Maison >Périphériques technologiques >IA >Agriculture intelligente : la vision par ordinateur et la robotique sont utilisées pour améliorer l'efficacité
L'intelligence artificielle en agriculture permet de détecter les ravageurs, les maladies des plantes et la malnutrition dans les exploitations agricoles. Les capteurs d’IA peuvent identifier et cibler les mauvaises herbes avant de décider quel herbicide utiliser dans la zone. L’agriculture de précision, souvent appelée systèmes d’intelligence artificielle, contribue à améliorer la qualité globale et la précision des récoltes.
Nous avons besoin de beaucoup de terres pour nourrir des milliards de personnes. Aujourd’hui, la culture manuelle n’est plus possible. Parallèlement, les mauvaises récoltes sont souvent causées par des insectes nuisibles et des maladies des plantes. Compte tenu de l’ampleur des opérations agricoles modernes, il est difficile de détecter et d’arrêter cette invasion de ravageurs.
Cela ajoute une nouvelle application à la technologie de vision par ordinateur. Les agriculteurs peuvent utiliser la photographie aérienne pour identifier les premiers indicateurs de maladies ou de ravageurs des plantes au niveau macro et pour identifier les maladies des cultures au niveau micro à l'aide de photos en gros plan des feuilles et des plantes. Les réseaux de neurones convolutifs sont une méthode de vision par ordinateur couramment utilisée dans ces études. Aujourd’hui, de plus en plus d’applications de l’intelligence artificielle dans l’agriculture sont développées.
Il convient de noter que nous utilisons ici le terme « vision par ordinateur » de manière très large. Les images ne constituent généralement pas la source d’information la plus fiable. De nombreux aspects importants de la vie végétale sont mieux étudiés en utilisant d’autres méthodes. Des capteurs spécialisés sont souvent utilisés pour collecter des images hyperspectrales ou des scans laser 3D sont utilisés pour mieux comprendre la santé des plantes. Dans le domaine de l’agronomie, ce type de technologie est de plus en plus utilisé en raison de l’application de l’intelligence artificielle en agriculture.
Ce type de données est généralement à haute résolution et ressemble plus à des photos qu'à l'imagerie médicale. AgMRI est un système de surveillance sur site. Bien que des modèles spécialisés soient nécessaires pour traiter ces données, les réseaux de neurones convolutifs peuvent notamment être utilisés en raison de l’organisation spatiale des données.
Des millions de dollars investis dans la recherche en phénotypage et imagerie végétale. La tâche principale consiste désormais à collecter des ensembles de données importants sur les plantes cultivées, généralement sous la forme d'images ou d'images tridimensionnelles, et à comparer les informations phénotypiques avec les génotypes des plantes. Les résultats et les informations de la recherche peuvent être utilisés pour faire progresser la technologie agricole dans le monde entier. L’agriculture n’est pas le seul domaine utilisant des systèmes d’IA intelligents, l’IA est également un sujet brûlant en matière de recrutement.
De nombreux robots agricoles autonomes sont capables de creuser des trous et de semer des graines dans le sol tout en adhérant aux schémas de base établis et en tenant compte des caractéristiques uniques de la région. Les robots sont également capables de gérer le processus de croissance des plantes et d'interagir avec chaque plante individuellement. Lorsque les récoltes sont mûres, les robots les récoltent, traitant à nouveau chaque plante comme elle doit l'être.
Les drones peuvent pulvériser automatiquement les cultures. Les drones petits et agiles peuvent livrer des matières dangereuses avec une plus grande précision que les avions plus gros. De plus, les photographies aériennes capturées à l'aide de drones pulvérisateurs peuvent être utilisées pour collecter des données pour les algorithmes de vision par ordinateur décrits au début de cet article.
