Intelligenza artificiale in agricoltura: visione artificiale, robot e bilance per maiali
 

L’intelligenza artificiale sta rapidamente conquistando l’agricoltura e l’industria alimentare.

La visione artificiale nell’analisi delle colture
Per sfamare miliardi di persone, hai bisogno di molte terre. Oggigiorno è impossibile coltivarlo manualmente. Allo stesso tempo, le malattie delle piante e le invasioni di insetti spesso portano al fallimento delle colture. Con la scala moderna del business agricolo, tali invasioni sono difficili da identificare e neutralizzare sul nascere in tempo.

Questo introduce un’altra area in cui gli algoritmi di visione artificiale possono aiutare. I coltivatori utilizzano la visione artificiale per riconoscere le malattie delle colture, sia a livello micro, da immagini ravvicinate di foglie e piante, sia a livello macro, identificando i primi segni di malattie delle piante o parassiti dalla fotografia aerea. Questi progetti si basano solitamente sull’approccio popolare alla visione artificiale: le reti neurali convoluzionali .

Si noti che sto parlando qui di visione artificiale in un senso molto ampio. In molti casi, le immagini non sono la migliore fonte di dati. Molti aspetti importanti della vita vegetale possono essere studiati al meglio in altri modi. La salute delle piante può spesso essere compresa meglio, ad esempio, raccogliendo immagini iperspettrali con sensori speciali o eseguendo scansioni laser 3D. Tali metodi sono sempre più utilizzati in agronomia. Questo tipo di dati è solitamente ad alta risoluzione ed è più vicino all’imaging medico rispetto alle fotografie. Uno dei sistemi per il monitoraggio sul campo si chiama AgMRI . Per elaborare questi dati sono necessari modelli speciali, ma la loro struttura spaziale consente l’uso delle moderne tecnologie di visione artificiale, in particolare le reti neurali convoluzionali.

Milioni di persone vengono investite nella fenotipizzazione delle piante e nella ricerca sull’imaging. Il compito principale qui è raccogliere grandi insiemi di dati sulle colture (di solito sotto forma di fotografie o immagini tridimensionali) e confrontare i dati fenotipici con il genotipo vegetale. I risultati ei dati possono essere utilizzati per migliorare le tecnologie agricole in tutto il mondo.

La robotica in agricoltura
Robot agricoli autonomi come Prospero possono scavare una buca nel terreno e piantarvi qualcosa, seguendo schemi generali predeterminati e tenendo conto delle caratteristiche specifiche del paesaggio. I robot possono anche occuparsi del processo di crescita, lavorando con ogni pianta individualmente. Quando sarà il momento giusto, i robot raccoglieranno, trattando ancora una volta ogni pianta esattamente come dovrebbe. Prospero si basa sul concetto di allevamento di sciami. Immagina un esercito di piccoli Prospero che striscia attraverso i campi lasciando dietro di sé file di piante ordinate e uniformi. È interessante notare che Prospero è effettivamente apparso nel 2011, prima del periodo d’oro della moderna rivoluzione del deep learning . Oggi i robot si stanno diffondendo rapidamentein agricoltura, consentendo di automatizzare sempre più attività di routine:

I droni automatizzati spruzzano le colture. I droni piccoli e agili sono in grado di fornire sostanze chimiche pericolose in modo più accurato rispetto agli aerei convenzionali. Inoltre, i droni spruzzatori possono essere utilizzati per la fotografia aerea per ottenere dati per gli algoritmi di visione artificiale menzionati all’inizio di questo articolo.
Vengono sviluppati e utilizzati sempre più robot specializzati per la raccolta. Le mietitrebbie esistono da molto tempo. Eppure, solo ora, con l’aiuto dei moderni metodi di visione artificiale e robotica, è stato possibile sviluppare, ad esempio, un robot che raccoglie le fragole.
Robot come Hortibot sono in grado di riconoscere e uccidere le singole erbacce rimuovendole meccanicamente. Questo è un altro grande successo della robotica moderna e della visione artificiale poiché prima era impossibile distinguere le erbacce dalle piante utili e lavorare con piccole piante usando i manipolatori.
Mentre molti robot agricoli sono ancora prototipi o testati su piccola scala, è già chiaro che ML, AI e robotica possono funzionare bene in agricoltura. Si può tranquillamente prevedere che sempre più lavori agricoli saranno automatizzati nel prossimo futuro.

