人工智能混搭自动农业机械,会是未来农业的理想型吗?

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

人工智能混搭自动农业机械,会是未来农业的理想型吗?

 
 
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
 

人工智能混搭自动农业机械,会是未来农业的理想型吗?

 



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。

 

人工智能混搭自动农业机械,会是未来农业的理想型吗?



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

 

人工智能混搭自动农业机械,会是未来农业的理想型吗?

 
 
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。而在台湾,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。



人工智能混搭自动农业机械,会是未来农业的理想型吗?


 
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。






延伸阅读:

农业机器人来了 为牛挤乳刮粪送饲料不求人

智慧农业进行式:物联网+大数据,怎么成为农业迈向未来的起跑点

用户喜欢...

使用FPGA通过机器学习构建高性能嵌入式视觉应用

本文将介绍ML处理的要求以及FPGA解决许多性能问题的原因。然后,它将介绍一个合适的基于FPGA的ML平台以及如何使用它。...


物联网和人工智能:通过云转

物联网和人工智能:通过云转...


边缘机器学习将AI带入物联网

将机器学习添加到边缘网络可以释放物联网分析和决策的真正潜力。 机器学习可以成为大量数据的强大分析工具。 机器学习和边缘计算的结合可以过滤物联网设备收集的大部分噪声,并使相关...


使用 FPGA 构建具有机器学习能力的高性能嵌入式视觉应用

随着摄像头和其他设备产生的数据在快速增长,促使人们运用机器学习从汽车、安防和其他应用产生的影像中提取更多有用的信息。专用器件有望在嵌入式视觉应用中实现高性能机器学习 (ML...


S32V234适用于ADAS、NCAP前视摄像头、异物检测和识别、环视、机器学习和传感器融合应用

概述 S32V234是我们的第二代视觉处理器系列,旨在支持图像处理的计算密集型应用,并提供了一个ISP、强大的3D GPU、双APEX-2视觉加速器和安全性,以及支持SafeAssure。S32V234适用于ADAS、NCAP前视摄...


机器学习更接近你身边的微控制器

机器学习(ML)是人工智能(AI)的一个分支,多年来一直在电子系统中应用。但是,直到现在,实施ML所需的处理能力大部分都被限制在基于云计算的活动中。然而,这种情况即将发生变化,随...


Qualcomm将人工智能和视觉处理带入物联网

高通在2017财年超过10亿美元的物联网收入后,宣布为物联网应用专门构建新的产品系列。该公司最初宣布推出一系列IoT芯片组,QCS603和QCS605,以及软件和参考设计,这些都被称为高通视觉智能平...


物联网三阶段演进 市场、安全、人力与并购均有影响

物联网演进可分为三个阶段,一、串连各系统;二、智能互连的对象不仅将终端设备连网,更让设备之间彼此相连,...


日本加速推动人工智能(AI)+物联网(IoT) 摸索制造业未来走向

全球制造业导入人工智能(AI)、物联网(IoT)等技术,激荡出AIoT(AI+IoT)新发展,逐渐改变了既有的商业模式,在日本东京...


2018年人工智能还有这五大棘手问题待攻克

在所有关于杀手机器人的高调宣传下,2017年在人工智能方面取得了一些显著的进步。例如,今年初名为Libratus(冷扑大...


无人驾驶车离现实还有多远?

无人驾驶技术需要达到99.9999999999%的准确度才可能达到真正普及的条件,这似乎是一段不算短的路。...


主流机器学习算法简介与其优缺点分析

机器学习算法的分类是棘手的,有几种合理的分类,他们可以分为生成/识别,参数/非参数,监督/无监督等。 例如,Scikit-Learn的文档页面通过学习机制对算法进行分组。这产生类别如:1,广...


人工智能也有负能量,我们得提前做好准备

最近几天,各种对2018年的科技预测层出不穷,其中对AI的畅想占了大头,内容差不多是一片喜庆祥和。 但事有两来,当我们开始从AI中收获价值的时候,技术升级后带来的潜在风险也在升温。...


机器学习中如何选择分类器

在机器学习中,分类器作用是在标记好类别的训练数据基础上判断一个新的观察样本所属的类别。分类器依据学习的方式可以分为非监督学习和监督学习。 非监督学习顾名思义指的是给予分...


推荐 10 个饱受好评且功能独特的开源人工智能项目

关于人工智能的项目,相信大家都看过或者用过不少了,但它们的大多数看上去都十分“高大上”,让人感觉要掌握他们犹如习屠龙之术一样。事实上,有很多关于人工智能的项目还是十分实...


中国电信发布智能音箱,智能家居语音通道正式开启

随着语音交互技术及人工智能的不断发展,应用场景从语音助手、智能音箱等方面加速扩围。2014年11月,亚马逊推出...