人工智能运用在农业的无穷潜力案例分析

让我们先来看一段简单的小故事：日本有位黄瓜农小池诚原本是车厂工程师，但他辞去了工作，回到老家帮父母经营小黄瓜农场。农场并不大，但日本各农场对于小黄瓜有不同的分类标准，小池家也一样，光同品种的小黄瓜分类就可达 9 种之多，这让他吃了不少苦头。

于是他把脑筋动到人工智能上，开始研究起 Google 的 TensorFlow 平台，搭配树莓派 3 作为主控制器，并配一个相机拍摄照片。这些照片传到 TensorFlow 平台后在一个小型的神经网络上运行，以判断是否是小黄瓜。之后，已经被判定为小黄瓜的照片接着传输到一个更大的基于 Linux 服务器的神经网络，来对小黄瓜按照不同的特质进行分类。在突破初期的失败后，小池打造了一台成本不到 10 万日圆，任何人都可以快速上手的自动分装机，还把这套系统的程序代码开源释出到了 GitHub 上.....前一篇文章中我们已经介绍了物联网+大数据的智能农业进行式；但其实农业科技就跟主流科技领域一样，即将被“大数据的下一步”，也就是以机器学习为首的人工智能技术所席卷。而且比起其他产业，农渔畜牧面临的挑战更加严峻。如今世界人口约为 72 亿，其中有 7.8 亿人生活水平低落，面临结构性饥饿威胁，但到了 2050 年全球人口就会高达 90 亿，这表示人类所生产的粮食总热量需要增加 60%；如果再把肉类来源家畜消耗的粮食计算下去，这些粮食总热量初估就会达到 103%；但相较之下，农业可用面积在这 33 年内最多只增加 4%。因此有许多人认为，人工智能就是耕地资源有限的情况下增加农业的产出，同时确保持续发展性的有力解答之一；跟着人工智能一起发展的，还有“农机全自动化”的趋势。本篇文章我们会介绍几个实际案例，带大家多了解人工智能运用在农业的无穷潜力。AI 最成熟的视觉识别，已在农业开始发威

每年约有市值 40 亿美元的苹果在美国采收、销售，因此苹果在美国农业占有一席之地；同时，AI 与全自动机器人正猛烈冲击着苹果农业，美国农机新创公司 Abundant 就发明了“采苹果机器人“，它具有经机器学习调教过的视觉算法，能精准判断每一个苹果，从摘取到轻放在采收箱里，整套流程的准确率基本上已经跟人类无异，甚至可以用一台抵数十人的速度工作。

另一间 NatureSweet 农业新创公司更尝试使用 AI 来监测西红柿的生长过程，透过温室中安装的摄影机，他们独特的算法可以辨别出西红柿是否出现病虫害、枯萎的视觉线索，并实时通报农民病害已开始发生。相较于之前农民每周一次花时间人工巡查，这种方法显然有效得多。甚至，他们现在已开始着手撰写视觉识别西红柿是否成熟的算法。快速改变农业面貌的自动机械

有鉴于微型 MEMS 传感器（包含加速度计，陀螺仪，磁力计和压力传感器）、小型 GPS 模块与处理芯片越来越成熟，农业无人机的价格也越来越便宜，对农民来说可谓一大福音，并深具彻底改造整个产业的潜力。而在***，运用无人机喷洒农、肥用药，巡视田地已不是太新鲜的事情。根据上下游的报导，易图科技研发的无人直升机喷药 10 分钟就能喷 15亩地的农药，一天最多可喷 225 亩，是传统人力的三到四倍，而且能有效省药，就连注重叶背的丝瓜也能靠气流扰动顺利施药。

但无人机不是只能施药撒肥。美国许多葡萄酒庄现在已经采用带有高光谱摄影机的无人机，从红外线以及可见光谱中收集数据，拍摄出健康植物与病害植物范围的空拍扫描图，其精细到就连用眼睛看都不明显的害虫、真菌感染等病变植株都能辨别。相信敏感一点的读者也猜到了：这套红外线判别植株健康的视觉辨识系统，正是机器学习结合无人机的另一好案例。而在最热门的“自动驾驶”部分，当 2017 年各国政府与厂商都还在致力实现让无人车上路驾驶之前，Kinze 这间大型农机企业早在 2012 年就参考 Google 的自驾系统打造出自动农耕、收割机，只要在耕作时把会遇到的状况与田地信息一同输入 GPS 系统，拖拉机会根据 GPS 系统纪录指示行驶，依循前方进行红外线扫射，以避免撞上障碍物；大型农机企业久保田也宣布，将于 2020 年推出能够“一键完全自动”的农业机械，帮助解决日本越来越严重的农村劳力老龄化问题。人工智能在农业的挑战虽然人工智能能已经成为科技界的中流砥柱，我们上述也介绍了不少人工智能与自动机械在农业方面的运用。但事实上，大多主要的农企业、设备制造商和服务提供商还没有在农业中大力推行人工智能。在技术上最大的挑战之一就是农业资料其实收集极为不易。我们知道，AI 就是大数据的“下一步”，需要大量的数据来正确地训练算法。虽然在地理、天气等部分数据相对完善，但关于作物本身的大部分数据只能在每年的生长季节获得一至二次，比起其他领域，显然农业的数据积累要花上更多时间；而且其数据源不像科技、工业或网络圈，其使用、所有权方面的透明度与共享程度更加困难。