Robot dan Stroberi: Bagaimana AI Meningkatkan Hasil Lapangan

Populasi Bumi berkembang pesat, dan menurut perkiraan PBB, pada tahun 2030 akan mencapai 8,5 miliar orang. Analis Bank Dunia percaya bahwa pada tahun 2050 kita perlu meningkatkan jumlah makanan hingga 50 persen untuk mendukung pertumbuhan populasi planet ini, dan perubahan iklim akan menyebabkan penurunan produktivitas sebesar 25 persen di udara terbuka. Tetapi wilayah yang paling cocok untuk menanam tanaman budidaya sudah dibudidayakan. Sulit menemukan tempat baru, dan untuk mencapai peningkatan produktivitas yang signifikan bahkan lebih sulit.

Masalah ini perlu dipecahkan dengan bantuan teknologi baru. Dan di sini area yang paling menjanjikan tampaknya adalah penggunaan jaringan saraf dan kecerdasan buatan untuk membuat robot pertanian dan sistem kontrol tanaman.

Mengapa tepatnya jaringan saraf? Mereka paling cocok untuk memecahkan masalah yang diterapkan. Kami tidak akan menjelaskan detail teknis dari fungsinya; kami lebih baik menjelaskan keunggulannya. Jaringan saraf tidak diprogram dalam pengertian klasik dari proses ini. Dia "belajar", menemukan pola dalam data yang diunduh dan dapat menggunakannya dalam pekerjaan di masa depan.

Seperti halnya seseorang, jaringan saraf dapat dengan cepat mengenali gambar foto dan video, mampu memprediksi dan membuat keputusan. Pada saat yang sama, jaringan saraf tiruan bekerja dengan volume data yang besar lebih cepat dan lebih efisien daripada manusia. Apa yang dibutuhkan untuk mengoptimalkan lahan pertanian, di mana area diukur dalam ratusan hektar, staf dalam ribuan karyawan, dan ternak dalam jutaan. Ya, jumlah domba di negara ini adalah Big Data. Hampir setiap perusahaan dalam industri ini akan memiliki informasi primer yang cukup untuk pelatihan. Hal utama adalah merakitnya dalam format yang dapat dimengerti untuk pelatihan dan mengintegrasikannya ke dalam proses kerja.

Kualitas dan kuantitas tanaman, peningkatan jumlah ternak tergantung pada banyak faktor. Untuk menganalisis semuanya untuk membuat keputusan yang tepat, seseorang tidak mampu, tidak peduli seberapa berpengalamannya dia. Jadi kebutuhan akan teknologi modern sudah jelas. Selain itu, sudah ada sejumlah besar perkembangan sukses yang membantu petani untuk memanen, memantau ternak dan membuat perkiraan. Mari kita bicara tentang proyek paling menarik dengan robot dan AI di bidang pertanian.

Robot pedesaan

Mari kita mulai dengan robot. Mereka besar dan kecil, bahkan ada robot bebek .

Agrobot



Perusahaan Spanyol Agrobot telah mengusulkan robot untuk pengumpulan stroberi halus otomatis. Perangkat ini sepenuhnya otonom dan dapat bernavigasi di ruang angkasa. Tangan robot (bisa terdiri dari 24 buah) bekerja secara independen, mengeluarkan satu buah beri dari semak-semak. Untuk menilai kematangan buah beri, robot menggunakan teknologi kecerdasan buatan. Sensor menganalisis buah, dan GPU mengevaluasi warna buah dan presentasinya, dengan data pada setiap buah ditulis ke database.

Dalam tiga hari, Agrobot mampu memetik stroberi dari 800 hektar. Setelah setiap baris terkumpul, ia berhenti dan mengirimkan informasi ke operator. Mesin dengan cepat mengatasi tugas dan cocok untuk plot pertanian yang berbeda. Tes robot strawberry pertama yang berhasil dilakukan di sebuah peternakan Driscoll yang berbasis di California.

Teknologi dogtooth



Pesaing robot Spanyol, dibuat di Inggris. Perangkat ini dirancang untuk mengumpulkan buah-buahan lunak. Ia mampu bergerak secara mandiri melalui barisan tanaman, menemukan dan mengumpulkan buah matang, mengurutkan buah yang dikumpulkan dan mengemasnya dalam kemasan. Setelah memetik buah beri, kamera memeriksa janin dari semua sisi untuk menentukan variasi, bentuk, mengukur berat, mendeteksi cacat (penyok, cetakan, dll.). Buah-buahan yang ditolak ditempatkan di wadah sampah.

