正在阅读:

柯洁输了,农民也要输给人工智能吗?浅谈AI在农业领域的应用

扫一扫下载界面新闻APP

柯洁输了,农民也要输给人工智能吗?浅谈AI在农业领域的应用

人工智能在农业领域的应用才刚刚开始,面临的挑战比其他任何行业都要大,因为农业涉及的不可知因素太多了!

柯杰最终还是输了,连输三局,败给了Alphago。柯杰代表了人类最高智慧棋类的最强大脑,三连败的结局足以展示科技的进步和人工智能的强大。

人工智能已成为自动化、电气化和信息化之后新一轮工业革命的基石,而人工智能的应用亦非仅在工业领域,在教育、医疗和金融领域都是革命性的技术创新。那么在人类最古老的农业领域,有何表现呢?我们是不是连种地也要输给电脑了呢?

人工智能解决农业面临的世纪挑战

农业领域面临的挑战对人类来说比其他领域更为重要。如今世界人口总数为72亿,其中有7.8亿人面临着饥饿威胁,到2050年,全球人口将要达到90亿,这意味着我们生产的粮食热量需要增长60%。

如果考虑作为肉类来源的家畜消耗的粮食,那么这一增长率将达到103%。而于此同时,我们又面临着石油农业所依靠的能源危机,面临着化肥农药过度使用造成的土壤和环境的破坏以及对人类健康的威胁。

那么,如何在耕地资源有限的情况下增加农业的产出,同时保持可持续发展呢?人工智能就是解决的方法之一。

人工智能在农业领域的研发及应用早在本世纪出就已经开始,这其中既有耕作、播种和采摘等智能机器人,也有智能探测土壤、探测病虫害、气候灾难预警等智能识别系统,还有在家畜养殖业中使用的禽畜智能穿戴产品。这些应用正在帮助我们提高产出、提高效率,同时减少农药和化肥的使用。

█ 智能图像识别

以前我们在野外看到一个不认识的花草要查阅资料才能知道是什么花草,可如今我们可以通过各种识图软件对着花草拍照扫描一下就知道了,这就是电脑图像识别技术。如今借助机器学习和深度学习,智能图像识别准确率越来越高,而应用也远远不止这些。

PlantVillage(美国)和Plantix(德国)是两款智能植物识别App,他们能做的不仅仅是帮你识别你不认识的农作物,他们能够帮农户智能识别农作物的各种病虫害。

农户把患有病虫害农作物的照片上传,App就会识别出农作物犯了那种病虫害,并且可以给出相应的处理方案。除了人工智能给出的处理方案,App上还有用户和专家交流的社区,可以针对相应的病虫害进行讨论交流。

█ 智能识别+智能机器人

那么如果把图像智能识别跟智能机器人结合会怎样呢?那就是更好的帮我们种地、播种和采摘。

(Blue River的莴苣种植机)

Blue River Technologies是一家位于美国加州的农业机器人公司。Blue River的农业智能机器人可以智能除草、灌溉、施肥和喷药。智能机器人利用电脑图像识别技术来获取农作物的生长状况,通过机器学习,分析和判断出那些是杂草需要清除,哪里需要灌溉,哪里需要施肥,哪里需要打药,并且能够立即执行(图示为莴苣种植机)。

智能机器人因为能够更精准的施肥和打药,可以大大的减少农药和化肥的使用,比传统种植方式减少了90%的农药化肥使用。

智能播种机器人还可以通过探测装置获取土壤信息,然后通过算法得出最优化的播种密度并且自动播种。美国爱荷华州的发明家David Dorhout研发的智能播种机器人Prospero就是这样的智能机器人。

除了播种和田间管理,农业智能机器人还可以帮我们采摘成熟的蔬果。

(Aboundant Robotics的苹果采摘机器人)

Aboundant Robotics也是来自美国加州的农业机器人公司,目前他们已经上市的是一款苹果采摘机器人,可以在不破坏苹果树和苹果的前提下达到一秒一个的采摘速度。苹果采摘机器人通过摄像装置获取果树的照片,用图片识别技术去定位那些适合采摘的苹果,然后用机械手臂和真空管道进行采摘,一点都不会伤到果树和苹果。

