Yn 2018 groeiden fiif teams komkommers yn in baanbrekkende Autonome Greenhouse Challenge ynternasjonale kompetysje, De draai: mar ien fan 'e ploegen bestie út betûfte minsklike kwekers dy't har kassenfak manueel betsjinne. De oerbleaune fjouwer teams bestiene út ynternasjonale saakkundigen op it mêd fan túnbou en keunstmjittige yntelliginsje (AI). Se wurken om AI-oplossingen te ûntwikkeljen om har gewaaksen op ôfstân en autonoom te behearjen. It doel fan 'e konkurrinsje, de earste Autonome Greenhouse Challenge fan' e wrâld, wie trochbraken te riden yn duorsume produksje fan iten.
Nei fjouwer yntinsive moannen kamen de hânkwekers op it twadde plak. It earste-plak-team, ûnder lieding fan ien fan 'e auteurs fan dit artikel, wûn mei in autonome groeiende oplossing dy't net allinich 6% gruttere opbringsten en 17% hegere nettowinst berikte, mar ek minder CO brûkte2, ferwaarming, en wetter yngongen.
Om mear te learen oer de konkurrinsje en te begripen hoe't in AI-oplossing kin konkurrearje mei - en sels outperformearje - in team fan betûfte minsklike kwekers, litte wy AI fan tichterby besjen en hoe't it him ferhâldt ta automatisearring fan broeikasgassen.
Greenhouse Automation is neat nij
Tsientallen jierren hawwe kwekers prosesscomputers, sensoren en actuators brûkt om broeiklimaat en yrrigaasje te behearjen. Yn sa'n senario is de taak fan 'e proseskomputer ienfâldich, fertrout op ienfâldige logyske regels. As de lufttemperatuer heger is dan 75 ° F, iepenje dan bygelyks de fentilaasje. De ferfeelsume arbeid fan leestemperatueren en it yn- en útsetten fan ljochten en kachels wurdt delegearre oan masines.
Fansels kin automatyske regels op basis fan regels net omgean mei ûnfoarsjoene omstannichheden. Sterker, in betûfte minske moat alle besluten oer gewaaksbehear nimme, oant de krekte setpunten foar omjouwingsparameters. Om betroubere hege opbringsten te berikken is in substansjeel nivo fan kennis en feardigens nedich, en sels dan is it maklik flaters te meitsjen. As boeren grutter groeie, wurdt it wurk fan kontinu kontrole fan de gewaaksen noch easkender.
Spitigernôch wite kwekers al te goed dat arbeid de grutste boarne is fan problemen yn produksje. Jier nei jier, yn Greenhouse Grower's Top 100 ûndersikers fan telers, kwekers melde net allinich útdagingen mei de kosten fan arbeid, mar ek mei de beskikberens fan betûfte arbeid. Net ferrassend sykje kwekers hieltyd faker manieren om dizze útdagings oan te pakken, ynklusyf nije technologyen dy't broeikasbehear autonoom kinne meitsje.
AI is in stap foarby regelsbasearre automatisearring
In goede manier om nei te tinken oer keunstmjittige yntelliginsje is dat it in stap is bûten simpele regels-basearre automatisearring. Moderne AI giet alles oer it brûken fan wiskunde om patroanen yn gegevens te finen, ynklusyf de soart fûn yn miljeu- en biologyske systemen foar kas. Bygelyks:
- Mei genôch klimaatgegevens kinne kwekers AI brûke om optimale setpunten te bepalen en klimaatfoarsizzingen te meitsjen.
- Mei genôch gegevens oer gewaaksopbringst kinne kwekers AI brûke om rendemintfoarsizzingen te generearjen.
- Mei genôch ôfbyldingsgegevens kinne kwekers AI brûke om skaden en sykten op te spoaren.
Guon soarten AI kinne sels leare fan nije gegevens, en leverje yn 'e rin fan' e tiid hieltyd bettere resultaten.
Troch djipper ynsjoch te leverjen yn deistige broeikasoperaasjes, kin AI wurde brûkt om saakkundige besluten te stypjen en kwekers te fersterkjen op in sinfolle manier. De bêste resultaten komme ommers út in betochtsume kombinaasje fan minsklike yntelliginsje en keunstmjittige yntelliginsje.
