AI in dienst van het veld: Braziliaans project krijgt steun van gigant Nvidia
Een belangrijke versterking zal onderzoekers van Rio Grande do Sul helpen bij het ontwikkelen van nieuwe technologieën die gebruikmaken van modellen van kunstmatige intelligentie (AI) voor precisielandbouw.
Een groep van de Federale Universiteit van Pampa (Unipampa) is sinds 2017 op dit gebied actief en werkt samen met Embrapa Pecuária Sul. Nu krijgt ze de steun van Nvidia, een multinationaal bedrijf gevestigd in de Verenigde Staten en een wereldleider op het gebied van AI-componenten.
Het project Terrapampa Smart Systems: Bridging AI and Livestock, geselecteerd voor een academisch onderzoeksfinancieringsprogramma, heeft nu toegang tot state-of-the-art computerbronnen, geschat op R$ 1,2 miljoen. Aan het project nemen academici in toegepaste informatica, landbouwkundigen, dierenartsen, bestuurders en landbouwtechnici deel.
"Deze internationale financiering onderstreept dat wij koploper zijn in kennis op het gebied van AI toegepast in de agro-industrie", aldus onderzoekscoördinator Sandro Camargo van de masteropleiding toegepaste informatica van Unipampa.
AI-model maakt direct telling van teken bij dieren mogelijkEen van de modellen werd getraind om teken bij vee te tellen aan de hand van beelden die werden vastgelegd door een camera die was geïnstalleerd in ruimtes waar dieren werden aangeraakt.
Tegenwoordig wordt dit proces meestal handmatig uitgevoerd door een vastgoedmedewerker, wat niet alleen tijdrovend en duur is, maar ook tot menselijke fouten kan leiden.
Na ongeveer zes maanden trainen van een AI-model hebben de onderzoekers al een nauwkeurigheid van 94% bereikt. "Dit betekent dat het algoritme voor elke 100 teken op het dier er tussen de 94 en 106 detecteert", legt Camargo uit.
Het systeem werkt al op smartphones, maar het idee is om de applicatie te implementeren op een apparaat dat geplaatst kan worden in gebieden waar vee loopt. "De producent kan het op twee of drie locaties verspreiden, bijvoorbeeld waar de dieren water drinken. De camera detecteert de aanwezigheid en telt direct teken."
Door het dier te tellen en te identificeren met een oormerk, kan een melding worden geactiveerd die de aanwezigheid en het aantal teken per individu aangeeft. "De producent kan een minimumdrempel instellen, bijvoorbeeld 10 teken, om een melding te krijgen."
Aan een ander front ontwikkelen onderzoekers modellen die bijdragen aan de genetische verbetering van Hereford- en Braford-runderen. Een mogelijkheid die al is getest, is de selectie van individuen die minder gevoelig zijn voor blootstelling aan de zon.
Perioden met overmatige zonnestraling zorgen ervoor dat dieren stoppen met eten en beschutting zoeken in de schaduw, wat direct van invloed is op hun gewicht. "Al enkele jaren wordt er gewerkt aan genetische verbetering om prioriteit te geven aan het paren van dieren met zogenaamde 'brillen', een rode pigmentatie rond hun ogen," legt Camargo uit.
De hoeveelheid pigmentatie is direct relevant voor de weerstand van een dier tegen blootstelling aan ultraviolette straling, aangezien dit verband houdt met plaveiselcelcarcinoom. Een minder gevoelig dier brengt meer tijd door in de wei en komt zelfs in zonnige periodes meer aan.
Momenteel worden oogonderzoeken uitgevoerd door gespecialiseerde technici die de boerderijen bezoeken en elk dier een score van 1 tot 5 geven, waarbij de eerste score een volledige afwezigheid van pigmentatie is en de laatste een uitstekend niveau. Dieren met een score van 4 en 5 zijn het meest geschikt voor de fokkerij, omdat ze beter aangepaste kalveren produceren.
"Het grote probleem is dat experts doorgaans een boerderij bezoeken om tot wel 500 dieren per dag te analyseren. Het duurt niet alleen lang, maar na een tijdje begint het menselijk oog ook vermoeid te raken. Er is een aanzienlijk probleem met inconsistentie tussen beoordelaars", aldus de coördinator van de onderzoeksgroep.
