فرآیندهای دیجیتالی و خودکار در بنگاه های اقتصادی مدرن به طور فزاینده ای اهمیت پیدا می کنند. روشهای بینایی ماشین در اینجا نقش اساسی دارند. از جمله ، می توان از آنها برای انواع کاربردهای دقیق کشاورزی استفاده کرد.
برای ادامه رقابت ، کشاورزان باید فرایندهای ارزش افزوده خود را بهینه کرده و از کارآیی بیشتری برخوردار شوند. فن آوری های مدرن دیجیتال که برای خودکار سازی هوشمند گردش کار و انطباق آنها با شرایط واقعی (معروف به کشاورزی هوشمند) استفاده می شود
پشتیبانی عملی دارند. بینایی ماشین در این زمینه اهمیت فزاینده ای پیدا می کند. منشأ آن از کاربردهای صنعتی است ، اکنون بیشتر و بیشتر در کشاورزی مورد استفاده قرار می گیرد.
این فناوری از دو جز اصلی تشکیل شده است: سخت افزار و نرم افزار. سخت افزار به مواردی گفته می شود که به عنوان دستگاه های کسب تصویر شناخته می شوند ، مانند دوربین ها ، اسکنرها و سنسورها ، که ابتدا مقدار زیادی از داده های تصویر دیجیتال را از سناریوهای خاص در فرآیندهای تولید محصولات کشاورزی ضبط می کنند. سپس این اطلاعات توسط نرم افزار بینایی ماشین ، مانند MVTec HALCON پردازش و برای کاربردهای مناسب در دسترس قرار می گیرد. به عنوان مثال ، این سیستم قادر است مشخصات اشیا و موقعیت های خاص را فقط براساس ویژگی های بصری به طور خودکار تشخیص دهد.
نظارت بر زمین های کشاورزی با استفاده از هواپیماهای بدون سرنشین
بنگاه های کشاورزی مدرن می توانند از بینایی ماشین برای کشت هدفمند و خاص مکان زیر کشت کشاورزی (کشاورزی دقیق) استفاده کنند. سناریوی زیر نشان می دهد که چگونه این عمل انجام می شود: یک هواپیمای بدون سرنشین مجهز به دوربین با وضوح بالا بر روی یک قطعه زمین کشاورزی پرواز می کند. نرم افزار یکپارچه بینایی ماشین تصاویر ضبط شده را ارزیابی می کند و ویژگی های خاصی را از هوا به طور خودکار تشخیص می دهد. به عنوان مثال ، مقدار غیر طبیعی کلروفیل در محصولات ، بیماری قارچی یا آفت زدگی را نشان می دهد. بر اساس این یافته ها ، کشاورزان می توانند اقدامات بسیار هدفمندی انجام دهند. به عنوان مثال ، آنها می توانند فقط مناطق آلوده را با سموم دفع آفات یا قارچ کش اسپری کنند. فرآیندهای چند طیفی در سیستم بینایی ماشین به تعیین وضعیت گیاهان کمک می کنند.
برای تشخیص و پردازش کانالهای رنگی اضافی که با چشم غیر مسلح قابل مشاهده نیستند ، از دوربینهای چند طیفی ویژه استفاده می شود. این اجازه می دهد تا ناهنجاری های موجود در پوشش گیاهی به طور خودکار ، قابل اعتماد و در مراحل اولیه تشخیص داده شود.
سناریوی کاربرد دیگر ، لقاح هدفمند است. در این حالت ، نرم افزار بینایی ماشین ارتفاع محصول را دقیقاً بر اساس داده های تصویر دیجیتال اندازه گیری می کند و امکان باروری فقط مناطق کم رشد را در صورت لزوم فراهم می کند. از همین اصل می توان برای آبیاری مزارع بر اساس مکان خاص استفاده کرد. در این حالت ، دوربین های مادون قرمز دما را اندازه گیری می کنند و نقشه حرارتی منطقه مربوطه را ایجاد می کنند. بر این اساس ، می توان از تبخیر اندازه گیری شده برای تعیین دقیق درجه رطوبت در مناطق جداگانه استفاده کرد ، به طوری که آبیاری می تواند به طور خاص بر اساس نیازها سازگار شود. داده های تصویر لزوماً نباید توسط هواپیماهای بدون سرنشین ثبت شوند بلکه می توانند توسط ماهواره ها از ارتفاع زیادی نیز ثبت شوند.
