人工知能が農業と出会うと、農家は「一粒一粒懸命に働く」必要がなくなりました。
農業生産では、機械学習、コンピューター ビジョン、複合現実、その他の AI テクノロジーを使用してインテリジェントな農業を作成することで、従来の農業生産をより効率的に行うことができます。キーワード: AI農業、複合現実、コンピュータビジョン
清明節が終わり、穀雨が近づき、各地で春の植栽の季節が始まりました。
中国の農業文化には長い歴史があり、新石器時代から比較的成熟した農業文化があり、世界で最も早くテスト可能なアワと米を栽培しました。
我が国は農業大国として常に農業を最優先にしており、今年の両セッションでも引き続き「農業、農村、農民」が焦点となっています。農業文明は 8,000 年近くの歴史がありますが、機械化された農業機械や道具の生産への導入は、中華人民共和国の建国前後から徐々に発展してきました。長い間、中国の農民はそれを行ってきました。 「空を見て、食べて」。
ここ数十年、科学技術と農業科学の急速な発展に伴い、農業のあらゆる側面の品質と効率がより科学的に改善され、60億人以上の人々に食料を供給してきました。
現在、人工知能は徐々に農業生産に関与しており、今回解放されるのは農家の生産性です。 調査によると、農業技術革新により、農業技術スタートアップ企業はAI革新技術を活用し、従来の農業と比較して作物水の消費量を95%削減し、農地の収量は100倍に増加した。
現在の発展状況から判断すると、AI農業は良い成果をあげているようだ。
農作業前に収穫シミュレーションが可能
現在、農業に人工知能を介入させる主な手段は、機械学習などの技術を活用して大量のデータを統計モデルに入力することで、農作物の栽培や生育をインテリジェントに監視・把握することで、生産効率や生産効率を向上させ、製品の品質や農業生産に関するご提案、お手伝いをいたします。
農場は作物の健康状態、天候、土壌などに関する膨大なデータを収集できます。 ML の分析および予測機能を使用すると、作物栽培と家畜育種に自動化されたインテリジェントなソリューションがもたらされます。
現在、複合現実（MR）である特定のシミュレーション技術が農業生産に徐々に適用されています。 現実世界と仮想世界を混合して、物理エンティティと仮想情報の両方を含み、「リアルタイム」である必要がある新しい視覚環境を作成します。
MR複合現実を農業に応用すると、その機能は非常に強力になります。これまで農家は、村や町での経験と宣伝に頼って、今年栽培する作物を選ぶのが常で、トマトが栽培できなければトマトを植える予定だった。
しかし、昔からの経験が最も効果的な解決策であるわけではありません。天候、害虫、病気、灌漑によって収穫が失敗する可能性があり、伝統的な方法では試行錯誤のコストが非常に高くなります。
ここで、データを仮想環境に変換できる 3D マッピング テクノロジ (3D – Mapping) を例に挙げてみましょう。したがって、さまざまな作物の作付計画を作成するために使用でき、遠隔デバイスの監視や制御などにも役立ち、作付前に特定の作物の成長を測定したり、最終的な収穫をシミュレーションしたりすることもできます。
科学者らはまた、MR対応の「ヘルメット」や「ゴーグル」を使って作物の状態を観察する機会を農家に提供している。見える化、センサー、VRなどのテクノロジーを活用し、農場や制御施設のリアルタイム監視、インテリジェントな管理などを実現します。
もちろん、これは物理世界における多層化されたデジタル情報の可能性を探る始まりにすぎません。想像力を駆使してデジタル シミュレーションを実装すると、実際の故障率を低減し、より多くの潜在的なユースケースを探索できます。
コンピューター ビジョン、機械学習、ニューラル ネットワークが連携
農場の生産性と効率を向上させるための AI のユースケースとアプリケーションが増加しています。たとえば、次のような側面があります。
コンピュータービジョンにより自動化が可能: スマート農業機器には、カメラ、GPS、およびビデオ データを処理するテクノロジーが装備され、すべてのデータをクラウドに送信する必要なく、インテリジェントな意思決定の推奨事項が可能になります。コンピューター ビジョン システムにより、トラクターは道を見つけたり、障害物を検出したり、特定の種類の作物を収穫したりすることができます。
機械学習に基づくスマートな灌漑: 人々は灌漑装置を使用して植物に水を与えたり、化学薬品を散布したりします。より現代の灌漑システムでは、統合された ML テクノロジーを使用して雑草と作物を区別し、除草剤を散布します。これは、除草剤の使用量が減り、コストが削減され、より安全な食品が得られることを意味します。
土壌分析に使用されるニューラルネットワーク: ニューラル ネットワーク モデルを通じて、土壌の特性と特徴が分析され、それらと適切な作物品種との間の相関モデルが確立されます。非侵襲的な地中レーダー画像技術と電磁誘導土壌センサーで得られた信号を組み合わせることで、土壌表面の粘土含有量などの情報を得ることができます。これにより、該当する土壌が作物の植栽に適しているかどうかを正確に判断することができ、作物の生産効率や経済効果を向上させることができます。
AIと組み合わせた衛星データ分析: Harvesting というスタートアップは、植物の全体的な状態を特定する独自の機械学習アルゴリズムを通じて衛星データを分析し、トウモロコシの収量を予測することができます。
大手テクノロジー企業が語るAI農業への道
資源や技術を習得した国内大手メーカーも昨年からAI農業の研究を始めた。、彼らはAI農業の開発において模範を示しました。
アリババが2018年6月にリリースした「ET Agriculture Brain」は、農業問題のいくつかを解決できる。たとえば、養豚では、AI がマシン ビジョン カメラとデータ分析機能を使用して豚の成長データを観察し、適者生存を実現します。
さらに、声紋認識と赤外線温度測定が養豚場に導入され、AI が体温と音声から豚の健康状態を予測するために使用され、最終的には雌豚の出産能力が向上し、死亡率が減少します。
昨年11月にはJD DigitsもAI支援養豚を開始した。 AIカメラやデータインテリジェンスシステムの活用に加え、IoTシステムや飼育検査ロボット、給餌ロボットなどのロボット管理システムも追加し、「豚の顔認識」技術も活用して農家の管理を支援した。
養豚だけでなく、作物の栽培でもAIは大きな進歩を遂げています。 Ali の ET Agriculture Brain は、メロンとレタスの栽培について報告しました。昨年12月、テンセントAIラボのチームは強化学習アルゴリズムを使用して、国際人工知能温室チャレンジ（自律型温室チャレンジ）でインテリジェントな「キュウリ植え付け」プロジェクトを実現し、最終的に「AI戦略」個人部門で1位を獲得した。カテゴリと総合スコア 2。
これらの大手テクノロジー企業の事例はまだ実証と探索の段階にあり、大規模に実用化するにはまだ道が遠いかもしれない。 このことは、AI農業の発展にもいくつかの課題があることを示している。
一方で、伝統的な農業の発展の下では、AIモデルが分析および処理できるデータはそれほど多くなく、標準化の程度は非常に低いですが、その一方で、AI農業の技術設備を再構築する必要があります。そして改善されました。これはアルゴリズム戦略の問題だけでなく、ハードウェアの技術サポートのサポートなどのエンジニアリングの問題も含みます。
とはいえ、社会の発展に伴い、スマート農業から得られる利益と収益の可能性は無限です。いくつかの予備的な適用結果は、AI の合理的な使用を通じて、インテリジェント農業への道をさらに前進させます。