Jedes Jahr werden weltweit drei Millionen Tonnen Pestizide auf landwirtschaftlichen Flächen versprüht. Nur ein Bruchteil dieser Chemikalien wird tatsächlich benötigt. Es ist Zeit zu handeln! Viele Anbieter von Sprühgeräten, Traktoren und Agrarrobotern haben dies erkannt. Sie gehen das Problem auf verschiedene Weise an. Zum Beispiel sind die Sprühgeräte mit Kameras und Sensoren ausgestattet. Diese nehmen Bilder des Bodens auf und erkennen Unkraut. Die Pestizide werden dann nur dort ausgebracht, wo es notwendig ist. Ein anderer Ansatz funktioniert auf ähnliche Weise, allerdings ganz ohne Pestizide. Stattdessen ziehen Agrarroboter das erkannte Unkraut heraus. Beide Methoden tragen dazu bei, den Einsatz von Pestiziden zu verringern und die Erträge zu steigern.
Dieses Beispiel zeigt, dass Maschinen, die sehen und verstehen, eine echte Chance sind – wenn es um die Ernährung der Weltbevölkerung geht, beispielsweise. Doch wie bringt man Maschinen dazu, Unkräuter zu erkennen?
Edge Intelligence ist die Technologie der Stunde. Die Daten werden mithilfe von KI-Algorithmen dort verarbeitet, wo sie entstehen - in unmittelbarer Nähe der Sensoren. Zu den häufig verwendeten Sensoren gehören 2D- und 3D-Stereokameras, Lidar oder Radar. Die daraus resultierenden Daten werden in einem Inferenzprozess mit Hilfe eines vortrainierten neuronalen Netzes verarbeitet. Ein Inferenzprozess ist nichts anderes als eine Schlussfolgerung, die die Software selbstständig aus den gesammelten Daten zieht. Die Sensordaten werden am Rande analysiert und ausgewertet. Das neuronale Netz nutzt die neuen Daten auch, um Neues zu lernen - zum Beispiel, um neue Komponenten in einem Produktionsprozess zu erkennen.
Dazu sind drei Komponenten erforderlich: Software, Sensoren und ein KI-fähiges Embedded-System. Letzteres, als Herzstück der Hardware, verarbeitet die Daten sofort und nutzt sie, um intelligente Entscheidungen zu treffen. Heute wird für solche Inferenzaufgaben häufig die Technologie des Chip-Herstellers NVIDIA eingesetzt. Mit der Jetson-Produktfamilie bietet NVIDIA SoMs (System on Modules) mit unterschiedlichen Leistungsstufen an. Diese kombinieren CPU- und GPU-Technologie. Mit ihrer parallelen Prozessorstruktur sind die SoMs ideal, um die Software von autonomen Maschinen und Fahrzeugen schnell und effizient auszuführen - und vor allem, um Daten von mehreren hochauflösenden Sensoren nahezu ohne Latenz zu verarbeiten.
Ein weiterer Grund, sich für die NVIDIA Jetson Plattform zu entscheiden, sind die Entwickler-Kits. Damit können Unternehmen frühzeitig mit der Softwareentwicklung beginnen und diese dann nahtlos auf dem Produktionsgerät abschließen. Eine große Anzahl von Bibliotheken und anwendungsspezifischen Frameworks steht zur Verfügung, um den Entwicklungsaufwand zu reduzieren. Die SoMs sind auch mit der Middleware ROS2 kompatibel, die sich als ideales Werkzeug für Computer-Vision-Anwendungen etabliert hat. ROS2 wird zur Steuerung und Koordinierung einer großen Anzahl von Knoten verwendet. Die Middleware ist modular aufgebaut und beinhaltet Funktionen zur Sensorverarbeitung und -auswertung sowie zur Steuerung von Aktoren.
Das neueste System-on-Module von NVIDIA ist der Jetson AGX Orin. Es verfügt über 275 TOPS an KI-Rechenleistung und 64 GB RAM. Die Leistungsaufnahme ist zwischen 15 und 60 Watt skalierbar. Die einzigartige Kombination aus leistungsstarker CPU und GPU mit der NIVIDIA Ampere-Architektur ermöglicht neue Computer-Vision-Anwendungen in allen Branchen. Typische Anwendungen sind Gefahrenerkennung, Umgebungswahrnehmung, intelligente Videoanalyse und die Steuerung von autonomen Systemen.
Damit die KI-Technologie von NVIDIA in rauen Umgebungen, wie sie in Produktionsmaschinen oder landwirtschaftlichen Robotern vorkommen, funktionieren kann, ist speziell entwickelte Hardware erforderlich. Weltweit gibt es eine Handvoll Hersteller, die sich der Aufgabe angenommen haben, NVIDIAs Technologie für solche Umgebungen fit zu machen. Diese Hersteller bieten NVIDIA Jetson-basierte Embedded-Computer mit Schutzart IP67 an. Syslogic zum Beispiel kombiniert das SoM (System on Module) mit einer eigenen Trägerplatine, einem kompromisslos robusten Gehäuse und einer ausgeklügelten Anschlusstechnik. Die robusten Computer des Unternehmens sind passiv gekühlt und für den erweiterten Temperaturbereich geeignet. Das Unternehmen arbeitet auch mit Sensorherstellern zusammen, die die gleichen Anforderungen an Robustheit und Zuverlässigkeit haben.
Entsprechend lässt sich das KI-Potenzial auch im harten Agrareinsatz ausreizen. Mittels PoE- oder GMSL-Schnittstellen werden Sensoren wie Lidars, Radars und Kameras an die Embedded-Systeme angebunden, um anspruchsvolle Computer-Vision-Anwendungen umzusetzen. Das eröffnet Agrarunternehmen weltweit neue Möglichkeiten und wird hoffentlich dafür sorgen, dass künftig nicht mehr jedes Jahr drei Millionen Tonnen Pestizide ausgetragen werden.
