AI进军农业“蓝海” 检测病虫害

农业为立国之本,强国之基。近些年,随着人工智能技术的不断发展与成熟,人工智能逐渐出现在农民的视野中,如今越来越多的农场利用人工智能技术检测病虫害。据悉,美国和墨西哥农场AI实际应用结果显示,农产品每周的收成提高了2%到4%。

农业为立国之本,强国之基。近些年,随着人工智能技术的不断发展与成熟,人工智能逐渐出现在农民的视野中,如今越来越多的农场利用人工智能技术检测病虫害。据悉,美国和墨西哥农场AI实际应用结果显示,农产品每周的收成提高了2%到4%。

在美国和墨西哥的几座农场里,温室中有10台摄像机连续拍摄西红柿的生长情况,并提交给相关软件进行分析,以识别出可能存在的问题,比如虫害或病菌侵染……人工智能(AI)识别技术的应用,正从人脸识别、动物识别进一步扩展到农作物病虫害检测等领域。AI识别技术是如何检测病虫害的,其准确率如何?有哪些应用难点?在农业领域,AI还会有哪些应用?

进军农业“蓝海”图像识别日趋成熟

与AI在其他领域应用相比,在农业领域的应用可以说还是一片“蓝海”,不过,这种状况正在发生变化。近日举行的AI Challenger 2018发起了世界上首个农作物病害检测竞赛,竞赛提供给参赛选手近5万张标注图片,覆盖10种植物的27种病害,吸引了来自世界各地的29个国家的近1200支团队参赛。

据中国统计年鉴,2016年,我国农业生产总值达5.93万亿元,占GDP的8%,但由农业病害等灾害造成的直接损失达0.503万亿元,占农业生产总值的8.48%。

新客科技创始人刘新农说,在农业生产中,农药使用也在急剧增加,农药残留不仅会引发社会问题,还会加剧对环境的污染。因此,对农作物进行准确的病害识别并推荐合适的防治措施,创造出能为植物看病的“医生”,可以挽救农作物的生命,减少农药使用量,保证农作物的产量。

刘新农说,AI与农业病虫害做结合,首先是要建立病虫害的数据集,其次需要机器学习和图像识别系统技术的配合,并且要确保农民使用智能手机的普及率,这样才可以使技术快速有效地传达。

AI监测病虫害主要指利用机器学习、计算机视觉等技术,采用特定的计算机算法和模型,对农业病虫害发生的光谱或图像信号进行挖掘,获得有效的数据特征,实现对病虫害情况的实时识别和鉴定的过程。

农作物病害检测竞赛的发起方、创新工场人工智能工程院执行院长王咏刚认为,目前AI在图像识别领域已非常成熟,并有了相应的数据,将其应用到农业病虫害检测中难度不大。“如果能够利用参赛选手的算法,开发出一个能实际运用的产品,对于农业发展来说,是一个非常有价值的事情。”

不可知因素多“把脉”农作物并非易事

以往,病虫害的检测需要人工巡视,而且一旦发现不及时,就容易导致农作物大片死亡。通过AI图像识别技术的引入,可以不停拍照和比对,提供不间断的监测和预报,节省了大量人力成本。美国和墨西哥农场AI实际应用结果显示,农产品每周的收成提高了2%到4%。

不过,利用AI检测病虫害发生并非如此容易。有农业专家表示,应用难点主要体现在农业领域涉及不可知因素太多,如地理位置、气候水土、病虫害、生物多样性甚至微生物环境等都影响着农作物生产。因此,在应用推广过程中,其中某个因素的改变,很可能就将在特定环境中已经测试成功的算法变成无效算法,进而影响检测效率。

“这也是当前AI检测技术只能应用于场景、害虫种类以及相应检测方法都相对特定化环境的原因。”该专家表示,AI检测技术还对隐蔽性较强的农业害虫或病害的监测能力有限。农业害虫本身就存在着种间相似、种内变化、姿态变化、作物遮挡等问题,从特征分析角度来讲,会造成待识别样本的同一种类内差异大、相近种类间差异小、特征信息缺失严重等情况,无形中大大增加了害虫目标区分的难度。尤其对于一些个体小、生境隐蔽的害虫而言,比如烟粉虱成虫体长不到2毫米,且活动能力强,利用AI对其进行检测,难度非常大。

