人工智能改变农业的12种方式
随着我们进入机器学习的新技术时代，人工智能和农业正变得密不可分。它带来了令人兴奋的无限可能性：从种子发芽，到保持作物的完整性，再到实际的收获过程。
联合国估计，到2050年，全球人口将增加到97亿人以上，那时很多饥饿的人口需要养活。相比于人口的大量增长，耕地面积只会增加4%。因此，解决办法不是扩大农田来种植庄稼和饲养牲畜，而是更有效地利用现有的土地。
回顾过去，我们看到大约70 年前“绿色革命”的开始，它带来了灌溉系统的改善，农田机械化的方法，以及新型的人造肥料。
这一点就像悟空、武松一样，顶多拿老虎来衬托一下人的价值，即可。《水浒》中另一个打虎英雄李逵，其实比武松还厉害，他为老母亲，一下干掉几头。但这件事的名声却比不上武松打虎。我个人以为，施耐庵在对李逵打虎的描写上，细节不多，趣味不足，导致李逵打虎显得轻飘飘的——人们在娱乐的时候，事实上根本不在乎什么老虎、李逵、武松，只在乎好不好玩。
这些因素的叠加起来提高了粮食产量，据估计，全球约有10亿人从饥饿中获救。
这种快速发展带来了许多好处，如更高的产量，但也有许多负面因素：在有农场的地方，杀虫剂、化肥的过度使用和动植物生物多样性减少的情况都发生了。同时，那些耕作方法加在一起，向地球上的小溪和河流注入了大量的毒素，也耗尽了土壤的自然肥力。
可持续农业和粮食问题专家Danielle Nierenberg说：“这些方法从来没打算长期使用。”如果我们要继续保持粮食生产的稳定和充足，就必须进行变革。
目前，全球20%的人口受雇于农业综合企业，这是一个价值3万亿美元的产业。但是我们如何进行这个变换呢？答案可以在人工智能和农业的交汇处找到。在本文中，我们将研究世界范围内这些新型的机器学习技术在农业各个解决方案中是如何推动食品生产的。现在让我们来看看人工智能怎样改善了发展中国家和已经领先的西方国家的农业状况。
一、人工智能选种
如果我们想要有最好的作物，那么这一切都取决于我们种植的种子的基因。Monsanto公司现在正在使用人工智能扫描具有最理想特性的种子的DNA序列。
农民将不再需要投入时间和精力来进行种子的交叉变异实验，因为现在有计算机程序可以为他们进行这种分析。
种子本身有发芽率，或“种子休眠”，这意味着它们只有在特定条件下才会发芽和开始生长。研究人员可以利用人工智能找出种子发芽的最佳条件，如温度和湿度水平，使作物能够比预期的更早开始生长。这减少了等待时间，并可以使作物全年种植。
机器学习支持的图像分析的新应用，加上移动成像的自动化控制，可以测试种子的表型，以确定使用哪种种子最好。
23rd International Trenchless Technology Conference & Exhibition
采用SPSS17.0进行统计分析，计量资料以±s表示，两组间计量资料比较采用配对t检验，计数资料采用χ2检验，检验水准为α=0.05。
这方面的实例可以在种子发芽技术中找到，该技术已经用于测试番茄和玉米等作物。
二、通过人工智能反馈进行土壤管理
在世界各地种植农作物时，土壤营养也会发挥作用。通过特殊的算法，深度学习被带到这里的最前沿，这些算法可以帮助监测种植前和生长过程中土壤的健康状况
现代农业往往使用各种各样的机器来保持生产效率。
它通过对叶子成像，然后通过一个软件运行，这个软件可以区分正常和不健康的生长模式。更重要的是，软件会向农民提出解决问题的方法。
美国一家名为aWhere的公司正在利用这种人工智能技术来预测天气模式，使农民能够提前采取正确的措施。
在美国，Trace Genomics也在追随他们的脚步，采用基于人工智能的技术来研究土壤弱点和作物缺陷。
(3)污泥热解的Py-GC-MS 研究表明，污泥热裂解的小分子气体产物主要是CO2，热裂解产物中的成分比较复杂，主要有苯及其化合物、羧酸、含氮化合物、酯类化合物、杂环化合物和酯类化合物，其中羧酸类物质含量较高。
