解説：AIのおかげで農業イノベーションが加速しています。 それで十分でしょうか？
画像：iStock / lamyai
私が最近述べたように、 組織は、人工知能を使った小さなステップで最大の成功を収めることがよくあります。 これが機能している例はたくさんありますが、Linuxは素晴らしい例を提供します。 Linuxは学生のデスクトップ実験として始まり、信頼できるプリントサーバーとしてゆっくりと企業に浸透し、最終的にデータセンターとクラウドを引き継ぎました（そして火星-それは中国と米国の両方のローバーにあります）。 増分ステップは、大きなものになる可能性があります。
食料生産の分野では、そうする必要があります。 結局のところ、世紀半ばまでに世界の人口が10億人に達し、耕作地が縮小するにつれて食料生産がほぼXNUMX倍にならなければならない場合、私たちはおそらく必要になるでしょう。 AI それらすべての人々を持続可能な形で養うためにステップアップすること。 しかし、どのように？
見る： Agriculture 4.0：デジタル農業が食品の未来にどのように革命をもたらしているか（カバーストーリーPDF） （TechRepublic）
農業はハイテクになります
XNUMXつの答えは、デジタル農業とAIを通じて効率を改善することです。 より少ない土地からより多くのより良い作物を得ることができれば、家族経営の農場を救い、気候変動を緩和し、水を節約し、汚染を減らし、私たちにとってより持続可能な農業でより良い未来を築くのを助けるなど、他の価値のある目標も達成します。地球のために。
オランダに拠点を置く、xarvioと呼ばれるAgTechの初期のパイオニアを見てみましょう。 100年前に設立されたxarvioは、強化学習に基づくデジタル製品を提供します。AIを活用した作物モデルシステムは、リアルタイムおよび過去の作物、水、その他の重要なデータ（Labelboxで注釈付き）を管理し、独立したフィールドゾーン固有の農学を提供します。農民が作物をより効率的かつ持続可能な方法で生産できるようにするためのアドバイス。 彼らはXNUMXつの製品を提供しています– Scouting（無料）に加えて、FieldManagerとHealthyFields –は、世界XNUMXか国以上のXNUMX万人以上の農家によって使用されています。
この種の顧客獲得はどの分野でも印象的ですが、通常は動きの遅い農業市場ではどうでしょうか。 それは超高速です。
その成長の理由は利便性に帰着します。 スカウティングは、写真を撮るだけで、現場の問題を自動的に特定します。 スカウティングは、雑草の種類を判別し、黄色いトラップ内の昆虫を分類して数え、病気を認識し、葉の損傷を分析し、窒素の状態を示します。 さらに、農家はスカウティング旅行の履歴を確認したり、コミュニティベースのスカウティングレーダーにアクセスして、自分の地域の作物のストレスの概要を把握したりできます。
見る： 自動運転トラクター、AI、精密農業が差し迫った食糧危機から私たちをどのように救うか（カバーストーリーPDF） （TechRepublic）
Xarvioの商用製品であるFieldManagerは、アプリまたはWebソリューションとして利用でき、投薬（水、肥料、殺虫剤、タイミングなど）に関する作物生産の意思決定を支援することで、成長サイクル全体で農家をサポートします。 農民は、作物生産の決定を最適化しながら、自分の畑や畑地帯からより多くを得ることができ、時間を節約できます。
xarvioの他の商品であるHealthyFieldsを使用すると、農民は作物の健康を保証するフィールドゾーン固有の病気の管理を行うことができます。 農家は、すべてのステップをガイドするソフトウェアを使用して、複雑な作業タスクから解放されます。 シーズン終了時の畑での病気に関連した葉の損傷が事前に合意されたものよりも大きい場合、農民はxarvioからお金を取り戻します。
AIはこれにどのように関与しますか？
AIを機能させる
xarvioの中心的な部分として 機械学習 パイプラインでは、画像がLabelboxプラットフォームにアップロードされ、ラベラーはまず、画像内のオブジェクトを、その周りにボックスやアウトラインを描画したり、損傷した植物の部分を強調表示したりして定義します。 Labelboxシステムは、データセット内の過去の画像から学習した内容に基づいて自動分類を行います。 次に、農業の背景が強いラベラーが画像を事前に分類し、識別情報を選択するか、葉のどの部分が良いか、どの部分が悪いかなどに注釈を付けます。
見る： スマートファーミング：IoT、ロボット工学、AIが今世紀最大の問題のXNUMXつにどのように取り組んでいるか（カバーストーリーPDF） （TechRepublic）
業界外の専門家は、Labelboxを使用して、画像をトレーニングデータセットに移動してモデルをさらにトレーニングする前に、ラベルの最終チェックを行うことで品質管理を行います。 Xarvioは、画像の識別には地域の知識が必要なため、さまざまな大陸の専門家に依存しています。 xarvioがアプリケーションに新しい機能をすばやく追加できるように、新しいトレーニングデータによってアルゴリズムの精度が向上し続けるため、ラベル付けプロセスは反復サイクルです。
ここでは賭け金が高くなっています。 農業は、米国内の人間活動からの温室効果ガス排出量の約10％を占めています。 環境保護庁によると。 さらに重要なことに、農場は地球の陸面の約40％から50％を占めています。 正しく管理されれば、農地は炭素吸収源として機能し、大気からCO2を引き出し、地面に貯蔵することができます。 誤って管理された農地は、炭素源として機能し、正味のCO2を大気中に放出する可能性があります。
AIは万能薬ではありませんが、農業生産を劇的に改善するのに役立つ可能性があります…一度にXNUMXつの農場。
開示：私はAWSで働いていますが、ここに示されている見解は私のものです.
また見てください
コインスマート。 BesteBitcoin-ヨーロッパのBörse
出典：https：//www.techrepublic.com/article/how-ai-innovation-is-improving-agricultural-efficiency/#ftag=RSS56d97e7
