AI+种植：从“解放双手”到“知天而作”

图片来源@unsplash

文｜35斗，作者｜李秦

农业既是主要产业也是经济支柱之一，由于气候变化、人口增长和粮食安全等因素，农业需要更多创新方法来提高作物产量。近年来，人工智能技术稳步崛起，相关应用逐渐渗入农业生产全过程。其中，机器学习、计算机视觉、大数据分析和云计算等技术应用最为广泛。

35斗梳理了AI+种植的发展情况以及未来趋势，同时选取国内外具有代表性或创新性的企业，盘点其业务布局和最新动态。

三大应用场景落地，产前、产中、产后全覆盖

人工智能在农业中最主要的应用可分为三类:

农业机器人——利用自动化机器人处理基本的农业任务，比人工作业产量更高、速度更快。

作物和土壤监测——利用计算机视觉和深度学习算法处理无人机采集的数据，用于监测作物和土壤健康。

预测分析——利用机器学习模型追踪和预测环境对作物产量的影响，如天气变化。

在产前阶段，人工智能可通过物联网获取的数据指导灌溉用水；通过土壤成分分析进行合理施肥；通过对农作物市场周期需求的预测，选择适宜种植的作物品种，避免产销脱节引发价格剧烈波动，造成经济损失和农产品浪费。此外，云计算、大数据分析和机器学习等技术，还可以帮助筛选和改良农作物基因，达到提升口味、增强抗虫性、增加产量的目的。

在产中阶段，计算机视觉技术可识别作物品种、病害程度和杂草生长情况，实现智能预防和病虫害管理，减少经济损失和环境影响，提升农产品安全性。而机器学习技术可以处理卫星图像数据，预测天气等环境变化对作物的影响，解决传统农业“看天吃饭”的问题。

针对采收环节，计算机视觉技术与机械臂或机器人结合，可实现24小时自动化采收，节省人力、降低成本。此外，大数据处理和语音识别等技术可运用于农业智能专家系统中，为农业从业者提供专业咨询服务和指导。

在产后阶段，具有计算机视觉的机械臂可进行农产品售前品质检测、分类和包装等工作；用大数据分析市场行情，帮助农产品电商运营，引导企业制定更灵活准确的销售策略；通过人工智能遗传算法和多目标路径优化数学模型，对物流配送路径进行智能优化，完善生鲜农产品供应链。

创新企业盘点：全方位监测作物，解决劳动力短缺难题

Blue River Technology

目前，约有250种杂草对除草剂具有抗药性。根据美国杂草科学协会的数据，由于杂草作物对玉米和大豆作物的影响，农民每年损失达到430亿美元，而美国全年的杀虫剂支出约为 1 亿英磅。Blue River Technology掌握的精度技术可去除普通喷洒模式下80% 的化学物质残留，降低 90% 除草剂费用。

Blue River Technology开发的机器人See & Spray，可利用计算机视觉监控棉花，使其免受杂草的侵害，精准喷洒能够防止对除草剂产生抗药性。2017年9月，大型农业机械制造商John Deere以3.05亿美元收购Blue River Technology。

Harvest CROO Robotics

自动化的兴起，帮助解决劳动力短缺的问题，从2014年到2024年，农业工人预计将减少6%。Harvest CROO Robotics研发的机器人，单日收割面积达到 8 亩，可替代 30 位农业工人。2017年6月， Wish Farms宣布使用Harvest CROO Robotics的草莓收割机，这款设备搭载了16个独立的采摘机器人，可以帮助草莓种植者采摘和包装农作物。

PEAT

森林砍伐和土壤质量退化会对粮食安全造成重大威胁，美国农业部估计，每年土壤侵蚀的成本约为440亿美元。总部位于柏林的PEAT，开发了一款名为Plantix的深度学习应用程序，能利用软件算法分析特定的叶型与土壤缺陷、植物病虫害之间的关系，识别土壤的潜在缺陷和营养不良。

这款图像识别应用程序通过手机摄像头拍摄的图像来识别潜在问题，然后向用户提供土壤修复技术等解决方案。PEAT 表示， Plantix 可以利用机器视觉实现快速检测，准确率高达 95%。

Trace Genomics

Trace Genomics利用机器学习为农户提供土壤分析服务，主要投资者Illumina帮助其开发了一个基于机器学习的系统，能够让客户对土壤优劣有清楚认识，重点关注农作物缺陷预防以及作物产量提升。

用户在向Trace Genomics提交土壤样本后，会收到关于土壤成分的深度分析。该服务以产品包形式供用户挑选，包括以细菌及真菌为重点的病原体筛选，以及复合微生物评估和土壤DNA分析。

