Сельское хозяйство использует искусственный интеллект

Nov 03, 2023

Искусственный интеллект использует массивы данных для повышения эффективности.

Седобородые, наверное, помнят тот восторг, который они испытали, когда математические расчеты, выполненные с помощью карандашей, продвинули скорость деформации вперед, в эпоху калькуляторов.

Сегодня искусственный интеллект (ИИ) обещает привнести в сельское хозяйство тот же жар, что и в уроки математики десятилетия назад. «Искусственный интеллект — это технология, которая включает в себя несколько подмножеств, таких как машинное обучение», — говорит Рания Халаф, директор по информационным технологиям и данным Inari.

«Машинное обучение позволяет компьютерам математически прогнозировать результаты или проводить классификации, находя закономерности в больших объемах данных», — говорит она. «Затем он учится обновлять эти шаблоны или классификации с течением времени по мере появления новых данных».

«Самым большим преимуществом искусственного интеллекта является способность выполнять сложные вычисления с высокой скоростью, для выполнения которых раньше требовался человек», — добавляет Кент Клемме, генеральный менеджер See & Spray компании Blue River Technology. «Недавние улучшения в графических процессорах [графических процессорах] предоставили вычислительную мощность, чтобы сделать это возможным. Для решения конкретных задач требуется много данных».

Технология See & Spray Ultimate, основанная на машинном обучении, позволяет опрыскивателям уничтожать только сорняки при опрыскивании сельскохозяйственных культур. «Мы сделали тысячи и тысячи изображений различных сорняков на разных культурах в разных ситуациях, таких как ясное небо, облачное небо, темное небо, разные почвы и разные уровни растительных остатков», — говорит Клемме.

Затем специалисты по обработке данных Blue River и John Deere обучают систему See & Spray Ultimate распознавать растения в самых разных условиях. Эти изображения сортируются с помощью алгоритмов, которые предполагают повторение одной или нескольких математических операций. Алгоритмы часто реализуются и решаются на компьютерах.

Опрыскиватели серии Patriot 50 от Case IH используют форму машинного обучения, называемую визуальным управлением.

«Это решение для управления рядами, которое подает команды рулевого управления в зависимости от местоположения предприятия», — говорит Крис Демпси, глобальный директор по точным технологиям компании Case IH.

Система визуального контроля использует встроенную камеру, которая передает опрыскивателю местоположение растения кукурузы, чтобы он оставался в ряду, а не наезжал на сельскохозяйственные культуры, добавляет он.

Искусственный интеллект — это обширная область, включающая множество подмножеств, например машинное обучение. Однако, по сути, для повышения эффективности используются большие объемы данных, говорит Демпси.

«Самое большое препятствие, с которым сталкивается вся сельскохозяйственная отрасль в цифровом сельском хозяйстве, — это получение больших и сложных наборов данных и превращение их в значимые идеи», — говорит Эшвин Мадгавкар, основатель Ceres Imaging. «ИИ действительно может помочь преодолеть этот разрыв, синтезируя все эти данные в действия, которые может предпринять производитель».

Его использование увеличивается в селекции сельскохозяйственных культур.

«Мы изучаем всевозможные новые технологии, будь то машинное обучение или передовые аналитические модели для прогнозирования производительности гибридов», — говорит Майк Попелка, менеджер по селекции гибридных продуктов AgReliant Genetics. «Индустрия [растениеводства] все больше склоняется к этим моделям».

Использование ИИ также широко используется во многих линиях машиностроения. Case IH использует машинное обучение с помощью 16 датчиков, которые настраивают систему AFS Harvest Command.

«Повышение производительности при одновременном снижении потерь зерна теперь происходит автоматически», — говорит Демпси. «Исторически сложилось так, что операторам комбайнов приходилось регулировать сита, если в пробе зерна было слишком много початков или посторонних материалов».

Машинное обучение теперь делает это автоматически.

«Датчики сообщают комбайну, что ему необходимо отключить нижнее решето или увеличить скорость вентилятора или ротора», — говорит он. «Эти корректировки основаны на знании того, как выглядят посторонние примеси или зерно плохого качества в известной базе данных по данному типу культуры. По сути, это база данных изображений, показывающих хорошее [качественное зерно] от плохого».

John Deere также использует машинное обучение в функции автоматического обслуживания на комбайнах серий S700 и X9, чтобы поддерживать целевые потери зерна и показатели качества зерна.