Det börjar med ett frö. Det fröet – kanske är det ett tomatfrö – planteras i jorden. Sedan växer det. Och växer. Långsamt tränger växten genom jorden och dyker upp i ljuset. Veckor till månader senare blir detta frö en växt, midjehög, bärande dussintals mogna tomater. Någon plockar frukten och packar den i en låda. Någon annan skickar lådorna till lager där en restaurang eller livsmedelsbutik köper tomaterna. Senare kommer en kock att ta en, skära upp den och lägga den i en sallad.
Idag är denna process fortfarande ganska lågteknologisk. Visst, det är bilar och lastbilar inblandade, men robotteknik? Inte så mycket. Människor är fortfarande nyckelspelare i varje steg. Men det kan ändras, och snart.
”Det finns stora tekniker som kommer under de kommande 10 åren för att göra varje del av jordbruket är effektivare, mer produktivt och förhoppningsvis hälsosammare och billigare, säger Dan Steere. Han leder ett företag som heter Abundant Robotics i Menlo Park, Kalifornien
Med andra ord kommer robotar i allt större utsträckning att spela roller i att växa och förbereda vår mat.
När barn i mellanstadiet blir vuxna kan hela matcykeln vara robotisk. Även nu hjälper robotar bönder. Vissa planterar frukt, grönsaker och spannmål på ett mer effektivt sätt. Snart kommer de att hjälpa till att skörda den maten snabbare. Vissa matlager har redan självkörande lastbilar. Robotar hjälper till och med att få den maten på våra tallrikar. Faktum är att en robot som heter Sally redan gör just det. Målet är att göra sättet mat produceras och tillagas snabbare, enklare och mer effektivt.
Få frön i jorden Varje åker har vissa områden som är naturligt mindre bördiga än andra. Åkermarken kanske inte är jämn heller. Det kan ha områden som stiger eller är lägre än omgivningen. Det kan till och med finnas diken. Plöjning jämnar ut marken något, men aldrig helt. Om en bäck rinner genom ett fält, kommer det alltid att finnas mark nära den bäcken där det är svårt – eller omöjligt – att plantera. Jordkvaliteten varierar också över ett fält. Alla dessa saker kan påverka hur mycket mat marken kan producera och hur bra maten kommer att smaka. Och mängden mat som produceras påverkar hur mycket pengar en bonde tjänar. Matte hjälper jordbrukare att beräkna hur många frön som ska planteras och var. Men mark förändras också över tid, så dessa beräkningar måste göras om och om igen varje år.
Theo Pistorius är chef för ett företag som heter DroneClouds. Det är i Kapstaden, Sydafrika. Hans är ett av många företag som använder drönare för att hjälpa bönder att veta var de ska plantera. Drönare är slang för
obemannad antenn flygplan— en flygande robot . Farkosten som DroneClouds använder har fem kameror. Pistorius säger att varje kamera “i huvudsak är en kamera på en iPhone.” Men inte en vanlig iPhone. Han säger att tänk på var och en som “en mycket specialiserad, luftig iPhone, med en mycket specialiserad, kalibrerad kamera.”
När drönarens kameror flyger över huvudet , de tar bilder av landet. Dessa visar fältstorleken och markens olika läggningar. De avslöjar också jordvariationer och eventuella bevattningsproblem. De visar till och med var insekter och svampar kan orsaka problem.
Därefter bearbetar DroneClouds dessa bilder för att skapa en karta över fältet och vad som växer i det . – Vi gör sedan analyser för att tolka det åt bonden, förklarar Pistorius. Om bilderna kommer från en äppelträdgård, till exempel, kan de titta på hur träden växer. De kommer att notera var högt ogräs kan få ett helt nytt träd att kämpa.
För att lokalisera problem jämför analytiker dessa bilder till andra av samma gröda. Detta kallas jämförande analys. Pistorius säger att det är som att springa ett lopp och sedan jämföra din tid idag med vad den var tidigare under säsongen. Det låter dig mäta hur mycket du har förbättrats. Men löpare jämför också sin tid med andra löpare. Så bönder jämför bilder av sin åker med bilder från andra bönder. Detta är känt som en signaturbaserad analys
“De idealiska bilderna kommer från laboratorier över hela världen, säger Pistorius. “Vart fjärde år träffar forskare från Agricultural Research Commission [in South Africa] laboratorier [in the United States] och tar ett gäng underskrifter.” På så sätt kan bönder i båda länderna hjälpa varandra.
Konsekvent övervakad växer de små plantorna. Dag efter dag går solen upp och ned. Ibland lyser det, andra gånger är det regn. Äntligen kommer skördetiden. Och med det kommer nytt, banbrytande arbete inom gårdsrobotik.
I två år har Abundant Robotics utvecklat en robot som plockar äpplen. Två år? Är det inte lätt att plocka äpplen?
Inte om du är en robot.
För att förstå varför äppelplockning är svårt för en maskin, låt oss bryta ner processen. När du ser ett äpple hänga på ett träd skickar dina ögon en signal till din hjärna. Hjärnan bearbetar data i denna signal – som äpplets färg och var det är på trädet. Instinktivt vet du när äpplet är redo att plockas. Din hjärna säger sedan till din arm att sträcka ut och din hand att dra bort frukten från dess gren. Du håller äpplet som om du skulle göra en fågel — tillräckligt försiktigt för att inte blåsa det, men tillräckligt hårt för att det inte faller bort.
