농업은 인공지능을 수용한다

Nov 03, 2023

인공지능은 효율성을 높이기 위해 대량의 데이터를 사용합니다.

Graybeards는 연필을 사용하는 수학 계산이 워프 속도를 계산기 시대로 앞당겼을 때 느꼈던 스릴을 기억할 것입니다.

요즘 인공지능(AI)은 수십 년 전 수학 수업에 그랬던 것과 같은 열기를 농업에도 가져올 것을 약속합니다. 인공 지능은 기계 학습과 같은 여러 하위 집합을 포함하는 기술이라고 Inari 최고 정보 및 데이터 책임자인 Rania Khalaf는 말합니다.

"머신러닝을 통해 컴퓨터는 대량의 데이터에서 패턴을 찾아 결과를 수학적으로 예측하거나 분류할 수 있습니다."라고 그녀는 말합니다. "그런 다음 새로운 데이터를 볼 때 시간이 지남에 따라 이러한 패턴이나 분류를 업데이트하는 방법을 학습합니다."

"인공 지능의 가장 큰 장점은 이전에 인간이 수행해야 했던 복잡한 계산을 빠른 속도로 수행할 수 있는 능력입니다."라고 Blue River Technology의 See &Spray 총괄 관리자인 Kent Klemme는 덧붙입니다. "최근 GPU[그래픽 처리 장치]의 개선으로 이를 가능하게 하는 컴퓨팅 성능이 제공되었습니다. 특정 문제를 해결하려면 많은 데이터가 필요합니다."

기계 학습을 기반으로 하는 See &Spray Ultimate 기술을 사용하면 농작물 사이에 살포하는 동안 분무기가 잡초만 대상으로 할 수 있습니다. "우리는 맑은 하늘, 흐린 하늘, 어두운 하늘, 다양한 토양, 다양한 수준의 잔류물과 같은 다양한 상황에서 다양한 작물의 다양한 잡초에 대한 수천 장의 이미지를 촬영했습니다."라고 Klemme은 말합니다.

그런 다음 Blue River와 John Deere의 데이터 과학자는 See &Spray Ultimate 시스템을 훈련하여 다양한 조건에서 식물을 인식합니다. 이러한 이미지는 하나 이상의 수학적 연산을 반복하는 알고리즘을 통해 분류됩니다. 알고리즘은 종종 컴퓨터에서 구현되고 해결됩니다.

Case IH의 Patriot 50 시리즈 분무기는 비전 안내라는 기계 학습 형태를 사용합니다.

Case IH의 글로벌 정밀 기술 이사인 Chris Dempsey는 "공장 위치에 따라 조향 명령을 내리는 행 안내 솔루션입니다."라고 말합니다.

비전 안내는 옥수수 식물 위치를 분무기에 전달하는 온보드 카메라를 사용하므로 작물 식물을 뛰어넘지 않고 줄에 머물 수 있다고 그는 덧붙였습니다.

인공 지능은 기계 학습과 같은 많은 하위 집합을 포함하는 광범위한 영역입니다. 그러나 기본적으로 효율성을 높이기 위해 많은 양의 데이터를 사용한다고 Dempsey는 말합니다.

Ceres Imaging의 설립자인 Ashwin Madgavkar는 "전체 농업 산업이 디지털 농업에서 직면하는 가장 큰 장애물은 크고 복잡한 데이터 세트를 수집하여 의미 있는 통찰력으로 바꾸는 것입니다."라고 말합니다. "AI는 이 모든 데이터를 재배자가 취할 수 있는 조치로 종합하여 이러한 격차를 해소하는 데 실제로 도움이 될 수 있습니다."

작물 육종에 그 사용이 증가하고 있습니다.

AgReliant Genetics 하이브리드 제품 육종가 관리자인 Mike Popelka는 "우리는 하이브리드 성능을 예측하기 위해 기계 학습이든 고급 분석 모델이든 모든 종류의 다양한 신기술을 조사하고 있습니다."라고 말합니다. "[작물 육종] 산업은 이러한 모델을 향해 더 나아가고 있습니다."

AI 사용은 여러 기계 라인에서도 일반적으로 사용되고 있습니다. Case IH는 AFS Harvest Command 시스템을 조정하는 16개의 센서를 통해 기계 학습을 사용합니다.

Dempsey는 "[곡물] 손실을 줄이면서 처리량을 늘리는 작업이 이제 모두 자동으로 수행됩니다."라고 말합니다. "역사적으로 콤바인 운영자는 곡물 샘플에 옥수수 속이나 이물질이 너무 많으면 체를 조정해야 했습니다."

이제 기계 학습이 이 작업을 자동으로 수행합니다.

"센서는 콤바인에게 낮은 체를 차단하거나 팬이나 로터 속도를 높여야 한다고 알려줍니다."라고 그는 말합니다. "이러한 조정은 특정 작물 유형에 대해 알려진 데이터베이스에서 이물질이나 나쁜 곡물 품질이 어떻게 보이는지 아는 것을 기반으로 합니다. 기본적으로 이는 나쁜 품질과 좋은 품질을 보여주는 이미지 데이터베이스입니다."

John Deere는 또한 S700 및 X9 시리즈의 자동 유지 관리 기능에 기계 학습을 사용하여 목표 곡물 손실 및 곡물 품질 성능을 유지합니다.