農(nóng)業(yè)既是主要產(chǎn)業(yè)也是經(jīng)濟支柱之一，由于氣候變化、人口增長和糧食安全等因素，農(nóng)業(yè)需要更多創(chuàng)新方法來提高作物產(chǎn)量。近年來，人工智能技術(shù)穩(wěn)步崛起，相關(guān)應用逐漸滲入農(nóng)業(yè)生產(chǎn)全過程。其中，機器學習、計算機視覺、大數(shù)據(jù)分析和云計算等技術(shù)應用最為廣泛。

35斗梳理了AI+種植的發(fā)展情況以及未來趨勢，同時選取國內(nèi)外具有代表性或創(chuàng)新性的企業(yè)，盤點其業(yè)務布局和最新動態(tài)。

三大應用場景落地，產(chǎn)前、產(chǎn)中、產(chǎn)后全覆蓋

人工智能在農(nóng)業(yè)中最主要的應用可分為三類:

農(nóng)業(yè)機器人——利用自動化機器人處理基本的農(nóng)業(yè)任務，比人工作業(yè)產(chǎn)量更高、速度更快。

作物和土壤監(jiān)測——利用計算機視覺和深度學習算法處理無人機采集的數(shù)據(jù)，用于監(jiān)測作物和土壤健康。

預測分析——利用機器學習模型追蹤和預測環(huán)境對作物產(chǎn)量的影響，如天氣變化。

在產(chǎn)前階段，人工智能可通過物聯(lián)網(wǎng)獲取的數(shù)據(jù)指導灌溉用水；通過土壤成分分析進行合理施肥；通過對農(nóng)作物市場周期需求的預測，選擇適宜種植的作物品種，避免產(chǎn)銷脫節(jié)引發(fā)價格劇烈波動，造成經(jīng)濟損失和農(nóng)產(chǎn)品浪費。此外，云計算、大數(shù)據(jù)分析和機器學習等技術(shù)，還可以幫助篩選和改良農(nóng)作物基因，達到提升口味、增強抗蟲性、增加產(chǎn)量的目的。

在產(chǎn)中階段，計算機視覺技術(shù)可識別作物品種、病害程度和雜草生長情況，實現(xiàn)智能預防和病蟲害管理，減少經(jīng)濟損失和環(huán)境影響，提升農(nóng)產(chǎn)品安全性。而機器學習技術(shù)可以處理衛(wèi)星圖像數(shù)據(jù)，預測天氣等環(huán)境變化對作物的影響，解決傳統(tǒng)農(nóng)業(yè)“看天吃飯”的問題。

針對采收環(huán)節(jié)，計算機視覺技術(shù)與機械臂或機器人結(jié)合，可實現(xiàn)24小時自動化采收，節(jié)省人力、降低成本。此外，大數(shù)據(jù)處理和語音識別等技術(shù)可運用于農(nóng)業(yè)智能專家系統(tǒng)中，為農(nóng)業(yè)從業(yè)者提供專業(yè)咨詢服務和指導。

在產(chǎn)后階段，具有計算機視覺的機械臂可進行農(nóng)產(chǎn)品售前品質(zhì)檢測、分類和包裝等工作；用大數(shù)據(jù)分析市場行情，幫助農(nóng)產(chǎn)品電商運營，引導企業(yè)制定更靈活準確的銷售策略；通過人工智能遺傳算法和多目標路徑優(yōu)化數(shù)學模型，對物流配送路徑進行智能優(yōu)化，完善生鮮農(nóng)產(chǎn)品供應鏈。

創(chuàng)新企業(yè)盤點：全方位監(jiān)測作物，解決勞動力短缺難題

>>>>Blue River Technology

目前，約有250種雜草對除草劑具有抗藥性。根據(jù)美國雜草科學協(xié)會的數(shù)據(jù)，由于雜草作物對玉米和大豆作物的影響，農(nóng)民每年損失達到430億美元，而美國全年的殺蟲劑支出約為 1 億英磅。Blue River Technology掌握的精度技術(shù)可去除普通噴灑模式下80% 的化學物質(zhì)殘留，降低 90% 除草劑費用。

Blue River Technology開發(fā)的機器人See & Spray，可利用計算機視覺監(jiān)控棉花，使其免受雜草的侵害，精準噴灑能夠防止對除草劑產(chǎn)生抗藥性。2017年9月，大型農(nóng)業(yè)機械制造商John Deere以3.05億美元收購Blue River Technology。