卫星云图学习,种地不看天,看手机

传统农药田间管理看天看地看作物,而如今农民也要成为看手机的低头族了。通过对卫星拍摄图片,航拍图片以及农田间其他设备拍摄的照片进行智能识别和分析,人工智能的能够精确的预报天气,气候灾害,识别土壤肥力,庄家的健康状况等等。

比如美国的Descartes Labs公司收集了海量农业相关的卫星图像数据,他们对天气的预测比美国农业部的还要精准。

Descartes Labs通过人工智能和深度学习,去分析这些图像信息,寻找其跟农作物生长之间的关系,能对农作物的产量做出精准预测,他预测的玉米产量比以往的预测准确率高出99%。

除了天气预测和产量预测,人工智能对农作物各种图像的学习还能判断出农田那里有杂草入侵,那个地块的农作物养分不足,那里片的农作物正在发生病虫害。美国加州的IntelinAir就是一家提供这样服务的公司。

(左:InterlinAir识别田间的杂草,右:给出农田的营养建议)

从瑞士联邦理工学院衍生出的农业科技公司Gamaya则使用独特的超光谱(高光谱)感应装置,用这些能够探测出肉眼无法观察的光谱,这为农户提供了更全面的数据,向农户提供智能施肥管理、灌溉管理和虫害管理。Gamaya的技术已经在玉米、大豆和甘蔗的种植上应用,并帮助农户大大降低成本和提高产出。

牛脸识别,智能穿戴

人工智能还可以用在禽畜的养殖业,比如在养牛行业。大家知道吗?牛其实不愿意看到人类的,他们会视人类为捕食者,因此养牛场的工作人员会给牛群带来紧张情绪。那么我们就把农场的管理交给人工智能吧。

人工智能通过农场的摄像装置获得牛脸以及身体状况的照片,进而通过深度学习对牛的情绪和健康状况进行分析,然后帮助农场主判断出那些牛生病了,生了什么病,那些牛没有吃饱,甚至那些牛到了发情期。来自加拿大的Cainthus机器视觉公司正在做这样的事情。

除了摄像装置对牛进行“牛脸”识别,还可以配合上可穿戴的智能设备,这会让农场主更好的管理农场。荷兰的Connecterra是一家动物智能穿戴技术公司。通过带在奶牛脖子上的智能传感器,结合牧场上的固定探测器共同收集数据。

这些数据上传到云服务器上,用自己开发的算法通过机器学习让这些海量的原始数据变成直观的图表和信息发送到客户那里。这些信息包括奶牛的健康分析、发情期探测和预测、喂养状况、位置服务等。

Connecterra大大节省了奶农的工作时间,提高了工作效率,特别是对有机农场更有帮助,因为他们可以很容易的了解放养时间、位置和吃草的时间。

让物联网更有价值

(在农田中的各种物联网设施)

除了智能穿戴还有更多的农业物联网设施,比如田间摄像头、温度湿度监控、土壤监控、无人机航拍等等。这些设施能够为农业管理提供海量的实时数据,那么如何把这些海量的数据及时的变成有价值的信息,就是人工智能要做的事情。

这些数据被实时传送到云服务器上,不同类型的农业服务公司会根据不同的农业状况设置自己的算法,然后通过机器学习和深度学习把这些数据变成对农户有意义的信息,比如那里虫害超标,那里需要灌溉等等。

人工智能还可以通过算法给出各种最优化的方案,比如根据土壤环境状况,结合市场行情预测,从而给出今年该地适合种玉米还是大豆。

未来的挑战和机遇

人工智能在农业领域的应用才刚刚开始,面临的挑战比其他任何行业都要大,因为农业涉及的不可知因素太多了!地理位置、周围环境、气候水土、病虫害、生物多样性、复杂的微生物环境等等,这些因素都在影响着农作生产。你在一个特定环境中测试成功的算法,换一个环境未必就有用了。

我们现阶段看到的一些人工智能成功应用的例子大都是在特定的地理环境或者特定的种植养殖模式。当外界环境变换后,如何挑战算法和模型是这些人工智能公司面临的挑战,这需要来自行业间以及农学家之间更多的协作。

作者郑伦,田野观察研究员,新农业研究及行业投资交流请联系公众号“田野观察AgriReview”

本文为转载内容,授权事宜请联系原著作权人。

评论

暂无评论哦,快来评价一下吧!

