2011 年，IBM 就曾藉助位於以色列海法的研發總部啓動了一個農業雲計算項目。當時團隊相信算法農業完全可能，結果，公司的農業項目要麼被關閉要麼被縮小規模。IBM 最終意識到爲農業生產提供認知機器學習解決方案比他們想象的要困難得多。最重要的原因在於農業是統計量化中最難控制的領域之一，瞭解如何管理農業環境意味着要考慮數百甚至數千個因素。而大多數情況下，沒有兩個環境會完全相同，這使得先進技術的測試，驗證和成功部署比大多數其他行業更加費力。
不過，吳恩達最近在接受媒體採訪時預測，下一波創造價值的浪潮將出現在農業設備公司。對於業界來說，他們需要花時間和精力去尊重農業的特定規律，要使 AI 在該領域產生真正的影響，需要更多的努力，技能和資金來測試這些技術。雖然 AI 正在傳達如何理解環境的許多信息，但距離完全藉助機器的認知能力來預測農業等領域的關鍵結果，還很遙遠。
農業是國民經濟的基礎產業。2016 年，美國的農業預計增加值接近 GDP 的 1%。美國環境保護署（Environmental Protection Agency）估計每年農業可貢獻 3300 億美元財政收入。氣候變化、人口增長及食品安全等因素倒逼農業尋找更加創新的方法以保護和提高農作物產量。
所以，人工智能很自然地出現在農業技術進化的進程中。
基於我們開展的調查研究，當前農業領域最受歡迎的人工智能應用主要分爲以下三類：
農業機器人──相關公司致力於開發及編程自動機器人以解決基礎農業作業，如農作物收割（較於人工方式，其產量更大且速度更快）。
農作物及土壤檢測──相關公司運用計算機視覺及深度學習算法處理由無人機與/或基於軟件的技術所採集的數據以檢測農作物及土壤健康程度。
預測分析──相關公司運用機器學習模型追溯及預測各類環境因素（如氣候變化）對於農作物產出的影響。
農業機器人
Blue River Technology ──雜草控制
由於除草劑抗性愈發司空見慣，雜草控制能力既是農場主的頭等大事，也是從古至今的一項挑戰。今天，預計有 250 類雜草具備除草劑抗性。美國雜草科學學會（Weed Science Society of America）開展的一項關於未控制雜草對於棉花及大豆產量影響的研究指出，預計雜草每年引起的損失可達到 430 億美元。
目前，一些公司應用自動化及機器人技術以幫助農場主尋找更加有效的方式保護農作物免受雜草侵害。Blue River Technology 開發了一款名爲 See & Spray 的機器人。報道稱，See & Spray 運用計算機視覺監測棉花植株，實現精準噴灑除草。精準噴灑能幫助預防除草劑抗性。下面的短視頻展示了機器人的工作過程：
視頻地址：
http://v.youku.com/v_show/id_XMzAxMjQ0OTM2MA==.html
據 Blue River Technology 官網介紹，公司掌握的精度技術可去除普通噴灑模式下農作物上 80% 殘留化學物質，降低 90% 除草劑費用。據估計，美國全年的殺蟲劑支出約爲 1 億英磅。
2017 年 9 月，領先的農業設備製造商 John Deere 宣佈成功收購 Blue River Technology。（據報道，收購金額爲 3.05 億）John Deere 表示，Blue River Technology 公司及老員工將繼續待在桑尼維爾州，並希望其能夠繼續發展。
Harvest CROO Robotics──農作物收割
此外，自動化技術始終助力於勞動力解放。從 2014 年至 2024 年，農業產業中農業工人供應數量預期將減少 6%。Harvest CROO Robotics 研發了一款幫助農場主採摘及包裝草莓的機器人。據報道，勞動力缺失將給關鍵農業地區（如加利福尼亞和亞利桑那）帶來每年數百萬美元的財政收入損失。佛羅里達州的希爾斯伯勒縣（被稱爲全美冬季草莓之都）每季草莓收割面積約爲 10000 畝至 11000 畝。