>>>>Harvest CROO Robotics

自動化的興起，幫助解決勞動力短缺的問題，從2014年到2024年，農(nóng)業(yè)工人預計將減少6%。Harvest CROO Robotics研發(fā)的機器人，單日收割面積達到 8 畝，可替代 30 位農(nóng)業(yè)工人。2017年6月， Wish Farms宣布使用Harvest CROO Robotics的草莓收割機，這款設備搭載了16個獨立的采摘機器人，可以幫助草莓種植者采摘和包裝農(nóng)作物。

>>>>PEAT

森林砍伐和土壤質(zhì)量退化會對糧食安全造成重大威脅，美國農(nóng)業(yè)部估計，每年土壤侵蝕的成本約為440億美元?？偛课挥诎亓值腜EAT，開發(fā)了一款名為Plantix的深度學習應用程序，能利用軟件算法分析特定的葉型與土壤缺陷、植物病蟲害之間的關(guān)系，識別土壤的潛在缺陷和營養(yǎng)不良。

這款圖像識別應用程序通過手機攝像頭拍攝的圖像來識別潛在問題，然后向用戶提供土壤修復技術(shù)等解決方案。PEAT 表示， Plantix 可以利用機器視覺實現(xiàn)快速檢測，準確率高達 95%。

>>>>Trace Genomics

Trace Genomics利用機器學習為農(nóng)戶提供土壤分析服務，主要投資者Illumina幫助其開發(fā)了一個基于機器學習的系統(tǒng)，能夠讓客戶對土壤優(yōu)劣有清楚認識，重點關(guān)注農(nóng)作物缺陷預防以及作物產(chǎn)量提升。

用戶在向Trace Genomics提交土壤樣本后，會收到關(guān)于土壤成分的深度分析。該服務以產(chǎn)品包形式供用戶挑選，包括以細菌及真菌為重點的病原體篩選，以及復合微生物評估和土壤DNA分析。

>>>>SkySquirrel Technologies

無人機在農(nóng)業(yè)領(lǐng)域的應用可追溯到上世紀80年代，當時日本利用無人機噴灑農(nóng)藥。到2027年，農(nóng)用無人機的市場規(guī)模預計將達到 4.8 億美元。如今，越來越多的公司開始將人工智能與航天技術(shù)應用于農(nóng)作物健康監(jiān)測。

SkySquirrel Technologies將無人機技術(shù)和計算機視覺應用于葡萄園，幫助用戶提高農(nóng)作物產(chǎn)量、降低成本。用戶對無人機的路線進行預先編程，一旦部署完畢，該設備將利用計算機視覺記錄圖像，用于后期分析。

SkySquirrel使用算法集成和分析捕捉圖像和數(shù)據(jù)，提供葡萄園健康狀況的詳細報告，特別是葡萄葉的狀況。其技術(shù)能夠在 24 分鐘內(nèi)完成 50 畝土地的掃描工作，提供的數(shù)據(jù)準確度高達 95%。

>>>>aWhere

aWhere利用機器學習算法與衛(wèi)星來預測天氣、分析作物的可持續(xù)性，并評估農(nóng)場是否存在病蟲害。公司專注于提供快速且持續(xù)更新的高質(zhì)量數(shù)據(jù)，范圍從局部地區(qū)擴展到全球范圍，客戶類型包括農(nóng)戶、農(nóng)業(yè)顧問和研究人員。aWhere 還為用戶提供超過10 億個農(nóng)業(yè)數(shù)據(jù)點的數(shù)據(jù)使用，數(shù)據(jù)類型包括溫度、降水量、風速、日光照射時長以及農(nóng)業(yè)用地的歷史數(shù)據(jù)對比。

>>>>FarmShots

FarmShots專注于分析衛(wèi)星和無人機拍攝的農(nóng)業(yè)圖像，以檢測作物的病蟲害和營養(yǎng)不良。其軟件可以準確告知用戶哪一區(qū)域需要施肥，并減少近40%的化肥使用量。目前，F(xiàn)armShots已與John Deere等建立了合作關(guān)系。

巨頭搶先布局，農(nóng)業(yè)教育培訓成未來重點

騰訊于2018年進軍 “AI+農(nóng)業(yè)”領(lǐng)域，在荷蘭瓦赫寧根大學舉辦的首屆“國際智慧溫室種植大賽”中，騰訊 AI Lab 和農(nóng)科院等機構(gòu)組成的 iGrow 隊挑戰(zhàn)AI溫室種黃瓜，獲得了 AI 策略第一名、總分第二名的優(yōu)秀成績。

