人工智能運(yùn)用在農(nóng)業(yè)的無(wú)窮潛力案例分析

讓我們先來(lái)看一段簡(jiǎn)單的小故事：日本有位黃瓜農(nóng)小池誠(chéng)原本是車廠工程師，但他辭去了工作，回到老家?guī)透改附?jīng)營(yíng)小黃瓜農(nóng)場(chǎng)。農(nóng)場(chǎng)并不大，但日本各農(nóng)場(chǎng)對(duì)于小黃瓜有不同的分類標(biāo)準(zhǔn)，小池家也一樣，光同品種的小黃瓜分類就可達(dá) 9 種之多，這讓他吃了不少苦頭。

于是他把腦筋動(dòng)到人工智能上，開(kāi)始研究起 Google 的 TensorFlow 平臺(tái)，搭配樹(shù)莓派 3 作為主控制器，并配一個(gè)相機(jī)拍攝照片。這些照片傳到 TensorFlow 平臺(tái)后在一個(gè)小型的神經(jīng)網(wǎng)絡(luò)上運(yùn)行，以判斷是否是小黃瓜。之后，已經(jīng)被判定為小黃瓜的照片接著傳輸?shù)揭粋€(gè)更大的基于 Linux 服務(wù)器的神經(jīng)網(wǎng)絡(luò)，來(lái)對(duì)小黃瓜按照不同的特質(zhì)進(jìn)行分類。在突破初期的失敗后，小池打造了一臺(tái)成本不到 10 萬(wàn)日?qǐng)A，任何人都可以快速上手的自動(dòng)分裝機(jī)，還把這套系統(tǒng)的程序代碼開(kāi)源釋出到了 GitHub 上.....前一篇文章中我們已經(jīng)介紹了物聯(lián)網(wǎng)+大數(shù)據(jù)的智能農(nóng)業(yè)進(jìn)行式；但其實(shí)農(nóng)業(yè)科技就跟主流科技領(lǐng)域一樣，即將被“大數(shù)據(jù)的下一步”，也就是以機(jī)器學(xué)習(xí)為首的人工智能技術(shù)所席卷。而且比起其他產(chǎn)業(yè)，農(nóng)漁畜牧面臨的挑戰(zhàn)更加嚴(yán)峻。如今世界人口約為 72 億，其中有 7.8 億人生活水平低落，面臨結(jié)構(gòu)性饑餓威脅，但到了 2050 年全球人口就會(huì)高達(dá) 90 億，這表示人類所生產(chǎn)的糧食總熱量需要增加 60%；如果再把肉類來(lái)源家畜消耗的糧食計(jì)算下去，這些糧食總熱量初估就會(huì)達(dá)到 103%；但相較之下，農(nóng)業(yè)可用面積在這 33 年內(nèi)最多只增加 4%。因此有許多人認(rèn)為，人工智能就是耕地資源有限的情況下增加農(nóng)業(yè)的產(chǎn)出，同時(shí)確保持續(xù)發(fā)展性的有力解答之一；跟著人工智能一起發(fā)展的，還有“農(nóng)機(jī)全自動(dòng)化”的趨勢(shì)。本篇文章我們會(huì)介紹幾個(gè)實(shí)際案例，帶大家多了解人工智能運(yùn)用在農(nóng)業(yè)的無(wú)窮潛力。AI 最成熟的視覺(jué)識(shí)別，已在農(nóng)業(yè)開(kāi)始發(fā)威

每年約有市值 40 億美元的蘋果在美國(guó)采收、銷售，因此蘋果在美國(guó)農(nóng)業(yè)占有一席之地；同時(shí)，AI 與全自動(dòng)機(jī)器人正猛烈沖擊著蘋果農(nóng)業(yè)，美國(guó)農(nóng)機(jī)新創(chuàng)公司 Abundant 就發(fā)明了“采蘋果機(jī)器人“，它具有經(jīng)機(jī)器學(xué)習(xí)調(diào)教過(guò)的視覺(jué)算法，能精準(zhǔn)判斷每一個(gè)蘋果，從摘取到輕放在采收箱里，整套流程的準(zhǔn)確率基本上已經(jīng)跟人類無(wú)異，甚至可以用一臺(tái)抵?jǐn)?shù)十人的速度工作。

