Die Bevölkerung der Erde wächst rasant und wird nach UN-Prognosen bis 2030 8,5 Milliarden Menschen erreichen. Analysten der Weltbank glauben, dass wir bis 2050 die Menge an Nahrungsmitteln um 50 Prozent erhöhen müssen, um die wachsende Bevölkerung des Planeten zu unterstützen, und der Klimawandel wird im Freien zu einem Rückgang der Produktivität um 25 Prozent führen. Aber die Gebiete, die am besten für den Anbau von Kulturpflanzen geeignet sind, werden bereits kultiviert. Es ist schwierig, neue Orte zu finden, und es ist noch schwieriger, eine signifikante Steigerung der Produktivität zu erreichen.Dieses Problem muss mit Hilfe neuer Technologien gelöst werden. Und hier scheint der vielversprechendste Bereich die Verwendung neuronaler Netze und künstlicher Intelligenz zur Schaffung landwirtschaftlicher Roboter und Erntekontrollsysteme zu sein.
Warum genau neuronale Netze? Sie eignen sich am besten zur Lösung angewandter Probleme. Wir werden die technischen Details ihrer Funktionsweise nicht beschreiben, wir werden die Vorteile besser beschreiben. Das neuronale Netzwerk ist nicht im klassischen Sinne dieses Prozesses programmiert. Sie "lernt", findet Muster in den heruntergeladenen Daten und kann sie in zukünftigen Arbeiten verwenden.
Wie eine Person kann ein neuronales Netzwerk Bilder von Fotos und Videos schnell erkennen, Vorhersagen treffen und Entscheidungen treffen. Gleichzeitig arbeiten künstliche neuronale Netze schneller und effizienter mit großen Datenmengen als Menschen. Was ist erforderlich, um Ackerland zu optimieren, wo Flächen in Hunderten von Hektar gemessen werden, Mitarbeiter in Tausenden von Mitarbeitern und Vieh in Millionen. Ja, die Anzahl der Schafe im Land beträgt Big Data. Fast jedes Unternehmen in der Branche verfügt über genügend Primärinformationen für Schulungen. Die Hauptsache ist, es in einem für die Schulung verständlichen Format zusammenzustellen und in die Arbeitsprozesse zu integrieren.
Die Qualität und Quantität der Ernte sowie die Zunahme der Tierbestände hängen von vielen Faktoren ab. Um sie alle zu analysieren, um die richtige Entscheidung zu treffen, ist eine Person nicht in der Lage, egal wie erfahren sie ist. Der Bedarf an modernen Technologen liegt also auf der Hand. Darüber hinaus gibt es bereits zahlreiche erfolgreiche Entwicklungen, die den Landwirten helfen, zu ernten, das Vieh zu überwachen und Prognosen zu erstellen. Lassen Sie uns über die interessantesten Projekte mit Robotern und KI in der Landwirtschaft sprechen.
Ländliche Roboter
Beginnen wir mit den Robotern. Sie sind groß und klein, es gibt sogar
Entenroboter .
AgrobotDas spanische Unternehmen Agrobot hat einen Roboter für die automatische Sammlung empfindlicher Erdbeeren vorgeschlagen. Das Gerät ist völlig autonom und kann im Weltraum navigieren. Roboterhände (es können bis zu 24 Teile sein) arbeiten unabhängig voneinander und entfernen eine Beere aus dem Busch. Um die Reife von Beeren zu beurteilen, verwendet der Roboter die Technologie der künstlichen Intelligenz. Sensoren analysieren Beeren und GPUs bewerten die Farbe der Frucht und ihre Präsentation, wobei Daten zu jeder Frucht in die Datenbank geschrieben werden.
In drei Tagen ist Agrobot in der Lage, Erdbeeren von 800 Morgen zu pflücken. Nach jeder gesammelten Zeile stoppt er und sendet die Informationen an den Bediener. Die Maschine erledigt die Aufgabe schnell und ist für verschiedene landwirtschaftliche Grundstücke geeignet. Der erste erfolgreiche Erdbeerrobotertest wurde auf einer in Kalifornien ansässigen Driscoll-Farm durchgeführt.
