遠(yuǎn)距離傳輸wifi模塊智慧農(nóng)業(yè)新模式人工智能+機(jī)械自動化新應(yīng)用，案例：一個(gè)黃瓜農(nóng)小池誠，原本是汽車廠的工程師，但他辭掉了工作，回到家鄉(xiāng)幫父母經(jīng)營黃瓜農(nóng)場。農(nóng)場不大，但日本農(nóng)場對黃瓜有不同的分類標(biāo)準(zhǔn)，小池家庭也是如此。只有同一品種的黃瓜分類才能達(dá)到9種，這讓他遭受了很多痛苦。

于是他把腦筋放在人工智能上，開始研究Google的TensorFlow該平臺以覆盆子派3為主控制器，并配有相機(jī)拍照。這些照片傳到了這里。TensorFlow該平臺在一個(gè)小的神經(jīng)網(wǎng)絡(luò)上運(yùn)行，以確定它是否是小黃瓜。之后，被判定為小黃瓜的照片被傳輸?shù)礁蟮幕A(chǔ)上Linux服務(wù)器的神經(jīng)網(wǎng)絡(luò)，根據(jù)不同的特點(diǎn)對小黃瓜進(jìn)行分類。

突破初期失敗后，小池創(chuàng)建了一臺成本不到10萬元的自動分裝機(jī)，任何人都可以快速啟動。它還釋放了該系統(tǒng)的程序代碼開源GitHub上...

以前，我們已經(jīng)介紹了物聯(lián)網(wǎng)+大數(shù)據(jù)智能農(nóng)業(yè)進(jìn)行；但事實(shí)上，農(nóng)業(yè)科技就像主流科技領(lǐng)域一樣，即將被采用“大數(shù)據(jù)的下一步”，即以機(jī)器學(xué)習(xí)為首的人工智能技術(shù)席卷。

與其他行業(yè)相比，農(nóng)業(yè)、漁業(yè)和畜牧業(yè)面臨著更嚴(yán)峻的挑戰(zhàn)。如今，世界人口約為72億，其中7.8億人生活水平較低，面臨結(jié)構(gòu)性饑餓威脅。然而，到2050年，全球人口將高達(dá)90億，這意味著人類生產(chǎn)的糧食總熱量需要增加60%；如果計(jì)算肉類來源牲畜消耗的糧食，這些糧食的總熱量將達(dá)到103%；但相比之下，在過去的33年里，農(nóng)業(yè)可用面積多只增加了4%。

因此，許多人認(rèn)為人工智能是在耕地資源有限的情況下增加農(nóng)業(yè)產(chǎn)出，保證可持續(xù)發(fā)展的有力答案之一；隨著人工智能的發(fā)展，也有“農(nóng)機(jī)全自動化”趨勢。本文將介紹幾個(gè)實(shí)際案例，帶您了解人工智能在農(nóng)業(yè)中的無限潛力。

AI成熟的視覺識別已經(jīng)開始在農(nóng)業(yè)中發(fā)展

市值約40億美元的蘋果每年在美國收獲和銷售，因此蘋果在美國農(nóng)業(yè)中占有一席之地；與此同時(shí)，AI與遠(yuǎn)距離傳輸wifi模塊全自動機(jī)器人正在猛烈沖擊蘋果農(nóng)業(yè)，美國農(nóng)機(jī)新創(chuàng)公司Abundant就發(fā)明了“采摘蘋果機(jī)器人“，它有機(jī)器學(xué)習(xí)的視覺算法，可以準(zhǔn)確判斷每個(gè)蘋果，從提取到輕放在收集箱中。整個(gè)過程的準(zhǔn)確性基本上和人類一樣，甚至可以以幾十人的速度工作。
另一間NatureSweet新農(nóng)業(yè)公司更嘗試使用AI監(jiān)測番茄的生長過程。通過安裝在溫室里的相機(jī)，他們獨(dú)特的算法可以識別番茄是否有病蟲害和枯萎的視覺線索，并實(shí)時(shí)通知農(nóng)民病害已經(jīng)開始發(fā)生。這種方法顯然比以前每周花時(shí)間進(jìn)行人工檢查要有效得多。甚至，他們現(xiàn)在也開始寫一個(gè)視覺識別番茄是否成熟的算法。

