杰伊·施罗德，CNH 首席技术官 – 采访系列

杰伊·施罗德（Jay Schroeder）担任 CNH 的首席技术官（CTO），负责公司的全球研究和开发业务。他的职责包括管理技术、创新、车辆和设备、精确技术、用户体验和动力系统等领域。施罗德专注于提高公司的产品组合和精确技术能力，目标是将精确解决方案整合到整个设备范围内。此外，他还参与扩大 CNH 的替代动力产品，并对产品开发流程进行治理，以确保公司的产品组合达到高标准的质量和性能。

通过其各个业务，CNH 生产和销售农业机械和建筑设备。人工智能和先进技术，如 计算机视觉、机器学习(ML) 和摄像头传感器，正在改变这些设备的操作方式，实现了诸如人工智能驱动的自动驾驶拖拉机等创新，这些拖拉机帮助农民解决工作中的复杂挑战。

CNH 的自动驾驶拖拉机由深度神经网络和实时推理训练的模型提供动力。您能解释一下这项技术如何帮助农民以极高的精度完成任务，如种植，并且它与其他行业（如交通）中的自动驾驶相比如何吗？

虽然自动驾驶汽车占据了头条新闻，但农业行业已经在过去二十多年里领导了自动化革命。像 CNH 这样的公司很早就开创了自动驾驶和速度控制。今天，CNH 的技术不仅仅是驾驶，还包括在驾驶的同时进行高度自动化和自动化工作。从精确地将种子种植在地面上需要的地方，到高效和最优地收获作物和处理土壤，所有这些都是在驾驶通过田地的同时完成的。自动化农业不仅仅是跟上自动驾驶汽车的步伐——它已经远远领先于它们。

此外，CNH 的未来技术堆栈使自动化农业远远超出了自动驾驶汽车的能力。我们的软件定义架构无缝地集成了广泛的技术，实现了复杂的农业任务的自动化，这些任务比简单的点对点导航要困难得多。架构中的互操作性赋予了农民以前所未有的控制和灵活性，使他们能够通过 CNH 的开放 API 层叠更高级的技术。与封闭系统不同，CNH 的开放 API 允许农民自定义他们的机械。想象一下，摄像头传感器可以区分作物和杂草，只有在需要时才被激活——所有这些都发生在车辆自动运行的同时。这种适应性，结合处理崎岖地形和多样化任务的能力，使 CNH 的技术与众不同。虽然特斯拉和威马奥正在取得进展，但真正的自动化创新前沿却在田野中，而不是在道路上。

“植物的 MRI 机器”的概念非常吸引人。CNH 如何利用合成图像和机器学习使其机器能够识别作物类型、生长阶段和应用有针对性的作物营养？

使用人工智能、计算机视觉摄像头和大量数据集，CNH 正在训练模型以区分作物和杂草，识别植物生长阶段，并识别整个田地的作物健康状况，以确定优化作物产量所需的营养和保护的确切量。例如，Augmenta 场地分析器是一种计算机视觉应用程序，它扫描机器快速通过田地（最高可达 20 英里每小时）前的地面，以评估田地条件并确定哪些区域需要处理以及以何种速度进行处理，以使这些区域更健康。

通过这种技术，农民能够准确地知道田地中哪里有问题正在形成，所以他们不需要对整个田地进行处理，而是可以自动将喷雾机仅喷洒需要它的植物。该技术可以精确地确定需要的化学品的确切量，并将其应用于作物健康所需的确切位置。仅针对杂草进行喷洒，而不是对整个田地进行处理，未来可以将田地上使用的化学品减少多达 90%。由于只需要对每个威胁使用少量化学品，而不是对整个田地进行处理，因此只需要对每个威胁使用少量化学品。

为了快速生成逼真合成图像并改进数据集，CNH 使用生物物理程序模型。这使得团队能够快速高效地创建和分类数百万张图像，而无需花时间以所需的规模捕获真实图像。合成数据增强了真实图像，改进了模型训练和推理性能。例如，通过使用合成数据，可以创建各种情况来训练模型，例如不同的照明条件和阴影，这些阴影会在一天中移动。程序模型可以根据参数生成特定图像以创建代表不同条件的数据集。

这种技术与传统的农业方法相比有多准确？

农民在一年中做出数百个重要的决定，但他们只看到所有这些累积决策的结果一次：在收获季节。农民的平均年龄正在增加，大多数农民工作超过 30 年。这里没有任何错误的余地。从种子种植的那一刻起，农民需要做一切可能的事情来确保作物茁壮成长——他们的生计岌岌可危。

我们的技术消除了农民任务中很多的猜测，例如确定如何照顾正在生长的作物，同时也给了农民更多的时间来专注于解决战略性商业挑战。在一天结束时，农民经营着大型企业，并依靠技术来帮助他们尽可能高效、富有成效和盈利地运营。