Een model dat al is geporteerd naar het Android-systeem, stelt een technicus of producent in staat om met een smartphone een afbeelding van het dier te maken en direct een beoordeling van de pigmentatiescore van de ogen te krijgen. Zo wordt de kans op fouten uitgesloten en wordt de procestijd geoptimaliseerd.
AI identificeert keratoconjunctivitis en runderanemieEen ander door de onderzoekers ontwikkeld model maakt vroege detectie van keratoconjunctivitis bij runderen mogelijk. Dieren met ontstoken hoornvliezen en bindvliezen vertonen over het algemeen geen gedragsveranderingen in de vroege stadia van de aandoening, wat betekent dat de aandoening pas in een verder gevorderd stadium wordt vastgesteld.
Net als het tekentelsysteem kan een algoritme dat is ontwikkeld door onderzoekers van Unipampa en Embrapa, draaiend op een apparaat dat in het veld is geïnstalleerd, detecteren wanneer een dier op een bepaalde locatie langskomt en een foto van dat dier maken.
Dankzij een directe analyse door een getraind AI-model kunnen nu visueel tekenen van keratoconjunctivitis worden geïdentificeerd, zelfs als er geen andere zichtbare symptomen zijn.
Met behulp van een ander door de groep ontwikkeld AI-model kan met dezelfde techniek bloedarmoede bij dieren worden opgespoord zonder dat het oogslijmvlies van elk dier afzonderlijk direct hoeft te worden gefotografeerd.
"Het idee is dat we op elk punt op de boerderij, bijvoorbeeld in een goot [een structuur die gebruikt wordt om vee te houden], een minicomputer kunnen plaatsen ter grootte van een mobiele telefoon en die werkt op zonne-energie, wat de producent tussen de R$ 700 en R$ 800 kost", aldus Camargo.
"Wanneer het dier langskomt, detecteert het systeem direct of het teken heeft, of het risico loopt op bloedarmoede, keratoconjunctivitis en diverse andere ziekten." Het systeem zou de noodzaak voor een technicus om foto's van elk dier te maken overbodig maken. "Dat is wat we binnenkort bereiken. Alles zal automatisch gaan", zegt hij.
De onderzoeker legt uit dat het trainen van de AI-modellen inhoudt dat er tot wel tweeduizend foto's van dieren op Embrapa-stations moeten worden gemaakt en dat elke foto afzonderlijk moet worden verwerkt. Dit proces, zegt hij, duurde weken tot maanden omdat het veel rekenkracht vergde.
Dankzij de toegang tot de cloudinfrastructuur van Nvidia kost het trainen van een model nu ongeveer drie minuten per uur. Hierdoor kunnen we nieuwe toepassingsmogelijkheden testen, complexere problemen aanpakken en AI-agents nauwkeuriger afstemmen.
Ook worden modellen getraind om plagen in de landbouw te detecterenDezelfde technologie die in de veehouderij wordt gebruikt, kan ook worden toegepast om invasieve soorten in de landbouw te detecteren. Een ander project dat binnen het onderzoeksproject is ontwikkeld, betreft de identificatie van annoni-gras in inheemse weilanden, een veelvoorkomend probleem in Rio Grande do Sul.
Deze grassoort wordt gezien als een plaag op landelijke eigendommen en is afhankelijk van snelle bestrijding om een plaag te voorkomen. Eén enkele plant kan namelijk ongeveer 14.000 zaden per jaar produceren, met een levensvatbaarheid van 90%.
Onderzoekers trainen al een AI-model om de aanwezigheid van het gras te detecteren. De technologie kan ook worden toegepast op andere invasieve soorten, zoals melganzevoet. Volgens de onderzoekscoördinator kan een beeld in drie milliseconden worden verwerkt, wat de analyse van ongeveer 350 foto's per minuut mogelijk maakt.
De nauwkeurigheid van het model ligt momenteel rond de 88%, maar de groep werkt eraan om het algoritme naar een nauwkeurigheid van 98% te brengen. Camargo acht dit volledig haalbaar met de beschikbare middelen. "Het is slechts een kwestie van tijd voordat we dat resultaat bereiken."
Het idee is dat de producten, die nu al experimenteel in het veld worden getest via Embrapa, binnenkort op de markt zullen verschijnen. "Het is een zeer schaalbare technologie, omdat het in feite software is die op een Android-telefoon of een op zonne-energie werkende minicomputer kan worden geïnstalleerd."
gazetadopovo
