2017年11月12日 星期日

INSIDE 硬塞的網路趨勢觀察 【農創松快跑】人工智慧混搭自動農機,會是未來農業的理想型嗎? 皇璽會 http://www.iwin688.com

讓我們先來看一段簡單的小故事:日本有位黃瓜農小池誠原本是車廠工程師,但他辭去了工作,回到老家幫父母經營小黃瓜農場。農場並不大,但日本各農場對於小黃瓜有不同的分類標準,小池家也一樣,光同品種的小黃瓜分類就可達 9 種之多,這讓他吃了不少苦頭。

於是他把腦筋動到人工智慧上,開始研究起 Google 的 TensorFlow 平台,搭配樹莓派 3 作為主控制器,並配一個相機拍攝照片。這些照片傳到 TensorFlow 平台後在一個小型的神經網路上運行,以判斷是否是小黃瓜。之後,已經被判定為小黃瓜的照片接著傳輸到一個更大的基於 Linux 伺服器的神經網路,來對小黃瓜按照不同的特質進行分類。

在突破初期的失敗後,小池打造了一台成本不到 10 萬日圓,任何人都可以快速上手的自動分裝機,還把這套系統的程式碼開源釋出到了 GitHub 上.....

前一篇文章中我們已經介紹了物聯網+大數據的智慧農業進行式;但其實農業科技就跟主流科技領域一樣,即將被「大數據的下一步」,也就是以機器學習為首的人工智慧技術所席捲。

而且比起其他產業,農漁畜牧面臨的挑戰更加嚴峻。如今世界人口約為 72 億,其中有 7.8 億人生活水準低落,面臨結構性飢餓威脅,但到了 2050 年全球人口就會高達 90 億,這表示人類所生產的糧食總熱量需要增加 60%;如果再把肉類來源家畜消耗的糧食計算下去,這些糧食總熱量初估就會達到 103%;但相較之下,農業可用面積在這 33 年內最多只增加 4%。

因此有許多人認為,人工智慧就是耕地資源有限的情況下增加農業的產出,同時確保持續發展性的有力解答之一;跟著人工智慧一起發展的,還有「農機全自動化」的趨勢。本篇文章我們會介紹幾個實際案例,帶大家多了解人工智慧運用在農業的無窮潛力。

AI 最成熟的視覺識別,已在農業開始發威

每年約有市值 40 億美元的蘋果在美國採收、販售,因此蘋果在美國農業佔有一席之地;同時,AI 與全自動機器人正猛烈衝擊著蘋果農業,美國農機新創公司 Abundant 就發明了「採蘋果機器人」,它具有經機器學習調教過的視覺演算法,能精準判斷每一個蘋果,從摘取到輕放在採收箱裡,整套流程的準確率基本上已經跟人類無異,甚至可以用一台抵數十人的速度工作。

另一間 NatureSweet 農業新創公司更嘗試使用 AI 來監測番茄的生長過程,透過溫室中安裝的攝影機,他們獨特的演算法可以辨別出番茄是否出現病蟲害、枯萎的視覺線索,並即時通報農民病害已開始發生。相較於之前農民每週一次花時間人工巡查,這種方法顯然有效得多。甚至,他們現在已開始著手撰寫視覺識別番茄是否成熟的演算法。

快速改變農業面貌的自動機械

有鑒於微型 MEMS 感應器(包含加速度計,陀螺儀,磁力計和壓力感測器)、小型 GPS 模組與處理晶片越來越成熟,農業無人機的價格也越來越便宜,對農民來說可謂一大福音,並深具徹底改造整個產業的潛力。而在台灣,運用無人機噴灑農、肥用藥,巡視田地已不是太新鮮的事情。根據上下游的報導,國內易圖科技研發的無人直升機噴藥 10 分鐘就能噴 1 甲地的農藥,一天最多可噴 12-15 甲,是傳統人力的三到四倍,而且能有效省藥,就連注重葉背的絲瓜也能靠氣流擾動順利施藥。

但無人機不是只能施藥撒肥。美國許多葡萄酒莊現在已經採用帶有高光譜攝影機的無人機,從紅外線以及可見光譜中收集資料,拍攝出健康植物與病害植物範圍的空拍掃描圖,其精細到就連用眼睛看都不明顯的害蟲、真菌感染等病變植株都能辨別。相信敏感一點的讀者也猜到了:這套紅外線判別植株健康的視覺辨識系統,正是機器學習結合無人機的另一好案例。

而在最熱門的「自動駕駛」部分,當 2017 年各國政府與廠商都還在致力實現讓無人車上路駕駛之前,Kinze 這間大型農機企業早在 2012 年就參考 Google 的自駕系統打造出自動農耕、收割機,只要在耕作時把會遇到的狀況與田地資訊一同輸入 GPS 系統,拖拉機會根據 GPS 系統紀錄指示行駛,依循前方進行紅外線掃射,以避免撞上障礙物;大型農機企業久保田也宣布,將於 2020 年推出能夠「一鍵完全自動」的農業機械,幫助解決日本越來越嚴重的農村勞力老齡化問題。

人工智慧在農業的挑戰

雖然人工智慧能已經成為科技界的中流砥柱,我們上述也介紹了不少人工智慧與自動機械在農業方面的運用。但事實上,大多主要的農企業、設備製造商和服務提供商還沒有在農業中大力推行人工智慧。

在技術上最大的挑戰之一就是農業資料其實收集極為不易。我們知道,AI 就是大數據的「下一步」,需要大量的數據來正確地訓練演算法。雖然在地理、天氣等部分資料相對完善,但關於作物本身的大部分數據只能在每年的生長季節獲得一至二次,比起其他領域,顯然農業的資料積累要花上更多時間;而且其資料源不像科技、工業或網路圈,其使用、所有權方面的透明度與共享程度更加困難。

*本文為行政院農業委員會廣告

「今天不挖土,我們挖資料」農業創新黑客松 Farm Hackathon 熱烈報名中!

農創松| 活動官網

農創松| 活動報名

延伸閱讀:



from INSIDE 硬塞的網路趨勢觀察 http://ift.tt/2iRBvVj










沒有留言:

張貼留言