不仅机器产生的数据使农民能够做出更好的、更明智的决定来获得更好的结果，而且机器本身的高水平自动化和自治使得工作比人类更好、更高效地完成。喷雾机可以“看到”麻烦的区域，比人类的眼睛更好，并且可以精确地对待威胁；像自动犁地这样的技术可以缓解劳动的负担，并比人类更准确、更高效地完成任务。在自动犁地中，一个完全自治的系统使用传感器和深度神经网络共同创建理想的条件，具有厘米级的精度。这使得土壤为作物的生长做好准备，允许一致的行距、精确的种子深度和优化的种子放置，尽管即使在一个田地中，土壤也会有很大的变化。传统方法通常依赖于人工操作的机械，通常会由于操作员疲劳、导航不一致和定位不准确而导致结果更可变。

在收获季节，CNH 的联合收割机使用边缘计算和摄像头传感器来实时评估作物质量。这种快速决策过程是如何工作的，人工智能在优化收获以减少浪费和提高效率方面扮演什么角色？

联合收割机是一种非常复杂的机器，它将多个过程——收获、脱粒和收集——合并为一个单一的、连续的操作。它被称为联合收割机，因为它合并了以前需要多个设备的功能。同时发生很多事情，几乎没有任何错误的余地。CNH 的联合收割机每 20 秒自动做出数百万个快速决策，在边缘处理，即在机器上处理这些决策。摄像头传感器捕获和处理被收获的作物的详细图像，以确定每个作物颗粒的质量——分析水分含量、谷物质量和杂质含量。机器将根据图像数据自动调整以部署最佳的机器设置以获得最佳结果。我们目前可以为大麦、米、麦、玉米、大豆和油菜做到这一点，并且很快将为高粱、燕麦、豌豆、向日葵和豆类添加功能。

边缘的人工智能在优化这个过程中至关重要，使用深度学习模型训练来识别作物状况中的模式。这些模型可以快速识别需要调整的收获区域，例如改变联合收割机的速度或修改脱粒设置，以确保更好地将谷物与植物的其他部分分离（例如，保持每个玉米粒并去除所有玉米芯和秆的部分）。这种实时优化有助于通过最小化作物损害和仅收集高质量作物来减少浪费。它还提高了效率，使机器能够在行进中做出数据驱动的决策以最大化农民的作物产量，同时降低操作压力和成本。

精准农业由人工智能和机器学习驱动，承诺减少浪费和最大化产量。您能否详细说明 CNH 的技术如何帮助农民降低成本、提高可持续性和克服劳动力短缺的挑战，在日益具有挑战性的农业格局中？

农民在找到熟练劳动力方面面临着巨大的障碍。这在犁地方面尤其如此——这是大多数农场在冬季为春季种植条件做准备所需的关键步骤。精度在犁地中至关重要，精度以十分之一英寸为单位，以创建最佳的作物生长条件。CNH 的自动犁地技术消除了对高技能操作员手动调整犁地设备的需求。只需按一个按钮，系统就可以自动化整个过程，使农民能够专注于其他重要任务。这提高了生产力，精度也节省了燃料，使操作更加高效。

在作物维护方面，CNH 的喷雾机技术配备了 125 多个微处理器，这些微处理器实时通信，以提高水、营养、除草剂和杀虫剂的使用效率和可持续性。这些处理器共同分析田地条件，并精确确定何时和在哪里应用这些营养素，消除了多余的化学品使用，目前可以减少 30%，在不久的将来可以减少 90%，大大降低了投入成本和进入土壤的化学品数量。喷嘴控制阀允许机器根据喷雾机的速度精确地施加产品，确保对作物进行精确的滴度输送，使每一滴都落在作物健康所需的确切位置。这种精度减少了频繁补充的需要，农民只需要每天一次为喷雾机加满油，这带来了显著的水和化学品节约。

同样，CNH 的卡车自动化简化了在收获期间操作联合收割机的复杂且高压力任务。精度对于避免联合收割机头和在收获期间长时间内相距仅几英寸的谷物卡车之间的碰撞至关重要。它还有助于减少作物损失。卡车自动化实现了无缝的装载过程，减少了对手动协调的需求，使联合收割机能够在不停止的情况下继续执行其工作。CNH 进行了生理测试，表明这种辅助技术降低了联合收割机操作员的压力约 12%，降低了拖拉机操作员的压力约 18%，这在收获季节长达 16 小时的工作中会有所积累。

CNH 品牌 新荷兰最近与 Bluewhite 合作开发自动驾驶拖拉机套件。这种合作如何融入 CNH 扩大农业领域自动化的更广泛战略中？

自动化是 CNH 的未来，我们正在采取有目的和战略性的方法来开发这项技术，驱动这一进程的是我们客户最紧迫的需求。我们的内部工程师专注于为大型农业客户开发自动化技术——种植大型开阔田地的农民，例如玉米和大豆。CNH 的另一个重要客户群体是永久作物农民——种植果园和葡萄园的农民。与 Bluewhite 合作——一家在果园和葡萄园中实施自动化的领先公司——使我们能够扩大规模和速度进入市场，以满足大型农业和永久作物客户的需求。通过与 Bluewhite 的合作，我们正在永久作物中提供完全自动化的拖拉机，使我们成为第一个在果园和葡萄园中拥有自动化解决方案的原始设备制造商（OEM）。

