2021年にAIが農業を改善する可能性のある10の方法

PwCは、モノのインターネット（IoTAg）ベースの農業モニタリングがコネクテッドスマート農業の分野で最も急速に成長している技術分野となっており、市場総額は2025年までに45億米ドルに成長すると予想されていると指摘した。

• BI Intelligence Researchが発表した予測レポートによると、コネクテッドスマート農業技術とシステム（人工知能と機械学習を含む）への世界的な支出は、2025年までに3倍の153億ドルに達すると予想されています。
• Markets&Marketsが発表したデータによると、農業分野におけるAI技術とソリューションへの支出は、2020年の10億米ドルから2026年には40億米ドルに増加し、年平均成長率（CAGR）は25.5％になると予想されています。
• PwCは、モノのインターネット（IoTAg）ベースの農業モニタリングがコネクテッドスマート農業の分野で最も急速に成長している技術分野となっており、市場総額は2025年までに45億米ドルに成長すると予想されていると指摘した。

AI、機械学習 (ML)、IoT センサーは、豊富なリアルタイム データを備えたアルゴリズムを提供して、農業生産の効率を向上させ、作物の収穫量を増やし、食料生産コストを削減できます。国連の人口と飢餓に関する予測データによると、2050年までに世界の人口はさらに20億人増加し、十分な食糧を供給するためには農業生産性を60％増加させる必要があるという。米国農務省経済調査局が発表したデータによると、米国だけでも栽培、加工、食品流通の市場価値は合計1兆7000億ドルに上る。 2050 年までに、人工知能と機械学習は、新たに 20 億人増えることで予想される食糧需要への対応に役立つ新たな中核技術になる可能性があります。

農業: 人工知能と機械学習の最も有望な応用シナリオの1つ

数百エーカーを基準に計画されることが多いこれらの大規模な農地には、同時に追跡、強調表示、監視する必要がある基本的なプロセスが少なくとも 40 個あることを考慮してください。天候の変化、季節による日光の違いの詳細な分析、鳥や昆虫の移動パターンの理解、特別な肥料の使用の必要性の理解、作物に適した農薬の選択、植え付けサイクルや灌漑サイクルの監視などはすべて、機械学習によって解決されることが期待される主要な問題であり、実用上大きな意義があります。今日、農作物の生産は優れたデータ収集および分析能力にますます依存するようになっています。そのため、農家、協同組合、農業開発会社はデータ中心のアプローチを採用し、農業の収穫量と作物の品質を向上させるために AI と機械学習をますます取り入れています。 2021 年に向けて、農業が前進すると予想される 10 の方法は次のとおりです。

1. AI と機械学習ベースの監視システムを使用して、各農作物畑のリアルタイムのビデオフィードを追跡し、動物や人間の異常を特定して即座に警告を発します。

AI と機械学習により、家畜や野生動物が誤って作物を破壊したり、遠隔地の農場に侵入したりする可能性を減らすことができます。ビデオ分析の分野では AI と機械学習アルゴリズムが急速に発展しており、農業生産に関わるすべての人がそれを利用して畑や農業施設を守ることができます。 AI と機械学習のビデオ監視システムは、大規模な農業事業に合わせて簡単に拡張でき、農場全体をカバーできます。時間の経過とともに、機械学習ベースの監視システムは、人や車両を認識するようにプログラムまたはトレーニングできるようになります。 AI および機械学習監視システムのリーダーとして、Twenty20 Solutions は、これらのテクノロジーが機械学習を通じて遠隔施設を効果的に保護し、農作物の生産を最適化し、畑への予期せぬ侵入者を特定できることを証明しました。次の図は、Twnty20 ソリューションのリアルタイム監視の例を示しています。

図: AI と機械学習アルゴリズムを利用して人や車両を識別することで、世界中の農業企業は遠隔操作プロセスを簡素化できます。

2. AI と機械学習 – リアルタイムのドローンセンサーデータと視覚分析データを通じて作物の収穫量予測を改善します。

スマートセンサーからのリアルタイムのビデオストリームとドローンでキャプチャされたデータにより、農業専門家はこれまでアクセスできなかったまったく新しいデータセットにアクセスできるようになります。現在、研究者は水、肥料、天然の栄養レベルなどのセンサーデータを組み合わせて、各作物が時間の経過とともにどのように成長するかを分析できます。機械学習は、大規模なデータセットを統合し、制約に基づく推奨事項を抽出して作物の収穫量を最適化する役割を担っています。次の図は、AI、機械学習、フィールド センサー、赤外線画像、リアルタイム ビデオ分析を組み合わせて、農家が作物の健全性と収穫量を改善するための新たな洞察を得られるシナリオの例を示しています。

図: ドローンは、特定の肥料、灌漑パターン、農薬処理が実際の作物の収穫量に与える影響に関するデータを収集するための非常に信頼性の高いプラットフォームであることが証明されています。

3. 収穫量マッピングは、教師あり機械学習アルゴリズムを使用して大規模なデータセット内のパターンを見つけ、さまざまなパターン間の直交性をリアルタイムで理解し、作物の生産計画に計り知れない価値をもたらす農業技術です。

今日では、植え付けサイクルが始まる前に、特定の畑の潜在的な収穫量を大まかに判断することができます。機械学習技術と 3D マッピング、センサー データ、ドローンによるフィールド カラー データを組み合わせることで、農業専門家は潜在的な土壌条件下での特定の作物の収穫量を迅速に予測できます。ドローンで撮影されたこれらのデータセットは正確で信頼性があります。次の図は、収量マッピング分析の結果を示しています。

