Im Jahr 2018 bauten fünf Teams bei einer bahnbrechenden Autonomous Greenhouse Challenge Gurken an internationalen Wettbewerb. Die Wendung: Nur eines der Teams bestand aus erfahrenen menschlichen Züchtern, die ihr Gewächshausabteil manuell bedienten. Die restlichen vier Teams bestanden aus internationalen Experten auf den Gebieten Gartenbau und künstliche Intelligenz (KI). Sie arbeiteten an der Entwicklung von KI-Lösungen, um ihre Ernten fern und autonom zu verwalten. Ziel des Wettbewerbs, der weltweit ersten Autonomous Greenhouse Challenge, war es, Durchbrüche in der nachhaltigen Lebensmittelproduktion zu erzielen.
Nach vier intensiven Monaten belegten die manuellen Züchter den zweiten Platz. Das erstplatzierte Team, angeführt von einem der Autoren dieses Artikels, gewann mit einer autonom wachsenden Lösung, die nicht nur 6% höhere Erträge und 17% höheren Nettogewinn erzielte, sondern auch weniger CO verbrauchte2, Heizung und Wassereingänge.
Um mehr über die Konkurrenz zu erfahren und zu verstehen, wie eine KI-Lösung mit einem Team qualifizierter menschlicher Züchter konkurrieren und diese sogar übertreffen kann, schauen wir uns die KI und ihre Beziehung zur Gewächshausautomatisierung genauer an.
Gewächshausautomatisierung ist nichts Neues
Seit Jahrzehnten verwenden Züchter Prozesscomputer, Sensoren und Aktuatoren, um das Gewächshausklima und die Bewässerung zu steuern. In einem solchen Szenario ist die Arbeit des Prozesscomputers unkompliziert und basiert auf einfachen logischen Regeln. Wenn die Lufttemperatur höher als 75 ° F ist, öffnen Sie beispielsweise die Entlüftung. Die mühsame Arbeit des Ablesens der Temperaturen und des Ein- und Ausschaltens von Lichtern und Heizungen wird an Maschinen delegiert.
Natürlich kann die regelbasierte Automatisierung nicht mit unvorhergesehenen Umständen umgehen. Entscheidender ist, dass ein qualifizierter Mensch alle Entscheidungen zur Pflanzenbewirtschaftung treffen muss, bis hin zu den genauen Sollwerten für Umweltparameter. Um zuverlässig hohe Erträge zu erzielen, ist ein hohes Maß an Wissen und Können erforderlich, und selbst dann ist es leicht, Fehler zu machen. Darüber hinaus wird die kontinuierliche Überwachung der Pflanzen mit zunehmender Größe der landwirtschaftlichen Betriebe noch anspruchsvoller.
Leider wissen die Erzeuger nur zu gut, dass Arbeitskräfte die größte Ursache für Probleme in der Produktion sind. Jahr für Jahr in Gewächshausbauer In der Umfrage der Top 100-Erzeuger berichten die Erzeuger von Herausforderungen nicht nur hinsichtlich der Arbeitskosten, sondern auch hinsichtlich der Verfügbarkeit qualifizierter Arbeitskräfte. Es überrascht nicht, dass die Erzeuger zunehmend nach Wegen suchen, um diese Herausforderungen anzugehen, einschließlich neuer Technologien, die das Gewächshausmanagement autonomer machen können.
KI ist ein Schritt über die regelbasierte Automatisierung hinaus
Eine gute Möglichkeit, über künstliche Intelligenz nachzudenken, besteht darin, dass sie einen Schritt über die einfache regelbasierte Automatisierung hinausgeht. In der modernen KI dreht sich alles um die Verwendung von Mathematik, um Muster in Daten zu finden, einschließlich der Art, die in Gewächshausumwelt- und biologischen Systemen zu finden ist. Beispielsweise:
- Mit genügend Klimadaten können Erzeuger mithilfe von KI optimale Sollwerte ermitteln und Klimavorhersagen treffen.
- Mit genügend Ernteertragsdaten können Erzeuger AI verwenden, um Ertragsprognosen zu erstellen.
- Mit genügend Bilddaten können Züchter KI verwenden, um Schädlinge und Krankheiten zu erkennen.
Einige Arten von KI können sogar aus neuen Daten lernen und im Laufe der Zeit inkrementell bessere Ergebnisse liefern.
Durch die Möglichkeit, tiefere Einblicke in den täglichen Betrieb von Gewächshäusern zu erhalten, kann KI verwendet werden, um die Entscheidungsfindung von Experten zu unterstützen und die Erzeuger auf sinnvolle Weise zu stärken. Die besten Ergebnisse werden schließlich durch eine durchdachte Kombination aus menschlicher Intelligenz und künstlicher Intelligenz erzielt.