Des robots spécialement conçus pour la récolte sont de plus en plus créés et déployés. Les moissonneuses-batteuses sont utilisées depuis longtemps, tandis que les mauvaises herbes individuelles peuvent être identifiées et éliminées mécaniquement par des robots. Il s’agit d’une autre réalisation remarquable de la robotique et de la vision par ordinateur contemporaines, car avant cela, il était impossible de faire la différence entre les mauvaises herbes et les plantes bénéfiques, ni d’utiliser des mains robotiques pour interagir avec de petites plantes.
Alors que de nombreux robots agricoles sont encore des prototypes ou testés uniquement à petite échelle, l'application du ML, de l'IA et de la robotique dans l'agriculture est déjà évidente. On estime que dans un avenir proche, de plus en plus d’activités agricoles adopteront la mécanisation.
De plus en plus d'applications de l'intelligence artificielle dans l'agriculture sont développées aujourd'hui. Par exemple, un projet pilote d’une entreprise applique la vision par ordinateur à l’élevage, mais ce domaine n’a pas encore suscité un grand intérêt de la part des entreprises de deep learning.
Bien sûr, il existe déjà des initiatives visant à utiliser les données de suivi du bétail pour l'apprentissage automatique. Par exemple, une entreprise pakistanaise a lancé un collier capable de surveiller sans fil l’activité et la température corporelle des vaches. Et des chercheurs français travaillent sur une technologie de reconnaissance faciale pour les vaches.
De plus, il est prévu d’appliquer l’IA à l’élevage porcin, une industrie jusqu’à présent sous-utilisée dont la valeur marchande s’élève à des centaines de milliards de dollars. Dans les fermes modernes, les porcs sont élevés en groupes relativement petits et les animaux les plus comparables sont sélectionnés. La nourriture constitue la principale dépense de la production porcine et, par conséquent, l’objectif principal de la production porcine contemporaine est de maximiser le processus d’engraissement.
Si les éleveurs avaient une compréhension globale de la prise de poids des porcs, ils pourraient résoudre ce problème. Les animaux ne sont généralement pesés que deux fois dans leur vie, à la naissance et à la vente. Si les experts savaient comment chaque porcelet prenait du poids, ils pourraient concevoir un programme d’engraissement unique pour chaque porc, voire une combinaison unique d’additifs alimentaires. Cela augmentera considérablement la production.
Bien que faire monter les animaux sur la balance ne soit pas particulièrement difficile, cela peut leur causer beaucoup de stress et les porcs stressés perdront du poids. Cette nouvelle recherche en intelligence artificielle vise à créer une nouvelle méthode non invasive de pesée des animaux. Utilisez des modèles de vision par ordinateur pour déduire le poids des porcs à partir de données photo et vidéo. Ces estimations seront intégrées aux modèles analytiques d’apprentissage automatique traditionnels existants pour améliorer le processus d’engraissement.
L'agriculture et l'élevage sont parfois perçus comme des métiers dépassés. Aujourd’hui, cependant, l’intelligence artificielle en agriculture devient un outil courant dans de nombreuses exploitations agricoles. La principale raison de ce phénomène est le grand nombre d’emplois exercés simultanément dans l’agriculture.
Ils sont si fastidieux qu’il faut recourir au deep learning et à l’intelligence artificielle contemporaine pour les automatiser. Bien que les plantes cultivées et les porcs soient identiques, ils ne proviennent pas de la même chaîne de montage. Chaque buisson de tomates et chaque porc nécessite une approche unique, l'intervention humaine est donc absolument nécessaire.
Nous pouvons tirer parti des développements actuels de l’intelligence artificielle pour résoudre des défis tout en automatisant les technologies qui interagissent avec les plantes et les animaux et prennent en compte leurs caractéristiques uniques. Peser un porc est plus simple que d'apprendre à réussir le test de Turing, et conduire un tracteur dans un vaste champ est plus simple que conduire une voiture dans une circulation dense.
Étant donné que l’agriculture reste l’une des industries les plus grandes et les plus importantes au monde, même de petites améliorations d’efficacité peuvent conduire à des gains significatifs. C’est pourquoi de nombreuses entreprises donnent la priorité à l’intelligence artificielle dans l’agriculture.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!