КАК ИИ И КОМПЬЮТЕРНОЕ ЗРЕНИЕ МОГУТ СЛЕДИТЬ ЗА РАСТЕНИЯМИ


Искусственный интеллект проникает во все сферы нашей деятельности, меняя и улучшая наш образ жизни. От автоматизации рабочих процессов до виртуального общения и отдыха — его влияние становится все более заметным и значимым. В то же время человек остается живым существом с генетически обусловленными нуждами, часть из которых способна обеспечить только живая природа. К счастью, те же технологии, которые отдаляют нас от природы, способны вернуть эту связь, что особенно важно в условиях изменения климата и вызываемых этим процессом проблем.

Как ИИ помогает выращивать растения

Искусственный интеллект помогает эффективнее выращивать растения, анализировать их состояние и состояние окружающей среды и адаптировать уход под меняющиеся условия. Для того, чтобы принимать решения, ИИ требуются данные.

Использовать различные приборы для измерения состояния окружающей растения среды научились давно, примерно тогда же, когда стали появляться первые метеостанции. Но широкое распространение анализирующие датчики получили ближе к концу XX века — c наступлением эпохи прецизионного (или точного) земледелия. Самый базовый набор параметров, которые сейчас принято фиксировать: влажность, качество почвы, освещенность и уровень PH.

Прецизионное сельское хозяйство предполагает использование современных технологий, помогающих увеличить эффективность и снизить влияние этой отрасли на окружающую среду. То, что раньше определялось только экономическими показателями, сейчас становится вопросом выживания: численность людей на земле растет, при этом плодородных зон становится все меньше, а количество вредителей и болезней растений увеличивается.

Как бороться с засухой

Основная глобальная проблема — это засуха. Усугубляемые деградацией земель и изменением климата, засухи увеличиваются по частоте и силе на 29% с 2000 года, ежегодно затрагивая 55 миллионов человек. К 2050 году она может охватить до 75% населения. На сегодняшний день уже 33% почв деградировало, поэтому культуры, наиболее зависимые от воды, находятся под большой угрозой.

Так, в регионах с ограниченным доступом к воде высокоточное земледелие помогает оптимизировать использование воды, применяя ее только там и когда это необходимо. Для этого необходимы самые точные датчики влажности почвы. Ее можно определять с помощью капацитивных, резистивных и TDR-датчиков.

Первые измеряют влажность почвы через изменения в емкости и сопротивлении соответственно, но могут быть чувствительными к солевому составу почвы и давать менее точные результаты. В сложных районах для более высокого уровня точности и независимости от солевого состава почвы используют более дорогие TDR (Time Domain Reflectometry) датчики. Это технология измерения влажности почвы, основанная на анализе времени отражения электромагнитного импульса, проходящего через почву. Отражение импульса зависит в основном от диэлектрических свойств почвы, а не ее электропроводности, так что TDR-датчики способны точно измерять влажность даже в соленых почвах.

Еще одна важная категория датчиков определяет воздействие света на растения. Особенно важно измерять и корректировать эти параметры в тепличном хозяйстве. Простейший пример — люксометры (одна из разновидностей фотометров), измеряющие интенсивность падающего света.

Однако, кроме интенсивности, можно измерять и другие показатели освещения: например, разработанные в конце XX века и внедряемые сейчас гиперспектральные датчики могут анализировать отраженный от растений свет  в широком спектре, обнаруживая изменения, свидетельствующие о стрессе или болезни. Здоровые растения отражают больше света в ближнем инфракрасном диапазоне, поглощая больше в красном и синем для фотосинтеза, отклонения от которых гиперспектральные датчики могут зафиксировать. Это помогает определить недостаток воды или удобрений, а также распознать болезни, такие как пятнистость листьев, мучнистая роса или ржавчина, прежде чем они станут заметными визуально.

Как искать болезни

Болезни и вредители растений — общемировая проблема. Под влиянием изменения климата эти проблемы приобретают все большую разрушительную силу. Согласно оценкам Организации по продовольствию и сельскому хозяйству (Food and Agriculture Organization, ФАО), вредители ежегодно уничтожают до 40% мирового урожая сельскохозяйственных культур. Экономический ущерб от болезней растений на глобальном уровне превышает 220 миллиардов долларов в год, а ущерб от инвазивных насекомых оценивается не менее чем в 70 миллиардов долларов.

