Quando um proprietário de uma fazenda chinesa queria estabelecer práticas sustentáveis que pudessem escalar para milhares de hectares de terra, ele procurou respostas em uma startup de tecnologia criativa. Essa empresa, agora TalentCloud, avançou com a tecnologia Microsoft Azure Machine Learning e a Internet das Coisas (IoT).
Desde sua fundação em 2012, a empresa apostou essas tecnologias em sua solução Agro-Brain. Assim como os cientistas de dados do TalentCloud são mais produtivos à medida que criam os modelos que alimentam a solução, os agricultores chineses também estão aumentando sua eficácia com segurança, reduzindo a poluição e aumentando a segurança alimentar.
Agricultores e consumidores têm um novo motivo para ficar animados e tranqüilizados quanto à qualidade e segurança de seus alimentos. Embora poucos compradores possam ouvir o Agro-Brain, a solução baseada no Microsoft Azure é uma ferramenta valiosa para os agricultores. Ele fornece visibilidade total do status das culturas e recomendações baseadas na mais recente ciência agrícola. Isso significa menos poluição e uso de pesticidas, maior qualidade e segurança, além de vitórias para todos, do produtor ao consumidor e ao meio ambiente.
A Agro-Brain começou quando dois consultores de TI se perguntaram sobre os vínculos entre a ciência agrícola mais atualizada e o agricultor comum no local. Será que basear a prática agrícola em dados e idéias pode levar a vitórias para agricultores e consumidores? E talvez sistemas inteligentes que possam guiar os agricultores e automatizar algumas funções da fazenda trariam benefícios ainda maiores.
Convencidos do valor da ideia, Xiaodong Wang (agora CEO) e Guangliang Wei (CEO) formaram o TalentCloud. Apoiando-se em quatro pilares – coleta de dados no limite, conhecimento de ciências das plantas, práticas recomendadas de agricultura e execução de precisão (circulando de volta ao limite) – a solução combina uma série de tecnologias do Azure para promover agricultura sustentável e maior segurança alimentar.
Modernizar a agricultura para as pessoas e o planeta
Aprender sobre as práticas agrícolas tradicionais na China abriu os olhos dos fundadores do TalentCloud. “A falta de conhecimento científico é uma das maiores razões para crises de segurança alimentar e poluição ambiental”, diz Wang. “Tradicionalmente, os agricultores seguiram caminhos antigos sem entender a ciência subjacente. A China envia técnicos agrícolas para trabalhar com agricultores, mas não há o suficiente. E, quando em dúvida, os agricultores usam demais produtos químicos. ”
A solução Agro-Brain da TalentCloud ajuda os agricultores a mudar para práticas centradas em dados. Ele aborda o problema nos níveis de tomada de decisão e operacional. O Agro-Brain usa a tecnologia de nuvem para reunir milhões de pontos de dados e sintetizá-los por meio de sofisticado aprendizado de máquina. Aconselha os agricultores e interage com os dispositivos para controlar a irrigação e outras funções. Procurando uma solução completa e ponta a ponta para o Agro-Brain, o TalentCloud escolheu os serviços Azure Machine Learning e Azure IoT.
Colher alimentos – e conhecimento – dos campos
A solução Agro-Brain cria um sistema de informações em ciclo fechado, combinando a coleta de dados em tempo real no campo com dados de ciências das plantas que descrevem todo o ciclo de vida das culturas alimentares, incluindo informações relacionadas sobre ameaças como pragas, doenças e condições de crescimento. A combinação dá aos agricultores acesso a recomendações atualizadas e personalizadas de gerenciamento de culturas.
O TalentCloud usa produtos e serviços da Microsoft para otimizar um sistema de quatro partes que coleta uma série de pontos de dados – incluindo condições do solo, temperatura do ar e umidade – do campo por meio de sensores de IoT. Imagens de câmera de culturas e dados de dispositivos móveis complementam dados quantitativos. Os sensores se conectam diretamente ao Azure IoT Hub, que alimenta dados no Azure Machine Learning, treinando rapidamente os modelos criados pelos cientistas de dados do TalentCloud.
Os recursos automatizados de aprendizado de máquina no Azure Machine Learning aceleram o desenvolvimento do modelo, criando planos e previsões operacionais mais rápidos para os agricultores. Outro conhecimento – por exemplo, recomendações de água e fertilizantes – retorna ao campo como instruções operacionais, ativando sistemas automatizados pelo Azure IoT Edge.
