農(nóng)業(yè)為立國之本，強(qiáng)國之基。近些年，隨著人工智能技術(shù)的不斷發(fā)展與成熟，人工智能逐漸出現(xiàn)在農(nóng)民的視野中，如今越來越多的農(nóng)場利用人工智能技術(shù)檢測病蟲害。據(jù)悉，美國和墨西哥農(nóng)場AI實際應(yīng)用結(jié)果顯示，農(nóng)產(chǎn)品每周的收成提高了2%到4%。
在美國和墨西哥的幾座農(nóng)場里，溫室中有10臺攝像機(jī)連續(xù)拍攝西紅柿的生長情況，并提交給相關(guān)軟件進(jìn)行分析，以識別出可能存在的問題，比如蟲害或病菌侵染……人工智能（AI）識別技術(shù)的應(yīng)用，正從人臉識別、動物識別進(jìn)一步擴(kuò)展到農(nóng)作物病蟲害檢測等領(lǐng)域。AI識別技術(shù)是如何檢測病蟲害的，其準(zhǔn)確率如何？有哪些應(yīng)用難點？在農(nóng)業(yè)領(lǐng)域，AI還會有哪些應(yīng)用？
進(jìn)軍農(nóng)業(yè)“藍(lán)海”圖像識別日趨成熟
與AI在其他領(lǐng)域應(yīng)用相比，在農(nóng)業(yè)領(lǐng)域的應(yīng)用可以說還是一片“藍(lán)海”，不過，這種狀況正在發(fā)生變化。近日舉行的AI Challenger 2018發(fā)起了世界上首個農(nóng)作物病害檢測競賽，競賽提供給參賽選手近5萬張標(biāo)注圖片，覆蓋10種植物的27種病害，吸引了來自世界各地的29個國家的近1200支團(tuán)隊參賽。
據(jù)中國統(tǒng)計年鑒，2016年，我國農(nóng)業(yè)生產(chǎn)總值達(dá)5.93萬億元，占GDP的8%，但由農(nóng)業(yè)病害等災(zāi)害造成的直接損失達(dá)0.503萬億元，占農(nóng)業(yè)生產(chǎn)總值的8.48%。
新客科技創(chuàng)始人劉新農(nóng)說，在農(nóng)業(yè)生產(chǎn)中，農(nóng)藥使用也在急劇增加，農(nóng)藥殘留不僅會引發(fā)社會問題，還會加劇對環(huán)境的污染。因此，對農(nóng)作物進(jìn)行準(zhǔn)確的病害識別并推薦合適的防治措施，創(chuàng)造出能為植物看病的“醫(yī)生”，可以挽救農(nóng)作物的生命，減少農(nóng)藥使用量，保證農(nóng)作物的產(chǎn)量。
劉新農(nóng)說，AI與農(nóng)業(yè)病蟲害做結(jié)合，首先是要建立病蟲害的數(shù)據(jù)集，其次需要機(jī)器學(xué)習(xí)和圖像識別系統(tǒng)技術(shù)的配合，并且要確保農(nóng)民使用智能手機(jī)的普及率，這樣才可以使技術(shù)快速有效地傳達(dá)。
AI監(jiān)測病蟲害主要指利用機(jī)器學(xué)習(xí)、計算機(jī)視覺等技術(shù)，采用特定的計算機(jī)算法和模型，對農(nóng)業(yè)病蟲害發(fā)生的光譜或圖像信號進(jìn)行挖掘，獲得有效的數(shù)據(jù)特征，實現(xiàn)對病蟲害情況的實時識別和鑒定的過程。
農(nóng)作物病害檢測競賽的發(fā)起方、創(chuàng)新工場人工智能工程院執(zhí)行院長王詠剛認(rèn)為，目前AI在圖像識別領(lǐng)域已非常成熟，并有了相應(yīng)的數(shù)據(jù)，將其應(yīng)用到農(nóng)業(yè)病蟲害檢測中難度不大。“如果能夠利用參賽選手的算法，開發(fā)出一個能實際運用的產(chǎn)品，對于農(nóng)業(yè)發(fā)展來說，是一個非常有價值的事情。”
不可知因素多“把脈”農(nóng)作物并非易事
