Framtidens jordbruk blir alltmer datadrivet. Carbon Robotics tar nu ett stort kliv framåt genom att introducera Large Plant Model (LPM), ett egenutvecklat AI-system designat för att ge deras autonoma LaserWeeder-robotar förmågan att identifiera växter med extrem precision i realtid.
I en värld där precision är nyckeln till effektivitet, har Carbon Robotics presenterat en mjukvarulösning som drastiskt förbättrar hur maskiner ser på odlingar. Genom att utnyttja enorma mängder data har företaget skapat en modell som inte bara ser växter, utan förstår vad den ser på en nivå som tidigare krävt omfattande manuellt arbete.
En hjärna tränad på 150 miljoner bilder
Grunden för Large Plant Model är dess massiva träningsdataset. Carbon Robotics har matat systemet med över 150 miljoner etiketterade bilder. Denna data har samlats in från en bred och varierad miljö som spänner över mer än 100 gårdar i 15 olika länder.
Resultatet är ett robust system som klarar av de varierande förhållanden som råder ute på fälten. Genom att analysera både art-specifika och strukturella drag hos växterna, kan LPM identifiera nya ogräs omedelbart, oavsett hur fältförhållandena ser ut för stunden.
Skiljer vän från fiende utan omskolning
Den stora styrkan i LPM ligger i dess förmåga att generalisera och specificera. Enligt Carbon Robotics gör modellen det möjligt för maskinerna att skilja mellan dussintals olika typer av grödor och hundratals olika ogräsarter.
Det som verkligen får tekniken att sticka ut är att denna identifiering sker utan behov av manuell omträning. Systemet är designat för att vara adaptivt, vilket innebär att det kan rikta in sig på nya ogräs direkt, utan de tidskrävande processer som traditionellt förknippas med maskininlärning inom jordbruket.
En ständigt lärande cykel
Tekniken levereras till användarna som en mjukvaruuppdatering, vilket gör att befintliga LaserWeeder-robotar kan uppgraderas med den nya intelligensen. Systemet drar nytta av robotarnas högupplösta kameror för att läsa av omgivningen.
För lantbrukaren innebär detta tillgång till ett inbyggt gränssnitt där man kan hantera växtval direkt på maskinen. Samtidigt fungerar systemet som en del av en kontinuerlig datainsamlings-cykel (“flywheel”), där användningen av robotarna bidrar till att modellen ständigt förfinas och förbättras över tid.