[요약] 농업분야에서 실제 인공지능 활용 가능 분야

https://medium.com/@v7.editors/8-practical-applications-of-ai-in-agriculture-a45dc02ff53d

8 Practical Applications of AI in Agriculture

 

 

전 세계 인구는 폭발적으로 증가하고 있으며 2050년까지 지구에는 약 99억 명이 살고 있으며 그 기간 동안 식량 수요는 35% - 56% 증가할 것으로 예상됩니다.

• 다행히 기술은 우리에게 또 다른 솔루션인 AI를 제공합니다.
• 농작물 및 토양 모니터링을 위한 컴퓨터 비전 기술 활용부터 질병 감지 및 예측 분석에 이르기까지 농업 산업은 AI 덕분에 새로운 진화 단계에 진입하고 있습니다.

작물 및 토양 모니터링

• 토양의 미량 영양소와 다량 영양소는 작물 건강과 수확량의 양과 질 모두에 중요한 요소입니다.
• 역사적으로 토양의 질과 작물의 건강은 인간의 관찰과 판단에 의해 결정되었지만 이 방법은 정확하지도 시의적절하지도 않습니다.
• 이제 드론을 사용하여 UAV를 사용하여 항공 이미지 데이터를 캡처하고 컴퓨터 비전 모델을 훈련하여 이를 사용하여 작물 및 토양 상태를 지능적으로 모니터링할 수 있습니다.

작물 성숙도 관찰

• 밀 머리 성장 단계를 수동으로 관찰하는 것은 AI가 정밀 농업에서 도울 수 있는 노동 집약적인 과정일 뿐입니다.
• 연구원들은 3년에 걸쳐 서로 다른 "방향" 단계에서 밀의 이미지를 수집하고 서로 다른 조명에서 "2단계 거친 밀 이삭 감지 메커니즘"을 생성함으로써 이를 달성했습니다.
• 이 컴퓨터 비전 모델은 밀의 성장 단계를 정확하게 식별하는 데 있어 인간의 관찰을 능가할 수 있었습니다.

Computer Vision으로 성공하기

• 또 다른 연구에서는 컴퓨터 비전이 토양 질감과 토양 유기물(SOM)을 얼마나 잘 특성화할 수 있는지 알아보기 시작했습니다.
• 컴퓨터 비전 모델은 값비싼 실험실 처리에 필적하는 정확도로 모래 함량 및 SOM 추정치를 관리했습니다.
• 따라서 컴퓨터 비전은 농작물 및 토양 모니터링과 관련된 많은 양의 어렵고 육체 노동을 제거할 수 있을 뿐만 아니라 많은 경우 인간보다 더 잘 수행합니다.

곤충 및 식물 질병 감지

• 딥 러닝 기반의 이미지 인식 기술을 사용하여 이제 식물 질병 및 해충 탐지를 자동화할 수 있습니다.
• 이것은 이미지 분류, 감지 및 이미지 분할 방법을 사용하여 식물 건강을 "계속 관찰"할 수 있는 모델을 구축하는 데 사용됩니다.

나쁜 사과 퇴치(질병 중증도 진단)

• 연구원들은 식물학자들이 4가지 주요 심각도 단계에 따라 주석 처리한 사과 검은 부패 이미지를 사용하여 심층 컨볼루션 신경망을 훈련했습니다.
• 모델은 특징 개체의 해상도와 크기가 다양한 이미지를 사용하여 훈련되었으며, 20.39ms의 탐지 시간으로 92.39%의 질병 및 해충 탐지 정확도를 달성했습니다.

코드로 버그 찾기

• 컴퓨터 비전 모델은 90.18%의 정확도로 꿀벌, 파리, 모기, 나방, 풍뎅이과 초파리를 식별하고 92.5%의 정확도로 셀 수 있었습니다.
• 이러한 연구는 식품 시스템의 건강을 모니터링하기 위한 AI 컴퓨터 비전의 미래가 유망하다는 것을 보여줍니다.
• 관찰의 신뢰성을 희생하지 않고 노동 비효율을 줄일 수 있습니다.

가축 건강 모니터링

• 동물은 우리 농업 시스템의 또 다른 주요 구성 요소이며 식물보다 약간 더 추적이 필요한 경향이 있습니다.
• CattleEye는 오버헤드 카메라와 컴퓨터 비전 알고리즘을 사용하여 소의 건강과 행동을 원격으로 실시간으로 모니터링하여 문제가 관찰되는 즉시 농부들에게 알릴 수 있도록 합니다.

지능형 스프레이

• 컴퓨터 비전 AI가 장착된 UAV는 농약이나 비료를 밭에 균일하게 살포하는 자동화를 가능하게 합니다.
• 대상 분무 영역의 실시간 인식으로 UAV 분무기는 고정밀 작동 가능
• 이는 농작물, 인간, 동물 및 수자원을 오염시킬 위험을 크게 줄입니다.

자동 제초

• 다른 컴퓨터 비전 로봇은 원치 않는 식물을 제거하기 위해 훨씬 더 직접적인 접근 방식을 취하고 있습니다.
• 물리적으로 잡초를 제거할 수 있어 농부의 노동력을 상당히 절약할 수 있을 뿐만 아니라 제초제의 필요성을 줄여 전체 농장 운영을 훨씬 더 환경 친화적이고 지속 가능하게 만듭니다.

잡초 속의 로봇

• BoniRob은 카메라와 이미지 인식 기술을 사용하여 잡초를 찾아 땅에 볼트로 박아 제거하는 농업 로봇입니다.
• 잎의 크기, 모양, 색깔에 대한 이미지 트레이닝을 통해 잡초와 작물을 구별하는 법을 배웁니다.
• 가치 있는 어떤 것도 파괴할 위험 없이 원치 않는 식물을 제거하면서 필드를 굴릴 수 있습니다.

항공 측량 및 이미징

• AI는 드론과 위성의 이미지를 분석하여 농부들이 농작물과 가축을 모니터링하는 데 도움을 줄 수 있습니다.
• 이것은 살충제 살포의 정확성과 효율성을 높이는 데 특히 유용하며, 살충제가 의도한 곳에만 사용되도록 하여 비용과 주변 환경을 절약합니다.

등급 및 정렬 생성

• 과일과 채소의 크기, 모양, 색상 및 부피를 검사함으로써 컴퓨터 비전은 숙련된 전문가보다 훨씬 빠른 정확도와 속도로 분류 및 등급 지정 프로세스를 자동화할 수 있습니다.

그림 완벽한 제품

• 따라서 "좋은" 당근은 올바른 모양("볼록한 다각형")이고 섬유질 뿌리나 표면 균열이 없는 것입니다.
• 이 세 가지 기준에서 컴퓨터 비전 모델은 각각 95.5%, 98% 및 88.3%의 정확도로 당근을 분류하고 등급을 매길 수 있었습니다.

농업에서 AI의 미래: AI 엔지니어로서의 농부?

• 기후, 환경 및 전 세계 식량 수요에서 상당한 변화가 발생함에 따라 AI는 시간, 노동 및 자원의 효율성을 높이고 환경 지속 가능성을 개선하며 자원 할당을 "스마트하게" 만들어 21세기 농업을 변화시킬 수 있는 능력을 가지고 있습니다.
• 실시간 모니터링을 제공하여 농산물의 건강과 품질을 향상시킵니다.

 

---