Jay Schroeder 担任CNH的首席技术官 (CTO) ，负责监督公司的全球研发业务。他的职责包括管理技术、创新、车辆和工具、精密技术、用户体验和动力系统等领域。Schroeder 专注于增强公司的产品组合和精密技术能力，旨在整合整个设备系列的精密解决方案。此外，他还参与扩展 CNH 的替代推进产品，并对产品开发流程进行管理，以确保公司的产品组合符合高质量和性能标准。
CNH Industrial 通过其各项业务，生产和销售农业机械和建筑设备。人工智能和先进技术（例如计算机视觉、机器学习(ML) 和摄像头传感器）正在改变这些设备的运行方式，从而实现人工智能驱动的自动驾驶拖拉机等创新，帮助农民应对工作中的复杂挑战。
CNH 的自动驾驶拖拉机由经过深度神经网络和实时推理训练的模型驱动。您能解释一下这项技术如何帮助农民以极高的精度完成种植等任务吗？以及它与交通运输等其他行业的自动驾驶相比如何？
虽然自动驾驶汽车成为头条新闻，但农业行业已悄然引领了自动驾驶革命二十多年。像 CNH 这样的公司早在特斯拉之前就率先推出了自动驾驶转向和速度控制。如今，CNH 的技术已不仅限于简单的驾驶，还可以在驾驶的同时进行高度自动化和自主的工作。从在需要的地方精确地播种到土地上，到高效和最佳地收割农作物和处理土壤，所有这些都是在驾驶穿过田地时进行的，自主农业不仅与自动驾驶汽车保持同步，而且还将它们远远甩在了身后。交通运输的未来可能是自动化的，但在农业领域，未来已经到来。
此外，CNH 面向未来的技术堆栈使自动化农业远超自动驾驶汽车所能实现的范围。我们的软件定义架构无缝集成了各种技术，使复杂的农业任务实现自动化，而这些任务远比简单的 A 点到 B 点导航更具挑战性。架构中的互操作性使农民能够通过 CNH 的开放 API 获得前所未有的控制力和灵活性，从而将更先进的技术层层叠加。与封闭系统不同，CNH 的开放 API 允许农民定制他们的机械。想象一下，摄像头传感器可以区分农作物和杂草，仅在需要时启动 – 所有这些都是在车辆自动驾驶时进行的。这种适应性，加上处理崎岖地形和各种任务的能力，使 CNH 的技术与众不同。虽然特斯拉和 Waymo 取得了长足进步，但自动化创新的真正前沿在于田野，而不是道路。
“植物 MRI 机器”的概念非常吸引人。 CNH 如何利用合成图像和机器学习让机器识别作物类型、生长阶段并应用有针对性的作物营养？
CNH 正在利用人工智能、计算机视觉摄像头和海量数据集训练模型，以区分农作物和杂草，确定植物的生长阶段，并识别田间农作物的健康状况，以确定优化农作物产量所需的确切养分和保护量。例如，使用 Augmenta 田间分析仪，计算机视觉应用程序会在机器快速穿过田地（速度高达 20 英里/小时）时扫描机器前方的地面，以评估田间农作物的状况以及哪些区域需要处理，以及以何种速度处理，以使这些区域更健康。
有了这项技术，农民能够准确了解并处理田间出现问题的确切位置，这样，人工智能和数据驱动的喷药机就无需对整块田地喷药来杀死杂草、控制害虫或添加必要的营养物质来促进作物健康，而是可以自动喷洒需要的植物。该技术能够精确地将所需化学药剂的剂量喷洒到正确的位置，以精确满足植物的需求并阻止对作物的任何威胁。识别并只喷洒（并且准确地）作物间生长的杂草，最终将使田间化学药剂的使用量减少高达 90%。只需少量化学药剂来处理每种威胁，而不必为了消除这几种威胁而对整块田地进行处理。
为了生成逼真的合成图像并快速改进数据集，CNH 使用了生物物理程序模型。这使团队能够快速高效地创建和分类数百万张图像，而无需花时间以所需的规模捕捉真实图像。合成数据增强了真实图像，提高了模型训练和推理性能。例如，通过使用合成数据，可以创建不同的情况来训练模型 – 例如各种照明条件和全天移动的阴影。程序模型可以根据参数生成特定图像，以创建代表不同条件的数据集。
与传统耕作方法相比，这项技术的准确性如何？
农民全年要做出数百个重大选择，但所有这些累积决定的结果只能在一次看到：收获时节。农民的平均年龄在不断增长，大多数农民工作年限超过 30 年。没有犯错的余地。从播种的那一刻起，农民就需要尽一切努力确保作物茁壮成长——他们的生计岌岌可危。
我们的技术让农民在工作中不再需要猜测，例如确定照料作物生长的最佳方式，同时让农民有更多时间专注于解决战略性业务挑战。归根结底，农民经营着庞大的业务，依靠技术来帮助他们最高效、最高效、最有利可图地开展业务。
