Ing 2018, limang tim nandur timun ing Tantangan Rumah Kaca Otonom kompetisi internasional. Twist: mung siji tim sing kalebu petani manungsa sing berpengalaman sing ngoperasikake kompartemen omah kaca kanthi manual. Sekawan tim sing isih ana yaiku ahli internasional ing bidang hortikultura lan kecerdasan buatan (AI). Dheweke kerja kanggo ngembangake solusi AI kanggo ngatur panenane kanthi jarak jauh lan otonom. Sasaran saka kompetisi, Tantangan Rumah Kaca Otonomi pisanan ing donya, yaiku kanggo mimpin terobosan ing produksi panganan sing lestari.
Sawise patang sasi sing kuat, petani manual teka ing posisi kaping pindho. Tim papan pisanan, dipimpin dening salah sawijining penulis artikel iki, menang kanthi solusi berkembang otonom sing ora mung entuk asil 6% luwih gedhe lan bathi net 17% luwih dhuwur, nanging uga nggunakake CO kurang.2, dadi panas, lan input banyu.
Kanggo mangerteni sing luwih lengkap babagan kompetisi lan ngerti carane solusi AI bisa saingan - lan malah outperform - tim petani manungsa trampil, ayo padha nliti AI lan cara hubungane karo otomatisasi omah kaca.
Otomasi Rumah Kaca Ora Ana Anyar
Wis pirang-pirang dekade, petani wis nggunakake komputer proses, sensor, lan aktuator kanggo ngatur iklim omah kaca lan irigasi. Ing skenario kaya mengkono, proyek komputer proses langsung, gumantung ing aturan logis prasaja. Yen suhu udhara luwih dhuwur tinimbang 75 ° F, banjur bukak ventilasi, contone. Tenaga kerja sing angel kanggo maca suhu lan ngaktifake lan mateni lampu lan pemanas didelegasikan menyang mesin.
Mesthi, otomatisasi adhedhasar aturan ora bisa ngatasi kahanan sing ora dikarepake. Sing luwih penting, manungsa sing trampil kudu nggawe kabeh keputusan manajemen potong, nganti titik-titik sing tepat kanggo parameter lingkungan. Kanggo entuk pametune dhuwur kanthi andal, tingkat kawruh lan katrampilan sing akeh dibutuhake, lan sanajan mangkono, gampang gawe kesalahan. Menapa malih, nalika peternakan saya tambah gedhe, pakaryan ngawasi panenan terus-terusan dadi luwih nuntut.
Sayange, petani ngerti banget yen tenaga kerja minangka sumber masalah paling gedhe ing produksi. Taun sawise taun, ing Greenhouse Grower kang Survei Top 100 Growers, petani nglaporake tantangan ora mung babagan biaya tenaga kerja nanging uga kasedhiyan tenaga kerja trampil. Ora nggumunake, petani tambah akeh golek cara kanggo ngatasi tantangan kasebut, kalebu teknologi anyar sing bisa nggawe manajemen omah kaca luwih otonom.
AI minangka Langkah Ngluwihi Otomatisasi Berbasis Aturan
Cara sing apik kanggo mikir babagan intelijen buatan yaiku langkah ngluwihi otomatisasi adhedhasar aturan sing sederhana. AI modern kabeh babagan panggunaan matematika kanggo nemokake pola ing data, kalebu jinis sing ditemokake ing sistem lingkungan lan biologi omah kaca. Tuladhane:
- Kanthi data iklim sing cukup, petani bisa nggunakake AI kanggo nemtokake setpoints optimal lan nggawe prediksi iklim.
- Kanthi data asil panen sing cukup, petani bisa nggunakake AI kanggo ngasilake ramalan asil.
- Kanthi data gambar sing cukup, petani bisa nggunakake AI kanggo ndeteksi hama lan penyakit.
Sawetara jinis AI malah bisa sinau saka data anyar, ngasilake asil sing luwih apik saka wektu.
Kanthi bisa menehi wawasan sing luwih jero babagan operasi omah kaca saben dina, AI bisa digunakake kanggo ndhukung pakar nggawe keputusan lan nguatake petani kanthi cara sing migunani. Sawise kabeh, asil sing paling apik teka saka kombinasi intelijen manungsa lan intelijen buatan.