Dogtooth-Technologien
Konkurrent des spanischen Roboters, hergestellt in Großbritannien. Das Gerät dient zum Sammeln von Beerenfrüchten. Es kann sich autonom durch die Erntereihen bewegen, reife Früchte finden und sammeln, die gesammelten Beeren sortieren und in Verpackungen verpacken. Nach dem Pflücken von Beeren untersuchen die Kameras den Fötus von allen Seiten, um die Vielfalt, Form, Gewichtsmessung und Erkennung von Defekten (Dellen, Schimmel usw.) festzustellen. Abgelehnte Früchte werden in Müllcontainer gelegt.
Das Sortieren und Verpacken von Früchten erfolgt vor Ort, daher sind zusätzliche Arbeitskosten für Sortierer ausgeschlossen und das Produkt kommt schneller in den Regalen an. Die Orientierung im Raum erfolgt mit hochpräzisen GPS-Koordinaten.
Der Roboter hat einige interessante Funktionen. Zum Beispiel sind die Briten es gewohnt, reife Erdbeeren mit einem kleinen Teil des Stiels in Einzelhandelsketten zu kaufen. Die Maschine berücksichtigt diese Funktion beim Pflücken einer Beere mit einem kleinen Teil des Stiels.
Vegebot
Vegebot ist ein funktionierender Prototyp des Roboter-Eisberg-Salatpflückers, der von Ingenieuren der Universität von Cambridge entwickelt wurde. Das Gerät kann intakte, schneidfertige Salatköpfe unabhängig erkennen sowie sorgfältig verarbeiten und sammeln.
Denis-19 hat in einem
kürzlich erschienenen Artikel über Habré ausführlicher über den Roboter berichtet.
Wall-ye vin
Die Idee des burgundischen Erfinders Christoph Millot (Frankreich) arbeitet hart in den Weinbergen. Ein Gerät mit vier Rädern, zwei Händen und sechs Kameras wiegt 20 Kilogramm, wählt den Pfad automatisch aus und verwendet künstliche Intelligenz, um zu bestimmen, was im Moment zu tun ist. Pro Tag können bis zu 600 Reben beschnitten werden.
Wall-Ye VIN beschäftigt sich nicht nur mit dem Beschneiden und Kneifen, sondern sammelt auch wichtige Daten über den Zustand und die Vitalität von Boden, Früchten und Reben. Es bewegt sich von Weinstock zu Weinstock, enthüllt bestimmte Pflanzenmerkmale, fotografiert und zeichnet Daten von sechs Kameras auf und markiert jeden Weinstock. Danach werden seine Manipulatoren in die Arbeit einbezogen.
Eine Hand mit Gartenschere soll nicht nur Äste schneiden, sondern sich auch vor Dieben schützen. In das Gerät ist ein Gyroskop eingebaut. Wenn es vom Boden abgehoben wird, verteidigt es sich mit einem Gartenschere, löscht alle Daten von der Festplatte und sendet ein Signal an den Besitzer, um Hilfe zu erhalten. Darüber hinaus erlaubt ihm der eingebaute GPS-Empfänger nicht, den Arbeitsbereich zu verlassen.
Namenloser Apple Robot von Abundant RoboticsDer kalifornische Roboter, der trotz einer beeindruckenden Investition von GV (ehemals Google Ventures) immer noch keinen Namen hat, wurde für die Ernte von Äpfeln entwickelt. Das Gerät bewegt sich mit einem Lidar durch die Reihen zwischen den Apfelbäumen, das die Welt mit Lasern malt und Früchte mit Bildverarbeitung darstellt.
