La población de la Tierra está creciendo rápidamente y, según las previsiones de la ONU, para 2030 llegará a 8.500 millones de personas. Los analistas del Banco Mundial creen que para 2050 tendremos que aumentar la cantidad de alimentos en un 50 por ciento para apoyar a la creciente población del planeta, y el cambio climático conducirá a una disminución de la productividad en un 25 por ciento al aire libre. Pero los territorios que son más adecuados para el cultivo de plantas cultivadas ya se están cultivando. Es difícil encontrar nuevos lugares, y lograr un aumento significativo en la productividad es aún más difícil.Este problema debe resolverse con la ayuda de las nuevas tecnologías. Y aquí el área más prometedora parece ser el uso de redes neuronales e inteligencia artificial para crear robots agrícolas y sistemas de control de cultivos.
¿Por qué exactamente las redes neuronales? Son los más adecuados para resolver problemas aplicados. No describiremos los detalles técnicos de su funcionamiento; describiremos mejor las ventajas. La red neuronal no está programada en el sentido clásico de este proceso. Ella "aprende", encuentra patrones en los datos descargados y puede usarlos en trabajos futuros.
Al igual que una persona, una red neuronal puede reconocer rápidamente imágenes de fotos y videos, puede predecir y tomar decisiones. Al mismo tiempo, las redes neuronales artificiales funcionan con grandes volúmenes de datos de manera más rápida y eficiente que los humanos. Lo que se necesita para optimizar las tierras de cultivo, donde las áreas se miden en cientos de hectáreas, el personal en miles de empleados y el ganado en millones. Sí, el número de ovejas en el país es Big Data. Casi cualquier compañía en la industria tendrá suficiente información primaria para capacitación. Lo principal es ensamblarlo en un formato que sea comprensible para la capacitación e integrarlo en los procesos de trabajo.
La calidad y cantidad de la cosecha, el aumento en el número de ganado dependen de muchos factores. Para analizarlos a todos con el fin de tomar la decisión correcta, una persona no puede, sin importar cuán experimentada sea. Entonces, la necesidad de tecnólogos modernos es obvia. Además, ya hay una gran cantidad de desarrollos exitosos que ayudan a los agricultores a cosechar, monitorear el ganado y hacer pronósticos. Hablemos de los proyectos más interesantes con robots e IA en la agricultura.
Robots rurales
Comencemos con los robots. Son grandes y pequeños, incluso hay
robots de pato .
AgrobotLa empresa española Agrobot ha propuesto un robot para la recolección automática de delicadas fresas. El dispositivo es completamente autónomo y puede navegar en el espacio. Las manos robóticas (puede haber hasta 24 piezas) funcionan de forma independiente, eliminando una baya del arbusto. Para evaluar la madurez de las bayas, el robot utiliza tecnología de inteligencia artificial. Los sensores analizan las bayas y las GPU evalúan el color de la fruta y su presentación, y los datos de cada fruta se escriben en la base de datos.
En tres días, Agrobot puede recoger fresas de 800 acres. Después de cada fila recopilada, se detiene y envía la información al operador. La máquina hace frente rápidamente a la tarea y es adecuada para diferentes parcelas agrícolas. La primera prueba exitosa de robot de fresa se realizó en una granja de Driscoll con sede en California.
Tecnologías de diente de perro
Competidor del robot español, creado en el Reino Unido. El dispositivo está diseñado para recolectar frutos blandos. Es capaz de moverse de forma autónoma a través de las hileras de cultivos, encontrar y recolectar frutas maduras, clasificar las bayas recolectadas y empacarlas en un paquete. Después de recoger bayas, las cámaras examinan al feto desde todos los lados para determinar la variedad, la forma, medir el peso, detectar defectos (abolladuras, moho, etc.). Las frutas rechazadas se colocan en contenedores de basura.
La clasificación y el envasado de frutas se realizan localmente, por lo tanto, se excluyen los costos de mano de obra adicionales para los clasificadores y el producto llega a los estantes más rápido. La orientación en el espacio se produce mediante coordenadas GPS de alta precisión.
