智慧農(nóng)業(yè)：計(jì)算機(jī)視覺(jué)和機(jī)器人正被用于提高效率
農(nóng)業(yè)中的人工智能有助于檢測(cè)農(nóng)場(chǎng)中的害蟲(chóng)、植物病害和營(yíng)養(yǎng)不良。人工智能傳感器可以識(shí)別并鎖定雜草，然后再?zèng)Q定在該地區(qū)使用哪種除草劑。精準(zhǔn)農(nóng)業(yè)，通常被稱為人工智能系統(tǒng)，正在幫助提高收獲的整體質(zhì)量和準(zhǔn)確性。
計(jì)算機(jī)視覺(jué)的作用
我們需要大量土地來(lái)養(yǎng)活數(shù)十億人。如今，手工栽培已經(jīng)不可能了。與此同時(shí)，作物歉收往往是由蟲(chóng)害和植物疾病造成的。鑒于現(xiàn)代農(nóng)業(yè)經(jīng)營(yíng)的規(guī)模，要發(fā)現(xiàn)和制止這種蟲(chóng)害入侵具有挑戰(zhàn)性。
這為計(jì)算機(jī)視覺(jué)技術(shù)增加了一個(gè)新的應(yīng)用。農(nóng)夫們可以利用航空攝影在宏觀上確定植物疾病或害蟲(chóng)的早期指標(biāo)，并在微觀層面使用葉子和植物的特寫(xiě)照片來(lái)識(shí)別作物病害。這些研究中常用的計(jì)算機(jī)視覺(jué)方法是卷積神經(jīng)網(wǎng)絡(luò)。如今，人工智能在農(nóng)業(yè)領(lǐng)域的更多應(yīng)用正在開(kāi)發(fā)中。
值得注意的是，我們?cè)谶@里非常廣泛地使用了“計(jì)算機(jī)視覺(jué)”一詞。圖像通常不是最可靠的信息來(lái)源。研究植物生命的許多重要方面的最好方法是用其他方法。通常可使用專用傳感器收集高光譜圖像或進(jìn)行3D激光掃描，以更好地了解植物的健康狀況。在農(nóng)學(xué)領(lǐng)域，由于人工智能在農(nóng)業(yè)領(lǐng)域的應(yīng)用，這類技術(shù)得到了越來(lái)越多的應(yīng)用。
這種數(shù)據(jù)類型通常具有高分辨率，與醫(yī)學(xué)成像相比，更類似于照片。AgMRI是一種現(xiàn)場(chǎng)監(jiān)測(cè)系統(tǒng)。雖然需要專門(mén)的模型來(lái)處理這些數(shù)據(jù)，但由于數(shù)據(jù)的空間組織，特別是可以使用卷積神經(jīng)網(wǎng)絡(luò)。
植物表型和成像研究獲得了數(shù)百萬(wàn)美元投資。目前的主要任務(wù)是收集相當(dāng)大的農(nóng)作物數(shù)據(jù)集，通常以圖片或三維圖像的形式，并將表型信息與植物基因型進(jìn)行對(duì)比。研究結(jié)果和信息可用于推進(jìn)全球農(nóng)業(yè)技術(shù)。農(nóng)業(yè)并不是唯一使用智能人工智能系統(tǒng)的領(lǐng)域，人工智能在招聘方面也是一個(gè)熱門(mén)話題。
機(jī)器人是如何被用于農(nóng)業(yè)的
許多自主農(nóng)業(yè)機(jī)器人能夠在堅(jiān)持既定的基本模式，并考慮到該地區(qū)的獨(dú)特特點(diǎn)的同時(shí)在地面上挖洞和播種。機(jī)器人還能夠管理植物的生長(zhǎng)過(guò)程，并單獨(dú)與每一株植物交互。當(dāng)農(nóng)作物成熟時(shí)，機(jī)器人將收獲，再次以應(yīng)有的方式對(duì)待每株植物。
無(wú)人機(jī)可以自動(dòng)噴灑農(nóng)作物。小型、靈活的無(wú)人機(jī)可以比大型飛機(jī)更精確地運(yùn)送危險(xiǎn)物質(zhì)。此外，使用噴霧無(wú)人機(jī)拍攝的航空攝影可以用來(lái)為本文開(kāi)頭所述的計(jì)算機(jī)視覺(jué)算法收集數(shù)據(jù)。
專門(mén)為收割而設(shè)計(jì)的機(jī)器人正在越來(lái)越多地被創(chuàng)造和部署。聯(lián)合收割機(jī)已經(jīng)使用了很長(zhǎng)時(shí)間，而單棵雜草可以被機(jī)器人識(shí)別和機(jī)械清除。這是當(dāng)代機(jī)器人技術(shù)和計(jì)算機(jī)視覺(jué)的另一項(xiàng)了不起的成就，因?yàn)樵诖酥?，人們不可能區(qū)分雜草和有益植物，也不可能使用機(jī)械手與小植物交互。
