在過(guò)去幾年里，機(jī)器學(xué)習(xí)與其他大數(shù)據(jù)技術(shù)和先進(jìn)計(jì)算一起發(fā)展，改變了世界各地的行業(yè)，農(nóng)業(yè)也不例外。

 

　　隨著機(jī)器學(xué)習(xí)的進(jìn)步，農(nóng)業(yè)中的機(jī)器學(xué)習(xí)已經(jīng)能夠解決該行業(yè)遇到的許多問(wèn)題。
 

　　企業(yè)只有在決策上不斷超越競(jìng)爭(zhēng)對(duì)手，才能取得成功，農(nóng)業(yè)也不例外。通過(guò)在農(nóng)業(yè)中的機(jī)器學(xué)習(xí)，農(nóng)民現(xiàn)在可以獲得更先進(jìn)的數(shù)據(jù)和分析工具，從而促進(jìn)更好的決策、提高生產(chǎn)力，并減少糧食和燃料生產(chǎn)中的浪費(fèi)，同時(shí)減少不利的環(huán)境影響。
 

　　機(jī)器學(xué)習(xí)如何適合農(nóng)業(yè)?
 

　　在高精度算法的輔助下，“智能農(nóng)業(yè)”的理念不斷發(fā)展，提高了農(nóng)業(yè)的效率和生產(chǎn)力。機(jī)器學(xué)習(xí)是一門科學(xué)分支，允許機(jī)器在沒(méi)有明確編程的情況下進(jìn)行學(xué)習(xí)，這是其背后的機(jī)制。為了在農(nóng)業(yè)組織環(huán)境中解開、分析和理解數(shù)據(jù)密集型過(guò)程開辟新的可能性，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。農(nóng)民現(xiàn)在可以根據(jù)支持機(jī)器學(xué)習(xí)的電子創(chuàng)新，使用農(nóng)場(chǎng)中的傳感器，預(yù)測(cè)農(nóng)業(yè)產(chǎn)量和評(píng)估作物質(zhì)量，確定植物種類，并診斷植物疾病和雜草侵害。這似乎是不可想象的水平。在整個(gè)種植、生長(zhǎng)和收獲的過(guò)程中，機(jī)器學(xué)習(xí)在農(nóng)業(yè)中的作用非常突出。其從播種開始，經(jīng)過(guò)土壤測(cè)試、種子育種和供水測(cè)量，最后由機(jī)器人收集收獲并使用計(jì)算機(jī)視覺(jué)評(píng)估其成熟程度。如今，若是沒(méi)有機(jī)器學(xué)習(xí)技術(shù)的幫助，農(nóng)民可以獲得的數(shù)據(jù)量是壓倒性的。ML可以迅速評(píng)估大量的數(shù)據(jù)，并在這些數(shù)據(jù)的幫助下推薦最有利可圖的策略。例如，ML可以建議何時(shí)種植以防止病蟲害。數(shù)字農(nóng)業(yè)的優(yōu)勢(shì)是合理的，其可以幫助種植者做出最佳的投入決策，以提高產(chǎn)量和利潤(rùn)。此外，還可以幫助農(nóng)民逐個(gè)田地確定實(shí)際費(fèi)用，而不僅僅是整個(gè)農(nóng)場(chǎng)的實(shí)際費(fèi)用。
 

　　近年來(lái)，機(jī)器學(xué)習(xí)在農(nóng)業(yè)領(lǐng)域得到了廣泛的發(fā)展。以下是其在農(nóng)業(yè)中的應(yīng)用：
 

　　●物種繁育與識(shí)別
 

　　物種選擇的艱難過(guò)程需要尋找能夠保證對(duì)水和營(yíng)養(yǎng)物質(zhì)有效反應(yīng)的特定基因。理想的植物品種將能夠抵御氣候變化、抗病、更多的營(yíng)養(yǎng)和更好的味道。
 

　　為了徹底調(diào)查作物性能，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(lái)創(chuàng)建一個(gè)概率模型，預(yù)測(cè)哪些性狀會(huì)給植物帶來(lái)理想的遺傳優(yōu)勢(shì)。
 

　　作物的物種鑒定通常是通過(guò)簡(jiǎn)單的比較來(lái)進(jìn)行的，比如葉子的顏色和形狀。利用更先進(jìn)的方法，例如在葉脈形態(tài)的幫助下評(píng)估樹葉，機(jī)器學(xué)習(xí)使我們能夠以一種更復(fù)雜、準(zhǔn)確和快速的方式評(píng)估植物。
 

　　●水土管理
 

　　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，以了解生態(tài)系統(tǒng)過(guò)程及其對(duì)農(nóng)業(yè)的影響。
 

　　土壤中的缺陷可以通過(guò)ML策略來(lái)解決。例如，機(jī)器學(xué)習(xí)技術(shù)可以幫助農(nóng)民保持最佳的無(wú)機(jī)氮量。通過(guò)氮模型預(yù)測(cè)土壤和環(huán)境中的氮循環(huán)，指導(dǎo)農(nóng)民達(dá)到最佳水平。軟件模擬可以檢測(cè)氮是否可用，并確定何時(shí)向土壤中添加氮。此外，其還可以在氮含量過(guò)多時(shí)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，這要?dú)w功于基于ML的應(yīng)用程序。其可以估算每日、每周或每月的蒸發(fā)量，并預(yù)測(cè)每日露點(diǎn)溫度，這有助于預(yù)測(cè)預(yù)期的天氣事件并計(jì)算蒸散發(fā)量和蒸發(fā)量。
 

