關鍵點:
- 在獲得這項技術的五年後,迪爾使用機器視覺和機器學習來識別單個植物的方法將於2021年夏季在農場進行測試。
- 目標:以每小時20英里的速度移動的農機,可以在幾秒鐘內決定在單個植物和雜草水平噴灑除草劑,從而減少了對化學品的廣泛使用的需求。
- 人工智能的努力是與精準農業相關的眾多技術項目之一,這種農業將農業帶入了21世紀並改變了美國農村地區的工作性質。
如果最近政府拍賣5G寬帶許可證出乎意料的話 被贏了 由農業巨頭 迪爾公司 而非 AT&T公司 或其他電信業的強者,也許不應該如此。 農業-從人類耕種耕種到化學工業,到最近的遺傳時代已經有數千年的歷史了-農業正進入其數字時代。 也被稱為精準農業,有關農村地區生活和工作的數據收集和分析所引起的變化將加速。
迪爾公司的一個例子將於明年夏天在農田中首次亮相,它結合了機器視覺和機器學習功能,或者,換句話說,它更易於理解,可以考慮植物的面部識別。 早在2017年,迪爾(Deere)收購了一家名為 藍河科技,該公司一直在尋找一種識別單株植物和雜草的方法。 當您考慮到一個英畝的農場可以容納成千上萬的植物並且重型機器以10-20 mph的速度運行時,這並不是一件容易的事
人工智能正在全球範圍內迅速滲透到各種農場。 在中國,養豬場一直在使用 面部識別以繪製和監視豬的臉。 從愛爾蘭的新興企業到像嘉吉這樣的農業巨頭, 牛的面部識別 奶牛場的發展。
“在這些農村環境中的農場具有很高的技術能力,精通技術,在生長期期間每天都在創建大量數據,”今年XNUMX月成為迪爾公司首席技術官的賈米·辛德曼(Jahmy Hindman)在周四舉行的CNBC @Work Spotlight活動上說。 “所創建的信息實際上是在幫助他們提高我的生產力,可持續性和精確度。 …。 信息對於當前決策至關重要,它可以最大限度地減少農民必須投入到企業中的投入,並最大程度地提高生產力。”
如果AI技術按預期工作,則將減少的主要投入是化學應用,以殺死田野雜草,除草劑。 除了可以噴灑化學物質以殺死除能存活下來的轉基因植物外,其他所有方法都不能殺死殺蟲劑,噴霧器可以針對被認為是正確目標的單個植物,這可能會對諸如此類的企業產生重大影響。 拜耳 孟山都公司(Monsanto)生產化學品和轉基因作物,最著名的是農達公司。
辛德曼(Hindman)將AI技術描述為訓練新的神經網絡模型以觀察雜草並僅在作物田中噴灑雜草。 在單個工廠級別上向種植者提供更多信息是Deere的主要目標。
“考慮一下中西部的玉米或大豆生產……在每英畝40,000英畝的農場上,每英畝種植2,000種植物,”欣德曼說。 “我們有興趣能夠在每個工廠的整個生命週期內對其進行管理,最大程度地減少投入並最大程度地提高生產力。 …能夠實時做出決定絕對是為種植者釋放更多的經濟價值和農業領域生產力的關鍵。”
農場面部識別
藍河技術方法一直到單個農作物的水平-拍攝植物照片,以便在機器巡航時可以決定在幾秒鐘或更短時間內噴灑農藥-可能是農場中最重要的技術據Melius Research的分析師羅伯·韋特海默(Rob Wertheimer)報導。
在不同季節之間,農民在整個田地上噴灑孟山都的農達之類的除草劑,以殺死一切。 迪爾(Deere)的目的是在休耕田地開闢藍河(Blue River),而不是完全種植農作物。 在春季和夏季,在播種之前,雜草已經在空曠的田野中生長,這對於AI而言,要確定已經種植了數千種農作物的田地的目標並不復雜,但這是證明該技術的第一步。
“您正在拍攝植物和訓練算法的照片,這些植物和決策算法需要快速,幾秒鐘內,以15-20 mph的速度快速做出噴塗決策,然後彈跳起來,而噴塗機又會彈跳起來並日復一日地進行長達10到XNUMX年沒有錯誤。 很難,”沃特海默說。
