¿Cuáles son algunas aplicaciones de la IA en el campo de la agricultura?

La inteligencia artificial se está introduciendo en la agricultura en la India

Fondo

Los agricultores en muchas partes de la India dependen en gran medida de la lluvia oportuna para la cosecha y las ganancias posteriores. La incertidumbre que rodea este fenómeno también los ha perseguido desde el comienzo de la civilización.

Sin embargo, con el tiempo, esta incertidumbre se redujo significativamente ya que los agricultores en el pasado podían plantar cultivos con precisión con base en la experiencia previa con las condiciones climáticas. Esta sabiduría se ha transmitido de una generación de agricultores a otra.

La aparición gradual del calentamiento global y los cambios climáticos, durante el siglo pasado, han dejado de usar esta sabiduría de manera lenta pero constante. En cuanto a los agricultores de secano que se preparan para la agricultura, la ecuación del suelo y el agua es frágil y cualquier retraso en la lluvia podría estropear fácilmente la cosecha.

Cuando los sistemas antiguos fallan, mira hacia el futuro

Esta es quizás la mentalidad con la que los agricultores de Andhra Pradesh, India, adoptaron la idea de la integración de la IA para ayudarlos a sembrar sus cultivos.

Cuando la diferencia entre un año rentable y una cosecha fallida es información oportuna sobre el simple “¿cuándo sembrar?”, Los científicos de ICRISAT e Ingenieros de Microsoft unieron fuerzas para presentar una aplicación que utiliza análisis predictivos potentes basados ​​en la nube para llegar a una precisión fecha de siembra.

Esta aplicación utiliza Microsoft Cortana intelligence Suite (incluido el aprendizaje automático y el poder de BI) para impartir una visión general de los factores que determinan un rendimiento saludable del cultivo. ¡Incluso ofrece información sobre la salud del suelo y las recomendaciones de fertilizantes, además del pronóstico del tiempo para siete días!

El programa se inició con 175 agricultores en 7 aldeas en Andhra Pradesh. Se les pidió a los agricultores que esperaran hasta que se les enviara un SMS para comenzar a sembrar. A pesar de su falta de fe total en el uso de la tecnología para obtener mayores rendimientos, estos agricultores siguieron las instrucciones tal como se impartieron.

Durante la temporada de lluvias de ese año, los esfuerzos de los científicos e ingenieros, así como la larga espera de los agricultores, finalmente dieron sus frutos. Se observó un rendimiento récord con un aumento entre 30 y 40%.

Con una nueva fe en este nuevo sistema y la voluntad de integrarlo con sus métodos de cultivo, 2000 agricultores más están listos para unirse al movimiento.

Un cóctel de tecnología moderna y sabiduría tradicional está en su lugar para sofocar los cultivos para subir los récords de rendimiento este año.

En pocas palabras, todo esto inevitablemente se filtra en cultivos más saludables y granjas más felices, el objetivo con el que ICRISAT y Microsoft se habían embarcado en este viaje juntos.

Visítenos en Social App Hub para obtener más artículos de este tipo.

Hay oportunidades increíbles para la IA en la agricultura. Los problemas son que la mayoría de las personas no entienden cómo implementar la IA de manera significativa o rentable en la agricultura. Descubrí que existe un gran vacío de conocimiento entre los agricultores y los tecnólogos, lo que significa que la tecnología se aplica mal por un lado, o los agricultores se resisten a la adopción por el otro lado porque no entienden el valor o no confían en las personas detrás de la tecnología.

Hay pocas áreas de ag que la IA no tiene el potencial de revolucionar. Ag se trata de juicios complejos por parte del agricultor que a menudo se reducen a simples reglas generales porque considerar que todas las variables se vuelven demasiado confusas / frustrantes y las reglas básicas básicas suelen ser bastante efectivas. Sin embargo, hay muchos errores aquí que pueden abordarse con más datos e inteligencia artificial. Por ejemplo: uno de los miembros de mi familia vendería su trigo en una fecha determinada porque esa fecha en particular generalmente se alineaba con los precios del trigo por encima del promedio, y hacer un análisis predictivo sobre los precios de los productos básicos para que la venta fuera prácticamente imposible, tampoco estaba equipado con el derecho herramientas o datos para tomar este tipo de decisión. Estos son los tipos de decisiones con las que AI puede ayudar de forma única además de:

Momento oportuno de las plantaciones y hacer predicciones sobre el momento adecuado para plantar, aplicar fertilizantes, cosechar, empacar, labrar, etc., en función de los datos climáticos, las condiciones históricas, las condiciones del mercado para entradas y salidas, información personal, etc.

