Gids voor industrieën

AI in landbouwrobotica en robotonkruidbestrijding

Landbouwrobots gebruiken computervisie om individuele planten in een veld te herkennen.

Luister naar deze gidsAI-verteld · ~3 min

Op deze pagina4 minuten lezen
  1. Overzicht
  2. Diepe duik
  3. Implementatie in de echte wereld
  4. De toekomst van AI in landbouwrobotica en robotonkruidbestrijding
  5. Het in de praktijk brengen
  6. Blijf verkennen
  7. Veelgestelde vragen

Overzicht

Vervolgens behandelen ze alleen het onkruid, met een gerichte spray, een laser of een mechanisch mes, of plukken ze rijp fruit. Dit is van belang omdat het besproeien van herbiciden duur is, het herbicideresistente onkruid verdrijft en chemicaliën op grond brengt die geen onkruid bevat. Handarbeid voor het wieden en oogsten wordt steeds schaarser.

Diepe duik

Onkruid concurreert met gewassen om licht, water en voedingsstoffen. Boeren hebben ze meestal bestreden met herbiciden, waarbij ze het hele veld besproeiden, ongeacht of er onkruid op een perceel stond of niet. Onkruid dat resistent is tegen herbiciden, de stijgende kosten van chemicaliën en een tekort aan arbeidskrachten voor het handmatig wieden hebben telers ertoe aangezet om machines te gaan gebruiken die alleen de planten behandelen die dat nodig hebben. Er zijn drie hoofdbenaderingen: - **Gerichte spuitmachines** monteren camera's langs een spuitboom en openen individuele doppen alleen wanneer er onkruid wordt gedetecteerd. See & Spray van John Deere, gebouwd op technologie van Blue River Technology (dat Deere in 2017 overnam), is een bekend voorbeeld. Anderen zijn onder meer Bilberry, nu onderdeel van Trimble, en Ecorobotix, wiens ARA-spuittoestel zeer kleine doses op individuele planten aanbrengt. - **Laserwieders**, zoals de LaserWeeder van Carbon Robotics, gebruiken computervisie om onkruid te vinden en laserhitte om ze te doden zonder chemicaliën. - **Mechanische robots**, van bedrijven als FarmWise en Naïo, gebruiken visie om messen of tanden dicht bij gewassen te geleiden. Het belangrijkste technische onderscheid is 'groen-op-bruin' versus 'groen-op-groen'. Het detecteren van een groene plant op kale grond is relatief eenvoudig; oudere optische sensoren deden het zonder diepgaand leren. Om onkruid te kunnen onderscheiden van een gewas dat er vlak naast groeit en vaak dezelfde kleur en grootte heeft, zijn getrainde neurale netwerken nodig. Oogstrobots worden geconfronteerd met een moeilijker probleem. Aardbeien, appels of paprika's plukken betekent fruit vinden dat verborgen is door bladeren, de rijpheid beoordelen en grijpen zonder kneuzingen. De ontwerpen lopen sterk uiteen, waaronder de vliegende fruitplukdrones van Tevel, maar oogstautomatisering is minder volwassen dan wieden. Drie misvattingen komen vaak voor. De besparingen op herbiciden variëren sterk omdat ze afhankelijk zijn van de onkruiddichtheid; een zwaar besmet veld bespaart weinig. Lasers zijn niet voor elk gewas praktisch, omdat de doorvoer en het energieverbruik de lonen beperken. En robots dragen doorgaans bij aan andere vormen van onkruidbeheer, in plaats van deze volledig te vervangen.

Implementatie in de echte wereld

Een sojabonenteler gebruikt een spuitboom met camera's erlangs. Elke spuitmond vuurt alleen wanneer er onkruid wordt gedetecteerd eronder, in plaats van het hele veld te besproeien.

Een biologische groenteboerderij gebruikt een laserwieder die onkruid tussen uienzaailingen vindt en deze met hitte doodt. Dat vermijdt zowel herbiciden als kostbaar handmatig wieden.

Een slateler gebruikt een vision-geleide cultivator die kleine messen rond elke gewasplant heen en weer beweegt. Hij verwijdert onkruid tot tegen de rij.

Een boomgaard test fruitplukrobots die appels tussen de bladeren lokaliseren, de rijpheid beoordelen en ze zonder kneuzingen plukken. De resultaten worden vergeleken met de menselijke pluksnelheid.

