Поиск сообщества

iFarm совместно с компанией Poteha Labs и разработчиками из Catalyst-Team запустили телеграм-бота для выявления отклонений в росте культур на вертикальных фермах. Нейронная сеть, с помощью последних наработок в области компьютерного зрения, анализирует состояние растения, а бот выдает всю необходимую информацию об этом. Механизм работы максимально прост: сотрудник фермы, увидев растение, которое не выглядит здоровым, делает его фото на телефон и отправляет в телеграм-бот, чтобы узнать вероятную причину отклонения в развитии. Нейронная сеть определяет наличие совпадений и возвращает ответ в приложении. «В будущем подобную систему планируется внедрить на все производства по технологиям iFarm. Данные о качестве посадок будет собирать специальный автопилотируемый дрон. Это позволит оперативно реагировать на любые изменения в росте культур, избегая распространения заболеваний и возможных потерь урожая, что, в свою очередь, делает технологию выращивания iFarm еще более надежной», — прокомментировал директор по продукту iFarm Олег Костенко. «Мы в Poteha Labs разрабатываем и внедряем технологии машинного обучения. Накопленная внутренняя экспертиза и привлечение лучших специалистов рынка позволяют нам обеспечивать компании эффективными продуктами. Для создания бота iFarm, мы обратились к Сергею Колесникову из Catalyst-Team. Их одноименная библиотека Catalyst отлично подходит для разработки CV-решений для таких прогрессивных компаний, как iFarm», — прокомментировал исполнительный директор Poteha Labs Иван Рябков. По словам Рябкова, благодаря совместной работе достигнуты высокие показатели точности. «На графике 97% accuracy – значит, что в 97 случаях из 100 модель верно определяет состояние растения, так же, как это делал бы растениевод. При этом модель можно дообучить на дополнительных данных и улучшить показатели в будущем», — пояснил он. Catalyst-Team: прямая речь Catalyst-Team — эксперты в области Software Engineering и Deep Learning, которые разрабатывают Оpen Source экосистему для проведения DL R&D. Представитель команды-разработчика рассказал о технических подробностях работы над проектом. Сергей Колесников: Цель нашего сотрудничеста — использовать лучшие практики из машинного обучения (Deep Learning, DL) и экспертизу Catalyst-Team в области компьютерного зрения (Computer Vision, СV) для создания бота-помощника агронома iFarm. И хотя такой проект считается довольно стандартным, на нем можно отлично показать различные «подводные» камни в работе с данными, тестированием различных гипотез, созданием самого бота и его внедрением на реальное производство. По ходу всего проекта мы также тестировали нашу Catalyst.Ecosystem — экосистему для исследований в области Deep Learning, о которой и пойдет дальше речь. Важный этап любых исследований и разработки в Deep Learning – это подготовка данных. Следуя лучшим практикам Software Engineering, «garbage in — garbage out» (мусор на входе — мусор на выходе), для проверки концепта исследований, когда наборы доступных данных весьма ограничены, их создание и подготовка оказывают наибольшее влияние на результат. Первым камнем преткновения стала разномасштабность предоставленных данных: в нашем распоряжении были как фото, сделанные с расстояния нескольких миллиметров от растения, так и фото всего стеллажа со всеми культурами сразу. Но когда мы обучаем нейронную сеть понимать состояние растений по фотографиям, нам нужно что-то среднее. Поэтому мы определили, что именно должно быть на снимке и на каком расстоянии его нужно делать, чтобы телеграм-бот возвращал соответствующую действительности информацию. Такое понимание крайне важно и позволяет избежать огромного количества переделок. Следующий интересный кейс — выстраивание корректной валидации решения, то есть проверка того, как модель отработает на ранее неизвестных ей примерах. Если неправильно выстроить этот процесс, то позже невозможно будет предсказать поведение модели при ее внедрении на производство и использовании на реальных данных. Самая интересная часть любого Data Science проекта — тестирование всевозможных гипотез и проведение многочисленных экспериментов. Тут нам на помощь и приходит Catalyst.Ecosystem, а точнее сам Catalyst и наш новый проект Alchemy. Catalyst позволяет проводить огромное количество экспериментов, не обращая внимания на технические аспекты реализации, а больше фокусируясь на тех продуктовых гипотезах, которые нужно проверить. Alchemy, в свою очередь, дает возможность визуализировать все полученные результаты, сравнить подходы, а также поделиться результатами при работе в команде. Благодаря этим двум проектам Catalyst-Team, можно проводить DL R&D намного быстрее и эффективнее, что мы и доказываем на таких проектах. Последний важный этап R&D — внедрение полученных результатов, в нашем случае — создание телеграм-бота для последующего использования на вертикальных фермах iFarm и сбор обратной связи по качеству работы модели. В этом случае нам вновь помогали наши разработки, а точнее библиотека ReAction, которая написана для упрощения вывода DL моделей в производство. Совмещая все наши наработки, Catalyst Team совместно с iFarm за две недели разработали первый концепт решения, собрали обратную связь от агрономов и несколько раз доработали продукт, учитывая специфику его использования. Работа над проектом заняла меньше двух месяцев, за это время мы расширили количество культур, доступных для анализа и научились определять пять классов культур «Романо» и «Пак-Чой»: здоровое растение; больное растение; спороношение на пораженных участках; краевой ожог; другая культура. С точки зрения Catalyst Team, подобные проекты позволяют протестировать Catalyst.Ecosystem, доказать ее полезность в рамках проведения R&D, когда требуется быстро итерироваться по гипотезам и показывать результат каждую неделю. Кроме этого, нам всегда приятно участвовать в социальных проектах, которые меняют мир к лучшему. Хочется быть частью такого движения. Дополнительно по теме: Российская компания «iFarm» привлекла $1 млн инвестиций «iFarm» приобрела бывшее здание «Лексуса» и запустила новый проект на 26млн ₽ От владельца компьютерных игр до создателя Сити-Фермы Источник