Penyortiran dan pengemasan buah dilakukan secara lokal, oleh karena itu, biaya tenaga kerja tambahan untuk penyortir tidak termasuk, dan produk tiba di rak lebih cepat. Orientasi dalam ruang terjadi menggunakan koordinat GPS presisi tinggi.

Robot ini memiliki beberapa fitur menarik. Misalnya, orang Inggris terbiasa membeli stroberi yang sudah matang dengan sebagian kecil batangnya di rantai ritel. Mesin mempertimbangkan fitur ini saat memetik buah beri dengan porsi kecil batang.

Vegebot



Vegebot adalah prototipe kerja pemetik salad gunung es robot yang dibuat oleh para insinyur dari University of Cambridge. Perangkat ini dapat secara independen mengenali kepala salad utuh yang siap dipotong, serta dengan hati-hati memproses dan mengumpulkannya. Denis-19 memberi tahu lebih detail tentang robot dalam sebuah artikel terbaru tentang Habré.

Wall-kamu vin



Gagasan penemu Burgundi Christoph Millot (Prancis) bekerja keras di kebun-kebun anggur. Perangkat dengan empat roda, dua lengan dan enam kamera memiliki berat 20 kilogram, memilih jalur secara otomatis dan menggunakan kecerdasan buatan untuk menentukan apa yang harus dilakukan saat ini. Hingga 600 tanaman merambat dapat dipangkas per hari.

Wall-Ye VIN terlibat tidak hanya dalam pemangkasan dan penjepit, tetapi juga mengumpulkan data penting tentang kondisi dan vitalitas tanah, buah-buahan dan tanaman merambat. Ini bergerak dari pokok anggur ke pokok anggur, mengungkapkan karakteristik tanaman tertentu, foto-foto dan merekam data dari enam kamera, menandai setiap tanaman anggur, setelah itu manipulatornya termasuk dalam pekerjaan.

Sebuah tangan dengan gunting rambut tidak hanya dirancang untuk memotong cabang, dengan itu ia dapat melindungi dirinya dari pencuri. Giroskop dibangun ke dalam perangkat, dan jika diangkat dari tanah, giroskop akan bertahan dengan beberapa gunting, menghapus semua data dari hard drive dan mengirim sinyal ke pemiliknya untuk meminta bantuan. Selain itu, penerima GPS bawaan tidak akan memungkinkannya untuk melampaui area kerja.

Nameless Apple Robot oleh Abundant Robotics



Robot California, yang masih tidak memiliki nama meskipun investasi yang mengesankan oleh GV (sebelumnya Google Ventures), diciptakan untuk memanen apel. Perangkat bergerak melalui barisan antara pohon apel menggunakan lidar, yang melukis dunia dengan laser dan menggambarkan buah-buahan menggunakan visi mesin.

Operator dapat mengadaptasinya untuk varietas apel tertentu, dengan berkonsultasi dengan petani yang mengetahui dari pengalaman warna mana yang matang. Setelah mengenali kematangan apel dalam waktu nyata, robot itu menghisap buah dari pohon menggunakan tabung vakum, mengirimkannya ke keranjang melalui conveyor. Robot dapat memetik apel 24 jam sehari, melewatkan buah-buahan yang tidak cukup matang, untuk kembali kepada mereka nanti, seperti yang dilakukan pemetik.

ecoRobotix



Swiss ecoRobotix adalah robot yang dirancang untuk menipis gulma dan gulma secara otomatis. Idenya telah mengudara sejak lama. Jaringan saraf dapat diajarkan untuk membedakan tanaman yang bermanfaat dari gulma. Setelah "mempelajari" pada awal beberapa juta foto tanaman sehat dan berpenyakit pada berbagai tahap pertumbuhan, sistem menggunakan kamera video dapat menentukan dalam beberapa milidetik apakah ada pemotretan yang sehat atau gulma di depannya. Dia juga akan dapat menilai tingkat ancaman terhadap tanaman dan menyarankan cara untuk menyelesaikan masalah jika tanda-tanda infeksi tanaman terlihat.

ecoRobotix dilengkapi dengan sistem visi komputer yang dirancang untuk mengidentifikasi gulma. Orientasi dalam ruang terjadi menggunakan GPS dan sensor sentuh. Mampu memproses sekitar 3 hektar tanaman per hari. Saat berkendara di sekitar "harta", jika perlu, semprotkan gulma dengan dosis kecil herbisida. Pendekatan ini mengurangi penggunaan bahan kimia sebanyak 2-3 kali.

Gulma pada umumnya sakit bagi petani, jadi ada proyek lain di daerah ini. Sebagai contoh, penyemprot taman pintar India menggunakan sistem sensor ultrasonik untuk menentukan ukuran pohon dan jaraknya. Informasi yang diperoleh dianalisis dan memengaruhi kekuatan jet serta jumlah zat yang disemprotkan. Pengujian telah menunjukkan efisiensi sistem yang tinggi, sekaligus mengurangi konsumsi hingga 26%.