De gegevensbaseare oanpak fan AI kin ek wurde kombineare mei de klassike regelsbasearre oanpak, wêrtroch in folle hegere mjitte fan broeikasautomaasje is as ea earder. Koartsein kinne kwekers AI brûke om in soad rote operasjonele taken te automatisearjen, en helpe de chronike arbeidsproblemen te ûntlêsten dy't de sektor útdage.
Gegevens binne de brânstof foar AI
Safolle as AI giet oer wiskundige algoritmen, giet it ek oer gegevens. Yn tsjinstelling ta populêr leauwen besteane guon fan 'e meast foarkommende algoritmen dy't yn AI wurde brûkt foar desennia. Se binne net iens heul yngewikkeld. Mar foar de langste tiid hat de beskikberens fan gegevens - tegearre mei betelbere kompensaasjekrêft nedich om de gegevens te ferwurkjen - faktoaren beheind.
It duorre in resinte ûntwikkeling yn kompjûterhardware om it potensjeel fan AI te ûntsluten. De smartphone-revolúsje, ûntstien troch Apple yn 2007, makke folslein nije produksje-ekosystemen en supplyketen op wrâldwide skaal. Dit feroare de fûnemintele ekonomy fan kompjûterhardware, skynber nachts. Wichtige hardware-ûnderdielen, lykas microprocessors, radio's en sensoren, waarden eksponentiell goedkeaper, lytser en machtiger. De triljen fan rauwe gegevens feroare yn oerstreamings. De nije oerfloed oan gegevens en rekkenkrêft holp AI te transformearjen fan in nijsgjirrigens mei in pear kommersjele applikaasjes yn in technologyske seewiziging.
IoT bringt in oerfloed oan gegevens
Yn 'e iere tachtiger jierren waarden ôfstudearde studinten oan' e Carnegie Mellon University yn Pittsburgh argewaasje oer it trekken nei in automaat fan Coca-Cola allinich om it leech te finen. Se hawwe it oanpast, sadat it har ynventaris fia it ynternet koe rapportearje. Dêrby útfûnen se it earste ynternetferbûn apparaat foar de wrâld.
Tsjintwurdich hawwe miljarden apparaten, grut en lyts, fan konsumintelektronika oant yndustriële masines, har by die earste soda-masine oansletten by it ferbinen mei it ynternet, en foarmje wat is bekend as it Internet of Things (IoT). Wat wichtich is, is dat, yn tsjinstelling ta eardere generaasjes fan hardware - ynklusyf in soad mienskiplike oplossingen foar broeikasautomatisaasje - IoT-apparaten deselde soarten gegevensformaten en kommunikaasjeprotokollen brûke as earne oars op it ynternet. Troch te fertrouwen op wrâldwide ynternetstandards, kin it makliker wêze om gegevens mei IoT-apparaten út te wikseljen sûnder ekstra hardware te fereaskjen om fan it iene systeemsysteem nei it oare te brêgen.
Tegearre binne AI en IoT komplementêre technologyen. IoT-hardware helpt kwekers makliker rauwe gegevens te sammeljen út kassen. En AI-software helpt kwekers sin te meitsjen - en te hanneljen op - dy gegevens om gewaaksproduksje te ferbetterjen.
Case study: It sukses fan Kenneth Tran yn 'e Autonome Greenhouse Challenge
Dr. Tran: Yn 2018 wie ik in AI-ûndersiker by Microsoft Research by Seattle, wurke oan in nijere soarte AI bekend as fersterking learen. Dêr begon ik in nije poging om ús ûndersyk ta te passen op it domein fan lânbou mei kontroleare omjouwing. Mei it saneamde Sonoma-projekt wurken wy gear mei plantwittenskippers by it Harrow Research Center yn Ontario, Kanada, en einigen wy mei oan 'e earste ynternasjonale Autonome Greenhouse Challenge, organisearre troch Wageningen University & Research yn Nederlân.
Yn dizze útdaging groeide elk team komkommers yn in kas fan 315 fjouwerkante meter broeikeamer foar in doer fan sawat fjouwer moannen. Dizze keamers wiene foarsjoen fan standert prosesscomputers, klimaatsensors, en actuators. Mei IoT digitale ynterfaces (REST API's) koene ús AI-programma's kontinu gegevens fan de sensoren lêze, optimale setpunten bepale en setpunten werom stjoere nei de proseskomputers - oer it ynternet (sjoch figuer hjirûnder). Mear details oer de útdaging en de resultaten dêrfan kinne wurde fûn yn in artikel fan Hemminga et al. (2019).
