Azure IoT Edge pokreće platformu za monitoring poljoprivrede i mašinsko obučavanje kompanije Microsoft Research, pod nazivom FarmBeats
Ljudi često razmišljaju o internetu stvari u industrijskom ili komercijalnom okruženju, sa senzorima i podacima za dobro definisan proces ili aktivnost. Ali, postoji jedan bitan deo našeg društva koji može da ima neizmerne koristiti od IoT tehnologija, onih koje se zapostavljaju, jer se tradicionalno ne posmatra kao tehnološka aktivnost: poljoprivreda i, konkretnije, zemljoradnja.
VI za zemlju
Microsoftova inicijativa VI za zemlju (AI for Earth) podržava široku lepezu akademskih projekata i projekata nevladinih organizacija pomoću Azure resursa i pristupa njegovim API-jima za kognitivne usluge. Šestomesečni program već pokazuje zanimljive rezultate, koristeći mašinsko obučavanje za identifikaciju područja pogođenih prirodnim katastrofama sa satelitskim snimcima i korištenjem teorije igara za predviđanje gde da se nađu lovokradice i spreči ih se da ubijaju ugrožene životinje.
Microsoft je takođe radio sa trustom Snow Leopard kako bi poboljšao svoje usluge prepoznavanja slika, obučavajući svoje neuronske mreže na slikama i tokovima podataka veoma kamufliranih velikih mačaka, pomažući u pružanju sveobuhvatnog istraživanja ugroženih životinja. Istraživanje je dovelo do novog razmišljanja o tome kako obrađivati slike i kako raditi sa istorijskim podacima.
FarmBeats: IoT i mašinsko obučavanje za poljoprivredu
Te iste tehnike i alati za mašinsko obučavanje kombinuju se sa IoT hardverom i istraživačkim bežičnim mrežama kako bi se obezbedile precizne metrike i informacije u realnom vremenu za poljoprivrednike širom sveta, u okviru projekta FarmBeats kompanije Microsoft Research. Zasnovana je na mnogim ključnim tehnologijama Azure IoT o kojima pišem, zajedno sa novim partnerstvima kao što je podrška DJI-jevim dronovima u Azureovim SDK-ima za IoT.
Mene lično interesuju tehnologije koje podržavaju zemljoradnju. Članovi moje porodice bili su poljoprivrednici u Severnoj Irskoj, a na početku moje inženjerske karijere radio sam na projektu projektovanja senzorskih tehnologija koje se koriste u upravljanju silosima za skladištenje žita. Dakle, FarmBeats je brzo privukao moju pažnju, sa njegovim ciljem doprinosa malim i srednjim poljoprivrednim gazdinstvima, kao i podrške industrijskoj poljoprivredi velikih razmera.
Problemi sa kojima se suočavaju poljoprivrednici svih vrsta su složeni i često specifični za njihovu zemlju. Ono što je važno za vinograd u Severnoj Kaliforniji razlikuje se od farme za žito u Nebraski ili farme ovaca u jezerskom okrugu u Engleskoj ili od plantaže kafe u Keniji. Svaka od njih ima različite uticaje zemljišta, topografije i klime – i to pre nego što počnete da razmišljate o različitim metodologijama poljoprivrede ili različitim vrstama poljoprivrednih proizvoda koje prave.
Poljoprivreda upravljana podacima
Veliki deo poljoprivrednih istraživanja fokusirano je na duboko upravljanje farmama, pružajući velike količine podataka u realnom vremenu koje je teško obrađivati i koristiti. Istraživanja su takođe često nepovezana, sa informacijama koje se često prikazuju na mestu prikupljanja, gde ih je teško pregledati i koristiti kao deo celokupne strategije upravljanja, ili kao doprinos mašinskom obučavanju savetodavnih servisa.
Glavni istraživač FarmBeats-a Ranveer Chandra pristupio je upravljanju farmama počevši od zamisli o „poljoprivredi upravljanoj podacima sa kraja na kraj“. To je koncept u kojem poljoprivrednici dobijaju karte koje im omogućavaju da precizno isporučuju vodu i hranljive materije kako bi dobili optimalni prinos, bez preopterećivanja zemljišta.