Dan Bayer dan Bosh sedang mengembangkan teknologi Smart Spraying . Ini akan berbeda dari sistem yang tersedia di pasar karena kemampuannya untuk membedakan gulma dari tanaman. Diasumsikan bahwa sistem akan "mengenali" gulma dan menentukan jenis dan jumlah pestisida yang dibutuhkan, dengan mempertimbangkan parameter aplikasi yang diprogram.

Teknologi serupa digunakan oleh IBM. Dan berhasil digunakan! Untuk salah satu pelanggannya di Asia Tenggara, perusahaan dapat memprediksi stres tanaman di wilayah tersebut karena infeksi hama / penyakit. Kemudian kru darat membutuhkan waktu beberapa jam hanya untuk sampai ke tempat ini.

Sistem Cerdas

Sistem AI juga menguntungkan petani. Kisaran aplikasi mereka sedikit lebih luas daripada perangkat robot, namun tugasnya sering berbeda. Meski ada titik persimpangan.

Sonoma



Ya, ini bukan robot, tetapi teknologi. Namun, itu juga patut diperhatikan. Microsoft Sonoma memenangkan Autonomous Greenhouse Challenge, percobaan rumah kaca di Belanda dari 27 Agustus hingga 7 Desember. 5 raksasa TI telah menemukan bagaimana teknologi pembelajaran mesin akan mampu mengatasi tanaman yang tumbuh dan seberapa realistis menggunakan teknologi ini dalam berkebun "tradisional".

Sistem pemanenan otomatis telah ada selama beberapa waktu. Namun, percobaan itu tentang kontrol penuh AI atas produksi. Teknologi tim Sonoma telah memungkinkan untuk menumbuhkan 50 kg mentimun per meter persegi. Jaringan saraf mengendalikan irigasi, komposisi gas, makan, suhu dan aspek-aspek lain yang mempengaruhi pertumbuhan mentimun.

Tim iGrow dari Tencent dan Akademi Ilmu Pengetahuan Pertanian Cina berada di peringkat kedua. Tim Deep Green Intel selesai terakhir.

Taranis



Startup Israel Taranis memungkinkan Anda untuk memantau kondisi pabrik, mengidentifikasi faktor negatif tepat waktu dan menghilangkannya. Untuk pemantauan, pembacaan sensor observasi lapangan, data meteorologi, dan foto udara digunakan. Untuk analisis, gambar dengan resolusi ultra-tinggi (hingga 8 cm per piksel) dari Mavrx digunakan.

Studi tentang sejumlah besar data memungkinkan Anda untuk melokalkan area tanaman dengan pertumbuhan terhambat, untuk mengidentifikasi penyakit tanaman, masalah dengan hama, untuk menentukan pasokan tanaman dengan nutrisi, potensi hasil, dll. Sistem ini tidak hanya menawarkan cara untuk menyelesaikan masalah yang ditemukan, tetapi juga berdasarkan perkiraan meteorologi menentukan waktu optimal melakukan.

Watson



Platform Pengambilan Keputusan Watson untuk Pertanian menyarankan petani tentang pemrosesan data penginderaan jauh Bumi. Menggunakan AI untuk menggabungkan data dari berbagai satelit, solusi IBM mampu mendeteksi area budaya yang tidak efisien dengan akurasi yang hampir sama dengan sensor IoT terestrial. Watson dari IBM akan menentukan bagi petani jenis, jumlah dan waktu optimal untuk perawatan pestisida di daerah yang terkena dampak.

Ini akan membantu dalam melakukan perawatan pencegahan. Menggunakan indeks resolusi tinggi dari aktivitas tanaman (HD-NDVI), ia menilai kondisi tanaman dan menentukan langkah-langkah pencegahan yang diperlukan (pemupukan, nutrisi, dll.). Dengan menggabungkan data kelembaban (HD-SM) dengan data terrain dan pengukuran meteorologi, dinamika perubahan kelembaban tanah disimulasikan. Petani juga menerima perkiraan hasil panen, dinamika perubahan hasil berdasarkan gambar dan informasi dari musim lalu, dll.

Peta dan Pemberitahuan Perubahan Kesehatan



Platform Perubahan Peta dan Pemberitahuan Kesehatan Platform AI, yang dikembangkan oleh Farmers Edge, menginformasikan kepada petani tentang efisiensi peralatan, kondisi pabrik, hama atau penyakit, kekurangan nutrisi, dll. Program ini memproses gambar satelit dan mengirimkan pesan kepada pengguna tentang kemungkinan risiko dan tindakan yang diperlukan.

