Robôs e morangos: como a IA aumenta o rendimento do campo

A população da Terra está crescendo rapidamente e, de acordo com as previsões da ONU, em 2030 chegará a 8,5 bilhões de pessoas. Os analistas do Banco Mundial acreditam que, até 2050, precisaremos aumentar a quantidade de alimentos em 50%, a fim de apoiar a crescente população do planeta, e as mudanças climáticas levarão a uma diminuição da produtividade em 25% ao ar livre. Mas os territórios mais adequados para o cultivo de plantas cultivadas já estão sendo cultivados. É difícil encontrar novos lugares e alcançar um aumento significativo da produtividade é ainda mais difícil.

Esse problema precisa ser resolvido com a ajuda de novas tecnologias. E aqui a área mais promissora parece ser o uso de redes neurais e inteligência artificial para criar robôs agrícolas e sistemas de controle de culturas.

Por que exatamente redes neurais? Eles são mais adequados para resolver problemas aplicados. Não descreveremos os detalhes técnicos de seu funcionamento; descreveremos melhor as vantagens. A rede neural não está programada no sentido clássico deste processo. Ela "aprende", encontrando padrões nos dados baixados e pode usá-los em trabalhos futuros.

Como uma pessoa, uma rede neural pode reconhecer rapidamente imagens de fotos e vídeos, é capaz de prever e tomar decisões. Ao mesmo tempo, as redes neurais artificiais trabalham com grandes volumes de dados com mais rapidez e eficiência do que os humanos. O que é necessário para otimizar as terras agrícolas, onde as áreas são medidas em centenas de hectares, o pessoal em milhares de funcionários e o gado em milhões. Sim, o número de ovelhas no país é Big Data. Quase todas as empresas do setor terão informações primárias suficientes para treinamento. O principal é montá-lo em um formato compreensível para treinamento e integrá-lo aos processos de trabalho.

A qualidade e quantidade da colheita, o aumento no número de animais dependem de muitos fatores. Para analisá-los todos, a fim de tomar a decisão certa, uma pessoa não é capaz, por mais experiente que seja. Portanto, a necessidade de tecnólogos modernos é óbvia. Além disso, já existe um grande número de desenvolvimentos bem-sucedidos que ajudam os agricultores a colher, monitorar o gado e fazer previsões. Vamos falar dos projetos mais interessantes com robôs e IA na agricultura.

Robôs rurais

Vamos começar com os robôs. Eles são grandes e pequenos, existem até robôs-pato .

Agrobot



A empresa espanhola Agrobot propôs um robô para a coleta automática de morangos delicados. O dispositivo é completamente autônomo e pode navegar no espaço. As mãos robóticas (podem ter até 24 peças) trabalham independentemente, removendo uma baga do mato. Para avaliar a maturidade das bagas, o robô usa a tecnologia de inteligência artificial. Os sensores analisam bagas e as GPUs avaliam a cor da fruta e sua apresentação, com os dados de cada fruta sendo gravados no banco de dados.

Em três dias, a Agrobot poderá colher morangos a partir de 800 acres. Após cada linha coletada, ele para e envia as informações ao operador. A máquina lida rapidamente com a tarefa e é adequada para diferentes lotes da fazenda. O primeiro teste bem sucedido de robô de morango foi realizado em uma fazenda Driscoll, na Califórnia.

Tecnologias de dente de cão



Concorrente do robô espanhol, criado no Reino Unido. O dispositivo foi projetado para coletar frutas macias. É capaz de se mover autonomamente pelas fileiras de culturas, encontrar e coletar frutas maduras, separar as frutas coletadas e embalá-las em embalagens. Depois de colher bagas, as câmeras examinam o feto de todos os lados para determinar a variedade, forma, medir peso, detectar defeitos (amolgadelas, mofo, etc.). Frutas rejeitadas são colocadas em recipientes de lixo.

A separação e embalagem das frutas ocorre localmente, portanto, custos adicionais de mão-de-obra são excluídos, e o produto chega às prateleiras mais rapidamente. A orientação no espaço ocorre usando coordenadas GPS de alta precisão.

