Agrartechnik der Zukunft: Edge-KI im Feldeinsatz

Autorin: Monica Houston, Manager AI & ML, Tria Technologies 

Der Agrarsektor durchläuft derzeit einen tiefgreifenden technologischen Wandel, den manche als „Landwirtschaft 4.0“ bezeichnen. Diese landwirtschaftliche Revolution ist geprägt von autonomen Maschinen, die mit zahlreichen Sensoren und Prozessoren ausgestattet sind. Diese sammeln und analysieren Daten, um in Echtzeit Entscheidungen zu treffen, um so die Produktivität, Effizienz, Nachhaltigkeit und Kosteneffizienz zu verbessern.

Die Landwirtschaft wird zunehmend von KI-gestützten Edge-Computing-Systemen geprägt. Traditionelle landwirtschaftliche Geräte wie Traktoren, Mähdrescher und Bewässerungssysteme sind heute mit Sensoren und Prozessoren ausgestattet, die Daten sammeln, am Edge/Endpunkt verarbeiten und diese Entscheidungen in geeignete und zeitnahe Maßnahmen umsetzen. KI-fähige Systeme prüfen, ob Nutzpflanzen mehr Wasser benötigen, ob der Boden die richtigen Nährstoffe enthält oder ob Pflanzen oder Tiere von Schädlingen oder Krankheiten befallen sind. Diese Systeme halten Landwirte auf dem Laufenden und sind in der Lage, mit minimalem menschlichem Aufwand die richtigen Lösungen zu finden.

KI kann auch die Kosten und den Aufwand für die Wartung von Maschinen senken. Vorausschauende Wartung nutzt Techniken des maschinellen Lernens (ML), um Anomalien zu erkennen. Anhand von Vibrations- und Audiodaten, die an der Maschine erfasst werden, lassen sich Geräteausfälle vorhersagen, bevor sie auftreten. Dies senkt die Wartungskosten und minimiert Ausfallzeiten. 

Näher an der Quelle

In industriellen Systemen werden Daten von zahlreichen Sensoren gesammelt und zur Verarbeitung und Analyse an die Cloud gesendet, um Erkenntnisse zu gewinnen und längerfristige Strategien zu entwickeln. Das Prinzip ist in landwirtschaftlichen Systemen dasselbe, allerdings ist das Hochladen großer Datenmengen in die Cloud aufgrund der Abgeschiedenheit von Feldern und Betrieben unzuverlässig. Die lokale Verarbeitung durch Edge-KI löst dieses Problem. On-Chip-KI-Funktionen ermöglichen intelligente Entscheidungen mit geringer Latenz, sodass weniger große Datenmengen zur Analyse in die Cloud gesendet werden müssen. Geräte in Form von CPUs, GPUs, dedizierten ASICs und NPUs, von denen viele über integrierte KI-Funktionen verfügen, verarbeiten diese Daten lokal. Das Marktforschungsinstitut Grand View Research geht davon aus, dass der weltweite Markt für Edge-KI-Chips bis 2030 ein Volumen von 120 Mrd. US-$ erreichen wird, gegenüber 16 Mrd. im Jahr 2023, was einem durchschnittlichen Wachstum von 33,9% in diesem Zeitraum entspricht.

Edge-KI-Anwendungen basieren auf Embedded-Rechenmodulen, die mit diesen KI-fähigen Prozessoren ausgestattet sind. Tria Technologies bietet eine Reihe von Computer-on-Modules (COMs) an, die zusammen mit verschiedenen CPU-Anbietern wie AMD, Intel, NXP, Renesas und anderen entwickelt wurden. Eine interessante Kooperation besteht mit Qualcomm, über die Tria eine neue Generation von Rechenmodulen rund um die hochleistungsfähigen Prozessoren Dragonwing und Snapdragon von Qualcomm auf Basis der ARM-Architektur entwickelt hat. Die neuesten SMARC-Module von Tria eignen sich für Anwendungen, die den Anforderungen intelligenter landwirtschaftlicher Systeme gerecht werden, darunter Bildverarbeitung, Anomalieerkennung, Sensordatenerfassung und -analyse sowie Audioklassifizierung.