Die Bediener können es in Absprache mit einem Landwirt, der aus Erfahrung weiß, welche Farbe ausgereift ist, an eine bestimmte Apfelsorte anpassen. Nachdem der Roboter die Reife der Äpfel in Echtzeit erkannt hat, saugt er die Früchte mit einem Vakuumröhrchen vom Baum und schickt sie über das Förderband in den Korb. Der Roboter kann 24 Stunden am Tag Äpfel pflücken und dabei nicht ganz reife Früchte überspringen, um später zu ihnen zurückzukehren, wie es ein Pflücker tun würde.
ecoRobotixSwiss
ecoRobotix ist ein Roboter, der Unkräuter und Unkräuter automatisch
ausdünnt . Die Idee liegt schon lange in der Luft. Ein neuronales Netzwerk kann gelehrt werden, um nützliche Pflanzen von Unkraut zu unterscheiden. Nachdem das System zu Beginn mehrerer Millionen Fotos von gesunden und kranken Pflanzen in verschiedenen Wachstumsstadien „untersucht“ hat, kann es mithilfe einer Videokamera in wenigen Millisekunden feststellen, ob sich ein gesunder Spross oder Unkraut vor ihm befindet. Er wird auch in der Lage sein, den Grad der Bedrohung für die Ernte einzuschätzen und Möglichkeiten zur Lösung des Problems vorzuschlagen, wenn Anzeichen einer Ernteinfektion erkennbar sind.
ecoRobotix ist mit einem Computer-Vision-System zur Identifizierung von Unkräutern ausgestattet. Die Orientierung im Raum erfolgt über GPS und Berührungssensoren. Kann ungefähr 3 Hektar Ernte pro Tag verarbeiten. Besprühen Sie das Unkraut gegebenenfalls mit einer kleinen Dosis des Herbizids, wenn Sie durch die "Besitztümer" fahren. Dieser Ansatz reduziert den Einsatz von Chemikalien um das 2- bis 3-fache.
Unkraut ist im Allgemeinen ein schmerzhaftes Thema für Landwirte, daher gibt es andere Projekte in diesem Bereich. Beispielsweise verwendet eine indische intelligente Gartenspritze ein System von Ultraschallsensoren, um die Größe eines Baumes und seine Entfernung zu bestimmen. Die erhaltenen Informationen werden analysiert und beeinflussen die Leistung des Strahls und die Menge der gesprühten Substanz. Tests haben eine hohe Effizienz des Systems gezeigt und gleichzeitig den Verbrauch auf 26% gesenkt.
Und Bayer und Bosh entwickeln
Smart Spraying- Technologien. Es unterscheidet sich von den auf dem Markt erhältlichen Systemen durch seine Fähigkeit, Unkraut von Kulturpflanzen zu unterscheiden. Es wird davon ausgegangen, dass das System das Unkraut „erkennt“ und die Art und Menge des benötigten Pestizids unter Berücksichtigung der programmierten Anwendungsparameter bestimmt.
Ähnliche Technologien werden von IBM verwendet. Und erfolgreich eingesetzt! Für einen seiner Kunden in Südostasien konnte das Unternehmen den Erntestress in der Region aufgrund einer Schädlings- / Krankheitsinfektion vorhersagen. Dann brauchte die Bodenmannschaft mehrere Stunden, um an diesen Ort zu gelangen.
Intelligente Systeme
KI-Systeme kommen auch den Landwirten zugute. Der Anwendungsbereich ist etwas breiter als der von Robotergeräten, die Aufgaben sind jedoch häufig unterschiedlich. Obwohl es Schnittpunkte gibt.
SonomaJa, das ist kein Roboter, sondern eine Technologie. Es verdient jedoch auch Aufmerksamkeit. Microsofts Sonoma gewann vom 27. August bis 7. Dezember die Autonomous Greenhouse Challenge, ein Gewächshausversuch in den Niederlanden. 5 IT-Giganten haben herausgefunden, wie Technologien für maschinelles Lernen mit wachsenden Pflanzen umgehen können und wie realistisch es ist, diese Technologien im "traditionellen" Gartenbau einzusetzen.
Automatisierte Erntesysteme gibt es schon seit geraumer Zeit. Bei dem Experiment ging es jedoch um die vollständige Kontrolle der KI über die Produktion. Dank der Sonoma-Team-Technologie konnten 50 kg Gurken pro Quadratmeter angebaut werden. Das neuronale Netzwerk kontrollierte Bewässerung, Gaszusammensetzung, Fütterung, Temperatur und andere Aspekte, die das Wachstum von Gurken beeinflussen.
