吴恩达最近在接受媒体采访时预测，下一波创造价值的浪潮将出现在农业设备公司。对于业界来说，他们需要花时间和精力去尊重农业的特定规律，要使 AI 在该领域产生真正的影响，需要更多的努力，技能和资金来测试这些技术。虽然 AI 正在传达如何理解环境的许多信息，但距离完全借助机器的认知能力来预测农业等领域的关键结果，还很遥远。

2011 年，IBM 就曾借助位于以色列海法的研发总部启动了一个农业云计算项目。当时团队相信算法农业完全可能，结果，公司的农业项目要么被关闭要么被缩小规模。IBM 最终意识到为农业生产提供认知机器学习解决方案比他们想象的要困难得多。最重要的原因在于农业是统计量化中最难控制的领域之一，了解如何管理农业环境意味着要考虑数百甚至数千个因素。而大多数情况下，没有两个环境会完全相同，这使得先进技术的测试，验证和成功部署比大多数其他行业更加费力。

农业是国民经济的基础产业。2016 年，美国的农业预计增加值接近 GDP 的 1%。美国环境保护署（Environmental Protection Agency）估计每年农业可贡献 3300 亿美元财政收入。气候变化、人口增长及食品安全等因素倒逼农业寻找更加创新的方法以保护和提高农作物产量。所以，人工智能很自然地出现在农业技术进化的进程中。

基于我们开展的调查研究，当前农业领域最受欢迎的人工智能应用主要分为以下三类：

农业机器人──相关公司致力于开发及编程自动机器人以解决基础农业作业，如农作物收割（较于人工方式，其产量更大且速度更快）。

农作物及土壤检测──相关公司运用计算机视觉及深度学习算法处理由无人机与/或基于软件的技术所采集的数据以检测农作物及土壤健康程度。

预测分析──相关公司运用机器学习模型追溯及预测各类环境因素（如气候变化）对于农作物产出的影响。

农业机器人

Blue River Technology ──杂草控制

  由于除草剂抗性愈发司空见惯，杂草控制能力既是农场主的头等大事，也是从古至今的一项挑战。今天，预计有 250 类杂草具备除草剂抗性。美国杂草科学学会（Weed Science Society of America）开展的一项关于未控制杂草对于棉花及大豆产量影响的研究指出，预计杂草每年引起的损失可达到 430 亿美元。

  目前，一些公司应用自动化及机器人技术以帮助农场主寻找更加有效的方式保护农作物免受杂草侵害。Blue River Technology 开发了一款名为 See & Spray 的机器人。报道称，See & Spray 运用计算机视觉监测棉花植株，实现精准喷洒除草。精准喷洒能帮助预防除草剂抗性。下面的短视频展示了机器人的工作过程：

视频地址：

http://v.youku.com/v_show/id_XMzAxMjQ0OTM2MA==.html

据 Blue River Technology 官网介绍，公司掌握的精度技术可去除普通喷洒模式下农作物上 80% 残留化学物质，降低 90% 除草剂费用。据估计，美国全年的杀虫剂支出约为 1 亿英磅。

2017 年 9 月，领先的农业设备制造商 John Deere 宣布成功收购 Blue River Technology。（据报道，收购金额为 3.05 亿）John Deere 表示，Blue River Technology 公司及老员工将继续待在桑尼维尔州，并希望其能够继续发展。

Harvest CROO Robotics──农作物收割

此外，自动化技术始终助力于劳动力解放。从 2014 年至 2024 年，农业产业中农业工人供应数量预期将减少 6%。Harvest CROO Robotics 研发了一款帮助农场主采摘及包装草莓的机器人。据报道，劳动力缺失将给关键农业地区（如加利福尼亚和亚利桑那）带来每年数百万美元的财政收入损失。佛罗里达州的希尔斯伯勒县（被称为全美冬季草莓之都）每季草莓收割面积约为 10000 亩至 11000 亩。

Harvest CROO Robotics 表示其机器人单日收割面积达到 8 亩，可替代 30 名农业工人。在下面的短视频中，公司团队提供了一段机器人的工作演示：

由于劳动力需求趋于最高，工资、薪酬及劳务费用估计占农场（如水果与蔬菜等农作物）成本的 40%。2017 年 6 月，Wish Farms（总部位于佛罗里达）宣布将于当年夏天使用 Harvest CROO Robotics 草莓采摘机器人。Wish Farms 表示，采摘车可横跨「6 个植物床」且「携带 16 台机器人」。至今为止，Harvest CROO Robotics 据报道已从投资人及农场（规模占全美草莓生产的 20%）融资 280 万美元。

农作物及土壤健康监测

PEAT──基于机器视觉的虫害/土壤缺陷诊断

  去森林化及土壤质量降级问题始终是食品安全的重要威胁，对于经济也有负面影响。从国内来看，美国农业部（USDA）估计每年土壤侵蚀的成本约为 440 亿美元。

  PEAT（总部位于柏林的农业技术初创公司）开了一款名为 Plantix 的深度学习应用。据报道，Plantix 能识别土壤的潜在缺陷及营养不良。软件算法针对特定植物模式与某些土壤缺陷及植物病虫害展开相关性分析。这款图像认知应用能通过用户手中智能手机的摄像头采集的图像识别潜在缺陷。如下面视频所示，Plantix 会向用户提供土壤修复技术、建议及其他可行解决方案：

PEAT 表示 Plantix 能快速实现模式检测，预计准确率高达 95%，并于近日宣布其国际客户群已超过 50 万人。PEAT 在其官网对合作伙伴及客户表达了诚挚感谢，但并未公开具体的案例研究。由于缺少客户农场规模的具体细节，我们无法确认 Plantix 是否能够应用于较大规模的农场。竞争对手 CropDiagnosis 似乎在其应用中也构建了一个相似的模型。