三、人工智能管理灌溉和用水
从拖拉机和收割机到四轴脚踏车和运货卡车，机器是农业的重要组成部分，但是机器故障和持续的维护是一个严重但经常被忽视的影响利润的问题。像汽车这样的普通道路交通工具，现在正在用一组非同寻常的电子产品进行制造，从轮胎压力到油位，这些电子产品可以提供各种反馈。
由于众多干扰因素的耦合作用下，国家脆弱性的评价在模型构建、指标筛选、权重确定以及数据获取等方面存在技术难点。其中，国家脆弱性指标权重确定是关系评价结果重要性、合理性的重要一环。采用AHP(层次分析法)是主观意志的反映，而熵值法则是客观事实的反映，各有不足。针对上述两种评价方法存在的缺陷，立足于在各自类别中具有代表性的权重确定方法，本文采用AHP—熵值法构建国家脆弱评价指标权重[1，2]。
他们可以通过农业环境中的机器学习技术实时跟踪土壤中的水分含量，从而准确地知道何时向作物提供水，以及如何合理节约水的消耗。这意味着农民有更多时间来做其他的重要工作，而不必费心亲自灌溉作物。
据估计，地球上约70%的淡水供应用于农业生产，因此更有效地管理淡水供应将对如何利用这一宝贵资源产生连锁反应。
四、基于图像的养分和肥料使用解决方案
土壤本身并不总是为作物提供最好的营养，农民必须定期轮作。在过去，肥料是植物的主要肥料，但农业现代化带来了大量新的和创新的施肥方案。
农民花大量时间在地里以氮肥的形式为作物提供必要的营养，然而人工智能现在已经成为这个领域的主要参与者。
现代人工智能解决方案不仅可以检测出需要多少肥料才能减少浪费，而且还有可用的硬件来辅助运输过程。其中一个解决方案就是Rowbot。
这是一台基于图像的机器，它在作物生长期间收集植物数据，只向最需要化肥的作物提供肥料，从而提高原本收成较低的作物的产量。
由Bosch开发的Plantect是另一个智能的人工智能套件，它可以帮助农场从确定正确的阳光和湿度水平到无缝监控一切，并与物联网协同工作。
五、人工智能可以预测天气状况
从潮湿的英格兰到太阳炙烤下的加利福尼亚，再到干旱肆虐的索马里，天气状况极大地影响了农作物的生长。
一季不下雨意味着成千上万的人在几个月内都会挨饿。然而，人工智能现在可以与机器学习相关的特殊算法结合使用——再加上卫星信息——以确保无论天气如何，农作物都不会歉收。
2.3.2 止泻时间 FAS分析结果显示：高剂量组中位止泻时间（25分位数，75分位数）为3 d、低剂量组中位止泻时间3 d、阳性对照药组均未观察到中位止泻时间；止泻时间的3组组间比较差异有统计学意义（P=0.000 9）。进一步两两比较结果显示，高剂量与阳性对照药组（Logrank_χ2=12.998 5，P=0.000 3）、低剂量与阳性对照药（Logrank_χ2=6.485 9，P=0.010 9），组间比较差异均有统计学意义（P＜0.0167）。见表3。
CropDiagnosis是另一个类似的应用程序，它可以用无人机扫描整个领域，并且评估土壤中灌溉和氮含量水平。
SPSS19.0软件处理本研究数据，百分比（%）表示计数数据，采用χ2检验，P＜0.05提示差异对比具有统计学意义。
它能测量一切：从太阳辐射到降水、温度推测和风速，以提供有关潜在作物生长和产量的准确数据。
例如，如果你知道两天后会有大量降雨，就不需要用昂贵的灌溉用水。或者，如果你知道接下来的几天会带来高温，那么你可以确保作物在早晨早些时候浇水，为温度上升做好准备，减少土壤蒸发。
几个世纪以来，农民们一直在考虑天气状况和作物的总体状况等因素，决定最佳收割时间。
六、创新的机器视觉来识别作物问题
一旦作物生长，就有必要保护它们的生长不受疾病和虫害的侵蚀。在这方面，人工智能也可以提供帮助。
展望未来，无人机已经在许多方面得到了应用，要使现有的无人机适应农业生产，所需要的只是硬件和软件的集成，这为这些飞行器提供了额外的用途。
