美国无人机公司执行长:盘点10个还没成熟的智农科技

发布者:网站管理员
发布时间:2020-02-21 21:36
分类:全部资讯 商业投资 最新动态 研究报告 设施农业
FLU_OAD_DigitalPub_180
“人工智慧、无人农场、影像辨识”是科技农业的热门关键字,这些技术真的已经落实在产业了吗?美国农用无人机服务公司“Satshot”执行长Nathan Faleide先生在9月时发表了犀利的评论文章,点破智慧农业的迷思。文中他以“ have got swept up in the hype and illusions of what some of these things promise.”中译:(大多智慧科技)沦于炒作和过度吹嘘。{原文语句:I feel many have got swept up in the hype and illusions of what some of these things promise.}

Nathan列出10个智慧农业科技,并提出这些科技尚未成熟的原因(we just aren’t ready for yet)。他也呼吁新创企业必须重新检视智慧农业的实际应用现况,并针对困境调整发展方向。


人工智慧(机器学习)的决策系统与产量预测服务(AI/ML and Yield predictions)

人工智慧与机器学习是智慧农业科学中最热门的研究领域,许多业者将AI技术导入产品中,但效果不彰。毕竟农田里环境、生物、与人为操作等的变因太多了,就研究发展进度而言,目前仍停留在资料累积的阶段。

“产量预测研究”从来就不是新奇的概念。事实上各国政府部门已经有相当长久产量预估经验(只是从来没有精准的预测结果)。过去缺少搜集大数据的工具,现在得以快速累积更多数据让结果更精准。但这也仅仅是在变数非常少的状态下的预测结果,未来还需要AI和影像辨识技术互相结合才能看见成效。


无人农场与高光谱影像分析技术( Automated agronomy and Scalable hyperspectral imagery data )

无人农场(automated agronomy)的管理模式,到现在仍然没有成功案例。想在开放的大田系统里做到完全自动化的病虫草害管理,或是只倚赖运算结果产出的“自动化决策系统”都不太可行。

因为田里有太多环境与生物变数,而且电脑决策目前通常还是无法令人信赖。

NDVI(归一化植被指数, Normalized Difference Vegetation Index)是最常见的光谱影像技术,技术人员可以分析植物反射光谱资料,借此评估作物的生长状态,然后调整农业栽培管理措施。

不过作物生长的环境千变万化,不同微气候因子也都会改变光谱资料,换句话说这项技术仍停留在“搜集资料”的发展阶段。就算建立了单一作物的光谱分析模式,在不同人为操作与田间管理的条件下,我们仍无法保证这项模式足以应付所有田间情况。

小型农业机器人与无人收获机( Small field robots and  Auto grain carts)

农业机器人是媒体最喜欢的报导素材,无论是管理、收获、或是物流的应用,小型农业机器人都是非常吸睛的焦点。但农业机器人究竟能替农村省下多少人力?产区节省多少成本?引进机器人后需要多久时间才能获利?换言之,没有人能说明这项超酷的投资背后的实质经济效益。

无人收获机(auto grain carts)经常是农业大国的必备“火力展示”项目, 但这种高精密仪器除了成本所费不赀之外,过于复杂的操作流程,例如设定导航路线、机械采收参数、环境因子等,也让技术很普及化。更别提在劳力老化的农村,操作技术反倒是推广的最大门槛。

════最有机会“落地”成为智慧农业的产业服务...请往下看═════


 ▋无人机与影像辨识技术(Drones beyond line of sight and Daily high resolution imagery)

大众对无人机已经见怪不怪,但相关法规却限制了产业发展。美国联邦航空总署(Federal Aviation Administration, FAA) 并没有针对农业使用项目制定无人机管制规则。特别重视国土安全的美国,各州政府对办法的细节仍缺乏完整的安全性评估规定与责任豁免判定依据,农用无人机是否能完全落实产业中?法规限制会是关键。

农用卫星图资是Faleide先生认为最能产业化的技术,“优于1米(Sub-1 cm Resolution”的解析度等级已经是商用卫星图资的基本规格,甚至有团队声称5年内有办法开发优于1米等级的卫星影像辨识系统,农用卫星图资相较其他技术而言会是最能直接应用在产业的项目。

完整透明的农业产销资料,农业Amazon不无可能(Full online ag retail and Fully transparent sustainability data)

智慧农业不该只有“田里的数据”,Faleide先生提出了新概念:
“好的资料的品质决定一切,而供应链上的数位资料也是智慧农业的一环。”

电子商务让农产品从生产、加工、到运销的资料,都能完整透明的呈现给消费者。因此消费者的农业教育就很重要,否则当我们将农业最真实的样貌呈现给消费者时,这些可追溯的资料可能反而让事情变得更糟。消费者常常被科学语言给吓跑,而产业需要与消费对话,让消费者认识这些农业科学词汇。


Faleide先生在评论文章最后强调:“我不是要唱衰那些想投入智慧农业的人,而是希望大家能共同思考产业困境。”毕竟只有真实面对智慧农业发展的瓶颈,才有进步的可能。

智慧农业的概念最早可追溯至1990年代的“精准农业”:根据环境数据与观察农田里的资讯,以最少资源投入从事农业生产的决策支援系统。

随着数位时代来临,精准农业也发展出各项科技如:务农机器人、无人机、卫星影像IoT、手机应用程式、以及机器学习等技术。但30年过去了,有多少科技真的“落地”成为农民务农的工具?或仍是“一场游戏一场梦”? 
文章来源: AgriTech http://t.cn/A6hRGmuv
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