專家縱論農業(yè)擁抱人工智能

美國灰胡子的人們，可能還記得當鉛筆滿載的數(shù)學計算，將曲速推進到計算器時代時，他們所感受到的興奮。

如今，人工智能（AI）有望為農業(yè)帶來與幾十年前數(shù)學課相同的熱度。人工智能是一種包括機器學習等多個集成的技術，人工智能使用大量數(shù)據來提高效率，Inari首席信息和數(shù)據官Rania Khalaf說。

“機器學習使計算機能夠通過在大量數(shù)據中查找模式來數(shù)學預測結果或進行分類。”她說，“然后，當它看到新數(shù)據時，它會隨著時間的推移學習更新這些模式或分類。

“人工智能的最大優(yōu)勢是能夠以以前需要人類執(zhí)行的高速進行復雜的計算。”Blue River Technology的See&Spray總經理Kent Klemme補充道，“最近對GPU（圖形處理單元）的改進提供了使這成為可能的計算能力。針對特定問題需要大量數(shù)據?！?/span>

See & Spray Ultimate技術 - 由機器學習提供支持 - 使噴霧器能夠在作物之間噴灑時僅針對雜草?！拔覀円呀浽诓煌闆r下拍攝了成千上萬張不同作物中不同雜草的圖像，例如晴朗的天空、多云的天空、黑暗的天空、不同的土壤和不同水平的殘留物?！盞lemme說。

Blue River和John Deere的數(shù)據科學家隨后訓練See&Spray Ultimate系統(tǒng)在各種條件下識別植物。這些圖像通過算法進行整理，算法涉及重復一個或多個數(shù)學運算。算法通常在計算機上實現(xiàn)和解決。

Case IH的Patriot 50系列噴霧器使用一種稱為視覺引導的機器學習形式。

“這是一種行引導解決方案，可根據工廠位置發(fā)出轉向指令?！盋ase IH全球精密技術總監(jiān)Chris Dempsey說。

他補充說，視覺引導使用車載攝像頭將玉米植物的位置傳遞給噴霧器，使其保持在行上而不是碾過作物。

它正在增長

人工智能是一個廣泛的領域，包括許多子集成，例如機器學習。不過，基本上，它使用大量數(shù)據來提高效率，Dempsey說。

“整個農業(yè)在數(shù)字農業(yè)中面臨的最大障礙是獲取大型復雜數(shù)據集并將其轉化為有意義的見解。”Ceres Imaging的創(chuàng)始人Ashwin Madgavkar說，“人工智能可以通過將所有這些數(shù)據綜合成種植者可以采取的行動，真正幫助彌合這一差距。

它在作物育種中的使用正在增加。

“我們正在研究各種不同的新技術，無論是機器學習還是預測雜交性能的高級分析模型。”AgReliant Genetics雜交產品育種經理Mike Popelka說?！癧作物育種]行業(yè)正更多地轉向這些模式?！?br/>

人工智能的使用也普遍用于許多機械生產線。Case IH通過16個傳感器使用機器學習，這些傳感器調整其AFS Harvest Command系統(tǒng)。

“在減少[谷物]損失的同時提高產量現(xiàn)在都是自動完成的。”Dempsey說，“從歷史上看，如果聯(lián)合收割機操作員在谷物樣品中有太多的玉米芯或異物，他們將不得不進行篩分調整?！?/span>

機器學習現(xiàn)在可以自動執(zhí)行此操作。

“傳感器告訴聯(lián)合收割機它需要關閉較低的篩子或提高風扇或轉子速度。”他說，“這些調整是基于了解給定作物類型的已知數(shù)據庫中異物或不良谷物質量的樣子。它基本上是一個圖像數(shù)據庫，顯示好的[質量顆粒]和壞的。