نتیجه:
استفاده از فناوری بینایی ماشین تمام مزایای کشاورزی دقیق را برای کشاورزان فراهم می کند. زمین های کشاورزی را می توان به صورت هدفمند نظارت ، بارور و آبیاری کرد ، که این امر باعث می شود که روش های کشت کارآمدتر و پایدارتر باشد. استفاده بهینه و مبتنی بر نیاز از منابع ، از جمله سموم دفع آفات ، آب و کود ، به کشاورزان اجازه می دهد تا پس انداز کنند ، تلاش خود را کاهش دهند و به طور دقیق تر شرایط قانونی را برآورده کنند.
هوش مصنوعی در کشاورزی آسیا: زمان آن فرا رسیده است
هوش مصنوعی می تواند بهره وری محصول را افزایش دهد و به تولید غذای سالم با اثرات زیست محیطی کوچکتر کمک کند.
طبق مطالعه منتشر شده توسط Zion Market Research ، بازار جهانی هوش مصنوعی (AI) در کشاورزی با سرعتی خیره کننده 23٪ سالانه در حال رشد است و انتظار می رود در سال 2024 به USD2B برسد. این فناوری می تواند بهره وری محصول را افزایش دهد ، هزینه ها را کاهش دهد در حال رشد است و به تولید غذای سالم با رد پای اکولوژیکی کمک می کند. اما دقیقاً AI چیست؟
وقتی صحبت از هوش مصنوعی می شود ، بیشتر ما به فیلم های علمی تخیلی و روبات هایی فکر می کنیم که دنیا را تصرف می کنند. در حقیقت ، هوش مصنوعی چیزی بیشتر از یک رشته علمی نیست که از داده های دیجیتال برای مدل سازی دنیای واقعی ، اغلب با هدف بهبود تصمیم گیری ، بهره برداری می کند. نمونه هایی از این موارد عبارتند از پیش بینی آب و هوا بر اساس ماهواره ها و میلیون ها حسگر مستقر در سراسر جهان ، وسایل نقلیه خودران که از دوربین های نصب شده در اتومبیل و میلیون ها ساعت موارد ضبط شده ، نرم افزار تشخیص چهره با پایگاه های اطلاعاتی میلیاردی از انسان و غیره استفاده می کنند. کشاورزی به نوعی از زمینه های دیگر عقب مانده است ، اما با هجوم اخیر منابع جدید داده ، این در حال تغییر است.
در حال حاضر ، ماهواره هایی که به دور زمین می چرخند ، هر روز تصاویر جدیدی از مزارع ما تولید می کنند ، هواپیماهای بدون سرنشین در حال اسکن میوه و سبزیجات هستند و سنسورها در زمین های کشاورزی نصب می شوند. این منابع داده ، اطلاعات عظیمی را تولید می کنند که فقط از طریق هوش مصنوعی قابل پردازش و درک هستند. AI با استفاده از ریاضیات و آمار پیچیده وابستگی های پنهان را در جریان های طولانی یک و صفر پیدا می کند. خوشبختانه ، کشاورزان نیازی به دانستن آنچه در برنامه رخ می دهد ندارند و می توانند از آن به عنوان یک راه حل آماده استفاده کنند.
بازار هوش مصنوعی کشاورزی در حال حاضر تحت سلطه شرکت های آمریکایی و اروپایی است که شامل غول های فناوری مانند IBM و Microsoft است. شرکت های چند ملیتی کشاورزی ، مانند Syngenta و Bayer. و هزاران استارت آپ نوآور. با این حال ، با رونق اقتصادی اخیر چین ، انتقال فناوری کشاورزی به ژاپن و افزایش نیاز شدید در جنوب و جنوب شرقی آسیا ، شرق به سرعت در حال پیشرفت است.
چندین داستان موفقیت در مورد چگونگی تغییر هوش مصنوعی در تولید محصولات کشاورزی آسیا وجود دارد. یکی از جدیدترین ها در زمینه هواپیماهای بدون سرنشین کشور چین است. اگرچه DJI در حال حاضر رهبر مطلق جهانی در زمینه هواپیماهای بدون سرنشین است ، اما ممکن است شرکتی باشد که فناوری بعدی را در این زمینه ارائه دهد. مشکل اکثر هواپیماهای بدون سرنشین تجاری این است که آنها محدودیت های خاص خود را دارند ، عمدتا به این دلیل که به عنوان سکوهایی برای اهداف عمومی طراحی شده اند که می توانند برای گرفتن عکس های با وضوح بالا برای فیلم های تبلیغاتی و مراسم عروسی یا نظارت بر سایت های غیرقابل دسترسی به همان اندازه کار کنند. استفاده از آنها در كشاورزي به دليل وزن كمي كه پهپادها مي توانستند حمل كنند ، تاكنون محدود بوده است كه اين امر براي بسياري از دوربين ها كافي نبود.