　　●產(chǎn)量預(yù)測(cè)與作物質(zhì)量
 

　　精準(zhǔn)農(nóng)業(yè)最重要和最著名的領(lǐng)域之一是產(chǎn)量預(yù)測(cè)，其中包括產(chǎn)量的測(cè)繪和評(píng)估、作物供需匹配以及作物管理?，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(jué)技術(shù)即時(shí)提供數(shù)據(jù)，并對(duì)作物、天氣和經(jīng)濟(jì)狀況進(jìn)行全面的多維度分析，為農(nóng)民和廣大公眾實(shí)現(xiàn)產(chǎn)量最大化。
 

　　準(zhǔn)確識(shí)別和分類農(nóng)產(chǎn)品質(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)器可以利用看似毫無(wú)意義的數(shù)據(jù)和連接，來(lái)揭示和發(fā)現(xiàn)有助于作物整體質(zhì)量的新屬性。
 

　　●疾病和雜草檢測(cè)
 

　　為了防治疾病，必須在作物地區(qū)噴灑大量殺蟲劑，這往往造成高昂的經(jīng)濟(jì)成本和相當(dāng)大的環(huán)境影響。在使用一般精準(zhǔn)農(nóng)業(yè)管理時(shí)，ML是根據(jù)時(shí)間、地點(diǎn)和將受到影響的植物，有針對(duì)性地使用農(nóng)藥。
 

　　雜草對(duì)農(nóng)作物的生長(zhǎng)構(gòu)成嚴(yán)重威脅。雜草很難與作物區(qū)分開來(lái)，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(jué)和機(jī)器學(xué)習(xí)算法可以以最少的費(fèi)用和對(duì)環(huán)境沒(méi)有負(fù)面影響，增強(qiáng)雜草的識(shí)別和辨別能力。這種技術(shù)的未來(lái)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。
 

　　●畜牧生產(chǎn)和動(dòng)物福利
 

　　為了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)，機(jī)器學(xué)習(xí)能夠?qū)r(nóng)業(yè)方面進(jìn)行精確的預(yù)測(cè)和預(yù)測(cè)。例如，在屠宰前150天，體重預(yù)測(cè)系統(tǒng)可以預(yù)測(cè)未來(lái)的體重，使農(nóng)民能夠相應(yīng)地調(diào)整其飲食和環(huán)境因素。
 

　　如今的牲畜越來(lái)越被視為在農(nóng)場(chǎng)生活中不快樂(lè)和疲憊不堪的動(dòng)物，而不僅僅是作為食物載體。動(dòng)物的運(yùn)動(dòng)模式，如站立、移動(dòng)、進(jìn)食和飲水，可以確定動(dòng)物面臨的壓力有多大，并預(yù)測(cè)其對(duì)疾病的易感性、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)整的需要聯(lián)系起來(lái)。
 

　　●模型使用
 

　　農(nóng)業(yè)機(jī)器學(xué)習(xí)不是什么神秘的噱頭或魔術(shù)。相反，這是一組精心設(shè)計(jì)的模型，用于收集特定的數(shù)據(jù)，并采用方法論來(lái)獲得預(yù)期的結(jié)果。
 

　　人工神經(jīng)網(wǎng)絡(luò)(ANN)和支持向量機(jī)(SVM)是用于農(nóng)業(yè)的兩種非常流行的機(jī)器學(xué)習(xí)模型。
 

　　ANN是生物神經(jīng)網(wǎng)絡(luò)的模型，可以模擬復(fù)雜的活動(dòng)，如模式生產(chǎn)、推理、學(xué)習(xí)和判斷。其靈感來(lái)自于人類大腦的運(yùn)作方式。
 

　　SVM是使用線性分離超平面將數(shù)據(jù)實(shí)例劃分為類別的二進(jìn)制分類器。聚類、回歸和分類都使用支持向量機(jī)進(jìn)行。它們?cè)谵r(nóng)業(yè)中被用來(lái)估計(jì)動(dòng)物產(chǎn)量和作物生產(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)器人不僅能提供數(shù)字，還能評(píng)估數(shù)據(jù)，就復(fù)雜問(wèn)題向農(nóng)民提供咨詢，因此預(yù)計(jì)會(huì)比面向消費(fèi)者的Alexa和類似助手更智能。
 

　　總結(jié)
 

　　機(jī)器學(xué)習(xí)的突破具有不可思議的潛力，就像軟件一樣。農(nóng)業(yè)科學(xué)家正在更大規(guī)模地檢驗(yàn)其理論，并協(xié)助開發(fā)與作物有關(guān)的更精確、實(shí)時(shí)的預(yù)測(cè)模型。農(nóng)業(yè)中的機(jī)器學(xué)習(xí)有能力為維持世界人口、應(yīng)對(duì)氣候變化和保護(hù)自然資源提供更多的解決方案。
 

　　目前，機(jī)器學(xué)習(xí)解決方案專注于特定問(wèn)題，但隨著自動(dòng)數(shù)據(jù)收集、分析和決策進(jìn)一步集成到互聯(lián)系統(tǒng)中，許多農(nóng)業(yè)活動(dòng)將轉(zhuǎn)變?yōu)楸娝苤闹R(shí)型農(nóng)業(yè)，這將能夠提高產(chǎn)量和產(chǎn)品質(zhì)量。