AI在農業領域的應用落地！

 Datawhale活動 

方向：智慧農業，組織方：百度

是時候，關注智慧農業這條“難且正确”的道路了。      

在不斷變化、機遇與危機并存的商業社會中，農業一直算不上“熱點”。但伴随國務院下發的關于農業的一号檔案，及疫情黑天鵝引發的持續影響。農業的颠覆和重構正在形成一個産業新風口。

在科技的賦能下，中國農業發展正經曆由傳統農業向數字農業的轉型新階段，發展數字農業是18億畝農田的精細化管理需求，也是鄉村振興戰略實施的基礎。各大網際網路企業及産業龍頭持續重倉農業，當智慧農業的技術手段開始走向規模化應用，是時候将視角聚焦到智慧農業這條“難且正确”的路上了。

政策加持，等風來！

世界農業在經曆了以矮稈品種為代表的第一次綠色革命、以動植物轉基因為核心的第二次綠色革命之後，随着現代資訊技術與農業的深度融合發展，農業的第三次革命——”農業數字革命”正在到來。

2014年，我國提出“智慧農業”概念，2016年“智慧農業”首次被寫入“中央一号檔案“，此後每年中央都會出台新的政策規劃鼓勵智慧農業的發展。到今年1月，第18個關于農業的”中央一号檔案“明确十四五的兩個開好局，強調要強化現代農業科技和物質裝備支撐，着力建構現代鄉村産業體系、現代農業經營體系，推進農業綠色發展。

伴随着現代資訊技術在農業領域的滲透，如傳感器技術、計算機技術、無線網絡技術等現代技術紛紛融合進入了傳統農業的各個環節中，推動傳統農業向資訊化、自動化與智能化發展，有效改善農業發展的綜合性環境，提升農業生産經營效率。人工智能技術正在資訊感覺、定量決策、智能控制、精準投人、可視化遠端診斷、遠端控制、災害預警等方面幫助農業更高效、更合理地利用農業資源、提高農作物産量和品質、降低生産成本、改善生态環境，并幫助農業可持續發展。

AI+農業應用的技術難點

縱觀農業生産前中後的鍊路，存在截然不同的應用需求場景及專業方向。比如：上遊産前集中在生物技術層面，面向資訊化培育、生物育種、農藥化肥等；中遊生産集中在數字農業層面，面向農業大資料、農田監測、農業無人機等；以及下遊産後在消費層面的品質檢測、農産品加工、冷鍊物流等。

在長期對AI+農業的跟蹤報道及采訪中，圈内人對技術難點無外乎以下兩點：

1、農業資料采集比較困難；

2、每個農業客戶場景不同，需要定制化訓練。同時需要農業客戶和研發共同界定出對應的行業标準。

當然，這隻是籠統概述大部分智慧農業應用中遇到的難題。在實際業務推進中，可能還會衍生亟待解決的難題。此前京東方植物工廠在業務推進過程中，遇到了農業人才短缺、人工确認生産情況效率低下、無法大規模推廣應用等問題。百度利用視覺技術、飛槳EasyDL零門檻AI開發平台等對京東方植物工廠進行優化更新，并進行蟲害監控模型、生長影響因素模型等産品研發，将農業專家的經驗數字化、産品化，将專家頻繁确認的動作變成機器識别，極大地提高了專家的工作效率;通過高效準确的機器識别，起到提高産品品質和産量的效果。降低了不良品的産出，産量提高15%，生産物資(種子、基質、營養液)成本降低15%。

應用落地：害蟲識别&牛場無人監控解析

AI+農業方向落地的經典案例：害蟲識别、牛場無人監控來咯。

以往農業生産中，蟲情監測工作多是依靠專業技術人員完成的，往往需要耗費大量的人力、物力，而且無法滿足蟲情及時提供的需求。同時，還需關注到農藥使用的科學性和安全性，做到針對病蟲害的種類對症下藥，推進綠色防控。