تقاضا برای هواپیماهای بدون سرنشین کشاورزی اختصاصی توسط DJI شناخته شده است ، که هواپیمای بدون سرنشین سمپاشی با سموم دفع آفات را با موفقیت به بازار عرضه کرده است ، اما ممکن است یک شرکت چینی دیگری باشد که انقلابی کامل در این روند ایجاد کند. XAG به عنوان یک شرکت تازه تاسیس توسط یک تیم کوچک تاسیس شد اما به سرعت به یک شرکت بزرگ پیشرفته با 1400 کارمند تبدیل شد. آنها هواپیماهای بدون سرنشین را طراحی کردند که توانایی حمل بارهای قابل توجهی را دارند و به آنها امکان می دهد سموم دفع آفات را در خود جای دهند ، در حالی که نوآوری در طراحی باتری و کارایی موتور باعث افزایش زمان پرواز می شود. این باعث می شود هواپیماهای بدون سرنشین بتوانند سموم دفع آفات را در مناطق وسیع توزیع کنند ، اما سوالات مربوط به نحوه دقیق استفاده از سموم دفع آفات ، چه زمانی و در چه مقادیری باقی مانده است. پاسخ ها در AI است.
بااستفاده از تکنیک های پردازش تصویر و یادگیری عمیق ، در حالی که شرایط رشد و شدت بیماری در مناطق مختلف متفاوت است. به هر یک مقدار آفت کش متناسب با شدت آفت / بیماری اختصاص داده می شود ، بنابراین گیاهان در صورت نیاز دقیقاً همان چیزی را که نیاز دارند دریافت می کنند. به این ترتیب ، XAG ادعا می كند كه بیش از 6000 متر تن مواد شیمیایی زراعی در مقیاس جهانی صرفه جویی كرده است ، كه از نظر اقتصادی و زیست محیطی پیشرفت فوق العاده ای است. نه تنها بازدهی به خطر نیفتاد ، بلکه در واقع افزایش یافت. ما معمولاً سودآوری و پایداری اکولوژیکی را به عنوان دو هدف مخالف درک می کنیم ، اما راه حل هایی مانند این ثابت می کنند که موقعیت های برنده امکان پذیر است.
شرکت دیگری با راه حل های مشابه مبتنی بر هواپیماهای بدون سرنشین ، OPTiM ژاپن است. همچنین از دوربین های AI و دوربین های چند طیفی برای نظارت دقیق بر تولید محصولات کشاورزی استفاده می کند. علاوه بر افزایش حاشیه سود و پایداری تولید ، هدف آن حل مشکل پیر شدن جمعیت ژاپن و کمبود نیروی کار موجود نیز است. یک آمار نگران کننده این است که دو سوم کشاورزان ژاپن بالای 65 سال سن دارند. این بیشتر به این دلیل است که جوانان در حال کوچ به شهرهای بزرگ هستند و نسل های مسن را در مزارع خود رها می کنند. این یک مشکل جهانی است که نیاز به ابتکارات جدی دولت ها و سیاست های حمایتی روستایی دارد ، اما قبل از اینکه این وضعیت ایجاد شود ، زمان و تلاش زیادی لازم است.
خوشبختانه برای صنایع غذایی و کشاورزی ، شکاف تقاضا برای نیروی کار می تواند به سرعت توسط سیستم های پیشرفته مبتنی بر هوش مصنوعی جبران شود. شرکت هایی مانند OPTiM به کشاورزان اجازه می دهد تا مناطق بسیار بزرگتر را با وضوح بالاتر اما بدون نیاز به تیم های بزرگ متخصص و کارگران زیر نظر بگیرند. به همین ترتیب ، مغز کشاورزی ET Alibaba در حال ارائه مشاوره تخصصی از راه دور به کشاورزان است. مایکروسافت و ICRISAT رطوبت خاک را کنترل می کنند و توصیه های کاشت را به کشاورزان در هند ارائه می دهند ، و شرکت کشاورزی پیشرفته Spread ژاپن اولین “مزرعه ربات” جهان را راه اندازی کرده است. که در آن تمام فعالیت ها از کاشت و آبیاری تا اصلاح و برداشت توسط ربات ها به جای افراد انجام می شود.
