Projektet RoboWeedsMaPs – som Datalogisk er en del af – vil skabe et system, som automatisk genkender ukrudt i marken gennem kunstig intelligens. Der skal udvikles nye veje og synergier inden for præcisionsbekæmpelse af ukrudt. Innovationsfonden har i alt investeret 19 mio. kr. i projektet.
Birger Hartmann, direktør i Datalogisk fortæller: ’Vi er spændte og stolte over at være en del af dette ’cutting edge’ projekt, som har det ambitiøse formål at opnå betydelige herbicid-besparelser til gavn for samfund, miljø og landmandens bundlinje’. Med det endelige produkt forventer vi i konsortiet, at det nuværende samlede forbrug af sprøjtemidler kan reduceres med op til 75% på bedriften’.
Billeder indsamlet direkte fra marksprøjten, med droner eller din telefon, 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.
Projektet er kommet i stand på baggrund af hidtidig forskning på Aarhus Universitet inden for optimering af ukrudtsbekæmpelse på markerne. Projektdeltagerne ser et stort potentiale i at tage denne forskning flere skridt videre gennem kunstig intelligens i form af den forholdsvise nye Deep Learning metode samt såkaldt Big Data. Det er innovation og produkter, som ikke er set tidligere.
Datalogisk vil i projektet bidrage med udvikling af nye ukrudtskort, som både vil kunne anvendes af sprøjten til stedvis ukrudtsbekæmpelse, og som udgangspunkt for kommende års bekæmpelse.
Konsortiet af partnere spænder bredt, hver med deres ekspertviden på de forskellige fagområder og delprocesser i forskningen. RoboWeedMaPs vil bestå af:
- RoboWeedCam til billedindsamling
- Billedanalysesystem baseret på kunstig intelligens
- Beslutningsalgoritme til herbicid sammensætning og dosering
- Internetbaseret IT-management system til at udarbejde et optimeret sprøjtekort
- Injektionssprøjte til udførelse af handlingen.
Delprodukterne kan anvendes både enkeltvist og integreret, og de generiske kvaliteter i alle produkter gør dem velegnet til eksport via netværk i EU, som allerede er etableret.
Kernen i projektet er at udvikle et system, som automatisk kan genkende det ukrudt og de ukrudtsarter, der detekteres i marken. Her sættes Deep Learning i spil, som betyder, at et neutralt netværk, kunstig intelligens præsenteres for og lagrer en stor mængde data hhv. Big Data. I det her tilfælde flere tusinde billeder af forskellige afgrøde- og ukrudtsbilleder. Derved trænes netværket til at forstå, hvad den skal kigge efter i data samt trænes til at genkende eller finde nye sammenhænge baseret på, hvad den har se
’Kamerasystemet (RoboWeedCam) skal kunne genkende alle typer af ukrudt på alle mulige forskellige vækststadier. Så det er ganske meget RoboWeedCam skal nå at genkende, mens landmanden kører på sin mark’, siger Birger Hartmann og fortsætter: ‘Det vi byder ind med, er en onlineløsning, hvor landmanden i én arbejdsgang kun foretager den absolut nødvendige ukrudtssprøjtning og samtidig får sine ukrudtsarter og behandlinger vist på et kort. Noget der har været visionen og ønsket gennem mange år, men ikke i praksis har kunnet lade sig gøre på grund af mangel på data’
I konsortiet kombineres ny og velkendt viden, og alle anser potentialet for en reducering af sprøjtemidler som værende enorm, en milepæl for dansk landbrug.
Projekteret er et samarbejde mellem Aarhus Universitet, AgroIntelli, IPMConsult, Datalogisk, IGis og Danfoil
Innovationsfondens investering: 19,5 millioner kr.
Samlet budget: 34,6 millioner kr.
Varighed: 4 år
Officiel titel: RoboWeedMaPS – Automated Weed detection, Mapping and Variable Precision Control of Weeds.
Om partnere:
Aarhus Universitet danner det forsknings- og udviklingsmæssige grundlag for computer vision og deep learning. Eksempelvis skal der meget lys til, når en lille ukrudtsplante skal fotograferes. Hertil kommer populationsdynamik og indpasning i landmandspraksis.
AgroIntelli udvikler og markedsmodner kameraet samt omsætter deep leaning algoritmer til realtidsløsninger.
IPMConsult står for at udvikle beslutningsalgoritmen, som sikrer, at den enkelte art ukrudtsplante får den nødvendige mængde ukrudtsmiddel. Både i forhold til hvilket udviklingsstadie den enkelte ukrudtsplante er på, og hvor stor populationen er.
Datalogisk står for tekniske løsninger til at planlægge landmandens aktiviteter på marken. Samtidig kan virksomheden levere digitaliserede kort over, hvor på marken landmanden kan forvente at støde på forskellige arter af ukrudtsplanter baseret på tidligere års kameraoptagelser.
I•GIS står for at få beregninger, kunstig intelligens og datahåndtering til at arbejde sammen i produktet.
DanFoil tilpasser og videreudvikler sine sprøjtekontrollere og sprøjteteknologi således de potentielle herbicidbesparelser ved detaljerede ukrudtskort kan realiseres ude ved landmanden.