Pendekatan basis data AI uga bisa digabung karo pendekatan basis aturan klasik, ngidini otomatisasi omah kaca sing luwih dhuwur tinimbang sadurunge. Singkatipun, petani bisa nggunakake AI kanggo ngotomatisasi akeh tugas operasional, mbantu ngatasi masalah tenaga kerja kronis sing nantang industri.
Data minangka Bahan Bakar kanggo AI
Minangka AI babagan algoritma matematika, uga babagan data. Beda karo kapercayan populer, sawetara algoritma sing paling umum digunakake ing AI wis pirang-pirang dekade. Padha ora malah rumit banget. Nanging kanggo wektu sing paling suwe, kasedhiyan data - bebarengan karo daya komputasi sing terjangkau sing dibutuhake kanggo ngolah data - wis mbatesi faktor.
Butuh pangembangan anyar ing hardware komputer kanggo mbukak kunci potensial AI. Revolusi smartphone, sing dipicu dening Apple ing taun 2007, nggawe ekosistem manufaktur lan rantai pasokan sing anyar ing skala global. Iki ngganti ekonomi dhasar saka hardware komputer, ketoke sewengi. Komponen hardware utama, kayata mikroprosesor, radio, lan sensor, dadi luwih murah, luwih cilik, lan luwih kuat. Tetesan data mentah dadi banjir. Kelimpahan data lan daya komputasi anyar mbantu ngowahi AI saka rasa penasaran riset kanthi sawetara aplikasi komersial dadi owah-owahan laut teknologi.
IoT Ndadekake Kelimpahan Data
Ing wiwitan taun 1980-an, mahasiswa pascasarjana ing Universitas Carnegie Mellon ing Pittsburgh dadi pegel nalika trekking menyang mesin vending Coca-Cola mung golek kosong. Dheweke ngowahi supaya bisa nglaporake inventaris liwat Internet. Kanthi mengkono, dheweke nemokake piranti sing nyambung menyang Internet pisanan ing donya.
Saiki, milyaran piranti, gedhe lan cilik, saka elektronik konsumen nganti mesin industri, wis gabung karo mesin soda pisanan sing disambungake menyang Internet, mbentuk apa sing diarani Internet of Things (IoT). Sing penting yaiku, ora kaya piranti keras generasi sadurunge - kalebu akeh solusi otomatisasi omah kaca umum - piranti IoT nggunakake format data lan protokol komunikasi sing padha kaya sing digunakake ing papan liya ing Internet. Kanthi gumantung ing standar Internet global, bisa dadi luwih gampang kanggo ijol-ijolan data karo piranti IoT tanpa mbutuhake hardware ekstra kanggo jembatan saka siji jinis sistem liyane.
Bebarengan, AI lan IoT minangka teknologi pelengkap. Hardware IoT mbantu petani ngumpulake data mentah saka omah kaca kanthi luwih gampang. Lan piranti lunak AI mbantu para petani ngerteni - lan tumindak - data kasebut kanggo nambah produksi potong.
Studi kasus: Sukses Kenneth Tran ing Tantangan Rumah Kaca Otonom
Dr Tran: Ing taun 2018, aku dadi peneliti AI ing Microsoft Research cedhak Seattle, nggarap jinis AI sing luwih anyar sing dikenal minangka pembelajaran penguatan. Ing kana aku miwiti upaya anyar kanggo ngetrapake riset kita menyang domain pertanian lingkungan sing dikontrol. Kanthi proyek Sonoma sing diarani, kita kerja sama karo ilmuwan tanduran ing Pusat Riset Harrow ing Ontario, Kanada, lan pungkasane saingan ing Tantangan Rumah Kaca Otonomi Internasional pisanan, sing diatur dening Universitas Wageningen & Riset ing Walanda.
