Žemės ūkis ilgą laiką buvo tas sektorius, kuris technologijų bangas pasitikdavo su nemažu atsargumu. Traktoriai su GPS navigacija jau seniai nieko nestebina, tačiau paskutinius kelis metus laukuose pradėjo dirbti kur kas įdomesni įrenginiai – autonominiai robotai, kurie patys renkasi kelią tarp eilučių, atpažįsta piktžoles nuo naudingų augalų ir net nuskina uogas nesutraiškydami jų. Tai nebe fantastika ir nebe brangus eksperimentas kelioms didelėms korporacijoms – tokios sistemos jau pasiekiamos ir vidutinio dydžio ūkiams, o kaina, palyginti su prieš dešimtmetį buvusiomis technologijomis, krenta gana sparčiai.
Kodėl žemės ūkis staiga tapo IT sritimi
Jei pažiūrėtume į modernų traktorių ar lauko robotą iš arčiau, pamatytume, kad tai iš esmės kompiuteris ant ratų arba vikšrų. Jame yra procesoriai, sensoriai, kameros, ryšio moduliai ir programinė įranga, kuri visą tą duomenų srautą apdoroja realiu laiku. Žemės ūkis tapo duomenų generavimo pramone – dirvožemio drėgmė, temperatūra, augalų augimo tempas, kenkėjų aktyvumas – visa tai virsta skaitmeniniais rodikliais, kuriuos galima analizuoti ir pagal kuriuos galima priimti sprendimus.
Svarbiausia čia yra ne pati robotika, o tai, kas ją valdo – dirbtinio intelekto algoritmai, kompiuterinė rega ir debesijos infrastruktūra, kuri leidžia duomenims keliauti iš lauko tiesiai į analitinę platformą. Robotas laukuose yra tik galinis įrenginys didesnėje sistemoje, panašiai kaip išmanusis telefonas yra tik prieigos taškas prie debesijos paslaugų.
Kompiuterinė rega – akys, kurios niekada nepavargsta
Vienas įdomiausių technologinių iššūkių žemės ūkio robotikoje – kaip išmokyti mašiną atskirti pomidorą nuo lapo, piktžolę nuo salotos daigo, ar nustatyti, kada uoga jau prinokusi, o kada dar reikia palaukti. Tam naudojami giluminio mokymosi modeliai, treniruoti ant tūkstančių ar net milijonų nuotraukų. Kuo daugiau duomenų, tuo tikslesnis atpažinimas – tai klasikinis mašininio mokymosi principas, kuris veikia lygiai taip pat, kaip ir atpažįstant veidus nuotraukose ar objektus autonominiuose automobiliuose.
Skirtumas tas, kad gamtoje sąlygos kinta nuolat – šviesa, šešėliai, lietus, vėjo judinami augalai. Algoritmas, kuris idealiai veikia laboratorijoje, laukuose gali „susipainioti“. Todėl daug dėmesio skiriama ne tik modelio tikslumui, bet ir jo atsparumui – gebėjimui veikti skirtingu paros metu, skirtingu sezonu, skirtingoje dirvoje. Tai kur kas sudėtingesnė inžinerinė užduotis nei atrodo iš pirmo žvilgsnio.
Autonominis judėjimas laukuose skiriasi nuo miesto
Autonominiai automobiliai mieste orientuojasi pagal kelio ženklus, žymėjimą, kitas transporto priemones. Lauko robotas tokių aiškių orientacinių taškų neturi – čia nėra baltų linijų ant asfalto, o dirvos reljefas gali kisti kiekvieną dieną po lietaus ar purenimo. Todėl navigacijai naudojama derinys iš GPS, inercinių sensorių, LiDAR technologijos ir kompiuterinės regos, kuri atpažįsta augalų eiles kaip natūralius orientyrus.
Interesingas dalykas – kai kurie robotai naudoja RTK (Real-Time Kinematic) GPS korekciją, kuri leidžia pasiekti kelių centimetrų tikslumą. Tai reiškia, kad robotas gali važiuoti tarp augalų eilių nepažeisdamas jų, net kai eilės yra siauros ir tankiai sodintos. Be tokio tikslumo apie autonominį darbą tiesiog nebūtų galima kalbėti – vienas neteisingas manevras, ir visas derliaus ruožas gali būti sunaikintas.
Duomenys kaip naujas trąšas – analitika ir sprendimų priėmimas
Robotas, kuris tik dirba lauke, bet nesiunčia informacijos atgal ūkininkui, praranda dalį savo vertės. Šiuolaikinės sistemos veikia kaip platformos – jos renka duomenis apie kiekvieną augalą, kiekvieną dirvos gabalą, ir tuos duomenis vizualizuoja prietaisų skydeliuose (dashboard), panašiuose į tuos, kuriuos naudoja IT specialistai serverių monitoringui.
Ūkininkas gali pamatyti, kuriame lauko sektoriuje yra kenkėjų problema, kur trūksta drėgmės, kur augalai auga lėčiau nei vidutiniškai. Tai leidžia priimti sprendimus ne pagal intuiciją ar bendrą įspūdį apie visą lauką, o pagal konkrečius, kvadratiniu metru išmatuotus rodiklius. Tokia tikslioji žemdirbystė (precision agriculture) sumažina išteklių – vandens, trąšų, pesticidų – sąnaudas, nes jie panaudojami tiksliai tose vietose, kur jų reikia, o ne visame lauke vienodai.