Der datenbasierte Ansatz der KI kann auch mit dem klassischen regelbasierten Ansatz kombiniert werden, wodurch ein viel höherer Grad an Gewächshausautomatisierung als je zuvor ermöglicht wird. Kurz gesagt, Züchter können KI verwenden, um viele rote Betriebsaufgaben zu automatisieren und so die chronischen Arbeitsprobleme zu lösen, die die Branche herausfordern.
Daten sind der Treibstoff für KI
So wie es bei KI um mathematische Algorithmen geht, geht es auch um Daten. Entgegen der landläufigen Meinung gibt es einige der am häufigsten in der KI verwendeten Algorithmen seit Jahrzehnten. Sie sind nicht einmal schrecklich kompliziert. Die Verfügbarkeit von Daten - zusammen mit der erschwinglichen Rechenleistung, die für die Verarbeitung der Daten erforderlich ist - war jedoch lange Zeit ein begrenzender Faktor.
Es bedurfte einer jüngsten Entwicklung der Computerhardware, um das Potenzial der KI auszuschöpfen. Die von Apple im Jahr 2007 ausgelöste Smartphone-Revolution schuf weltweit völlig neue Fertigungsökosysteme und Lieferketten. Dies veränderte die grundlegende Ökonomie der Computerhardware scheinbar über Nacht. Wichtige Hardwarekomponenten wie Mikroprozessoren, Radios und Sensoren wurden exponentiell billiger, kleiner und leistungsfähiger. Das Rinnsal der Rohdaten verwandelte sich in Überschwemmungen. Die neue Fülle an Daten und Rechenleistung trug dazu bei, die KI von einer Neugierde für die Forschung mit wenigen kommerziellen Anwendungen in einen technologischen Wandel zu verwandeln.
IoT bringt eine Fülle von Daten
In den frühen 1980er Jahren ärgerten sich Doktoranden der Carnegie Mellon University in Pittsburgh darüber, zu einem Coca-Cola-Automaten zu wandern, um ihn leer zu finden. Sie haben es so geändert, dass es sein Inventar über das Internet melden kann. Dabei erfanden sie die weltweit erste mit dem Internet verbundene Appliance.
Heute haben sich Milliarden von großen und kleinen Geräten, von der Unterhaltungselektronik bis hin zu Industriemaschinen, dieser ersten Getränkemaschine angeschlossen, um eine Verbindung zum Internet herzustellen, die das sogenannte Internet der Dinge (Internet of Things, IoT) bildet. Was wichtig ist, ist, dass IoT-Geräte im Gegensatz zu früheren Hardware-Generationen - einschließlich vieler gängiger Lösungen für die Gewächshausautomatisierung - dieselben Datenformate und Kommunikationsprotokolle verwenden wie an anderer Stelle im Internet. Durch die Verwendung globaler Internetstandards kann der Datenaustausch mit IoT-Geräten einfacher sein, ohne dass zusätzliche Hardware für die Überbrückung von einem Systemtyp zu einem anderen erforderlich ist.
KI und IoT sind zusammen komplementäre Technologien. Mithilfe der IoT-Hardware können Erzeuger Rohdaten aus Gewächshäusern einfacher erfassen. Und KI-Software hilft den Erzeugern, diese Daten zu verstehen und darauf zu reagieren, um die Pflanzenproduktion zu verbessern.
Fallstudie: Kenneth Trans Erfolg bei der Autonomous Greenhouse Challenge
Dr. Tran: 2018 war ich KI-Forscher bei Microsoft Research in der Nähe von Seattle und arbeitete an einer neueren Art von KI, die als Verstärkungslernen bekannt ist. Dort habe ich neue Anstrengungen unternommen, um unsere Forschung auf den Bereich der Landwirtschaft mit kontrollierter Umwelt anzuwenden. Mit dem sogenannten Sonoma-Projekt haben wir mit Pflanzenwissenschaftlern am Harrow Research Center in Ontario, Kanada, zusammengearbeitet und an der ersten internationalen Autonomous Greenhouse Challenge teilgenommen, die von der Wageningen University & Research in den Niederlanden organisiert wurde.
Bei dieser Herausforderung züchtete jedes Team Gurken in einem 315 Quadratmeter großen Gewächshausabteil für eine Dauer von etwa vier Monaten. Diese Fächer waren mit Standardprozesscomputern, Klimasensoren und Aktuatoren ausgestattet. Mithilfe von IoT-Digitalschnittstellen (REST-APIs) konnten unsere KI-Programme kontinuierlich Daten von den Sensoren lesen, optimale Sollwerte ermitteln und Sollwerte über das Internet an die Prozesscomputer zurücksenden (siehe Abbildung unten). Weitere Details zur Herausforderung und ihren Ergebnissen finden Sie in einem Artikel von Hemminget al. (2019).