下载界面新闻

微信公众号

微博

柯洁输了,农民也要输给人工智能吗?浅谈AI在农业领域的应用

人工智能在农业领域的应用才刚刚开始,面临的挑战比其他任何行业都要大,因为农业涉及的不可知因素太多了!

柯杰最终还是输了,连输三局,败给了Alphago。柯杰代表了人类最高智慧棋类的最强大脑,三连败的结局足以展示科技的进步和人工智能的强大。

人工智能已成为自动化、电气化和信息化之后新一轮工业革命的基石,而人工智能的应用亦非仅在工业领域,在教育、医疗和金融领域都是革命性的技术创新。那么在人类最古老的农业领域,有何表现呢?我们是不是连种地也要输给电脑了呢?

人工智能解决农业面临的世纪挑战

农业领域面临的挑战对人类来说比其他领域更为重要。如今世界人口总数为72亿,其中有7.8亿人面临着饥饿威胁,到2050年,全球人口将要达到90亿,这意味着我们生产的粮食热量需要增长60%。

如果考虑作为肉类来源的家畜消耗的粮食,那么这一增长率将达到103%。而于此同时,我们又面临着石油农业所依靠的能源危机,面临着化肥农药过度使用造成的土壤和环境的破坏以及对人类健康的威胁。

那么,如何在耕地资源有限的情况下增加农业的产出,同时保持可持续发展呢?人工智能就是解决的方法之一。

人工智能在农业领域的研发及应用早在本世纪出就已经开始,这其中既有耕作、播种和采摘等智能机器人,也有智能探测土壤、探测病虫害、气候灾难预警等智能识别系统,还有在家畜养殖业中使用的禽畜智能穿戴产品。这些应用正在帮助我们提高产出、提高效率,同时减少农药和化肥的使用。

█ 智能图像识别

以前我们在野外看到一个不认识的花草要查阅资料才能知道是什么花草,可如今我们可以通过各种识图软件对着花草拍照扫描一下就知道了,这就是电脑图像识别技术。如今借助机器学习和深度学习,智能图像识别准确率越来越高,而应用也远远不止这些。

PlantVillage(美国)和Plantix(德国)是两款智能植物识别App,他们能做的不仅仅是帮你识别你不认识的农作物,他们能够帮农户智能识别农作物的各种病虫害。

农户把患有病虫害农作物的照片上传,App就会识别出农作物犯了那种病虫害,并且可以给出相应的处理方案。除了人工智能给出的处理方案,App上还有用户和专家交流的社区,可以针对相应的病虫害进行讨论交流。

█ 智能识别+智能机器人

那么如果把图像智能识别跟智能机器人结合会怎样呢?那就是更好的帮我们种地、播种和采摘。

(Blue River的莴苣种植机)

Blue River Technologies是一家位于美国加州的农业机器人公司。Blue River的农业智能机器人可以智能除草、灌溉、施肥和喷药。智能机器人利用电脑图像识别技术来获取农作物的生长状况,通过机器学习,分析和判断出那些是杂草需要清除,哪里需要灌溉,哪里需要施肥,哪里需要打药,并且能够立即执行(图示为莴苣种植机)。

智能机器人因为能够更精准的施肥和打药,可以大大的减少农药和化肥的使用,比传统种植方式减少了90%的农药化肥使用。

智能播种机器人还可以通过探测装置获取土壤信息,然后通过算法得出最优化的播种密度并且自动播种。美国爱荷华州的发明家David Dorhout研发的智能播种机器人Prospero就是这样的智能机器人。

除了播种和田间管理,农业智能机器人还可以帮我们采摘成熟的蔬果。

(Aboundant Robotics的苹果采摘机器人)

Aboundant Robotics也是来自美国加州的农业机器人公司,目前他们已经上市的是一款苹果采摘机器人,可以在不破坏苹果树和苹果的前提下达到一秒一个的采摘速度。苹果采摘机器人通过摄像装置获取果树的照片,用图片识别技术去定位那些适合采摘的苹果,然后用机械手臂和真空管道进行采摘,一点都不会伤到果树和苹果。

