Поможет ли нам ИИ?

Цифровизация захватывает отрасль за отраслью, невзирая на сложность производственных и бизнес-процессов и уровень рентабельности. Пока рано говорить об отраслевом управлении с помощью «цифры», так как, несмотря на бурное развитие в решении некоторых задач, IT-технологии не в состоянии справиться с такими очевидными экономическими проблемами, как голод и перепроизводство.

Тем не менее многие эксперты, в основном из IT-отрасли, считают, что сытое будущее человечества будет обеспечено синтезом сельского хозяйства, машинного обучения и технологии блокчейн.

Обычные люди, не знакомые с ИИ и ML, могут рассматривать их как плод человеческого воображения, но приложения, основанные на их технологиях, выходят за рамки науки для решения реальных проблем.

По данным Продовольственной и сельскохозяйственной организации ООН (FAO), к 2050 году население мира увеличится до 10 млрд человек. Однако к тому времени обрабатываться будут только 4% дополнительных земель, не говоря уже о неопределенных угрозах, связанных с изменением климата и повышением уровня моря. Традиционных методов ведения сельского хозяйства недостаточно для решения этих сложных проблем. ИИ неуклонно превращается в один из инновационных подходов в аграрной отрасли. Решения на основе искусственного интеллекта должны не только позволить фермерам производить больше продукции с меньшими ресурсами, но также улучшать качество продуктов питания и их безопасность на потребительском рынке.

Ожидается, что мировой объем рынка ИИ в сельском хозяйстве будет расти в среднем на 24,8% в период с 2020 по 2030 год. При таких темпах объем рынка вырастет с $852,2 млн в 2019 году до $8379,5 млн в 2030 году. В настоящее время ИИ в сельском хозяйстве широко используется для точного земледелия, мониторинга урожая, управления почвой, сельскохозяйственных роботов и т. д.

Возьмем в качестве примера точное земледелие — комплексное применение технологий ИИ, таких как машинное обучение, компьютерное зрение и инструменты прогнозной аналитики. Он включает сбор и анализ данных о фермах, чтобы помочь фермерам принимать правильные решения и повышать продуктивность сельскохозяйственных угодий.

Доктор Яннис Ампатзидис, доцент кафедры точного земледелия и машинного обучения в Университете Флориды, отмечает, что ML-приложения уже используются в сельском хозяйстве, включая визуализацию, робототехнику и анализ больших данных.

«В точном земледелии ИИ используется для обнаружения болезней и вредителей растений, питания растений и управления водными ресурсами», — говорит Ампатзидис. Он и его команда в Университете Флориды разработали облачную технологию AgroView, которая использует алгоритмы ИИ для обработки, анализа и визуализации данных, собираемых с воздушных и наземных платформ.

«Объем этих данных огромен, и человеческому мозгу очень трудно их обрабатывать и анализировать, — продолжает он. — Алгоритмы ИИ могут обнаруживать закономерности в этих данных, которые могут помочь фермерам принимать «разумные» решения. Например, Agroview может обнаруживать и подсчитывать цитрусовые деревья, оценивать высоту деревьев и измерять уровни питательных веществ в растениях».

Ампатзидис считает, что ИИ обладает огромным потенциалом для анализа больших данных в сельском хозяйстве. ИИ — это ключ к раскрытию потенциала огромных объемов данных, генерируемых фермами и сельскохозяйственными исследованиями.

Робот для прополки принимает решения в режиме реального времени для идентификации сельскохозяйственных культур и сорняков благодаря тесному взаимодействию встроенных камер, компьютерного зрения, машинного обучения и робототехники. Когда машина проезжает по полю, камеры высокого разрешения собирают изображения с высокой частотой кадров. Нейронная сеть анализирует каждый кадр и создает карту с точностью до пикселей, где находятся посевы и сорняки. После того как растения идентифицированы, каждый сорняк и урожай наносятся на карту на полях и робот срывает только сорняки. Весь процесс происходит за миллисекунды.

