吳恩達(dá)最近在接受媒體采訪時(shí)預(yù)測(cè)，下一波創(chuàng)造價(jià)值的浪潮將出現(xiàn)在農(nóng)業(yè)設(shè)備公司。對(duì)于業(yè)界來(lái)說(shuō)，他們需要花時(shí)間和精力去尊重農(nóng)業(yè)的特定規(guī)律，要使 AI 在該領(lǐng)域產(chǎn)生真正的影響，需要更多的努力，技能和資金來(lái)測(cè)試這些技術(shù)。雖然 AI 正在傳達(dá)如何理解環(huán)境的許多信息，但距離完全借助機(jī)器的認(rèn)知能力來(lái)預(yù)測(cè)農(nóng)業(yè)等領(lǐng)域的關(guān)鍵結(jié)果，還很遙遠(yuǎn)。

2011 年，IB+M 就曾借助位于以色列海法的研發(fā)總部啟動(dòng)了一個(gè)農(nóng)業(yè)云計(jì)算項(xiàng)目。當(dāng)時(shí)團(tuán)隊(duì)相信算法農(nóng)業(yè)完全可能，結(jié)果，公司的農(nóng)業(yè)項(xiàng)目要么被關(guān)閉要么被縮小規(guī)模。IBM 最終意識(shí)到為農(nóng)業(yè)生產(chǎn)提供認(rèn)知機(jī)器學(xué)習(xí)解決方案比他們想象的要困難得多。最重要的原因在于農(nóng)業(yè)是統(tǒng)計(jì)量化中最難控制的領(lǐng)域之一，了解如何管理農(nóng)業(yè)環(huán)境意味著要考慮數(shù)百甚至數(shù)千個(gè)因素。而大多數(shù)情況下，沒有兩個(gè)環(huán)境會(huì)完全相同，這使得先進(jìn)技術(shù)的測(cè)試，驗(yàn)證和成功部署比大多數(shù)其他行業(yè)更加費(fèi)力。

農(nóng)業(yè)是國(guó)民經(jīng)濟(jì)的基礎(chǔ)產(chǎn)業(yè)。2016 年，美國(guó)的農(nóng)業(yè)預(yù)計(jì)增加值接近 GDP 的 1%。美國(guó)環(huán)境保護(hù)署（Environmental Protection Agency）估計(jì)每年農(nóng)業(yè)可貢獻(xiàn) 3300 億美元財(cái)政收入。氣候變化、人口增長(zhǎng)及食品安全等因素倒逼農(nóng)業(yè)尋找更加創(chuàng)新的方法以保護(hù)和提高農(nóng)作物產(chǎn)量。所以，人工智能很自然地出現(xiàn)在農(nóng)業(yè)技術(shù)進(jìn)化的進(jìn)程中。

基于我們開展的調(diào)查研究，當(dāng)前農(nóng)業(yè)領(lǐng)域最受歡迎的人工智能應(yīng)用主要分為以下三類：

• 農(nóng)業(yè)機(jī)器人──相關(guān)公司致力于開發(fā)及編程自動(dòng)機(jī)器人以解決基礎(chǔ)農(nóng)業(yè)作業(yè)，如農(nóng)作物收割（較于人工方式，其產(chǎn)量更大且速度更快）。

• 農(nóng)作物及土壤檢測(cè)──相關(guān)公司運(yùn)用計(jì)算機(jī)視覺及深度學(xué)習(xí)算法處理由無(wú)人機(jī)與/或基于軟件的技術(shù)所采集的數(shù)據(jù)以檢測(cè)農(nóng)作物及土壤健康程度。

• 預(yù)測(cè)分析──相關(guān)公司運(yùn)用機(jī)器學(xué)習(xí)模型追溯及預(yù)測(cè)各類環(huán)境因素（如氣候變化）對(duì)于農(nóng)作物產(chǎn)出的影響。

