La population de la Terre augmente rapidement et, selon les prévisions de l'ONU, elle atteindra 8,5 milliards de personnes d'ici 2030. Les analystes de la Banque mondiale pensent que d'ici 2050, nous devrons augmenter la quantité de nourriture de 50% afin de soutenir la population croissante de la planète, et le changement climatique entraînera une baisse de la productivité de 25% en plein air. Mais les territoires les mieux adaptés à la culture de plantes cultivées sont déjà cultivés. Il est difficile de trouver de nouveaux endroits et d'obtenir une augmentation significative de la productivité est encore plus difficile.Ce problème doit être résolu à l'aide des nouvelles technologies. Et ici, le domaine le plus prometteur semble être l'utilisation des réseaux de neurones et de l'intelligence artificielle pour créer des robots agricoles et des systèmes de contrôle des cultures.
Pourquoi exactement des réseaux de neurones? Ils sont les mieux adaptés pour résoudre des problèmes appliqués. Nous ne décrirons pas les détails techniques de leur fonctionnement, nous décrirons mieux les avantages. Le réseau neuronal n'est pas programmé au sens classique de ce processus. Elle "apprend", trouve des modèles dans les données téléchargées et est capable de les utiliser dans de futurs travaux.
Comme une personne, un réseau de neurones peut rapidement reconnaître des images de photos et de vidéos, est capable de prédire et de prendre des décisions. Dans le même temps, les réseaux de neurones artificiels fonctionnent avec de gros volumes de données plus rapidement et plus efficacement que les humains. Ce qui est nécessaire pour optimiser les terres agricoles, où les superficies sont mesurées en centaines d'hectares, le personnel en milliers d'employés et le bétail en millions. Oui, le nombre de moutons dans le pays est le Big Data. Presque toutes les entreprises de l'industrie auront suffisamment d'informations primaires pour la formation. L'essentiel est de l'assembler dans un format compréhensible pour la formation et de l'intégrer dans les processus de travail.
La qualité et la quantité de la récolte, l'augmentation du nombre de têtes de bétail dépendent de nombreux facteurs. Pour les analyser tous afin de prendre la bonne décision, une personne n'est pas en mesure, quelle que soit son expérience. Le besoin de technologues modernes est donc évident. De plus, il existe déjà un grand nombre de développements réussis qui aident les agriculteurs à récolter, surveiller le bétail et faire des prévisions. Parlons des projets les plus intéressants avec les robots et l'IA dans l'agriculture.
Robots ruraux
Commençons par les robots. Ils sont grands et petits, il y a même
des robots-canards .
AgrobotLa société espagnole Agrobot a proposé un robot pour la collecte automatique de fraises délicates. L'appareil est complètement autonome et peut naviguer dans l'espace. Les mains robotisées (il peut y avoir jusqu'à 24 pièces) fonctionnent indépendamment, retirant une baie de la brousse. Pour évaluer la maturité des baies, le robot utilise la technologie de l'intelligence artificielle. Les capteurs analysent les baies et les GPU évaluent la couleur du fruit et sa présentation, les données sur chaque fruit étant écrites dans la base de données.
En trois jours, Agrobot est capable de cueillir des fraises sur 800 acres. Après chaque ligne collectée, il s'arrête et envoie les informations à l'opérateur. La machine fait rapidement face à la tâche et convient à différentes parcelles agricoles. Le premier essai réussi d'un robot fraise a été effectué dans une ferme de Driscoll en Californie.
Technologies Dogtooth
Concurrent du robot espagnol, créé au Royaume-Uni. L'appareil est conçu pour récolter des fruits rouges. Il est capable de se déplacer de manière autonome à travers les rangées de cultures, de trouver et de récolter des fruits mûrs, de trier les baies récoltées et de les emballer dans des emballages. Après avoir cueilli les baies, les caméras examinent le fœtus de tous les côtés pour déterminer la variété, la forme, mesurer le poids, détecter les défauts (bosses, moisissures, etc.). Les fruits rejetés sont placés dans des poubelles.
Le tri et l'emballage des fruits ont lieu localement, par conséquent, les coûts de main-d'œuvre supplémentaires pour les trieurs sont exclus et le produit arrive plus rapidement dans les rayons. L'orientation dans l'espace se fait à l'aide de coordonnées GPS de haute précision.
