不再看天吃饭:精准+预测 AI喂饱全世界

发布者:网站管理员
发布时间:2020-01-18 23:10
分类:全部资讯 农业机械 商业投资 最新动态 研究报告
FLU_OAD_DigitalPub_180

  人口快速老化、乡村日渐减少正在严重威胁欧美、日本等国家的农业生产甚或存续,根据联合国估计,要养活地球爆炸中的人口,到本世纪中叶粮食产量需增加50%。为解决此问题,利用高科技协助农民转而拥抱“智慧农业(Intelligent Agriculture)”已成一股不可逆的趋势,透过人工智慧(Artificial Intelligence, AI)及其他联网装置,提供土壤、天气、价格等数据的即时分析,大幅节省劳力、提高农民生产效率。

  目前约有200万座农场星罗棋布散落在美国大陆上,这些农场主人的决定将影响整个食品供应链。根据一项研究,如果5%的美国青花菜产量未收割,美国市场上就会少了逾9,000万磅的青花菜。为协助稳定这个充满不可预测性的市场,IBM推出了结合了AI、物联网(Internet of Things, IoT)和云端解决方案的“Watson农业决策平台(WDPA)”。该公司表示农业是一项庞大且复杂的工作,还得受大自然的摆布。由于来自农场设备、环境感应器和远端输入的数据庞大,光靠直觉或传统技术来了解造成产量变化的因素或为农民提供指引,很不切实际,借由Watson AI应用以填补此一缺口,从而提供农民参考。

AI成决策助手:掌控浇水、买卖时机

  Watson农业决策平台利用IBM强大的预测功能,找出可能影响作物产量的所有关键因素,例如:土壤温度、水分含量、害虫和疾病。农民还可利用无人机将照片送至IBM Cloud,再由AI进行趋势分析,例如:找到作物病害的迹象等,或者将植物的特写照片提供给疾病检测电脑进行视觉运算。

  大型农业经营者可利用该平台预测何时可收成,及可在全球市场上赚多少钱。所有的资讯经过整理后,经营者不仅可掌握灌溉、种植、施肥的最佳时机,还可以确定最适合的销售时点。

  这不是IBM首次跨足农业分析领域,IBM的Pairs Geoscope平台利用机器学习来分析卫星图像、天气、人口、土地使用、企业位置等数据以及作物预测。在巴西,该公司的研究人员构立了一个原型AgroPad,利用AI和行动应用程式来分析土壤和水质样本。在肯亚,IBM与Twiga Foods合作,为农民和食品供应商测试了一个由区块链驱动的微型金融贷款平台。

  当然,IBM也不是唯一将AI应用于农业的企业。总部位于以色列特拉维夫的新创公司Prospera利用电脑视觉软体、现场摄影机和天气感应器,以及强大的云端处理平台,能准确算出需输送多少水给植物。此外,美国的笛卡尔实验室(Descartes Labs)也利用由卫星数据训练的机器学习模型,来推估整个州和全美的玉米产量。
中国生产力中心提供的广告

AI收成机器人:工时Double摘好摘满

  随着农业使用AI日益普及,这个市场的规模也快速成长,根据市场研究业者Mordor Intelligence,用于农业的AI市场规模在2016年有31.8亿美元,预计2018至2023年这5年期间的复合年成长率(Compound annual growth rate, CAGR)为12.7%。对日本而言,这个国家有2/3农民年纪超过65岁,AI扮演着推动走向智慧农业的重要角色。物联网和AI可为农民提供天气、温度、湿度和价格数据的即时分析。例如:充分了解当地资源后,AI可提供使作物价值最大化的方法;现场感应器和无人机搜集的数据,可以汇整有关土壤、种籽、牲畜、作物、成本、农场设备,以及水和肥料等庞大且有价值的讯息。

