Patrząc w przyszłość: sztuczna inteligencja brzegowa w terenie

Autor: Monica Houston, dyrektor ds. sztucznej inteligencji i uczenia maszynowego, Tria Technologies 

Systemy przetwarzania brzegowego z wykorzystaniem sztucznej inteligencji (AI) coraz częściej kształtują rolnictwo. Tradycyjny sprzęt rolniczy, taki jak ciągniki, kombajny zbożowe i systemy nawadniania, są obecnie wyposażone w czujniki i procesory zdolne do zbierania danych, przetwarzania ich na urządzeniach brzegowych i przekształcania tych decyzji w odpowiednie i szybkie interwencje. Systemy wykorzystujące sztuczną inteligencję sprawdzają, czy uprawy potrzebują więcej wody, czy gleba ma odpowiednie składniki odżywcze oraz czy rośliny lub zwierzęta gospodarskie są atakowane przez szkodniki lub choroby. Systemy te nie tylko informują rolników - są również w stanie znaleźć odpowiednie rozwiązania przy minimalnym udziale człowieka. 

Sztuczna inteligencja (AI) może również obniżyć koszty i obciążenia związane z konserwacją maszyn. Konserwacja predykcyjna wykorzystuje techniki uczenia maszynowego, takie jak wykrywanie anomalii, aby przewidywać awarie sprzętu przed ich wystąpieniem, na podstawie danych dotyczących drgań i dźwięku zgromadzonych w maszynie. Zmniejsza to koszty konserwacji i minimalizuje przestoje. 

Bliżej źródła

W systemach przemysłowych dane zebrane z wielu czujników są wysyłane do chmury w celu przetworzenia i analizy, w celu poprawy analityki i opracowania strategii długoterminowych. Zasada jest taka sama w systemach rolniczych, ale tutaj odległość pól i gospodarstw sprawia, że przesyłanie dużych ilości danych do chmury jest zawodne. Lokalne przetwarzanie z wykorzystaniem sztucznej inteligencji brzegowej rozwiązuje ten problem. Wbudowane funkcje sztucznej inteligencji (AI) pozwalają na podejmowanie inteligentnych decyzji przy niskiej latencji, co zmniejsza potrzebę przesyłania dużych ilości danych do chmury w celu analizy. Urządzenia w postaci procesorów (CPU), procesorów graficznych (GPU), specjalizowanych układów scalonych (ASIC) i jednostek NPU, z których wiele posiada wbudowane funkcje sztucznej inteligencji, obsługują te dane lokalnie. Firma Grand View Research zajmująca się analizami rynku prognozuje, że globalny rynek brzegowych układów scalonych ze sztuczną inteligencją osiągnie wartość 120 miliardów dolarów do 2030 r., w porównaniu z 16 miliardami dolarów w 2023 r., przy tempie złożonym w tym okresie na poziomie 33,9%.

Zastosowania brzegowej sztucznej inteligencji są obsługiwane przez wbudowane moduły obliczeniowe, które zawierają wspomniane procesory wspierające sztuczną inteligencję. Firma Tria Technologies oferuje szeroką gamę modułów COM (computer-on-module), zaprojektowanych we współpracy z różnymi dostawcami procesorów, takimi jak AMD, Intel, NXP, Renesas i innymi. Warto wspomnieć o współpracy z firmą Qualcomm, która umożliwia firmie Tria tworzenie nowej generacji modułów obliczeniowych opartych na wysokowydajnych procesorach firmy Qualcomm: Dragonwing i Snapdragon, opartych na architekturze ARM. Najnowsze moduły SMARC firmy Tria nadają się do szerokiego zakresu zastosowań, które zaspokajają potrzeby inteligentnych systemów rolniczych, zapewniając widzenie maszynowe, wykrywanie anomalii, gromadzenie i analizę danych z czujników, klasyfikację dźwięków itp. 

Wbudowane moduły obliczeniowe dla rolnictwa

Wbudowane płytki obliczeniowe wykorzystujące sztuczną inteligencję (AI) są bardzo korzystne w inteligentnych zastosowaniach rolniczych, oferując różne opcje kompaktowych rozmiarów, wytrzymałości, elastyczności i potężnych mocy obliczeniowych. Te niewielkie płytki można osadzać w ciągnikach i maszynach, uruchamiając lokalnie modele uczenia maszynowego (ML) i sztucznej inteligencji (AI). Portfolio płytek firmy Tria obsługuje wiele kamer, które można łatwo dostosować do użycia w autonomicznych robotach rolniczych i dronach. Obsługują one również intensywne obliczeniowo zastosowania sztucznej inteligencji, takie jak modele LLM (Large Language Models) do zastosowań wymagających przetwarzania języka naturalnego. Wkrótce umożliwi to maszynom reagowanie na komunikację werbalną. 