Ing tantangan iki, saben tim tuwuh timun ing kompartemen griya ijo 315 kaki persegi suwene patang wulan. Kompartemen kasebut dilengkapi komputer proses standar, sensor iklim, lan aktuator. Nggunakake antarmuka digital IoT (REST API), program AI kita bisa terus maca data saka sensor, nemtokake setpoints optimal, lan ngirim setpoints bali menyang komputer proses - kabeh liwat Internet (ndeleng gambar ing ngisor iki). Rincian liyane babagan tantangan lan asile bisa ditemokake ing artikel dening Hemming et al. (2019).
Senadyan kekurangan pengalaman ing budidaya timun lan prototipe tahap awal, solusi otonomi berkembang bisa menang kompetisi. Kita malah ngungguli tim papan nomer loro, tim referensi sing kasusun saka petani ahli Walanda, kanthi asil 6% luwih dhuwur. Margin asil kasebut padha karo kenaikan 17% ing bathi operasi.
Apa tim referensi nindakake kanthi apik? Ora babar pisan. Dheweke nindakake kanthi apik, miturut akeh ahli. Ngasilake meh 50 kg / m2 ing wektu patang sasi, sing padha karo meh 150 kg / m2 saben taun. Iki dianggep minangka asil dhuwur kanggo omah kaca ing ngendi wae ing planet iki.
Minangka asil saka Tantangan Rumah Kaca Otonom, aku ngedegake Koidra ing taun 2020 kanggo langsung sinau babagan sinau lan luwih maju ing AI lan IoT kanggo aplikasi pertanian lan kontrol industri liyane.
Takon Pitakonan Tengen Babagan AI lan IoT
Saiki, luwih akeh petani omah kaca sing gelem lan siyap nggunakake AI lan IoT. Tantangan utama yaiku ngerteni produk ing pasar lan bisa ngliwati kabeh omongan pemasaran. Akeh perusahaan kanthi semangat ngaku duwe algoritma AI utawa piranti IoT sing bisa digunakake kanggo omah kaca.
Mangkene sawetara pertimbangan utama sing kudu dielingi nalika ngevaluasi piranti lunak AI lan hardware IoT:
- Performance: Para petani kudu bisa ndeleng keuntungan nyata sing nyata. Takon: Apa AI wis kabukten ing produksi komersial kanggo nambah efisiensi asil lan sumber daya? Ing kahanan apa? Apa rekaman trek perusahaan ing ngembangake piranti lunak AI lan IoT?
- Desain AI: Solusi AI sing paling efektif nggabungake intelijen manungsa sing paling apik karo intelijen buatan sing paling apik kanggo nggawe keputusan. Takon: Kepiye model AI nggunakake awak kawruh sing ana? Kepiye carane njamin kinerja bakal saya tambah suwe kanthi data luwih akeh?
- Desain piranti lunak: Para petani kudu tetep ngontrol operasi omah kaca. Takon: Prinsip desain piranti lunak apa sing digunakake kanggo njamin keamanan panen? Apa aku bisa gampang ngalih ing antarane mode manual, rekomendasi, lan autopilot sawayah-wayah?
- Kepemilikan data: Para petani kudu duwe data lan ngindhari "kunci vendor." Takon: Apa bisa gampang ngimpor data saka sistem liyane? Apa aku bisa nggawe serep lan ngekspor dataku dhewe? Apa ana API sing ngidini akses data langsung lan integrasi khusus? Bisa nggunakake piranti lunak lan hardware saka vendor beda, saiki lan ing mangsa?
AI lan IoT Bisa Ngiyataken Para Penanam
Ing donya ing ngendi sumber daya kritis - banyu lan energi, uga wektu, dhuwit, lan tenaga kerja trampil - dadi luwih langka, iku perlu kanggo njelajah teknologi anyar kanggo ngenthengake beban kasebut. Nalika kita sinau saka Tantangan Rumah Kaca Otonom, para petani pancen bisa ngasilake asil sing luwih gedhe lan efisiensi panggunaan sumber daya sing luwih dhuwur kanthi nggunakake piranti lunak AI lan hardware IoT. Apa maneh, teknologi kasebut terus dikembangake lan maju kanthi cepet.
Pungkasane, AI lan IoT bisa bener-bener nguatake petani omah kaca - kanggo nggawe keputusan sing luwih apik, nindakake luwih akeh kanthi luwih sithik - kanggo tuwuh panganan ing donya kanthi luwih lestari.