卫星云图学习,种地不看天,看手机

传统农药田间管理看天看地看作物,而如今农民也要成为看手机的低头族了。通过对卫星拍摄图片,航拍图片以及农田间其他设备拍摄的照片进行智能识别和分析,人工智能的能够精确的预报天气,气候灾害,识别土壤肥力,庄家的健康状况等等。

比如美国的Descartes Labs公司收集了海量农业相关的卫星图像数据,他们对天气的预测比美国农业部的还要精准。

Descartes Labs通过人工智能和深度学习,去分析这些图像信息,寻找其跟农作物生长之间的关系,能对农作物的产量做出精准预测,他预测的玉米产量比以往的预测准确率高出99%。

除了天气预测和产量预测,人工智能对农作物各种图像的学习还能判断出农田那里有杂草入侵,那个地块的农作物养分不足,那里片的农作物正在发生病虫害。美国加州的IntelinAir就是一家提供这样服务的公司。

(左:InterlinAir识别田间的杂草,右:给出农田的营养建议)

从瑞士联邦理工学院衍生出的农业科技公司Gamaya则使用独特的超光谱(高光谱)感应装置,用这些能够探测出肉眼无法观察的光谱,这为农户提供了更全面的数据,向农户提供智能施肥管理、灌溉管理和虫害管理。Gamaya的技术已经在玉米、大豆和甘蔗的种植上应用,并帮助农户大大降低成本和提高产出。

牛脸识别,智能穿戴

人工智能还可以用在禽畜的养殖业,比如在养牛行业。大家知道吗?牛其实不愿意看到人类的,他们会视人类为捕食者,因此养牛场的工作人员会给牛群带来紧张情绪。那么我们就把农场的管理交给人工智能吧。

人工智能通过农场的摄像装置获得牛脸以及身体状况的照片,进而通过深度学习对牛的情绪和健康状况进行分析,然后帮助农场主判断出那些牛生病了,生了什么病,那些牛没有吃饱,甚至那些牛到了发情期。来自加拿大的Cainthus机器视觉公司正在做这样的事情。

除了摄像装置对牛进行“牛脸”识别,还可以配合上可穿戴的智能设备,这会让农场主更好的管理农场。荷兰的Connecterra是一家动物智能穿戴技术公司。通过带在奶牛脖子上的智能传感器,结合牧场上的固定探测器共同收集数据。

这些数据上传到云服务器上,用自己开发的算法通过机器学习让这些海量的原始数据变成直观的图表和信息发送到客户那里。这些信息包括奶牛的健康分析、发情期探测和预测、喂养状况、位置服务等。

Connecterra大大节省了奶农的工作时间,提高了工作效率,特别是对有机农场更有帮助,因为他们可以很容易的了解放养时间、位置和吃草的时间。

让物联网更有价值

(在农田中的各种物联网设施)

除了智能穿戴还有更多的农业物联网设施,比如田间摄像头、温度湿度监控、土壤监控、无人机航拍等等。这些设施能够为农业管理提供海量的实时数据,那么如何把这些海量的数据及时的变成有价值的信息,就是人工智能要做的事情。

这些数据被实时传送到云服务器上,不同类型的农业服务公司会根据不同的农业状况设置自己的算法,然后通过机器学习和深度学习把这些数据变成对农户有意义的信息,比如那里虫害超标,那里需要灌溉等等。

人工智能还可以通过算法给出各种最优化的方案,比如根据土壤环境状况,结合市场行情预测,从而给出今年该地适合种玉米还是大豆。

未来的挑战和机遇

人工智能在农业领域的应用才刚刚开始,面临的挑战比其他任何行业都要大,因为农业涉及的不可知因素太多了!地理位置、周围环境、气候水土、病虫害、生物多样性、复杂的微生物环境等等,这些因素都在影响着农作生产。你在一个特定环境中测试成功的算法,换一个环境未必就有用了。

我们现阶段看到的一些人工智能成功应用的例子大都是在特定的地理环境或者特定的种植养殖模式。当外界环境变换后,如何挑战算法和模型是这些人工智能公司面临的挑战,这需要来自行业间以及农学家之间更多的协作。

作者郑伦,田野观察研究员,新农业研究及行业投资交流请联系公众号“田野观察AgriReview”

本文为转载内容,授权事宜请联系原著作权人。