ET Otak Pertanian



Proyek AI “babi” dari Alibaba memungkinkan Anda untuk mendeteksi kehamilan babi, yang memungkinkan petani untuk menentukan tanggal pemindahan dan persiapan untuk proses kehamilan berikutnya dan kelahiran serasah anak babi yang sehat. Sistem ini menyebarkan kamera pengintai cerdas di dalam gudang, dan algoritma pembelajaran mesin menghasilkan hasil berdasarkan pengamatan tidur induk, posisi berdiri dan kondisi gizi. Sebagai contoh, babi betina kemungkinan akan hamil jika dia tidur telentang, berdiri diam dan berlari sedikit dan mengkonsumsi makanan dalam jumlah yang konstan. Insinyur Alibaba juga berencana untuk menambahkan perkiraan jumlah sampah berdasarkan bentuk babi yang hamil.



Sistem ini menggunakan metode penglihatan komputer untuk mengonfigurasi profil untuk setiap babi - mendokumentasikan ras, usia, berat badan, kondisi gizi, intensitas dan frekuensi latihan, serta lintasan pergerakannya. Sementara itu, algoritma pengenalan suara digunakan untuk memantau kesehatan anak babi dan melindungi terhadap mati lemas, yang mengurangi angka kematian hingga tiga persen dan meningkatkan tingkat produksi tahunan sebesar tiga babi per babi.

Divisi keuangan perusahaan induk besar Cina lainnya, JD.com, juga menargetkan ternak. Bulan lalu, perusahaan memperkenalkan serangkaian solusi pertanian berbasis AI.

Cainthus



Melanjutkan topik peternakan, kami akan memberi tahu Anda tentang proyek Irlandia yang sangat menarik, Cainthus, yang oleh jurnalis dijuluki "Facebook for Cows." Identifikasi sapi sesuai dengan fitur individual dari wajah mereka memungkinkan Anda untuk mengumpulkan berbagai informasi tentang masing-masing hewan, mulai dari fitur perilaku mereka, berakhir dengan selera. Data dapat digunakan oleh pemilik peternakan untuk memantau kesehatan sapi perah dan meningkatkan produksi susu mereka.

Perusahaan menawarkan kepada para petani untuk meningkatkan kenyamanan sapi di seluruh siklus hidup dengan memantau kebutuhan masing-masing dan segera menandakan perlunya intervensi jika ada sesuatu yang salah dengan hewan tersebut. Untuk pengamatan, sistem visi komputer digunakan.

Menurut pengembang, platform ini sangat relevan dan diminati. Mereka juga mengklaim bahwa dia adalah satu-satunya. Namun, ini tidak benar.

Perawatan ternak



Proyek lain yang menarik dengan akar Rusia, Cattle Care , menawarkan fungsionalitas serupa. Para pengembang telah menciptakan sistem pemantauan video kesehatan dan produktivitas sapi berdasarkan visi komputer. Analitik video untuk peternakan sapi perah memungkinkan Anda memberikan kondisi paling nyaman untuk setiap burenka.

Prinsip operasi cukup sederhana. Pola pada kulit sapi unik seperti sidik jari manusia. Dengan menggunakan fitur ini, sistem yang dilatih dalam foto-foto bangsal mengumpulkan informasi dari kamera video yang dipasang di peternakan, mendeteksi dan mengidentifikasi setiap sapi tertentu. Menghitung jumlah langkah, gerakan mengunyah, jumlah makanan yang dikonsumsi, konsumsi air dan pola perilaku lainnya, komputer menyusun catatan medis untuk setiap sapi. Berkat Cattle Care, petani itu segera melihat apakah ada sesuatu yang salah dengan lingkungannya.

Kesimpulan

Seperti yang Anda lihat, kecerdasan buatan dan robot cukup mampu meningkatkan efisiensi pertanian dan menyederhanakan pekerjaan petani. Namun, dapatkah teknologi ini mengatasi potensi ancaman kekurangan makanan? Pendapat Anda menarik.

Apa lagi yang berguna untuk dibaca di blog Cloud4Y

→ VNIITE dari planet keseluruhan: bagaimana di USSR mereka datang dengan sistem "rumah pintar"
→ 5 sistem manajemen acara keamanan sumber terbuka
→ Bagaimana Antarmuka Saraf Neural Membantu Kemanusiaan
→ Asuransi cyber di pasar Rusia
→ Cahaya, kamera ... cloud: bagaimana cloud mengubah industri film

Berlangganan saluran Telegram kami agar tidak ketinggalan artikel lain! Kami menulis tidak lebih dari dua kali seminggu dan hanya untuk bisnis.