SkySquirrel Technologies

无人机在农业领域的应用可追溯到上世纪80年代，当时日本利用无人机喷洒农药。到2027年，农用无人机的市场规模预计将达到 4.8 亿美元。如今，越来越多的公司开始将人工智能与航天技术应用于农作物健康监测。

SkySquirrel Technologies将无人机技术和计算机视觉应用于葡萄园，帮助用户提高农作物产量、降低成本。用户对无人机的路线进行预先编程，一旦部署完毕，该设备将利用计算机视觉记录图像，用于后期分析。

SkySquirrel使用算法集成和分析捕捉图像和数据，提供葡萄园健康状况的详细报告，特别是葡萄叶的状况。其技术能够在 24 分钟内完成 50 亩土地的扫描工作，提供的数据准确度高达 95%。

aWhere

aWhere利用机器学习算法与卫星来预测天气、分析作物的可持续性，并评估农场是否存在病虫害。公司专注于提供快速且持续更新的高质量数据，范围从局部地区扩展到全球范围，客户类型包括农户、农业顾问和研究人员。aWhere 还为用户提供超过10 亿个农业数据点的数据使用，数据类型包括温度、降水量、风速、日光照射时长以及农业用地的历史数据对比。

FarmShots

FarmShots专注于分析卫星和无人机拍摄的农业图像，以检测作物的病虫害和营养不良。其软件可以准确告知用户哪一区域需要施肥，并减少近40%的化肥使用量。目前，FarmShots已与John Deere等建立了合作关系。

巨头抢先布局，农业教育培训成未来重点

腾讯于2018年进军 “AI+农业”领域，在荷兰瓦赫宁根大学举办的首届“国际智慧温室种植大赛”中，腾讯 AI Lab 和农科院等机构组成的 iGrow 队挑战AI温室种黄瓜，获得了 AI 策略第一名、总分第二名的优秀成绩。

腾讯集团也相继与中粮集团、广东粤旺农业集团、深圳壹家仓、仲恺农业工程学院等签订战略合作协议，开展智慧农业深度合作，还投资了Phytech、Snapchat、Tile和Essential等农业初创公司。

2019年5月，腾讯宣布与中国农科院农业信息研究所共同成立智慧农业联合实验室，推动“AI+农业”发展。同时与瓦赫宁根大学联办第二届“国际智慧温室种植大赛”， 在六个月内利用 AI 和 IoT 物联网等技术远程控制温室种植番茄。

2017年12月，微软投资5000万美元成立“AI for Earth”项目，支持将人工智能应用于农业、生物多样性、资源保护、气候变化和水资源五个领域。2018年12月，在微软公布的11 项人工智能地球创新奖中，包括利用机器学习和卫星支持乌干达灌溉发展和提高作物水效率、利用在线网络地图和地理空间分析工具改善农业土地变化估计和地下水利用等项目。

2018年6月，阿里云正式宣布推出阿里云ET农业大脑，希望将人工智能与农业深入结合。在经过一年的研究试验后，农业大脑先后在生菜、苹果及甜瓜种植上完成了合作案例，已具备数字档案生成、全生命周期管理、智能农事分析、全链路溯源等功能。

比如，陕西10000亩海升苹果的生产资料已经汇聚到ET农业大脑，可以对每棵果树进行个性化管理，大大提高果园的管理效率，预计农业大脑能帮助果农每亩地节省200元以上成本。

人工智能技术的出现，解决了农业面临的一系列挑战。农业机器人有望成为这一领域极具价值的应用，预计到2023年，产值将从19亿美元增加到80亿美元。在未来三到五年内，农业机器人有可能完成越来越多样化的任务。

随着对气候变化的不断研究和评估，作物和土壤监测技术也将成为未来的重要应用。利用无人机和卫星等技术捕捉数据，使农业企业拥有预测变化的能力。在未来5到10年内，卫星机器视觉应用(用于天气、作物健康、预测作物产量等)将越来越普遍地应用于大型工业农场。

最重要的是，农业从业者必须接受相关培训，学会如何掌握和改进这些技术，才有助于验证这一工具的使用价值。此外，区别于其他风险容易建模和预测的行业，农业会受到无法控制的环境因素的影响，因此，对新兴应用的广泛测试也至关重要的。总体来说，人工智能在农业领域的应用将会越来越多样化，为提高作物产量、改善土壤健康改善、减少除草剂使用提供解决方案。

参考资料：

1. 挑战AI种番茄，国际智慧温室种植挑战赛第二届来了，腾讯AI实验室。

2. 腾讯智慧农业再发力：联办国际温室种植大赛、与农科院成立联合实验室，腾讯AI实验室。

3. AI in Agriculture – Present Applications and Impact，Kumba Sennaar.

更多精彩内容，关注钛媒体微信号（ID：taimeiti），或者下载钛媒体App