El cofundador de Koidra, Ken Tran, habla sobre el poder de la IA en la horticultura en este artículo en Greenhouse Grower.
En 2018, cinco equipos cultivaron pepinos en un innovador desafío de invernadero autónomo la competencia internacional. El giro: solo uno de los equipos estaba formado por cultivadores humanos experimentados que operaban su compartimento de invernadero manualmente. Los cuatro equipos restantes estaban formados por expertos internacionales en los campos de la horticultura y la inteligencia artificial (IA). Trabajaron para desarrollar soluciones de IA para gestionar sus cultivos de forma remota y autónoma. El objetivo de la competencia, el primer desafío de invernadero autónomo del mundo, era impulsar avances en la producción de alimentos sostenible.
Después de cuatro intensos meses, los cultivadores manuales quedaron en segundo lugar. El equipo del primer lugar, dirigido por uno de los autores de este artículo, ganó con una solución de cultivo autónomo que no solo logró un 6% más de rendimiento y un 17% más de beneficio neto, sino que también utilizó menos CO2, calefaccion y entradas de agua.
Desafortunadamente, los productores saben muy bien que la mano de obra es la mayor fuente de problemas en la producción. Año tras año, en Productor de invernadero Encuesta Top 100 Growers, los productores informan desafíos no solo con el costo de la mano de obra sino también con la disponibilidad de mano de obra calificada. No es sorprendente que los productores busquen cada vez más formas de abordar estos desafíos, incluidas nuevas tecnologías que puedan hacer que la gestión de los invernaderos sea más autónoma.
La IA es un paso más allá de la automatización basada en reglas
Una buena forma de pensar en la inteligencia artificial es que es un paso más allá de la simple automatización basada en reglas. La IA moderna tiene que ver con el uso de las matemáticas para encontrar patrones en los datos, incluido el que se encuentra en los sistemas biológicos y ambientales de los invernaderos. Por ejemplo:
- Con suficientes datos climáticos, los productores pueden usar la IA para determinar los puntos de ajuste óptimos y hacer predicciones climáticas.
- Con suficientes datos sobre el rendimiento de los cultivos, los productores pueden utilizar la IA para generar pronósticos de rendimiento.
- Con suficientes datos de imágenes, los productores pueden utilizar la IA para detectar plagas y enfermedades.
Algunos tipos de inteligencia artificial pueden incluso aprender de los nuevos datos y ofrecer resultados cada vez mejores a lo largo del tiempo.
Al ser capaz de proporcionar conocimientos más profundos sobre las operaciones diarias de los invernaderos, la IA se puede utilizar para respaldar la toma de decisiones de expertos y empoderar a los productores de una manera significativa. Después de todo, los mejores resultados provienen de una cuidadosa combinación de inteligencia humana e inteligencia artificial.
El enfoque basado en datos de la IA también se puede combinar con el enfoque clásico basado en reglas, lo que permite un grado mucho mayor de automatización del invernadero que nunca. En resumen, los productores pueden usar la inteligencia artificial para automatizar muchas tareas operativas rutinarias, ayudando a aliviar los problemas laborales crónicos que desafían a la industria.
Los datos son el combustible de la IA
Tanto como la IA se trata de algoritmos matemáticos, también se trata de datos. Contrariamente a la creencia popular, algunos de los algoritmos más comunes utilizados en la IA han existido durante décadas. Ni siquiera son terriblemente complicados. Pero durante mucho tiempo, la disponibilidad de datos, junto con la potencia computacional asequible necesaria para procesar los datos, han sido factores limitantes.
Se necesitó un desarrollo reciente en hardware de computadora para desbloquear el potencial de la IA. La revolución de los teléfonos inteligentes, provocada por Apple en 2007, creó ecosistemas de fabricación y cadenas de suministro completamente nuevos a escala mundial. Esto cambió la economía fundamental del hardware informático, aparentemente de la noche a la mañana. Los componentes clave de hardware, como microprocesadores, radios y sensores, se volvieron exponencialmente más baratos, más pequeños y más potentes. Los goteos de datos sin procesar se convirtieron en inundaciones. La nueva abundancia de datos y poder computacional ayudó a transformar la inteligencia artificial de una curiosidad de investigación con pocas aplicaciones comerciales en un cambio tecnológico.
Foto proporcionada y con derechos de autor de Koidra Inc.
IoT aporta abundancia de datos
A principios de la década de 1980, los estudiantes de posgrado de la Universidad Carnegie Mellon en Pittsburgh se enojaron al acercarse a una máquina expendedora de Coca-Cola solo para encontrarla vacía. Lo modificaron para que pudiera informar de su inventario a través de Internet. Al hacerlo, inventaron el primer dispositivo conectado a Internet del mundo.
Hoy en día, miles de millones de dispositivos, grandes y pequeños, desde productos electrónicos de consumo hasta máquinas industriales, se han unido a esa primera máquina de refrescos para conectarse a Internet, formando lo que se conoce como Internet de las cosas (IoT). Lo importante es que, a diferencia de las generaciones anteriores de hardware, incluidas muchas soluciones de automatización de invernaderos comunes, los dispositivos de IoT utilizan los mismos tipos de formatos de datos y protocolos de comunicación que se utilizan en otros lugares de Internet. Al confiar en los estándares globales de Internet, puede ser más fácil intercambiar datos con dispositivos IoT sin necesidad de hardware adicional para pasar de un tipo de sistema a otro.
Juntos, AI e IoT son tecnologías complementarias. El hardware de IoT ayuda a los productores a recopilar datos sin procesar de los invernaderos con mayor facilidad. Y el software de inteligencia artificial ayuda a los productores a dar sentido a esos datos y a actuar sobre ellos para mejorar la producción de cultivos.
