農業は人工知能を受け入れる

Nov 03, 2023

人工知能は大量のデータを使用して効率を高めます。

グレイビアードは、鉛筆を使った数学計算が電卓の時代にワープスピードを上げたときに感じたスリルを覚えているかもしれません。

最近では、人工知能 (AI) が、数十年前に数学の授業に与えたのと同じ熱を農業にもたらすと約束しています。 Inari の最高情報およびデータ責任者であるラニア・カラフ氏は、人工知能は機械学習などのいくつかのサブセットを含むテクノロジーであると述べています。

「機械学習により、コンピュータは大量のデータからパターンを見つけて結果を数学的に予測したり、分類したりすることができます」と彼女は言います。 「その後、新しいデータを確認しながら、時間の経過とともにこれらのパターンや分類を更新することを学習します。」

「人工知能の最大の利点は、これまで人間が実行する必要があった複雑な計算を高速で実行できることです」と、Blue River Technology の See & Spray ゼネラルマネージャーの Kent Klemme 氏は付け加えます。 「最近の GPU (グラフィックス処理装置) の改良により、これを可能にする計算能力が提供されました。特定の問題を解決するには大量のデータが必要です。」

機械学習を利用した See & Spray Ultimate テクノロジーにより、噴霧器は作物の間に散布しながら雑草だけをターゲットにすることができます。 「私たちは、晴天、曇り空、暗い空、さまざまな土壌、さまざまなレベルの残留物など、さまざまな状況下で、さまざまな作物のさまざまな雑草の画像を何千枚も撮影してきました」とクレム氏は言います。

その後、Blue River と John Deere のデータ サイエンティストは、See & Spray Ultimate システムを訓練して、無数の条件下で植物を認識できるようにしました。 これらの画像は、1 つ以上の数学的演算の繰り返しを含むアルゴリズムによって分類されます。 アルゴリズムは多くの場合、コンピューター上で実装され、解決されます。

Case IH のパトリオット 50 シリーズ噴霧器は、ビジョン ガイダンスと呼ばれる機械学習形式を使用しています。

「これは、プラントの位置に基づいてステアリングコマンドを作成する列誘導ソリューションです」と、Case IH のグローバル精密技術ディレクターである Chris Dempsey 氏は述べています。

視覚誘導では、搭載されたカメラを使用してトウモロコシの位置を噴霧器に中継するため、噴霧器は作物に乗り上げずに列上に留まると付け加えた。

人工知能は、機械学習などの多くのサブセットを含む幅広い分野です。 ただし、基本的には効率を高めるために大量のデータを使用するとデンプシー氏は言います。

「デジタル農業において農業業界全体が直面する最大の障害は、大規模で複雑なデータセットを取得し、それらを有意義な洞察に変えることです」と Ceres Imaging の創設者 Ashwin Madgavkar 氏は言います。 「AI は、このすべてのデータを生産者が実行できるアクションに統合することで、そのギャップを埋めるのに本当に役立ちます。」

作物育種におけるその使用は増加しています。

「私たちは、ハイブリッドのパフォーマンスを予測するための機械学習や高度な分析モデルなど、あらゆる種類の新しいテクノロジーを検討しています」と、AgReliant Genetics ハイブリッド製品ブリーダー マネージャーのマイク ポペルカ氏は述べています。 「（作物育種）業界は、これらのモデルにさらに向かっています。」

AI の使用も、多くの機械ラインで一般的に使用されています。 Case IH は、AFS Harvest Command システムを調整する 16 個のセンサーによる機械学習を使用しています。

「（穀物の）損失を減らしながらスループットを向上させることは、現在ではすべて自動的に行われます」とデンプシー氏は言います。 「歴史的には、穀物サンプルに穂軸や異物が多すぎる場合、コンバインのオペレーターはふるいを調整する必要がありました。」

機械学習により、これが自動的に行われるようになりました。

「センサーは、下部のふるいを停止するか、ファンまたはローターの速度を上げる必要があることをコンバインに伝えます」と彼は言います。 「これらの調整は、特定の作物タイプの既知のデータベースで異物や悪い穀粒品質がどのように見えるかを知ることに基づいています。基本的に、それは良い[品質の穀物]と悪い穀物を示す画像のデータベースです。」

John Deere は、S700 および X9 シリーズ コンバインの自動維持機能でも機械学習を使用して、目標とする粒子損失と粒子品質パフォーマンスを維持します。