我们对自动化的方法是解决客户在工作和任务中面临的最关键挑战，他们渴望让机器完成这些工作并减轻劳动负担。自动化犁地领先我们的内部工作自动化开发，因为这是一个耗时的任务，需要在一年中的紧密时间内完成。机器在这种情况下可以比人类操作员更好地完成这项工作。永久作物农民也迫切需要自动化，因为他们面临着严重的劳动力短缺，需要机器来填补空缺。这些工作需要拖拉机在整个季节中对每个果园或葡萄园行驶 20-30 次，执行重要任务，如向树木施肥并保持树间的草地修剪和无杂草。

许多 CNH 的解决方案正在被果园和葡萄园经营者采用。这些环境为自动驾驶和人工智能驱动的机械带来了什么独特的挑战，CNH 又如何适应其技术以满足这些专业应用？

收获窗口正在变化，找到熟练劳动力变得更加困难。气候变化使季节更加不可预测；对于农民来说，拥有准备好的技术以实现精确和高效至关重要，当作物达到最佳收获状态时。农业始终需要精确，但在收获像葡萄或坚果这样小而娇嫩的东西时，尤其需要精确。

大多数自动驾驶技术依赖于 GPS 来引导机器沿着其路径，但在果园和葡萄园中，GPS 信号可能会被树枝和葡萄架阻挡。视觉摄像头和雷达与 GPS 结合使用，以保持机器在其最佳路径上。并且，果园和葡萄园的收获不是关于统一的行，而是关于个别、多样的植物，通常在丘陵地形中。CNH 的自动化系统根据每个植物的高度、地面水平和所需的采摘速度进行调整，以确保高质量的产量。它们还根据需要调整以避开非生产性或死亡的树木，以节省不必要的投入。这些机器自动沿着植物移动，在作物上安全地行驶，同时精心地从树或葡萄架上摘下水果。操作员设置所需的采摘头高度，机器自动调整以保持这些设置对每个植物，尽管地形不同。另外，对于某些水果，最佳的收获时间是当其糖含量在夜间达到峰值时。配备了红外技术的摄像头即使在最黑暗的条件下也可以工作，以便在水果达到最佳状态时收获它。

随着更多自动化农业设备的部署，CNH 正在采取什么步骤来确保这些人工智能驱动系统的安全性和法规遵从性，特别是在不同的全球农业环境中？

安全性和法规遵从性是 CNH 人工智能驱动系统的核心。因此，CNH 与不同地区的当地当局合作，使公司能够将其自动化系统适应区域要求，包括安全标准、环境法规和数据隐私法。CNH 还积极参与标准化组织，以确保满足所有公认和新兴的标准和要求。

例如，自动化安全系统包括摄像头、激光雷达、雷达和 GPS，用于实时监控。这些技术使设备能够检测障碍并在检测到障碍时自动停止。机器还可以导航复杂的地形并对环境变化做出反应，尽量减少事故的风险。

您认为人工智能驱动的技术在农业领域被广泛采用的最大障碍是什么？CNH 如何帮助农民过渡到这些新系统，并展示它们的价值？

目前，最重要的障碍是成本、连接性和农民培训。

但是，通过提高产量、降低支出、降低身体负担和更好的时间管理来提高自动化水平，可以抵消所有权的总成本。较小的农场可以从更有限的自动化解决方案中受益，例如饲料系统或售后升级套件。

连接性不足，尤其是在农村地区，带来了挑战。人工智能驱动的技术需要一致的、始终在线的连接性。CNH 通过与 英特尔萨特 合作并通过通用调制解调器实现，这些调制解调器可以连接到附近的任何网络——无线网络、蜂窝网络或卫星网络，为客户提供现场即用的连接性。虽然许多客户通过 CNH 的领先的全球移动虚拟网络满足互联网连接的需求，但现有的蜂窝塔并不能实现无处不在的连接。

最后，与人工智能技术相关的感知学习曲线可能令人生畏。这一从传统做法到人工智能技术的转变需要培训和思维方式的转变，这就是为什么 CNH 与客户密切合作，以确保他们对技术感到满意，并能够充分利用系统的全部功能。

展望未来，您如何看待 CNH 的人工智能和自动化解决方案在未来十年内的发展？

CNH 正在通过开发尖端技术来解决关键的全球性挑战，例如可持续地生产更多的食物，使用更少的资源，满足日益增长的人口的需求。我们的重点是通过创新解决方案赋予农民提高他们的生计和企业的能力，人工智能和自动化在其中发挥着核心作用。数据采集、传感器的可负担性、连接性和计算能力的进步将加速人工智能和自动化系统的开发。这些技术将推动精确农业、自动化操作、预测性维护和数据驱动决策的进步， 궁극上造福我们的客户和世界。

感谢这次精彩的采访，希望读者能够通过访问 CNH 的网站来了解更多信息。