Presentándose en el escenario de hoy en el TC de 2018 Interrumpe el campo de batalla de Berlín, está la empresa india de tecnología Indago AI, que está aplicando AI para ayudar a alimentar a la creciente población del mundo al aumentar el rendimiento de los cultivos y reducir el desperdicio de alimentos. Como las misiones de inicio van, es una ambiciosa impresionante.
El equipo, que tiene su base en Gurgaon, cerca de Nueva Delhi, está utilizando tecnología de visión por computadora y de aprendizaje automático para automatizar por completo la laboriosa tarea de medir el rendimiento y la calidad de los cultivos, acelerando lo que puede ser un proceso muy manual y lento para cuantificar la planta. rasgos, que a menudo involucran herramientas como calibradores y balanzas, con el objetivo de desarrollar variedades de cultivos de mayor rendimiento y más resistentes a las enfermedades.
Actualmente dicen que las empresas de semillas pueden tardar entre seis y ocho años en desarrollar una nueva variedad de semillas. Así que cualquier cosa que aumente la eficiencia puede ser una gran ayuda.
Y afirman que su tecnología puede reducir el tiempo que lleva medir los rasgos de los cultivos hasta en un 75 por ciento.
En el caso de un piloto, dicen que un cliente había estado tomando dos días para medir manualmente las calidades de sus cultivos usando métodos tradicionales como escalas. “Ahora, utilizando este sistema de inteligencia artificial basado en imágenes, pueden hacerlo en solo 30 o 40 minutos”, dice el cofundador Abhishek Goyal.
Usando una tecnología de procesamiento de imágenes basada en la IA, también pueden capturar de manera crucial más puntos de datos que los que el ojo humano puede (o puede fácilmente), porque sus algoritmos pueden medir y evaluar diferencias fenotípicas de grano más fino de las que una persona puede detectar o ser fácilmente capaz Para cuantificar solo juzgando a ojo solo.
“Algunos de los rasgos fenotípicos que no se pueden identificar manualmente”, dice la cofundadora Shweta Gupta. “Tal vez muy tedioso o por cualesquiera de estas razones laboriosas. Así que ahora con esta AI habilitada [process] Ahora somos capaces de capturar más rasgos fenotípicos.
“Así que más cobertura de rasgos fenotípicos … y con esta cobertura más tenemos más posibilidades de seleccionar el siguiente ciclo de esta semilla. Así que esto mejora aún más la calidad de la semilla a largo plazo “.
La frase verbal que utilizan para describir lo que ofrece su tecnología es: “Fenotipado de precisión de alto rendimiento”.
O, dicho de otra manera, están utilizando la inteligencia artificial para extraer datos de los parámetros de calidad de los cultivos.
“Estos parámetros de calidad son muy críticos para estas compañías de semillas”, dice Gupta. “El fitomejoramiento es un proceso muy costoso y muy complejo … en términos de recursos humanos y tiempo que necesitan implementar estas compañías de semillas.
“La investigación [on the kind of rice you are eating now] Se ha realizado en los últimos siete u ocho años. Es un ciclo completo … cadena de desarrollo continuo para finalmente crear una variedad que sea apropiada para lanzar en el mercado “.
Pero hay más. La visión general no es solo que AI ayudará a las compañías de semillas a tomar decisiones clave para seleccionar semillas de mayor calidad que puedan ofrecer cultivos de mayor rendimiento, al mismo tiempo que aceleran ese proceso (lento). En última instancia, su esperanza es que los datos generados por la aplicación de la inteligencia artificial para automatizar las mediciones fenotípicas de los cultivos también puedan proporcionar información predictiva altamente valiosa.
Aquí, si pueden establecer una correlación entre las mediciones fenotípicas etiquetadas geográficamente y los datos genotípicos de las plantas (datos que los gigantes de semillas a los que apuntan ya tendrían), el método de captura de datos habilitado para AI también podría guiar a los agricultores hacia la mejor variedad de cultivos para usar en una ubicación y condición climática particular, puramente basado en información triangular y desbloqueada de los datos que están capturando.
Un enfoque actual en la agricultura para seleccionar el mejor cultivo para una ubicación / entorno particular puede involucrar el uso de ingeniería genética. Aunque la tecnología ha atraído una gran controversia cuando se aplica a los productos alimenticios.
