智慧农业（农业新技术）

1. 农业人工智能的应用

      人工智能驱动的技术正在帮助农业提高效率和应对面临的挑战，农业机器人有望成为人工智能在这一领域的重中之重，已有数千台挤奶机器人在运营，到2023年，农业机器人行业产值预计将从19亿美元增加到80亿美元。

      未来三到五年内，农业机器人将担负越来越多样化的任务，如通过无人机和卫星等技术捕获数据，为农业企业提供预测，并带来发现新机会的能力。而卫星机器视觉应用（天气、作物健康、预测作物产量等）将在大型工业化农场中变得越来越普遍。

      气候变化、人口增长和粮食安全等因素已迫使农业行业寻求更创新的方法来提高作物产量，因此，人工智能正逐步成为农业技术发展的一部分。目前，人工智能在农业中最受欢迎的应用大致分为三大类：一是农业机器人；二是作物和土壤监测；三是环境及气候预测分析。

（1）除草与采摘机器人

      当前估计有250种杂草已形成对除草剂的抗性，美国杂草科学协会曾就不受控制的杂草对玉米和大豆作物的影响做过一项专门研究，结果表明，农民每年的损失估计为430亿美元。

      Blue River Technology开发了一款名为See＆Spray的机器人，利用计算机视觉监测来精准喷洒去除棉花田中的杂草，该公司声称，这种精准技术使得喷洒在农作物上的农药减少80%，并可将除草剂支出减少90％。

      Harvest CROO Robotics开发了一种机器人，来帮助草莓农民挑选和包装草莓，由于缺乏劳动力，加州和亚利桑那州等重点农业地区的收入损失达数百万美元。在被称为“全国冬季草莓之都”的佛罗里达州希尔斯伯勒县，通常在一个季节里需要收获10,000到11,000英亩的草莓。Harvest CROO Robotics声称，其机器人可以在一天内收获8英亩草莓，并取代30名农业工人，据估计，水果和蔬菜等作物的生产中，劳动力工资通常要占农业总成本的40%。

（2）作物与土壤监测

      美国农业部估计，美国每年因土壤侵蚀造成的损失约为440亿美元，总部位于柏林的农业科技创业公司PEAT开发了一种用于诊断害虫/土壤缺陷的视觉机器，该机器通过一个名为Plantix的深度学习应用程序，通过软件算法进行分析，将特定的叶子模式与某些土壤缺陷、植物害虫和疾病相关联，来识别土壤中潜在的缺陷和营养缺乏。

      借助图像识别应用程序，用户可以通过智能手机相机拍摄的图像来识别可能的缺陷，并获取土壤修复技术、技巧和其他可能的解决方案。PEAT公司声称其软件可以快速实现模式检测，估计精度高达95％，其国际客户群已超过50万。

（3）微量基因组学用于诊断土壤缺陷的机器学习系统

      位于加利福尼亚州的Trace Genomics公司为农民提供土壤分析服务，该公司开发使用了一种与Plantix应用程序类似的机器学习系统，来防止作物出现缺陷，提高健康作物的生产潜力。客户在向Trace Genomics提交他们的土壤样本后，就会收到他们土壤内容的深入分析摘要。该公司的服务以“产品包”形式提供，包括针对细菌和真菌等病原体筛选以及综合微生物评估等。

（4）用于作物分析的无人机和计算机视觉

      农业无人机最早出现在日本，到2027年，农业无人机市场预计将达到4.8亿美元。SkySquirrel Technologies Inc.是将无人机技术引入葡萄园的公司之一，公司目前利用人工智能和航空技术来监测作物健康状况，以帮助农民提高作物产量并降低成本。

      农民预先编程无人机的路线，然后设备将利用计算机视觉记录来分析图像。一旦无人机完成监测路线的飞行，农民就可以用USB将无人机的数据拷贝到计算机并将捕获的数据上传到云驱动器。SkySquirrel使用算法来整合和分析捕获的图像和数据，以提供有关葡萄园健康状况的详细报告，特别是葡萄叶的状况。通常可以通过葡萄叶来感知葡萄病害（如霉菌和细菌等），因此“阅读”叶子的健康，有助于我们了解植物及其果实整体健康状况的程度。该公司声称其技术可以在24分钟内扫描50英亩，并提供95％准确率的数据分析。

（5）预测分析

      aWhere公司使用与卫星相关的机器学习算法来预测天气，分析作物的可持续性并评估农场是否存在病虫害。可以根据每个客户的需求来定制从当地到全球每日的天气预报，客户类型包括农民、作物顾问和研究人员。目前已经开始了人工智能天气预报，并每天为用户提供超过十亿点的农艺数据，包括温度、降水、风速和太阳辐射、以及地球上任何地方有关农业的历史价值比较等。

（6）监测作物健康和可持续性的卫星

      FarmShots是一家专注于分析卫星和无人机捕获图像的农业数据创业公司，目标是“检测农场的疾病、害虫和植物营养匮乏”，该公司声称其软件可以准确地告知农户肥料需求，并可以减少近40％的肥料使用量，且软件可在移动设备上使用。

