有數(shù)據(jù)顯示，農(nóng)業(yè)領域人工智能技術和解決方案方面的支出預計將從2020年的10億美元增長到2026年的40億美元；到2025年，全球在智能、互聯(lián)農(nóng)業(yè)技術和系統(tǒng)（包括人工智能和機器學習）上的支出預計將使收入增加兩倍，達到153億美元。

當前，農(nóng)民、合作社和農(nóng)業(yè)發(fā)展公司正在加倍使用以數(shù)據(jù)為中心的方法，并擴大他們使用人工智能和機器學習來提高農(nóng)業(yè)產(chǎn)量和質量的范圍和規(guī)模。以下是人工智能在2021年有潛力改善農(nóng)業(yè)的10種方式：

1. 使用基于人工智能和機器學習的監(jiān)控系統(tǒng)來保護農(nóng)田。通過智能攝像機實時監(jiān)控每個農(nóng)田，識別動物或人的違規(guī)行為，并立即發(fā)送警報，從而降低家養(yǎng)和野生動物意外毀壞莊稼或在偏遠農(nóng)場遭遇入室盜竊的可能性，達到保護自己的田地和建筑物的周邊的效果。

2. 人工智能和機器學習通過實時傳感器數(shù)據(jù)和無人機的視覺分析數(shù)據(jù)提高預期作物產(chǎn)量。智能傳感器和提供實時視頻流的無人機捕捉到大量數(shù)據(jù)，為農(nóng)業(yè)專家提供了全新的數(shù)據(jù)集，包括土壤水分、肥料和自然營養(yǎng)水平，專家們可以用之來分析每一種作物隨時間的生長模式，使作物產(chǎn)量在各項約束條件內達到最大化。

3. 產(chǎn)量映射是一種農(nóng)業(yè)技術，它依賴監(jiān)督學習算法在大規(guī)模數(shù)據(jù)集中尋找模式，并實時理解它們的正交性。通過結合機器學習技術來分析3D地圖、來自傳感器的環(huán)境狀況數(shù)據(jù)以及基于無人機的土壤顏色數(shù)據(jù)，農(nóng)業(yè)專家現(xiàn)在可以預測給定作物的潛在土壤產(chǎn)量。

4. 將無人機數(shù)據(jù)與地面?zhèn)鞲衅飨嘟Y合，以改善害蟲管理。利用無人機的紅外攝像數(shù)據(jù)，再結合田間傳感器，可以監(jiān)測植物的相對健康水平，使用人工智能的農(nóng)業(yè)團隊可以在害蟲大規(guī)模泛濫之前預測和識別蟲害。

5. 智能拖拉機、農(nóng)業(yè)機器人成為許多難以找到工人的偏遠地區(qū)農(nóng)業(yè)作業(yè)的可行選擇。如今，農(nóng)業(yè)工人短缺，使用機器人來種植數(shù)百英畝的農(nóng)作物，將肥料分配到每行作物上，有助于解決勞動力不足的問題，并進一步降低運營成本、提高農(nóng)田產(chǎn)量，同時也為偏遠地區(qū)提供了一定的安全保障。

6. 改善農(nóng)業(yè)供應鏈的跟蹤和可追溯性。一個最先進的跟蹤系統(tǒng)可以區(qū)分入境裝運的批次和集裝箱級別的材料分配，可預見性的減少庫存收縮。制造業(yè)正在廣泛使用RFID和物聯(lián)網(wǎng)傳感器，以提高配送中心跟蹤溯源性能的效率。

7. 優(yōu)化生物可降解農(nóng)藥的正確組合，并將其應用限制在需要處理的領域。通過使用智能傳感器與無人機的可視數(shù)據(jù)流相結合，農(nóng)業(yè)人工智能應用可以檢測種植區(qū)感染最嚴重的區(qū)域。利用監(jiān)督學習算法，他們可以確定殺蟲劑的最佳組合，以削減害蟲進一步蔓延和感染健康作物的威脅。

8. 基于產(chǎn)量的作物價格預測有助于預測總產(chǎn)量?？紤]對某一特定作物的總需求，以確定某一特定作物的價格彈性曲線是無彈性的、單一的還是高彈性的，以此決定定價策略將是什么。單單了解這些數(shù)據(jù)，每年就可以為農(nóng)業(yè)企業(yè)節(jié)省數(shù)百萬美元的收入損失。

9. 優(yōu)化灌溉系統(tǒng)。線性規(guī)劃通常用于計算給定農(nóng)田或作物達到可接受的產(chǎn)量所需的最佳水量。有監(jiān)督的機器學習算法是理想的，可以確保農(nóng)田和作物獲得足夠的水，以優(yōu)化產(chǎn)量，而不會在過程中浪費任何水。

10. 監(jiān)測牲畜的健康。利用人工智能和機器學習來了解是什么讓奶牛每天都爭強斗強、開心快樂，生產(chǎn)更多的牛奶是至關重要的。對于許多依靠奶牛和牲畜為生的農(nóng)場來說，這一領域為農(nóng)場如何變得更有利可圖開辟了全新的視野。
責任編輯：YYX