與許多部門一樣,農場技術變革的步伐比行業預期的要快得多。 Wertheimer指出,僅十年前,迪爾前首席執行官兼董事長薩姆·艾倫(Sam Allen)認為,出於安全等原因,自動拖拉機接管農場還需要很長時間。 但是隨著Lidar等自動駕駛技術的快速改進以及AI的改進,艾倫在短短幾年內改變了他的觀點。
傑富瑞(Jefferies)分析師斯蒂芬·沃爾克曼(Stephen Volkmann)說:“農夫不再開車了。”他報導了迪爾,並將農場運營中的自動駕駛進展與飛機駕駛員進行了比較,如今飛機的大部分飛行都是自動化的。 “農夫需要坐在駕駛室和顯示器上,但要讓拖拉機自行驅動。”
面部識別有點令人恐懼……但是沒有理由認為它不能成功。 透視噴霧是似乎已接近拐點的幾種先進農業技術之一。
斯蒂芬·沃爾克曼(Stephen Volkmann)JEFFERIES ANALYST
Volkmann說,即噴即用AI是進入農場的“最性感”技術。 他說:“我認為人們相信這是真實的。” “這就像自動駕駛汽車一樣,它是一種照相機,可以識別很多東西,並通過AI算法對其進行訓練,並可以識別很多不同的植物。” 使它工作的挑戰很多:植物被踩踏而葉子被彎曲,田野上形成陰影,田野是骯髒的地方,這意味著始終可靠地執行此任務是一項挑戰,這是一項艱鉅的任務需要高水平的成功。
“就像自動駕駛一樣,今天他們可以95%的時間做到這一點,但這還不夠好。 您需要達到100%才能稱其成功。 您甚至不想在5%的時間將錯誤的化學藥品噴灑在錯誤的植物上,” Volkmann說。 最終,人工智能有可能學會使用多種因素來識別“好”植物與“壞”植物,以及最佳種植位置,而不僅僅是針對正確的雜草進行噴灑。
如今,儘管天氣,雜草和其他因素(從陽光到昆蟲和真菌,土壤)的耕地和雜草以及其他因素被證明,每英畝玉米農民平均可以從一英畝土地上獲得170蒲式耳的創紀錄水平。營養成分以及陽光和陰影可以進行分析,從而最終提高農作物的生產力。 沃特海默說:“數百萬種植物和雜草中有大量數據。”
迪爾(Deere)已經提供了ExactEmerge和ExactApply技術,這些技術在過去十年中已經推出,並且已將核心農業任務(例如種子種植和噴灑)轉變為精確的農業機械操作,迪爾(Deere)高管在最近的盈利電話中表示 農民對這些技術的採用正在加速.
沃爾克曼說:“面部識別有點令人恐懼……但是沒有理由認為它不能成功。” 他說:“可見噴霧是似乎已接近拐點的幾種先進農業技術之一,”他補充說,將完整的植物識別技術商業化可能還有幾年的時間。
迪爾和5G
農村連接與Deere專注於其運營以及農民在其中工作和生活的農村社區專注於這些技術努力有關。 該公司最近獲得的5G許可證是用於其製造業務的-允許其運營智能工廠-但欣德曼說,在向美國農村地區帶來更多寬帶和5G方面存在順風。
他說:“城鄉連通性對我們和農民來說是一個重要的鴻溝,在農村社區中也很重要,因為偶然的原因,農村社區正是出於這種原因而工作的。”
對於農民來說,需要更多的投資來支持Deere自己的雲計算中心和農場之間的數據流,原因包括能夠遠程監視農場上的重型機械以進行預防性維護需求(例如,對水泵進行遠程修理,而不必親自去修理)進入現場),以及將來用於設備的遠程操作。 迪爾首席技術官說,這項工作是通過與政府和私營企業建立夥伴關係進行的。
Hindman表示,憑藉5G帶寬及其所提供的延遲減少,從遠程位置自動控制服務器場中的機器成為可能。 發生這種情況時,社會將會獲得很多好處。 他說:“我們有信心逆風而行。”他談到聯邦政府對在美國農村地區推出5G的支持。
Hindman表示,隨著工廠識別AI和其他技術等新的努力,該公司的僱用發生了變化,並對現有員工進行了培訓。 機器學習技能集的需求很高,總體而言,Hindman說,近年來,Deere的招聘“明顯更多地體現在軟件技能上”,而現有員工的技能也在不斷提高,以滿足最新技術的需求。
你一定是 登錄 發表評論。