“智能農(nóng)業(yè)”的理念在高精度算法的幫助下不斷發(fā)展，提高了農(nóng)業(yè)的效率和生產(chǎn)力。機(jī)器學(xué)習(xí)是一個(gè)科學(xué)的分支，它背后的機(jī)制是允許機(jī)器在沒有明確編程的情況下學(xué)習(xí)。機(jī)器學(xué)習(xí)與大數(shù)據(jù)技術(shù)和強(qiáng)大的計(jì)算機(jī)一起發(fā)展，以解決、分析和理解農(nóng)業(yè)組織環(huán)境中數(shù)據(jù)密集過程的新可能性。目前，農(nóng)民可以利用農(nóng)場(chǎng)傳感器，預(yù)測(cè)農(nóng)業(yè)產(chǎn)量，評(píng)估農(nóng)作物質(zhì)量，根據(jù)支持機(jī)器學(xué)習(xí)的電子創(chuàng)新，確定植物種類，診斷植物疾病和雜草侵害。那似乎是一個(gè)難以想象的水平。機(jī)器學(xué)習(xí)在整個(gè)種植、生長(zhǎng)和收獲過程中，在農(nóng)業(yè)中發(fā)揮著重要作用。它從播種開始，通過土壤測(cè)試、種子育種和供水測(cè)量，最終由機(jī)器人收集收獲，并通過計(jì)算機(jī)視覺評(píng)估其成熟度?，F(xiàn)在，如果沒有機(jī)器學(xué)習(xí)技術(shù)的幫助，農(nóng)民能得到的數(shù)據(jù)量是壓倒性的。在這些數(shù)據(jù)的幫助下，ML可以快速評(píng)估大量數(shù)據(jù)，并推薦最有利可圖的策略。舉例來說，ML可以推薦什么時(shí)候種植來預(yù)防病蟲害。數(shù)字化農(nóng)業(yè)的優(yōu)勢(shì)是合理的，它能幫助種植者做出最佳的投資決策，從而增加產(chǎn)量和利潤(rùn)。另外，還可以幫助農(nóng)民逐一確定實(shí)際費(fèi)用，而不僅僅是整個(gè)農(nóng)場(chǎng)的實(shí)際費(fèi)用。

近幾年，機(jī)器學(xué)習(xí)在農(nóng)業(yè)領(lǐng)域得到了廣泛的發(fā)展。下面是它在農(nóng)業(yè)中的應(yīng)用：

1、機(jī)器學(xué)習(xí)環(huán)境應(yīng)用之繁殖和識(shí)別物種。

物種選擇的艱難過程需要找到特定的基因，以確保對(duì)水和營(yíng)養(yǎng)物質(zhì)的有效反應(yīng)。理想的植物品種可以抵抗氣候變化、疾病、更多的營(yíng)養(yǎng)和更好的口感。

為了徹底調(diào)查農(nóng)作物的性能，機(jī)器學(xué)習(xí)使我們能夠從幾十年的田間數(shù)據(jù)中提取信息。這些數(shù)據(jù)被用來創(chuàng)建一個(gè)概率模型，預(yù)測(cè)哪些特征會(huì)給植物帶來理想的遺傳優(yōu)勢(shì)。

作物的物種識(shí)別通常是通過簡(jiǎn)單的比較來進(jìn)行的，比如葉子的顏色和形狀。借助葉脈形狀等更先進(jìn)的方法來評(píng)估樹葉，機(jī)器學(xué)習(xí)使我們能夠以更復(fù)雜、更準(zhǔn)確、更快捷的方式來評(píng)估植物。

2、機(jī)器學(xué)習(xí)環(huán)境應(yīng)用之水土管理。

為了了解生態(tài)系統(tǒng)過程及其對(duì)農(nóng)業(yè)的影響，機(jī)器學(xué)習(xí)算法檢查蒸發(fā)動(dòng)態(tài)、土壤濕度和溫度。

ML策略可以解決土壤中的缺陷。舉例來說，機(jī)器學(xué)習(xí)技術(shù)可以幫助農(nóng)民保持最佳的無機(jī)氮含量。通過氮?dú)饽Ｐ皖A(yù)測(cè)土壤和環(huán)境中的氮?dú)庋h(huán)，引導(dǎo)農(nóng)民達(dá)到最佳水平。該軟件模擬可檢測(cè)氮?dú)馐欠窨捎?，并決定何時(shí)在土壤中添加氮?dú)?。另外，?dāng)?shù)獨(dú)夂窟^高時(shí)，還可以通知農(nóng)民，以免損害作物。

灌溉系統(tǒng)的使用也可以更有效，這是由于基于ML的應(yīng)用。它可以估計(jì)每天、每周或每月的蒸發(fā)量，并預(yù)測(cè)每天的露點(diǎn)溫度，這有助于預(yù)測(cè)預(yù)期的天氣事件，計(jì)算蒸發(fā)量和蒸發(fā)量。

3、機(jī)器學(xué)習(xí)環(huán)境應(yīng)用之產(chǎn)量預(yù)測(cè)和作物質(zhì)量。

精確農(nóng)業(yè)最重要、最著名的領(lǐng)域之一是產(chǎn)量預(yù)測(cè)，包括測(cè)繪和評(píng)估產(chǎn)量、匹配農(nóng)作物供需和管理?，F(xiàn)代方法遠(yuǎn)遠(yuǎn)超出了基于歷史數(shù)據(jù)的簡(jiǎn)單預(yù)測(cè)，結(jié)合計(jì)算機(jī)視覺技術(shù)即時(shí)提供數(shù)據(jù)，全面多維分析農(nóng)作物、天氣和經(jīng)濟(jì)狀況，最大限度地發(fā)揮農(nóng)民和公眾的產(chǎn)量。

