供稿人：丁培 供稿时间：2018-10-30
现代农业面临巨大挑战。农业已经发展成为一个高度竞争的产业。此外，农业供应链必须应对诸如气候变化、地理多样性以及经济和政治等因素以保证可持续生产。
根据联合国粮农组织（FAO）的统计，到2050年，全球人口将超过90亿。为了满足这一日益增长的人口，整体粮食生产需要增加70％。估计可用面积仅为4％，不可能简单地种植更多的作物或繁殖更多的牲畜。唯一的选择是在现有途径上强化农业，这意味着以更少的资源做更多的事情
需要提高各级农业生产的效率，而土地、水、能源和化肥等资源正变得更加稀缺，需要认真有效地进行管理，以确保可持续性。专家认为，在精准农业和大数据的大框架内，人工智能可以提供解决方案。
农业正在经历一场所谓的“技术革命”。随着无人机、机器人和智能监控系统成功部署在研究和现场试验中，机器学习正变得越来越主流，它将使农业发生革命性的变化。
在最近的一项研究中，欧洲议会认识到农业大数据是提高生产力、粮食安全和农民收入的一种方式。人工智能预计不会取代农民的知识和直觉，而是补充和改进决策，特别是在数据生成、收集和分析的情况下。
市场规模
虽然人工智能已经成为科技界的中流砥柱，但农业领域及相关设备和服务提供商尚未大力推行农业人工智能应用。
根据麦肯锡的研究，数字技术和人工智能应用继续渗透农业 - 数字化程度最低的行业之一--但与其他行业相比，其速度较慢。这可能是由于人们对AI进展的总体缺乏了解。
由于人工智能具有极强的渗透性，人工智能在农业领域市场规模的预测差别很大。然而，所有可用的预测都看起来有利，并指出未来几年人工智能在农业方面的强劲增长。根据美国银行美林证券的研究，2015年AI总收入约为21亿美元。Tractica估计农业应用占整个人工智能市场的8％，这意味着2015年大约有1.68亿美元用于农业应用。尽管人工智能在农业领域的应用将继续增长，但其整体市场份额预计会下降。农业部门的增长可能会超过卫生保健、诊断和药物开发等部门的增长。
全球人工智能农业市场预计未来四年（从2017年至2021年）的复合年增长率约为23％。农业领域人工智能技术需求的主要驱动因素是农业机器人需求激增。需求的增长可归因于农业劳动力的相对减少以及数字农业和新农业技术的发展。
根据Tractica的调查，农业机器人的出货量预计在不久的将来将大幅增加，从2016年的32000台增加到2024年的594000台，届时全球市场的年收入预计将超过740亿美元。
AI在农业领域的应用
农业为AI解决方案的应用提供了许多机会。这些应用将帮助农民和农业生物企业更好地了解作物生长的自然规律，并允许他们使用更少的化学品和杀虫剂。该部门的最终目标是采用人工智能系统优化农作物生长，处理疾病和病原体，并能够全天候监测牲畜、作物和土壤。
农业生产的复杂性要求较高的建模能力，可靠的预测需要跨学科的方法和一系列技术，其中包括机器人技术、计算机视觉、传感器、图像分析、大数据和环境交互。
然后，超级计算机和基于人工智能的算法负责分析从现场传感器、卫星图像、无人机等收集的所有数据，并做出决定，例如何时收获，何时浇灌以及何时应用农用化学品。目前主要的农业人工智能应用可以总结如下：
1自动灌溉系统
传统的灌溉管理是一项艰巨的任务，它依靠历史气象数据来预测。新设计的依赖AI技术的灌溉系统是全自动的，能够实时测量和保持所需的土壤条件（如湿度），以提高产量。这减少了对体力劳动的需求，降低了成本，并使农民能够更好地管理水供应。此外，当传感器、机器学习和预测分析集中在一起时，智能灌溉系统能够分析天气状况并预测需要的水量。
2作物健康和土壤管理
传统的土壤管理方法要求农民调查和测试种植土壤的质量，然后手动进行种植和育种过程。随着人工智能技术的发展，确定种植或收获的适宜时间将变得更加容易。先进的传感器和配套的AI技术使农民的劳作变得更加简单。
以同样的方式，传统的作物健康监测方法非常耗时，并且在大多数情况下需要目视检查作物。新开发的自动检测和分析技术 - 如高光谱成像和三维激光扫描 - 预计将显着提高所收集数据的精确度和数量，并有助于识别疾病或潜在的侵袭。
最近，一组研究人员开发了一种能够鉴别木薯植物中的疾病的AI系统 - 这是全球种植最广泛的作物之一，也是碳水化合物的重要来源。该团队使用了一种称为转移学习的技术来教导系统如何识别作物病害和害虫。结果是成功的，因为该系统能够以98％的准确度正确识别褐斑病斑。这种系统可以装载在智能手机、平板电脑或计算机上，并能够及时识别疾病和采取对策。
3畜牧业
畜牧业是农业的一个不可分割的部门，涉及确保和监测动物健康、遗传品质和行为。通过人工智能收集有用的信息并实时监测动物的表现和行为，将使农民能够更加有效地管理家畜。
