Aprendizagem automática na agricultura: 100% de poupança em pesticidas e recursos humanos

O Innowise incorporou a tecnologia de visão por computador em robôs agrícolas autónomos, permitindo-lhes alimentar automaticamente as plantas e remover as ervas daninhas com lasers.

Cliente

Indústria

Agricultura, IoT

Região

Cliente desde

2021

O nosso cliente é uma empresa que produz robôs agrícolas autónomos para automatizar e acelerar o trabalho agrícola na região europeia.

As informações pormenorizadas sobre o cliente não podem ser divulgadas ao abrigo das disposições do NDA.

Desafio: Ultrapassar as limitações do tratamento manual das plantas com a tecnologia de IA na agricultura

A utilização de sistemas e robôs agrícolas ML no sector agrícola está a tornar-se cada vez mais crucial devido aos obstáculos significativos colocados pelo tratamento manual das plantas, que exige um grande esforço humano, tempo e despesas. Estas tecnologias avançadas podem dar resposta a vários desafios, incluindo a escassez de mão de obra e a eficiência dos recursos. Isto resulta numa solução mais abrangente e eficiente para os problemas da agricultura moderna.

O nosso cliente produz robôs e dispositivos autónomos que se destinam a automatizar o processo de cultivo e de tratamento de plantas. Embora os robôs pudessem deslocar-se pelos canteiros e campos, não tinham a capacidade de distinguir entre plantas e ervas daninhas para efeitos de fertilização e rega selectivas.

Os nossos especialistas foram confrontados com o desafio significativo de integrar um software especializado nos robots que pudesse distinguir e separar com precisão as plantas desbastadas. O objetivo subsequente do programa era eliminar ervas daninhas específicas utilizando lasers com uma precisão óptima. Para além disso, os sistemas agrícolas ML precisavam de determinar o tipo de plantas e fornecer-lhes uma quantidade suficiente de fertilizante adequado, dependendo da sua classe e métricas de condição.

Em resumo, o âmbito do trabalho incluía:

recolha de dados;
marcação manual de dados;
aumento de dados;
formação de modelos;
integração de modelos;
processamento em tempo real.

Solução: Implementação da aprendizagem automática no sector agrícola para eliminação de ervas daninhas e alimentação selectiva de plantas

Os nossos programadores concluíram com êxito o projeto e implementaram uma solução de IA nos robôs autónomos para o processamento em tempo real de imagens de campo digitalizadas e para a identificação de ervas daninhas em milissegundos. Equipados com lasers calibrados com precisão, os robots podem eliminar até 100.000 ervas daninhas por hora. Além disso, os robots são agora capazes de classificar as plantas e administrar fertilizantes com base nas suas necessidades individuais. Além disso, podem determinar as condições do campo e as métricas para otimizar as práticas agrícolas e aumentar a eficiência.

Utilizando uma câmara de vídeo integrada, recolhemos e etiquetámos um conjunto de dados constituído por mais de 10.000 imagens de plantas. A nossa equipa procedeu então à realização de tarefas como a marcação, o aumento e a formação de modelos num conjunto de dados alargado. O Grupo Innowise implementou com sucesso um modelo de aprendizagem automática supervisionado que pode estabelecer automaticamente a ligação entre as variáveis de entrada e os resultados pretendidos, permitindo previsões precisas em imagens de tronco e de campo novas e não vistas. Isto facilita a classificação das plantas e a deteção de caules, a erradicação de ervas daninhas e a fertilização selectiva. Esta solução constitui um excelente caso de utilização da aprendizagem automática no sector agrícola, apresentando resultados notáveis em termos de automatização de tarefas, conservação de recursos, aumento da fertilidade e atenuação do impacto ambiental adverso causado pelos pesticidas.

Segmentação de plantas de ponta a ponta e rede neural de deteção de caules

Durante a fase de aquisição de dados, recolhemos imagens de plantas e ervas daninhas através de uma câmara de vídeo ligada a um robô agrícola que navegava num campo. Uma vez adquiridos, os especialistas agrícolas marcaram os dados para deteção e segmentação de objectos nas fases subsequentes de aumento e refinamento dos dados.

Posteriormente, a nossa equipa desenvolveu uma rede neural personalizada capaz de identificar o tipo e a classe de uma planta a partir de uma imagem e de tomar decisões informadas sobre o tratamento das plantas com base na experiência anterior. Integrámos esta solução num dispositivo final equipado com GPU, permitindo-lhe processar dados em tempo real e distinguir plantas a partir de conjuntos de dados previamente aprendidos. O detetor de caules identifica a localização dos caules das plantas para facilitar a orientação por laser.

