От фермы до стола: как ИИ стимулирует инновации в сельском хозяйстве

Учитывая, что к 2050 году население мира вырастет на 2 миллиарда человек, нам потребуется примерно 60% увеличение производства продуктов питания, чтобы не отставать. Искусственный интеллект (ИИ) помогает нам справиться с этой задачей, стимулируя инновации в сельском хозяйстве. Инновации на основе ИИ можно использовать для мониторинга скота, анализа роста урожая, прогнозирования того, когда сельскохозяйственному оборудованию требуется обслуживание, и многого другого. Когда мы думаем о сельском хозяйстве, мы часто представляем себе только фермерство. Тем не менее, это зонтичный термин, охватывающий множество различных функций и процессов.

Чтобы лучше понять влияние ИИ в сельском хозяйстве, давай рассмотрим конкретный пример: жизненный цикл фрукта. Что происходит во время его путешествия с поля к нашим столам?

В этом блоге мы исследуем, как ИИ помогает на каждом этапе процесса: от посадки, выращивания и сбора урожая до обработки, транспортировки и продажи фруктов. Начнем!

Внедрение новых технологий в сельское хозяйство для посадки фруктов#

Первый этап жизненного цикла фруктовых культур — это выбор семян и их посадка. Фермеру нужно решить, какой фрукт выращивать в этом сезоне. Методы ИИ, такие как машинное обучение, можно использовать для анализа больших объемов данных, чтобы помочь фермерам выбрать лучшие семена для конкретных условий почвы и климата. Оценивая исторические погодные условия, состав почвы и данные об урожайности, ИИ может рекомендовать оптимальные сорта семян, которые с наибольшей вероятностью хорошо приживутся. Использование ИИ для выбора семян — это активно развивающаяся область исследований, вызывающая большой интерес и обладающая огромным потенциалом.

Например, в рамках конкурса CGIAR Inspire Challenge 2018 года проект по использованию машинного обучения для более умного выбора семян получил грант в размере 100 000 долларов. Этот проект возглавляли исследователи из BioSense Institute и CIMMYT. Они использовали данные о различных новых сортах кукурузы с сотен участков оценки в Мексике для разработки моделей, прогнозирующих эффективность семян. Использование подхода, основанного на данных, увеличивает шансы на успешный урожай и снижает риск потери культур. Как только выбран лучший тип семян, компьютерное зрение может помочь проверить качество этих семян.

Рис. 1. Спутниковый снимок, показывающий производство кукурузы в Мексике, где более яркие участки обозначают более здоровую растительность.

Использование компьютерного зрения для оценки качества семян#

Компьютерное зрение можно использовать для анализа изображений фруктовых семян с высоким разрешением, чтобы обнаруживать несовершенства, болезни и генетические признаки, которые могут быть невидимы человеческому глазу. Различные задачи компьютерного зрения можно применять для анализа этих изображений с целью сортировки, классификации и оценки качества семян. Автоматизируя эти задачи, ИИ помогает гарантировать, что высаживаются только семена высочайшего качества, а фермеры могут добиться лучших урожаев.

Например, Seed X's GeNee™ Sorter — это сортировщик семян на базе ИИ, который улучшает процесс отбора семян. Сортировщик делит семена на две категории: высококачественные семена, которые с большей вероятностью прорастут, направляются в первичный бункер, в то время как семена, которые вряд ли прорастут, сортируются во вторичный бункер. Он справляется с такими задачами, как оценка цвета, формы, размера, генетической чистоты и прогнозирование показателей всхожести. Благодаря сортировщику показатели всхожести можно повысить до более чем 90%, что означает, что больше семян успешно вырастают в здоровые растения.

Fig 2. Seed X's GeNee™ Sorter.

Использование ИИ для выращивания и сбора фруктов#

ИИ также можно использовать для улучшения анализа почвы и мониторинга урожая. Дроны с передовыми камерами летают над фруктовыми полями, захватывая детализированные изображения почвы и здоровья растений. Эти изображения обрабатываются для создания карт, показывающих изменения влажности почвы, уровня питательных веществ и здоровья растений. На основе выводов анализа изображений можно выполнять такие задачи, как обнаружение сорняков, мониторинг роста, оценка урожайности, регулировка полива, точное внесение удобрений и реализация целенаправленной борьбы с вредителями. Мониторинг в реальном времени с использованием ИИ может помочь улучшить урожайность фруктов и способствовать устойчивым методам ведения сельского хозяйства.

Сбор урожая на поле всего на один день раньше или позже оптимального времени может уменьшить потенциальный доход фермера на 3,7% и вплоть до 20,4%. ИИ может помочь определить лучший момент для сбора фруктов. Традиционные методы сбора урожая сильно зависят от ручного труда и могут быть менее эффективными и более трудоемкими. Методы сбора урожая с поддержкой ИИ используют передовые датчики и алгоритмы машинного обучения для анализа данных о цвете, размере фруктов и условиях окружающей среды для прогнозирования зрелости. Таким образом, фрукты собирают тогда, когда они находятся в лучшем виде, что приводит к более высоким урожаям и меньшим отходам.

Рис 3. Использование компьютерного зрения для сегментации спелой клубники.