（https://www.techemergence.com）

2. 农业人工智能面临的挑战

      人工智能的原理是使用机器感知环境，并通过一定的灵活理性能力，采取行动来解决与该环境相关的特定目标。而机器学习是指同一台机器根据一组指定的协议，随着接收到数据的统计特性的增加，来解决与环境相关的问题和目标。更明确地说，随着系统接收越来越多的可以归类为指定协议的类似数据集，提高了合理化的能力，能够更好地“预测”一系列结果。

      数字农业及其相关技术的兴起带来了大量新的数据机遇，远程传感器、卫星和无人机可以在整个场地上每天24小时收集信息，这些工具可以监测植物的健康状况、土壤条件、温度、湿度等，这些传感器产生的数据量是巨大的。

     远程传感器能够将场地环境转换为数据，这些数据可以被农民理解并用于决策。算法根据收到的数据进行处理、调整与学习，输入收集和统计的信息越多，预测一系列结果方面就越好，农民就可以利用这种人工智能，通过在田间做出更好的决策来实现更好的收成。

     2011年，IBM位于以色列海法的研发总部启动了一个农业云计算项目，该项目与一些专业的IT和农业伙伴合作，从农业环境中获取各种学术和物理数据，并将这些数据转化为农民的自动预测解决方案，以帮助他们做出该领域的实时决策。

     农业是统计量化目标中最难控制的领域之一，天气不可预测，土壤质量发生变化，以及害虫和疾病发生的可能性一直存在，种植者可能会觉得前景对即将到来的收获有利；但在那一天到来之前，结果总是不确定的。相同的种子和肥料在美国中西部地区与澳大利亚或南非可能会发生的情况几乎肯定不相关，可能影响方差的一些因素通常包括：测量所种植作物地区的单位降雨量、土壤类型、土壤退化模式、日照时间与温度等。

     因此，在农业中应用机器学习和人工智能并不在于科学家是否有能力实现，而是难在能否解决种植者最关心的问题，原因是在大多数情况下，没有两个环境会完全相同，这使得这些技术的测定、验证和成功应用比其他大多数行业更加困难。

     要使技术真正在农业领域产生影响，需要更多的努力、技能和资金来推动。通过将这些技术整合到全球范围内的关键市场，人工智能和机器学习才有巨大的潜力来彻底改变农业，唯其如此，方能对种植者即真正的需求者产生影响。

（https://www.agfundernews.com）

3. 精准农业的发展

     在发达国家，精准农业技术正在改变农业生产，它让农民能更好地根据当地条件确定投入，并进行管理决策。技术创新为农民提供了定制信息的新机会，例如带有光谱学的移动土壤分析实验室可以改善对高质量土壤数据的获取；从卫星和无人机拍摄的照片中进行数据收集和验证；新的天气预报模型可以生成对农民有用的实时预报；移动电话的广泛使用有助于信息传递和收集。

     这些技术可与适用性最强的研究相结合，以改善信息内容和消息传递效率。如行为经济学可以改善信息传递并鼓励信息接受，社会学习理论可以促进相关信息的传播，大数据和机器学习允许个性化建议，A / B测试带来近乎即时的升级，随机对照试验（RCT）可以进行更严格的评估等等。

     精准农业动态（PAD）是一个非营利性组织，目前它正在研究一种新的农业推广模式，即通过手机向农民提供个性化的农业建议，目的是通过对现有系统的服务和支持，改善发展中国家1亿农民的生活。PAD通过双向沟通和信息汇总，基于地理、市场和农民个体的特点等因素，为农民定制有用信息。当农民意识到这项服务的好处时，他们有动力向系统提供准确的信息。PAD结合了行为经济学和社会学习理论，并利用A / B测试和机器学习技术，旨在确定哪些类型的信息和交付机制最适合农民。

     PAD模式是通过两个渠道影响农民的生活：一是为农民经营服务而设计的PAD实验室，目前在印度和肯尼亚都有实验室。 二是扩大PAD合作模式。PAD与政府和相关组织合作，共同构建、运营和评估农民服务。借助专业知识共同开发这些系统，执行数据分析、设计试验和实验，并提供有关系统改进的建议。目前，PAD正与印度、肯尼亚、巴基斯坦、卢旺达和埃塞俄比亚的合作伙伴进行合作。

(http://precisionag.org)

4. 人工智能识别杂草

     巴斯夫希望通过推出一款名为xarvio scouting app的新应用程序，让农民通过拍照以帮助识别田野中的杂草和疾病，其准确达90％以上。

     2017年xarvio scouting app面向欧洲市场推出，目前已在90个国家使用，拥有近60,000名用户。它的工作原理是使用一个远程服务器，庞大的数据库中包含超过150,000个杂草和疾病图像，以便进行比较。当拍照时，它会快速将其与所有其他图像进行比对以找到匹配项，这就是为什么添加更多图片会增加应用程序准确性的原因。尽管北达科他州的杂草可能与伊利诺斯州的略有不同，但目前已经使用了数千个图像来改进应用程序，并且每个新图像的算法都变得更加智能和精确。