以往，病蟲害的檢測需要人工巡視，而且一旦發(fā)現(xiàn)不及時，就容易導(dǎo)致農(nóng)作物大片死亡。通過AI圖像識別技術(shù)的引入，可以不停拍照和比對，提供不間斷的監(jiān)測和預(yù)報，節(jié)省了大量人力成本。美國和墨西哥農(nóng)場AI實際應(yīng)用結(jié)果顯示，農(nóng)產(chǎn)品每周的收成提高了2%到4%。
不過，利用AI檢測病蟲害發(fā)生并非如此容易。有農(nóng)業(yè)專家表示，應(yīng)用難點主要體現(xiàn)在農(nóng)業(yè)領(lǐng)域涉及不可知因素太多，如地理位置、氣候水土、病蟲害、生物多樣性甚至微生物環(huán)境等都影響著農(nóng)作物生產(chǎn)。因此，在應(yīng)用推廣過程中，其中某個因素的改變，很可能就將在特定環(huán)境中已經(jīng)測試成功的算法變成無效算法，進(jìn)而影響檢測效率。
“這也是當(dāng)前AI檢測技術(shù)只能應(yīng)用于場景、害蟲種類以及相應(yīng)檢測方法都相對特定化環(huán)境的原因。”該專家表示，AI檢測技術(shù)還對隱蔽性較強(qiáng)的農(nóng)業(yè)害蟲或病害的監(jiān)測能力有限。農(nóng)業(yè)害蟲本身就存在著種間相似、種內(nèi)變化、姿態(tài)變化、作物遮擋等問題，從特征分析角度來講，會造成待識別樣本的同一種類內(nèi)差異大、相近種類間差異小、特征信息缺失嚴(yán)重等情況，無形中大大增加了害蟲目標(biāo)區(qū)分的難度。尤其對于一些個體小、生境隱蔽的害蟲而言，比如煙粉虱成蟲體長不到2毫米，且活動能力強(qiáng)，利用AI對其進(jìn)行檢測，難度非常大。
此外，用于輔助農(nóng)藥的噴施過程中，從獲取圖像、處理分析、噴施作業(yè)決策到執(zhí)行噴施作業(yè)，通常允許處理的時間非常短暫，這也對相關(guān)算法的時間復(fù)雜度提出了很高要求。
美國賓夕法尼亞州立大學(xué)和瑞士聯(lián)邦理工學(xué)院的研究人員建立了一個系統(tǒng)模型，并將其連接到一個計算機(jī)集群來形成一個神經(jīng)網(wǎng)絡(luò)。隨后建立了一個擁有53000多張健康及患病農(nóng)作物照片的數(shù)據(jù)庫，其中包括14種作物和26種病害。研究人員利用深度學(xué)習(xí)的方法來“訓(xùn)練”模型尋找出所有視覺數(shù)據(jù)。最終，這個系統(tǒng)能夠從照片中識別出作物和病害，準(zhǔn)確率高達(dá)99.35%。不過，美國通用人工智能協(xié)會主席、漢森機(jī)器人公司首席科學(xué)家本戈策爾表示，如果拍攝的圖片不符合標(biāo)準(zhǔn)，識別準(zhǔn)確率會從99.35%降到30%，甚至更低。因此，要想讓AI成為農(nóng)業(yè)方面的“醫(yī)生”，還要加強(qiáng)用AI的能力，讓其模仿人類大腦，多維度觀察學(xué)習(xí)作物病害特點從而進(jìn)行判斷。
有望通過AI改進(jìn)農(nóng)業(yè)技術(shù)
AI技術(shù)本身還有種種不完善之處，而且農(nóng)業(yè)涉及不可知因素太多，如農(nóng)業(yè)病蟲害的種類多樣、危害多元化等，因此，當(dāng)前AI在農(nóng)業(yè)中的應(yīng)用還受到一定的限制。但毫無疑問的是，AI技術(shù)在農(nóng)業(yè)領(lǐng)域具有廣泛的應(yīng)用前景。而且隨著AI技術(shù)的不斷發(fā)展和完善，將來可以通過AI改進(jìn)，甚至完全改變當(dāng)前的農(nóng)業(yè)技術(shù)，打造“智慧農(nóng)業(yè)”等。
“全國有5億農(nóng)民，能夠為他們解決農(nóng)作物病蟲害的專家可能不足5萬，平均1萬個農(nóng)民才對應(yīng)1個專家，而且一個專家通常只研究一到兩種農(nóng)作物，未必能知道所有農(nóng)作物的病害問題。”神農(nóng)識創(chuàng)始人郭強(qiáng)說，AI農(nóng)作物病害檢測為解決農(nóng)戶需求與專業(yè)信息不對稱的問題提供了解決之道。