図: 教師ありおよび教師なしの機械学習アルゴリズムは、農業専門家が畑の収穫量を最大化する方法を決定するのに役立ちます。

4. 国連、国際機関、大規模農業プロジェクトでは、ドローンのデータと現場センサーを組み合わせて害虫管理能力を向上させています。

ドローンの熱画像データと植物の相対的な健康状態を監視できるセンサーを組み合わせることで、農業管理チームは AI を使用して害虫の発生を事前に予測し、特定することができます。現在、国連はPwCと協力して、次の図に示すように、アジア全域のヤシ農園における潜在的な害虫の蔓延を評価しています。

画像: 国連は、フィールドセンサーとドローンデータを組み合わせて機械学習アルゴリズムを微調整し、農家が農園からより多くの収穫を得られるよう支援しています。

5. 現在、農業従事者の深刻な不足により、AI と機械学習に基づくスマートトラクター、農業ロボット、その他のスマート機械が、遠隔地での農業栽培に最適なソリューションとなっています。

現在、大手農業企業は十分な従業員を確保できず、数百エーカーの土地から作物を収穫するためにロボット技術に頼るしかなく、これは遠隔地の治安状況にもプラスの影響を与えています。自律型ロボット装置をプログラムすることで、作物に肥料を散布することができ、運用コストを削減し、畑の収穫量をさらに増やすことができます。農業ロボットの複雑さは急速に増しています。下の図は、動作中のVineScoutロボットのダッシュボード情報を示しています。

図: 農業ロボットは、AI や機械学習アルゴリズムを微調整して作物の収穫量をさらに向上させるために使用できる貴重なデータを迅速に取得できることが実証されています。

6. 新興技術は、従来の障壁のいくつかを取り除くことで、より新鮮で安全な農作物を市場に提供するとともに、農業サプライチェーンの追跡可能性を大幅に向上させる可能性を秘めています。

2020年に発生した新型コロナウイルス感染症の流行により、農業サプライチェーンにおける追跡・トレーサビリティ機能の導入が加速しており、この傾向は2021年も安定的に続くと予想されます。この適切に管理された追跡システムにより、サプライ チェーンの可視性と全体的な制御が向上し、在庫を効果的に削減できます。最新の追跡システムでは、入荷した商品のバッチやプロジェクトを区別し、コンテナ レベルで詳細な記録を取得することもできます。さらに、製造プロセス全体にわたって RFID および IoT センサーが急速に普及したことにより、ほとんどの高度な追跡システムは現在、商品の各バッチに関するより多くのステータス情報を取得するために高度なセンサーに依存しています。ウォルマートは、RFIDを使用して配送センターでの商品追跡を簡素化し、手作業に比べて効率を16倍に高める方法を研究するパイロットプロジェクトを推進している。

7. AI と機械学習を使用して、生分解性農薬の正しい配合を最適化し、必要な場合にのみ使用することで、運用コストを削減し、畑の単位当たりの収穫量を増加させます。

スマートセンサーとドローンの視覚データストリームを組み合わせることで、農業 AI アプリケーションは栽培エリア内で害虫や病気の影響を最も受けているエリアを検出できるようになりました。これを基に、教師あり機械学習アルゴリズムを使用することで、農業専門家は害虫の脅威を効果的に制御し、害虫がさらに広がって他の健康な作物に感染するのを防ぐための最適な農薬の組み合わせを決定できます。

8. 作物の収穫率に基づいて総生産量を決定し、合理的かつ効果的な作物価格戦略を策定します。

作物の収穫量と品質レベルを正確に理解することは、農業企業、協同組合、農家がより適切な価格戦略を策定するのに役立ちます。特定の作物に対する市場全体の需要は基本的に一定であることを考慮すると、当事者は作物の収穫量に応じて、固定販売価格、均一販売価格、さらには柔軟な販売価格などの戦略を選択できます。これらのデータだけでも、毎年農業事業における数百万ドルの損失を削減できる可能性があります。

9. AI は、農家が灌漑システムの漏れを発見し、システムのパフォーマンスを最適化し、灌漑頻度を調整して作物の収穫量を増やす方法を測定するのに役立ちます。

北米の多くの地域では、水は最も不足している資源の一つであり、農業で生計を立てているコミュニティ全体の生活の方向性を直接決定づけるものでもあります。水資源を効率的に利用することで、農場を赤字から黒字に転換したり、さらには復活させたりできる可能性があります。線形計画法を使用すると、特定の畑や作物が望ましい収穫量を達成するために必要な最適な水の量を素早く計算できます。教師あり機械学習アルゴリズムにより、畑や作物に十分な水が供給され、収穫量が最適化されますが、貴重な資源を過度に浪費することはありません。

10. 家畜の健康状態（体重、毎日の活動レベル、食物摂取量など）の監視と維持は、AI と機械学習の新たな応用分野となっています。

家畜の長期にわたる適切な管理を確実に行うためには、それぞれの種が現在の食生活や飼育環境に実際にどのように反応するかを常に把握しておく必要があります。 AIと機械学習技術を活用することで、農業専門家は牛の気分を左右する要因を理解し、適切な調整を行うことで牛乳の生産量を増やすことができます。牛やその他の家畜を主力とする畜産業では、新興技術の導入により、牧場が新たな利益率を獲得するための前例のない新しい方向性がもたらされました。