另一間 NatureSweet 農(nóng)業(yè)新創(chuàng)公司更嘗試使用 AI 來(lái)監(jiān)測(cè)西紅柿的生長(zhǎng)過(guò)程，透過(guò)溫室中安裝的攝影機(jī)，他們獨(dú)特的算法可以辨別出西紅柿是否出現(xiàn)病蟲(chóng)害、枯萎的視覺(jué)線索，并實(shí)時(shí)通報(bào)農(nóng)民病害已開(kāi)始發(fā)生。相較于之前農(nóng)民每周一次花時(shí)間人工巡查，這種方法顯然有效得多。甚至，他們現(xiàn)在已開(kāi)始著手撰寫視覺(jué)識(shí)別西紅柿是否成熟的算法?？焖俑淖冝r(nóng)業(yè)面貌的自動(dòng)機(jī)械

有鑒于微型 MEMS 傳感器（包含加速度計(jì)，陀螺儀，磁力計(jì)和壓力傳感器）、小型 GPS 模塊與處理芯片越來(lái)越成熟，農(nóng)業(yè)無(wú)人機(jī)的價(jià)格也越來(lái)越便宜，對(duì)農(nóng)民來(lái)說(shuō)可謂一大福音，并深具徹底改造整個(gè)產(chǎn)業(yè)的潛力。而在***，運(yùn)用無(wú)人機(jī)噴灑農(nóng)、肥用藥，巡視田地已不是太新鮮的事情。根據(jù)上下游的報(bào)導(dǎo)，易圖科技研發(fā)的無(wú)人直升機(jī)噴藥 10 分鐘就能噴 15畝地的農(nóng)藥，一天最多可噴 225 畝，是傳統(tǒng)人力的三到四倍，而且能有效省藥，就連注重葉背的絲瓜也能靠氣流擾動(dòng)順利施藥。

但無(wú)人機(jī)不是只能施藥撒肥。美國(guó)許多葡萄酒莊現(xiàn)在已經(jīng)采用帶有高光譜攝影機(jī)的無(wú)人機(jī)，從紅外線以及可見(jiàn)光譜中收集數(shù)據(jù)，拍攝出健康植物與病害植物范圍的空拍掃描圖，其精細(xì)到就連用眼睛看都不明顯的害蟲(chóng)、真菌感染等病變植株都能辨別。相信敏感一點(diǎn)的讀者也猜到了：這套紅外線判別植株健康的視覺(jué)辨識(shí)系統(tǒng)，正是機(jī)器學(xué)習(xí)結(jié)合無(wú)人機(jī)的另一好案例。而在最熱門的“自動(dòng)駕駛”部分，當(dāng) 2017 年各國(guó)政府與廠商都還在致力實(shí)現(xiàn)讓無(wú)人車上路駕駛之前，Kinze 這間大型農(nóng)機(jī)企業(yè)早在 2012 年就參考 Google 的自駕系統(tǒng)打造出自動(dòng)農(nóng)耕、收割機(jī)，只要在耕作時(shí)把會(huì)遇到的狀況與田地信息一同輸入 GPS 系統(tǒng)，拖拉機(jī)會(huì)根據(jù) GPS 系統(tǒng)紀(jì)錄指示行駛，依循前方進(jìn)行紅外線掃射，以避免撞上障礙物；大型農(nóng)機(jī)企業(yè)久保田也宣布，將于 2020 年推出能夠“一鍵完全自動(dòng)”的農(nóng)業(yè)機(jī)械，幫助解決日本越來(lái)越嚴(yán)重的農(nóng)村勞力老齡化問(wèn)題。人工智能在農(nóng)業(yè)的挑戰(zhàn)雖然人工智能能已經(jīng)成為科技界的中流砥柱，我們上述也介紹了不少人工智能與自動(dòng)機(jī)械在農(nóng)業(yè)方面的運(yùn)用。但事實(shí)上，大多主要的農(nóng)企業(yè)、設(shè)備制造商和服務(wù)提供商還沒(méi)有在農(nóng)業(yè)中大力推行人工智能。在技術(shù)上最大的挑戰(zhàn)之一就是農(nóng)業(yè)資料其實(shí)收集極為不易。我們知道，AI 就是大數(shù)據(jù)的“下一步”，需要大量的數(shù)據(jù)來(lái)正確地訓(xùn)練算法。雖然在地理、天氣等部分?jǐn)?shù)據(jù)相對(duì)完善，但關(guān)于作物本身的大部分?jǐn)?shù)據(jù)只能在每年的生長(zhǎng)季節(jié)獲得一至二次，比起其他領(lǐng)域，顯然農(nóng)業(yè)的數(shù)據(jù)積累要花上更多時(shí)間；而且其數(shù)據(jù)源不像科技、工業(yè)或網(wǎng)絡(luò)圈，其使用、所有權(quán)方面的透明度與共享程度更加困難。