Агроштучний інтелект прийшов вирішити багато проблем сільського господарства

Через 10 років, коли генеративний штучний інтелект стане значно досконалішим і повністю автономним, він керуватиме всіма аспектами сільського господарства — від насіння до столу.

Так вважає Моніка Х’юстон, менеджер із штучного інтелекту та машинного навчання в Tria Technologies, дочірній компанії Avnet, і наводить докази у своїй статті, опублікованій на порталі Global Ag Tech Initiative.

Сільське господарство є значною частиною світової економіки, і в таких країнах, як Індія, наприклад, на нього припадає 60% ВВП. Фермери завжди боролися за управління своїми полями та врожайністю, на які впливають різні умови, деякі з яких тепер погіршуються. Це зростаюча кількість серйозних погодних катаклізмів через зміну клімату — посухи, повені, ерозія ґрунтів, втрата біорізноманіття та багато іншого, включаючи вплив людської діяльності на планету. До цього додаються постійні проблеми нестачі робочої сили, шкідників і хвороб, що вражають рослини та худобу, оновлення правил і стандартів, а також постійно змінювані очікування виробників продуктів харчування, роздрібних торговців і споживачів. Крім того, зростає занепокоєння щодо збереження довкілля та захисту запилювачів.

Впровадження технологій у сільське господарство стало важливим способом вирішення деяких із цих проблем, підвищення продуктивності та забезпечення безпеки фермерів. Точне землеробство — лише одна з таких систем, що допомагає фермерам керувати посівами, максимізувати врожайність, зменшувати зусилля та оптимізувати процеси. Асоціація виробників обладнання (AEM) повідомила у 2021 році, що використання технологій точного землеробства збільшило продуктивність фермерів на 4%, водночас скоротивши використання добрив на 7%, гербіцидів на 9% і води на 4%.

Збір даних та Інтернет речей (IoT) у поєднанні з GPS, географічними інформаційними системами, дистанційним зондуванням і супутниковими знімками дозволили фермерам покращити свої методи, але ще більше можна досягти за допомогою ШІ та роботів.

Аналітична фірма StartUs Insights прогнозує, що до 2028 року вартість ШІ в сільському господарстві сягне 4,7 мільярда доларів США, зростаючи з річним темпом понад 23%.

Машини, які використовуються в полях сьогодні, уже менші та розумніші, вони оснащені датчиками та локальною обробкою ШІ, або периферійним ШІ. Інформацію з датчиків можна аналізувати та використовувати для прийняття рішень у реальному часі для кращого управління врожаєм.

Дані датчиків також можна використовувати для відстеження стану сільськогосподарських машин за допомогою методів передбачувального технічного обслуговування, які повідомляють обслуговуючий персонал до того, як машини вийдуть із ладу. Це забезпечується сучасними платами обробки, такими як плати від Tria Technologies, оснащені численними процесорами, датчиками та можливостями ШІ. Машинне навчання на Tria RASynBoard, наприклад, із нейронним процесором прийняття рішень Syntiant NDP120 і головним мікроконтролером Renesas RA6M4, може використовуватися в операціях передбачувального обслуговування для виявлення несправних частин обладнання до виникнення проблем. Бортові датчики звуку та вібрації визначають, чи потрібна машині нова деталь, чи лише технічне обслуговування.

Сучасне автоматизоване обладнання покладається на дані, що надсилаються в хмару для обробки, що є нестабільним і ненадійним для віддалених районів, таких як поля та ферми.

Але загальні тенденції полягають у тому, щоб зберігати обробку даних локально, на самій машині, що забезпечує низку переваг, включаючи вищу продуктивність, кращий аналіз ґрунту, моніторинг врожаю, виявлення шкідників і керування зрошенням. Для віддалених районів і транспортних засобів рішення з живленням від батарей дуже підходять, і завдяки останньому поколінню процесорів від таких компаній, як NXP, Qualcomm і Renesas, такі плати забезпечують дуже високу продуктивність із можливостями ШІ на периферії при дуже низькому енергоспоживанні.

Проблему нестачі робочої сили можна вирішити за допомогою автоматизованих машин, роботів і дронів, які здатні приймати рішення на ходу, використовуючи методи машинного навчання, що лежать в основі їхнього аналізу.

Боротьба зі зміною клімату може бути досягнута за допомогою точного обладнання, оснащеного ШІ, яке аналізує погодні умови, стан ґрунту та рослин у будь-який час, вирішуючи, коли найкраще сіяти врожай, поливати його (або припиняти полив), вибірково обробляти від шкідників і хвороб (тобто там, де це найбільше необхідно), збирати врожай тощо. Точне землеробство з використанням ШІ дозволить заощадити енергію, а також воду, пестициди та гербіциди.

Комп’ютерний зір також може застосовуватися в проєктах, де роботи використовуються для поливу рослин, а дрони — для вибору ділянок поля для розпилення пестицидів. Автоматизація таких процесів також зменшить вплив на людину шкідливих хімікатів.

Ці роботи функціонують або автономно, переміщаючись полями за допомогою датчиків, або керуються вручну через додатки. Сільськогосподарська техніка, така як трактори та комбайни, дедалі більше стає автоматизованою, деякі з них використовують технологію SLAM (одночасна локалізація та картографування), щоб успішно орієнтуватися в навколишньому середовищі та долати перешкоди в ньому.

У найближчому майбутньому агроштучний інтелект відіграватиме ще більшу роль у сільському господарстві, коли трактори та сільськогосподарські роботи реагуватимуть безпосередньо на вербальне або текстове спілкування людською мовою. У подальшому, через 5–10 років, коли генеративний ШІ стане значно досконалішим і повністю автономним, він керуватиме всіма аспектами сільського господарства — від насіння до столу. Аналітичний ШІ та генеративний ШІ змінять те, як вирощуються, збираються та розподіляються сільськогосподарські культури, але при цьому забезпечать оптимізовані та ефективні методи ведення сільського господарства з мінімальною участю людини. ШІ також надасть відповідні способи забезпечення сталості навіть за умов жорсткого економічного тиску, формуючи майбутнє цієї галузі.

Позначки:АПК, ШІ