  一般来说,AI在日本农业的发展和应用,主要是自动采摘、作物分类和农业监测等3方面。

  首先,自动采摘是农业生产中的一项重要技术。在上个世纪,自动采摘技术主要用于水稻收割机等设备。然而,巨大的收割设备需要人工操作并且过程粗糙,无法收割脆弱且易受伤害的农产品,比如草莓、蕃茄或其他水果。由AI驱动的收割机器人,所面临的挑战是让系统判断何时及哪些蕃茄已经可以收成。现行的一般拣选机器人无法辨识微妙的色差,进而区分未成熟和成熟水果。但借由加入影像识别技术和深度学习,机器人对成熟度的评估效能可以接近人类的程度。

  例如:日本消费电子巨人Panasonic在2017年东京国际机器人展推出“番茄收成机器人”。该公司在这款机器人中导入AI后,收成率可从80%提高到96%。随着蕃茄逐渐从绿色变为红色,机器人的相机会记录图像,系统会根据对照样本检查颜色变化,以判断是否应收成。这款机器人也可灵巧采摘番茄而不会擦伤表面,提高了收成质量和品质。虽然每6秒采摘一个番茄的速率仅为人类专家采摘率的一半,但番茄采摘机器人可以不间断运作10小时并在夜间工作(在颜色分析中使用专用光源),工作量明显优于人工。

黄瓜电脑拣的:高龄者的快乐农场

  其次,作物分类是收成后必不可少的过程,因为不同等级的农产品售价也不同,有些产品则需要直接运到工厂加工成罐头食品、腌制品等。在这个阶段,如果想让AI协助进行作物分类,为它设定明确的标准就是关键。

  小池真(Makoto Koike)是日本西部城市静冈县的小黄瓜农民。他说,在收成季节,需花8个多小时来分拣4,000公斤的小黄瓜。之前曾担任过资讯科技(Information Technology, IT)工程师的小池认为,需要有更好的方法,因此他使用TensorFlow来建立自己的自动化小黄瓜分拣系统。他的小黄瓜根据厚度、长度、弯曲度等标准分为9个等级。

  小池栽种的黄瓜首先由3台相机拍摄,然后将该数据传输到受过数千个黄瓜图像训练的AI系统,利用深度学习来确定品质等级。最后,输送带将黄瓜运送给机器人手臂,再将每个黄瓜放置在适当的包装箱中。

  第三是农场监测,这种技术包括生产预测、病虫害监测及天气预报等。导入智慧农业模式的农民,可以透过无人机、监视摄影机和安装在农场的其他感应器,来即时监控农场的各项环境状况,AI可利用这些数据来检测温度、湿度,以及作物病害和害虫状况,同时还能即时分析作物生长情况。这些自动化技术可大幅减少必须在农田里的工作时间和重度劳动,对高龄化农民是一大助力。

  此外,由东京Optim Cloud IoT公司开发的作物栽培解决方案,分为空气监测管理(农业经理)和作物记录助理(农业助理)。透过航空摄影和感应器,农业经理可远距确认温度、日照量和其他数据,并且利用图像处理技术,可发现和预测27种不同的病虫害;农业助理则利用语音辨识技术上传许多作物讯息,减少农民的工作量并提高种植效率。

  农业大规模应用人工智慧可提高效率并减少农民的体力辛劳,同时让农业摆脱了固有的“辛苦和肮脏”的形象,激励更多年轻人投入此产业。未来几年,AI与相关技术将为农业带来巨大改变,日本农业可能就此被彻底改造。
文章来源: MyMKC http://t.cn/A6vOxDNs
免责声明:本网站内容主要来自原创、合作媒体供稿和第三方自媒体作者投稿,凡在本网站出现的信息,均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性,但不保证有关资料的准确性及可靠性,读者在使用前请进一步核实,并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏,概不负任何法律责任。任何单位或个人认为本网站中的网页或链接内容可能涉嫌侵犯其知识产权或存在不实内容时,应及时向本网站提出书面权利通知或不实情况说明,并提供身份证明、权属证明及详细侵权或不实情况证明。本网站在收到上述法律文件后,将会依法尽快联系相关文章源头核实,沟通删除相关内容或断开相关链接。来修改内容。

分享到:

更多都市农业