Почему интеллектуальные датчики выгодны фермерам, выращивающим финиковые пальмы?

Во многих странах мира финики являются основным диетическим элементом. По данным Statista, на Ближнем Востоке и в Средиземноморье произрастают десятки миллионов финиковых деревьев, а общий годовой объем производства превышает 50 миллиардов долларов США.

В зависимости от типа и качества продукции балансовая стоимость финиковой пальмы среднего возраста обычно составляет около 3–4 тыс. долларов США. Это действительно нетривиальное значение. Тем не менее, довольно удивительно, что фермеры, выращивающие финиковые пальмы, все еще полагаются на спорадические полевые проверки, чтобы следить за здоровьем и условиями роста своих деревьев!

В эпоху повсеместного подключения и широко распространенной технологии Интернета вещей (IoT) закономерен вопрос: почему каждая пальма не контролируется с помощью устройства IoT?

Причина: безрецептурные технологии Интернета вещей, доступные сегодня, плохо масштабируются в случае пальмовых ферм!

Перемещение стрелки к краю

Сегодня общепринятым мнением является максимальное упрощение устройств IoT и сохранение интеллекта в серверной части, например. сервер в облаке. Однако такая парадигма была бы неблагоприятной по следующим причинам:

  1. Это приводит к слишком большому объему связи с серверной частью, что увеличивает капитальные и эксплуатационные расходы самого коммуникационного решения.
  2. Слишком много общения в ответ очень быстро разряжает батареи устройств IoT. С десятками тысяч деревьев в саду, кто захочет так часто менять столько батарей?! Для владельца финикового пальмового сада математика просто не складывается.

Таким образом, существует острая необходимость в переносе интеллектуальных данных на периферию, т. е. в предоставлении этим датчикам IoT возможности принимать решения самостоятельно и отправлять в облако только неброские сообщения об активности или красные флажки.

В качестве примера возьмем пресловутую проблему обнаружения красного пальмового долгоносика (RPW) на пальме. RPW — злобный вредитель, который коварно пробирается в ствол пальмы и начинает жевать его изнутри. Если его не обнаружить на ранней стадии, он нанесет необратимый ущерб в течение нескольких недель.

Жевательная активность RPW производит акустический сигнал, который широко описан в литературе. Однако предложенные и реализованные алгоритмы обнаружения в основном полагаются на очень ограниченный набор функций. Благодаря тому, что методы машинного обучения становятся все более эффективными, сегодня мы можем разрабатывать легкие в вычислительном отношении модели логического вывода. Такие модели могут полностью выполняться на периферии, т.е. на сенсорном IoT-устройстве.

К счастью, количество вычислительной мощности, доступной на бюджетных недорогих микроконтроллерах, на самом деле достаточно для запуска сложных моделей машинного вывода. Наше первоначальное исследование показывает, что архитектура простой повторяющейся нейронной сети (RNN) или долговременной кратковременной памяти (LSTM) может выполнять очень хорошую работу по обнаружению. Полученная модель логического вывода может хорошо вписаться в систему LoRa на кристалле (SoC), как STM32WL от ST Microelectronics.

Необходимость снижения себестоимости

Скорость разрядки батареи — не единственное препятствие для масштабируемости. Еще одним важным фактором является стоимость за дерево. Если снова взять пример с RPW, текущие решения на рынке сегодня предлагаются по цене не менее 50–100 долларов США за датчик (т.е. дерево). Скорее всего, это связано с инвазивным характером устройства IoT. Обычно это включает в себя высокочувствительный акустический датчик с соединительным шипом, который необходимо просверлить в стволе дерева.

Так какова цена за дерево, которая будет иметь смысл для решения по обнаружению RPW? Мы провели серию интервью и собрали данные с нескольких ферм, чтобы ответить на этот вопрос. Наше расследование показало, что цену за дерево необходимо снизить ниже 10 долларов США.

Очевидно, нам нужно было разработать конструкцию, в которой использовались бы недорогие датчики, но при этом не ставилась бы под угрозу эффективность обнаружения. Забегая вперед, мы быстро поняли, что финансовые последствия «пропущенных обнаружений» перевешивают последствия, связанные с «ложными тревогами». Зараженные деревья, которые остаются незамеченными, приводят к прямым потерям доходов за этот год, а также к обесцениванию фермы. С другой стороны, ложные срабатывания менее болезненны (пока их не слишком много). Ложное срабатывание действительно влечет за собой сброс некоторых OPEX в канализацию. Тем не менее, это ничтожно мало по сравнению с неблагоприятным воздействием пропущенных обнаружений.

Дизайн умного дерева «часы»

Используя взаимосвязь между обнаружением и ложноположительным результатом, мы нанесли удар по проблеме, разыграв игру разнообразия. Например, если высокопроизводительный акустический датчик стоит около 50 долларов США, то есть большая вероятность, что его производительность может быть сопоставима с набором из 3–5 менее качественных датчиков, каждый из которых стоит менее 2 долларов США.

С точки зрения обработки сигналов, использование массива недорогих датчиков дает ощутимый выигрыш в качестве сигнала, сохраняя при этом цену намного ниже, чем у дорогого высокопроизводительного датчика. Такая тактика позволяет повысить эффективность обнаружения, при этом количество ложных срабатываний незначительно. В этот момент родилась концепция «умных часов на дереве».

Удар по сладкому

Smart Tree Watch все еще находится в зачаточном состоянии, и его необходимо масштабировать и более интенсивно тестировать в полевых условиях. Тем не менее, мы считаем, что его конструкция обеспечивает правильный баланс между вероятностью обнаружения и вероятностью ложной тревоги.

Передовые технологические решения, такие как решения, основанные на рефлектометрии волокна, обещают улучшить рабочие характеристики. Однако это определенно происходит за счет увеличения цены за дерево на порядок (мы думаем, что это не менее чем в 5 раз по сравнению с нашим дизайном). Вместо этого наша методология проектирования использует допуск, который мы имеем в отношении ложных срабатываний, чтобы достичь наилучшего результата, как показано на кривых оценки производительности ниже.

Начало эры носимых устройств на дереве

Мы очень воодушевлены перспективами этого проекта. Вместе со многими другими в этой области мы создаем «интернет деревьев». Мы считаем, что недорогие устройства IoT с длительным сроком службы окажут разрушительное воздействие на сельскохозяйственный сектор. В некотором смысле это очень похоже на то, какое влияние оказывают на нас носимые технологии.

Благодарности: Марк Тестер, Бабар Хан, Эндрю Йип, Ахмад Альрефаи, Мохаммад Абу-Аласаль и Самер Аль-Рекеб.