Trace Genomics──基于机器视觉的土壤缺陷诊断

  与 Plantix 相似， Trace Genomics（总部位于加利福利亚）向农场主提供土壤分析服务。领投人 Illumina 帮助 Trace Genomics 开发了一个基于机器学习的系统──能够让客户对土壤优劣有较为清楚的认识，重点关注预防农作物缺陷及提升健康农作物产量的潜力。

  据公司官网宣传，用户首先向系统提供土壤样本，而后就能获得土壤成分的深度总结。该服务以产品包形式供用户挑选，包括病原体筛选（以细菌及真菌为主）及复合微生物评估。如下面视频所示，土壤 DNA 分析也是 Trace Genomics 系统的核心。

SkySquirrel Technologies Inc.──基于无人机与计算机视觉的农作物分析

  据报道，农用无人机应用可追溯到上世纪 80 年代──日本率先使用无人机喷洒农药。预计到 2027 年，农用无人机的市场规模将达到 4.8 亿美元。如今，越来越多的公司开始将人工智能与航天技术应用于农作物健康监测。

  多家公司将无人机技术应用于葡萄园，SkySquirrel Technologies Inc. 是其中之一。SkySquirrel 致力帮助用户改善农作物产出，降低成本。用户预先规划无人机飞行路径。当部署完成后，无人机将运用计算机视觉记录图像以用于后期分析。当无人机完成飞行路径后，用户可通过 USB 接口将无人机与电脑连接，把采集数据上传至云端。

  SkySquirrel 运用各类算法合成与分析采集的图像与数据，提供一份关于葡萄园健康状态的详情报告，而该报告可详细到所有葡萄树树叶的状态。由于树叶是葡萄树病害（如霉菌和细菌）的晴雨表，阅读树叶的「健康状态」通常是全面掌握植物及果实健康状态的一种绝佳途径。

  SkySquirrel 声称其技术能够在 24 分钟内完成 50 亩土地的扫描工作，提供的数据分析准确度高达 95%，但其官网上并未公布任何具体用户案例。

视频地址：https://v.qq.com/x/page/z08220lw0hn.html

预测分析

AWhere──基于卫星的天气预测及农作物可持续性分析

  aWhere（总部位于科罗拉多）运用机器学习算法与卫星预测天气情况、分析农作物可持续性分析及评价农场当前病虫害。例如，每日天气预测基于客户需求完成定制，范围从局部地区扩展到全球范围。公司官网所列出的客户类型包括农场主、农作物咨询专家及研究血症。年初，我们报道了人工智能在天气预测中的应用，但是下面的视频清晰地描述了其使用的基础技术。如3分钟视频所示，aWhere表示其专注于提供快速且持续更新的高质量数据：

视频地址：https://v.qq.com/x/page/e0611ghrzpx.html

此外，aWhere 还表示其可为用户提供日超 10 亿个农业数据点的数据使用。数据来源包括温度、降水量、风速及日光照射时长。「此外，还可提供任何农业用地的历史数据对比。」aWhere 似乎并没有在官网上提供任何案例研究。虽然公司博客重点介绍了软件应用示例，但还不清楚有多少客户购买了 aWhere 服务且服务对于产出的实际影响。

FarmShots──基于卫星的农作物健康及可持续性监测

  FarmShots（总部位于北卡罗那州罗利）是另一家关注于农业数据分析的初创公司，其数据来源与卫星与无人机的图像采集。具体来说，FarmShots 致力解决「农场防病虫害及贫瘠植被营养」。例如，FarmShots 称其软件可精确告知用户哪里需要施肥，且能将施肥量降低近 40%。用户可通过移动设备购买该软件。40 秒的介绍片展示了该软件如何使用采集数据生成报告。

视频地址：https://v.qq.com/x/page/r0822hxh0yl.html

  2017 年 4 月，FarmShots 与合作伙伴 Planet 宣布 John Deere 的客户能够有限免费使用其产品至当年 7 月。此次合作也曝露了 John Deere 涉足农业技术领域的意愿。FarmShots 并未在官网上公布任何具体客户或使用案例。

总结与思考

人工智能驱动的技术逐渐展露头角，帮助农业提高效率、应对挑战（如包括农作物产出、土壤健康及除草剂抗性）。

  农业机器人也准备好成为人工智能在农业领域中极度重要的应用。乳品加工业出现大规模应用的迹象，数以千计的挤奶机器人已投入使用。到 2023 年，该细分领域的市场规模预期从 19 亿美元激增到 80 亿美元。未来三五年，农业机器人可能被开发以完成复杂多样的任务。

  伴随着气候变化的持续研究及评价，农作物及土壤监测技术将同样成为重要应用。Science 上的一项研究调查写道：从 1980 年至 2008 年，气候变化导致全球玉米与小麦分别减产 3.8% 与 5%。如无人机、卫星等技术每天可采集的数据能够赋予农业产业预测变化与甄别机会的新能力。我们预测：未来 5 至 10 年内，卫星机器视觉应用（用途包括天气预测、农作物健康检测及农作物产出预测等）将在大型工业化农场中愈发普遍。

  农场主的硬件设备及应用培训始终与最新发展保持同步，对于确保技术实践及持续改善十分重要。从长远角度看，这将证明上文提及工具的实际价值。此外，由于环境因素对于农业的影响，农业领域中新兴人工智能技术应用的大量测试与验证将成为关键──农业的环境因素无法控制，而其他产业的风险因素易于建模及预测。期望农业产业继续坚持运用人工智能。我们也将做好趋势追踪。