農(nóng)機大全網(wǎng)（www.121vipspeaking.com）最新農(nóng)機信息：農(nóng)機先行，農(nóng)業(yè)擁抱人工智能，農(nóng)機新產(chǎn)品,二手農(nóng)機,農(nóng)機補貼目錄,農(nóng)機價格查詢,農(nóng)機報價大全，更多農(nóng)機資訊請查看：農(nóng)機資訊

　　農(nóng)機先行，農(nóng)業(yè)擁抱人工智能

如今，人工智能有望為農(nóng)業(yè)帶來重大變革。

人工智能是一種包括機器學習等多個子集的技術。機器學習使計算機能夠通過在大量數(shù)據(jù)中尋找模式來以數(shù)學的方式預測結果或進行分類。然后在新數(shù)據(jù)出現(xiàn)時，學會隨著時間的推移更新這些模式或分類。

人工智能的最大優(yōu)勢在于能夠高速進行復雜的計算，而這在以前需要人類付出勞動才能完成。GPU（圖形處理單元）最近的改進提供了使之成為可能的計算能力。同時針對特定問題需要大量數(shù)據(jù)。

See & Spray系統(tǒng)

See & Spray Ultimate技術，由機器學習提供支持，使噴霧機能夠在向作物噴灑時只針對雜草。企業(yè)在不同情況下拍攝了成千上萬張不同作物中不同雜草的圖像，例如晴空、多云、黑暗、不同的土壤等。

Blue River和約翰迪爾的數(shù)據(jù)科學家隨后訓練See & Spray Ultimate系統(tǒng)在各種條件下識別作物。這些圖像是通過算法整理出來的，算法涉及重復一個或多個數(shù)學運算。算法通常在計算機上實現(xiàn)和解決。

凱斯的Patriot 50系列噴霧機使用一種稱為視覺引導的機器學習形式。

凱斯Patriot 50系列噴霧機

凱斯全球精準技術總監(jiān)Chris Dempsey表示，這是一種基于工廠位置發(fā)出轉向指令的解決方案。

視覺引導使用機載攝像頭將玉米植株的位置傳遞給噴霧機，使其保持在行上行走，而不是碾過作物植株。

日益增長的應用

人工智能是一個廣泛的領域，包括許多子集，例如機器學習。不過，基本上它都使用大量數(shù)據(jù)來提高效率。

整個數(shù)字農(nóng)業(yè)中面臨的最大障礙是獲取大量復雜的數(shù)據(jù)集并將其轉化為有意義的信息。人工智能可以通過將所有這些數(shù)據(jù)綜合分析，轉化為種植者可以采取的行動，真正幫助彌合這一差距。

如今它在作物育種中的使用正在增加。無論是機器學習還是預測雜交性能的高級分析模型，目前各方正在研究各種不同的新技術。人工智能的使用也普遍用于許多機械生產(chǎn)線。

凱斯通過16個傳感器使用機器學習，來調整其AFS收獲指令系統(tǒng)。 這種農(nóng)藝控制策略可以根據(jù)不同的土壤類型和條件自動調整最佳耕作深度。

凱斯AFS管理系統(tǒng)

增加喂入量同時減少谷物損失現(xiàn)在都是能夠自動完成的。從歷史上看，如果谷物樣品中的穗軸或異物過多，聯(lián)合收割機操作員將不得不進行篩分調整。

機器學習現(xiàn)在能夠自動執(zhí)行此操作。 傳感器會告訴聯(lián)合收割機它需要關閉較低的篩子或增加風扇或轉子速度。這些調整是基于了解給定作物類型的已知數(shù)據(jù)庫中的異物或不良谷物質量的情況。通常是一個圖像數(shù)據(jù)庫，顯示了良莠不齊質量的谷物。

約翰迪爾還在其S700和X9系列聯(lián)合收割機的自動維護功能中使用機器學習，以保持降低目標谷物損失和維持谷物質量性能。

操作員將根據(jù)損失水平和糧箱樣本設定聯(lián)合收割機的運行目標。ActiveVision相機每兩秒拍攝一次干凈的谷物照片。該數(shù)據(jù)被輸入到一種算法中，該算法用于將異物和損壞的谷物水平與目標數(shù)據(jù)進行比較。如果超過目標，則會自動進行調整。

約翰迪爾X9系列聯(lián)合收割機

解決季節(jié)性問題

美國農(nóng)業(yè)科技公司Ceres Imaging于2014年在加州奧克蘭成立，是一家農(nóng)業(yè)影像分析技術服務商。公司使用一種稱為計算機視覺的人工智能形式來檢測季節(jié)性作物問題。檢測不同波長的航空圖像和傳感器數(shù)據(jù)，輸入到一種算法中，該算法有助于揭示季節(jié)性疾病，例如營養(yǎng)缺乏癥。公司還研究了不同的疾病風險以及噴灑殺菌劑的最佳位置。

Ceres Imaging公司作業(yè)應用

盡管如此，機器學習收集的數(shù)據(jù)與自主輸入的數(shù)據(jù)一樣好。垃圾輸入，就會有垃圾輸出，因此輸入正確高質量的數(shù)據(jù)非常重要。

人工智能本身并不是靈丹妙藥，將計算機視覺衍生數(shù)據(jù)與當?shù)剞r(nóng)藝師或農(nóng)民的意見相結合以提出建議仍然很重要。然而，人工智能技術可以幫助農(nóng)學家更好地利用時間，瞄準最有可能從季節(jié)性處理中受益的領域。

灌溉系統(tǒng)維修

人工智能技術也讓灌溉系統(tǒng)的維修變得更加容易。Lindsay正與Microsoft Azure合作，使用機器學習通過Smart Pivot技術預測灌溉部件的故障。可以在故障發(fā)生前通知客戶。防止生長季節(jié)發(fā)生更大的問題并提高效率?！?/p>

例如，一臺機器因為變速箱壞了而發(fā)生故障是人工智能模型的模擬情況。如果我們可以訪問從故障發(fā)生時開始收集到的傳感器數(shù)據(jù)，就可以將其提供給人工智能模型，并告訴它如果再次發(fā)生這種情況，基本上就是變速箱故障的樣子。

約翰迪爾X9系列聯(lián)合收割機

局限性

不過，人工智能有其局限性。

在某些情況下，預測在田間實踐中被證實并不準確，例如變速箱問題。最終用戶或經(jīng)銷商說了算，這仍然很重要。反過來問題又反饋到訓練模型中，使它們更加準確。

在See & Spray Ultimate模型中，區(qū)分大豆幼苗和苕葉幼苗具有挑戰(zhàn)性，因為它們看起來很相似。

隨著拍攝錄入更多圖像并重新訓練模型，情況會變得越來越好。這與人類分辨絨葉和幼大豆所花費的時間沒有什么不同。現(xiàn)在需要以同樣的方式訓練 機器學習模型。

人工智能來了

人們期望人工智能及其子集能夠加快未來農(nóng)業(yè)創(chuàng)新的速度。

目前只是觸及了機器學習和人工智能的皮毛。想要充分利用這種技術的農(nóng)民應該盡可能地收集農(nóng)場數(shù)據(jù)。

這些人工智能模型訪問的數(shù)據(jù)越多，它們就會變得越聰明，尤其是多多收集與農(nóng)民的經(jīng)營活動相關的數(shù)據(jù)。