Harvest CROO Robotics 表示其機器人單日收割面積達到 8 畝，可替代 30 名農業工人。在下面的短視頻中，公司團隊提供了一段機器人的工作演示：
由於勞動力需求趨於最高，工資、薪酬及勞務費用估計佔農場（如水果與蔬菜等農作物）成本的 40%。2017 年 6 月，Wish Farms（總部位於佛羅里達）宣佈將於當年夏天使用 Harvest CROO Robotics 草莓採摘機器人。Wish Farms 表示，採摘車可橫跨「6 個植物牀」且「攜帶 16 臺機器人」。至今爲止，Harvest CROO Robotics 據報道已從投資人及農場（規模佔全美草莓生產的 20%）融資 280 萬美元。
農作物及土壤健康監測
PEAT──基於機器視覺的蟲害/土壤缺陷診斷
去森林化及土壤質量降級問題始終是食品安全的重要威脅，對於經濟也有負面影響。從國內來看，美國農業部（USDA）估計每年土壤侵蝕的成本約爲 440 億美元。
PEAT（總部位於柏林的農業技術初創公司）開了一款名爲 Plantix 的深度學習應用。據報道，Plantix 能識別土壤的潛在缺陷及營養不良。軟件算法針對特定植物模式與某些土壤缺陷及植物病蟲害展開相關性分析。這款圖像認知應用能通過用戶手中智能手機的攝像頭採集的圖像識別潛在缺陷。如下面視頻所示，Plantix 會向用戶提供土壤修復技術、建議及其他可行解決方案：
PEAT 表示 Plantix 能快速實現模式檢測，預計準確率高達 95%，並於近日宣佈其國際客戶羣已超過 50 萬人。PEAT 在其官網對合作夥伴及客戶表達了誠摯感謝，但並未公開具體的案例研究。由於缺少客戶農場規模的具體細節，我們無法確認 Plantix 是否能夠應用於較大規模的農場。競爭對手 CropDiagnosis 似乎在其應用中也構建了一個相似的模型。
Trace Genomics──基於機器視覺的土壤缺陷診斷
與 Plantix 相似， Trace Genomics（總部位於加利福利亞）向農場主提供土壤分析服務。領投人 Illumina 幫助 Trace Genomics 開發了一個基於機器學習的系統──能夠讓客戶對土壤優劣有較爲清楚的認識，重點關注預防農作物缺陷及提升健康農作物產量的潛力。
據公司官網宣傳，用戶首先向系統提供土壤樣本，而後就能獲得土壤成分的深度總結。該服務以產品包形式供用戶挑選，包括病原體篩選（以細菌及真菌爲主）及複合微生物評估。如下面視頻所示，土壤 DNA 分析也是 Trace Genomics 系統的核心。
SkySquirrel Technologies Inc.──基於無人機與計算機視覺的農作物分析
據報道，農用無人機應用可追溯到上世紀 80 年代──日本率先使用無人機噴灑農藥。預計到 2027 年，農用無人機的市場規模將達到 4.8 億美元。如今，越來越多的公司開始將人工智能與航天技術應用於農作物健康監測。
多家公司將無人機技術應用於葡萄園，SkySquirrel Technologies Inc. 是其中之一。SkySquirrel 致力幫助用戶改善農作物產出，降低成本。用戶預先規劃無人機飛行路徑。當部署完成後，無人機將運用計算機視覺記錄圖像以用於後期分析。當無人機完成飛行路徑後，用戶可通過 USB 接口將無人機與電腦連接，把採集數據上傳至雲端。
SkySquirrel 運用各類算法合成與分析採集的圖像與數據，提供一份關於葡萄園健康狀態的詳情報告，而該報告可詳細到所有葡萄樹樹葉的狀態。由於樹葉是葡萄樹病害（如黴菌和細菌）的晴雨表，閱讀樹葉的「健康狀態」通常是全面掌握植物及果實健康狀態的一種絕佳途徑。