騰訊集團也相繼與中糧集團、廣東粵旺農(nóng)業(yè)集團、深圳壹家倉、仲愷農(nóng)業(yè)工程學院等簽訂戰(zhàn)略合作協(xié)議，開展智慧農(nóng)業(yè)深度合作，還投資了Phytech、Snapchat、Tile和Essential等農(nóng)業(yè)初創(chuàng)公司。

2019年5月，騰訊宣布與中國農(nóng)科院農(nóng)業(yè)信息研究所共同成立智慧農(nóng)業(yè)聯(lián)合實驗室，推動“AI+農(nóng)業(yè)”發(fā)展。同時與瓦赫寧根大學聯(lián)辦第二屆“國際智慧溫室種植大賽”， 在六個月內(nèi)利用 AI 和 IoT 物聯(lián)網(wǎng)等技術(shù)遠程控制溫室種植番茄。

2017年12月，微軟投資5000萬美元成立“AI for Earth”項目，支持將人工智能應用于農(nóng)業(yè)、生物多樣性、資源保護、氣候變化和水資源五個領(lǐng)域。2018年12月，在微軟公布的11 項人工智能地球創(chuàng)新獎中，包括利用機器學習和衛(wèi)星支持烏干達灌溉發(fā)展和提高作物水效率、利用在線網(wǎng)絡地圖和地理空間分析工具改善農(nóng)業(yè)土地變化估計和地下水利用等項目。

2018年6月，阿里云正式宣布推出阿里云ET農(nóng)業(yè)大腦，希望將人工智能與農(nóng)業(yè)深入結(jié)合。在經(jīng)過一年的研究試驗后，農(nóng)業(yè)大腦先后在生菜、蘋果及甜瓜種植上完成了合作案例，已具備數(shù)字檔案生成、全生命周期管理、智能農(nóng)事分析、全鏈路溯源等功能。

比如，陜西10000畝海升蘋果的生產(chǎn)資料已經(jīng)匯聚到ET農(nóng)業(yè)大腦，可以對每棵果樹進行個性化管理，大大提高果園的管理效率，預計農(nóng)業(yè)大腦能幫助果農(nóng)每畝地節(jié)省200元以上成本。

人工智能技術(shù)的出現(xiàn)，解決了農(nóng)業(yè)面臨的一系列挑戰(zhàn)。農(nóng)業(yè)機器人有望成為這一領(lǐng)域極具價值的應用，預計到2023年，產(chǎn)值將從19億美元增加到80億美元。在未來三到五年內(nèi)，農(nóng)業(yè)機器人有可能完成越來越多樣化的任務。

隨著對氣候變化的不斷研究和評估，作物和土壤監(jiān)測技術(shù)也將成為未來的重要應用。利用無人機和衛(wèi)星等技術(shù)捕捉數(shù)據(jù)，使農(nóng)業(yè)企業(yè)擁有預測變化的能力。在未來5到10年內(nèi)，衛(wèi)星機器視覺應用(用于天氣、作物健康、預測作物產(chǎn)量等)將越來越普遍地應用于大型工業(yè)農(nóng)場。

最重要的是，農(nóng)業(yè)從業(yè)者必須接受相關(guān)培訓，學會如何掌握和改進這些技術(shù)，才有助于驗證這一工具的使用價值。此外，區(qū)別于其他風險容易建模和預測的行業(yè)，農(nóng)業(yè)會受到無法控制的環(huán)境因素的影響，因此，對新興應用的廣泛測試也至關(guān)重要的?？傮w來說，人工智能在農(nóng)業(yè)領(lǐng)域的應用將會越來越多樣化，為提高作物產(chǎn)量、改善土壤健康改善、減少除草劑使用提供解決方案。

參考資料：

1. 挑戰(zhàn)AI種番茄，國際智慧溫室種植挑戰(zhàn)賽第二屆來了，騰訊AI實驗室。

2. 騰訊智慧農(nóng)業(yè)再發(fā)力：聯(lián)辦國際溫室種植大賽、與農(nóng)科院成立聯(lián)合實驗室，騰訊AI實驗室。

3. AI in Agriculture – Present Applications and Impact，Kumba Sennaar.