此外,用于辅助农药的喷施过程中,从获取图像、处理分析、喷施作业决策到执行喷施作业,通常允许处理的时间非常短暂,这也对相关算法的时间复杂度提出了很高要求。

美国宾夕法尼亚州立大学和瑞士联邦理工学院的研究人员建立了一个系统模型,并将其连接到一个计算机集群来形成一个神经网络。随后建立了一个拥有53000多张健康及患病农作物照片的数据库,其中包括14种作物和26种病害。研究人员利用深度学习的方法来“训练”模型寻找出所有视觉数据。最终,这个系统能够从照片中识别出作物和病害,准确率高达99.35%。不过,美国通用人工智能协会主席、汉森机器人公司首席科学家本戈策尔表示,如果拍摄的图片不符合标准,识别准确率会从99.35%降到30%,甚至更低。因此,要想让AI成为农业方面的“医生”,还要加强用AI的能力,让其模仿人类大脑,多维度观察学习作物病害特点从而进行判断。

有望通过AI改进农业技术

AI技术本身还有种种不完善之处,而且农业涉及不可知因素太多,如农业病虫害的种类多样、危害多元化等,因此,当前AI在农业中的应用还受到一定的限制。但毫无疑问的是,AI技术在农业领域具有广泛的应用前景。而且随着AI技术的不断发展和完善,将来可以通过AI改进,甚至完全改变当前的农业技术,打造“智慧农业”等。

“全国有5亿农民,能够为他们解决农作物病虫害的专家可能不足5万,平均1万个农民才对应1个专家,而且一个专家通常只研究一到两种农作物,未必能知道所有农作物的病害问题。”神农识创始人郭强说,AI农作物病害检测为解决农户需求与专业信息不对称的问题提供了解决之道。

AI农作物病害检测仅是AI在农业应用的很小一个方面,它的应用领域是非常广泛的。比如农业专家系统,也可以叫农业智能系统,是一个具有大量农业专业知识与经验的计算机系统。应用AI技术可依据一个或多个农业专家提供的特殊领域知识、经验进行推理和判断,模拟农业专家就某一复杂农业问题进行决策。

又如农产品无损检测,即在不损坏检测对象的前提下,利用被测物外部特征和内部结构所引起的物化反应变化,来探测其性质和数量变化,主要用于水果、蔬菜、畜禽、水产品类、经济作物和谷物籽粒等的检测与分级。随着无损检测技术的发展,AI技术将在农产品无损检测中发挥越来越重要的作用。如智能农田气候预测系统,即通过对卫星拍摄图片、航拍图片以及农田间其他设备拍摄的照片进行智能识别和分析,AI能够精确地预报天气、气候灾害,识别土壤肥力以及庄稼的健康状况等。李禾

智慧农业成互联网创业又一风口

“智慧农业”是集互联网、移动互联网、云计算和物联网技术为一体的农业生产方式,它与科学的管理制度相结合,让多种信息技术在农业中实现综合、全面的应用,使传统农业更具有“智慧”。

前瞻产业研究院数据显示:到2025年我国农业规模占全球比重将超过1/5,AI赋能农业,加快推进农业信息化进程,促进信息化和现代化融合已成为必然趋势。

《中国智慧农业行业市场深度调研及2017—2021年投资商机研究报告》数据显示,早在2013年,我国智慧农业的产业规模已达到4000亿元,仅以应用(硬件和网络平台以及服务)为基础的智慧农业市场就有望在2022年达到184.5亿美元的规模,年均复合增长率13.8%。

在这一大好趋势及盈利蓝海下,国内巨头正在尝试用科技改变传统农业:阿里在今年云栖大会上推出的阿里云ET农业大脑,主打农业资料数据化、农产品生命周期管理、智慧农事系统和全链路溯源管理;京东以无人机农林植保服务为切入点,成立智慧农业共同体,上线京东农服APP。近日又学阿里用AI技术养猪;百度用无人驾驶技术赋能农机,提升机械化水平等。

(原标题:当人工智能“遇上”现代农业)

THEEND

最新评论(评论仅代表用户观点)

更多
暂无评论