農(nóng)業(yè)中的人工智能有助于檢測農(nóng)場中的害蟲、植物病害和營養(yǎng)不良。人工智能傳感器可以識別并鎖定雜草，然后再決定在該地區(qū)使用哪種除草劑。精準農(nóng)業(yè)，通常被稱為人工智能系統(tǒng)，正在幫助提高收獲的整體質(zhì)量和準確性。

計算機視覺的作用

我們需要大量土地來養(yǎng)活數(shù)十億人。如今，手工栽培已經(jīng)不可能了。與此同時，作物歉收往往是由蟲害和植物疾病造成的。鑒于現(xiàn)代農(nóng)業(yè)經(jīng)營的規(guī)模，要發(fā)現(xiàn)和制止這種蟲害入侵具有挑戰(zhàn)性。

這為計算機視覺技術(shù)增加了一個新的應用。農(nóng)夫們可以利用航空攝影在宏觀上確定植物疾病或害蟲的早期指標，并在微觀層面使用葉子和植物的特寫照片來識別作物病害。這些研究中常用的計算機視覺方法是卷積神經(jīng)網(wǎng)絡(luò)。如今，人工智能在農(nóng)業(yè)領(lǐng)域的更多應用正在開發(fā)中。

值得注意的是，我們在這里非常廣泛地使用了“計算機視覺”一詞。圖像通常不是最可靠的信息來源。研究植物生命的許多重要方面的最好方法是用其他方法。通常可使用專用傳感器收集高光譜圖像或進行3D激光掃描，以更好地了解植物的健康狀況。在農(nóng)學領(lǐng)域，由于人工智能在農(nóng)業(yè)領(lǐng)域的應用，這類技術(shù)得到了越來越多的應用。

這種數(shù)據(jù)類型通常具有高分辨率，與醫(yī)學成像相比，更類似于照片。AgMRI是一種現(xiàn)場監(jiān)測系統(tǒng)。雖然需要專門的模型來處理這些數(shù)據(jù)，但由于數(shù)據(jù)的空間組織，特別是可以使用卷積神經(jīng)網(wǎng)絡(luò)。

植物表型和成像研究獲得了數(shù)百萬美元投資。目前的主要任務是收集相當大的農(nóng)作物數(shù)據(jù)集，通常以圖片或三維圖像的形式，并將表型信息與植物基因型進行對比。研究結(jié)果和信息可用于推進全球農(nóng)業(yè)技術(shù)。農(nóng)業(yè)并不是唯一使用智能人工智能系統(tǒng)的領(lǐng)域，人工智能在招聘方面也是一個熱門話題。

機器人是如何被用于農(nóng)業(yè)的

許多自主農(nóng)業(yè)機器人能夠在堅持既定的基本模式，并考慮到該地區(qū)的獨特特點的同時在地面上挖洞和播種。機器人還能夠管理植物的生長過程，并單獨與每一株植物交互。當農(nóng)作物成熟時，機器人將收獲，再次以應有的方式對待每株植物。

無人機可以自動噴灑農(nóng)作物。小型、靈活的無人機可以比大型飛機更精確地運送危險物質(zhì)。此外，使用噴霧無人機拍攝的航空攝影可以用來為本文開頭所述的計算機視覺算法收集數(shù)據(jù)。

專門為收割而設(shè)計的機器人正在越來越多地被創(chuàng)造和部署。聯(lián)合收割機已經(jīng)使用了很長時間，而單棵雜草可以被機器人識別和機械清除。這是當代機器人技術(shù)和計算機視覺的另一項了不起的成就，因為在此之前，人們不可能區(qū)分雜草和有益植物，也不可能使用機械手與小植物交互。

人工智能在農(nóng)業(yè)領(lǐng)域提高效率

盡管許多農(nóng)業(yè)機器人仍是原型或僅在小范圍內(nèi)進行測試，但ML、AI和機器人技術(shù)在農(nóng)業(yè)領(lǐng)域的應用已經(jīng)很明顯。相信在不久的將來，越來越多的農(nóng)業(yè)活動將采用機械化。

如今，人工智能在農(nóng)業(yè)領(lǐng)域的更多應用正在開發(fā)中。例如，某企業(yè)的一個試點項目將計算機視覺應用于畜牧業(yè)，但這一領(lǐng)域還沒有引起深度學習企業(yè)們的廣泛興趣。

農(nóng)業(yè)中的機器學習和人工智能

當然，已經(jīng)有一些舉措將牲畜跟蹤數(shù)據(jù)用于機器學習。例如，巴基斯坦企業(yè)推出了一款項圈，可以無線監(jiān)測奶牛的活動和體溫。而法國研究人員正在研究奶牛的面部識別技術(shù)。

此外，還有一些計劃將人工智能應用于養(yǎng)豬業(yè)，這是一個迄今尚未得到充分利用的行業(yè)，市場價值高達數(shù)千億美元。在現(xiàn)代農(nóng)場里，豬被圈養(yǎng)在相對較小的群體中，選擇最具可比性的動物。食品是養(yǎng)豬生產(chǎn)的主要支出，因此，因此當代養(yǎng)豬生產(chǎn)的主要目標是最大化育肥過程。

如果農(nóng)民對豬的體重增長有全面的了解，他們就可以解決這個問題。動物在其一生中通常只稱重兩次，剛出生和賣出時。如果專家們知道每頭小豬是如何增重的，他們可以為每頭豬設(shè)計獨特的增肥方案，甚至設(shè)計獨特的食品添加劑組合。這將大大增加產(chǎn)量。

盡管把動物趕到磅秤上并不是特別困難，但它會給它們帶來很大的壓力，而有壓力的豬會體重下降。這項新的人工智能研究旨在創(chuàng)造一種新的、非侵入性的動物稱重方法。利用計算機視覺模型從照片和視頻數(shù)據(jù)中推斷出來豬的重量。這些估計結(jié)果將被納入現(xiàn)有的傳統(tǒng)分析機器學習模型，以增強增肥過程。

人工智能在農(nóng)業(yè)中的未來是什么

農(nóng)業(yè)和畜牧業(yè)有時被視為是過時的職業(yè)。然而，現(xiàn)如今農(nóng)業(yè)領(lǐng)域的人工智能正成為許多農(nóng)場的常用工具。造成這種現(xiàn)象的主要原因是農(nóng)業(yè)中同時進行著大量的工作。

它們是非常繁瑣，以至于必須使用深度學習和當代人工智能來實現(xiàn)它們的自動化。雖然栽培的植物和豬是完全相同的，但它們并不是來自同一條流水線。每一個番茄灌木和每一頭豬都需要一個獨特的方法，因此人類的干預是絕對必要的。

我們可以利用當前人工智能的發(fā)展來解決挑戰(zhàn)，同時也可以自動化與動植物互動的技術(shù)，并考慮到它們的獨特特征。稱一頭豬的體重比學習如何通過圖靈測試更簡單，在廣闊的田野上操作拖拉機比在擁擠的交通中操作汽車更簡單。

由于農(nóng)業(yè)仍然是世界上最大和最重要的行業(yè)之一，即使效率的微小提高也會帶來顯著的收益。這就是為什么有很多企業(yè)在農(nóng)業(yè)領(lǐng)域優(yōu)先考慮人工智能的原因。