El robot tiene algunas características interesantes. Por ejemplo, los británicos están acostumbrados a comprar fresas maduras con una pequeña parte del tallo en las cadenas minoristas. La máquina tiene en cuenta esta característica al elegir una baya con una pequeña porción del tallo.
Vegebot
Vegebot es un prototipo funcional del selector de ensalada de iceberg robótico creado por ingenieros de la Universidad de Cambridge. El dispositivo puede reconocer independientemente cabezas de ensalada intactas listas para cortar, así como procesarlas y recogerlas cuidadosamente.
Denis-19 contó con más detalle sobre el robot en un
artículo reciente sobre Habré.
Wall-ye vin
La creación del inventor borgoñón Christoph Millot (Francia) está trabajando duro en los viñedos. Un dispositivo con cuatro ruedas, dos brazos y seis cámaras pesa 20 kilogramos, selecciona la ruta automáticamente y usa inteligencia artificial para determinar qué hacer en ese momento. Se pueden podar hasta 600 viñas por día.
Wall-Ye VIN se dedica no solo a podar y pellizcar, sino que también acumula datos importantes sobre el estado y la vitalidad del suelo, las frutas y las vides. Se mueve de parra en par, revela ciertas características de la planta, fotografías y registra datos de seis cámaras, marcando cada parra, después de lo cual sus manipuladores se incluyen en el trabajo.
Una mano con tijeras de podar no solo está diseñada para cortar ramas, sino que también puede protegerse de los ladrones. El dispositivo incorpora un giroscopio y, si se levanta del suelo, se defenderá con unas tijeras de podar, borrará todos los datos del disco duro y enviará una señal al propietario para que lo ayude. Además, el receptor GPS incorporado no le permitirá ir más allá del área de trabajo.
Robot sin nombre de Apple por Abundant RoboticsEl robot de California, que aún no tiene nombre a pesar de una inversión impresionante de GV (anteriormente Google Ventures), fue creado para cosechar manzanas. El dispositivo se mueve a través de las hileras entre los manzanos con un lidar, que pinta el mundo con láser y representa las frutas con visión artificial.
Los operadores pueden adaptarlo para una variedad de manzana específica, en consulta con un agricultor que sabe por experiencia qué color es maduro. Después de reconocer la madurez de las manzanas en tiempo real, el robot aspira la fruta del árbol con un tubo de vacío y la envía a la cesta a través del transportador. El robot puede recoger manzanas las 24 horas del día, omitiendo frutas que no están maduras, para volver a ellas más tarde, como lo haría un recolector.
ecoRobotixSwiss
ecoRobotix es un robot diseñado para
reducir automáticamente las malezas y las malezas. La idea ha estado en el aire durante mucho tiempo. Se puede enseñar una red neuronal para distinguir cultivos útiles de malezas. Habiendo "estudiado" al comienzo de varios millones de fotografías de plantas sanas y enfermas en diferentes etapas de crecimiento, el sistema que usa una cámara de video puede determinar en unos pocos milisegundos si hay un brote saludable o hierba frente a ella. También podrá evaluar el grado de amenaza para el cultivo y sugerir formas de resolver el problema si se notan signos de infección del cultivo.
ecoRobotix está equipado con un sistema de visión por computadora diseñado para identificar malezas. La orientación en el espacio se produce mediante GPS y sensores táctiles. Capaz de procesar alrededor de 3 hectáreas de cultivos por día. Al conducir alrededor de las "posesiones", si es necesario, rocíe la hierba con una pequeña dosis del herbicida. Este enfoque reduce el uso de productos químicos en 2-3 veces.
Las malezas son generalmente un tema doloroso para los agricultores, por lo que hay otros proyectos en esta área. Por ejemplo, un rociador de jardín inteligente indio utiliza un sistema de sensores ultrasónicos para determinar el tamaño de un árbol y su distancia. La información obtenida se analiza y afecta la potencia del chorro y la cantidad de sustancia pulverizada. Las pruebas han demostrado una alta eficiencia del sistema, al tiempo que reducen el consumo al 26%.