Le robot a des fonctionnalités intéressantes. Par exemple, les Britanniques ont l'habitude d'acheter des fraises mûres avec une petite partie de la tige dans les chaînes de vente au détail. La machine tient compte de cette caractéristique lors de la cueillette d'une baie avec une petite partie de la tige.
Vegebot
Vegebot est un prototype fonctionnel du sélecteur de salade iceberg robotisé créé par des ingénieurs de l'Université de Cambridge. L'appareil peut reconnaître indépendamment les chefs de salade intacts prêts à être coupés, ainsi que les traiter et les collecter avec soin.
Denis-19 a parlé plus en détail du robot dans un
récent article sur Habré.
Wall-ye vin
L'idée originale de l'inventeur bourguignon Christoph Millot (France) travaille dur dans les vignes. Un appareil à quatre roues, deux bras et six caméras pèse 20 kilogrammes, sélectionne automatiquement le chemin et utilise l'intelligence artificielle pour déterminer quoi faire pour le moment. Jusqu'à 600 pieds de vigne peuvent être taillés par jour.
Wall-Ye VIN est engagé non seulement dans l'élagage et le pincement, mais accumule également des données importantes sur l'état et la vitalité du sol, des fruits et des vignes. Il se déplace de vigne en vigne, révèle certaines caractéristiques de la plante, photographie et enregistre les données de six caméras, marquant chaque vigne, après quoi ses manipulateurs sont inclus dans le travail.
Une main avec un sécateur n'est pas seulement conçue pour couper des branches, elle peut également se protéger des voleurs. Un gyroscope est intégré à l'appareil et s'il est soulevé du sol, il se défendra avec un sécateur, effacera toutes les données du disque dur et enverra un signal au propriétaire pour obtenir de l'aide. De plus, le récepteur GPS intégré ne lui permettra pas d'aller au-delà de la zone de travail.
Robot Apple sans nom par Abundant RoboticsLe robot californien, qui n'a toujours pas de nom malgré un investissement impressionnant de GV (anciennement Google Ventures), a été créé pour récolter les pommes. L'appareil se déplace à travers les rangées entre les pommiers à l'aide d'un lidar, qui peint le monde avec des lasers et dépeint les fruits à l'aide de la vision industrielle.
Les opérateurs peuvent l'adapter à une variété de pomme spécifique, en consultation avec un agriculteur qui sait par expérience quelle couleur est mature. Après avoir reconnu la maturité des pommes en temps réel, le robot aspire les fruits de l'arbre à l'aide d'un tube à vide, les envoyant dans le panier via le convoyeur. Le robot peut cueillir des pommes 24 heures sur 24, en sautant des fruits qui ne sont pas tout à fait mûrs, afin d'y revenir plus tard, comme le ferait un cueilleur.
ecoRobotixSwiss
ecoRobotix est un robot conçu pour éclaircir automatiquement les mauvaises herbes et les mauvaises herbes. L'idée est dans l'air depuis longtemps. Un réseau de neurones peut être appris à distinguer les cultures utiles des mauvaises herbes. Ayant «étudié» au début de plusieurs millions de photographies de plantes saines et malades à différents stades de croissance, le système utilisant une caméra vidéo peut déterminer en quelques millisecondes si une pousse saine ou une mauvaise herbe se trouve devant. Il sera également en mesure d'évaluer le degré de menace pour la culture et de suggérer des moyens de résoudre le problème si des signes d'infection des cultures sont visibles.
ecoRobotix est équipé d'un système de vision par ordinateur conçu pour identifier les mauvaises herbes. L'orientation dans l'espace se fait à l'aide du GPS et de capteurs tactiles. Capable de traiter environ 3 hectares de cultures par jour. Lorsque vous conduisez autour des "possessions", si nécessaire, vaporisez l'herbe avec une petite dose de l'herbicide. Cette approche réduit l'utilisation de produits chimiques de 2 à 3 fois.
Les mauvaises herbes sont généralement un sujet douloureux pour les agriculteurs, il existe donc d'autres projets dans ce domaine. Par exemple, un pulvérisateur de jardin intelligent indien utilise un système de capteurs à ultrasons pour déterminer la taille d'un arbre et sa distance. Les informations obtenues sont analysées et affectent la puissance du jet et la quantité de substance pulvérisée. Les tests ont montré une efficacité élevée du système, tout en réduisant la consommation à 26%.