O software permite a tomada de decisões pelo robot sem acesso à Internet enquanto trabalha nos campos agrícolas. Ao regressar à estação e ao aceder à rede, o conjunto de dados pode ser atualizado com informações e definições adicionais. As capacidades da rede neural não se limitam a uma base de dados: o sistema de aprendizagem automática suporta a reciclagem de redes neurais utilizando conjuntos de dados actualizados para cultivar novos tipos de plantas e erradicar vários tipos de ervas daninhas.

Para além de identificar as classes de plantas e infestantes, a rede neuronal também pode determinar o estado do campo e as principais métricas, posteriormente utilizadas para regular a intensidade da rega.

Eliminação de ervas daninhas por laser de alta precisão e alimentação selectiva de plantas

Os sistemas agrícolas ML utilizam tecnologia de ponta para revolucionar o sector agrícola. Durante a fase de aquisição de dados, a câmara de vídeo integrada recolhe imagens de plantas e ervas daninhas à medida que o robô agrícola se desloca pelo campo. Os dados recolhidos são depois marcados por especialistas agrícolas para posterior deteção e segmentação de objectos.

A rede neural de segmentação de culturas e ervas daninhas de ponta a ponta fornece uma segmentação semântica precisa da cena, distinguindo culturas, ervas daninhas e relva. O sistema envia sinais para vários módulos laser que funcionam em simultâneo, permitindo que os sachadores autónomos eliminem mais de 100 mil ervas daninhas por hora, automaticamente e sem químicos. A elevada precisão do sistema de laser deve-se a detectores ultra-precisos, com parâmetros de laser afinados que permitem determinar o alcance até 2 mm.

O sistema também emprega alimentação selectiva, que trata cada planta no campo individualmente. A visão por computador analisa o estado atual de cada planta, considerando factores como a fase de crescimento, o estado de saúde e as necessidades de nutrientes. Com base nesta informação, o sistema determina o tratamento mais adequado para cada planta, seleccionando as porções de alimentação correctas a aplicar. Isto leva a uma redução dos recursos e a uma abordagem mais económica da alimentação das plantas.

Os sistemas agrícolas de aprendizagem automática são concebidos para serem flexíveis e adaptáveis a vários tipos de plantas. A rede neural pode aprender e reaprender com novos conjuntos de dados, que podem ser utilizados para treinar o motor de IA para identificar e tratar diferentes espécies de plantas. Isto implica a recolha e rotulagem de imagens das novas plantas, o aumento dos dados e o aperfeiçoamento dos novos dados, permitindo que o sistema expanda continuamente a sua base de conhecimentos e capacidades.

Globalmente, o sistema agrícola de aprendizagem automática desenvolvido pelo Innowise é um excelente exemplo dos benefícios da aprendizagem automática no sector agrícola, permitindo soluções rentáveis e eficientes para a gestão e tratamento das culturas.

Tecnologias

ML e MLOps

Python, PyTorch, OpenCV, MMSegmentation, TensorFlow, AWS (S3, Lambda, EC2, CloudWatch)

Processo

A nossa equipa realizou uma reunião inicial com o cliente para recolher os requisitos e compreender as suas necessidades específicas para os robôs autónomos. Com base nestes requisitos, criámos um plano de conceção abrangente para o desenvolvimento do sistema de software, que consistia em duas fases principais: recolha e rotulagem de dados utilizando uma câmara de vídeo integrada e a implementação de um modelo de aprendizagem automática supervisionada.

Para gerir o projeto de forma eficaz, seguimos a metodologia Agile e realizámos reuniões diárias para acompanhar o progresso e discutir quaisquer problemas ou preocupações. Também utilizámos ferramentas de comunicação como o Google Chat e software de gestão de projectos como o Jira e o Confluence para atribuir tarefas e monitorizar o desempenho.

Após um mês e meio de desenvolvimento, conseguimos criar a versão MVP da rede neural, que era capaz de tomar decisões eficazes sem controlo adicional. Esta abordagem permitiu-nos desenvolver um sistema flexível e escalável que podia ser adaptado a diferentes contextos agrícolas e casos de utilização, proporcionando aos agricultores uma solução económica e eficiente para a gestão das suas operações.

Equipa

Gestor de projectos

Engenheiros ML

Programador Back-End

Resultados: Redução da utilização de pesticidas e dos custos com recursos humanos

A implementação da aprendizagem automática na agricultura através da utilização de robôs agrícolas equipados com visão computorizada e motores baseados em IA proporciona inúmeros benefícios para o sector. Promove uma boa relação custo-eficácia, reduzindo a utilização de fertilizantes e produtos químicos desnecessários e melhorando a produtividade agrícola através do tratamento seletivo de cada planta. Além disso, oferece uma monitorização e mapeamento detalhados dos campos sem intervenção humana, fornecendo aos agricultores informações vitais sobre o estado dos seus campos.

