Technologie
Martin Ullmann: Zemědělce nezajímá, jestli je ve stroji AI. Potřebují, aby skutečně fungoval
Technologie společnosti Ullmanna dokáže pomocí kamer a strojového učení rozpoznávat plodiny a mechanicky odstraňovat plevel bez použití chemie. Její spoluzakladatel Martin Ullmann v rozhovoru vysvětluje, jak se z nápadu na rodinné oslavě stal produkt využívaný v Evropě, Severní Americe i Asii, proč je při jeho vývoji klíčový sběr dat a kam chce firma růst. Společnost se s růstem 3 812 % umístila na pátém místě v regionu střední Evropy v hlavní kategorii soutěže Deloitte Technology Fast 50.
Kompletní výsledky 27. ročníku Deloitte Technology Fast 50 CE najdete na webových stránkách programu.
Původně jste pracoval v IT a zároveň jste měl zkušenosti z armády. Jak vznikl nápad propojit technologie právě se zemědělstvím?
Vystudoval jsem vojenskou akademii se zaměřením na výpočetní techniku. Přibližně čtyři roky jsem působil v armádě a poté přešel do civilního sektoru, kde jsem pracoval pro velkou IT firmu.
Impulz k založení Ullmanny ale přišel na rodinné oslavě. Můj tchán, který je zemědělec a agronom, se mě zeptal, zda by nešlo vymyslet řešení pro detekci plevele nebo řádků cukrové řepy. Cukrovary tehdy chtěly vykupovat bio cukrovou řepu, což bylo pro zemědělce finančně zajímavé, problémem však zůstával plevel. Myšlenka propojit IT se zemědělstvím mě nadchla, a tak jsem na ní začal po večerech pracovat.
Co se dělo potom? Jak jste nápad začal převádět do praxe?
Nejprve jsem vytvořil jednoduchý prototyp a následně jsem s ním zamířil do centra podpory inovací na Vysoké škole Báňské v Ostravě. Tam mi řekli, že je právě možné získat startupový voucher ve výši 500 tisíc korun, a nabídli nám pomoc se založením společnosti, byznys plánem i prezentací. Voucher jsme získali, následně jsme uspěli v jejich ostravském akcelerátoru Greenlight a později přišla také podpora CzechInvestu, další granty a investor. Dnes už ale hlavní část našich příjmů pochází od zákazníků.
Vznik firmy se časově téměř překrýval s pandemií. Jak vás covid ovlivnil?
Měli jsme štěstí, protože jsme těsně před prvními uzávěrami vyhráli soutěž a získali půl milionu korun. Akce se konala v únoru a o týden později už by pravděpodobně nebylo možné ji uskutečnit. Samotný covid nás výrazně negativně nezasáhl. Spíše nám svým způsobem pomohl. Před pandemií bylo v našem oboru důležité jezdit na veletrhy, na které zavedené firmy měly výrazně větší rozpočty. Během covidu veletrhy zmizely a obchodní jednání se přesunula do online prostředí. Najednou jsme měli podobnou startovní pozici jako větší společnosti, protože kontaktovat někoho online se stalo naprosto běžné.
Vaše technologie umožňuje mechanicky likvidovat plevel bez použití chemie. Jak dokáže rozlišit plodinu od plevele?
Na stroji je několik kamer, včetně 3D kamery. Systém pořizuje obraz přibližně patnáctkrát za sekundu a na každém snímku vyhodnocuje, zda vidí cílovou plodinu, tedy rostlinu, kterou nechceme při okopávání poškodit. Pokud ji rozpozná, určí střed rostliny a tuto informaci předá softwaru. Ten následně rozhoduje, kdy se mají pracovní nože otevřít a kdy zavřít.
Musí obsluha předem určit, jakou plodinu má systém rozpoznávat?
Ano. V současnosti máme více než sto modelů a farmář na tabletu zvolí konkrétní plodinu. Zároveň nastaví, jak blízko mají nože u rostliny pracovat, jak agresivně mají plevel odstraňovat a do jaké hloubky mají zasahovat. Klidně i za provozu na poli.
Podobné systémy existovaly i dříve, často ale pracovaly především s rozpoznáním barvy. Jejich fungování proto ovlivňovalo světlo, velikost listů nebo počasí. Když zašlo slunce, barvy se změnily a obsluha musela systém znovu kalibrovat. U našeho řešení jsou základní parametry pevně nastavené a farmář je nemusí neustále upravovat.
Jaké přesnosti dosahujete?
Standardně se snažíme držet přibližně na 99 procentech. Pokud systém poškodí jednu rostlinu ze sta, považujeme to za přijatelný výsledek. V některých podmínkách může být chybovost prakticky nulová, pokud se neobjeví jiný technický problém. Jindy jsou však podmínky složitější a musíme sbírat další data.
Největší výzvou je nalézt správnou rovnováhu. Pokud model nastavíme příliš benevolentně, otevře nože téměř před vším zeleným. Plodinu sice nepoškodí, ale zároveň propustí i část plevele. Pokud ho naopak nastavíme příliš přísně, odstraní více plevele, ale může poškodit také některé plodiny. Farmář si proto může zvolit, jak agresivně má stroj pracovat.
Které podmínky jsou pro správné rozpoznávání nejnáročnější?
Problematické mohou být například rostliny zablácené po dešti nebo rostliny, které jsou okousané a vypadají jinak než data, na nichž byl model původně trénován. Za deště se běžně jezdit nedá, protože se půda nabaluje na kola, obtížné ale mohou být i podmínky bezprostředně po něm.