Nettsjinsteande ús gebrek oan ûnderfining yn it kweken fan komkommers en ús heul prototype prototype, koe ús autonome groeiende oplossing de konkurrinsje winne. Wy prestearren sels it twadde plak, it referinsjeteam dat bestiet út saakkundige Nederlânske kwekers, mei in 6% hegere opbringst. Dy marzje yn opbringst wie gelyk oan in 17% ferheging fan bedriuwswinst.
Hat it referinsjeteam min presteare? Hielendal net. Se presteare opmerklik goed, neffens in protte saakkundigen. Harren opbringst wie hast 50 kg / m2 yn 'e span fan fjouwer moannen, dat is it ekwivalint fan hast 150 kg / m2 per jier. Dit wurdt beskôge as hege opbringst foar in kas oeral op 'e planeet.
As resultaat fan 'e Autonome Greenhouse Challenge, rjochte ik Koidra yn 2020 op om direkt op ús learingen te bouwen en de moderne technyk yn AI en IoT fierder te drukken foar lânbou en oare applikaasjes foar yndustriële kontrôle.
Stel de juste fragen oer AI en IoT
Hjoed binne mear kasbouwers ree en ree om AI en IoT oan te nimmen. De wichtichste útdaging is sin te meitsjen foar de produkten op 'e merk en it kinne wâdzje troch alle marketingpraat. In soad bedriuwen beweare eare dat se in AI-algoritme of IoT-apparaat hawwe dat sil wurkje foar kassen.
Hjir binne wat wichtige oerwegingen om yn gedachten te hâlden by it evaluearjen fan AI-software en IoT-hardware:
- Optreden: Telers moatte konkrete foardielen fan 'e echte wrâld kinne sjen. Freegje: Is de AI bewiisd yn kommersjele produksje om rendemint en effisjinsje fan boarnen te ferbetterjen? Under hokker betingsten? Wat is it rekord fan it bedriuw by it ûntwikkeljen fan AI- en IoT-software?
- AI-ûntwerp: De meast effektive AI-oplossingen kombinearje de bêste fan minsklike yntelliginsje mei de bêste fan keunstmjittige yntelliginsje om besluten te meitsjen. Freegje: Hoe brûkt it AI-model it besteande lichem fan kennis? Hoe soarget it derfoar dat prestaasjes yn 'e rin fan' e tiid ferbetterje sille mei mear gegevens?
- Software ûntwerp: Telers moatte yn kontrôle bliuwe fan broeikasoperaasjes. Freegje: Hokker prinsipes foar software-ûntwerp wurde brûkt om gewaaksfeiligens te garandearjen? Kin ik altyd maklik wikselje tusken manuele, oanbefellings- en autopilotmodi?
- Gegevensbesit: Telers moatte har gegevens hawwe en "lock-in fan ferkeaper" foarkomme. Freegje: Kin ik gegevens maklik ymportearje fan oare systemen? Kin ik myn eigen gegevens meitsje en eksportearje? Binne d'r API's dy't tagong krije ta live gegevens tagong en oanpaste yntegraasjes? Kin ik software en hardware brûke fan ferskate leveransiers, no en yn 'e takomst?
AI en IoT kinne produsinten fersterkje
Yn in wrâld wêryn krityske boarnen - wetter en enerzjy, lykas tiid, jild en betûfte arbeid - skaarser wurde, is it sinfol om nije technologyen te ûndersiikjen om dy lêst te ferleegjen. Lykas wy learden fan 'e Autonome Greenhouse Challenge, kinne kwekers yndie gruttere opbringsten en hegere effisjinsjes foar gebrûk fan boarnen berikke mei it brûken fan AI-software en IoT-hardware. Wat mear is, dizze technologyen wurde yn rap tempo ûntwikkele en foardere.
Uteinlik kinne AI en IoT kweekkwekers wirklik befoegje - om bettere besluten te nimmen, mear mei minder te dwaan - om it iten fan 'e wrâld duorsumer te groeien.