AI驱动的数字农业探索与实践

2021-12-31 15:34:44

人工智能已经来了，它就在我们身边，几乎无处不在。

计算机科学，金融贸易，医药，诊断，重工业，运输，远程通讯，在线和电话服务，法律，科学发现，玩具和游戏，音乐等诸多方面我们都有看到人工智能的身影。

人工智能为何物？

人工智能”一词最初是在1956 年Dartmouth学会上提出的。从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。人工智能（Artificial Intelligence），英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。从字面上或许难以理解，我举个通俗的场景，辅助大家理解。

作为父母，我们能在一群孩子中一眼识别（图像识别）自己的娃，除了本能，还有对自己孩子音容笑貌和行为举止的记忆。孩子精神状态不好，父母可以通过孩子过往几天的饮食、起居和活动，基本判断娃是累了还是生病了，以及生什么病，进而做出判断，应该给孩子吃什么、喝什么以及是否去医院。

每位宝宝都是一个样

但，如果养1000个娃，其中999个是别人家的娃，你怎么养？一定会崩溃，你都不一定能记住每个娃的名字，更不用考虑如何个性化照顾每个娃，估计个个都会打滚哭喊。

假如有一个机器人，它的大脑是这1000个娃的妈妈的聚合体，它能准确识别每个娃，并能通过每个娃的言行举止、行为动作，对娃的身体特征和健康状况做分析判断，并提出照料娃的合理建议。那么，这个机器人就是超级人工智能机器人。

现实中父母的判断，是来自对娃的了解以及行为举止的分析，而对于人工智能机器人来说，道理其实一样，只是它把这些都收录成了数据，它的判断是基于大数据分析。

当然，人工智能养娃还不太全面，人工智能的全部也不只局限到这里，中国做为一个农业大国，人工智能已开始探索农业领域

未来不远，人工智能已开始探索农业领域智能图像识别

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。

现有一款App，他们能识别你不认识的农作物，他们帮农户智能识别农作物的各种病虫害。

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。收集了海量农业相关的卫星图像数据，可以对天气的预测比农业部的还要精准。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，预测的玉米产量比以往的预测准确率高出99%。

面部识别，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。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。

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用摄像装置对牛进行牛脸”识别，还配合上可穿戴的智能设备，这会让农场主更好的管理农场。还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。

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

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。

中国农业科学院农业信息研究所柴秀娟研究员就《AI驱动的数字农业探索与实践》谈到了数字农业与AI:

数字农业与人工智能

数字农业是将信息作为农业生产要素，用现代信息技术对农业对象、环境和全过程进行可视化表达、数字化设计、信息化管理的现代农业。数字农业是一个典型的多学科交叉的领域，既包含了丰富的信息技术学科，如遥感、地理信息系统、计算机技术等，也包含了地理学、农学等传统学科。数字农业是一个集合的概念，通常所说的农业物联网、农业大数据、精准农业、智慧农业都属于数字农业的范畴。虽然数字农业范围很广，但数字农业的目标最终可以用六个字概括：节本、提质、增效。人工智能（Artificial Intelligence, AI）是我国一个重要的国家战略，目前已经成为我国经济发展的新引擎，从政府到民间，AI不断地被提及和应用，表明了AI已经全面落地于国家的三大产业，各行各业的生产效率得到了提升。但AI距真正的通用还非常遥远，我们现在需要在农业的垂直领域，探索针对不同的、特定的应用下AI的一些解决方案，促进我国数字农业的发展。最近的高频概念AI生态的三个基本要素是基本资源，技术和应用。基础资源包括计算平台和数据中心，这部分实现的是计算的智能化。技术层面包括模式识别、计算机视觉、机器学习建模等，实现的是感知和认知的智能化。应用是指对应不同场景的AI应用，如智能交通，智能金融，智能医疗，智能农业等。农业领域覆盖范围非常广泛。从植物保护到土壤水肥管理、设施园艺管理、作物栽培管理、畜禽养殖等。对应来看，AI在数字农业的内涵也非常广泛，包括了智慧农场、智慧牧场、智慧果园等。这表明在数字农业的领域，AI技术有非常大的研究空间。计算机视觉方面的一个典型的问题是物体检测。它是在智慧农业中经常被用到的一个技术。AI是指计算机像人脑一样，具有对外部环境感知认识的能力，以及可以像人脑一样做出决策，这是AI的终极目标。而计算机视觉是从事AI的一个大门。以计算机视觉中的物体检测作为案例，计算机视觉分为低层视觉与高层视觉，低层视觉可以对图像进行执行预处理，如边缘检测、移动目标的检测、纹理分析等。高层视觉上升到对象的理解感知，包括物体检测、物体识别、语义分割、动作理解等。传统的物体检测方法是用多尺度滑动窗口来搜索指定物体。以车辆检测为例，先进行滑动窗口的扫描，滑动窗口确定的区域，进行纹理特征提取，通过预先训练的分类器，进行车与非车的分类。但这种多尺度的滑动窗口扫描方式计算代价非常高，提取的特征描述能力也不够强。现在物体检测的方法已经全面过渡到了深度学习策略。传统物体检测方法主要是分为四个模块：区域选择、特征提取、类别分类、后处理。深度学习的检测策略中，这四个模块其实是一样的，只是实现四个功能模块的工具发生了变化。