Proto neustále sbíráme další data a model učíme rozpoznávat co nejvíce různých situací. Některé rostliny navíc v jednotlivých fázích svého vývoje vypadají velmi odlišně. Aby systém dobře fungoval, potřebujeme data z celé sezony.
Existuje plodina, kterou systém rozpoznává obzvlášť obtížně?
Náročná jsou například průmyslově pěstovaná rajčata. Rostou v malých keřících, které se postupně rozrůstají, takže v určité fázi už není dobře vidět jejich střed. V Americe je navíc může silný vítr ohnout na jednu stranu. Potom ani z fotografie není jednoznačně patrné, kde se skutečný střed rostliny nachází, a systém ho musí částečně odhadovat.
Obecně je začátek práce s novou plodinou vždy složitější. Nasbíráme data o malé rostlině, ale než se na pole vrátíme s nově natrénovaným modelem, rostlina už může být větší a vypadat jinak. Musíme proto postupně získávat data ze všech vývojových fází.
V některých případech lze ušetřit až 90 procent lidské práce. Výhodou je také správné načasování. Když zemědělec sehnal pět nebo deset pracovníků, mohlo jim ošetření polí trvat celý měsíc. Se strojem lze práci udělat během jednoho nebo dvou dnů právě ve chvíli, kdy je to potřeba.
Český trh je pro vás poměrně malý. Ve kterých zemích dnes působíte nejvíce?
Největší část našeho trhu tvoří Evropa, především Rakousko, Německo a Švýcarsko. Dále působíme ve Velké Británii, Nizozemsku a Belgii, postupně začínáme také ve Francii, Itálii a Španělsku.
Naše technologie se prostřednictvím strojů našich partnerů dostala také na Ukrajinu, do Japonska, Kanady a Spojených států. Nezaměřujeme se přitom primárně na výrobu celých strojů, ale především na kamerové systémy.
Je ovládání technologie pro řidiče traktoru složité?
Stejně jako u každého jiného pracovního nástroje je potřeba základní zaškolení. Máme sice připravené návody, ale ty samozřejmě skoro nikdo nečte. Proto obvykle strávíme s novým zákazníkem přibližně půl dne na poli, kde mu vše ukážeme. Potom už většinou dokáže se systémem pracovat sám.
Není to žádná šílená věda. Postupně může objevovat další možnosti nastavení a zdokonalovat se, ale základní ovládání je poměrně intuitivní.
Umělá inteligence se dnes skloňuje téměř všude. Jak podle vás promění zemědělství?
Pro zemědělce není rozhodující, jestli je uvnitř umělá inteligence. Důležité je, co jim řešení přinese a zda vyřeší jejich problém. Chtějí vědět, že stroj dokáže plodinu rozpoznat a že bude v praxi fungovat.
Mezi ekologickými zemědělci je už taková technologie poměrně známá. Velkým problémem je pro ně nedostatek pracovní síly. Lidská práce je stále dražší, je fyzicky náročná a pracovníky je obtížné sehnat. Proto zemědělci hledají řešení, která jim pomohou práci automatizovat.
Jak výraznou úsporu práce dokáže technologie přinést?
Máme například velmi spokojeného zákazníka v Rakousku, který pěstuje dýně. Před nasazením stroje potřeboval na jeden hektar přibližně 60 až 120 hodin lidské práce. S naším řešením mu stačí dvě až tři hodiny.
V některých případech lze ušetřit až 90 procent lidské práce. Výhodou je také správné načasování. Když zemědělec sehnal pět nebo deset pracovníků, mohlo jim ošetření polí trvat celý měsíc. Se strojem lze práci udělat během jednoho nebo dvou dnů právě ve chvíli, kdy je to potřeba. Pokud se například blíží déšť nebo je pátek večer a nikdo další není k dispozici, farmář jednoduše sedne za traktor a pole objede.
Může být podobná technologie dostupná také menším zemědělcům?
Technologie je zatím poměrně drahá, takže přemýšlíme, jak ji zpřístupnit i menším zemědělcům, kteří hospodaří například na deseti hektarech. Máme několik nápadů, které bychom chtěli realizovat, konkrétní plány si ale zatím necháváme pro sebe.
Věřím, že budeme schopni oslovit také menší farmáře. Je to pro nás důležité i proto, aby se dále nerozevíraly nůžky mezi malými a velkými zemědělskými podniky. Velké podniky mohou být díky technologii efektivnější, což by mohlo vést k tomu, že budou postupně skupovat ty menší.
Na které další trhy se chcete zaměřit?
V tuto chvíli jsem v dané oblasti leaderem na světovém trhu, máme i dost silný patent (právě schválen i v USA). Začínáme se dívat na Čínu, a to jak z hlediska výroby, tak samotného trhu. Zajímavá je pro nás obecně Asie, kde vidíme velký potenciál.
V Jižní Americe zatím nepůsobíme. Hlavní překážkou je cena. Ta je přijatelná pro evropský a severoamerický trh, ale pro Jižní Ameriku nebo některé asijské země je stále příliš vysoká. Podobné je to například v Turecku. Pokud se nám podaří cenu snížit, budeme schopni oslovit i tyto trhy. Musíme ale neustále inovovat, jinak nás konkurence dožene.
Přečtěte si i další zajímavé příběhy úspěšných firem, které jsou součástí naší Deloitte Technology Fast 50 komunity.