Kevin Patel 和 Nihar Chaniyara 在印度的鄉(xiāng)村長(zhǎng)大，那里種植的玉米、甘蔗和芒果等作物都被噴灑過(guò)除草劑。如今，他們可以將數(shù)據(jù)、視覺(jué)模型和 GPU 應(yīng)用于有機(jī)作物種植上。

二十幾歲的他們開(kāi)發(fā)了由 AI 驅(qū)動(dòng)的除草機(jī)器人原型——Nindamani，并且于近期在 Hackster.io 舉行的邊緣 AI 挑戰(zhàn)賽上榮獲佳績(jī)。

Hackster.io 是一個(gè)為開(kāi)發(fā)者、工程師和科技愛(ài)好者提供的線上社區(qū)平臺(tái)，目前已有來(lái)自 35 個(gè)國(guó)家的 2500 多人報(bào)名參加了這場(chǎng)由 NVIDIA 贊助的挑戰(zhàn)賽，累計(jì)收到參賽作品 80 份。

Kevin Patel 和 Nihar Chaniyara 來(lái)自印度西部陽(yáng)光充沛的 Gandhinagar，他們就在 Hackster.io 競(jìng)賽的 10 名獲獎(jiǎng)?wù)咧小＿@場(chǎng)挑戰(zhàn)賽號(hào)召參賽者使用 Jetson Nano 開(kāi)發(fā)者套件。

由于需要金屬加工，兩位小哥設(shè)計(jì)并多次迭代了用于除草的機(jī)械臂。至于機(jī)器的“大腦”，他們利用云端 GPU 來(lái)訓(xùn)練 Mask R-CNN 如何分辨植物和雜草。Mask R-CNN 是一個(gè)深度神經(jīng)網(wǎng)絡(luò)，它可以區(qū)分圖片或視頻中的不同對(duì)象，Jetson Nano 則負(fù)責(zé)進(jìn)行推理。

Kevin Patel 和 Nihar Chaniyara 廢寢忘食的努力終于換來(lái)了回報(bào)，Nindamani 在自主機(jī)器和機(jī)器人組榮膺榜首。

Patel 說(shuō)：“我的 90% 的親屬都從事農(nóng)業(yè)行業(yè)，所以可想而知這個(gè)問(wèn)題對(duì)我來(lái)說(shuō)有多重要。”

AI VS雜草

他們的家鄉(xiāng)生產(chǎn)大米、棉花、土豆、菜花和其他主食。和其他地方一樣，那里的農(nóng)民面臨著勞動(dòng)力短缺和農(nóng)藥使用的問(wèn)題。

Patel 和 Chaniyara 對(duì)當(dāng)?shù)丶爸苓?8000 多個(gè)農(nóng)民進(jìn)行了調(diào)查，了解了問(wèn)題并制定了相應(yīng)的解決方案。

Patel 還提到：“在解決勞動(dòng)力和化學(xué)噴劑問(wèn)題時(shí)，他們需要像 AI 和自主機(jī)器人這樣的技術(shù)，以提高產(chǎn)量和利潤(rùn)。”

集群農(nóng)業(yè)潮

Nindamani 的原型融合了機(jī)器人技術(shù)中所謂的集群農(nóng)業(yè)概念，目的是從 AI 中獲取更高的效率，并實(shí)現(xiàn)可持續(xù)發(fā)展。對(duì)于要養(yǎng)育將近 14 億人口的印度農(nóng)田來(lái)說(shuō)，農(nóng)業(yè)科技上的進(jìn)步至關(guān)重要。

集群農(nóng)業(yè)機(jī)器人旨在通過(guò)模塊化的多任務(wù)機(jī)器人（包括噴灑、除草、播種、收割、搬運(yùn)）來(lái)完成任務(wù)，比起傳統(tǒng)的單用途拖拉機(jī)，它們的開(kāi)發(fā)目的是在消耗更少能量并節(jié)約成本的情況下，可以完成更多任務(wù)。

Nindamani 還處于雛形階段，但是開(kāi)發(fā)這款除草機(jī)器人的另一個(gè)目的已經(jīng)很清晰——降低農(nóng)民在機(jī)械上需要耗費(fèi)的成本，否則他們可能就會(huì)選擇廉價(jià)且有害的除草劑。

Chaniyara 說(shuō)：“除草是一項(xiàng)非常枯燥的活兒，而這恰恰就是自動(dòng)化和機(jī)器人能幫上忙的地方。”