Criando modelos melhores, mais rápido
A equipe do TalentCloud enfrentou limitações antes de adotar as soluções do Azure. “Anteriormente, nosso sistema de back-end suportava apenas cerca de 100.000 sensores simultaneamente. Depois de implantar o Hub IoT do Azure, conseguimos oferecer suporte a milhões de sensores ”, explica Wang. Mais sensores significam conjuntos de dados maiores, treinamento mais rico em modelos, maior precisão do modelo e maior produtividade do cientista de dados. Mesmo depois de aumentar seus sensores em uma ordem de magnitude, o TalentCloud não precisou adicionar desenvolvedores. “O uso do Azure IoT Hub dá tempo à nossa equipe para se concentrar em outras coisas”, continua Wang. “Podemos suportar facilmente mais tipos de sensores com menos tempo de entrega, e o sistema em geral é mais estável.”
O TalentCloud melhorou a produtividade em várias frentes com o IoT Hub. A codificação manual da solução exigiria um esforço assustador. “Antes, tínhamos que considerar a escalabilidade e a segurança dos dados”, diz Wang. “O Hub IoT do Azure faz muito por nós. Ele cuida de fatores periféricos, mas críticos, para que não precisemos. ”
A equipe desenvolve mais modelos mais rapidamente com os recursos automatizados de aprendizado de máquina no Azure. Essa foi a chave para manter os cientistas de dados produtivos.
“Os modelos agrícolas são muito complicados. Os algoritmos estão sujeitos a muitas influências. Por exemplo, a temperatura tem muitas dimensões, como a data e a hora em que foi registrada, a temperatura média e as mudanças entre os períodos. Os recursos automatizados de aprendizado de máquina no Azure Machine Learning evitam que nossos cientistas de dados executem muito trabalho e depuração, o que reduz nosso tempo para criar modelos de várias semanas a algumas horas ”, diz Wang. “Também reduzimos o tempo de depuração em 65%, ajustando os modelos com os recursos de ajuste de hiperparâmetro do Machine Learning”. Produzir muitos modelos em pouco tempo também significa que a equipe de Wang pode melhorar a qualidade de seus modelos mais rapidamente.
O uso de outras ferramentas da Microsoft aumenta ainda mais a produtividade e a velocidade. A equipe usa o Microsoft Visual Studio Code para criar soluções e implantá-las na nuvem. “O Código do Visual Studio funciona tão bem com o Azure que economiza muito tempo para nossos desenvolvedores”, diz Wang. “Gostamos da facilidade e conveniência que isso traz ao nosso processo de desenvolvimento. Usamos o Visual Studio Code porque é muito amigável, muito aberto e altamente interoperativo entre serviços. ”
Os cientistas de dados do TalentCloud usam o ONNX (Open Neural Network Exchange), um formato de código aberto para modelos de aprendizado de máquina, para padronizar seus modelos de aprendizado de máquina e implantá-los na borda. Isso ajuda a fechar o ciclo, enviando o conhecimento acumulado adquirido dos sensores e misturado com o conhecimento fenológico – ciclos de vida das plantas e a influência climática nesses ciclos – para dispositivos na borda e colocando sugestões de manutenção de culturas em prática real.
O TalentCloud usa as estruturas que funcionam melhor para cada cenário, incluindo PyTorch, TensorFlow e Caffe. “Todas as nossas estruturas funcionam bem com o Azure Machine Learning”, diz Wang. “Podemos exportar um padrão consistente que funcione bem para nós, porque muitas ferramentas funcionam perfeitamente com nossas soluções do Azure”.
Encontrar espaço para crescer com o Azure
Agora que o TalentCloud é membro da Microsoft Partner Network, Wang e Wei esperam levar o Agro-Brain e outras soluções ao mercado internacional para compartilhar com cada vez mais agricultores. A extensa presença mundial do Azure ajuda a tornar isso possível.
“O nome ‘Agro-Brain’ captura perfeitamente nossa solução”, diz Wang. “Imagine poder compartilhar a vantagem do conhecimento de milhões de especialistas com agricultores comuns, que agora podem produzir alimentos mais seguros a um custo menor porque usam menos pesticidas e fertilizantes. Criamos isso com as tecnologias Azure e podemos usá-las para fornecer essas informações aos cientistas, a fim de aumentar sua compreensão e, finalmente, melhorar a sustentabilidade e a segurança alimentar. ”
