机器学习|AI技术改善农业的十种路径，未来可期！

文章插图

根据BI Intelligence Research发布的预测报告，到2025年全球在联网智能农业技术与系统（包括人工智能与机器学习）领域的支出预计将增长两倍，达到153亿美元。
根据Markets&Markets公布的数据，仅农业方面的AI技术与解决方案支出预计将由2020年的10亿美元增长至2026年的40亿美元，年均复合增长率（CAGR）为25.5%。

普华永道指出，基于物联网的农业（IoTAg）监控已经成为联网智能农业领域发展最快的技术领域，市场总额到2025年预计将增长至45亿美元。

AI、机器学习（ML）以及物联网传感器，能够为算法提供丰富的实时数据，借此提高农业生产效率、提高农作物产量并降低食品生产成本。根据联合国关于人口与饥饿问题的预测数据，到2050年，全球人口将进一步增加20亿，农业生产力需要提高60%才能提供充足的食物。而根据美国农业部经济研究局公布的数据，仅在美国，种植、加工与食品配送业务的市场总额就高达1.7万亿美元。到2050年，人工智能与机器学习很可能成为新的技术核心，帮助我们从容应对20亿新增人口带来的预期粮食需求。

「农业」——最具前景的人工智能与机器学习应用场景之一

设想一下，在这些通常以数百英亩为基本规划单位的大型耕作区内，至少存在40种需要同步跟踪、凸显与监控的基础流程。深入剖析天气变化、季节性阳光差异、把握鸟类与昆虫的迁徙方式、理解特种肥料的使用需求、为农作物选择适宜的杀虫剂、监督种植周期与灌溉周期等等，对机器学习来说都是有望解决且极具现实意义的重大问题。时至今日，农作物生产正越来越依赖于出色的数据收集与分析能力。正因为如此，农民、合作社以及农业发展企业才决定进一步采用以数据为中心的方法，并不断引入AI与机器学习元素以提高农业产量与农作物质量。着眼于2021年，以下十种方式有望推动农业进一步发展向前：

1. 使用基于AI与机器学习的监控系统，跟踪每块作物田地的实时视频源，借此识别动物或人类的违规行为并立即发出警报。

AI与机器学习能够减少家畜或野生动物意外破坏农作物、或闯入偏远地区农场的可能性。随着AI与机器学习算法在视频分析领域的快速发展，每一位农业生产参与者都可以借此保护自己的田地与农业设施。AI与机器学习视频监控系统能够轻松扩展以适应大规模农业运营，将关注范围覆盖到整个农场之上。随着时间的流逝，我们可以对基于机器学习的监控系统进行编程或训练，教导其识别人员与车辆。作为AI与机器学习监控系统领域的领导者，Twenty20 Solutions公司已经用实际行动证明这些技术能够有效保护远程设施、优化作物生产并通过机器学习识别出田间地头上的意外入侵者。下图所示，为Twnty20 Solutions实时监控示例：

文章插图

图：依靠AI与机器学习算法识别人员及车辆，能够帮助全球农业企业简化远程运营流程。

2. AI与机器学习——通过无人机实时传感器数据与视觉分析数据, 改善作物产量预测。

凭借智能传感器提供的实时视频流以及由无人机捕捉的数据，农业专家们得以访问自己以往接触不到的全新数据集。如今，研究人员可以结合水分、肥料与天然营养水平等传感器数据分析每种作物随时间推移而不断变化的生长方式。机器学习则负责将大量数据集整合起来，摄取出基于约束条件的建议以优化农作物产量。下图所示，为AI、机器学习、现场传感器、红外图像以及实时视频分析技术结合使用的场景示例，农民们能够借此获得关于改善作物健康及亩产水平的全新洞见：