Jedan od problema sa kojim se suočava svako ko pokušava da isporuči IoT na farme je propusni opseg. Farme su velike, a čak i najmanja može da preoptereti i najmoćniju Wi-Fi mrežnu opremu. Iako je FarmBeats eksperimentisao sa bežičnim mrežama LoRa, trenutno koristi tehnologiju belih prostora, koristeći napuštene opsege za prenos TV programa. Ona podnosi značajne količine podataka preko dugih dometa, čak i u izazovnim bežičnim okruženjima poput voćnjaka i brdovitih područja. Sa 180MHz raspoloživog spektra u kontinentalnoj SAD, u većini farmi postoji kapacitet za 500Mbps, više nego dovoljno za obradu mnogih izvora podataka koje koristi FarmBeats. Chandra sugeriše da će većina farmi generisati oko 5Gb podataka dnevno, što bi dovelo do zasićenja tradicionalnih modela povezivanja.
Mada se povezivanje na farmi može rešiti novim bežičnim rešenjima, stvari su složenije kada povezujete farmu sa oblakom, čak i u razvijenim ekonomijama gde seoska širokopojasna mreža znatno zaostaje za urbanim kapacitetima. Prosečna američka farma ima manje od 3Mbps širokopojasne veze, pa će neki oblik lokalne obrade biti od suštinskog značaja za obradu radnog opterećenja za upravljanje podacima senzora u lokalu, bespilotnih letelica i statičkih balona. Obrada vazdušnih slika je ključna za većinu operacija FarmBeatsa, jer multispektralne slike mogu da pruže dosta informacija o razvoju i pokrivenosti biljaka, kao i da pomognu u uočavanju koncentracije odlutalih stada.
Projektovanje inteligentnog ruba
FarmBeats koristi nekoliko Azure tehnologija, kako bi se smanjili zahtevi sistema za propusnim opsegom i radilo u ograničenim mrežnim mogućnostima farme. Pokretanjem IoT Edge-a na lokalnom računaru, većina Azure-ovih IoT funkcionalnosti može se spustiti sa oblaka na farmu. Izlazni IoT mrežni prolaz obrađuje interfejse senzora, koristeći MQTT za isporučivanje poruka sa niskopropusnih, relativno jednostavnih uređaja, FTP za prihvat slika iz bespilotnih letelica i jedan video procesor za slike kamera uživo. Lokalna obrada tada radi sa podacima iz različitih izvora kako bi generisala mape i druge video i slikovne podatke.
Pošto je Azure IoT Edge kontejner koji enkapsulira elemente Azure funkcionalnosti, on takođe može da ugosti modele za mašinsko obučavanje koji su obučeni u servisu Azure ML u oblaku. Veb server na mrežnom prolazu FarmBeats prikazuje rezultate iz različitih servisa, ukazujući na to kada i gde isporučiti đubrivo, ili detaljnije planove navodnjavanja u narednih nekoliko dana na osnovu vremenskih podataka i očitavanja vlage u tlu. Takođe je u mogućnosti da radi sa novim API-jima Azure IoT-a za dronove za planiranje putanja leta i preuzimanje slika iz dronova u letu.
Kompletan sistem nije potpuno izolovan, iako se lako može pokrenuti oflajn. Neki elementi, kao što su planovi letenja dronova i konfiguracije uređaja, mogu se sinhronizovati sa Azure i upravljati preko IoT Hub-a. Chandra napominje da „postoje jedinstveni podaci na ivici koji se nikada ne isporučuju u oblak; okrenuli smo arhitekturu oblaka.“.
Kontejnerizovanje digitalne farme
Ono što je fascinantno za FarmBeats je to koliko kompleksnu IoT infrastrukturu on implementira i koliko malo košta njegovo korišćenje. Bele radio površine su dobro poznata tehnologija koja se lako implementira sa softverski definisanim radijom, dok se hardver za mrežni prolaz može zasnivati na standardnom računaru Windows 10 sa jednostavnim kontejnerima koji se lako postavljaju za različite komponente i servise IoT Edge. Upotreba kontejnera takođe olakšava postavljanje prilagođenog softvera na svaku farmu, sa različitim modulima koji mogu da se mešaju po potrebi.
Mada je FarmBeats još uvek istraživački projekat, on uspeva da pokaže koliko IoT tehnologije mogu biti vredne za široku lepezu industrija i servisa, daleko više od lakih unapređenja automatizacije. Postoji tradicija poljoprivrede kao zanata, a nova generacija hakerskih farmera gradi i instalira svoje sopstvene IoT sisteme. Ali oni to rade sami.
FarmBeats ima za cilj da obezbedi digitalnu transformaciju cele grane, širom planete.
Izvor: InfoWorld