SkySquirrel 聲稱其技術能夠在 24 分鐘內完成 50 畝土地的掃描工作，提供的數據分析準確度高達 95%，但其官網上並未公佈任何具體用戶案例。
視頻地址：https://v.qq.com/x/page/z08220lw0hn.html
預測分析
AWhere──基於衛星的天氣預測及農作物可持續性分析
aWhere（總部位於科羅拉多）運用機器學習算法與衛星預測天氣情況、分析農作物可持續性分析及評價農場當前病蟲害。例如，每日天氣預測基於客戶需求完成定製，範圍從局部地區擴展到全球範圍。公司官網所列出的客戶類型包括農場主、農作物諮詢專家及研究血癥。年初，我們報道了人工智能在天氣預測中的應用，但是下面的視頻清晰地描述了其使用的基礎技術。如3分鐘視頻所示，aWhere表示其專注於提供快速且持續更新的高質量數據：
視頻地址：https://v.qq.com/x/page/e0611ghrzpx.html
此外，aWhere 還表示其可爲用戶提供日超 10 億個農業數據點的數據使用。數據來源包括溫度、降水量、風速及日光照射時長。「此外，還可提供任何農業用地的歷史數據對比。」aWhere 似乎並沒有在官網上提供任何案例研究。雖然公司博客重點介紹了軟件應用示例，但還不清楚有多少客戶購買了 aWhere 服務且服務對於產出的實際影響。
FarmShots──基於衛星的農作物健康及可持續性監測
FarmShots（總部位於北卡羅那州羅利）是另一家關注於農業數據分析的初創公司，其數據來源與衛星與無人機的圖像採集。具體來說，FarmShots 致力解決「農場防病蟲害及貧瘠植被營養」。例如，FarmShots 稱其軟件可精確告知用戶哪裏需要施肥，且能將施肥量降低近 40%。用戶可通過移動設備購買該軟件。40 秒的介紹片展示了該軟件如何使用採集數據生成報告。
視頻地址：https://v.qq.com/x/page/r0822hxh0yl.html
2017 年 4 月，FarmShots 與合作伙伴 Planet 宣佈 John Deere 的客戶能夠有限免費使用其產品至當年 7 月。此次合作也曝露了 John Deere 涉足農業技術領域的意願。FarmShots 並未在官網上公佈任何具體客戶或使用案例。
總結與思考
人工智能驅動的技術逐漸展露頭角，幫助農業提高效率、應對挑戰（如包括農作物產出、土壤健康及除草劑抗性）。
農業機器人也準備好成爲人工智能在農業領域中極度重要的應用。乳品加工業出現大規模應用的跡象，數以千計的擠奶機器人已投入使用。到 2023 年，該細分領域的市場規模預期從 19 億美元激增到 80 億美元。未來三五年，農業機器人可能被開發以完成複雜多樣的任務。
伴隨着氣候變化的持續研究及評價，農作物及土壤監測技術將同樣成爲重要應用。Science 上的一項研究調查寫道：從 1980 年至 2008 年，氣候變化導致全球玉米與小麥分別減產 3.8% 與 5%。如無人機、衛星等技術每天可採集的數據能夠賦予農業產業預測變化與甄別機會的新能力。我們預測：未來 5 至 10 年內，衛星機器視覺應用（用途包括天氣預測、農作物健康檢測及農作物產出預測等）將在大型工業化農場中愈發普遍。
農場主的硬件設備及應用培訓始終與最新發展保持同步，對於確保技術實踐及持續改善十分重要。從長遠角度看，這將證明上文提及工具的實際價值。此外，由於環境因素對於農業的影響，農業領域中新興人工智能技術應用的大量測試與驗證將成爲關鍵──農業的環境因素無法控制，而其他產業的風險因素易於建模及預測。期望農業產業繼續堅持運用人工智能。我們也將做好趨勢追蹤。
原文鏈接：
https://emerj.com/ai-sector-overviews/ai-agriculture-present-applications-impact/