Психоделики влияют на то, как мы общаемся с другими людьми, а технология распознавания речи теперь может определять, используете ли вы МДМА в данный момент. Группа нейробиологов, специалистов по искусственному интеллекту и психологов из IBM разработали новый метод для определения того, находится ли кто-то в состоянии опьянения от МДМА, - просто анализируя речевые паттерны человека, сообщает Merry Jane. В исследовании, опубликованном в журнале Neuropsychopharmacology, исследователи смогли с почти 90% точностью определить, был ли кто-то опьянен MDMA, основываясь на типах слов и эмоций, выраженных в коротких сегментах речи. Этот метод обнаружения может отличить использование MDMA от обычного окситоцина, когда человек, например, влюблен. MDMA производит подобные эффекты, но все же значительно отличающиеся от окситоцина. Исследовались 31 субъект: 12 женщин и 19 мужчин. Они выполняли два отдельных речевых задания по четыре раза каждый, в общей сложности по восемь тестов для каждого субъекта. Все испытуемые получали то плацебо, то две разные дозы МДМА (0,75 мг/кг и 1,5 мг/кг), то окситоцин (20 МЕ), чтобы исследователи могли выявить различия в речевом паттерне среди субъектов. Экспериментальная процедура была проведена двойным слепым и рандомизированным способом, что означает, что ни субъекты, ни исследователи, не знали, что испытуемые получали при каждом тесте. Первое речевое задание требовало от испытуемых описать кого-то, кто очень важен для них в течение 5 минут. Во втором задании испытуемым предлагалось свободно говорить, сколько угодно или мало, о чем угодно, оставаясь в одиночестве в течение 5 минут. Вся речь была записана для анализа машинного обучения. Субъекты, принимающие MDMA, демонстрировали заметно отличающиеся речевые паттерны по сравнению с теми, кто принимал только окситоцин или плацебо, и они были более выраженными при более высоких дозах MDMA. В основном, люди под экстази использовали больше слов, касающихся близости, взаимопонимания и эмоций. Кроме того, их речь показала больше случаев нервозности, а также различные произношения гласных и более широкое использование прилагательных и существительных. Таким образом, можно сказать, что когда-нибудь в обозримом будущем врачи смогут определить, принимаете ли вы MDMA или, возможно, другие наркотики, такие как марихуана, алкоголь, мет, кокаин или героин, просто записав ваш разговор и проверив на специальном устройстве. Если врачи смогут это сделать, то значит полицейские тоже, что грозит нашей свободе. В настоящее время австралийские власти проводят испытания инфракрасных камер, чтобы ловить людей на МДМА на фестивалях, основываясь только на уровнях тепла тела - никаких алкотестеров, взятия крови или образцов мочи или слюны не требуется. Читайте так же: В Израиле создали робота для выращивания mj Еда из 3D принтера: как технологии изменят фермерство Каннтех: технологии каннаиндустрии

Подведены итоги конкурса по выращиванию огурцов с помощью ИИ. Команда Microsoft победила, собрав более 50 кг огурцов. Ранее мы писали о конкурсе, который проходил среди гигантов технологических компаний: «Microsoft», «Tencent» и «Intel». Они соревновались в том, кто лучше запрограммирует и настроит ИИ чтобы получить большую урожайность огурцов. Победителем конкурса стала команда «Sonoma», состоявшая из исследователей «Microsoft Research», а также студентов Копенгагенского и Вагенингенского университетов. Участники «Sonoma» заняли первые места доказав, что их работа оказалась более экологичной прибыльной и давала самую высокую урожайность — более 50 килограммов огурцов на квадратный метр теплицы. «Это не значит, что всеми теплицами теперь будут управлять компьютеры. Осталось множество операций, с которыми лучше справляются люди», — заверили организаторы конкурса. Второе место в конкурсе заняла команда «iGrow» от компании «Tencent». Эта корпорация была не только участником конкурса, но и его спонсором. По мнению топ-менеджера «Tencent» Дэвида Валлерстайна, эксперименты с искусственным интеллектом в конечном итоге помогут развитию сити-фермерства и спасут человечество от голода. «Население планеты растет. Нам нужно будет кормить еще миллиард людей в ближайшие 12 лет, а плодородных земель становиться все меньше. Мы считаем, что гидропонные фермы помогут выращивать больше еды с минимум ресурсов», — заявил Валлерстайн. Читайте так же по теме: «Microsoft», «Tencent» и «Intel» выращивают огурцы с помощью ИИ Агророботы покоряют бизнес Китайский интернет-магазин открывает овощную фабрику Теплицы в космосе Источник: wur.nl

