Агроискусственный интеллект пришел решить многие проблемы сельского хозяйства

Через 10 лет, когда генеративный ИИ станет намного более продвинутым и полностью автономным, он будет управлять всеми аспектами сельского хозяйства — от семян до стола.

Так полагает Моника Хьюстон, менеджер по искусственному интеллекту и машинному обучению в Tria Technologies, дочерней компании Avnet, и приводит доказательства в своей статье, опубликованной на портале Global Ag Tech Initiative.

Сельское хозяйство является значительной частью мировой экономики, и в таких странах, как Индия, например, на него приходится 60% ее ВВП. Фермеры всегда боролись за управление своими полями и урожайностью, на которые влияли разные условия, ряд из них теперь ухудшается. Это растущее число серьезных погодных катаклизмов из-за изменения климата — засухи, наводнения, эрозия почвы, потеря биоразнообразия и многое другое, включая влияние человеческой жизнедеятельности на планету. Затем идут постоянные проблемы нехватки рабочей силы, вредителей и болезней, поражающих растения и скот, обновления правил и стандартов и постоянно меняющиеся ожидания производителей продуктов питания, розничных торговцев и потребителей. Кроме того, растет обеспокоенность по поводу сохранения окружающей среды и защиты опылителей.

Внедрение технологий в сельское хозяйство стало важным способом решения некоторых из этих проблем, повышения производительности и обеспечения безопасности фермеров. Точное земледелие — лишь одна из таких систем, что помогает фермерам управлять посевами, максимизировать урожайность, сокращать усилия и оптимизировать процессы. Ассоциация производителей оборудования (AEM) сообщила в 2021 году, что использование технологий точного земледелия увеличило производительность фермеров на 4%, в то же время использование удобрений сократилось на 7%, гербицидов на 9% и воды на 4%.

Сбор данных и интернет вещей (IoT) в сочетании с GPS, географическими информационными системами, дистанционным зондированием и спутниковыми снимками позволили фермерам улучшить свои методы, но еще больше можно будет получить с помощью ИИ и роботов. А

Аналитическая фирма StartUs Insights прогнозирует, что стоимость ИИ в сельском хозяйстве достигнет 4,7 млрд долларов США к 2028 году, увеличившись с годовым темпом роста более чем на 23%.

Машины, используемые в полях сегодня, уже меньше и умнее, они сильно загружены датчиками и локальной обработкой ИИ, или периферийным ИИ. Информацию датчиков можно анализировать и использовать для принятия решений в реальном времени для лучшего управления урожаем.

Данные датчиков также можно использовать для отслеживания состояния сельскохозяйственных машин с использованием методов предиктивного обслуживания, которые уведомляют обслуживающий персонал до того, как машины выйдут из строя. Это обеспечивается современными платами обработки, такими как платы от Tria Technologies, которые оснащены множеством процессоров, датчиков и возможностями ИИ. Машинное обучение на Tria RASynBoard, например, с его нейронным процессором принятия решений Syntiant NDP120 и главным микроконтроллером Renesas RA6M4, может использоваться в операциях предиктивного обслуживания для выявления неисправных частей оборудования до возникновения каких-либо проблем. Бортовые датчики звука и вибрации определяют, нужна ли машине новая деталь или просто техническое обслуживание.

Современное автоматизированное оборудование полагается на данные, отправляемые в облако для обработки, что неустойчиво и ненадежно для удаленных районов, таких как поля и фермы.

Но общие тенденции заключаются в том, чтобы хранить обработку данных локально, на самой машине, чтобы обеспечить ряд преимуществ, включая более высокую производительность, лучшую эффективность анализа почвы, мониторинга урожая, обнаружения вредителей и управления орошением. Для удаленных районов и транспортных средств решения с питанием от батарей очень подходят, и благодаря последнему поколению процессоров от таких компаний, как NXP, Qualcomm и Renesas, такие платы обеспечивают очень высокую производительность с возможностями ИИ на периферии при очень низком энергопотреблении.

Проблему нехватки рабочей силы можно решить с помощью автоматизированных машин, роботов и дронов, которые способны принимать решения на ходу, используя методы машинного обучения, лежащие в основе их анализа.

Борьба с изменением климата может быть достигнута с помощью точного оборудования, оснащенного ИИ, которое анализирует погодные условия, состояние почвы и растений в любое время, решая, когда лучше всего сеять урожай, поливать его (или прекращать полив), выборочно обрабатывать от вредителей и болезней (т. е. там, где это больше всего необходимо), собирать урожай и многое другое. Точное земледелие с использованием ИИ позволит сэкономить энергию, а также воду, пестициды и гербициды.

Компьютерное зрение также может применяться в проектах, где роботы используются для полива растений, а дроны — для выбора участков поля для распыления пестицидов. Автоматизация таких процессов также снизит воздействие на человека вредных химикатов.

Эти роботы функционируют либо автономно, перемещаясь по полям с помощью датчиков, либо управляются вручную через приложения. Сельскохозяйственная техника, такая как тракторы и комбайны, все больше становится автоматизированной, некоторые из них используют технологию SLAM (одновременная локализация и картирование), чтобы успешно ориентироваться в окружающей среде и преодолевать препятствия в ней.

В ближайшем будущем агроискусственный интеллект будут играть еще большую роль в сельском хозяйстве, когда тракторы и сельскохозяйственные роботы будут напрямую реагировать на вербальное или текстовое общение на человеческом языке. В дальнейшем, через 5-10 лет, когда генеративный ИИ станет намного более продвинутым и полностью автономным, он будет управлять всеми аспектами сельского хозяйства — от семян до стола. Аналитический ИИ и генеративный ИИ изменят то, как выращиваются, собираются и распределяются сельскохозяйственные культуры, но при этом обеспечат оптимизированные и эффективные методы ведения сельского хозяйства с минимальным участием человека. ИИ также предоставит подходящие способы обеспечения устойчивости даже в условиях жесткого экономического давления, тем самым формируя будущее этой отрасли.

Метки: ИИ, АПК