Imago AI espera obtener un resultado similar a través de una ruta tecnológica completamente diferente, basada en la selección de datos y semillas. Y, bueno, el ojo uniforme de AI informa las decisiones clave de la agricultura.
“Una vez que podamos establecer este tipo de relación, esto es muy útil para estas compañías y esto puede reducir aún más su tiempo total de producción de semillas de seis a ocho años a un número mucho menor de años”, dice Goyal. “Así que este tipo de correlación estamos tratando de establecer. Pero para eso inicialmente necesitamos completar datos fenotípicos muy precisos “.
“Una vez que tengamos los datos suficientes, estableceremos la correlación entre los datos fenotípicos y los datos genotípicos y lo que sucederá después de establecer esta correlación podremos predecir para estas compañías que, con sus datos genómicos y con las condiciones ambientales, “Predeciré datos fenotípicos para ti”, agrega Gupta.
“Eso será muy, muy valioso para ellos porque les ayudará a reducir sus recursos de tiempo en términos de este proceso de reproducción y fenotipado”.
“Quizás entonces no tengan que hacer una prueba de campo”, sugiere Goyal. “Para algunos de los rasgos, realmente no necesitan hacer una prueba de campo y luego verificar cuál será ese rasgo en particular si somos capaces de predecir con una precisión muy alta si esta es la genómica y este es el entorno. Entonces este va a ser el fenotipo “.
Entonces, en un lenguaje más simple, la tecnología podría sugerir la mejor variedad de semillas para un lugar y un clima en particular, sobre la base de una comprensión más detallada de los rasgos subyacentes.
En el caso de cepas de plantas resistentes a la enfermedad, podría incluso ayudar a reducir la cantidad de pesticidas que usan los agricultores, por ejemplo, si los cultivos seleccionados son naturalmente más resistentes a las enfermedades.
Mientras que, en el frente de la generación de semillas, Gupta sugiere que su enfoque podría reducir el marco de tiempo de producción, de hasta ocho años a “quizás tres o cuatro”.
“Esa es la cantidad de ahorro de tiempo de la que estamos hablando”, agrega, enfatizando que la promesa realmente grande de la fenotipificación habilitada para la IA es una mayor cantidad de producción de alimentos en mucho menos tiempo.
Además de medir los rasgos de los cultivos, también utilizan algoritmos de visión artificial y de aprendizaje automático para identificar enfermedades de los cultivos y medir con mayor precisión el grado de afectación de una planta en particular.
Este es otro punto de datos clave si su objetivo es ayudar a seleccionar rasgos fenotípicos asociados con una mejor resistencia natural a la enfermedad, y los fundadores señalan que alrededor del 40 por ciento de la carga de cultivos del mundo se pierde (y se desperdicia) como resultado de la enfermedad.
Y, nuevamente, la medición de cuán enferma está una planta puede ser un llamado de juicio para el ojo humano, lo que resulta en datos de diferente precisión. Por lo tanto, al automatizar la captura de la enfermedad utilizando el análisis de imágenes basado en la IA, los datos registrados se vuelven uniformemente uniformes, lo que permite una evaluación comparativa de mejor calidad para las decisiones de selección de semillas, lo que aumenta el ciclo de producción híbrido.
Imagen de muestra procesada por Imago AI que muestra la proporción de un cultivo afectado por la enfermedad
En términos de dónde se encuentran ahora, la puesta en marcha, una puesta en marcha de casi un año de antigüedad, está trabajando con datos de varias pruebas con compañías de semillas, incluido un cliente de pago recurrente que pueden nombrar (DuPont Pioneer); y varios ensayos pagados con otras empresas de semillas que no pueden (porque permanecen bajo NDA).
Se han realizado ensayos en la India y en los EE. UU. Hasta el momento, informan a TechCrunch.
“Realmente no necesitamos pilotar nuestra tecnología en todas partes. Y estos son globales. [seed] Las compañías, presentes en 30 o 40 países ”, agrega Goyal, argumentando que su enfoque es natural. “Ellos prueban nuestra tecnología en un solo país y luego es muy fácil de implementar en otros lugares”.
