Tensorflow Lite im Vertical Farming

Mit einem Raspberry Pi bringt Alexis Duque Deep Learning in eine Vertical Farm und erfährt so den optimalen Zeitpunkt für die Ernte.

Maschinelles Lernen hat das Computer-Paradigma verändert: Künstliche Intelligenz ist heute ein zentrales Merkmal beim Bau von Produkten. Die Konsumenten erwarten beim Gebrauch ihrer Geräte zunehmend Automatisierung und eine auf Menschen abgestimmte Interaktion.

Allerdings beschränkt sich die Deep-Learning-Revolution größtenteils auf die Cloud. Erst vor kurzem wurden dank der steigenden Performance von Mikrocontrollern und Embedded-Geräten mehrere Machine-Learning-Bibliotheken vorgestellt, die auf Edge-Geräten laufen und die Berechnungen an die Netzwerkperipherie verschieben. Das trifft auch auf Tensorflow Lite zu.

Tatsächlich brauchen Entwickler für das Aufbauen und Trainieren künstlicher neuronaler Netze zugkräftige Server mit GPUs und TPUs, während das Ausführen weniger Ressourcen erfordert und sich am Edge erledigen lässt. Das erlaubt es Entwicklern, ihre IoT-Geräte mit KI auszustatten, die verschiedene Aufgaben löst, darunter Anomalie- und Spracherkennung oder Regressionsanalyse.

Auf diesem Weg lässt sich eine Voraussage unabhängig von einer Cloud oder drahtlosen Verbindung treffen. Edge-Computing skaliert deutlich besser, weil sich die Kosten auf die Endgeräte verteilen, statt sich in der Cloud zu zentralisieren. Für einige Einsatzfälle, etwa die Spracherkennung, verbessert KI in der Netzwerkperipherie die Privatsphäre, weil die persönlichen Daten auf dem Gerät zu Hause oder im Büro verbleiben.

Optimale Ernte

Der vorliegende Artikel zeigt den Einsatz von Tensorflow Lite [1] auf IoT-Geräten. Konkret geht es um Vertical Farming. Maschinelles Lernen und künstliche Intelligenz helfen hier dabei, den Gemüseertrag zu optimieren oder das Erntedatum für die Pflanzen vorherzusagen.

Am Anfang führt der Beitrag kurz in das Konzept hinter Vertical Farming ein, bevor er sich Tensorflow Lite zuwendet und erklärt, wie es sich vom klassischen Tensorflow unterscheidet. Anschließend stelle ich die vernetzte Vertical Farm vor, die wir betreiben, und erläutere, warum und wie wir Tensorflow Lite verwenden.

Der Hauptteil beschäftigt sich sich schließlich in einem Tutorial damit, wie wir mit Tensorflow ein Wachstumsmodell für Salat entwerfen und trainieren, um dieses dann für die Netzwerkperipherie zu optimieren. Am Ende transferieren wir dieses schlankere Modell auf das Edge-Gerät, um das Erntedatum für den Salat mithilfe von Tensorflow Lite vorherzusagen. Der Artikel schließt mit meinen Gedanken zu Tensorflow Lite und liefert Feedback zu unseren gewonnenen Erkenntnissen.

Über Vertical Farming

Bei Vertical Farming handelt es sich um eine neue Methode, um Nutzpflanzen in einer komplett kontrollierten Umgebung in vertikal angeordneten Ebenen anzubauen. Vertical Farming will auf diese Weise nicht nur den Wasserverbrauch minimieren. Es zielt zudem darauf ab, die Produktivität zu erhöhen, indem es die Nutzpflanzen ohne Erde in geringen Mengen von nährstoffreichem Wasser platziert und in einem klimakontrollierten Glasschrank stapelt.

Vertical Farming könnte dabei helfen, den wachsenden globalen Nahrungsmittelbedarf auf nachhaltige Weise zu befriedigen. Es kann die Verteilungskette verkürzen und frischen Salat und Gemüse in die Nähe der Konsumenten bringen. Das verringert die Emissionen und erzeugt nährstoffreichere Produkte, die besser aussehen und schmecken.

In den letzten fünf Jahren haben viele Unternehmen damit begonnen, Vertical-Farming-Systeme zu entwickeln. Dafür setzen sie unterschiedliche Strukturen ein, wie etwa Frachtcontainer, Gebäude, Tunnel oder schrankartige Gehäuse wie das System, das ich in diesem Artikel vorstelle (Abbildung 1).

Abbildung 1: Die vertikale Farm verwendet einen Glasschrank als Gewächshaus. Diverse Sensoren überwachen die Salatproduktion.

Im Vertical Farming gibt es zwei Kategorien von erdfreien Anbautechniken. Hydroponische Systeme umspülen die Wurzeln der Pflanzen in einem sehr flachen Strom einer Wasserlösung, die Makronährstoffe enthält (Stickstoff, Phosphor, Kalium, etc.). Diese Technik heißt Nutrient Film Technique (NFT). Optional lassen sich als Bodenersatz reaktionsarme Medien wie Kiesel oder Sand einsetzen, die die Wurzeln anstelle von Erde unterstützen. Das nennt sich Ebbe-Flut-System.

Anders als die Hydrokultur braucht die Aeroponik kein flüssiges oder festes Medium, um Pflanzen darin anzubauen. Stattdessen wässert sie die Pflanzen über eine flüssige Lösung mit Nährstoffen (hier als HPA bezeichnet) oder benetzt sie mit einem Nebel (was Nebulisation heißt). Nebulisationsaeroponik gilt als nachhaltigste erdfreie Anbautechnik, weil sie 90 Prozent weniger Wasser benötigt als die effizientesten hydroponischen Systeme und keinen Austausch des Anbaumediums erfordert.