2021年，AI有潜力改善农业的十种路径

普华永道指出，总部位于IOT的农业(IoTAg)监控已成为网络化智能农业中增长最快的技术领域，预计到2025年总市场规模将增长至45亿美元。

根据BI Intelligence Research发布的预测报告，到2025年，全球网络化智能农业技术和系统(包括人工智能和机器学习)的支出预计将增加两倍，达到153亿美元。

根据MarketsMarkets发布的数据，仅农业领域的AI技术和解决方案支出预计将从2020年的10亿美元增加到2026年的40亿美元，复合年增长率(CAGR)为25.5%。

普华永道指出，总部位于IOT的农业(IoTAg)监控已成为网络化智能农业中增长最快的技术领域，预计到2025年总市场规模将增长至45亿美元。

AI、机器学习(ML)和物联网传感器可以为算法提供丰富的实时数据，从而提高农业生产效率，增加作物产量，降低粮食生产成本。根据联合国关于人口和饥饿的预测数据，到2050年，全球人口将进一步增加20亿，农业生产力需要提高60%才能提供足够的食物。根据美国农业部经济研究局公布的数据，仅美国种植、加工和食品分销业务的总市值就高达1.7万亿美元。到2050年，人工智能和机器学习很可能成为新的技术核心，帮助我们从容应对20亿新增人口带来的预期粮食需求。

「农业」——最具前景的人工智能与机器学习应用场景之一

想象一下，在这些通常以数百亩为基本规划单元的大规模农区，至少有40个基本流程需要同步跟踪、突出和监控。深入分析天气变化、季节日照差异、掌握鸟类和昆虫的迁徙规律、了解专用肥的使用要求、为作物选择合适的农药、监督种植周期和灌溉周期等都是有望解决的重大问题，对机器学习具有重要的现实意义。如今，作物生产越来越依赖出色的数据收集和分析能力。正因为如此，农民、合作社和农业开发企业决定进一步采用以数据为中心的方法，不断引入AI和机器学习元素，以提高农业产量和作物质量。着眼2021年，预计以下十条途径将推动农业进一步发展：

1. 使用基于AI与机器学习的监控系统，跟踪每块作物田地的实时视频源，借此识别动物或人类的违规行为并立即发出警报。

用AI学习可以减少牲畜或野生动物意外毁坏庄稼或闯入偏远地区农场的可能性。随着AI和机器学习算法在视频分析领域的快速发展，每个农业生产参与者都可以保护自己的田地和农业设施。AI和机器学习视频监控系统可以轻松扩展，以适应大规模农业作业，覆盖整个农场。随着时间的推移，我们可以对基于机器学习的监控系统进行编程或训练，教会它识别人和车辆。作为AI和机器学习监控系统领域的领导者，Twenty20 Solutions通过实际行动证明，这些技术可以有效保护远程设施，优化作物生产，并通过机器学习识别田间意外入侵者。下图显示了Twnty20解决方案实时监控的示例：

图：依靠AI和机器学习算法识别人和车，可以帮助全球农业企业简化远程操作流程。

2. AI与机器学习——通过无人机实时传感器数据与视觉分析数据， 改善作物产量预测。

有了智能传感器提供的实时视频流和无人机捕获的数据，农业专家可以访问他们以前无法访问的全新数据集。如今，研究人员可以结合水分、肥料和自然营养水平等传感器数据来分析每种作物随时间变化的生长模式。机器学习负责集成大量数据集，并根据约束条件提出建议，以优化作物产量。下图显示了一个场景示例，其中AI、机器学习、现场传感器、红外图像和实时视频分析技术一起使用。农民可以获得关于改善作物健康和亩产量的新见解：

图：事实证明，无人机已经成为一个极其可靠的平台，可以收集特定肥料、灌溉方式和农药处理方式对实际作物产量影响的数据。

3. 产量映射是一项农业技术，通过监督机器学习算法，从大规模数据集内查找模式并实时了解不同模式间的正交性，由此为作

时至今日，我们已经能够在种植周期开始之前，就大致判断出特定田地的潜在产量。通过将机器学习技术与3D映射、传感器数据以及基于无人机的田间颜色数据相结合，农业专家即可快速预测出特定作物在潜在土壤条件下的产量。这些由无人机捕捉到的数据集准确且可靠。下图所示，为产量映射分析得出的结果：