Et Bayer et Bosh développent des technologies de
pulvérisation intelligente . Il se distinguera des systèmes disponibles sur le marché en raison de sa capacité à distinguer les mauvaises herbes des cultures. On suppose que le système «reconnaîtra» la mauvaise herbe et déterminera le type et la quantité de pesticide nécessaires, en tenant compte des paramètres d'application programmés.
IBM utilise des technologies similaires. Et utilise avec succès! Pour l'un de ses clients en Asie du Sud-Est, l'entreprise a pu prédire le stress des cultures dans la région en raison d'une infection par des ravageurs / maladies. Ensuite, l'équipe au sol a mis plusieurs heures pour arriver à cet endroit.
Systèmes intelligents
Les systèmes d'IA profitent également aux agriculteurs. La gamme de leur application est légèrement plus large que celle des appareils robotiques, cependant, les tâches sont souvent différentes. Bien qu'il existe des points d'intersection.
SonomaOui, ce n'est pas un robot, mais une technologie. Cependant, il mérite également attention. Sonoma de Microsoft a remporté l'Autonomous Greenhouse Challenge, une expérience de serre aux Pays-Bas du 27 août au 7 décembre. 5 Les géants de l'informatique ont découvert comment les technologies d'apprentissage automatique pourront faire face à la croissance des plantes et combien il est réaliste d'utiliser ces technologies dans le jardinage "traditionnel".
Les systèmes de récolte automatisés existent depuis un certain temps. Cependant, l'expérience portait sur le contrôle total de l'IA sur la production. La technologie de l'équipe Sonoma a permis de cultiver 50 kg de concombres par mètre carré. Le réseau de neurones contrôlait l'irrigation, la composition du gaz, l'alimentation, la température et d'autres aspects qui affectent la croissance des concombres.
L'équipe iGrow de Tencent et la China Academy of Agricultural Sciences se sont classées au deuxième rang. L'équipe Deep Green d'Intel a terminé dernière.
Taranis
La startup israélienne
Taranis vous permet de surveiller l'état des plantes, d'identifier en temps opportun les facteurs négatifs et de les éliminer. Pour la surveillance, les lectures des capteurs d'observation sur le terrain, les données météorologiques et la photographie aérienne sont utilisées. Pour l'analyse, des images à ultra-haute résolution (jusqu'à 8 cm par pixel) de Mavrx sont utilisées.
L'étude de grandes quantités de données vous permet de localiser les zones de cultures à croissance ralentie, d'identifier les maladies des plantes, les problèmes de ravageurs, de déterminer l'approvisionnement des plantes en nutriments, le rendement potentiel, etc. Le système offre non seulement des moyens de résoudre les problèmes trouvés, mais détermine également le moment optimal d'entre eux en fonction des prévisions météorologiques réalisation.
Watson
La
plateforme de décision Watson pour l'agriculture d' IBM conseille les agriculteurs sur le traitement des données de télédétection de la Terre. En utilisant l'IA pour combiner les données de plusieurs satellites, la solution IBM est capable de détecter des zones de culture inefficaces avec presque la même précision que les capteurs IoT terrestres. Watson d'IBM déterminera pour l'agriculteur le type, la quantité et le moment optimal pour le traitement aux pesticides de la zone affectée.
Cela aidera à effectuer un traitement préventif. À l'aide d'un indice d'activité végétale à haute résolution (HD-NDVI), il évalue l'état d'une plante et détermine les mesures préventives nécessaires (fertilisation, nutriments, etc.). En combinant des données d'humidité (HD-SM) avec des données de terrain et des mesures météorologiques, la dynamique des changements d'humidité du sol est simulée. L'agriculteur reçoit également une prévision de rendement, la dynamique des changements de rendement basée sur des images et des informations des saisons passées, etc.
Cartes et notifications de changement de santé
La plateforme d'IA Health Change Maps and Notifications, développée par Farmers Edge, informe l'agriculteur de l'efficacité de l'équipement, des conditions des plantes, des ravageurs ou des maladies, des carences nutritionnelles, etc. Le programme traite des images satellites et envoie à l'utilisateur des messages sur les risques possibles et les mesures nécessaires.