農(nóng)業(yè)機(jī)器人

Blue River Technology ──雜草控制

  由于除草劑抗性愈發(fā)司空見慣，雜草控制能力既是農(nóng)場(chǎng)主的頭等大事，也是從古至今的一項(xiàng)挑戰(zhàn)。今天，預(yù)計(jì)有 250 類雜草具備除草劑抗性。美國(guó)雜草科學(xué)學(xué)會(huì)（Weed Science Society of America）開展的一項(xiàng)關(guān)于未控制雜草對(duì)于棉花及大豆產(chǎn)量影響的研究指出，預(yù)計(jì)雜草每年引起的損失可達(dá)到 430 億美元。

  目前，一些公司應(yīng)用自動(dòng)化及機(jī)器人技術(shù)以幫助農(nóng)場(chǎng)主尋找更加有效的方式保護(hù)農(nóng)作物免受雜草侵害。Blue River Technology 開發(fā)了一款名為 See & Spray 的機(jī)器人。報(bào)道稱，See & Spray 運(yùn)用計(jì)算機(jī)視覺監(jiān)測(cè)棉花植株，實(shí)現(xiàn)精準(zhǔn)噴灑除草。精準(zhǔn)噴灑能幫助預(yù)防除草劑抗性。下面的短視頻展示了機(jī)器人的工作過(guò)程：

視頻地址：

http://v.youku.com/v_show/id_XMzAxMjQ0OTM2MA==.html

據(jù) Blue River Technology 官網(wǎng)介紹，公司掌握的精度技術(shù)可去除普通噴灑模式下農(nóng)作物上 80% 殘留化學(xué)物質(zhì)，降低 90% 除草劑費(fèi)用。據(jù)估計(jì)，美國(guó)全年的殺蟲劑支出約為 1 億英磅。

2017 年 9 月，領(lǐng)先的農(nóng)業(yè)設(shè)備制造商 John Deere 宣布成功收購(gòu) Blue River Technology。（據(jù)報(bào)道，收購(gòu)金額為 3.05 億）John Deere 表示，Blue River Technology 公司及老員工將繼續(xù)待在桑尼維爾州，并希望其能夠繼續(xù)發(fā)展。

Harvest CROO Robotics──農(nóng)作物收割

此外，自動(dòng)化技術(shù)始終助力于勞動(dòng)力解放。從 2014 年至 2024 年，農(nóng)業(yè)產(chǎn)業(yè)中農(nóng)業(yè)工人供應(yīng)數(shù)量預(yù)期將減少 6%。Harvest CROO Robotics 研發(fā)了一款幫助農(nóng)場(chǎng)主采摘及包裝草莓的機(jī)器人。據(jù)報(bào)道，勞動(dòng)力缺失將給關(guān)鍵農(nóng)業(yè)地區(qū)（如加利福尼亞和亞利桑那）帶來(lái)每年數(shù)百萬(wàn)美元的財(cái)政收入損失。佛羅里達(dá)州的希爾斯伯勒縣（被稱為全美冬季草莓之都）每季草莓收割面積約為 10000 畝至 11000 畝。

Harvest CROO Robotics 表示其機(jī)器人單日收割面積達(dá)到 8 畝，可替代 30 名農(nóng)業(yè)工人。在下面的短視頻中，公司團(tuán)隊(duì)提供了一段機(jī)器人的工作演示：

由于勞動(dòng)力需求趨于最高，工資、薪酬及勞務(wù)費(fèi)用估計(jì)占農(nóng)場(chǎng)（如水果與蔬菜等農(nóng)作物）成本的 40%。2017 年 6 月，Wish Farms（總部位于佛羅里達(dá)）宣布將于當(dāng)年夏天使用 Harvest CROO Robotics 草莓采摘機(jī)器人。Wish Farms 表示，采摘車可橫跨「6 個(gè)植物床」且「攜帶 16 臺(tái)機(jī)器人」。至今為止，Harvest CROO Robotics 據(jù)報(bào)道已從投資人及農(nóng)場(chǎng)（規(guī)模占全美草莓生產(chǎn)的 20%）融資 280 萬(wàn)美元。

