供稿人：丁培 供稿時間：2018-10-30
現代農業面臨巨大挑戰。農業已經發展成為一個高度競爭的產業。此外，農業供應鏈必須應對諸如氣候變化、地理多樣性以及經濟和政治等因素以保證可持續生產。
根據聯合國糧農組織（FAO）的統計，到2050年，全球人口將超過90億。為了滿足這一日益增長的人口，整體糧食生產需要增加70％。估計可用面積僅為4％，不可能簡單地種植更多的作物或繁殖更多的牲畜。唯一的選擇是在現有途徑上強化農業，這意味著以更少的資源做更多的事情
需要提高各級農業生產的效率，而土地、水、能源和化肥等資源正變得更加稀缺，需要認真有效地進行管理，以確保可持續性。專家認為，在精準農業和大數據的大框架內，人工智能可以提供解決方案。
農業正在經歷一場所謂的“技術革命”。隨著無人機、機器人和智能監控系統成功部署在研究和現場試驗中，機器學習正變得越來越主流，它將使農業發生革命性的變化。
在最近的一項研究中，歐洲議會認識到農業大數據是提高生產力、糧食安全和農民收入的一種方式。人工智能預計不會取代農民的知識和直覺，而是補充和改進決策，特別是在數據生成、收集和分析的情況下。
市場規模
雖然人工智能已經成為科技界的中流砥柱，但農業領域及相關設備和服務提供商尚未大力推行農業人工智能應用。
根據麥肯錫的研究，數字技術和人工智能應用繼續滲透農業 - 數字化程度最低的行業之一--但與其他行業相比，其速度較慢。這可能是由于人們對AI進展的總體缺乏了解。
由于人工智能具有極強的滲透性，人工智能在農業領域市場規模的預測差別很大。然而，所有可用的預測都看起來有利，并指出未來幾年人工智能在農業方面的強勁增長。根據美國銀行美林證券的研究，2015年AI總收入約為21億美元。Tractica估計農業應用占整個人工智能市場的8％，這意味著2015年大約有1.68億美元用于農業應用。盡管人工智能在農業領域的應用將繼續增長，但其整體市場份額預計會下降。農業部門的增長可能會超過衛生保健、診斷和藥物開發等部門的增長。
全球人工智能農業市場預計未來四年（從2017年至2021年）的復合年增長率約為23％。農業領域人工智能技術需求的主要驅動因素是農業機器人需求激增。需求的增長可歸因于農業勞動力的相對減少以及數字農業和新農業技術的發展。
根據Tractica的調查，農業機器人的出貨量預計在不久的將來將大幅增加，從2016年的32000臺增加到2024年的594000臺，屆時全球市場的年收入預計將超過740億美元。
AI在農業領域的應用
農業為AI解決方案的應用提供了許多機會。這些應用將幫助農民和農業生物企業更好地了解作物生長的自然規律，并允許他們使用更少的化學品和殺蟲劑。該部門的最終目標是采用人工智能系統優化農作物生長，處理疾病和病原體，并能夠全天候監測牲畜、作物和土壤。
農業生產的復雜性要求較高的建模能力，可靠的預測需要跨學科的方法和一系列技術，其中包括機器人技術、計算機視覺、傳感器、圖像分析、大數據和環境交互。
然后，超級計算機和基于人工智能的算法負責分析從現場傳感器、衛星圖像、無人機等收集的所有數據，并做出決定，例如何時收獲，何時澆灌以及何時應用農用化學品。目前主要的農業人工智能應用可以總結如下：
1自動灌溉系統
傳統的灌溉管理是一項艱巨的任務，它依靠歷史氣象數據來預測。新設計的依賴AI技術的灌溉系統是全自動的，能夠實時測量和保持所需的土壤條件（如濕度），以提高產量。這減少了對體力勞動的需求，降低了成本，并使農民能夠更好地管理水供應。此外，當傳感器、機器學習和預測分析集中在一起時，智能灌溉系統能夠分析天氣狀況并預測需要的水量。
2作物健康和土壤管理
傳統的土壤管理方法要求農民調查和測試種植土壤的質量，然后手動進行種植和育種過程。隨著人工智能技術的發展，確定種植或收獲的適宜時間將變得更加容易。先進的傳感器和配套的AI技術使農民的勞作變得更加簡單。
以同樣的方式，傳統的作物健康監測方法非常耗時，并且在大多數情況下需要目視檢查作物。新開發的自動檢測和分析技術 - 如高光譜成像和三維激光掃描 - 預計將顯著提高所收集數據的精確度和數量，并有助于識別疾病或潛在的侵襲。
最近，一組研究人員開發了一種能夠鑒別木薯植物中的疾病的AI系統 - 這是全球種植最廣泛的作物之一，也是碳水化合物的重要來源。該團隊使用了一種稱為轉移學習的技術來教導系統如何識別作物病害和害蟲。結果是成功的，因為該系統能夠以98％的準確度正確識別褐斑病斑。這種系統可以裝載在智能手機、平板電腦或計算機上，并能夠及時識別疾病和采取對策。
3畜牧業
畜牧業是農業的一個不可分割的部門，涉及確保和監測動物健康、遺傳品質和行為。通過人工智能收集有用的信息并實時監測動物的表現和行為，將使農民能夠更加有效地管理家畜。