人工智能在農(nóng)業(yè)領(lǐng)域提高效率
盡管許多農(nóng)業(yè)機(jī)器人仍是原型或僅在小范圍內(nèi)進(jìn)行測(cè)試，但ML、AI和機(jī)器人技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用已經(jīng)很明顯。相信在不久的將來(lái)，越來(lái)越多的農(nóng)業(yè)活動(dòng)將采用機(jī)械化。
如今，人工智能在農(nóng)業(yè)領(lǐng)域的更多應(yīng)用正在開(kāi)發(fā)中。例如，某企業(yè)的一個(gè)試點(diǎn)項(xiàng)目將計(jì)算機(jī)視覺(jué)應(yīng)用于畜牧業(yè)，但這一領(lǐng)域還沒(méi)有引起深度學(xué)習(xí)企業(yè)們的廣泛興趣。
農(nóng)業(yè)中的機(jī)器學(xué)習(xí)和人工智能
當(dāng)然，已經(jīng)有一些舉措將牲畜跟蹤數(shù)據(jù)用于機(jī)器學(xué)習(xí)。例如，巴基斯坦企業(yè)推出了一款項(xiàng)圈，可以無(wú)線監(jiān)測(cè)奶牛的活動(dòng)和體溫。而法國(guó)研究人員正在研究奶牛的面部識(shí)別技術(shù)。
此外，還有一些計(jì)劃將人工智能應(yīng)用于養(yǎng)豬業(yè)，這是一個(gè)迄今尚未得到充分利用的行業(yè)，市場(chǎng)價(jià)值高達(dá)數(shù)千億美元。在現(xiàn)代農(nóng)場(chǎng)里，豬被圈養(yǎng)在相對(duì)較小的群體中，選擇最具可比性的動(dòng)物。食品是養(yǎng)豬生產(chǎn)的主要支出，因此，因此當(dāng)代養(yǎng)豬生產(chǎn)的主要目標(biāo)是最大化育肥過(guò)程。
如果農(nóng)民對(duì)豬的體重增長(zhǎng)有全面的了解，他們就可以解決這個(gè)問(wèn)題。動(dòng)物在其一生中通常只稱重兩次，剛出生和賣(mài)出時(shí)。如果專家們知道每頭小豬是如何增重的，他們可以為每頭豬設(shè)計(jì)獨(dú)特的增肥方案，甚至設(shè)計(jì)獨(dú)特的食品添加劑組合。這將大大增加產(chǎn)量。
盡管把動(dòng)物趕到磅秤上并不是特別困難，但它會(huì)給它們帶來(lái)很大的壓力，而有壓力的豬會(huì)體重下降。這項(xiàng)新的人工智能研究旨在創(chuàng)造一種新的、非侵入性的動(dòng)物稱重方法。利用計(jì)算機(jī)視覺(jué)模型從照片和視頻數(shù)據(jù)中推斷出來(lái)豬的重量。這些估計(jì)結(jié)果將被納入現(xiàn)有的傳統(tǒng)分析機(jī)器學(xué)習(xí)模型，以增強(qiáng)增肥過(guò)程。
人工智能在農(nóng)業(yè)中的未來(lái)是什么
農(nóng)業(yè)和畜牧業(yè)有時(shí)被視為是過(guò)時(shí)的職業(yè)。然而，現(xiàn)如今農(nóng)業(yè)領(lǐng)域的人工智能正成為許多農(nóng)場(chǎng)的常用工具。造成這種現(xiàn)象的主要原因是農(nóng)業(yè)中同時(shí)進(jìn)行著大量的工作。
它們是非常繁瑣，以至于必須使用深度學(xué)習(xí)和當(dāng)代人工智能來(lái)實(shí)現(xiàn)它們的自動(dòng)化。雖然栽培的植物和豬是完全相同的，但它們并不是來(lái)自同一條流水線。每一個(gè)番茄灌木和每一頭豬都需要一個(gè)獨(dú)特的方法，因此人類的干預(yù)是絕對(duì)必要的。
我們可以利用當(dāng)前人工智能的發(fā)展來(lái)解決挑戰(zhàn)，同時(shí)也可以自動(dòng)化與動(dòng)植物互動(dòng)的技術(shù)，并考慮到它們的獨(dú)特特征。稱一頭豬的體重比學(xué)習(xí)如何通過(guò)圖靈測(cè)試更簡(jiǎn)單，在廣闊的田野上操作拖拉機(jī)比在擁擠的交通中操作汽車更簡(jiǎn)單。
由于農(nóng)業(yè)仍然是世界上最大和最重要的行業(yè)之一，即使效率的微小提高也會(huì)帶來(lái)顯著的收益。這就是為什么有很多企業(yè)在農(nóng)業(yè)領(lǐng)域優(yōu)先考慮人工智能的原因。
