Tala ng editor: Ang Kumperensya ng VISION 2022 itatampok ang pinalawak na paggalugad kung saan ang inobasyon ay mabilis na nagtutulak ng pagbabago, kabilang ang mga uso sa mga high-value specialty crops, sustainability at carbon sequestration programs, at high-tech na kontroladong environment production system. Isang umuusbong na paksa sa adyenda ay visual na data. Nasa ibaba ang panloob na pagtingin sa kung paano magiging mahalaga ang mga visual sensor at computer vision upang matulungan ang buong industriya na matugunan ang mga pangangailangan sa pagkain ng lumalaking populasyon sa buong mundo.
Ang computer vision ay nakaranas ng isang tunay na boom. Ang mga insight na nakalap sa pamamagitan ng data mula sa mga drone, satellite, at eroplano ay kumukuha ng data mula sa kalangitan. Nasusukat ng mga sensor na naka-mount sa kagamitan ang mga pagbabago sa mga katangian ng halaman o mga parameter ng lupa gamit ang optical reflectance sensing. Ang mga sensor ng LiDAR ay nasusukat na ngayon ang istraktura ng mga halaman sa 3D.
Higit pa sa pagtulong sa mga agronomist sa data, ang computer vision ay nasa core din ng pagpapagana ng mga autonomous na makina sa field, pagtulong sa mga makinarya na tumugon sa mga sitwasyon sa field o kahit na makakita ng mga hadlang. Binibigyang-daan pa tayo ng teknolohiya na tumugon sa napaka-tumpak na lokasyon data mula sa satellite imagery, na kayang magdala ng detalye sa antas ng sentimetro. Sa lahat ng teknolohiyang ito sa ating pagtatapon, kailangan pa ba ng mga eyeball ng tao?
Kapag ang mga camera, sensor, at satellite na ito ay na-deploy nang malawakan sa mga field at greenhouses, magbibigay sila ng 100% surveillance coverage sa buong orasan. Kapag nangyari ito, ang malayong agronomy at sa isang malaking lawak ng malayong agrikultura ay maaaring maging isang katotohanan. Habang dumarami ang mga tungkulin ng mga autonomous na makina at robot, maaaring hindi na kailangan ang pangangailangan para sa isang malaking manggagawa. Bagama't ngayon ang karamihan sa mga prutas at gulay ay pinipitas at iniimpake sa pamamagitan ng kamay, ang isang ulat mula sa S&P Global ay nagtataya na sa 2025, ang mga perception system at mga algorithm sa pagpili ay magbibigay-daan sa mga aspeto ng autonomous harvesting sa controlled environment agriculture (CEA).
Ang boom na ito sa computer vision ay hindi lamang nauugnay sa agrikultura. Sa katunayan, bilang ang pinaka-matandang larangan sa modernong AI, ito ay tumatagos sa bawat sektor ng ekonomiya. Ang mga pagkakataon na ang pag-automate ng mga visual na kakayahan ay nagdadala ng walang katapusang mga pagkakataon sa merkado sa bawat sektor. Bilang mga tao, ang pangitain ay ang ating pinaka-binuo na kahulugan — ang isa na pinakamadalas nating ginagamit upang makita ang mundo sa ating paligid. Propesor ng Medical Optics na si David Williams nagpapaliwanag na "Higit sa 50 porsiyento ng cortex, ang ibabaw ng utak, ay nakatuon sa pagproseso ng visual na impormasyon."
Ito ay hindi nagkataon na ang bahagi ng utak ng tao na responsable para sa pagsusuri ng visual na impormasyon ay ang pinakamalaking mula sa iba pang mga pandama. Ang mga artificial neural network ay isang mahalagang bahagi ng machine learning at ang backbone ng mga modernong visual na teknolohiya. Sa mga salita ni Propesor Williams, "Ang pag-unawa sa kung paano gumagana ang paningin ay maaaring isang susi sa pag-unawa kung paano gumagana ang utak sa kabuuan."
Pinapalakas na ng mga visual na teknolohiya ang mga pag-unlad sa pagkain at agrikultura na magbabago sa paraan ng paglaki, paggawa, pagdadala, at paggamit ng pagkain ng mundo. Ang computer vision ay masasabing ang pinaka-technologically advanced na field pagdating sa AI. Ang hindi pa naganap na kayamanan ng visual na data na ito ay maaaring gamitin at iproseso sa pamamagitan ng machine learning at pagkatapos ay ibalik sa mga food grower o autonomous na makina gaya ng mga irrigation pivot. Kahit na pagkatapos ng pag-aani, ang computer vision ay nagbibigay ng teknolohiya na ginagamit na para sa mga pangunahing mahahalagang gawain tulad ng proseso ng pag-uuri at pagmamarka ng prutas at gulay, isang gawain na kapag ginawa ng mga tao ay hindi pare-pareho, umuubos ng oras, pabagu-bago, at mahal.