Sprzęt na wbudowanych płytkach obliczeniowych został zaprojektowany do obsługi przetwarzania równoległego w celu przyspieszenia modeli, takich jak konwolucyjne sieci neuronowe (CNN). Wyspecjalizowane procesory mogą obsługiwać te zadania z dużą prędkością i przy bardzo niskim poborze mocy, dzięki czemu mogą być zasilane z baterii lub energii słonecznej. Płytki niskiej mocy firmy Tria obsługujące sztuczną inteligencję (AI) są wykorzystywane w zastosowaniach wykrywania anomalii, które wykorzystują kombinację danych audio i przyspieszeniomierza do przewidywania wycieków w systemach nawadniania.

Społeczność rolnicza testuje obecnie kilka projektów wykorzystujących widzenie maszynowe i uczenie maszynowe do wykrywania chorób u roślin i zwierząt gospodarskich. Jeden z takich programów określa chorobę, na którą cierpią rośliny, na podstawie fotografii ich liści. Konwolucyjna sieć neuronowa (CNN) jest szkolona na podstawie istniejącego zbioru danych obrazów liści w celu zidentyfikowania choroby, co skutkuje dokładnością ponad 96%. Chorobę roślin można szybko określić, a następnie podjąć odpowiednie środki, zanim choroba się rozprzestrzeni. 

Widzenie maszynowe można również znaleźć w projektach rolniczych, w których wykorzystuje się roboty i drony do podlewania roślin i selektywnego rozpylania herbicydów. Roboty te działają autonomicznie, poruszając się po polach za pomocą czujników, lub są sterowane ręcznie za pomocą aplikacji. Jedną z zalet autonomicznych maszyn rolniczych jest to, że maszyny bez kierowcy mogą być mniejsze i lżejsze, co zmniejsza ubicie gleby i pozwala uzyskać zdrowsze środowisko, które wymagają mniej prac związanych z uprawą. Wykorzystując widzenie maszynowe, systemy te mogą precyzyjnie lokalizować chwasty do opryskania herbicydami, dzięki czemu zużywa się znacznie mniej herbicydów. Mniej ubita gleba i mniejsze zużycie herbicydów oszczędzają pieniądze rolników, pozwalają wyprodukować bardziej pożywną żywność i utrzymują zdrowe środowisko. 

Sztuczna inteligencja brzegowa od firmy Tria

Tria szczyci się korzyściami, jakie oferuje swoim partnerom i klientom. Firma projektuje swoje płytki do zastosowań określonych przez firmy partnerskie, w oparciu o możliwości i specyfikacje ich urządzeń. Ponadto partnerstwo między firmami Tria i Avnet (jej spółką macierzystą) zapewnia dostępność zapasów dla jej klientów w 15-letnim cyklu życia, dzięki czemu w tym czasie produkty nie stają się przestarzałe. 

Firma Tria opracowuje i integruje płytki i urządzenia w niestandardowych systemach w imieniu swoich klientów, eliminując w ten sposób trudności techniczne i długie etapy rozwojowe, które inżynierowie-projektanci podejmują wprowadzając nowe produkty - zwłaszcza teraz, gdy sztuczna inteligencja (AI) jest kluczowym elementem tych produktów. 

Wybór procesora do zastosowań wykorzystujących sztuczną inteligencję może być trudnym zadaniem. Firma Tria oferuje szeroką gamę modułów SOM (system-on-module) opartych na procesorach obsługujących sztuczną inteligencję (AI). Firma oferuje również kompatybilne płytki bazowe oparte na popularnych standardach, takich jak SMARC, a także projekty referencyjne zawierające przykładowy kod do zastosowań uczenia maszynowego. Pozwalają one klientom na szybkie rozpoczęcie projektów z wykorzystaniem sztucznej inteligencji (AI) w urządzeniach brzegowych. Zwiększa to zdolność klientów do szybkiego reagowania na nowe wymagania bez konieczności przeprowadzania angażujących, czasochłonnych i kosztownych etapów rozwojowych, co jeszcze bardziej determinuje sukces ich produktów.