В последние годы проводится ​​много исследований, подтверждающих эффективность использования в сельском хозяйстве термографических датчиков. Они работают путем измерения теплового излучения, или тепла, излучаемого растениями. Здоровые растения обычно охлаждают себя через процесс, известный как транспирация, когда вода испаряется с поверхности листьев. Если растение подвергается стрессу, например, из-за недостатка воды или наличия болезни, транспирация может замедлиться или остановиться, приводя к повышению температуры поверхности растения. Термографические датчики могут обнаружить эти изменения в температуре и фиксировать стрессовое состояние до того, как оно заболеет.

Самый простой способ определить, что с растением что-то не так, — осмотреть его. Болезни и вредители часто оставляют характерные признаки на листьях, плодах или стебле. Ускорить процесс сбора и обработки этой информации может применение технологии машинного зрения (Computer Vision), позволяющей компьютерам «видеть» и понимать визуальные данные, используя сложные алгоритмы и модели машинного обучения для анализа и интерпретации изображений или видео. Процесс включает предварительную обработку изображений, извлечение признаков, классификацию объектов и принятие решений на основе этих данных.

Эта технология уже широко применяется в агротехе, в том числе для раннего обнаружения болезней растений. Для анализа изображений листьев растений и выявления признаков болезни используются генетические алгоритмы. Применение алгоритмов включает процесс аннотации изображений, в котором машина обучается на базе изображений здоровых и больных растений одного и того же вида, например, Plant Village, состоящей из более 50 000 фотографий. Иногда, говоря о компьютерном зрении в земледелии, имеют в виду также обработку информации от гиперспектральных датчиков, дающих дополнительную информацию.


Пример фото из базы данных Plant Village

При культивировании растений на открытом воздухе съемка обычно ведется с дрона, а в теплицах кроме дронов можно использовать специальные небольшие устройства с широким обзором. В российском агротехе компьютерное зрение используют в ifarm — в том числе для оценки эффективности выращивания зеленого салата в условиях вертикальной фермы в теплице.

Еще одна область применения компьютерного зрения в выращивании растений — оснащение им роботов, занимающихся прополкой. Это может помочь не только эффективно удалить сорняки, но и сократить вредное влияние на окружающую среду за счет уменьшения количества применяемых гербицидов. Наиболее современные технологии позволяют полностью избежать химикатов: они удаляют сорные травы горячим маслом или даже сжигают их лазером.

Как использовать ИИ для домашних растений

Применение компьютерного зрения для лечения растений доступно не только профессиональным фермерам, но и любителям домашних растений. На рынке есть некоторое количество приложений, специфицирующих растения и их болезни и предлагающих простые решения. Иногда эти приложения также включают в себя определение интенсивности освещения.

Чтобы проверить эффективность таких приложений, мы предложили профессиональным фитопатологам провести тест-драйв. Из доступных в России более-менее справилось с работой только Picture this. Оно хорошо различает разные сорта растений и эффективно определяет болезни. Правда, для достижения результата требуется довольно много фотографий с разного ракурса, а еще оно не смогло отличить живое растение от пластиковой имитации, да и в распознавании похожих сортов дает сбои. Остальные оказались менее эффективны. Так, nature id способно определить, что проблема существует, но дает только общие рекомендации, Blossom ошибается уже на этапе определения растения (примерно в одном случае из трех) и также выдает лишь базовые советы. Plant Net не идентифицирует проблемы, зато может определить растения по одной небольшой детали.

Умные «растительные технологии»

Перечисленные в статье технологии могут не только улучшить самочувствие самих растений, но и усилить их полезное воздействие на человека. Речь идет прежде всего о внутреннем озеленении пространств, которые люди часто используют. Например, появившиеся не так давно умные зеленые стены превращают растения в эффективную и натуральную систему очистки воздуха.