Y Bayer y Bosh están desarrollando tecnologías de
pulverización inteligente . Diferirá de los sistemas disponibles en el mercado debido a su capacidad para distinguir las malas hierbas de los cultivos. Se supone que el sistema "reconocerá" la maleza y determinará el tipo y la cantidad de pesticida necesaria, teniendo en cuenta los parámetros de aplicación programados.
Tecnologías similares son utilizadas por IBM. Y utiliza con éxito! Para uno de sus clientes en el sudeste asiático, la compañía pudo predecir el estrés de los cultivos en la región debido a la infección de plagas / enfermedades. Luego, el equipo de tierra tardó varias horas en llegar a este lugar.
Sistemas inteligentes
Los sistemas de IA también benefician a los agricultores. El rango de su aplicación es ligeramente más amplio que el de los dispositivos robóticos, sin embargo, las tareas a menudo son diferentes. Aunque hay puntos de intersección.
SonomaSí, esto no es un robot, sino una tecnología. Sin embargo, también es digno de atención. Sonoma de Microsoft ganó el Autonomous Greenhouse Challenge, un experimento de invernadero en los Países Bajos del 27 de agosto al 7 de diciembre. 5 gigantes de TI han descubierto cómo las tecnologías de aprendizaje automático podrán hacer frente a las plantas en crecimiento y cuán realista es usar estas tecnologías en la jardinería "tradicional".
Los sistemas de cosecha automatizados han existido durante bastante tiempo. Sin embargo, el experimento fue sobre el control total de la IA sobre la producción. La tecnología del equipo de Sonoma ha permitido cultivar 50 kg de pepinos por metro cuadrado. La red neuronal controlaba el riego, la composición del gas, la alimentación, la temperatura y otros aspectos que afectan el crecimiento de los pepinos.
El equipo iGrow de Tencent y la Academia de Ciencias Agrícolas de China ocuparon el segundo lugar. El equipo Deep Green de Intel terminó último.
Taranis
La startup israelí
Taranis le permite controlar el estado de las plantas, identificar oportunamente los factores negativos y eliminarlos. Para el monitoreo, se utilizan las lecturas de sensores de observación de campo, datos meteorológicos y fotografía aérea. Para el análisis, se utilizan imágenes con resolución ultra alta (hasta 8 cm por píxel) de Mavrx.
El estudio de grandes cantidades de datos le permite localizar áreas de cultivos con crecimiento inhibido, identificar enfermedades de las plantas, problemas con plagas, determinar el suministro de nutrientes a las plantas, rendimiento potencial, etc. El sistema no solo ofrece formas de resolver los problemas encontrados, sino que también determina el momento óptimo de ellos en función del pronóstico meteorológico. llevando a cabo.
Watson
Watson Decision Platform for Agriculture de IBM asesora a los agricultores en el procesamiento de datos de detección remota de la Tierra. Usando AI para combinar datos de múltiples satélites, la solución de IBM puede detectar áreas de cultivo ineficientes con casi la misma precisión que los sensores terrestres de IoT. Watson de IBM determinará para el agricultor el tipo, la cantidad y el momento óptimo para el tratamiento con pesticidas en el área afectada.
Ayudará a llevar a cabo un tratamiento preventivo. Utilizando un índice de actividad de la planta de alta resolución (HD-NDVI), evalúa la condición de una planta y determina las medidas preventivas necesarias (fertilización, nutrientes, etc.). Al combinar datos de humedad (HD-SM) con datos de terreno y mediciones meteorológicas, se simula la dinámica de los cambios de humedad del suelo. El agricultor también recibe un pronóstico de rendimiento, la dinámica de los cambios de rendimiento basados en imágenes e información de temporadas pasadas, etc.
Mapas de cambio de estado y notificaciones
La plataforma AI Mapas y notificaciones de cambio de salud, desarrollada por Farmers Edge, informa al agricultor sobre la eficiencia del equipo, las condiciones de la planta, plagas o enfermedades, deficiencias nutricionales, etc. El programa procesa imágenes satelitales y envía al usuario mensajes sobre posibles riesgos y medidas necesarias.