約翰迪爾還在S700和X9系列聯(lián)合收割機的自動維護功能中使用機器學習來保持有針對性的谷物損失和谷物質量性能。

“運營商將設定一個目標，說明聯(lián)合收割機在損失水平和糧罐樣品方面的運行方式，”約翰迪爾收割機廠的產品營銷經理尼克·霍沃頓說?！癆ctiveVision相機每兩秒鐘拍攝一次清潔谷物和尾礦升降機的照片。該數(shù)據輸入到一種算法中，該算法用于將異物和損壞的晶粒水平與目標進行比較。如果水平超過目標，則會自動進行調整?！?br/>

智能耕作，“耕作解決方案過去很簡單，”Case IH全球精密技術總監(jiān)Chris Dempsey說。“你把一個工具放在地里，它耕耘土壤。

季節(jié)決策

Ceres Imaging使用一種稱為計算機視覺的人工智能形式來檢測當季作物問題，Madgavkar說。檢測不同波長光的航空圖像和傳感器數(shù)據被輸入到一種算法中，該算法有助于揭示季節(jié)性疾病，例如營養(yǎng)缺乏。

“我們還研究了疾病風險以及殺菌劑的最佳噴灑位置?！盡adgavkar說。

盡管如此，機器學習收集的數(shù)據只與輸入的數(shù)據一樣好，Madgavkar說。他補充說，“垃圾輸入，垃圾輸出”仍然適用，因此輸入正確質量的數(shù)據非常重要?！?/span>

“人工智能本身不是靈丹妙藥。”他說，“將計算機視覺衍生的數(shù)據與當?shù)剞r藝師和農民的意見相結合以提出建議仍然很重要。然而，人工智能技術可以幫助農藝師更好地利用他或她的時間，瞄準最有可能從季節(jié)性治療中受益的領域。

灌溉系統(tǒng)維修

人工智能技術也使灌溉修復變得更加容易。Lindsay正在與Microsoft Azure合作，使用機器學習通過智能樞軸技術在灌溉組件故障發(fā)生之前預測它們。

“如果我們能夠預測部件故障，例如變速箱或中心電機驅動器，我們可以在故障發(fā)生之前通知客戶。這可以防止在生長季節(jié)發(fā)生更大的[維修]問題。“Lindsay數(shù)字產品管理副總裁Kurtis Charling說，“在生長季節(jié)的高峰期下降一到三天可能對生產有害。預測組件故障可以幫助農民避免停機問題，并提高效率?！?/span>

Lindsay 使用數(shù)十年來收集的大量灌溉系統(tǒng)數(shù)據來機器下雨預測系統(tǒng)。

“例如，一臺因變速箱壞了而發(fā)生故障的機器是人工智能模型的訓練情況。”Charling說，“如果我們可以訪問從故障發(fā)生時收集的傳感器數(shù)據，我們可以將其提供給AI模型，并基本上告訴它'如果這種情況再次發(fā)生，這就是變速箱故障的樣子。"

局限性

不過，人工智能有其局限性。

“在某些情況下，我們預測的某些事情在該領域是不正確的，例如變速箱問題。”Charling說，“擁有能夠說是或否的最終用戶或經銷商仍然很重要。這反過來又反饋到我們的訓練模型中，使它們更準確。”

在See & Spray Ultimate模型中，區(qū)分年輕大豆和年輕天鵝絨葉具有挑戰(zhàn)性，因為它們看起來很相似。

“隨著我們拍攝更多圖像并重新訓練模型，它會變得更好。”Klemme說，“這與人類偵察員區(qū)分天鵝絨葉和年輕大豆所花費的時間沒有什么不同。你以同樣的方式訓練[機器學習]模型。”

它來了

預計人工智能及其子集成將刺激未來農業(yè)創(chuàng)新的速度，Dempsey說。

“我認為我們只是觸及了機器學習和人工智能可以做什么的表面?！彼a充道。

Charling說，如果還沒有，想要充分利用這種技術的農民應該盡可能多地收集農場的數(shù)據。

“這些人工智能模型可以訪問的數(shù)據越多，它們就越聰明，特別是當它與農民的操作有關時?！彼赋?。