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


        二十幾歲的他們開發(fā)了由 AI 驅(qū)動的除草機(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。

        Hackster.io 是一個為開發(fā)者、工程師和科技愛好者提供的線上社區(qū)平臺，目前已有來自 35 個國家的 2500 多人報(bào)名參加了這場由 NVIDIA 贊助的挑戰(zhàn)賽，累計(jì)收到參賽作品 80 份。

        Kevin Patel 和 Nihar Chaniyara 來自印度西部陽光充沛的 Gandhinagar，他們就在 Hackster.io 競賽的 10 名獲獎?wù)咧小＿@場挑戰(zhàn)賽號召參賽者使用 Jetson Nano 開發(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 來訓(xùn)練 Mask R-CNN 如何分辨植物和雜草。Mask R-CNN 是一個深度神經(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了回報(bào)，Nindamani 在自主機(jī)器和機(jī)器人組榮膺榜首。

        Patel 說：“我的 90% 的親屬都從事農(nóng)業(yè)行業(yè)，所以可想而知這個問題對我來說有多重要。”

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)民面臨著勞動力短缺和農(nóng)藥使用的問題。

        Patel 和 Chaniyara 對當(dāng)?shù)丶爸苓?8000 多個農(nóng)民進(jìn)行了調(diào)查，了解了問題并制定了相應(yīng)的解決方案。

        Patel 還提到：“在解決勞動力和化學(xué)噴劑問題時，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。”

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。對于要養(yǎng)育將近 14 億人口的印度農(nóng)田來說，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)）來完成任務(wù)，比起傳統(tǒng)的單用途拖拉機(jī)，它們的開發(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，但是開發(fā)這款除草機(jī)器人的另一個目的已經(jīng)很清晰——降低農(nóng)民在機(jī)械上需要耗費(fèi)的成本，否則他們可能就會選擇廉價且有害的除草劑。

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