В 2018 году пять команд выращивали огурцы в новаторской программе Autonomous Greenhouse Challenge. Международный конкурс. Изюминка: только одна из команд состояла из опытных фермеров, которые вручную управляли тепличным отсеком. Остальные четыре команды состояли из международных экспертов в области садоводства и искусственного интеллекта (ИИ). Они работали над разработкой решений искусственного интеллекта для удаленного и автономного управления урожаем. Цель конкурса, первого в мире конкурса автономных теплиц, заключалась в том, чтобы совершить прорыв в устойчивом производстве продуктов питания.
После четырех напряженных месяцев производители, выращивающие вручную, вышли на второе место. Команда, занявшая первое место, во главе с одним из авторов этой статьи, выиграла с помощью автономного решения для выращивания, которое не только обеспечило повышение урожайности на 6% и чистой прибыли на 17%, но и использовало меньше CO.2, отопление и ввод воды.
Чтобы узнать больше о конкурентах и понять, как решение ИИ может конкурировать - и даже превосходить - команду квалифицированных производителей, давайте подробнее рассмотрим ИИ и его отношение к автоматизации теплиц.
В автоматизации теплиц нет ничего нового
На протяжении десятилетий производители использовали технологические компьютеры, датчики и исполнительные механизмы для управления климатом в теплицах и поливом. В таком сценарии работа управляющего компьютера проста и основана на простых логических правилах. Если температура воздуха выше 75 ° F, откройте, например, вентиляционное отверстие. Утомительная работа по считыванию температуры, включению и выключению света и обогревателей возложена на машины.
Конечно, автоматизация на основе правил не может справиться с непредвиденными обстоятельствами. Что еще более важно, квалифицированный человек должен принимать все решения по управлению урожаем, вплоть до точных заданных значений параметров окружающей среды. Для надежного достижения высоких урожаев требуется значительный уровень знаний и навыков, и даже в этом случае легко ошибиться. Более того, по мере того, как фермы становятся больше, работа по постоянному мониторингу посевов становится еще более сложной.
К сожалению, производители слишком хорошо знают, что труд является самым большим источником проблем на производстве. Год за годом в Производитель теплиц Согласно опросу 100 ведущих производителей, производители сообщают о проблемах не только со стоимостью рабочей силы, но и с наличием квалифицированной рабочей силы. Неудивительно, что производители все чаще ищут способы решения этих проблем, включая новые технологии, которые могут сделать управление теплицами более автономным.
ИИ - это шаг за пределы автоматизации на основе правил
Хороший способ думать об искусственном интеллекте - это то, что это шаг за пределы простой автоматизации, основанной на правилах. Современный ИИ основан на использовании математики для поиска закономерностей в данных, в том числе тех, которые встречаются в экологических и биологических системах теплиц. Например:
- Имея достаточно данных о климате, производители могут использовать ИИ для определения оптимальных заданных значений и прогнозирования климата.
- Имея достаточно данных об урожайности, производители могут использовать ИИ для составления прогнозов урожайности.
- Имея достаточное количество данных изображений, производители могут использовать ИИ для обнаружения вредителей и болезней.
Некоторые типы ИИ могут даже учиться на новых данных, постепенно улучшая результаты.
Обладая более глубоким пониманием повседневной работы теплиц, искусственный интеллект можно использовать для поддержки принятия экспертных решений и значимого расширения возможностей производителей. В конце концов, наилучшие результаты дает продуманное сочетание человеческого интеллекта и искусственного интеллекта.
Подход ИИ на основе данных также можно комбинировать с классическим подходом, основанным на правилах, что обеспечивает гораздо более высокую степень автоматизации теплицы, чем когда-либо прежде. Короче говоря, производители могут использовать ИИ для автоматизации многих рутинных операционных задач, помогая решить хронические трудовые проблемы, которые бросают вызов отрасли.
Данные - это топливо для ИИ
ИИ занимается не только математическими алгоритмами, но и данными. Вопреки распространенному мнению, некоторые из наиболее распространенных алгоритмов, используемых в ИИ, существуют уже несколько десятилетий. Они даже не очень сложные. Но долгое время доступность данных - наряду с доступной вычислительной мощностью, необходимой для обработки данных - были ограничивающими факторами.
Потребовалось недавнее развитие компьютерного оборудования, чтобы раскрыть потенциал ИИ. Революция в области смартфонов, начатая Apple в 2007 году, создала совершенно новые производственные экосистемы и цепочки поставок в глобальном масштабе. Это, казалось бы, в мгновение ока изменило фундаментальную экономику компьютерного оборудования. Ключевые аппаратные компоненты, такие как микропроцессоры, радиоприемники и датчики, стали экспоненциально дешевле, меньше и мощнее. Потоки необработанных данных превратились в наводнения. Новое изобилие данных и вычислительная мощность помогли превратить ИИ из исследовательского любопытства с несколькими коммерческими приложениями в технологическое море.
Интернет вещей приносит изобилие данных
В начале 1980-х годов аспирантов Университета Карнеги-Меллона в Питтсбурге раздражало то, что они подошли к торговому автомату с кока-колой и обнаружили, что он пуст. Они изменили его, чтобы он мог сообщать о своих запасах через Интернет. При этом они изобрели первое в мире устройство, подключенное к Интернету.