O robô tem algumas características interessantes. Por exemplo, os britânicos estão acostumados a comprar morangos maduros com uma pequena parte do caule nas redes de varejo. A máquina leva esse recurso em consideração ao escolher uma baga com uma pequena porção da haste.

Vegebot



O Vegebot é um protótipo de trabalho do selecionador robótico de saladas de iceberg criado por engenheiros da Universidade de Cambridge. O dispositivo pode reconhecer independentemente cabeças de salada intactas prontas para serem cortadas, além de processá-las e coletá-las cuidadosamente. Denis-19 contou com mais detalhes sobre o robô em um artigo recente sobre Habré.

Wall-ye vin



A ideia do inventor da Borgonha, Christoph Millot (França), está trabalhando duro nas vinhas. Um dispositivo com quatro rodas, dois braços e seis câmeras pesa 20 kg, seleciona o caminho automaticamente e usa inteligência artificial para determinar o que fazer no momento. Até 600 videiras podem ser podadas por dia.

O Wall-Ye VIN dedica-se não apenas à poda e beliscar, mas também acumula dados importantes sobre a condição e a vitalidade do solo, frutas e videiras. Ele se move de cipó em cipó, revela certas características das plantas, fotografa e registra dados de seis câmeras, marcando cada cipó, após o qual seus manipuladores são incluídos no trabalho.

Uma mão com tesouras de podar não é projetada apenas para cortar galhos, mas pode se proteger de ladrões. Um giroscópio é incorporado ao dispositivo e, se levantado do chão, ele se defenderá com tesouras de podar, apagará todos os dados do disco rígido e enviará um sinal ao proprietário para obter ajuda. Além disso, o receptor GPS embutido não permitirá que ele vá além da área de trabalho.

Robô Apple sem nome da Abundant Robotics



O robô da Califórnia, que ainda não tem nome, apesar de um investimento impressionante da GV (anteriormente Google Ventures), foi criado para colher maçãs. O dispositivo se move pelas fileiras entre as macieiras usando um lidar, que pinta o mundo com lasers e retrata frutas usando a visão de máquina.

Os operadores podem adaptá-lo para uma variedade específica de maçã, em consulta com um agricultor que sabe por experiência própria qual é a cor madura. Depois de reconhecer a maturidade das maçãs em tempo real, o robô aspira os frutos da árvore usando um tubo de vácuo, enviando-os para a cesta através do transportador. O robô pode colher maçãs 24 horas por dia, pulando frutas que ainda não estão maduras, para retornar a elas mais tarde, como faria o catador.

ecoRobotix



O ecoRobotix suíço é um robô projetado para afinar automaticamente as ervas daninhas. A ideia está no ar há muito tempo. Uma rede neural pode ser ensinada a distinguir culturas úteis de ervas daninhas. Tendo “estudado” no início de vários milhões de fotografias de plantas saudáveis ​​e doentes em diferentes estágios de crescimento, o sistema que usa uma câmera de vídeo pode determinar em alguns milissegundos se há uma sessão saudável ou erva daninha na frente. Ele também será capaz de avaliar o grau de ameaça à colheita e sugerir maneiras de resolver o problema se os sinais de infecção forem visíveis.

O ecoRobotix está equipado com um sistema de visão por computador projetado para identificar ervas daninhas. A orientação no espaço ocorre usando GPS e sensores de toque. Capaz de processar cerca de 3 hectares de culturas por dia. Ao dirigir pelas "posses", se necessário, pulverize a erva com uma pequena dose do herbicida. Essa abordagem reduz o uso de produtos químicos em 2 a 3 vezes.

As ervas daninhas são geralmente um assunto delicado para os agricultores, então existem outros projetos nessa área. Por exemplo, um pulverizador de jardim inteligente indiano usa um sistema de sensores ultrassônicos para determinar o tamanho de uma árvore e sua distância. As informações obtidas são analisadas e afetam a potência do jato e a quantidade de substância pulverizada. Os testes mostraram alta eficiência do sistema, reduzindo o consumo para 26%.