農(nóng)作物及土壤健康監(jiān)測(cè)

PEAT──基于機(jī)器視覺的蟲害/土壤缺陷診斷

  去森林化及土壤質(zhì)量降級(jí)問(wèn)題始終是食品安全的重要威脅，對(duì)于經(jīng)濟(jì)也有負(fù)面影響。從國(guó)內(nèi)來(lái)看，美國(guó)農(nóng)業(yè)部（USDA）估計(jì)每年土壤侵蝕的成本約為 440 億美元。

  PEAT（總部位于柏林的農(nóng)業(yè)技術(shù)初創(chuàng)公司）開了一款名為 Plantix 的深度學(xué)習(xí)應(yīng)用。據(jù)報(bào)道，Plantix 能識(shí)別土壤的潛在缺陷及營(yíng)養(yǎng)不良。軟件算法針對(duì)特定植物模式與某些土壤缺陷及植物病蟲害展開相關(guān)性分析。這款圖像認(rèn)知應(yīng)用能通過(guò)用戶手中智能手機(jī)的攝像頭采集的圖像識(shí)別潛在缺陷。如下面視頻所示，Plantix 會(huì)向用戶提供土壤修復(fù)技術(shù)、建議及其他可行解決方案：

PEAT 表示 Plantix 能快速實(shí)現(xiàn)模式檢測(cè)，預(yù)計(jì)準(zhǔn)確率高達(dá) 95%，并于近日宣布其國(guó)際客戶群已超過(guò) 50 萬(wàn)人。PEAT 在其官網(wǎng)對(duì)合作伙伴及客戶表達(dá)了誠(chéng)摯感謝，但并未公開具體的案例研究。由于缺少客戶農(nóng)場(chǎng)規(guī)模的具體細(xì)節(jié)，我們無(wú)法確認(rèn) Plantix 是否能夠應(yīng)用于較大規(guī)模的農(nóng)場(chǎng)。競(jìng)爭(zhēng)對(duì)手 CropDiagnosis 似乎在其應(yīng)用中也構(gòu)建了一個(gè)相似的模型。

Trace Genomics──基于機(jī)器視覺的土壤缺陷診斷

  與 Plantix 相似， Trace Genomics（總部位于加利福利亞）向農(nóng)場(chǎng)主提供土壤分析服務(wù)。領(lǐng)投人 Illumina 幫助 Trace Genomics 開發(fā)了一個(gè)基于機(jī)器學(xué)習(xí)的系統(tǒng)──能夠讓客戶對(duì)土壤優(yōu)劣有較為清楚的認(rèn)識(shí)，重點(diǎn)關(guān)注預(yù)防農(nóng)作物缺陷及提升健康農(nóng)作物產(chǎn)量的潛力。

  據(jù)公司官網(wǎng)宣傳，用戶首先向系統(tǒng)提供土壤樣本，而后就能獲得土壤成分的深度總結(jié)。該服務(wù)以產(chǎn)品包形式供用戶挑選，包括病原體篩選（以細(xì)菌及真菌為主）及復(fù)合微生物評(píng)估。如下面視頻所示，土壤 DNA 分析也是 Trace Genomics 系統(tǒng)的核心。

SkySquirrel Technologies Inc.──基于無(wú)人機(jī)與計(jì)算機(jī)視覺的農(nóng)作物分析

  據(jù)報(bào)道，農(nóng)用無(wú)人機(jī)應(yīng)用可追溯到上世紀(jì) 80 年代──日本率先使用無(wú)人機(jī)噴灑農(nóng)藥。預(yù)計(jì)到 2027 年，農(nóng)用無(wú)人機(jī)的市場(chǎng)規(guī)模將達(dá)到 4.8 億美元。如今，越來(lái)越多的公司開始將人工智能與航天技術(shù)應(yīng)用于農(nóng)作物健康監(jiān)測(cè)。

