编者按:本文作者为「滴翠智能」创始人兼CEO安浚。|数字农业之前,我们先了解农业的数字化升级( 四 )


农业元宇宙AI算法的三个层面
第一是针对植物本身的视觉识别AI算法 , 包括针对植物本身的监控植物数量、生长状态 , 对不符合该植物生长走势的植株做预警提醒 。 其中长势阶段的数据尤为重要 , 因为植物发芽、育苗、开花、结果、打浆、成熟等阶段的营养需求都有较大的差别 。 这是所有计算环境都需要依照的数据 。 然后是识别植物的病变部分和病变部位、营养状态、识别病虫害、有害生物 , 对病虫害、动物入侵发出警示、生物入侵识别预警 。 目前可行的最佳方式便是通过图片识别技术 , 即首先建立植物的基础模型 , 然后通过摄像头进行图片采集 , 再通过GPU或者云主机进行分析比对 , 最终得出的结果导入第二层面的算法平台 。
编者按:本文作者为「滴翠智能」创始人兼CEO安浚。|数字农业之前,我们先了解农业的数字化升级
文章图片
第二是基于第一算法层面数据 , 再结合上述种植环境的土壤、空气、气象、人为规定的喜好、市场情况、电控设备情况等数据的勾稽关系综合计算 。 比如当玉米发生锈斑病后 , 系统自动检测当下温度是否不高于35摄氏度不低于零摄氏度 , 未来2小时内是否降雨 , 以及水肥一体机内“苯甲吡唑酯”药水箱液位等等诸多数据后 , 进行对应电磁阀、水泵开关 , 病虫害治理等系列操作 。 或者根据元宇宙内数据分析 , 发现某个温度、湿度 , 或某个土壤元素变化到某种程度的情况下 , 可能出现锈斑病 , 那么就直接通过对形成锈斑病的必要条件进行切割 , 以遏制病毒的可能发生 。 此应用尤其是在设施农业中十分必要 , 比如当植物方舱内植物光谱等关闭后 , 必须降低根部湿度 , 同时必须降低二氧化碳浓度 , 增加氧气浓度 , 否则很短时间变会有灰霉病出现 , 这一切的计算都可以依靠元宇宙系统精准实现 , 反之利用非元宇宙技术 , 实现的成本高而精准度低 , 且植物细胞损伤往往具有不可逆性 , 造成损伤后是很难进行修复和弥补的 。
第三个算法层面是基于神经网络学习系统和欧几里得AI算法系统的深层次计算 。 神经网络学习系统首先是基于第二层面的作用力 , 进行数据筛选后得出相应决策 , 同时更重要的作用在于通过广泛的劳动者在种植过程中对相应决策的人为修正 。 比如西瓜种植在高海拔地区应该少施肥降低膨胀自爆的可能性 , 反之海南地区应多施肥促进成长 。 而初始模型的算力有限 , 全球地形气候环境也各不一样 , 基础模型具备后在种植过程中的人工修正是非常重要的一个因素 , 可以使得模型能力从10分向99.999分不断完善 , 最终无限趋近于科学种植 。
在神经网络学习系统的基础之上 , 更需要欧几里得算法的支持 , 当然这也是元宇宙核心算法之一 , 或者说本身欧几里得四维空间就是元宇宙(注:不是四维时空 , 概念问题技术问题本文暂且不去深入讨论) 。 我们在欧几里得四维坐标中关联所有上述的数据 , 建立四维空间坐标图 , 然后设立无限趋近于产量或者质量的点 , 找到无线反趋向于病虫害或者其他减产因素的点 , 该点与坐标中任何一条线背后的数据都产生关联 , 然后再设立对应数学方程 , 当我们确定方程的解后 , 所有数据将进行实时计算 , 计算结果即指挥电控设备执行决策 。 这也是元宇宙中的实际落地的运行方式 。
编者按:本文作者为「滴翠智能」创始人兼CEO安浚。|数字农业之前,我们先了解农业的数字化升级
文章图片
农业在元宇宙中的永恒
再回到元宇宙的本质 , 无论概念怎么去定义 , 无论是AR/VR/XR或脑机对元宇宙的呈现也好 , 还是电子商务建设的虚拟购物中心也好 , 还是数字城市数字孪生也好 , 终究是数据的运行 。 目前人类所掌握的实现这一切的均是数据 , 而数据运行目前都是靠代码的运行 。 但是这一切又都是依靠电信号、电磁波的承载传输和运行 。