讓我們先來看一段簡單的小故事:日本有位黃瓜農(nóng)小池誠原本是車廠工程師,但他辭去了工作,回到老家?guī)透改附?jīng)營小黃瓜農(nóng)場。農(nóng)場并不大,但日本各農(nóng)場對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。
于是他把腦筋動到人工智能上,開始研究起 Google 的 TensorFlow 平臺,搭配樹莓派 3 作為主控制器,并配一個相機(jī)拍攝照片。這些照片傳到 TensorFlow 平臺后在一個小型的神經(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€更大的基于 Linux 服務(wù)器的神經(jīng)網(wǎng)絡(luò),來對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,小池打造了一臺成本不到 10 萬日圓,任何人都可以快速上手的自動分裝機(jī),還把這套系統(tǒng)的程序代碼開源釋出到了 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%;如果再把肉類來源家畜消耗的糧食計(jì)算下去,這些糧食總熱量初估就會達(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)全自動化”的趨勢。本篇文章我們會介紹幾個實(shí)際案例,帶大家多了解人工智能運(yùn)用在農(nóng)業(yè)的無窮潛力。AI 最成熟的視覺識別,已在農(nóng)業(yè)開始發(fā)威
每年約有市值 40 億美元的蘋果在美國采收、銷售,因此蘋果在美國農(nóng)業(yè)占有一席之地;同時,AI 與全自動機(jī)器人正猛烈沖擊著蘋果農(nóng)業(yè),美國農(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)教過的視覺算法,能精準(zhǔn)判斷每一個蘋果,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)跟人類無異,甚至可以用一臺抵?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 來監(jiān)測西紅柿的生長過程,透過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)病蟲害、枯萎的視覺線索,并實(shí)時通報(bào)農(nóng)民病害已開始發(fā)生。相較于之前農(nóng)民每周一次花時間人工巡查,這種方法顯然有效得多。甚至,他們現(xiàn)在已開始著手撰寫視覺識別西紅柿是否成熟的算法??焖俑淖冝r(nóng)業(yè)面貌的自動機(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越成熟,農(nóng)業(yè)無人機(jī)的價(jià)格也越來越便宜,對農(nóng)民來說可謂一大福音,并深具徹底改造整個產(chǎn)業(yè)的潛力。而在***,運(yùn)用無人機(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順利施藥。
但無人機(jī)不是只能施藥撒肥。美國許多葡萄酒莊現(xiàn)在已經(jīng)采用帶有高光譜攝影機(jī)的無人機(jī),從紅外線以及可見光譜中收集數(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、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辨識系統(tǒng),正是機(jī)器學(xué)習(xí)結(jié)合無人機(jī)的另一好案例。而在最熱門的“自動駕駛”部分,當(dāng) 2017 年各國政府與廠商都還在致力實(shí)現(xiàn)讓無人車上路駕駛之前,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)打造出自動農(nóng)耕、收割機(jī),只要在耕作時把會遇到的狀況與田地信息一同輸入 GPS 系統(tǒng),拖拉機(jī)會根據(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”的農(nóng)業(yè)機(jī)械,幫助解決日本越來越嚴(yán)重的農(nóng)村勞力老齡化問題。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)來正確地訓(xùn)練算法。雖然在地理、天氣等部分?jǐn)?shù)據(jù)相對完善,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。
-
人工智能
+關(guān)注
關(guān)注
1789文章
46411瀏覽量
236656
原文標(biāo)題:人工智能混搭自動農(nóng)業(yè)機(jī)械,會是未來農(nóng)業(yè)的理想型嗎?
文章出處:【微信號:iot12345,微信公眾號:物聯(lián)之家網(wǎng)】歡迎添加關(guān)注!文章轉(zhuǎn)載請注明出處。
發(fā)布評論請先 登錄
相關(guān)推薦
評論