机器生成的数据不仅使农民能够做出更好、更明智的决策以获得更好的结果，而且机器本身的高度自动化和自主性使工作做得比人类更好、规模更大。喷洒机能够比人眼更好地“看到”数千英亩农作物中的麻烦点，并能精确处理威胁；而像自动耕作这样的技术能够减轻完成艰巨、耗时任务的负担，并以比人类更高的准确度和效率大规模地完成任务。在自动耕作中，完全自主的系统通过使用传感器结合深度神经网络来耕作土壤，以厘米级精度创造理想条件。这可以使土壤做好准备，以实现高度一致的行距、精确的种子深度和优化的种子位置，尽管一块田地的土壤变化往往很大。传统方法通常依赖于人工操作的机械，由于操作员疲劳、导航不一致和定位不准确，通常会导致结果变化更大。
在收获季节，CNH 的联合收割机使用边缘计算和摄像头传感器实时评估作物质量。这种快速决策过程如何运作？人工智能在优化收获以减少浪费和提高效率方面发挥了什么作用？
联合收割机是一种极其复杂的机器，它可以在一次连续操作中完成多个过程——收割、脱粒和收集。它之所以被称为联合收割机，就是因为它将过去的多个设备组合成一个移动工厂。它同时发生很多事情，几乎没有出错的余地。 CNH 的联合收割机每 20 秒会自动做出数百万个快速决策，并在机器上进行边缘处理。摄像头传感器捕捉并处理收获作物的详细图像，以确定收获作物的每个谷粒的质量——分析水分含量、谷粒质量和杂物含量。机器将根据图像数据自动进行调整，部署最佳机器设置以获得最佳结果。我们今天可以对大麦、大米、小麦、玉米、大豆和油菜籽进行这种操作，很快将增加对高粱、燕麦、豌豆、向日葵和食用豆类的功能。
边缘人工智能对于优化这一过程至关重要，因为它使用经过训练的深度学习模型来识别作物生长模式。这些模型可以快速识别需要调整的收获区域，例如改变联合收割机的速度或修改脱粒设置，以确保更好地将谷物与植物的其他部分分离（例如，只保留每一粒玉米粒，去除玉米棒和秸秆的所有碎片）。这种实时优化有助于减少浪费，最大限度地减少作物损害，只收集优质作物。它还可以提高效率，让机器在旅途中做出数据驱动的决策，以最大限度地提高农民的作物产量，同时减少运营压力和成本。
由人工智能和机器学习驱动的精准农业有望减少投入浪费并最大程度提高产量。您能否详细说明 CNH 的技术如何帮助农民在日益严峻的农业环境中降低成本、提高可持续性并克服劳动力短缺问题？
农民在寻找熟练劳动力方面面临巨大障碍。对于耕作来说尤其如此——这是大多数农场为冬季准备土壤、为春季提供更好的种植条件而需要的关键步骤。精准度对于耕作至关重要，精确度要达到十分之一英寸，才能创造最佳的作物生长条件。 CNH 的自动耕作技术消除了高技能操作员手动调整耕作工具的需要。只需按一下按钮，系统即可自动完成整个过程，让农民专注于其他重要任务。这提高了生产力，精准度可以节省燃料，使操作更加高效。
在作物养护方面，CNH 的喷雾器技术配备了 125 多个微处理器，这些微处理器可以实时通信，以提高水、养分、除草剂和杀虫剂使用的成本效益和可持续性。这些处理器相互协作，分析田间条件，精确确定何时何地施用这些养分，目前可减少 30% 的过量化学品，在不久的将来可减少 90% 的过量化学品，从而大幅降低投入成本和进入土壤的化学品数量。喷嘴控制阀可根据喷雾器的速度自动调整，使机器能够精确地施用产品，确保以一致的速率和压力将液滴精确地输送到作物上，使每一滴都准确地落在作物健康所需的位置。这种精确度减少了频繁补充的需要，农民每天只需给喷雾器加一次油，从而显著节约水/化学品。
同样，CNH 的 Cart Automation 简化了收割期间操作联合收割机的复杂且高压力任务。精确度至关重要，可以避免联合收割机割台和谷物车在数小时内相距几英寸的情况下发生碰撞。它还有助于减少作物损失。Cart Automation 实现了无缝的装载过程，减少了对手动协调的需求，并方便联合收割机继续执行其工作而无需停止。CNH 已进行生理测试，表明这种辅助技术可将联合收割机操作员的压力降低约 12%，将拖拉机操作员的压力降低 18%，如果这些操作员在收获季节每天使用这些机器长达 16 小时，那么压力就会累积起来。
CNH 品牌 New Holland 最近与 Bluewhite 合作 开发自动驾驶拖拉机套件。此次合作如何契合 CNH 扩大农业自主性的更广泛战略？
自动化是 CNH 的未来，我们正采取有目的的战略方法来开发这项技术，以满足客户最迫切的需求。我们的内部工程师专注于为我们的大型农业客户群开发自动化，这些客户群是种植玉米和大豆等大片露天作物的农民。CNH 的另一个重要客户群是种植果园和葡萄园中所谓的“永久性作物”的农民。与在果园和葡萄园中实施自动化的公认领导者 Bluewhite 合作，使我们能够扩大规模并加快上市速度，从而能够为大型农业和永久性作物客户群提供急需的自动化服务。通过与 Bluewhite 合作，我们将在永久性作物中提供完全自动化的拖拉机，这使我们成为第一家在果园和葡萄园中提供自动化解决方案的原始设备制造商 (OEM)。