Estudio de caso: el éxito de Kenneth Tran en el desafío del invernadero autónomo
Dr. Tran: En 2018, fui investigador de IA en Microsoft Research cerca de Seattle, trabajando en un tipo más nuevo de IA conocido como aprendizaje por refuerzo. Allí inicié un nuevo esfuerzo para aplicar nuestra investigación al dominio de la agricultura de ambiente controlado. Con el llamado proyecto Sonoma, colaboramos con científicos de plantas en el Harrow Research Centre en Ontario, Canadá, y terminamos compitiendo en el primer Autonomous Greenhouse Challenge internacional, organizado por Wageningen University & Research en los Países Bajos.
En este desafío, cada equipo cultivó pepinos en un invernadero de 315 pies cuadrados durante aproximadamente cuatro meses. Estos compartimentos estaban equipados con computadoras de proceso estándar, sensores climáticos y actuadores. Utilizando interfaces digitales de IoT (REST API), nuestros programas de IA podrían leer continuamente datos de los sensores, determinar puntos de ajuste óptimos y enviar puntos de ajuste a las computadoras de proceso, a través de Internet. Se pueden encontrar más detalles sobre el desafío y sus resultados en un artículo de Hemming y col. (2019).
A pesar de nuestra falta de experiencia en el cultivo de pepinos y nuestro prototipo en una etapa muy temprana, nuestra solución de cultivo autónomo pudo ganar la competencia. Incluso superamos al equipo del segundo lugar, el equipo de referencia compuesto por expertos productores holandeses, con un rendimiento un 6% superior. Ese margen de rendimiento fue equivalente a un aumento del 17% en la utilidad operativa.
¿El equipo de referencia se desempeñó mal? Para nada. Funcionaron notablemente bien, según muchos expertos. Su rendimiento fue de casi 50 kg / m2 en el lapso de cuatro meses, lo que equivale a casi 150 kg / m2 por año. Esto se considera de alto rendimiento para un invernadero en cualquier parte del planeta.
Como resultado del Desafío Autónomo de Invernadero, fundé koidra en 2020 para aprovechar directamente nuestros aprendizajes e impulsar aún más lo último en IA e IoT para la agricultura y otras aplicaciones de control industrial.
Hacer las preguntas correctas sobre IA e IoT
Hoy en día, más productores de invernadero están dispuestos y listos para adoptar IA e IoT. El principal desafío es dar sentido a los productos en el mercado y ser capaz de atravesar todo el discurso de marketing. Muchas empresas afirman con entusiasmo que tienen un algoritmo de inteligencia artificial o un dispositivo de IoT que funcionará para invernaderos.
Estas son algunas consideraciones clave que se deben tener en cuenta al evaluar el software de IA y el hardware de IoT:
- Actuación: Los productores deberían poder ver beneficios concretos en el mundo real. Pregunte: ¿Se ha demostrado que la IA en la producción comercial mejora el rendimiento y la eficiencia de los recursos? ¿Bajo que condiciones? ¿Cuál es el historial de la empresa en el desarrollo de software de IA e IoT?
- Diseño de IA: Las soluciones de IA más efectivas combinan lo mejor de la inteligencia humana con lo mejor de la inteligencia artificial para tomar decisiones. Pregunte: ¿Cómo aprovecha el modelo de IA el conjunto de conocimientos existentes? ¿Cómo garantiza que el rendimiento mejorará con el tiempo con más datos?
- Diseño de software: Los productores deben mantener el control de las operaciones de los invernaderos. Pregunte: ¿Qué principios de diseño de software se utilizan para garantizar la seguridad de los cultivos? ¿Puedo cambiar fácilmente entre los modos manual, recomendación y copiloto en todo momento?
- Propiedad de los datos: Los productores deben ser dueños de sus datos y evitar la “dependencia del proveedor”. Pregunte: ¿Puedo importar datos fácilmente desde otros sistemas? ¿Puedo hacer una copia de seguridad y exportar mis propios datos? ¿Existen API que permitan el acceso a datos en vivo e integraciones personalizadas? ¿Puedo utilizar software y hardware de diferentes proveedores, ahora y en el futuro?
La IA y la IoT pueden empoderar a los productores
En un mundo en el que los recursos críticos (agua y energía, así como tiempo, dinero y mano de obra calificada) son cada vez más escasos, tiene sentido explorar nuevas tecnologías para aliviar esa carga. Como aprendimos del Autonomous Greenhouse Challenge, los productores pueden lograr mayores rendimientos y mayores eficiencias en el uso de recursos con el uso de software de inteligencia artificial y hardware de IoT. Además, estas tecnologías continúan desarrollándose y avanzando a un ritmo rápido.
En última instancia, la IA y la IoT pueden realmente empoderar a los productores de invernadero, para tomar mejores decisiones, hacer más con menos, para cultivar los alimentos del mundo de manera más sostenible.
Sobre Koidra
Koidra está a la vanguardia de la innovación en tecnología climática y ofrece soluciones de automatización inteligentes que permiten que los invernaderos de alta tecnología, las instalaciones de energía de biomasa y las plantas de procesamiento de alimentos sobresalgan tanto en sostenibilidad como en eficiencia de producción. Estamos dedicados a ayudar a estas industrias a reducir su impacto ambiental mientras maximizamos la efectividad operativa.
Al integrar el aprendizaje automático avanzado, las tecnologías de IoT y los principios de las matemáticas y la física, nuestros sistemas extienden la precisión y eficiencia de las operaciones más allá de lo que es posible únicamente mediante el esfuerzo humano. La automatización inteligente de Koidra permite a las instalaciones ampliar su control, minimizar la dependencia de la experiencia manual y adoptar un enfoque escalable de responsabilidad ambiental en la automatización industrial.