با توجه به افزایش در دسترس بودن تصاویر ماهواره ای رایگان با رزولوشن 10-30 متر هر چند روز و قیمت نسبتاً پایین هواپیماهای بدون سرنشین ، کشاورزی در زمین های زراعی تاکنون شاهد بزرگترین مزایای نوآوری های مبتنی بر هوش مصنوعی بوده است. با این حال انتظار می رود دام و شیلات نیز از مزایای احتمالی انقلاب چهارم صنعتی بهره مند شوند. کمبود نیروی کار ماهر و کاهش حاشیه ها به شدت تحت تأثیر آبزی پروری در منطقه آسیا و اقیانوسیه قرار گرفته است. با این حال ، هوش مصنوعی موفق شده است با به دست گرفتن مشاغل خسته کننده ، مانند مرتب سازی دستی ماهی روی تسمه های نقاله ، بهره وری را افزایش دهد. یک تیم از دانشگاه Kindai با موفقیت سیستمی را توسعه داده اند که با استفاده از دوربین های صنعتی و تکنیک های تشخیص تصویر ، ماهیان کوچک را در اندازه و شکل صحیح توسط پردازش تصویر تشخیص می دهد ،و ماهی هایی که خارج از رنج هستند به طور خودکار در یک چشم به هم زدن دور می ریزند . این سیستم نمونه کاملی از چگونگی حذف کارگران از انجام کارهای تکراری و هدایت آنها به جایی است که می توان از مهارت ها و تخصص آنها بسیار بهتر استفاده کرد.
مثالهای متعدد دیگری از چگونگی تحول هوش مصنوعی در کشاورزی آسیا وجود دارد ، اما آنها یک چیز مشترک دارند: آنها مبتنی بر مقادیر زیادی از داده ها هستند. داده ها می توانند با استفاده از هواپیماهای بدون سرنشین ، دستگاه های اینترنت اشیا (IoT) و دوربین های مختلف تولید شوند. این سنسورها اساساً “چشم” های الگوریتمی هستند که اطلاعات لازم درباره مشکلات را برای آن فراهم می کنند. با این حال ، برای “آموزش” الگوریتم برای تصمیم گیری ، دانش متخصص کاملاً ضروری است. در برخی موارد ، هوش مصنوعی فقط داده های ورودی را با تصمیمات متخصصان مقایسه می کند و سعی در تقلید از آنها دارد. در برخی دیگر ، وابستگی های پیچیده موجود در داده ها را می آموزد و به طور موثر دانش جدیدی ایجاد می کند ، که در مرحله آنلاین با استفاده از سیستم ، آنها را اعمال می کند.
سیستم های هوش مصنوعی آموزش دیده به این ترتیب از نظر سرعت ، دقت ، پوشش منطقه ای ، هزینه و سایر جنبه هایی که در وهله اول منجر به توسعه سیستم می شوند ، عملکرد بهتری نسبت به انسان دارند. اینکه آیا آنها انسانها را به طور کامل از کشاورزی نابود خواهند کرد یا خیر ، هنوز یک سوال باز است که شاید نسل ما هرگز نگران آن نباشیم. آنچه مسلم است این است که ما بیشتر و بیشتر راه حل ها را در زمینه های مختلف بر اساس داده ها ، اینترنت اشیا ، هوش مصنوعی و پردازش تصویر خواهیم دید. آنها یک فرصت مهم برای بشریت هستند تا سرانجام شکاف بین عرضه و تقاضای غذا را کاهش دهند ، در عین حال تولید را کاملاً پایدار و از نظر زیست محیطی مسئولیت پذیر می کنند. اکنون زمان مناسب برای کشاورزی آسیا است که از نتایج خیره کننده تحقیقات AI در سراسر جهان استفاده کند ، آنها را در مزارع زراعی اعمال کند و خود را به عنوان یک رهبر جهانی در این زمینه جای دهد.
دکتر اسکار مارکو یک محقق ارشد در موسسه BioSense ، مرکز تعالی اروپا برای استفاده از فناوری اطلاعات در کشاورزی پایدار ، واقع در نووی ساد ، صربستان است. او در حال کار بر روی مشکلات بهینه سازی استراتژی کاشت ، آبیاری هوشمند و طبقه بندی محصولات با استفاده از یادگیری پیشرفته ماشین ، الگوریتم های تکاملی و پردازش تصویر ماهواره ای است. او رهبر تیمی بود که در تجزیه و تحلیل داده های کشاورزی در سال 2017 برنده مسابقه معتبر Syngenta Crop Challenge شد و از گروه مشاوره تحقیقات بین المللی کشاورزی (معروف به CGIAR) بودجه Inspire Challenge برای بهینه سازی استراتژی های کاشت برای کشاورزان آفریقایی را دریافت کرد. دکتر مارکو در تعدادی از پروژه های صنعتی و علمی Horizon 2020 شرکت دارد ، که در آن تیم وی در حال توسعه پیشرفته ترین سیستم های پشتیبانی تصمیم بر اساس هوش مصنوعی است.