Например, зеленая стена Biome-breathe, разработанная канадским стартапом Biome Indoor Health, для очистки воздуха применяет микроорганизмы из корней растений. Датчики, встроенные рядом с растениями, следят за загрязнениями в окружающем пространстве, что позволяет системе контролировать поток воздуха, идущий к корням, где загрязнители усваиваются микробами в качестве питательных веществ. Система состоит из настенного блока с вертикальными трубами, в которых находятся растения в активированном угле. Комплектуется система вентиляторами, датчиками для мониторинга качества воздуха, освещением и резервуаром для воды. Одна единица системы Biome способна очистить до 500 000 литров воздуха в день, работая в совокупности с другими системами очистки воздуха.


Зеленая стена Biome-breathe

Эту же особенность растений цифровизировали в финской компании Naava, зелеными стенами которой можно управлять через приложение.

Забавный момент: в приложении каждой зеленой стене можно дать кличку, как как если бы это был домашний питомец. Принцип работы зеленых стен следующий: датчики сканируют окружающее пространство, после чего искусственный интеллект обрабатывает полученные данные и сочетает их с информацией от метеорологических спутников для предсказания изменений и выполнения необходимых корректировок. Иными словами, искусственный интеллект контролирует и настраивает условия существования так, чтобы они были идеальными для озеленения, обеспечивая при этом максимальную эффективность очистки воздуха без стресса для растений.

Еще один интересный проект, который соединяет растения и высокие технологии, придумали в каталонском институте передовой архитектуры (IAAC). Их система FloraVoltaica — это легкие, гибкие фасадные панели, интегрирующие природу в городские условия, производя биофотовольтаическую энергию и очищая воздух. Эти панели создаются с помощью 3D-печати и фотокаталитических материалов. Они включают систему хранения энергии, датчики мониторинга и приложение для управления. Технология генерации энергии основана на фотосинтезе растений. Растения производят избыточное органическое вещество, которое передается в почву через их корни, создавая экосистему микроорганизмов. Эти микроорганизмы выделяют электроны, которые собираются электродами для генерации электричества.


FloraVoltaica

Другой пример использования технологий для усиления положительного воздействия растений на человека — сервис Livee, работающий на базе искусственного интеллекта. Livee обучен на основе более чем 12 000 реализованных проектов озеленения и способен учитывать до 100 различных характеристик растений, кашпо и их комбинаций, генерируя из этой базы данных сценарии офисного озеленения. Пользователь выбирает цели: например, снижение утомляемости сотрудников и успешные переговоры, потом задает параметры компании, а искусственный интеллект Livee предлагает дизайн-концепт, отвечающий этим целям. Новаторство проекта состоит не только в том, что концепции создаются быстро и легко корректируются. Гораздо важнее — переосмысление самих целей озеленения: теперь оно — не просто часть дизайна интерьера, но и эффективный инструмент для поддержания устойчивой продуктивности, которая предполагает повышение производительности труда за счет улучшения благополучия человека.

При использовании современных технологий растения вообще способны на многое. Иронический (но технологичный) пример этого — инсталляция Дэвида Боуэна «Растение Мачете». Художник использует живой филодендрон, связанный с бионической рукой промышленного робота, чтобы контролировать движение мачете. Микроконтроллер с открытым исходным кодом считывает электрические сигналы с листьев растения, которые затем преобразуются в движения робота в реальном времени. Таким образом, растение, по сути, становится «мозгом» робота, определяя движения мачете в пространстве.

Еще один интересный арт-проект на эту тему — инсталляция Robotic Urban Farmers от уже упомянутого выше института IAAC, представленная на Таллиннской биеннале 2022 года. Ее авторы предлагают визионерский подход к будущему городского пространства, где человек, растения и роботы взаимодействуют в симбиотической связи. В условиях современного экологического кризиса она предлагает альтернативу традиционному городскому планированию, интегрируя в городскую среду роботизированные агенты и съедобные растения в модульной алюминиевой структуре, обеспечивающей поддержку для растений и служащей рельсами для роботов. Все это управляется ИИ, балансирующим между нуждами всех участников системы. Robotic Urban Farmers — манифест нового архитектурного организма, улучшающего производственную городскую среду, генерирующего свежую и местную пищу, в то же время улучшая городской микроклимат и местное биоразнообразие.

Источник: https://hightech.fm/…