När du plockar ett äpple fattar du alla dessa beslut snabbt. Men om du behövde plocka ett helt fält av äpplen, skulle det ta väldigt, väldigt lång tid. När du har plockat ett äpple måste du lägga det i en korg. Nästa äpple gick in där också, och nästa, tills din korg var full. Sedan skulle du gå ner för stegen, där du måste tömma din korg innan du klättrar upp igen för att börja igen.
Gör detta för hundratals träd skulle vara otroligt tidskrävande. Det är därför människor söker hjälp från robotar. När Abundant Robotics är klart kommer bönder att kunna plantera fler träd. Och de kommer inte att vara oroliga för att en del av deras skörd ruttnar på fältet eftersom folk inte kunde plocka allt i tid.
Det första problemet Abundant Robotics var tvungen att lösa var att skaffa rätt signaler. “Om du inte har ett par bra ögon är det svårt att göra många uppgifter i den verkliga världen”, säger Steere. Så företaget var tvungen att ge sin robot vad Steere kallar “ett bättre par ögon.” Detta system – och hur det ansluter till en robots hjärna – är känt som datorseende
Men även med superögon var äppelroboten fortfarande tvungen att lära sig att fysiskt plocka frukten utan att skada det. Inom robotteknik kallas rörelse animation. Steere säger: “Tung animation skadar frukten.” Om det skadar äpplet eller skär genom skalet kan frukten se dålig ut och kommer troligen inte att säljas. Grov hantering kan också skada träd.
Så roboten måste samordna sin syn och motorik. Tänk tillbaka på äppelplockningsprocessen: Du måste veta vilket äpple du ska plocka. Du måste plocka den snabbt och försiktigt. Men vad mer? Du kan inte störa äpplen på trädet som fortfarande behöver tid på sig att växa. “Visionen måste … känna igen frukt,” säger Steere, och “känna igen om den är mogen eller inte.” Och det måste göra allt det på en bråkdel av en sekund.
“Folk har velat automatisera den här typen av jordbruk i årtionden. Det har bara aldrig varit möjligt, säger han. Även efter två år är hans teams arbete fortfarande inte gjort! Abundants robot kommer inte att börja säljas förrän senare i år. Att utveckla fantastisk teknik är som jordbruk – det kräver tålamod.
Sortera skörden
När skörden har plockats måste bra frukt sorteras från den dåliga. Det är vad ett företag som heter bext360 gör. Istället för äpplen arbetar dess robot med kakao, nötter, kardemumma (en krydda) och kaffekörsbär (frukten som rymmer kaffebönor). Daniel Jones leder företaget, baserat i Denver, Colo.
Ta dessa kaffekörsbär. “Bönderna skördade sitt kaffe och placerade det i vår maskin”, förklarar Jones. “Då faller maskinen [the fruit] genom ett visionsystem.” Tänk dig ett vattenfall av körsbär som faller. Det är vad maskinen stirrar på, samtidigt som den tar bilder på den passerande frukten. Roboten använder sedan bilderna för att sortera goda kaffekörsbär från dåliga.
Maskinseende och datorseende är i princip samma sak. Abundant och best360's robotar gör olika uppgifter. Ändå hjälper samma kärnteknologi dem båda att göra det.
Båda robotarna behöver också mer än datorseende för att lyckas. Vision kan berätta för bext360:s robot hur den ska sortera, men då måste roboten faktiskt göra det. Bönder skördar kaffekörsbär – upp till 30 kg (66 pund) – från en del av sin åker i taget. Sedan lastar de körsbär med cirka 18 000 bönor i en ränna ovanpå roboten.
Inom cirka 3 minuter kommer roboten att ha sorterat varje körsbär. För att göra det måste roboten ta en bild av var och en. Sedan analyserar den dem alla på bara 22 millisekunder eller så. “Vi kommer att veta allt om dem under den bråkdel av en sekund som de faller igenom [the chute], säger Jones. Luftpustar trycker sedan körsbären i olika behållare — en för god frukt, en annan för avslag.
Efter kaffekörsbäret faller delar roboten sin analys med bonden. “De viktigaste sakerna [the robot measures] är storlek och färg och densitet”, säger Jones. Det kontrollerar även insidan och utsidan av körsbäret för tecken på röta eller sjukdom. Det är därför bönder bara lägger körsbär från en del av sin åker åt gången. Den här informationen hjälper dem att veta om något de provat i en del av ett fält fungerade bättre än något de försökte någon annanstans.
Roboten från bext360 är fortfarande ny: Försäljningen startade bara för ungefär sex månader sedan.
På tallriken Plockad, analyserad och sorterad, en skörd går nu till ett lager. En dag kan den komma dit i en självkörande semi-lastbil. Och en självkörande gaffeltruck kan flytta pallarna från lastbilen och till en annan som är avsedd för en restaurang eller butik. Amazon har redan en livsmedelsbutik bara för anställda som inte har några mänskliga lagerhållare eller utcheckningstjänstemän: De är alla robotar.