, bir çilek toplama robotu geliştirmek mümkün oldu.
• Hortibot gibi robotlar, mekanik olarak onları çıkarmak suretiyle bireysel yabani otları tanıyıp öldürebiliyor. Bu, modern robotik ve bilgisayar görme teknolojisinin bir başka büyük başarısıdır, çünkü önce yabani otları faydalı bitkilerden ayırt etmek ve küçük bitkilerle manipülatörler kullanarak çalışmak imkansızdı.

Çok sayıda tarım robotu hala prototip veya küçük ölçekli testlerde olsa da, artık AI, ML ve robotik teknolojilerinin tarımda iyi çalışabileceği açıkça görülüyor. Gelecek yıllarda daha fazla tarım işinin otomatikleştirileceği güvenli bir şekilde öngörülebilir.

Çiftlik hayvanlarının bakımı

Tarımda yapay zekanın kullanılabileceği daha birçok yol aktif olarak geliştiriliyor. Örneğin, Neuromation tarafından yürütülen bir pilot proje, derin öğrenme topluluğunun henüz çok dikkat etmediği bir endüstriye bilgisayar görme getiriyor: hayvancılık.

Elbette, hayvan izleme verilerine makine öğrenimi uygulamak için girişimler olmuştur. Örneğin, Pakistani startup Cowlar, “İnekler için FitBit” sloganıyla ineklerin faaliyetlerini ve sıcaklığını uzaktan izleyen bir yakayı tanıttı. Fransız bilim adamları, ineklerin yüz tanıma geliştiriyorlar.

Önceden ihmal edilen, yüz milyarlarca dolar değerindeki bir endüstriye – domuz yetiştiriciliğine – bilgisayar görme teknolojisinin uygulanması da denendi. Modern çiftliklerde, domuzlar tương đối küçük gruplarda tutulur ve bu gruplarda en benzer hayvanlar seçilir. Domuz üretiminde ana maliyet, yemdir ve yağlanma sürecinin optimizasyonu, modern domuz yetiştiriciliğinin merkezi görevidir.

Çiftçiler, her domuzun yağlanma oranına ilişkin ayrıntılı bilgiye sahip olsalardı, bu problemi çözebilirlerdi. Bu siteye göre, hayvanlar genellikle sadece tüm yaşamlarının başlangıcında ve sonunda tartılır. Eğer uzmanlar her bir domuzun nasıl yağlandığını bilseydi, her bir domuz için bireysel bir yağlanma programı ve hatta yiyecek katkı maddelerinin bireysel bir bileşimi hazırlamak mümkün olacaktı, bu da verimi önemli ölçüde artırabilecekti. Hayvanları terazilere sürmek çok zor değildir, ancak bu, hayvan için büyük bir strestir ve domuzlar stresten kilo kaybeder. Yeni AI projesi, hayvanları tartmak için yeni, invazif olmayan bir yöntem geliştirmeyi planlıyor. Neuromation, fotoğrafik ve video verilerine dayalı olarak domuzların ağırlığını tahmin eden bir bilgisayar görme modeli oluşturacak. Bu tahminler, zaten klasik olan analitik makine öğrenimi modellerine beslenecek ve yağlanma sürecini iyileştirecektir.

Tarımda yapay zeka sınırında

Tarım ve hayvancılık genellikle eski moda endüstriler olarak görülür. Ancak bugün, tarım giderek yapay zekanın ön saflarında yer almaktadır.

Buradaki temel neden, tarımdaki birçok görevin aynı anda:

• Modern yapay zeka ve derin öğrenme olmadan otomatikleştirilemeyecek kadar karmaşıktır. Yetiştirilen bitkiler ve domuzlar, birbirlerine benzer olsalar da, aynı montaj hattından çıkmadılar, her bir domuz ve her bir bitki bireysel bir yaklaşım gerektirir ve bu nedenle, çok yakın zamana kadar, insan müdahalesi mutlak olarak gerekliydi.
• Bugün yapay zekanın gelişimiyle, bireysel farklılıkları dikkate alarak ve aynı zamanda teknolojileri otomatikleştirebiliriz. Açık bir arazide traktör sürmek, trafikte araba sürmekten daha kolaydır ve bir domuzu tartmak, Turing testini geçmekten daha kolaydır.

Tarım, hala dünyanın en büyük ve en önemli endüstrilerinden biri olup, verimlilikte nawet küçük bir artış, endüstrinin devasa boyutu nedeniyle büyük kazançlar getirecektir.