Embedded-Computing-Module für die Landwirtschaft

KI-fähige Embedded-Computing-Boards sind für intelligente Anwendungen in der Landwirtschaft äußerst vorteilhaft und bieten verschiedene Optionen hinsichtlich kompakter Größe, Robustheit, Flexibilität und Rechenleistung. Die kleinen Boards können in Traktoren und Maschinen eingebaut werden und dort ML- und KI-Modelle lokal ausführen. Das Angebot von Tria unterstützt mehrere Kameras und lässt sich leicht für den Einsatz in autonomen landwirtschaftlichen Robotern und Drohnen anpassen. Außerdem unterstützen sie rechenintensive KI-Anwendungen wie Large Language Models (LLMs) für Anwendungen, die natürliche Sprachverarbeitung erfordern. Damit werden Maschinen bald in der Lage sein, auf verbale Kommunikation zu reagieren.

Die Hardware auf den Embedded-Computing-Boards ist für die parallele Verarbeitung ausgelegt, um Modelle wie CNNs (Convolutional Neural Networks) zu beschleunigen. Die speziellen Prozessoren können diese Aufgaben mit hoher Geschwindigkeit und sehr geringem Stromverbrauch bewältigen, sodass sie sich über Batterien oder Solarenergie betreiben lassen. Die stromsparenden, KI-fähigen Boards von Tria werden in Anwendungen zur Anomalieerkennung eingesetzt, die eine Kombination aus Audio- und Beschleunigungsmessdaten verwenden, um Bewässerungslecks vorherzusagen.

Die Landwirtschaft testet derzeit mehrere Projekte, die sich auf maschinelles Sehen und ML stützen, um Krankheiten bei Pflanzen und Tieren zu erkennen. Ein solches Programm bestimmt anhand von Fotos der Blätter, an welcher Krankheit Pflanzen leiden. Ein CNN wird anhand eines bestehenden Datensatzes von Blattbildern trainiert, um die Krankheit zu identifizieren, was zu einer Genauigkeit von über 96% führt. Die Pflanzenkrankheit kann schnell bestimmt werden, sodass sich geeignete Maßnahmen ergreifen lassen, bevor sich die Krankheit ausbreitet.

Maschinelles Sehen kommt auch in landwirtschaftlichen Sprüh-/Bewässerungsprojekten zum Einsatz, bei denen Roboter und Drohnen Pflanzen bewässern und gezielt Herbizide versprühen. Diese Roboter arbeiten entweder autonom, indem sie sich mithilfe von Sensoren durch die Felder navigieren, oder werden manuell über Apps gesteuert. Ein Vorteil autonomer Landmaschinen besteht darin, dass fahrerlose Maschinen kleiner und leichter sind, was die Bodenverdichtung verringert und gesündere Böden mit weniger Bearbeitungsaufwand ermöglicht. Durch maschinelles Sehen können diese Systeme Unkraut genau lokalisieren, um es mit Herbiziden zu besprühen, sodass deutlich weniger Herbizide eingesetzt werden müssen. Weniger verdichtete Böden und ein geringerer Herbizideinsatz sparen Geld, sorgen für nährstoffreichere Lebensmittel und erhalten eine gesunde Umwelt.

Edge-KI von Tria

Tria bietet seinen Partnern und Kunden viele Vorteile: Das Unternehmen entwickelt seine Boards für die von seinen Partnerunternehmen spezifizierten Anwendungen, basierend auf den Fähigkeiten und Spezifikationen seiner Komponenten. Darüber hinaus stellt die Zusammenarbeit zwischen Tria und seiner Muttergesellschaft Avnet sicher, dass die Verfügbarkeit der Produkte für seine Kunden über einen Lebenszyklus von 15 Jahren Bestand hat, sodass die Artikel innerhalb dieses Zeitraums nicht veralten.

Tria entwickelt und integriert im Auftrag seiner Kunden Boards und Komponenten in kundenspezifische Systeme. Dadurch ersparen sich Kunden technische Schwierigkeiten und langwierige Entwicklungsphasen bei der Einführung neuer Produkte – insbesondere jetzt, da KI ein wichtiger Bestandteil dieser Produkte ist.

Die Auswahl eines Prozessors für KI-fähige Anwendungen kann schwierig sein. Tria bietet eine Reihe von System-on-Modules (SOMs), die auf KI-fähigen Prozessoren basieren. Hinzu kommen kompatible Baseboards, die auf gängigen Standards wie SMARC basieren, sowie Referenzdesigns mit Beispielcode für Machine-Learning-/ML-Anwendungen. Damit können Kunden ihre KI-on-the-Edge-Projekte sofort in Angriff nehmen. Auf neue Anforderungen lässt sich so schnell reagieren, ohne aufwändige, zeitraubende und teure Entwicklungsphasen durchlaufen zu müssen, was den Projekterfolg noch stärker beeinflusst.