农业中的人工智能应用：计算机视觉、机器人和畜牧照顾
人工智能正在迅速征服农业和食品工业。
作物分析中的计算机视觉
要养活数十亿人，您需要大量土地。现在人工培养是不可能的。同时，植物病虫害的入侵往往导致作物收成不好。受限于农业企业的现代化进程，此类入侵难以及时识别和消除。
这引入了计算机视觉算法可以提供帮助的另一个领域。种植者使用计算机视觉识别作物病害，无论是在微观层面，从叶子和植物的特写图像中，还是在宏观层面，通过从航空摄影中识别植物病害或害虫的早期迹象。这些项目通常基于流行的计算机视觉方法：卷积神经网络。
请注意，我在这里谈论的是广义上的计算机视觉。在许多情况下，图像并不是最好的数据来源。可以通过其他方式最好地研究植物生命的许多重要方面。通常可以更好地了解植物健康，例如，通过使用特殊传感器收集高光谱图像或执行 3D 激光扫描。这种方法越来越多地用于农学。这种数据类型通常是高分辨率的，比照片更接近医学成像。其中一种用于现场监测的系统称为AgMRI。为了处理这些数据，需要特殊的模型，但它们的空间结构允许使用现代计算机视觉技术，特别是卷积神经网络。
数以百万计的资金被投资于植物表型和成像研究。这里的主要任务是收集大量的农作物数据(通常以照片或三维图像的形式)并将表型数据与植物基因型进行比较。结果和数据可用于改进世界各地的农业技术。
农业机器人
像Prospero这样的自主农业机器人可以在地面上挖一个洞并在其中种植一些东西，遵循预定的一般模式并考虑到景观的具体特征。机器人还可以处理生长过程，单独处理每株植物。当时机成熟时，机器人将收获，再次准确地对待每株植物。Prospero 基于群体农业的概念。想象一下，一群小普洛斯彼罗在田野中爬行，身后留下整齐甚至成排的植物。有趣的是，Prospero 实际上早在 2011 年就出现了，也就是现代深度学习革命的鼎盛时期之前。如今，机器人正在迅速普及在农业领域，让您能够自动化越来越多的日常任务：
自动无人机喷洒农作物。小型、灵活的无人机能够比传统飞机更准确地运送危险化学品。此外，喷雾器无人机可用于航拍，以获取本文开头提到的计算机视觉算法的数据。
越来越多的收割专用机器人正在开发和使用。联合收割机已经存在了很长时间。尽管如此，直到现在，在计算机视觉和机器人技术的现代方法的帮助下，才有可能开发出例如采摘草莓的机器人。
像Hortibot这样的机器人能够通过机械地去除杂草来识别并杀死它们。这是现代机器人技术和计算机视觉的又一次巨大成功，因为以前不可能区分杂草和有用的植物，也无法使用机械手处理小型植物。
虽然许多农业机器人仍处于原型或小规模测试阶段，但已经很明显 ML、AI 和机器人技术可以在农业中很好地发挥作用。可以有把握地预测，在不久的将来，越来越多的农业工作将实现自动化。
照顾农场动物
正在积极开发更多在农业中使用人工智能的方法。例如，Neuromation的一个试点项目将计算机视觉带到了一个尚未受到深度学习社区太多关注的行业：畜牧业。
当然，有人尝试在牲畜跟踪数据上使用机器学习。例如，巴基斯坦初创公司 Cowlar推出了一种可以远程监控奶牛活动和温度的项圈，其口号是“FitBit for Cows”。法国科学家正在开发奶牛面部识别技术。
也有人尝试在以前被忽视的价值数千亿美元的行业——养猪业中使用计算机视觉。在现代农场，猪被饲养在相对较小的群体中，其中选择最相似的动物。养猪生产的主要成本是食品，育肥过程的优化是现代养猪生产的中心任务。
如果农民有关于猪体重增加的详细信息，他们很可能能够解决这个问题。根据这个网站，动物一生中通常只称重两次：在育肥的开始和结束时。如果专家知道每头仔猪的育肥情况，就有可能为每头猪制定单独的育肥计划，甚至制定单独的食品添加剂成分，从而显着提高产量。把动物赶到秤上并不是很困难，但这对动物来说是一个巨大的压力，猪会因压力而减肥。新的人工智能项目计划开发一种新的、非侵入性的动物称重方法。Neuromation将建立一个计算机视觉模型，该模型将根据照片和视频数据估计猪的重量。这些估计将被输入已经很经典的分析机器学习模型，以改善育肥过程。
处于人工智能前沿的农业
农牧业通常被认为是老式产业。然而，今天，农业越来越多地出现在人工智能的前沿。
这里的主要原因是农业中的许多任务同时进行：
足够复杂，如果不使用现代人工智能和深度学习，它们就无法实现自动化。栽培的植物和猪虽然彼此相似，但仍然不会离开同一条流水线，每个番茄灌木和每头猪都需要单独的方法，因此，直到最近，人为干预是绝对必要的。
很简单，随着今天人工智能的发展，我们可以解决它们，同时考虑到植物和动物之间的个体差异，同时也自动化与它们合作的技术。在开阔的田野中驾驶拖拉机比在交通中驾驶汽车更容易，称一头猪比学习如何通过图灵测试更容易。
农业仍然是地球上最大和最重要的产业之一，仅仅因为这个产业的庞大规模，即使是效率的微小提高也会带来巨大的收益。
图片使用申明：原创文章图片源自‘Canva可画’平台免费版权图片素材；引用文章源自引用平台文章中所使用的原图。