ET cerveau agricole
Le projet d'IA «porcine» d'Alibaba vous permet de détecter la grossesse de porcs, ce qui permet aux éleveurs de déterminer la date de mise bas et de préparer le processus de grossesse ultérieur et la naissance d'une portée de porcelets sains. Le système déploie des caméras de surveillance intelligentes dans les hangars et les algorithmes d'apprentissage automatique produisent des résultats basés sur l'observation du sommeil, de la position debout et des conditions nutritionnelles des truies. Par exemple, une truie est susceptible d'être enceinte si elle dort sur le dos, reste immobile, court un peu et consomme une quantité constante de nourriture. Les ingénieurs d'Alibaba prévoient également d'ajouter une prévision de la quantité de litière en fonction de la forme de la cochonne gestante.
Le système utilise des méthodes de vision par ordinateur pour configurer les profils de chaque porc - documentant leur race, leur âge, leur poids, leurs conditions nutritionnelles, l'intensité et la fréquence des exercices, ainsi que la trajectoire du mouvement. Pendant ce temps, des algorithmes de reconnaissance vocale sont utilisés pour surveiller la santé des porcelets et se protéger contre la suffocation, ce qui réduit la mortalité de trois pour cent et augmente le taux de production annuel de trois porcs par truie.
La division financière d'une autre grande société holding chinoise, JD.com, a également ciblé le bétail. Le mois dernier, la société a présenté un ensemble de solutions agricoles basées sur l'IA.
Cainthus
Poursuivant le sujet de l’élevage, nous vous parlerons d’un projet irlandais très intéressant, Cainthus, que les journalistes ont surnommé «Facebook pour les vaches». L'identification des vaches en fonction des caractéristiques individuelles de leur visage vous permet de collecter une variété d'informations sur chaque animal, allant des caractéristiques de leur comportement, se terminant par un appétit. Les propriétaires peuvent utiliser les données pour surveiller la santé des vaches laitières et augmenter leur rendement laitier.
L'entreprise propose aux éleveurs d'augmenter le confort des vaches tout au long du cycle de vie en surveillant leurs besoins individuels et en signalant immédiatement la nécessité d'une intervention en cas de problème avec l'animal. Pour l'observation, un système de vision par ordinateur est utilisé.
Selon les développeurs, la plateforme est inhabituellement pertinente et en demande. Ils affirment également qu'elle est unique en son genre. Mais ce n'est pas le cas.
Soins aux bovinsUn autre projet intéressant avec des racines russes,
Cattle Care , offre des fonctionnalités similaires. Les développeurs ont créé un système de surveillance vidéo de la santé et de la productivité des vaches basé sur la vision par ordinateur. L'analyse vidéo pour les fermes laitières vous permet de fournir les conditions les plus confortables pour chaque burenka.
Le principe de fonctionnement est assez simple. Le motif sur la peau d'une vache est unique comme les empreintes digitales humaines. À l'aide de cette fonction, le système formé aux photographies des paroisses recueille des informations à partir des caméras vidéo installées dans les fermes, détecte et identifie chaque vache spécifique. En comptant le nombre de pas, les mouvements de mastication, la quantité de nourriture consommée, l'eau consommée et d'autres modèles de comportement, l'ordinateur établit un dossier médical pour chaque vache. Grâce à Cattle Care, l'agriculteur voit immédiatement si quelque chose ne va pas dans sa salle.
Conclusion
Comme vous pouvez le voir, l'intelligence artificielle et les robots sont tout à fait capables d'augmenter l'efficacité de l'agriculture et de simplifier le travail des agriculteurs. Cependant, ces technologies peuvent-elles résoudre la menace potentielle de pénurie alimentaire? Votre avis est intéressant.
Quoi d'autre est utile de lire sur le blog Cloud4Y→
VNIITE de la planète de l'ensemble: comment en URSS ils ont mis au point un système de «maison intelligente»→
5 systèmes de gestion d'événements de sécurité open source→
Comment les interfaces neuronales aident l'humanité→ La
cyberassurance sur le marché russe→
Lumière, caméra ... cloud: comment les nuages changent l'industrie du cinémaAbonnez-vous à notre chaîne
Telegram pour ne pas manquer un autre article! Nous écrivons pas plus de deux fois par semaine et uniquement pour affaires.