自动挤奶厅是一种畜牧业工具的一个例子，它显示出AI技术的应用越来越广泛。AI启用的传感器可以让自动化的挤奶机分析牛奶质量并标记出任何异常情况。此外，利拉伐和IceRobotics等公司开发的用于牛奶生产、畜牧业数据收集和分析的设备，以监测奶牛行为，预计将在不久的将来集成到AI系统。
4 机器人和无人机
人工智能机器人技术和无人机在农业应用中被视为最有用的技术。随着农民自动化操作，机器人和无人机已成为提高农产品产量和产品质量的重要组成部分
AI是机器人技术的中坚力量，它使机器能够使用语言处理和深度学习功能来进行认知决策。例如，2017年5月，创业公司Abundant Robotics开发了一种苹果采摘机器人。此外，最近，哈珀亚当斯大学测试了可用于种植、维护和收获大麦的自主无人机和车辆。
无人机技术不断改进，通过深入的田间分析、作物测绘、长距离作物喷洒和高效作物监测，提高了作物产量。
5 无人驾驶拖拉机
尖端软件、传感器、雷达和全球定位系统的结合很快将推动从人驾驶拖车到全自动车辆的转变，这将减轻现有员工的压力，并允许更多的播种面积全天候工作。据高盛称，无人驾驶拖拉机可显着降低农场劳动力成本，并将农民收入增加10％以上。
就农业而言，自动驾驶的趋势主要集中在大型农业机械（即拖拉机）上。 2017年8月，以Case IH拖拉机品牌而闻名的欧洲CNH工业公司推出了一款自主概念拖拉机。Case IH自主概念车具备LiDAR（光成像、探测和测距）、GPS和摄像头定位和感距功能。两家竞争对手，农机制造商Deere和AGCO也拥有类似的技术，并正在努力用自主无人化版本取代农业机械。最近，日本的洋马、久保田和伊势三家公司也合作开发自主拖拉机。
6 预测分析
预测分析专注于使用机器学习算法来生成预测模型，这些预测模型可以考虑不同的市场情景、收益率、预期的天气条件和运营成本等参数，以最大限度地提高效率。
在精准农业之外的应用
人工智能在发现和开发更高效的农业应用方面不应忽视。在植物育种、生物技术和农用化学品发现等领域有很多机会利用人工智能。
事实上，人工智能系统可能会更快地被用于新作物品种、牲畜育种、肥料或作物产品的保护和开发，而不是精准农业应用。这个假设可以由两个因素支持：
·植物和动物育种者和农用化学品开发者在过去十年中一直致力于收集和存储详细数据。因此，关于合成化合物的测序数据、SNP、谱系、结构 - 活性关系、毒性和生物可降解性的信息有很多。 ·加速农业研发活动带来的经济收益可能相当大。
截至2016年，飞利浦麦克杜格尔分析公司估计，将新的农业作物推向市场需要对超过160000种化合物进行分析 - 相当于11年以上的研发成本和每种商业产品超过2.8亿美元的总体成本。11家公司已经为每年新农用化学品的研发投入了26亿美元。AI系统可以帮助加快流程并提高效率。
孟山都公司是首批认可的农业领域人工智能系统的大型农业生物公司之一。例如，孟山都公司和Atomwise公司最近形成了一项研究合作，开发用于分子发现的AI系统，以提高发现新型作物的速度。此次利用深度学习算法和超级计算机在早期作物发现过程中可以获取潜在的数据。Atomwise可以帮助孟山都减少发现新活性成分的时间和成本。
此外，孟山都还与Second Genome建立了合作关系，后者是一家风险投资公司，依靠微生物科学的专业知识发现和开发新型保健产品，包括治疗炎症性肠病和代谢性疾病的候选药物。该合作将利用孟山都广泛的基因组数据库、大数据宏基因组学、蛋白质发现、机器学习和微生物预测分析的专业知识，以加速发现下一代的新蛋白质。
AI的好处也适用于植物育种。孟山都公司估计，在商业化之前对田间试验中玉米杂交品种的评估可能需要8年的时间。从历史上看，育种计划将从500多种组合中的几十种品种中进行选择，以进行试验，这种选择受到与田间试验相关成本的限制。为了解决这个问题，孟山都开发了一种基于历史现场试验和分子市场数据的人工智能算法，该算法可以预测哪一年的现场测试表现出最佳性能。该算法帮助孟山都加快了繁殖过程，并将养殖规模扩大了5倍。
以类似的方式，先正达最近宣布与'AI for Good Foundation'建立合作关系，以推出'Syngenta AI Challenge'，这是一项专注于利用AI工具用于种子育种的国际合作项目。参与者可获得包括种子遗传信息以及土壤、天气和气候数据的数据集。最终目标是开发算法，以确定在特定条件下应在特定区域种植哪些品种。
在学术方面，卡内基梅隆大学的研究人员正在研究一项名为FarmView的新举措，该方案将传感器、机器人和人工智能结合在一起，创造出可改善植物育种和作物管理的移动式野外机器人。FarmView使用AI工具将植物表型数据与遗传和环境数据联系起来，帮助理解遗传、环境和作物表现之间的关系。在育种方面，都柏林大学（UCD）一直在研究一种算法，该算法利用统计分析与机器学习相结合，根据测序数据、SNP数据和谱系预测作物和动物的表型。