我们对自动化的方法是解决客户在工作和任务中遇到的最关键挑战，他们迫切希望机器完成工作并减轻劳动力的负担。自动耕作引领了我们内部工作自主性的开发，因为这是一项艰巨的任务，在一年中时间紧迫的时期需要很长时间，而且还有很多其他事情要做。在这种情况下，机器可以比人类操作员更好地完成工作。永久性作物农民也迫切需要自动化，因为他们面临严重的劳动力短缺，需要机器来填补空白。这些工作要求拖拉机每季在每个果园或葡萄园行间行驶 20-30 次，执行重要的工作，例如给树施肥以及修剪葡萄藤之间的草并保持无杂草。
CNH 的许多解决方案都已被果园和葡萄园经营者采用。这些环境对自动化和人工智能驱动的机械提出了哪些独特的挑战？CNH 如何将其技术应用于此类专业应用？
收获的窗口正在发生变化，找到熟练的劳动力越来越难。气候变化使季节变得更加难以预测；对于农民来说，拥有能够提高精确度和效率的技术对于确定何时收获农作物至关重要。农业总是需要精确度，但在收获像葡萄或坚果这样小而脆弱的东西时尤其必要。
大多数自动驾驶技术都依赖 GPS 来引导机器行驶，但在果园和葡萄园中，这些 GPS 信号可能会被树枝和葡萄藤阻挡。视觉摄像头和雷达与 GPS 配合使用，使机器保持最佳行驶路线。而且，在果园和葡萄园中，收获的不是成排的整齐划一的作物，而是单独的、不同的植物和树木，而且通常是在丘陵地带。 CNH 的自动化系统会根据每株植物的高度、地面高度和所需的采摘速度进行调整，以确保产量优质，而不会损坏作物。它们还会调整不结果或枯死的树木，以节省不必要的投入。这些机器人机器会自动沿着植物移动，安全地跨过作物，同时小心地从树或藤上摘下农产品。操作员设置所需的采摘头高度，机器会自动调整以保持每株植物的这些设置，无论地形如何。此外，对于某些水果来说，收获的最佳时间是其含糖量在一夜之间达到峰值时。配备红外技术的摄像头即使在最黑暗的条件下也能工作，以最佳状态收获水果。
随着越来越多自动化农业设备的部署，CNH 采取了哪些措施来确保这些人工智能系统的安全性和法规遵从性，特别是在多样化的全球农业环境中？
安全和法规合规性是 CNH 人工智能系统的核心，因此 CNH 与不同地区的地方当局合作，使公司能够调整其自主系统以满足区域要求，包括安全标准、环境法规和数据隐私法。 CNH 还积极参与标准组织，以确保我们满足所有公认和新兴的标准和要求。
例如，自动安全系统包括摄像头、激光雷达、雷达和 GPS 等传感器，用于实时监控。这些技术使设备能够检测障碍物，并在检测到前方有东西时自动停止。机器还可以在复杂的地形上行驶并对环境变化做出反应，从而最大限度地降低发生事故的风险。
您认为农业领域广泛采用人工智能技术的最大障碍是什么？ CNH 如何帮助农民过渡到这些新系统并展示其价值？
目前，最大的障碍是成本、连通性和农民培训。
但通过提高自动化程度，产量更高、费用更低、体力消耗更少、时间管理更好，可以抵消总拥有成本。小型农场可以从更有限的自动化解决方案中受益，例如饲料系统或售后升级套件。
连接不足，尤其是在农村地区，带来了挑战。人工智能驱动的技术需要始终一致的连接。 CNH 通过与 Intelsat 的合作 以及连接到附近任何网络（WiFi、蜂窝或卫星）的通用调制解调器来帮助解决这一问题，为难以到达的地区的客户提供现场连接。虽然许多客户通过 CNH 市场领先的全球移动虚拟网络满足了这种互联网连接需求，但现有的蜂窝塔无法实现普遍连接。
最后，与人工智能技术相关的学习曲线可能会让人望而生畏。这种从传统做法的转变需要培训和思维方式的转变，这就是为什么 CNH 与客户携手合作，确保他们熟悉该技术并充分利用系统。
展望未来，您如何看待 CNH 的人工智能和自动驾驶解决方案在未来十年的发展？
CNH 正在通过开发尖端技术应对关键的全球挑战，以便使用更少的资源可持续地生产更多的粮食，满足不断增长的人口需求。我们的重点是通过创新解决方案帮助农民改善生计和业务，其中人工智能和自动化发挥着核心作用。数据收集、传感器价格实惠、连接性和计算能力的进步将加速人工智能和自动化系统的发展。这些技术将推动精准农业、自主操作、预测性维护和数据驱动决策的进步，最终使我们的客户和全世界受益。
原创文章，作者：点点，如若转载，请注明出处：https://www.dian8dian.com/cnh-shou-xi-ji-shu-guan-jay-shroeder-fang-tan-xi-lie