  多家公司將無(wú)人機(jī)技術(shù)應(yīng)用于葡萄園，SkySquirrel Technologies Inc. 是其中之一。SkySquirrel 致力幫助用戶改善農(nóng)作物產(chǎn)出，降低成本。用戶預(yù)先規(guī)劃無(wú)人機(jī)飛行路徑。當(dāng)部署完成后，無(wú)人機(jī)將運(yùn)用計(jì)算機(jī)視覺記錄圖像以用于后期分析。當(dāng)無(wú)人機(jī)完成飛行路徑后，用戶可通過(guò) USB 接口將無(wú)人機(jī)與電腦連接，把采集數(shù)據(jù)上傳至云端。

  SkySquirrel 運(yùn)用各類算法合成與分析采集的圖像與數(shù)據(jù)，提供一份關(guān)于葡萄園健康狀態(tài)的詳情報(bào)告，而該報(bào)告可詳細(xì)到所有葡萄樹樹葉的狀態(tài)。由于樹葉是葡萄樹病害（如霉菌和細(xì)菌）的晴雨表，閱讀樹葉的「健康狀態(tài)」通常是全面掌握植物及果實(shí)健康狀態(tài)的一種絕佳途徑。

  SkySquirrel 聲稱其技術(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)分析準(zhǔn)確度高達(dá) 95%，但其官網(wǎng)上并未公布任何具體用戶案例。

視頻地址：https://v.qq.com/x/page/z08220lw0hn.html

預(yù)測(cè)分析

AWhere──基于衛(wèi)星的天氣預(yù)測(cè)及農(nóng)作物可持續(xù)性分析

  aWhere（總部位于科羅拉多）運(yùn)用機(jī)器學(xué)習(xí)算法與衛(wèi)星預(yù)測(cè)天氣情況、分析農(nóng)作物可持續(xù)性分析及評(píng)價(jià)農(nóng)場(chǎng)當(dāng)前病蟲害。例如，每日天氣預(yù)測(cè)基于客戶需求完成定制，范圍從局部地區(qū)擴(kuò)展到全球范圍。公司官網(wǎng)所列出的客戶類型包括農(nóng)場(chǎng)主、農(nóng)作物咨詢專家及研究血癥。年初，我們報(bào)道了人工智能在天氣預(yù)測(cè)中的應(yīng)用，但是下面的視頻清晰地描述了其使用的基礎(chǔ)技術(shù)。如3分鐘視頻所示，aWhere表示其專注于提供快速且持續(xù)更新的高質(zhì)量數(shù)據(jù)：

視頻地址：https://v.qq.com/x/page/e0611ghrzpx.html

此外，aWhere 還表示其可為用戶提供日超 10 億個(gè)農(nóng)業(yè)數(shù)據(jù)點(diǎn)的數(shù)據(jù)使用。數(shù)據(jù)來(lái)源包括溫度、降水量、風(fēng)速及日光照射時(shí)長(zhǎng)。「此外，還可提供任何農(nóng)業(yè)用地的歷史數(shù)據(jù)對(duì)比。」aWhere 似乎并沒有在官網(wǎng)上提供任何案例研究。雖然公司博客重點(diǎn)介紹了軟件應(yīng)用示例，但還不清楚有多少客戶購(gòu)買了 aWhere 服務(wù)且服務(wù)對(duì)于產(chǎn)出的實(shí)際影響。

FarmShots──基于衛(wèi)星的農(nóng)作物健康及可持續(xù)性監(jiān)測(cè)