Tinklo infrastruktūra laukuose – nepatogus, bet svarbus klausimas
Vienas dalykas, kurį žmonės retai įsivaizduoja kalbant apie žemės ūkio robotus – kaip jie iš viso siunčia duomenis, jei laukas yra už dešimčių kilometrų nuo artimiausio miesto ir mobiliojo ryšio signalas ten prastas ar visai nesiekia. Tai realus techninis iššūkis, su kuriuo susiduria diegimo inžinieriai.
Sprendimai skiriasi – kai kuriuose regionuose naudojamas LoRaWAN tinklas, skirtas mažo duomenų kiekio, ilgo nuotolio perdavimui, kitur statomos vietinės baziniai stotys arba naudojama palydovinė komunikacija. Robotas gali ir veikti autonomiškai be nuolatinio ryšio, kaupdamas duomenis lokaliai ir sinchronizuodamas juos, kai patenka į zoną su geresniu signalu – panašiai kaip veikia offline režimas mobiliose programose. Tai svarbus architektūrinis sprendimas, kuris turi būti numatytas jau projektavimo stadijoje, ne pridėtas vėliau kaip pataisymas.
Kas nutinka, kai robotas sugenda vidury lauko
Programinė įranga gali būti puiki, tačiau lauke robotas susiduria su dulkėmis, drėgme, temperatūros svyravimais ir mechaniniu dėvėjimusi, kurio biure sėdintis programuotojas dažnai net neįsivaizduoja. Todėl geros sistemos turi diagnostikos modulius, kurie iš anksto įspėja apie galimą gedimą – panašiai kaip prognozuojama techninė priežiūra (predictive maintenance) pramoniniuose įrenginiuose.
Sensorių duomenys apie variklio temperatūrą, baterijos ciklus, judesio mechanizmų vibraciją leidžia numatyti, kad detalė artėja prie ribos, dar prieš jai visiškai sugendant. Tai leidžia planuoti priežiūrą, o ne tiesiog reaguoti į avarines situacijas, kai robotas sustoja vidury lauko darbo sezono metu – tokiu momentu, kai kiekviena diena kainuoja pinigus.
Praktiniai patarimai tiems, kurie svarsto įsigyti tokią sistemą
Jei jau žiūrite į konkrečius sprendimus, verta apsvarstyti kelis dalykus, kurie iš toliau atrodo antraeiliai, tačiau realiame naudojime tampa lemiami.
- Patikrinkite integracijos galimybes. Robotas turėtų sugebėti dalintis duomenimis su jau naudojama ūkio valdymo programine įranga per API, o ne likti izoliuota sistema, kurios duomenis tenka rankiniu būdu perkelti kitur.
- Klauskite apie atnaujinimų dažnumą. Kompiuterinės regos modeliai tobulėja nuolat – įranga, kuri gauna reguliarius programinius atnaujinimus be papildomo aparatūros keitimo, ilgainiui bus vertingesnė investicija.
- Įvertinkite ryšio infrastruktūrą savo regione. Prieš pirkdami sistemą, kuri priklauso nuo nuolatinio interneto ryšio, patikrinkite, ar jūsų laukuose realiai yra stabilus signalas, ar reikės papildomos investicijos į LoRaWAN tinklą ar palydovinį ryšį.
- Neignoruokite kibernetinio saugumo. Kiekvienas prie tinklo prijungtas įrenginys yra potenciali atakos vieta. Pasidomėkite, kaip gamintojas apsaugo duomenų perdavimą ir ar numatytas šifravimas.
- Pradėkite nuo mažo mastelio. Prieš perkant robotų flotilę, verta išbandyti vieną įrenginį viename lauko sektoriuje bent vieną pilną sezoną – realios sąlygos parodo daug daugiau nei gamintojo demonstracija.
Vietoj apibendrinimo: kur šis laukas dirvą įdirbs toliau
Robotika žemės ūkyje šiuo metu yra ties tuo pačiu tašku, kur prieš dešimtmetį buvo debesijos technologijos versle – dar ne visi tiki, dar daug abejonių dėl kainos ir patikimumo, bet kryptis jau aiški. Kitais metais laukiama, kad daugiau dėmesio bus skiriama ne pačiam roboto mechanizmui, o programinei ekosistemai aplink jį – atviro kodo platformoms, kurios leis skirtingų gamintojų įrenginiams „kalbėti“ tarpusavyje, panašiai kaip šiandien skirtingi išmanieji namų įrenginiai jungiasi per bendrus standartus.
Tiems, kas dirba IT srityje ir svarsto, kur toliau plėtoti karjerą ar projektus, žemės ūkio technologijos – dar palyginti neišbaigtas laukas, kuriame trūksta gerų sprendimų kompiuterinės regos optimizavimui prastose ryšio sąlygose, energijos vartojimo efektyvumui autonominiuose įrenginiuose ir duomenų saugumui decentralizuotose sistemose. Kitaip sakant, čia yra realių, neišspręstų inžinerinių problemų – o tai visada geras signalas, kad kryptis dar turi kur augti.