E a Bayer e a Bosh estão desenvolvendo tecnologias de pulverização inteligente . Difere dos sistemas disponíveis no mercado devido à sua capacidade de distinguir ervas daninhas de culturas. Supõe-se que o sistema “reconheça” a erva daninha e determine o tipo e a quantidade de pesticida necessária, levando em consideração os parâmetros de aplicação programados.

Tecnologias semelhantes são usadas pela IBM. E usa com sucesso! Para um de seus clientes no sudeste da Ásia, a empresa conseguiu prever o estresse das culturas na região devido à infecção por pragas / doenças. Então a equipe de terra levou várias horas apenas para chegar a este lugar.

Sistemas Inteligentes

Os sistemas de IA também beneficiam os agricultores. O alcance de sua aplicação é um pouco maior do que o de dispositivos robóticos, no entanto, as tarefas geralmente são diferentes. Embora existam pontos de interseção.

Sonoma



Sim, este não é um robô, mas uma tecnologia. No entanto, também é digno de atenção. O Sonoma da Microsoft venceu o Autonomous Greenhouse Challenge, um experimento com efeito de estufa na Holanda de 27 de agosto a 7 de dezembro. 5 Os gigantes de TI descobriram como as tecnologias de aprendizado de máquina serão capazes de lidar com as plantas em crescimento e quão realista é usar essas tecnologias na jardinagem "tradicional".

Os sistemas de colheita automatizada já existem há algum tempo. No entanto, o experimento foi sobre o controle total da IA ​​sobre a produção. A tecnologia da equipe Sonoma permitiu o cultivo de 50 kg de pepinos por metro quadrado. A rede neural controlava a irrigação, composição dos gases, alimentação, temperatura e outros aspectos que afetam o crescimento dos pepinos.

A equipe iGrow da Tencent e a Academia Chinesa de Ciências Agrícolas ficaram em segundo lugar. A equipe Deep Green da Intel terminou em último.

Taranis



A startup israelense Taranis permite monitorar a condição das plantas, identificar oportunamente fatores negativos e eliminá-los. Para o monitoramento, são utilizadas as leituras dos sensores de observação de campo, dados meteorológicos e fotografia aérea. Para análise, são usadas imagens com resolução ultra-alta (até 8 cm por pixel) do Mavrx.

O estudo de grandes quantidades de dados permite localizar áreas de culturas com crescimento inibido, identificar doenças de plantas, problemas com pragas, determinar o suprimento de plantas com nutrientes, rendimento potencial etc. O sistema não apenas oferece maneiras de resolver os problemas encontrados, mas também determina o momento ideal deles com base na previsão meteorológica realizando.

Watson



O Watson Decision Platform for Agriculture da IBM aconselha os agricultores no processamento de dados de sensoriamento remoto da Terra. Usando a IA para combinar dados de vários satélites, a solução IBM é capaz de detectar áreas ineficientes da cultura com quase a mesma precisão que os sensores de IoT terrestres. Watson, da IBM, determinará para o agricultor o tipo, a quantidade e o momento ideal para o tratamento de pesticidas na área afetada.

Ajudará na realização de tratamento preventivo. Usando um índice de alta resolução de atividade da planta (HD-NDVI), ele avalia a condição de uma planta e determina as medidas preventivas necessárias (fertilização, nutrientes, etc.). Ao combinar dados de umidade (HD-SM) com dados do terreno e medições meteorológicas, a dinâmica das mudanças de umidade do solo é simulada. O agricultor também recebe uma previsão de produção, a dinâmica das mudanças de produção com base em imagens e informações de temporadas passadas, etc.

Mapas e notificações de alterações de integridade



A plataforma AI Health Change Maps and Notifications, desenvolvida pela Farmers Edge, informa o agricultor sobre a eficiência do equipamento, condições das plantas, pragas ou doenças, deficiências nutricionais etc. O programa processa imagens de satélite e envia ao usuário mensagens sobre possíveis riscos e medidas necessárias.