Послеуборочная обработка: объемный анализ сегментации и упаковки фруктов#

После сбора урожая следующим ключевым этапом является сортировка и классификация фруктов, чтобы лучшая продукция могла дойти до потребителей. ИИ может использоваться для объемного анализа сегментации фруктов. Применяя модели компьютерного зрения, такие как Ultralytics YOLOv8, можно оценить размер, форму и качество фрукта.

Рис. 4. Использование модели компьютерного зрения Ultralytics YOLOv8 для сегментации фруктов.

Процесс включает в себя захват изображений фруктов с высоким разрешением на конвейерной ленте, сегментацию отдельных фруктов с помощью модели YOLOv8 и выполнение объемного анализа для измерения размера и формы, а также обнаружения дефектов. На основе анализа фрукты автоматически сортируются и классифицируются по различным категориям для надлежащей упаковки, переработки или дистрибуции. Сортировка и классификация на базе ИИ повышают эффективность, точность и стабильность, сокращают отходы и максимизируют ценность урожая.

Как только фрукты отсортированы и классифицированы, автоматизированные упаковочные машины могут точно упаковать их. Системы OCR (оптического распознавания символов) на базе ИИ могут проверять упаковку на точность, верифицируя этикетки, штрих-коды и другую важную информацию для обеспечения соответствия стандартам и правилам. Проверяя упаковку таким образом, можно избежать ситуаций, например, с продуктами с истекшим сроком годности. ИИ может обнаружить некорректные этикетки или даты истечения срока годности и пометить их для исправления до того, как продукты попадут к потребителям.

Инновации ИИ в розничной торговле и распределении фруктов#

Теперь представь, что у тебя есть лучшие фрукты, упакованные и готовые к доставке. ИИ может улучшить логистику и транспортировку фруктов путем оптимизации маршрутов. Сохранение свежести фруктов во время транзита и поиск наиболее эффективных маршрутов доставки — это серьезные проблемы. Алгоритмы ИИ могут анализировать структуру трафика, погодные условия и графики доставки, чтобы определить лучшие маршруты и сократить время в пути и затраты.

После того как фрукты попадают в магазин, ИИ продолжает играть ключевую роль в управлении запасами и прогнозировании спроса. Системы ИИ могут анализировать данные о продажах, предпочтениях клиентов и сезонных трендах для более точного прогнозирования спроса. Розничные магазины могут поддерживать оптимальный уровень запасов на основе выводов ИИ и снижать риск перетоваривания или нехватки товаров.

Рис 5. Сотрудники пополняют запасы фруктов в розничном магазине. Источник изображения: Envato Elements.

Компьютерное зрение можно использовать в магазинах для мониторинга запасов на полках в режиме реального времени. Используя обнаружение объектов, камеры на базе ИИ могут определять, когда запасы истощаются или размещены неправильно, и предупреждать персонал о необходимости пополнить или переставить полки. Обеспечивая наличие нужного количества свежих продуктов в нужное время, ИИ помогает повысить удовлетворенность клиентов и сократить пищевые отходы.

Общее влияние ИИ на фруктовую индустрию#

ИИ обладает потенциалом сыграть большую роль в помощи потребителям получать фрукты лучшего качества. Отличным примером успешной интеграции ИИ в фруктовую индустрию является Nature Fresh Farms. Nature Fresh Farms трансформировала свои операции от семян до магазина с помощью технологии ИИ. Датчики на базе ИИ и аналитика данных помогают отслеживать и управлять всем: от климата и уровня влажности в теплице до логистики транспортировки продукции. Nature Fresh Farms оптимизировала условия выращивания, контролировала полив и снизила затраты. Система ИИ также способна доставлять продукцию на полки супермаркетов в течение 24–48 часов после упаковки, значительно сокращая время транспортировки и сохраняя свежесть.

Несмотря на свои многочисленные преимущества, у использования ИИ во фруктовой индустрии есть некоторые потенциальные недостатки:

• Стоимость внедрения: Первоначальные инвестиции в технологии ИИ могут быть высокими, что может стать барьером для некоторых фермеров и производителей.
• Технологическая зависимость: Сильная зависимость от ИИ и технологий может создать зависимость, которой может быть трудно управлять, особенно в случае возникновения технических проблем или сбоев.
• Обслуживание и поддержка: Системы ИИ требуют регулярного обслуживания и обновлений для эффективного функционирования, что может увеличить текущие расходы и эксплуатационную сложность.
• Сложность использования: Некоторым фермерам технологии ИИ могут показаться трудными для понимания и использования, поэтому необходимы обучение и поддержка.

Культивируя завтрашний день#

От выбора семян до созревания фруктов, ИИ меняет сельское хозяйство на протяжении всего жизненного цикла продуктов — от ферм до твоего обеденного стола. Он помогает фермерам следить за здоровьем почвы, прогнозировать лучшее время для сбора урожая и точно сортировать продукты. Оптимизируя ресурсы, сокращая отходы и повышая урожайность, ИИ делает фермерство более эффективным и устойчивым. Несмотря на такие проблемы, как затраты, необходимость в технических знаниях и зависимость от качества данных, преимущества ИИ во многих случаях делают эти усилия оправданными. Именно поэтому все больше фермеров внедряют ИИ.

Оставайся на связи с нашим сообществом, чтобы продолжать узнавать об ИИ! Загляни в наш репозиторий GitHub, чтобы узнать, как мы используем ИИ для создания инновационных решений в таких отраслях, как производство и здравоохранение. 🚀