跨国农业企业John Deere现在收购了Blue River Technology，作为其人工智能武器库的一部分。他们共同开发了一种“看和喷”的方法，利用人工智能机器学习和计算机视觉相结合，找出影响作物生长的杂草，然后将它们清除。
该公司发言人John May表示：“机器学习是Deere未来的一项重要能力，并且它认识到技术对我们客户的重要性。”
“看和喷”方法意味着，他们现在可以针对特定的杂草，提高作物产量，而不是以高昂的成本喷洒整株作物，而且还会伴随着对的健康影响。
七、用人工智能技术监测杂草和害虫问题
人工智能传感器也正在开发中，利用图像传感技术来检测植物叶片的病害特征。这与通过人工智能机器进行的彩色成像有关。人工智能机器能够区分健康和患病的叶子，然后通过与机器人集成来去除它们。
微软开发人员也在使用同样的技术，他们合作开发了一个害虫预测界面，可以识别破坏农作物的昆虫。在很短的时间内，这将包括诊断和消灭害虫的实际远程机器视觉。
这项技术最多可以减少80%的化学物质的使用，而花在除草剂上的钱会减少90%。
杂草控制对农民来说非常重要，因为目前约有250个品种对现代除草剂具有抗药性，仅大豆和玉米作物上的杂草生长每年就造成400多亿美元的损失。
图14与图15分别是射频通道1本振与射频通道2本振的设置过程，只需要设置5个寄存器数值即可完成一个本振的设置。其中图14设置本振频率为1 568 MHz，图15设置本振频率为1 259 MHz。
现阶段在对农民进行机械化技术培训时，用到的培训方式比较落后、陈旧。近年来农业机械设备更新速度越来越快，但农民接受的依然是落后技术的培训，学到的技术无法应用到实际生产过程中。针对这一情况，相关部门在开展农业机械技术培训工作时，应考虑农民的实际需求，选择的培训内容和培训方法要具有创新和针对性。真正将农业机械技术推广到基层农户中，促进我国农业机械化水平的提升[2]。
八、预测正确的收获时间
这两者都可以被编程到AI机器解决方案中，当软件和硬件结合在一起时，农业技术可以提前为农户采取行动。
由于成像技术反馈给远程学习软件，人工智能现在带来了一个决定作物是否可以采摘的新元素。
“我一点也不觉得有什么好笑。”哈雷德对哲学家说，“你们简直太愚蠢了，既然躲起来了，为什么还要喊出声音来告诉别人？”
该技术可以用白色和UVA型灯分析水果的成熟度，这意味着农民可以选择只采摘最成熟的水果或蔬菜，而把其他未成熟的水果留一段时间。
这可以在温室里小规模地进行，也可以在更大的规模上进行，使用直升机和无人机可以构建一个整体的田间管理地图。
除此之外，北京“王致和”老字号品牌的整合设计、“百花”蜂产品的品牌形象设计、北京果品公司VI系统设计等等，都是从北京“工业设计示范工程”中走出来的时代骄子。从1996年至1999年，这项工程共实施示范项目30余项，政府投入专项资金1000余万元，带动企业投入设计研发资金4500余万元，产生经济效益2亿多元。这一连串数字真实地反映了设计创新的力量，同时也见证了中国工业设计从无到有的成长。自此，北京“工业设计示范工程”引导中国企业迈开了工业设计引领自主创新的步伐。
九、机械收割方法
现在让我们看看食物是如何挑选的。越来越多的农场工人不愿意日复一日地做重复性的、季节性的采摘水果和蔬菜的工作，预计在2014年至2024年间，这一比例将降至6%。
我们面临着这样的事实上：由于工人短缺，熟透的水果往往无法采摘，这意味着利润的损失。
根据农业综合企业的性质，一个农场大约40%的利润用于体力劳动和工资。
人工智能可以大幅减少这一数字，因为一旦购买了机器，它们就会随着时间的推移为自己买单。