ET Agricultural Brain
El proyecto de IA "porcina" de Alibaba le permite detectar el embarazo de los cerdos, lo que permite a los granjeros determinar la fecha de parto y prepararse para el posterior proceso de embarazo y el nacimiento de una camada de lechones sanos. El sistema despliega cámaras de vigilancia inteligentes en cobertizos, y los algoritmos de aprendizaje automático producen resultados basados en observar el sueño de las cerdas, la posición de pie y las condiciones nutricionales. Por ejemplo, es probable que una cerda esté embarazada si duerme boca arriba, se queda quieta, corre un poco y consume una cantidad constante de alimentos. Los ingenieros de Alibaba también planean agregar un pronóstico de la cantidad de basura en función de la forma de la cerda preñada.
El sistema utiliza métodos de visión por computadora para configurar perfiles para cada cerdo, documentando su raza, edad, peso, condiciones nutricionales, intensidad y frecuencia de los ejercicios, así como la trayectoria del movimiento. Mientras tanto, los algoritmos de reconocimiento de voz se utilizan para controlar la salud de los lechones y protegerlos contra la asfixia, lo que reduce la mortalidad en un tres por ciento y aumenta la tasa de producción anual en tres cerdos por cerda.
La división financiera de otra importante sociedad de cartera china, JD.com, también se ha dirigido al ganado. El mes pasado, la compañía presentó un conjunto de soluciones agrícolas basadas en inteligencia artificial.
Cainthus
Continuando con el tema de la cría de animales, le contaremos sobre un proyecto irlandés muy interesante, Cainthus, que los periodistas denominaron "Facebook para vacas". La identificación de las vacas de acuerdo con las características individuales de sus caras le permite recopilar una variedad de información sobre cada animal, que van desde las características de su comportamiento hasta el apetito. Los propietarios de granjas pueden utilizar los datos para controlar la salud de las vacas lecheras y aumentar su producción de leche.
La compañía ofrece a los granjeros aumentar la comodidad de las vacas durante todo el ciclo de vida al monitorear sus necesidades individuales y señalar de inmediato la necesidad de intervención si algo está mal con el animal. Para la observación, se utiliza un sistema de visión por computadora.
Según los desarrolladores, la plataforma es inusualmente relevante y demandada. También afirman que ella es única en su clase. Sin embargo, esto no es así.
Cuidado del ganadoOtro proyecto interesante con raíces rusas,
Cattle Care , ofrece una funcionalidad similar. Los desarrolladores han creado un sistema de monitoreo por video de la salud y productividad de las vacas basado en la visión por computadora. El análisis de video para granjas lecheras le permite proporcionar las condiciones más cómodas para cada burenka.
El principio de funcionamiento es bastante simple. El patrón en la piel de una vaca es único, como las huellas dactilares humanas. Con esta función, el sistema capacitado en fotografías de salas recoge información de cámaras de video instaladas en granjas, detecta e identifica a cada vaca específica. Contando la cantidad de pasos, los movimientos de masticación, la cantidad de alimentos consumidos, el consumo de agua y otros patrones de comportamiento, la computadora compila un registro médico de cada vaca. Gracias a Cattle Care, el granjero ve de inmediato si algo anda mal en su barrio.
Conclusión
Como puede ver, la inteligencia artificial y los robots son capaces de aumentar la eficiencia de la agricultura y simplificar el trabajo de los agricultores. Sin embargo, ¿pueden estas tecnologías resolver la amenaza potencial de escasez de alimentos? Tu opinión es interesante.
¿Qué más es útil para leer en el blog de Cloud4Y?→
VNIITE del planeta en su conjunto: cómo en la URSS se les ocurrió un sistema de "hogar inteligente"→
5 sistemas de gestión de eventos de seguridad de código abierto→
Cómo las interfaces neuronales ayudan a la humanidad→
Ciberseguros en el mercado ruso→
Luz, cámara ... nube: cómo las nubes cambian la industria del cine¡Suscríbete a nuestro canal de
Telegram para no perderte otro artículo! No escribimos más de dos veces por semana y solo por negocios.