Kunstig intelligens skal reducere brugen af ukrudtsmiddel med 75 procent

Et nyt projekt vil skabe et system, hvor kamera og sprøjte samarbejder om at genkende ukrudt i marken automatisk og medvirke til, at der kun sprøjtes, hvor det er nødvendigt.

06.01.2017 | Janne Hansen

Ved hjælp af ny teknologi kan ukrudt undgås samtidig med at brugen af herbicider reduceres markant. Foto: Janne Hansen

Kunstig intelligens gør sit indtog på danske landbrugsmarker inden for de kommende år – og det sker med hjælp fra forskere på Aarhus Universitet. De samarbejder med en række private virksomheder om at udvikle ny teknologi til præcisionsbekæmpelse af ukrudt, der kan nedsætte brugen af herbicider med op til 75 procent.  

Det sker i et nyt projekt, som Innovationsfonden har bevilget 19 mio. kr. til, og som ledes af teknologivirksomheden Datalogisk. Det overordnede formål for projektet er at opnå betydelige besparelser på ukrudtsmidler til gavn for miljøet, landbruget og samfundet. 

Systemet går i al sin enkelthed ude på, at der bagpå en ATV er monteret en sprøjte, som bærer på et kamera. Kameraet kan genkende ukrudtsplanten, når sprøjten kører hen over den, og der sprøjtes kun, når det er nødvendigt. På denne måde kan udvalgte ukrudtsarter bekæmpes meget målrettet.  

Projektet RoboWeedMaPS hviler på hidtidige forskning fra Aarhus Universitet inden for optimering af ukrudtsbekæmpelse. Projektdeltagerne ser et stort potentiale i at tage forskningen flere skridt videre gennem såkaldte computer-vision, kunstig intelligens og big data.  

Delprodukter arbejder sammen

I projektet udvikles flere delprodukter, som kan anvendes både enkeltvist og integreret. Samlet set vil projektet bestå af: 

  • Kamerasystem til billedindsamling
  • Billedanalysesystem baseret på kunstig intelligens
  • Beslutningsalgoritmer til beregning af dosering
  • Styringssystem til dokumentation og overblik
  • Injektionssprøjte til udførelse af behandlingen

Tilsammen vil kamera og de øvrige produkter udgøre et samlet, let håndterbart og enkelt produkt til landmanden, som vil have stor effekt på driften og økonomien. De generiske kvaliteter i alle produkter gør dem velegnede til eksport via allerede etablerede netværk i Europa. 

Stor hukommelse om ukrudt

Produktet vil bestå af både en software- og hardwaredel. Kernen i softwaredelen er at udvikle et system, som automatisk kan genkende det ukrudt og de ukrudtsarter, der detekteres i marken. Her sættes såkaldt deep learning i spil. Det betyder, at et neuralt netværk (kunstig intelligens) præsenteres for og lagrer en stor mængde data (big data). Derved trænes netværket til at forstå, hvad den skal kigge efter i data, og til at genkende eller finde nye sammenhænge baseret på, hvad den har set. 

I dette tilfælde drejer det sig om flere tusinde billeder af forskellige ukrudtsplanter. Kamerasystemet skal kunne genkende alle typer af ukrudt på alle mulige forskellige vækststadier. Billederne, der kan indsamles direkte fra marksprøjten, med drone eller mobiltelefon, kan automatisk omsættes til ukrudtskort og målrettede sprøjtekort tilpasset landmandens eksisterende teknologi. Derved holdes landmandens umiddelbare investeringsbehov på et minimum i forhold til at komme i gang herbicidbesparelserne. 


Yderligere oplysninger 

Fakta om RoboWeedMaPS - Automated Weed detection, Mapping and Variable Precision Control of Weeds: 

  • Projekteret er et samarbejde mellem Aarhus Universitet (Institut for Ingeniørvidenskab, Institut for Agroøkologi og Institut for Miljøvidenskab) samt virksomhederne AgroIntelli, IPMConsult, Datalogisk, IGis og Danfoil 
  • Det samlede budget er 34,6 mio. kr. 
  • Innovationsfonden har bevilget 19,5 mio. kr. 
  • Projektet varer fire år. 

Kontakt: Seniorforsker Solvejg Mathiassen, Institut for Agroøkologi, telefon: 8715 8197, email: sma@agro.au.dk


Sustainable Pest Management – eller bæredygtig plantebeskyttelse - er et af de forskningsområder, hvor Institut for Agroøkologi har en særlig styrke, og hvorfra der leveres resultater i tråd med nationale og globale samfundsmæssige udfordringer og målsætninger.

               

 

 

Agro, DCA, Plantedyrkning