有两个机器收割的例子来自Harvest CROO Robotics，它创造了采摘成熟草莓的硬件，以及拥有可以收割苹果园的机器的丰富技术。这种类型的人工智能将感知和动作结合在一起，因此自主机器可以看到需要收获什么，然后继续执行收获的动作。
十、农场机器接受人工智能升级
土壤退化和侵蚀也是影响农作物生长的重要因素，但这两个问题都可以用人工智能解决，就像PEAT公司在德国做过的实验那样。他们开发了一种能分析土壤缺陷的Plantix。加上无人机的视觉感知能力，它们可以探测到作物的生长区域，这些作物可能生长在有缺陷的土壤中，或会遭受区域里疾病和害虫的侵袭。
植物要想正常生长，就需要持续不断的水供应。在世界上雨水和淡水稀少或不可靠的地区，种植作物尤其困难。就像你的花园洒水器可以设置定时器一样，现代的人工智能灌溉方法比这更进一步。
未来的农业机械也将采用同样先进的监测系统。与其等着拖拉机在田里抛锚，还不如提前警告农民任何故障。与物联网相结合，这些物品甚至可以在问题出现之前就预先提醒和维修。
十一、人工智能无人机的崛起
你不仅可以在人工智能控制机器和条件的温室里种植作物，而且户外作物也可以从技术投入中受益。
像VineView所使用的智能摄像头，可以在很远的地方为农民提供反馈和信息——从作物生长受阻和缺水到土壤条件和病虫害监测。未来的农民不再需要步行数英里穿过他们的庄稼和农田来评估它的状况——而是用无人机在几分钟内飞去所关注的地区。
到2027年，农业无人机的市场份额预计将接近5亿。无人驾驶拖拉机也将成为现实，在没有真人指导的情况下，通过编程使其以一定的速度行驶，同时以有效的方式执行特定任务。
十二、来自数据库的云共享信息可以帮助农民
由于“Alexa”类型的系统为农民的所有问题提供了解决方案，人工智能可以成为农民最好的朋友。
建立农业的知识数据库，并能向其询问从动物疾病到土壤质量的一切问题。这样的基础可以学习正确的解决方案和回答问题，然后可以有效地与业务中的其他人共享。
当农业在很大程度上实现自动化时，数据共享无疑将具有重要性。训练系统需要数据，特别是人工智能算法的数据非常有价值。
近年来，农业数据联盟(Agricultural Data Coalition)已成立，旨在帮助农民掌握信息和数据处理技术，以便从研究人员到农场主、农作物买家和保险公司等所有人都能共同努力，提高产量，从而提高所有人的利润。
得益于人工智能技术，总体产量得以提高，将人工智能应用于农业的最终目标是提高每平方英尺的作物产量。
在传统农业向现代化农业转型发展的过程中，土地整治越来越受重视。土地整治的主要目的是改善土壤质量并形成固碳，通过人为措施影响土壤碳库，为农作物生长提供更有利的环境，从而达到优化土地利用和促进农业增效的目的。
产量的提高主要是通过模仿人类认知的算法实现的，在分析大数据时，将农业中的机器学习技术带到最前沿，并利用它做出有效的决策。这些数学人工智能公式可以通过决定作物从播种到收获的最佳操作过程来帮助提高作物产量。
人工智能解决方案在农业领域的技术有很多，而且具有几乎无限的潜力。农业传感器可以看到外形，识别语音命令和操作视觉感知能力来收集所需的数据。
信息管理系统控制收集的数据，并允许人工智能软件基于深度学习技术和机器学习通过预测分析做出决策。这些数据可以用于专门为农业综合企业制造的硬件，比如自动无人机和自动驾驶汽车。
充分利用收集到的数据，能为农民提供最好的服务。农业领域的人工智能解决方案要想在这一领域起飞，就需要在农业实践中集人工智能的多方优势。
虽然，最近几十年人们在努力地恢复优秀的传统文化，很多人因而知道了“子丑寅卯”之类；但是，已经消亡了的旧时谜语，却如同被秦火焚毁了的古籍，是一个永远不能恢复的记忆。
资料参考：ARTIFICIAL INTELLIGENCE IN AGRICULTURE
标签：人工智能论文; 机器学习论文; 无限可能性论文; 饲养牲畜论文; 种子发芽论文; 解决办法论文; 耕地面积论文; 农业论文;