Команды ученых, состоящие из сотрудников «Microsoft», «Intel» и «Tencent», участвуют в конкурсе по выращиванию огурцов. Они будут управлять автономными теплицами с помощью искусственного интеллекта. Конкурс автономных оранжерейных соревнований (The Autonomous Greenhouse Challenge) проходит в Университете Вагенингена в Нидерландах. Соревнования начались в сентябре 2018 и завершатся в декабре того же года. Наряду с сотрудниками ТехноГигантов в проект входит контрольная группа - это профессионалы садоводства из Нидерландов, которые используют современные тепличные методы. Суть испытания состоит в том, чтобы с помощью программирования и настроек ИИ заставить работать теплицу как единый организм. Команды сами разрабатывают искусственный интеллект и следят, за тем как машина выполняет поставленные задачи. ИИ должен самостоятельно контролировать подачи воды, воздуха света и тепла в теплице. По словам Силке Хемминга, исследователя, курирующего испытания, «Microsoft» пока лидирует, за ним следует «Tencent» и команда из Университета Вагенингена. Жюри, в первую очередь будет оценивать эффективность использования ресурсов, надежность модели ИИ, и устойчивость методов, которые используются для выращивания огурцов. А огурцы были выбраны в качестве тестовой культуры из-за большого количества существующих данных при выращивании. «Речь идет не о том, чтобы просто собрать огурцы и положить в пакет. Вся теплица должна быть похожа на робота и быть полностью автономной. Все датчики должны работать с помощью ИИ и регулировать механизмы в режиме реального времени», - сказал главный директор Дэвид Валлерстайн. Конкурс финансируется компанией «Tencent Exploration Team», специализирующейся на финансировании перспективных агропроектов и стартапов. В частности, компания является инвестором «Snap Inc.» и «Essential Product». Источник: venturebeat.com Читайте так же: Теплицы в космосе В Турции открылась подземная ферма В Великобритании и Китае построят подземные фермы В Японии открываются фермы-небоскребы

Прогресс не стоит на месте, роботы приходят в повседневную жизнь обычных людей. Роботы пылесосы, роботы газонокосилки, и вот теперь роботы шефповары. https://www.youtube.com/watch?v=C-XvE5zOy4Y Этот робот управляемый со смартфона, способен готовить вкусную еду по рецептам из Интернета. На видео представлено уникальное устройство (робот-повар) от Лондонской компании Moley Robotics. Два роботизированных манипулятора подвешены над кухонной плитой, духовкой, рабочей поверхностью и раковиной. По ловкости роботизированные руки не уступают человеческим. Робот работает так же быстро, как профессиональный шеф-повар, покорно подчиняясь командам с iPhone. Робот умеет обращаться практически со всей кухонной утварью и техникой, искусно копируя движения человека. Например, приготовление супа-пюре из морепродуктов у него занимает меньше 30 минут. 24 соединения и 20 моторов позволили роботу с точностью повторить движения Тима Андерсона, победителя британского кулинарного шоу MasterChef 2011. Движения повара были записаны заранее на камеру и загружены в память машины. Moley Robotics видит будущее, в котором знаменитые шеф-повара продают свои рецепты владельцам кухонных роботов. Приложение для смартфона позволяет управлять роботом дистанционно. По словам Moley Robotics, в потребительской версии системы будет встроенный холодильник и кладовка. В будущем манипуляторы будут складывать всю грязную посуду не в мойку, а в посудомоечную машину, которой планируется укомплектовать систему. Создатели робота утверждают, что он может научиться взаимодействовать с любыми приборами на кухне. По их словам, ему достаточно показать, как это работает. Будущие версии робота будут учиться с помощью камер захвата движения, а их владельцы смогут обмениваться учебными материалами. Повара смогут зарабатывать деньги, продавая свои фирменные рецепты приготовления пищи через специальный онлайн-магазин. Moley также заботится о безопасности тех, кто будет находиться рядом с роботом, имеющим дело с потенциально опасными кухонными принадлежностями. Следующим шагом станет установка защитного стекла и противопожарной системы, что повысит безопасность использования робота в одном помещении с детьми или когда никого нет дома. Эксперты не исключают, что в будущем робот Moley может стать универсальным помощником во всех домашних делах. Инженеры Moley говорят, что будущая версия может иметь синтетические руки, которые робот сможет самостоятельно помыть после работы с сырым мясом. Когда манипуляторы не используются, они складываются, освобождая место над рабочей поверхностью. Сам же робот вписывается в кухню обычных размеров. Этот робот поступит в массовую продажу уже в 2017 году. Его ориентировочная стоимость - 14 000 $ http://coub.com/view/bm3p