Malaki ang epekto ng teknolohiyang ito. Ang mga visual sensor at computer vision ay magiging mahalaga upang matulungan ang buong industriya na matugunan ang mga pangangailangan sa pagkain ng lumalaking populasyon sa buong mundo. Iminumungkahi ng data ng World Bank na sa 2025, ang karamihan sa mga sektor ng pagkain at agrikultura ay malalim na maaapektuhan ng paggamit ng mga visual na teknolohiya, tulad ng pagkilala sa imahe, mga camera, robotics, at marami pa. Hindi nakakagulat na ang computer vision at mga teknolohiya ng AI ay nasa puso ng isang bago alon ng mga promising tech startup sa maraming vertical kabilang ang retail, construction, insurance, seguridad, at agrikultura.
Pagpapabuti ng mga Umiiral na Proseso bilang Panimulang Punto para Magsimula ng Rebolusyon
Mayroong isang kalabisan ng mga visual na teknolohiya na magagamit sa mga nagtatanim ng pagkain. Kabilang dito ang anumang device o tool na kumukuha, nagsusuri, nagsasala, nagpapakita, o namamahagi ng visual na data. Idinisenyo ang mga system na ito upang magamit ang computer vision, machine learning, o artificial intelligence para magkaroon ng kahulugan ang lahat ng visual na data, at maghatid ng alinman sa mga naaaksyunan na insight o awtonomiya na kumilos ayon sa mga ito.
Ang isang kamakailang ulat mula sa LDV Capital on Visual Technologies ay nagha-highlight ng ilang pangunahing hinaharap na mga uso na magmumula sa paggamit ng mga visual na teknolohiya sa mga nagtatanim ng pagkain sa susunod na limang taon. Ang pinaka-kagiliw-giliw na bagay tungkol sa mga ito, ay kadalasang binibigyang-diin nila ang pagpapabuti at pagpapatibay ng mga umiiral na teknolohiya. Hindi ito magiging isang rebolusyon ngunit isang progresibong ebolusyon habang nagiging mainstream ang mga visual na teknolohiya. Halimbawa, itinuturo ng ulat ang mga algorithm sa pag-aaral ng machine na kumukuha ng mga drone, eroplano, at satellite na mga larawan ng mas mataas na resolution at mas malawak na hanay ng spectral, na higit na nagbibigay-daan sa malayong agronomy. Gayundin, habang tumataas ang bilis ng pagproseso, ang sensing na naka-mount sa kagamitan ay magbibigay-daan sa mga desisyon sa antas ng halaman tulad ng tumpak na pag-spray ng damo at paglalagay ng binhi.
Maaari Ba Ang Bawat Umiiral na Proseso ay Awtomatiko at Pamamahala nang Malayo?
Sa napakaraming "mata" na pagsubaybay at pagtatasa ng mga halaman 24/7, at mga visual na teknolohiya na malawakang sumasaklaw sa buong field o greenhouses, maaari bang malayuang pamahalaan ang pagsasaka at agronomy sa malapit na hinaharap? Mula sa karanasan sa aming mga customer, alam kong maraming nagtatanim ng pagkain ang kailangan nang gumawa ng mas kaunting mga biyahe sa field dahil sa mga insight o imagery na kinuha ng mga makina at inihatid sa kanila. Higit pa rito, ang kanilang kakayahan na harapin ang mga problema tulad ng mga peste ay mas naka-target at tumpak. Sa halip na gumawa ng mga regular na spot-check, nasusubaybayan ng mga device na ito ang 100% ng kanilang mga pananim, 100% ng oras.
Bagama't ang computer vision ay isang malaking tagumpay na muling tutukuyin ang paraan kung saan ang pagkain ay lumago at naproseso, hindi ito ang katapusan ng lahat. Ang iba pang mga pantulong na teknolohiya ay kailangan upang bigyang-daan tayo na makakita sa ilalim ng dahon at sa ilalim ng lupa, na kasing-halaga rin upang makuha ang buong larawan. Halimbawa, ang pagsubaybay at pagsusuri sa microbiome sa pamamagitan ng mga nakalaang sensor na sumusukat sa kasaganaan, pagkakaiba-iba, at kolonisasyon ng mga microorganism sa itaas at ilalim ng lupa na mga organo ng halaman.
Ang pagkolekta, pagsasama-sama, at pagbibigay-kahulugan sa lahat ng data na ito ay magiging isang pangunahing hamon upang magamit ang kapangyarihan ng lumalagong stack ng teknolohiya kung saan aasa ang mga nagtatanim ng pagkain. Ang mga nagtatanim ng pagkain ay palaging umaasa sa daan-daang signal mula sa field, ngunit ang mga umuusbong na tool at platform na ito ay nangangahulugan na kakailanganin nilang ayusin ang mga insight mula sa dumaraming bilang ng mga source. Ang pinakalayunin ay lumikha ng isang pinag-isang sistema na nagdadala ng buo, malinaw na larawang kailangan para paganahin ang mas mahusay na mga desisyon sa agronomic na may mataas na antas.