Das iGrow-Team von Tencent und die China Academy of Agricultural Sciences belegten den zweiten Platz. Intels Deep Green Team wurde Letzter.
Taranis
Mit dem israelischen Startup
Taranis können Sie den Zustand von Pflanzen überwachen, negative Faktoren rechtzeitig identifizieren und beseitigen. Zur Überwachung werden die Messwerte von Feldbeobachtungssensoren, meteorologischen Daten und Luftbildern verwendet. Für die Analyse werden Bilder mit ultrahoher Auflösung (bis zu 8 cm pro Pixel) von Mavrx verwendet.
Die Untersuchung großer Datenmengen ermöglicht es Ihnen, Bereiche von Kulturpflanzen mit gehemmtem Wachstum zu lokalisieren, Pflanzenkrankheiten, Probleme mit Schädlingen zu identifizieren, die Versorgung der Pflanzen mit Nährstoffen, den potenziellen Ertrag usw. zu bestimmen. Das System bietet nicht nur Möglichkeiten zur Lösung der gefundenen Probleme, sondern bestimmt auch den optimalen Zeitpunkt für diese anhand der meteorologischen Vorhersage durchführen.
Watson
Die
Watson Decision Platform for Agriculture von IBM berät Landwirte bei der Fernerkundungsdatenverarbeitung auf der Erde. Mithilfe von KI können Daten von mehreren Satelliten kombiniert werden. Die IBM Lösung kann ineffiziente Kulturbereiche mit nahezu der gleichen Genauigkeit wie terrestrische IoT-Sensoren erkennen. Watson von IBM wird für den Landwirt Art, Menge und optimalen Zeitpunkt für die Pestizidbehandlung des betroffenen Gebiets festlegen.
Es hilft bei der Durchführung einer vorbeugenden Behandlung. Anhand eines hochauflösenden Index der Pflanzenaktivität (HD-NDVI) wird der Zustand der Pflanze bewertet und die erforderlichen vorbeugenden Maßnahmen (Dünger, Nährstoffe usw.) festgelegt. Durch die Kombination von Feuchtigkeitsdaten (HD-SM) mit Geländedaten und meteorologischen Messungen wird die Dynamik von Bodenfeuchtigkeitsänderungen simuliert. Der Landwirt erhält auch eine Ertragsprognose, die Dynamik von Ertragsänderungen basierend auf Bildern und Informationen aus vergangenen Saisons usw.
Health Change Maps und Benachrichtigungen
Die von Farmers Edge entwickelte KI-Plattform Health Change Maps and Notifications informiert den Landwirt über die Effizienz der Ausrüstung, Pflanzenbedingungen, Schädlinge oder Krankheiten, Nährstoffmängel usw. Das Programm verarbeitet Satellitenbilder und sendet dem Benutzer Nachrichten über mögliche Risiken und notwendige Maßnahmen.
ET Landwirtschaftliches Gehirn
Mit dem KI-Projekt „Schweine“ von Alibaba können Sie die Trächtigkeit von Schweinen erkennen und so das Datum der Abferkelung bestimmen und sich auf den anschließenden Trächtigkeitsprozess und die Geburt eines Wurfs gesunder Schweine vorbereiten. Das System setzt intelligente Überwachungskameras in Ställen ein, und Algorithmen für maschinelles Lernen liefern Ergebnisse, die auf der Beobachtung des Schlafes, der Stehposition und der Ernährungsbedingungen der Sauen basieren. Zum Beispiel ist eine Sau wahrscheinlich schwanger, wenn sie auf dem Rücken schläft, still steht und ein wenig rennt und eine konstante Menge an Nahrung zu sich nimmt. Die Ingenieure von Alibaba planen außerdem, eine Prognose der Abfallmenge basierend auf der Form des trächtigen Schweins hinzuzufügen.