Comprender la fertilidad y el rendimiento del suelo a largo plazo en un pedazo de tierra dado, ya que está sujeto a múltiples tratamientos durante muchos años

Automatizar las actividades agrícolas.

Identificar brotes de plagas y enfermedades antes de que ocurran y calcular la probabilidad de brotes en base a datos históricos, datos climáticos, etc. y luego ayudar a los agricultores a manejar ese riesgo en un sentido económico

Gestionar la calidad de los cultivos y evaluar la cantidad, es decir, la gestión del inventario en el campo (en este momento siembra y luego adivina cuáles serán sus rendimientos, a menos que sea una gran granja que no sabe con certeza hasta la cosecha), y luego tomar decisiones económicas basadas en estas predicciones

La lista continua. No es necesario decir que la mayoría de estas aplicaciones deben combinarse con visión artificial, tecnología de sensores y otras herramientas de muestreo para que sean efectivas. Pero las personas que pueden cerrar esta brecha pueden construir negocios masivos alrededor de esto.

La creciente demanda de robots agrícolas a escala mundial se atribuye a la asombrosa tasa de crecimiento de la población mundial y a una reducción relativa de la fuerza laboral agrícola promedio disponible. Esta es una consecuencia directa de un aumento en la migración urbana. Se espera que los robots agrícolas reemplacen el trabajo humano y, por lo tanto, pueden ayudar a superar la escasez de trabajo físico. Estos robots traen consigo ventajas tales como tasas de trabajo constantes en una amplia gama de condiciones ambientales adversas, una reducción en el uso de productos químicos y pesticidas aplicados a los cultivos y el muy buscado concepto de agricultura de precisión.

El mercado mundial de robots agrícolas está segmentado en función de los tipos, en UAV agrícolas, tractores sin conductor, robots de ordeño y máquinas de cosecha automatizadas. Otros segmentos minoritarios incluyen robots de siembra, robots de corte y robots de poda. Para 2015, el mercado mundial de robots agrícolas estuvo dominado por tractores sin conductor.

Robots agrícolas por aplicaciones: agricultura de campo, gestión de productos lácteos, agricultura de interior y horticulturaObtenga un folleto en PDF para obtener más información sobre la industria profesional y técnica:

Por el lado de la investigación y el desarrollo, la agricultura robótica presenta el reconocimiento de imágenes para reconocer las malas hierbas y evaluar la salud de las plantas. También tiene varias técnicas de minería de datos para optimizar el rendimiento, gran parte de la robótica de IA, incluidos enjambres autónomos, sistemas de navegación, el nuevo artículo científico en [1] (paywall) da una introducción. Se proyectan grandes ahorros de costos, así como reducciones en el uso de pesticidas y fertilizantes. En cuanto al estado del arte en comparación con los bots militares, esta cita del artículo lo captura bien:

Los investigadores están desarrollando sistemas de visión artificial que utilizan la forma de las hojas para distinguir, por ejemplo, las malas hierbas y la caña de azúcar. Sin embargo, el progreso es lento, dice Salah Sukkarieh, un investigador de robótica en el Centro Australiano de Robótica de Campo en Sydney, debido a la falta de fondos. “Si tuviera el dinero para los robots agrícolas que tengo de proyectos de minería y defensa, lo resolvería. Pero no hay suficiente dinero en la agricultura. Tenemos que aprender de otras industrias, es un efecto de goteo”. dice. Aún así, la visión artificial debería estar lista en unos tres años, predice.