  FarmShots（總部位于北卡羅那州羅利）是另一家關(guān)注于農(nóng)業(yè)數(shù)據(jù)分析的初創(chuàng)公司，其數(shù)據(jù)來(lái)源與衛(wèi)星與無(wú)人機(jī)的圖像采集。具體來(lái)說(shuō)，F(xiàn)armShots 致力解決「農(nóng)場(chǎng)防病蟲害及貧瘠植被營(yíng)養(yǎng)」。例如，F(xiàn)armShots 稱其軟件可精確告知用戶哪里需要施肥，且能將施肥量降低近 40%。用戶可通過(guò)移動(dòng)設(shè)備購(gòu)買該軟件。40 秒的介紹片展示了該軟件如何使用采集數(shù)據(jù)生成報(bào)告。

視頻地址：https://v.qq.com/x/page/r0822hxh0yl.html

  2017 年 4 月，F(xiàn)armShots 與合作伙伴 Planet 宣布 John Deere 的客戶能夠有限免費(fèi)使用其產(chǎn)品至當(dāng)年 7 月。此次合作也曝露了 John Deere 涉足農(nóng)業(yè)技術(shù)領(lǐng)域的意愿。FarmShots 并未在官網(wǎng)上公布任何具體客戶或使用案例。

總結(jié)與思考

人工智能驅(qū)動(dòng)的技術(shù)逐漸展露頭角，幫助農(nóng)業(yè)提高效率、應(yīng)對(duì)挑戰(zhàn)（如包括農(nóng)作物產(chǎn)出、土壤健康及除草劑抗性）。

  農(nóng)業(yè)機(jī)器人也準(zhǔn)備好成為人工智能在農(nóng)業(yè)領(lǐng)域中極度重要的應(yīng)用。乳品加工業(yè)出現(xiàn)大規(guī)模應(yīng)用的跡象，數(shù)以千計(jì)的擠奶機(jī)器人已投入使用。到 2023 年，該細(xì)分領(lǐng)域的市場(chǎng)規(guī)模預(yù)期從 19 億美元激增到 80 億美元。未來(lái)三五年，農(nóng)業(yè)機(jī)器人可能被開發(fā)以完成復(fù)雜多樣的任務(wù)。

  伴隨著氣候變化的持續(xù)研究及評(píng)價(jià)，農(nóng)作物及土壤監(jiān)測(cè)技術(shù)將同樣成為重要應(yīng)用。Science 上的一項(xiàng)研究調(diào)查寫道：從 1980 年至 2008 年，氣候變化導(dǎo)致全球玉米與小麥分別減產(chǎn) 3.8% 與 5%。如無(wú)人機(jī)、衛(wèi)星等技術(shù)每天可采集的數(shù)據(jù)能夠賦予農(nóng)業(yè)產(chǎn)業(yè)預(yù)測(cè)變化與甄別機(jī)會(huì)的新能力。我們預(yù)測(cè)：未來(lái) 5 至 10 年內(nèi)，衛(wèi)星機(jī)器視覺應(yīng)用（用途包括天氣預(yù)測(cè)、農(nóng)作物健康檢測(cè)及農(nóng)作物產(chǎn)出預(yù)測(cè)等）將在大型工業(yè)化農(nóng)場(chǎng)中愈發(fā)普遍。

  農(nóng)場(chǎng)主的硬件設(shè)備及應(yīng)用培訓(xùn)始終與最新發(fā)展保持同步，對(duì)于確保技術(shù)實(shí)踐及持續(xù)改善十分重要。從長(zhǎng)遠(yuǎn)角度看，這將證明上文提及工具的實(shí)際價(jià)值。此外，由于環(huán)境因素對(duì)于農(nóng)業(yè)的影響，農(nóng)業(yè)領(lǐng)域中新興人工智能技術(shù)應(yīng)用的大量測(cè)試與驗(yàn)證將成為關(guān)鍵──農(nóng)業(yè)的環(huán)境因素?zé)o法控制，而其他產(chǎn)業(yè)的風(fēng)險(xiǎn)因素易于建模及預(yù)測(cè)。期望農(nóng)業(yè)產(chǎn)業(yè)繼續(xù)堅(jiān)持運(yùn)用人工智能。我們也將做好趨勢(shì)追蹤。