準(zhǔn)確識(shí)別和分類農(nóng)產(chǎn)品的質(zhì)量屬性可以提高產(chǎn)品價(jià)格，減少浪費(fèi)。與人類專家相比，機(jī)器可以使用看似毫無意義的數(shù)據(jù)和連接來揭示和發(fā)現(xiàn)有助于作物整體質(zhì)量的新屬性。

4、機(jī)器學(xué)習(xí)環(huán)境應(yīng)用之疾病及雜草檢測(cè)。

為了預(yù)防和治療疾病，必須在農(nóng)作物區(qū)噴灑大量殺蟲劑，這往往會(huì)導(dǎo)致高昂的經(jīng)濟(jì)成本和相當(dāng)大的環(huán)境影響。ML是一種根據(jù)時(shí)間、地點(diǎn)和會(huì)受到影響的植物，有針對(duì)性地使用農(nóng)藥的一般精確農(nóng)業(yè)管理。

雜草對(duì)莊稼的生長(zhǎng)構(gòu)成嚴(yán)重威脅。雜草很難與莊稼區(qū)分開來，這是雜草控制的最大挑戰(zhàn)。農(nóng)業(yè)中的計(jì)算機(jī)視覺和機(jī)器學(xué)習(xí)算法可以增強(qiáng)雜草的識(shí)別和辨別能力，成本最低，對(duì)環(huán)境沒有負(fù)面影響。該技術(shù)的未來模型將為除草機(jī)器人提供動(dòng)力，最大限度地減少對(duì)除草劑的需求。

5、機(jī)器學(xué)習(xí)環(huán)境應(yīng)用之畜牧業(yè)生產(chǎn)和動(dòng)物福利。

機(jī)器學(xué)習(xí)可以準(zhǔn)確預(yù)測(cè)和預(yù)測(cè)農(nóng)業(yè)，以最大限度地提高畜牧生產(chǎn)系統(tǒng)的經(jīng)濟(jì)效益，如牛和雞蛋的生產(chǎn)。比如屠宰前150天，體重預(yù)測(cè)系統(tǒng)可以預(yù)測(cè)未來的體重，讓農(nóng)民相應(yīng)調(diào)整飲食和環(huán)境因素。

如今，牲畜越來越被視為農(nóng)場(chǎng)生活中不快樂和疲憊的動(dòng)物，而不僅僅是食物載體。站立、移動(dòng)、吃飯、喝水等動(dòng)物的運(yùn)動(dòng)模式可以確定動(dòng)物面臨的壓力，預(yù)測(cè)其對(duì)疾病的敏感性、體重增加和生產(chǎn)力。動(dòng)物的咀嚼信號(hào)可以與食物調(diào)節(jié)的需要聯(lián)系起來。

6、機(jī)器學(xué)習(xí)環(huán)境應(yīng)用之模型使用。

學(xué)習(xí)農(nóng)業(yè)機(jī)器不是一個(gè)神秘的噱頭或魔法。相反，這是一個(gè)精心設(shè)計(jì)的模型，用來收集特定的數(shù)據(jù)，并采用方法論來獲得預(yù)期的結(jié)果。

人工神經(jīng)網(wǎng)絡(luò)(ANN)并且支持向量機(jī)(SVM)這是兩種非常流行的農(nóng)業(yè)機(jī)器學(xué)習(xí)模式。ANN是生物神經(jīng)網(wǎng)絡(luò)的模型，可以模擬模式生產(chǎn)、推理、學(xué)習(xí)和判斷等復(fù)雜活動(dòng)。它的靈感來自于人腦的運(yùn)行模式。

SVM是一種二進(jìn)制分類器，利用線性分離超平面將數(shù)據(jù)實(shí)例分類為類別。支持向量機(jī)用于聚類、回歸和分類。它們被用來估計(jì)農(nóng)業(yè)中的動(dòng)物產(chǎn)量和農(nóng)作物生產(chǎn)力和質(zhì)量。

此外，農(nóng)民聊天機(jī)器人正在開發(fā)中。這些機(jī)器人不僅可以提供數(shù)字，還可以評(píng)估數(shù)據(jù)，并向農(nóng)民提供復(fù)雜問題的咨詢。因此，預(yù)計(jì)它們會(huì)比面向消費(fèi)者的Alexa和類似助手更聰明。

機(jī)器學(xué)習(xí)的突破有著不可思議的潛力，就像軟件一樣。農(nóng)業(yè)科學(xué)家正在大規(guī)模檢驗(yàn)他們的理論，并幫助開發(fā)更準(zhǔn)確、更實(shí)時(shí)的與農(nóng)作物相關(guān)的預(yù)測(cè)模型。農(nóng)業(yè)機(jī)器學(xué)習(xí)有能力為維護(hù)世界人口、應(yīng)對(duì)氣候變化、保護(hù)自然資源提供更多解決方案。

當(dāng)前，機(jī)器學(xué)習(xí)解決方案主要集中在特定的問題上，但是隨著自動(dòng)數(shù)據(jù)收集、分析和決策的進(jìn)一步集成到互聯(lián)網(wǎng)系統(tǒng)中，很多農(nóng)業(yè)活動(dòng)都會(huì)轉(zhuǎn)變?yōu)橹闹R(shí)農(nóng)業(yè)，這樣可以提高產(chǎn)量和產(chǎn)品質(zhì)量。

標(biāo)簽：機(jī)器學(xué)習(xí),智能農(nóng)業(yè),AI人工智能,人工智能,智慧農(nóng)業(yè)