[1] Farmerbots: una nueva revolución industrial

Hay mucho margen para la inteligencia artificial en la agricultura. Pero la falta de fondos obstaculiza el desarrollo de IA específica para la agricultura. Habiendo dicho eso, también enfatizaría que el uso de la tecnología en la agricultura es un proceso complejo que involucra muchas entradas basadas en sensores. De todos modos, esto es lo que sé sobre la aplicación de la IA en la agricultura.

  • Monitoreo de las condiciones del cultivo como el estrés hídrico, la condición de nutrientes, la población de plantas, el contenido de humedad del suelo, etc.
  • Predecir brotes de enfermedades utilizando los datos anteriores.
  • Sistemas de riego automatizados que tienen en cuenta las condiciones climáticas.
  • Drones capaces de entregar fertilizantes y pesticidas personalizados según los requisitos de cada planta.
  • Sistemas de cosecha autónomos guiados por GPS.

Estos son solo algunos que me vinieron a la mente mientras escribía esto, hay mucha más investigación por ahí. Creo que buscar aplicaciones de drones en la agricultura te daría respuestas relevantes.

En Robovision (www.robovision.be) utilizamos métodos avanzados de IA (redes neuronales convolucionales, aprendizaje profundo) para aprender sobre los cortes de plantas que estamos enraizando. Algunos de nuestros clientes usan nuestro software para construir máquinas. Puedes ver una película de estas máquinas: plantenrobot-zeercool-traag-ingezoomd.wmv Yo diría que la IA ya se usa ampliamente en la agricultura, pero está bajo el radar. No es necesario comercializarlo, se comercializa solo y los clientes desean utilizar la ventaja competitiva el mayor tiempo posible.

Usted puede encontrar aquí 20 casos de uso de IA en Agricultura – Inteligencia Artificial en Agricultura. Parte 1: Cómo la agricultura se está automatizando con robots

Probablemente pueda leer más sobre las innovaciones en la agricultura Green Revolution. ¿Puede la inteligencia artificial alimentar al mundo?

Agricultura robótica cf http://www.newscientist.com/arti … y también en general I + D universitaria en los Países Bajos

Quora ha respondido esto antes y lo respondió bien.

¿Cuáles son algunas aplicaciones de la IA en el campo de la agricultura?

Echa un vistazo también a este artículo de WIRED: El futuro del suministro de alimentos de la humanidad está en manos de la IA

Mira este: Booster | AI para pronósticos del tiempo

More Interesting

¿Merecería la pena buscar un Sistema de Información de Gestión (MIS) y un doble de estadísticas?

¿Cómo podemos usar Machine Learning para escribir software?

Cómo comenzar con el desarrollo de Inteligencia Artificial usando C #

¿Qué es lo mejor para entrenar una red neuronal artificial, un algoritmo de retropropagación o un algoritmo genético?

Si tuviera que construir una máquina inteligente a partir de un gran número de componentes similares, ¿cómo debería comportarse cada componente?

¿Cómo se desarrolló la IA para AOE2?

¿Por qué necesitamos IA en absoluto? ¿Por qué es necesario su inicio?

¿Se ha aplicado AI / machine learning en Conway's Game of Life?

Cómo elegir una red neuronal para la clasificación basada en la aplicación y cómo las capas ocultas afectan el rendimiento de la red neuronal

¿Puede una inteligencia artificial creer algo?

¿La conducción autónoma es un aprendizaje de refuerzo?

¿La actual ola popular de preocupación por la IA y la robótica es simplemente un buen antropomorfismo, asignado a las máquinas?

Si una IA creara una 'obra de arte', ¿podría considerarse como arte? ¿La computadora o la persona que programó la IA se consideraría como el 'artista'?

¿Cuál es el activo más valioso que Google creó con su investigación de autos sin conductor? ¿Son datos, algoritmos o qué?

Teniendo en cuenta la cantidad de datos que genera un sitio Web2.0 todos los días y su valor en el escenario actual, ¿cree que el aprendizaje automático debería ser el núcleo de la tecnología de cualquier producto? Si es así, ¿qué arquitectura recomendaría en este tipo de casos?