Das System verwendet Computer-Vision-Methoden, um Profile für jedes Schwein zu konfigurieren. Dabei werden Rasse, Alter, Gewicht, Ernährungsbedingungen, Intensität und Häufigkeit der Übungen sowie die Bewegungsbahn dokumentiert. In der Zwischenzeit werden Spracherkennungsalgorithmen verwendet, um die Gesundheit von Ferkeln zu überwachen und vor Erstickung zu schützen, wodurch die Sterblichkeit um drei Prozent gesenkt und die jährliche Produktionsrate um drei Schweine pro Sau erhöht wird.
Die Finanzabteilung einer anderen großen chinesischen Holdinggesellschaft, JD.com, hat sich ebenfalls auf die Viehzucht konzentriert. Im vergangenen Monat stellte das Unternehmen eine Reihe von AI-basierten landwirtschaftlichen Lösungen vor.
Cainthus
Wir setzen das Thema Tierhaltung fort und erzählen Ihnen von einem sehr interessanten irischen Projekt, Cainthus, das Journalisten als "Facebook für Kühe" bezeichneten. Die Identifizierung von Kühen anhand individueller Gesichtsmerkmale ermöglicht es Ihnen, eine Vielzahl von Informationen über jedes Tier zu sammeln, die von den Merkmalen ihres Verhaltens bis hin zum Appetit reichen. Daten können von Farmbesitzern verwendet werden, um die Gesundheit von Milchkühen zu überwachen und ihre Milchleistung zu steigern.
Das Unternehmen bietet Landwirten an, den Komfort von Kühen während des gesamten Lebenszyklus zu erhöhen, indem sie ihre individuellen Bedürfnisse überwachen und sofort die Notwendigkeit einer Intervention signalisieren, wenn etwas mit dem Tier nicht stimmt. Zur Beobachtung wird ein Computer-Vision-System verwendet.
Laut den Entwicklern ist die Plattform ungewöhnlich relevant und gefragt. Sie behaupten auch, dass sie einzigartig ist. Dies ist jedoch nicht so.
ViehpflegeEin weiteres interessantes Projekt mit russischen Wurzeln,
Cattle Care , bietet ähnliche Funktionen. Die Entwickler haben ein System zur Videoüberwachung der Gesundheit und Produktivität von Kühen basierend auf Computer Vision entwickelt. Mit der Videoanalyse für Milchviehbetriebe können Sie die bequemsten Bedingungen für jede Burenka bereitstellen.
Das Funktionsprinzip ist recht einfach. Das Muster auf der Haut einer Kuh ist einzigartig wie menschliche Fingerabdrücke. Mit dieser Funktion sammelt das in Fotos von Stationen geschulte System Informationen von Videokameras, die auf Farmen installiert sind, erkennt und identifiziert jede bestimmte Kuh. Der Computer zählt die Anzahl der Schritte, die Kaubewegungen, die Menge des verzehrten Futters, das verbrauchte Wasser und andere Verhaltensmuster und erstellt für jede Kuh eine Krankenakte. Dank Cattle Care sieht der Landwirt sofort, ob etwas mit seiner Gemeinde nicht stimmt.
Fazit
Wie Sie sehen können, sind künstliche Intelligenz und Roboter durchaus in der Lage, die Effizienz der Landwirtschaft zu steigern und die Arbeit der Landwirte zu vereinfachen. Können diese Technologien jedoch die potenzielle Gefahr von Nahrungsmittelknappheit lösen? Ihre Meinung ist interessant.
Was sonst noch nützlich ist, lesen Sie im Cloud4Y- Blog→
VNIITE des Planeten des Ganzen: Wie sie in der UdSSR auf ein „Smart Home“ -System gekommen sind→
5 Open-Source-Sicherheitsereignismanagementsysteme→
Wie neuronale Schnittstellen der Menschheit helfen→
Cyberversicherung auf dem russischen Markt→
Licht, Kamera ... Wolke: Wie Wolken die Filmindustrie verändernAbonnieren Sie unseren
Telegrammkanal , um keinen weiteren Artikel zu verpassen! Wir schreiben nicht mehr als zweimal pro Woche und nur geschäftlich.