自動擠奶廳是一種畜牧業工具的一個例子，它顯示出AI技術的應用越來越廣泛。AI啟用的傳感器可以讓自動化的擠奶機分析牛奶質量并標記出任何異常情況。此外，利拉伐和IceRobotics等公司開發的用于牛奶生產、畜牧業數據收集和分析的設備，以監測奶牛行為，預計將在不久的將來集成到AI系統。
4 機器人和無人機
人工智能機器人技術和無人機在農業應用中被視為最有用的技術。隨著農民自動化操作，機器人和無人機已成為提高農產品產量和產品質量的重要組成部分
AI是機器人技術的中堅力量，它使機器能夠使用語言處理和深度學習功能來進行認知決策。例如，2017年5月，創業公司Abundant Robotics開發了一種蘋果采摘機器人。此外，最近，哈珀亞當斯大學測試了可用于種植、維護和收獲大麥的自主無人機和車輛。
無人機技術不斷改進，通過深入的田間分析、作物測繪、長距離作物噴灑和高效作物監測，提高了作物產量。
5 無人駕駛拖拉機
尖端軟件、傳感器、雷達和全球定位系統的結合很快將推動從人駕駛拖車到全自動車輛的轉變，這將減輕現有員工的壓力，并允許更多的播種面積全天候工作。據高盛稱，無人駕駛拖拉機可顯著降低農場勞動力成本，并將農民收入增加10％以上。
就農業而言，自動駕駛的趨勢主要集中在大型農業機械（即拖拉機）上。 2017年8月，以Case IH拖拉機品牌而聞名的歐洲CNH工業公司推出了一款自主概念拖拉機。Case IH自主概念車具備LiDAR（光成像、探測和測距）、GPS和攝像頭定位和感距功能。兩家競爭對手，農機制造商Deere和AGCO也擁有類似的技術，并正在努力用自主無人化版本取代農業機械。最近，日本的洋馬、久保田和伊勢三家公司也合作開發自主拖拉機。
6 預測分析
預測分析專注于使用機器學習算法來生成預測模型，這些預測模型可以考慮不同的市場情景、收益率、預期的天氣條件和運營成本等參數，以最大限度地提高效率。
在精準農業之外的應用
人工智能在發現和開發更高效的農業應用方面不應忽視。在植物育種、生物技術和農用化學品發現等領域有很多機會利用人工智能。
事實上，人工智能系統可能會更快地被用于新作物品種、牲畜育種、肥料或作物產品的保護和開發，而不是精準農業應用。這個假設可以由兩個因素支持：
·植物和動物育種者和農用化學品開發者在過去十年中一直致力于收集和存儲詳細數據。因此，關于合成化合物的測序數據、SNP、譜系、結構 - 活性關系、毒性和生物可降解性的信息有很多。 ·加速農業研發活動帶來的經濟收益可能相當大。
截至2016年，飛利浦麥克杜格爾分析公司估計，將新的農業作物推向市場需要對超過160000種化合物進行分析 - 相當于11年以上的研發成本和每種商業產品超過2.8億美元的總體成本。11家公司已經為每年新農用化學品的研發投入了26億美元。AI系統可以幫助加快流程并提高效率。
孟山都公司是首批認可的農業領域人工智能系統的大型農業生物公司之一。例如，孟山都公司和Atomwise公司最近形成了一項研究合作，開發用于分子發現的AI系統，以提高發現新型作物的速度。此次利用深度學習算法和超級計算機在早期作物發現過程中可以獲取潛在的數據。Atomwise可以幫助孟山都減少發現新活性成分的時間和成本。
此外，孟山都還與Second Genome建立了合作關系，后者是一家風險投資公司，依靠微生物科學的專業知識發現和開發新型保健產品，包括治療炎癥性腸病和代謝性疾病的候選藥物。該合作將利用孟山都廣泛的基因組數據庫、大數據宏基因組學、蛋白質發現、機器學習和微生物預測分析的專業知識，以加速發現下一代的新蛋白質。
AI的好處也適用于植物育種。孟山都公司估計，在商業化之前對田間試驗中玉米雜交品種的評估可能需要8年的時間。從歷史上看，育種計劃將從500多種組合中的幾十種品種中進行選擇，以進行試驗，這種選擇受到與田間試驗相關成本的限制。為了解決這個問題，孟山都開發了一種基于歷史現場試驗和分子市場數據的人工智能算法，該算法可以預測哪一年的現場測試表現出最佳性能。該算法幫助孟山都加快了繁殖過程，并將養殖規模擴大了5倍。
以類似的方式，先正達最近宣布與'AI for Good Foundation'建立合作關系，以推出'Syngenta AI Challenge'，這是一項專注于利用AI工具用于種子育種的國際合作項目。參與者可獲得包括種子遺傳信息以及土壤、天氣和氣候數據的數據集。最終目標是開發算法，以確定在特定條件下應在特定區域種植哪些品種。
在學術方面，卡內基梅隆大學的研究人員正在研究一項名為FarmView的新舉措，該方案將傳感器、機器人和人工智能結合在一起，創造出可改善植物育種和作物管理的移動式野外機器人。FarmView使用AI工具將植物表型數據與遺傳和環境數據聯系起來，幫助理解遺傳、環境和作物表現之間的關系。在育種方面，都柏林大學（UCD）一直在研究一種算法，該算法利用統計分析與機器學習相結合，根據測序數據、SNP數據和譜系預測作物和動物的表型。
