精准除草

农民应用人工智能提高粮食产量


地球表面有 1,500 万平方公里的面积被农田覆盖。根据联合国粮农组织的数据,欧洲和北美洲已经没有太大的农业扩展空间目前,全球人口有 76 亿,预计到 2050 年将增长到令人震惊的 98 亿!农民们正在寻求通过科技手段在现有的农田上提高粮食产量。

农民正在结合运用各种技术来增产,从带 GPS 功能的拖拉机和全自动收割机,到湿度传感器和智能灌溉系统。这些技术有一个什么共性?数据。

农民有成吨的数据:他们的耕地采用了 GPS 映射。他们的拖拉机有传感器和相机。他们的耕地有土壤湿度传感器。他们甚至有各种环境中长势最好的种子类型的数据、气象数据和土壤类型数据。

即使拥有如此全面的数据,在涉及到农作物的长势时,还是存在盲点。只是因为农场太大了,农民不使用技术的话,根本无法监测各种农作物的生长情况因此,许多农民转向使用航拍图像的精准农业。

走遍整块田地太耗时了, 但是,航空成像可以提供当季洞察和季末指导所需的详细信息,让他们了解要做出哪些改变,才能提高下一年的收成 。我们从农学角度专门针对这些应用场合投入了大量研发精力。”

航空成像可以呈现农民在作物生长季节需要采取适当措施的植物影像细节。例如,通过准确指出农田内杂草丛生的位置,农民可以只对该位置喷洒除草剂,而不必喷洒整块农田。

Hyperspectral aerial imagery from Gamaya. The images provide data for analysis and predictions.

图像由 Gamaya 提供

农民对他们的土地有了深刻了解,但他们不是数据科学家。所以,农民不去尝试破译由航空成像生成的巨量数据,而是与图像分析公司联手。这些公司专门研究如何将原始数据转化为建议,而农民可以采纳这些建议去管理农场。

公司使用无人机、载人飞机甚至卫星来拍摄各种分辨率的图像,从每像素几米的卫星图像,到每像素几厘米的低空拍摄图像,应有尽有。用于拍摄图像的传感器也各不相同,分别为不同类型的分析提供数据。

IntelinAir 是一家总部在美国的精准农业公司,专门从事航空图像分析,使用载人飞机进行农田成像。他们综合利用可见光相机、近红外 (NIR) 相机和热成像相机。这些相机在整个生长季拍摄图像,在给定的时间为农民提供快照,收集用于长期规划的趋势数据,针对问题发出警报,让农民知道在什么位置采取措施。

“热成像帮助我们了解土壤含水率剖面,NIR 相机则用于表现农田的作物胁迫或健康状况。一旦我们知道土壤水分和作物健康状况的趋势,便可以给农民提供有关农作物管理优先考虑事项的季中指导。”

除了使用从气象站和地面传感器获得的数据外,瑞士精准农业公司 Gamaya 还利用卫星和定制化无人机拍摄高光谱图像。高光谱图像使用额外的光学谱段来检测植物内的具体性状。

Drones take images of crops. Precision agriculture firms use image analysis to improve crop yields.

“高光谱图像允许对植物的生理状况进行详细诊断。”Gamaya 的首席执行官 Yosef Akhtman 说,“植物与阳光的交互作用构成其新陈代谢的关键组成部分,导致其生理机能与反射属性之间形成紧密联系。”

农民对最终报告的兴趣远远超过对收集数据所用方法的兴趣。这些报告通过平板电脑或 PC 提供,告诉农民将注意力放在什么地方。能准确指出大片农田中单独几株植物的问题,并告诉农民问题的原因。如果杂草日渐茂盛,则可以使用除草剂。如果作物胁迫是毛毛虫造成的,则农民可以在害虫大面积爆发之前在该区域喷洒农药。如果植物发生病害(例如常见的锈病),则处方是杀菌剂,而不是杀虫剂。

但是,精准农业公司如何将原始图像转化成最终报告中包含的精确处方呢?刚出苗的农作物就像遍布在大片土地上的一块块微小绿斑。开着拖拉机穿过农田时都很难辨认杂草,怎么可能从空中辨认出杂草呢?

这正是计算机视觉和人工智能 (AI) 大显身手的地方。计算机视觉和 AI 用来给大型图像数据集分类,检测可能与特定问题有关的模式,例如杂草的泛滥。

“在许多情况下,杂草看起来可能与真正的作物非常相似,特别是在人眼感知的 RGB 色彩空间。”杂草和农作物之间的区别将以自身的光谱特征和形态特征的微妙组合显现出来。这使之成为AI 驱动解决方案的完美候选对象。”

AI 正在将精准农业变成决策农业。AI 可辨别代表植物胁迫的模式并诊断原因。该结果可以帮助农民解决问题,使用精确的投入量。农民不用每年对整个农场喷洒农药来防治害虫,可以集中精力对付遭受病虫害的区域。同样,农民可以只在需要助长的区域施肥,从而减少所需的肥料用量。

“我们使用算法来辨别由于其本身很小而几乎看不见的早季植物,并生成可识别异常高或异常低胁迫的健康评分和异常检测算法。”Rose 说,“这些算法依赖机器学习进行模式识别,并发现问题和农田趋势。这些算法会生成指标,让农民能够对需要采取的措施分出轻重缓急。”

对于大型农场,精准农业可以指出哪个地方可能最需要注意,以利于提高总体产量。对于小型农场,它可以帮助农民根据异常情况进行管理,在其照护下从农田获得最大收成。

Precision agriculture reports turn aerial images and data into prescriptive actions for farmers.

“在接下来的几年里,计算机视觉、机器学习和机器人会不断地融合,帮助种植者更加高效地生产更多食物,并在该过程中实现更大的经济效益。”

精准农业不止是对农民的营收有好处,还对整个地球有益。减少化肥使用量不仅给农民省钱,而且还能减少广阔的农田中氮肥的径流。

“可变比率施肥已经成为,并将继续成为精准农业中有前景的领域。”Luck 解释说,“季中基于传感器的反应式氮肥管理能让我们提高氮肥使用效率。如果作物有黄色叶面(表明缺氮),传感器就会检测到该情况,并通知可变比率洒施机在这个位置施用更多氮肥,纠正缺氮的情况。当您进入农田中的深绿色区域时,该算法会减少施氮量。”

在增加产量的同时减少投入:最重要的是农民能够提供高品质、营养丰富的农产品供养我们星球上不断增长的人口,同时最大程度地减小环境影响。


阅读其他案例

面板导航
面板导航
面板导航