Обучать модели нейронной сети сложно, поскольку многие сорняки похожи на сельскохозяйственные культуры. Традиционно миллионы полевых снимков маркируют агрономы и специалисты по сорнякам. Однако маркировка данных трудоемка и требует много времени. В модели машинного обучения необходимо вводить размеченные данные высокого качества и в большом количестве, чтобы им можно было обучать в автоматическом и постоянном режиме.

Высокая стоимость сбора маркированных данных сдерживает применение ИИ в сельском хозяйстве. Осознавая такую дилемму, некоторые компании, предоставляющие услуги передачи данных, например ByteBridge. io, предоставляют также услуги сбора и маркировки данных, чтобы расширить возможности приложений ИИ для практических отраслей, таких как сельское хозяйство.

ByteBridge.io совершил прорыв, создав платформу автоматического сбора и маркировки данных, где исследователи в области сельского хозяйства могут сами создавать проекты маркировки и сбора данных. Поскольку большая часть обработки данных выполняется на платформе, исследователи могут отслеживать ход проекта, его скорость, проблемы с качеством и даже необходимые затраты в режиме реального времени, тем самым повышая эффективность работы. Они могут загружать необработанные данные и загружать обработанные результаты через панель управления ByteBridge. Мало того, ByteBridge. io использовал технологию блокчейн, чтобы гарантировать рентабельность и продуктивность маркированных данных.

Данные — это мощный инструмент, но только маркировка данных делает их полезными. Помеченные данные можно использовать для эффективного обучения моделей машинного обучения. Кроме того, автоматизированные платформы маркировки на основе ИИ, могут помочь ускорить процесс маркировки данных и ускорить развитие индустрии ИИ, которая направлена на решение реальных проблем, таких как повышение продуктивности и качества в сельском хозяйстве.

источник: ИА REGNUM

Возврат к списку

Новости

20.07.2021
В День знаний 1 сентября 2021 на выставке АГРОРУСЬ Санкт-Петербургский государственный аграрный университет и АО «Россельхозбанк» торжественно откроют уникальную «Школу фермеров»...
05.07.2021
В Республике Башкортостан внедрение бережливого производства в рамках национального проекта "Производительность труда" на ООО "Мелеузовский мясокомбинат" позволило снизить уровень брака на 79%...
16.06.2021
На прошлой неделе World Pork Expo и Genesus опубликовали совместный перечень мировых мега-производителей свинины по итогам 2020 года. 2021 World Mega Producer показывает мощный подъем свиноводства в Китае, где маточное поголовье свиней к концу 2020 года увеличилось почти на 5 млн, а инвестиции в восстановление инфраструктуры после эпидемии африканской чумы свиней составили $60 миллиардов...
02.06.2021
На пленарном заседании Государственной Думы в третьем чтении принят проект федерального закона «О сельскохозяйственной продукции, сырье и продовольствии с улучшенными характеристиками», разработанный Минсельхозом России...
25.05.2021
В этом году мир должен установить новый рекорд потребления мяса, согласно последнему прогнозу Продовольственной и сельскохозяйственной организации Объединенных Наций. По прогнозам организации, в этом году мировое потребление мяса вырастет более чем на 1%...
12.05.2021
Всемирная Организация здравоохранения (ВОЗ) опубликовала обновлённые рекомендации глобальных контрольных показателей содержания натрия в более чем 60 категориях продуктов питания...
22.04.2021
Владимир Путин призвал ускорить принятие закона об ответственности бизнеса за влияние на экологию. Сегодня на ежегодном послании к обеим палатам Федерального собрания — Совету Федерации и Государственной думе, президент России Владимир Путин заявил что нужно кардинально снизить объем отходов, поступающих на полигоны, внедрять раздельный сбор мусора, в целом переходить на экономику замкнутого цикла...
06.04.2021
Потребление говядины упало до минимума за десять лет.Ограничения в связи с пандемией, в том числе приостановление работы ресторанов, и снижение доходов населения негативно сказались на потреблении говядины...