AI農(nóng)作物病害檢測僅是AI在農(nóng)業(yè)應(yīng)用的很小一個方面，它的應(yīng)用領(lǐng)域是非常廣泛的。比如農(nóng)業(yè)專家系統(tǒng)，也可以叫農(nóng)業(yè)智能系統(tǒng)，是一個具有大量農(nóng)業(yè)專業(yè)知識與經(jīng)驗的計算機(jī)系統(tǒng)。應(yīng)用AI技術(shù)可依據(jù)一個或多個農(nóng)業(yè)專家提供的特殊領(lǐng)域知識、經(jīng)驗進(jìn)行推理和判斷，模擬農(nóng)業(yè)專家就某一復(fù)雜農(nóng)業(yè)問題進(jìn)行決策。
又如農(nóng)產(chǎn)品無損檢測，即在不損壞檢測對象的前提下，利用被測物外部特征和內(nèi)部結(jié)構(gòu)所引起的物化反應(yīng)變化，來探測其性質(zhì)和數(shù)量變化，主要用于水果、蔬菜、畜禽、水產(chǎn)品類、經(jīng)濟(jì)作物和谷物籽粒等的檢測與分級。隨著無損檢測技術(shù)的發(fā)展，AI技術(shù)將在農(nóng)產(chǎn)品無損檢測中發(fā)揮越來越重要的作用。如智能農(nóng)田氣候預(yù)測系統(tǒng)，即通過對衛(wèi)星拍攝圖片、航拍圖片以及農(nóng)田間其他設(shè)備拍攝的照片進(jìn)行智能識別和分析，AI能夠精確地預(yù)報天氣、氣候災(zāi)害，識別土壤肥力以及莊稼的健康狀況等。李禾
智慧農(nóng)業(yè)成互聯(lián)網(wǎng)創(chuàng)業(yè)又一風(fēng)口
“智慧農(nóng)業(yè)”是集互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、云計算和物聯(lián)網(wǎng)技術(shù)為一體的農(nóng)業(yè)生產(chǎn)方式，它與科學(xué)的管理制度相結(jié)合，讓多種信息技術(shù)在農(nóng)業(yè)中實現(xiàn)綜合、全面的應(yīng)用，使傳統(tǒng)農(nóng)業(yè)更具有“智慧”。
前瞻產(chǎn)業(yè)研究院數(shù)據(jù)顯示：到2025年我國農(nóng)業(yè)規(guī)模占全球比重將超過1/5，AI賦能農(nóng)業(yè)，加快推進(jìn)農(nóng)業(yè)信息化進(jìn)程，促進(jìn)信息化和現(xiàn)代化融合已成為必然趨勢。
《中國智慧農(nóng)業(yè)行業(yè)市場深度調(diào)研及2017—2021年投資商機(jī)研究報告》數(shù)據(jù)顯示，早在2013年，我國智慧農(nóng)業(yè)的產(chǎn)業(yè)規(guī)模已達(dá)到4000億元，僅以應(yīng)用(硬件和網(wǎng)絡(luò)平臺以及服務(wù))為基礎(chǔ)的智慧農(nóng)業(yè)市場就有望在2022年達(dá)到184.5億美元的規(guī)模，年均復(fù)合增長率13.8%。
在這一大好趨勢及盈利藍(lán)海下，國內(nèi)巨頭正在嘗試用科技改變傳統(tǒng)農(nóng)業(yè)：阿里在今年云棲大會上推出的阿里云ET農(nóng)業(yè)大腦，主打農(nóng)業(yè)資料數(shù)據(jù)化、農(nóng)產(chǎn)品生命周期管理、智慧農(nóng)事系統(tǒng)和全鏈路溯源管理；京東以無人機(jī)農(nóng)林植保服務(wù)為切入點，成立智慧農(nóng)業(yè)共同體，上線京東農(nóng)服APP。近日又學(xué)阿里用AI技術(shù)養(yǎng)豬；百度用無人駕駛技術(shù)賦能農(nóng)機(jī)，提升機(jī)械化水平等。
（原標(biāo)題：當(dāng)人工智能“遇上”現(xiàn)代農(nóng)業(yè)）