ET Cérebro Agrícola



O projeto de IA "suínos" da Alibaba permite detectar a gravidez de porcos, o que permite que os agricultores determinem a data do parto e se preparem para o processo subsequente de gravidez e o nascimento de uma ninhada de porcos saudáveis. O sistema implementa câmeras de vigilância inteligentes em galpões, e os algoritmos de aprendizado de máquina produzem resultados com base na observação do sono das porcas, posição de pé e condições nutricionais. Por exemplo, é provável que uma porca esteja grávida se ela dormir de costas, ficar parada, correr um pouco e consumir uma quantidade constante de comida. Os engenheiros da Alibaba também planejam adicionar uma previsão da quantidade de lixo com base na forma da porca grávida.



O sistema utiliza métodos de visão computacional para configurar perfis para cada porco - documentando sua raça, idade, peso, condições nutricionais, intensidade e frequência de exercícios, bem como a trajetória de movimento. Enquanto isso, algoritmos de reconhecimento de voz são usados ​​para monitorar a saúde dos leitões e proteger contra asfixia, o que reduz a mortalidade em três por cento e aumenta a taxa de produção anual em três porcos por porca.

A divisão financeira de outra grande holding chinesa, a JD.com, também tem como alvo o gado. No mês passado, a empresa lançou um conjunto de soluções agrícolas baseadas em IA.

Cainthus



Continuando o tópico da criação de animais, falaremos sobre um projeto irlandês muito interessante, Cainthus, que os jornalistas apelidaram de "Facebook para vacas". A identificação de vacas de acordo com as características individuais de seus rostos permite que você colete uma variedade de informações sobre cada animal, desde as características de seu comportamento até o apetite. Os dados podem ser usados ​​pelos proprietários das fazendas para monitorar a saúde das vacas leiteiras e aumentar sua produção de leite.

A empresa oferece aos agricultores o aumento do conforto das vacas durante todo o ciclo de vida, monitorando suas necessidades individuais e sinalizando imediatamente a necessidade de intervenção se algo estiver errado com o animal. Para observação, é utilizado um sistema de visão computacional.

Segundo os desenvolvedores, a plataforma é incomumente relevante e demandada. Eles também afirmam que ela é única. No entanto, isso não é verdade.

Cuidados com o gado



Outro projeto interessante com raízes russas, Cattle Care , oferece funcionalidade semelhante. Os desenvolvedores criaram um sistema de monitoramento de vídeo da saúde e produtividade das vacas com base na visão computacional. A análise de vídeo para fazendas leiteiras permite fornecer as condições mais confortáveis ​​para cada burenka.

O princípio de operação é bastante simples. O padrão na pele de uma vaca é único como as impressões digitais humanas. Usando esse recurso, o sistema treinado em fotografias das enfermarias coleta informações das câmeras de vídeo instaladas nas fazendas, detecta e identifica cada vaca específica. Contando o número de etapas, movimentos de mastigação, quantidade de comida consumida, água consumida e outros padrões comportamentais, o computador compila um registro médico para cada vaca. Graças ao Cattle Care, o fazendeiro vê imediatamente se algo está errado com sua ala.

Conclusão

Como você pode ver, a inteligência artificial e os robôs são capazes de aumentar a eficiência da agricultura e simplificar o trabalho dos agricultores. No entanto, essas tecnologias podem resolver a ameaça potencial de escassez de alimentos? Sua opinião é interessante.

O que mais é útil para ler no blog do Cloud4Y

→ VNIITE do planeta como um todo: como na URSS eles criaram um sistema de “casa inteligente”
→ 5 sistemas de gerenciamento de eventos de segurança de código aberto
→ Como as interfaces neurais ajudam a humanidade
→ Seguro cibernético no mercado russo
→ Luz, câmera ... nuvem: como as nuvens mudam a indústria cinematográfica

Assine o nosso canal Telegram para não perder outro artigo! Escrevemos não mais do que duas vezes por semana e apenas a negócios.