Сегодня миллиарды устройств, больших и малых, от бытовой электроники до промышленных машин, присоединились к этой первой газированной машине, подключившись к Интернету, образуя то, что известно как Интернет вещей (IoT). Примечательно то, что в отличие от оборудования предыдущих поколений, включая многие распространенные решения для автоматизации теплиц, устройства Интернета вещей используют те же форматы данных и протоколы связи, что и в других местах в Интернете. Опираясь на глобальные стандарты Интернета, можно упростить обмен данными с устройствами Интернета вещей без необходимости в дополнительном оборудовании для перехода от одного типа системы к другому.
Вместе ИИ и Интернет вещей дополняют друг друга. Оборудование IoT помогает производителям более легко собирать необработанные данные из теплиц. А программное обеспечение AI помогает производителям разбираться в этих данных и действовать в соответствии с ними для улучшения урожайности.
Пример из практики: успех Кеннета Тран в решении проблемы автономных теплиц
Д-р Тран: В 2018 году я был исследователем ИИ в Microsoft Research недалеко от Сиэтла, работая над новым типом ИИ, известным как обучение с подкреплением. Там я инициировал новую попытку применить наши исследования в области сельского хозяйства с контролируемой средой. В рамках так называемого проекта Sonoma мы сотрудничали с учеными-растениями из Исследовательского центра Харроу в Онтарио, Канада, и в итоге приняли участие в первом международном конкурсе Autonomous Greenhouse Challenge, организованном Wageningen University & Research в Нидерландах.
В этой задаче каждая команда выращивала огурцы в теплице площадью 315 квадратных футов в течение примерно четырех месяцев. Эти отсеки были оснащены стандартными технологическими компьютерами, датчиками климата и исполнительными механизмами. Используя цифровые интерфейсы IoT (REST API), наши программы искусственного интеллекта могут непрерывно считывать данные с датчиков, определять оптимальные заданные значения и отправлять заданные значения обратно в управляющие компьютеры - по всему Интернету (см. Рисунок ниже). Подробнее о задаче и ее результатах читайте в статье Хемминг и др. (2019).
Несмотря на то, что у нас нет опыта выращивания огурцов и наш прототип на очень ранней стадии, наше автономное решение для выращивания смогло выиграть конкуренцию. Мы даже превзошли команду, занявшую второе место, референтную команду, состоящую из опытных голландских производителей, с урожайностью на 6% выше. Эта маржа доходности была эквивалентна увеличению операционной прибыли на 17%.
Справочная группа работала плохо? Нисколько. По мнению многих экспертов, они проявили себя замечательно. Урожайность их составила почти 50 кг / мXNUMX.2 за четыре месяца, что эквивалентно почти 150 кг / м2 в год. Это считается высокой урожайностью для теплицы в любой точке планеты.
В результате конкурса Autonomous Greenhouse Challenge в 2020 году я основал компанию Koidra, чтобы напрямую использовать наши знания и продвигать передовые достижения в области искусственного интеллекта и Интернета вещей для сельского хозяйства и других приложений промышленного управления.
Задавая правильные вопросы об искусственном интеллекте и IoT
Сегодня все больше производителей теплиц хотят и готовы внедрить ИИ и Интернет вещей. Основная проблема - разобраться в товарах на рынке и уметь преодолевать все маркетинговые разговоры. Многие компании с энтузиазмом заявляют, что у них есть алгоритм ИИ или устройство IoT, которое будет работать в теплицах.
Вот несколько ключевых моментов, которые следует учитывать при оценке программного обеспечения ИИ и оборудования IoT:
- Производительность: Производители должны видеть конкретные реальные преимущества. Спросите: Доказано ли, что ИИ в коммерческом производстве повышает урожайность и эффективность использования ресурсов? В каких условиях? Каков послужной список компании в разработке программного обеспечения AI и IoT?
- Дизайн AI: Для принятия решений самые эффективные решения ИИ сочетают в себе лучшие качества человеческого интеллекта и искусственного интеллекта. Задайте вопрос: как модель искусственного интеллекта использует существующие знания? Как это гарантировать, что производительность со временем улучшится при увеличении объема данных?
- Дизайн программного обеспечения: Производители должны по-прежнему контролировать тепличные хозяйства. Задайте вопрос: Какие принципы разработки программного обеспечения используются для обеспечения безопасности сельскохозяйственных культур? Могу ли я легко переключаться между ручным, рекомендательным и автопилотным режимами в любое время?
- Владение данными: Производители должны владеть своими данными и избегать «привязки к поставщику». Спросите: Могу ли я легко импортировать данные из других систем? Могу ли я создать резервную копию и экспортировать свои собственные данные? Существуют ли API-интерфейсы, обеспечивающие доступ к данным в реальном времени и настраиваемые интеграции? Могу ли я использовать программное и аппаратное обеспечение от разных поставщиков сейчас и в будущем?
Искусственный интеллект и Интернет вещей могут расширить возможности производителей
В мире, в котором критически важные ресурсы - вода и энергия, а также время, деньги и квалифицированная рабочая сила - становятся все более дефицитными, имеет смысл изучить новые технологии, чтобы облегчить это бремя. Как мы узнали из Autonomous Greenhouse Challenge, фермеры действительно могут добиться большей урожайности и более высокой эффективности использования ресурсов с помощью программного обеспечения AI и оборудования IoT. Более того, эти технологии продолжают развиваться и продвигаться быстрыми темпами.
В конечном итоге ИИ и Интернет вещей могут по-настоящему расширить возможности производителей теплиц - принимать более обоснованные решения, делать больше с меньшими затратами - для более устойчивого выращивания продовольствия в мире.