Trotz unserer mangelnden Erfahrung im Gurkenanbau und unseres Prototyps im Frühstadium konnte unsere autonome Anbaulösung den Wettbewerb gewinnen. Wir haben sogar das zweitplatzierte Team, das Referenzteam aus niederländischen Experten, mit einem um 6% höheren Ertrag übertroffen. Diese Ertragsmarge entsprach einer Steigerung des Betriebsergebnisses um 17%.
Hat das Referenzteam schlechte Leistungen erbracht? Überhaupt nicht. Sie haben nach Ansicht vieler Experten eine bemerkenswert gute Leistung erbracht. Ihre Ausbeute betrug fast 50 kg / m2 innerhalb von vier Monaten entspricht dies fast 150 kg / m2 pro Jahr. Dies wird als hoher Ertrag für ein Gewächshaus überall auf der Welt angesehen.
Als Ergebnis der Autonomous Greenhouse Challenge gründete ich Koidra im Jahr 2020, um direkt auf unseren Erkenntnissen aufzubauen und den Stand der Technik in KI und IoT für die Landwirtschaft und andere industrielle Steuerungsanwendungen weiter voranzutreiben.
Die richtigen Fragen zu KI und IoT stellen
Heutzutage sind mehr Gewächshausbauern bereit und willens, KI und IoT einzuführen. Die größte Herausforderung besteht darin, die Produkte auf dem Markt zu verstehen und in der Lage zu sein, alle Marketing-Fragen zu beantworten. Viele Unternehmen behaupten eifrig, über einen KI-Algorithmus oder ein IoT-Gerät zu verfügen, das für Gewächshäuser geeignet ist.
Im Folgenden sind einige wichtige Überlegungen aufgeführt, die bei der Bewertung von KI-Software und IoT-Hardware zu berücksichtigen sind:
- Eigenschaften: Die Erzeuger sollten in der Lage sein, konkrete, reale Vorteile zu erkennen. Fragen Sie: Hat sich gezeigt, dass die KI in der kommerziellen Produktion den Ertrag und die Ressourceneffizienz verbessert? Unter welchen Bedingungen? Was ist die Erfolgsbilanz des Unternehmens bei der Entwicklung von KI- und IoT-Software?
- KI-Design: Die effektivsten KI-Lösungen kombinieren das Beste aus menschlicher Intelligenz mit dem Besten aus künstlicher Intelligenz, um Entscheidungen zu treffen. Fragen Sie: Wie nutzt das KI-Modell den vorhandenen Wissensbestand? Wie wird sichergestellt, dass sich die Leistung mit mehr Daten im Laufe der Zeit verbessert?
- Software-Design: Die Erzeuger sollten die Kontrolle über den Betrieb des Gewächshauses behalten. Fragen Sie: Welche Software-Design-Prinzipien werden verwendet, um die Sicherheit der Pflanzen zu gewährleisten? Kann ich jederzeit problemlos zwischen dem manuellen, dem Empfehlungs- und dem Autopilot-Modus wechseln?
- Dateneigentum: Die Erzeuger sollten ihre Daten besitzen und eine „Lieferantenbindung“ vermeiden. Fragen Sie: Kann ich problemlos Daten von anderen Systemen importieren? Kann ich meine eigenen Daten sichern und exportieren? Gibt es APIs, die Live-Datenzugriff und benutzerdefinierte Integrationen ermöglichen? Kann ich jetzt und in Zukunft Software und Hardware von verschiedenen Anbietern verwenden?
KI und IoT können Züchter befähigen
In einer Welt, in der kritische Ressourcen - Wasser und Energie sowie Zeit, Geld und qualifizierte Arbeitskräfte - immer knapper werden, ist es sinnvoll, neue Technologien zu erforschen, um diese Belastung zu verringern. Wie wir aus der Autonomous Greenhouse Challenge gelernt haben, können Erzeuger mit AI-Software und IoT-Hardware tatsächlich höhere Erträge und höhere Effizienz bei der Ressourcennutzung erzielen. Darüber hinaus werden diese Technologien in rasantem Tempo weiterentwickelt und weiterentwickelt.
Letztendlich können KI und IoT Gewächshausbauern wirklich die Möglichkeit geben, bessere Entscheidungen zu treffen, mit weniger mehr zu erreichen und die Lebensmittel der Welt nachhaltiger anzubauen.