图：在监督与无监督机器学习算法的加持下，农业专家得以确定如何最大程度提升田地产量。

4. 联合国、各国际机构及大型农业项目，纷纷将无人机数据与现场传感器相结合，借此改善害虫管理能力。

通过将无人机的红外热像仪数据与能够监测植物相对健康水平的传感器结合使用，农业管理团队可以在AI的帮助下抢在虫害发生之前做出预测及识别。目前，联合国就与普华永道合作评估亚洲各棕榈种植园中潜在的有害生物侵染问题，如下图所示：

图：联合国将现场传感器与无人机数据结合起来，用以调优机器学习算法、帮助农民从种植园中获取更高产量。

5. 如今，农业工人严重短缺，使得基于AI与机器学习的智能拖拉机、农用机器人以及其他智能机械，成为偏远地区农业种植的首选方案。

目前，大型农业企业找不到足够的员工，只能依靠机器人技术收取数百英亩土地上的农作物，这同时也给偏远地区的安全态势带来积极推动。通过对自主式机器人设备进行编程，它们能够为农作物播撒肥料、由此降低运营成本并进一步提高田地产量。目前农业机器人的复杂度正在迅速提高，下图所示为VineScout机器人在运作过程中的仪表板信息。

图：事实证明，农业机器人技术能够快速捕捉宝贵数据，借此调优AI与机器学习算法，从而进一步提高农作物产量。

6. 通过消除一系列传统阻碍，新兴技术有望向市场交付更新鲜、更安全的农作物，同时极大改善农业供应链的可追溯性。

2020年爆发的新冠疫情加快了在农业供应链中部署跟踪与溯源功能的速度，2021年这股趋势也仍将稳定存在。这种拥有良好管理的跟踪系统能够提供更强大的可见性，全面提升对供应链的整体控制能力，借此有效降低库存。最新跟踪系统甚至能够区分入库货物的批次、所属项目并实现集装箱级别的细粒度记录。此外，随着RFID与物联网传感器在整个制造流程中的快速普及，目前大多数先进跟踪系统也开始依靠先进的传感器以获取关于每批货物的更多状态信息。沃尔玛方面就在推动一项试点，旨在研究如何利用RFID简化配送中心的货品跟踪性能，并将效率提升至手动操作的16倍。

7. 借助AI与机器学习组合优化可生物降解农药的正确混合比例并仅在必要时使用，进而降低运营成本并提高单位田地产量。

通过将智能传感器与无人机视觉数据流结合使用，农业AI应用现在可以检测出种植区内病虫害最严重的区域。以此为基础，再使用监督式机器学习算法，农业专家即可确定农药的最佳组合，有效控制有害生物威胁、阻止其进一步扩散并感染其他健康农作物。

8. 根据农作物单产率确定总产量，借此制定合理有效的农作物定价策略。

准确把握农作物的收成率与质量水平，有助于农业企业、合作社以及农民更好地制定定价策略。考虑到市场对于特定作物的总体需求基本恒定，各方可以根据作物的收成选择固定售价、统一售价乃至弹性售价等策略。单凭这些数据，每年就能为农业企业消除数百万美元损失。

9. AI可帮助农民查找灌溉系统中的渗漏点，优化系统效能并衡量如何调整灌溉频率以提高农作物产量。

在北美很多地区，水都是最为稀缺的资源之一，甚至直接决定着以务农为生的整个社群的生活走向。高效利用水资源，也许能够让一家农场扭亏为盈、起死回生。通过线性编程，我们可以快速计算出特定田地或农作物达到理想产量水平时所需要的最佳水量。监督式机器学习算法则可以确保田地与农作物获得足够的水分以优化产量，但又不致过度浪费这种宝贵资源。

10. 监控并保持牲畜的健康状况——包括生命体重、日常活动水平以及食物摄入量——已经成为AI与机器学习的全新应用阵地。

要保证长期为牲畜提供良好照料，我们必须随时了解各类牲畜对于当前饮食及居住条件的实际反应。利用AI与机器学习技术，农业专家能够理解哪些因素决定着奶牛们的情绪，并通过适当调整提高奶牛们的产奶量。对于以牛及其他家畜为主体的畜牧行业，新兴技术的介入为牧场们开辟新的利润空间带来了前所未有的新方向。