（https://www.farmjournalagtech.com）

5. 数字农业：印度的农民正在使用人工智能来提高作物产量

     在Telengana、Maharashtra和Madhya Pradesh的几十个村庄，农民正在接收自动语音呼叫，告诉他们根据天气条件和作物生长阶段，他们的棉花作物是否有遭受害虫袭击的风险。与此同时，在卡纳塔克邦，州政府可以提前三个月获得诸如木豆等基本商品的价格预测，以便确定最低支持价格（MSP）。云机器学习、卫星图像和高级分析等技术使小农户能够通过提高作物产量和价格控制来增加收入。

     联合国国际半干旱热带作物研究所（ICRISAT）是一个非营利性组织，在亚洲和非洲撒哈拉以南地区开展农业研究，与世界各地进行广泛的合作。微软与ICRISAT合作开发了一款由Microsoft Cortana Intelligence Suite提供支持的智能播种 App，该应用程序在播种的最佳日期，向参与的农民发送播种建议。农民不需要在他们的田地中安装任何传感器，或产生任何资本支出，他们所需要的只是一部能够接收短信的功能手机，基于人工智能的播种建议把他们作物的产量提高了30％。

（https://www.microsoft.com）

6. 快速成长的农业机器人市场

     技术进步已对食品饮料、包装、农业、建筑和医疗保健等各种行业产生了广泛的影响。随着人口的不断增加，食品需求旺盛，这将导致农业逐步实施技术解决方案，以此来推动产出增长。

     由于农业机器人在农业生产中很有效率且适用性强，所以很受农民欢迎。各类农业机器人可望在种子分类、奶牛养殖、土壤管理、田间耕作等多种农业生产过程中得以运用，对现代化农业技术的需求增长，将推动农业机器人市场的增长。

     全球农业机器人市场受到几家农业技术组织的推动，这些组织正在开发、测试和引入为多种农业应用开发的各种机器人系统。此外，人口的增加，对保护地农业的高度认可，自动化技术的运用以及频繁的气候变化，预计将推动未来一段时间农业机器人市场的增长。

     随着远程信息传感器支持机器人的出现，农业机器人市场已经开始转变为数字化农业。此外，预计机器人系统将帮助农业在一系列生产过程中获得更好的解决方案。

     尽管如此，农业机器人市场很可能面临一些挑战，例如农民对农业机器人的响应能力受限，以及机器人无法与人类敏捷性相吻合，可能会妨碍市场的增长。此外，意外和持续的气候变化也是农民面临的首要问题。

(https://www.qyresearchgroup.com)

7.食品安全机器人Hone Dairy亮相堪萨斯城

     “利拉伐（DeLaval）”是全球最大的乳业机械设备生产销售商，最近，该公司在美国密苏里州堪萨斯城新建一座设施，专门研究机器人和食品安全，“利拉伐”培训中心可供技术服务人员和奶农在此学习与使用全新自动挤奶系统（VMS V300）。

     乳品管理咨询（DMA）培训计划将设在中心，三个新版VMS V300机器人单元和分析系统Herd Navigator将一起工作。以便检测牧群怀孕及诸如乳房炎和酮症等群体健康问题。

     每年有超过400名学生在此接受“利拉伐”关于机器人服务维护、安装和故障排除等培训。该公司共有22名培训师，其中13名专攻机器人技术。基地还将设有 “利拉伐”清洁解决方案，为培训中心提供食品安全方面的服务，该基地将为所有乳品、食品和饮料加工行业提供清洁、消毒和消毒应用培训。在“利拉伐”关于清洁解决方案的食品安全培训课程中，还将有现场设备进行演示。

（https://www.farmjournalagtech.com）

8. 美国奶牛场引进机器人挤奶转盘

     全自动挤奶旋转装置正在进入美国的奶牛场，到2018年底，美国将有6家奶牛场利用DairyProQ进行挤奶，DairyProQ是安装有自动挤奶畜栏模块的机器人挤奶转盘。四台新增机器人挤奶转盘分布在明尼苏达州、科罗拉多州、德克萨斯州和加利福尼亚州，共可以为10300头奶牛挤奶。

     此前，美国第一个安装DairyProQ的农场位于威斯康星州，该全自动挤奶转盘有40个挤奶畜栏模块，为550头奶牛挤奶，于2017年11月开始运营。另一个安装DairyProQ的乳品厂位于北卡罗来纳州，目前有60个挤奶畜栏模块服务于1500头奶牛，并计划增加。目前约有2％的美国奶牛场使用机器人（旋转或盒式配置）挤奶，据预测，在接下来的4-7年内，30-40％的奶牛可以通过机器人挤奶。

（https://www.dairyherd.com）

（https://pubag.nal.usda.gov）