Uczenie maszynowe w rolnictwie: 100% oszczędności na pestycydach i zasobach ludzkich

Precyzyjne laserowe usuwanie chwastów i selektywne dokarmianie roślin

Systemy rolnicze ML wykorzystują najnowocześniejszą technologię, aby zrewolucjonizować przemysł rolniczy. Podczas fazy gromadzenia danych zintegrowana kamera wideo zbiera obrazy roślin i chwastów, gdy robot rolniczy porusza się po polu. Zebrane dane są następnie oznaczane przez specjalistów ds. rolnictwa w celu późniejszego wykrywania i segmentacji obiektów.

The end-to-end crops and weeds segmentation neural network provides accurate semantic segmentation of the scene, distinguishing crops, weeds, and grass. The system sends signals to several laser modules that operate simultaneously, allowing the autonomous weeders to kill over 100k weeds per hour, automatically and chemical-free. The laser system’s high accuracy is due to ultra-precise detectors, with finely tuned laser parameters making it possible to determine the range up to 2 mm.

The system also employs selective feeding, which treats each plant on the field individually. The computer vision analyzes each plant’s current state, considering factors such as growth stage, health status, and nutrient requirements. Based on this information, the system determines the most appropriate treatment for each plant, selecting the right feed portions to apply. This leads to a reduction in resources and a more cost-effective approach to plant feeding.

Systemy farm ML są zaprojektowane tak, aby były elastyczne i można je było dostosować do różnych rodzajów roślin. Sieć neuronowa może uczyć się i ponownie uczyć na podstawie nowych zestawów danych, które można wykorzystać do szkolenia silnika AI w zakresie identyfikacji i leczenia różnych gatunków roślin. Wiąże się to z gromadzeniem i etykietowaniem obrazów nowych roślin, wykonywaniem rozszerzania danych i udoskonalaniem nowych danych, umożliwiając systemowi ciągłe poszerzanie bazy wiedzy i możliwości.

Ogólnie rzecz biorąc, system rolniczy ML opracowany przez Innowise jest doskonałym przykładem korzyści płynących z uczenia maszynowego w sektorze rolniczym, umożliwiając opłacalne i wydajne rozwiązania w zakresie zarządzania uprawami i leczenia.