快速改變農(nóng)業(yè)面貌的自動機(jī)械

有鑒于微型MEMS傳感器（包括加速度計(jì)、陀螺儀、磁力計(jì)和壓力傳感器）GPS模塊和加工芯片越來越成熟，遠(yuǎn)距離傳輸wifi模塊農(nóng)業(yè)無人機(jī)的價(jià)格也越來越便宜，這對農(nóng)民來說是一個(gè)巨大的好消息，也有深刻的潛力徹底改造整個(gè)行業(yè)。在臺灣，使用無人機(jī)噴灑農(nóng)業(yè)、肥料和藥物并不是什么新鮮事。根據(jù)上下游報(bào)告，遠(yuǎn)距離傳輸wifi模塊無人直升機(jī)噴灑10分鐘可噴灑15畝農(nóng)藥，每天多可噴灑225畝，是傳統(tǒng)人力的三到四倍，可有效節(jié)省藥物，甚至注意葉片背面的絲瓜也可以通過氣流擾動順利施用。

但無人機(jī)不僅可以施用藥物和肥料。美國許多酒莊現(xiàn)在使用帶有高光譜相機(jī)的無人機(jī)，從紅外線和可見光譜中收集數(shù)據(jù)，拍攝健康植物和病害植物范圍的空拍掃描圖，即使是眼睛不明顯的害蟲、真菌感染和其他病變植物也可以識別。我相信敏感的讀者也猜到，這種紅外識別植物健康的視覺識別系統(tǒng)是機(jī)器學(xué)習(xí)與無人機(jī)相結(jié)合的另一個(gè)好案例。

而在熱門的“自動駕駛”部分，在2017年各國政府和廠商仍致力于實(shí)現(xiàn)遠(yuǎn)距離傳輸wifi模塊無人駕駛上路駕駛之前，Kinze早在2012年，這家大型農(nóng)機(jī)企業(yè)就參考了Google自動駕駛系統(tǒng)創(chuàng)建了自動農(nóng)業(yè)和收割機(jī)。只要在耕作過程中將遇到的情況與田間信息一起輸入，GPS系統(tǒng)，拖拉機(jī)根據(jù)GPS系統(tǒng)記錄指示行駛，按前方進(jìn)行紅外線掃射，避免撞到障礙物；大型農(nóng)機(jī)企業(yè)久寶田也宣布，于2020年推出“一鍵完全自動”農(nóng)業(yè)機(jī)械有助于解決日本農(nóng)村勞動老齡化問題日益嚴(yán)重。

雖然人工智能已經(jīng)成為科技領(lǐng)域的支柱，但我們也介紹了人工智能和自動機(jī)械在農(nóng)業(yè)中的應(yīng)用。但事實(shí)上，大多數(shù)主要農(nóng)業(yè)企業(yè)、設(shè)備制造商和服務(wù)提供商都沒有在農(nóng)業(yè)中大力推廣人工智能。

技術(shù)上大的挑戰(zhàn)之一是收集農(nóng)業(yè)數(shù)據(jù)并不容易。我們知道，遠(yuǎn)距離傳輸wifi模塊AI是大數(shù)據(jù)“下一步”，需要大量的數(shù)據(jù)來正確地訓(xùn)練算法。雖然地理、天氣等數(shù)據(jù)相對完善，但作物本身的大部分?jǐn)?shù)據(jù)只能在每年的生長季節(jié)獲得一到兩次，顯然比其他領(lǐng)域需要更多的時(shí)間；與技術(shù)、工業(yè)或網(wǎng)絡(luò)圈不同，所有權(quán)的透明度和共享更加困難。