O resultado da implementação desta tecnologia para o cliente é uma redução dos recursos gerais utilizados, conduzindo a benefícios económicos através de cuidados automáticos contínuos com as culturas, rendimentos elevados e saúde perfeita das plantas. Além disso, a eliminação de ervas daninhas sem produtos químicos e baseada em laser protege os ecossistemas agrícolas, minimizando o impacto ambiental negativo das práticas agrícolas tradicionais. A capacidade do sistema para aprender e adaptar-se continuamente permite aos agricultores atualizar regularmente o conjunto de dados e adaptar-se a novos tipos de plantas e trabalhos agrícolas.

De um modo geral, a integração da tecnologia de IA na agricultura tem um enorme potencial para trazer benefícios para o sector, o ambiente e a natureza. Os robôs de aprendizagem automática podem aumentar a qualidade e a fertilidade das culturas, reduzir os custos, preservar os recursos naturais e eliminar potenciais danos para os seres humanos através da realização automática de tarefas complexas.

Duração do projecto

setembro de 2021 - novembro de 2022

64%

poupança de fertilizantes

100%

poupança de pesticidas e de recursos humanos

Casos relacionados

Contactar-nos!

Marcar uma chamada ou preencha o formulário abaixo e entraremos em contacto consigo assim que tivermos processado o seu pedido.

Nome

Empresa

Correio electrónico

Telefone

Mensagem Inclua os detalhes do projeto, a duração, o conjunto de tecnologias, os profissionais de TI necessários e outras informações relevantes

Gravar uma mensagem de voz sobre o seu
projeto para nos ajudar a compreendê-lo melhor

Anexar documentos adicionais, se necessário

Enviar ficheiro

Pode anexar até 1 ficheiro de 2MB no total. Ficheiros válidos: pdf, jpg, jpeg, png

Informamos que, ao clicar no botão Enviar, o Innowise's processará os seus dados pessoais de acordo com a nossa Política de Privacidade com o objectivo de lhe fornecer informações adequadas.

O que é que acontece a seguir?

Após termos recebido e processado o seu pedido, entraremos em contacto consigo para detalhar as necessidades do seu projecto e assinar um NDA para garantir a confidencialidade das informações.

Após a análise dos requisitos, os nossos analistas e programadores elaboram uma proposta de projecto com o âmbito dos trabalhos, tamanho da equipa, tempo e custos e custos.

Marcamos uma reunião consigo para discutir a oferta e chegar a um acordo.

Assinamos um contrato e começamos a trabalhar no seu projecto o mais rapidamente possível.

Precisa de outros serviços?

Desenvolvimento de software para media e entretenimento

Empresa de desenvolvimento de cadeias de blocos

Ruby on rails

AWS

Desenvolvimento de software agrícola

Empresa de desenvolvimento de chatbots de IA

Serviços AIOps

Serviços de consultoria em cadeias de blocos

Serviços de consultoria de nuvem AWS

Serviços de visão por computador

Serviços de consultoria MLOps

Empresa de desenvolvimento Python

Aprendizagem automática na agricultura: 100% de poupança em pesticidas e recursos humanos

Cliente

Desafio: Ultrapassar as limitações do tratamento manual das plantas com a tecnologia de IA na agricultura

Solução: Implementação da aprendizagem automática no sector agrícola para eliminação de ervas daninhas e alimentação selectiva de plantas

Tecnologias

Processo

Equipa

Resultados: Redução da utilização de pesticidas e dos custos com recursos humanos

Casos relacionados

Contactar-nos!

O que é que acontece a seguir?

Precisa de outros serviços?

Deixar^●s desenvolver
software em conjunto!

Fechar

Aprendizagem automática na agricultura: 100% de poupança em pesticidas e recursos humanos

Cliente

Desafio: Ultrapassar as limitações do tratamento manual das plantas com a tecnologia de IA na agricultura

Solução: Implementação da aprendizagem automática no sector agrícola para eliminação de ervas daninhas e alimentação selectiva de plantas

Tecnologias

Processo

Equipa

Resultados: Redução da utilização de pesticidas e dos custos com recursos humanos

Casos relacionados

Contactar-nos!

O que é que acontece a seguir?

Precisa de outros serviços?

Deixar●s desenvolver software em conjunto!

Fechar

Deixar^●s desenvolver
software em conjunto!