Prendersi cura degli animali da fattoria
Sono in fase di sviluppo molti altri modi per utilizzare l’IA in agricoltura. Ad esempio, un progetto pilota di Neuromation porta la visione artificiale a un settore che non ha ancora ricevuto molta attenzione dalla comunità del deep learning: l’allevamento di animali.

Ci sono stati, ovviamente, tentativi di utilizzare l’apprendimento automatico sui dati di monitoraggio del bestiame. Ad esempio, la startup pakistana Cowlar ha introdotto un collare che monitora a distanza l’attività e la temperatura delle mucche con lo slogan accattivante “FitBit for Cows”. Gli scienziati francesi stanno sviluppando il riconoscimento facciale per le mucche.

Ci sono anche tentativi di utilizzare la visione artificiale in un settore precedentemente trascurato del valore di centinaia di miliardi di dollari: l’allevamento di maiali. Negli allevamenti moderni, i maiali sono tenuti in gruppi relativamente piccoli, in cui vengono selezionati gli animali più simili. Il costo principale nella produzione di suini è il cibo e l’ottimizzazione del processo di ingrasso è il compito centrale della moderna produzione di suini.

Gli allevatori molto probabilmente sarebbero in grado di risolvere questo problema se avessero informazioni dettagliate sull’aumento di peso dei maiali. Come per questo sito, gli animali vengono generalmente pesati solo due volte in tutta la loro vita: all’inizio e alla fine dell’ingrasso. Se gli esperti sapessero come ingrassa ogni suinetto, sarebbe possibile elaborare un programma di ingrasso individuale per ogni suino e persino una composizione individuale degli additivi alimentari, che migliorerebbe notevolmente la resa. Non è molto difficile portare gli animali sulla bilancia, ma questo è un enorme stress per l’animale e i maiali perdono peso dallo stress. Il nuovo progetto AI prevede di sviluppare un nuovo metodo non invasivo per pesare gli animali. Neuromation costruirà un modello di visione artificiale che stimerà il peso dei maiali dai dati di foto e video. Queste stime saranno inserite nei già classici modelli analitici di machine learning che miglioreranno il processo di ingrasso.

L’agricoltura alla frontiera dell’intelligenza artificiale
L’agricoltura e la zootecnia sono spesso considerate industrie antiquate. Oggi, tuttavia, l’agricoltura appare sempre più in prima linea nell’intelligenza artificiale.

Il motivo principale qui è che molti compiti in agricoltura sono contemporaneamente:

Abbastanza complessi da non poter essere automatizzati senza l’uso della moderna intelligenza artificiale e del deep learning. Piante coltivate e maiali, sebbene simili tra loro, non uscivano ancora dalla stessa catena di montaggio, ogni cespuglio di pomodoro e ogni maiale necessitava di un approccio individuale e quindi, fino a tempi molto recenti, l’intervento umano era assolutamente necessario.
Abbastanza semplice che con lo sviluppo odierno dell’intelligenza artificiale, possiamo risolverli, tenendo conto delle differenze individuali tra piante e animali e automatizzando anche le tecnologie per lavorare con loro. Guidare un trattore in un campo aperto è più facile che guidare un’auto nel traffico e pesare un maiale è più facile che imparare a superare il test di Turing .
L’agricoltura è ancora una delle industrie più grandi e importanti del pianeta e anche un piccolo aumento di efficienza porterà enormi guadagni semplicemente a causa della vastità di questo settore.

Di ihal