De toekomst van AI in landbouwrobotica en robotonkruidbestrijding

Gericht spuiten zal zich waarschijnlijk verspreiden omdat het een fabrieksoptie wordt op nieuwe spuitmachines in plaats van een aparte machine, en omdat modellen meer gewassen kunnen bestrijken. De beelden die deze machines verzamelen, produceren onkruidkaarten die toekomstige beslissingen kunnen sturen, hoewel boeren zich afvragen wie die gegevens beheert. Regelgevers kunnen uiteindelijk etiketten en regels voor pesticiden aanpassen voor spottoepassing. Laser- en mechanisch onkruid wieden zal waarschijnlijk gaan groeien in hoogwaardige groenten en biologische landbouw, waar arbeid duur is. Fruitplukrobots worden qua snelheid en kosten geconfronteerd met zwaardere uitdagingen in vergelijking met menselijke plukkers, en de vooruitgang zal naar verwachting geleidelijk plaatsvinden.

Het in de praktijk brengen

Waarom het ertoe doet

  • Context en regels. De industriële context bepaalt of AI-ideeën het contact met de werkelijkheid overleven.
  • Kwaliteitscontrole. Domeinbeperkingen beïnvloeden aanvaardbare foutenpercentages en toezichtmodellen.
  • Bouwkeuzes. Succesvolle implementaties stemmen de technische mogelijkheden af ​​op frontline-workflows.

Pas op voor

  • Regelgevingsvereisten kunnen anderszins sterke prototypes ongeldig maken.
  • Historische gegevens kunnen vooroordelen coderen die specifieke gemeenschappen schade toebrengen.
  • Oudere systemen kunnen integratieknelpunten en verborgen kosten veroorzaken.

Volgende stappen

  1. Betrek domeinexperts, van het formuleren van het probleem tot de evaluatie.
  2. Ontwerp audit trails en documentatie vóór de lancering.
  3. Valideer compliance- en veiligheidsverplichtingen vroegtijdig.
  4. Uitrol in fasen met duidelijke stop- en terugdraaicriteria.

Blijf verkennen

Gratis nieuwsbrief

Ontvang de dagelijkse AI-briefing

Drie verifieerde AI-verhalen elke weekdagmorgen, geschreven in eenvoudig Engels. Gratis voor altijd, geen advertenties.

Eén e-mail elke weekdag. Afmelden met één klik. We verkopen of delen je adres nooit.

Test jezelf

Take the AI in Agricultural Robotics and Robotic Weeding quiz

Directe feedback op elke antwoord, en een deelbare certificaat met een verifieerbare ID zodra je een cursus hebt afgerond.

Quiz starten

Ondersteun gratis AI-onderwijs. AI Understanding is een 501(c)(3) non-profit — geen advertenties, geen betaalmuur, nooit. Doe een donatie

Veelgestelde vragen

Wat is AI in landbouwrobotica en robotonkruidbestrijding?

Landbouwrobots gebruiken computervisie om individuele planten in een veld te herkennen. Vervolgens behandelen ze alleen het onkruid, met een gerichte spray, een laser of een mechanisch mes, of plukken ze rijp fruit. Dit is van belang omdat het besproeien van herbiciden duur is, het herbicideresistente onkruid verdrijft en chemicaliën op grond brengt die geen onkruid bevat. Handarbeid voor het wieden en oogsten wordt steeds schaarser.

Welke druk drijft volgens de gids telers weg van het spuiten van herbiciden?

Weerstand, kosten en schaarse handmatige wietarbeid maken het aantrekkelijker om alleen de planten te behandelen die het nodig hebben.

See & Spray van John Deere is gebouwd op technologie van welk bedrijf?

Deere heeft Blue River Technology in 2017 overgenomen en de computervisie ervan vormt de basis van See & Spray.

Wat houdt ‘groen-op-groen’-detectie in?

Groen-op-groen betekent het onkruid onderscheiden van gewassen in een groeiend bladerdak. Het is veel moeilijker dan het spotten van welke plant dan ook op kale grond en vereist getrainde neurale netwerken.

Waarom voeren gerichte sproeiers gevolgtrekkingen uit op ingebouwde GPU's in plaats van in de cloud?

Het onkruid gaat een fractie van een seconde nadat de camera het heeft gezien onder de spuitmond door. Retournetwerkvertragingen zouden de spray missen.

Waarom variëren de besparingen op herbiciden door plaatselijk spuiten zo sterk tussen de velden?

Als het grootste deel van het veld onkruid bevat, vuurt de veldspuit het grootste deel van de tijd, waardoor de besparing kleiner wordt. Schaars onkruid betekent grote besparingen.