Su software de imágenes no depende de ningún hardware de cámara propietario. Los datos se pueden capturar con tabletas o teléfonos inteligentes, o incluso desde una cámara en un avión no tripulado o usando imágenes satelitales, dependiendo de la aplicación buscada.
Aunque para medir rasgos de cultivo como la longitud, sí necesitan algún punto de referencia para asociarse con la imagen.
“Esto se puede lograr fijando la distancia del objeto a la cámara o colocando un objeto de referencia en la imagen. Utilizamos ambos métodos, según la conveniencia del usuario ”, señalan al respecto.
Si bien algunos de los métodos actuales de fenotipado son muy manuales, también existen otras aplicaciones de procesamiento de imágenes en el mercado dirigidas al sector agrícola.
Pero los fundadores de Imago AI argumentan que estos productos de software rivales están solo parcialmente automatizados, “por lo que se requiere mucha entrada manual”, mientras que consideran su enfoque totalmente automatizado, con solo un paso manual inicial de selección del cultivo para ser cuantificado por sus AI ojo.
Otra ventaja que señalan frente a otros jugadores es que su enfoque es totalmente no destructivo. Esto significa que las muestras de cultivos no necesitan ser arrancadas y retiradas para ser fotografiadas en un laboratorio, por ejemplo. Más bien, las imágenes de cultivos se pueden capturar in situ en el campo, con mediciones y evaluaciones aún, según afirman, extraídas con precisión por algoritmos que filtran de manera inteligente el ruido de fondo.
“En los proyectos piloto que hemos hecho con empresas, compararon nuestros resultados con los resultados de medición manuales y hemos logrado una precisión de más del 99 por ciento”, afirma Goyal.
Mientras que, para cuantificar la propagación de la enfermedad, señala que no es posible realizar mediciones exactas de forma manual. “En la medición manual, un experto solo puede proporcionar un cierto porcentaje de rango de gravedad de la enfermedad para un ejemplo de imagen; (25-40 por ciento) pero al usar nuestro software, pueden señalar con precisión el porcentaje exacto (por ejemplo, 32.23 por ciento) “, agrega.
También brindan apoyo adicional para los investigadores de semillas, al ofrecer una gama de herramientas matemáticas con su software para respaldar el análisis de los datos fenotípicos, con resultados que se pueden exportar fácilmente como un archivo de Excel.
“Inicialmente, tampoco teníamos tanto conocimiento sobre el fenotipado, por lo que entrevistamos a alrededor de 50 investigadores de universidades técnicas, de estas empresas de insumos de semillas e interactuamos con los agricultores; luego comprendimos cuál es exactamente el punto crítico y desde allí estos casos de uso. surgió “, agregaron, y señalaron que utilizaron los grupos de WhatsApp para recopilar información de los agricultores locales.
Si bien las compañías de semillas son los clientes objetivo iniciales, también ven aplicaciones para su enfoque visual para optimizar la evaluación de la calidad en la industria alimentaria, diciendo que están estudiando el uso de la visión por computadora y los datos de imágenes hiperespectrales para hacer cosas como identificar material extraño o adulteración en Línea de producción de productos alimenticios.
“Porque en las empresas de alimentos se desperdicia mucha comida en sus líneas de producción”, explica Gupta. “Así que ahí es donde vemos que nuestra tecnología realmente ayuda, reduciendo ese tipo de desperdicio”.
“Básicamente, cualquier parámetro visual que deba medirse se puede hacer a través de nuestra tecnología”, agrega Goyal.
Planean explorar aplicaciones potenciales en la industria alimentaria durante los próximos 12 meses, mientras se enfocan en desarrollar sus pruebas e implementaciones con gigantes de semillas. Su objetivo es que entre 40 y 50 compañías utilicen su sistema de inteligencia artificial global en un plazo de un año, añaden.
Si bien el negocio ahora genera ingresos, y está “totalmente auto habilitado”, tal como lo expresan, también están buscando una inversión estratégica.
“En este momento estamos en contacto con algunos inversores”, confirma Goyal. “Estamos buscando inversores estratégicos que tengan acceso a la industria agrícola o tal vez a la industria alimentaria … pero en la actualidad no han recaudado ninguna cantidad”.
Source link