2015年，德国的农业科技公司PEAT推出了一款名为 Plantix 的深度学习应用。

我们可以将该应用理解为“农作物的网上医生”，农民们手机上下载了Plantix应用之后，只需要将受害庄稼的照片上传到Plantix，应用就能快速诊断出作怪的真菌和昆虫物种，并给出如何除害的建议。

Plantix给出的除害建议是从哪来的？答曰“人工智能”。Plantix可以主动识别图片中的病虫害种类，并且不断学习除害知识，从而成为一个防治病虫害领域的“***”。该***不仅知识丰富，更难得的是，它可以跨越时间和空间的限制，同时为全球各地农业提供技术支持，这是人类***所不具备的特点。

Plantix推出3年后，每个月被使用超过100万次，使用该软件***多的地区是印度、巴西和南非等农业规模较大、但农业技术支持相对落后的国家。

当然，在“人工智能+农业”领域，不仅只有国外公司在搞，我们国内的一些科技公司也瞄准了这一领域。例如腾讯公司，在2019年第二届国际智慧温室种植挑战赛中，就通过人工智能技术，成功种植出了亩产超人工种植4倍的黄瓜。而且，腾讯的这个人工智能农业系统，不仅可以替代人工进行体力劳动，也可以完全取代种植者的脑力劳动——在种植黄瓜的过程中，所有的生产决策都是由人工智能下达的。当时，腾讯公司的人在荷兰的大棚里安装好了整套系统的软件和硬件之后，就回到了中国，6个月之后，腾讯人工智能农业系统在61平方米的温室内，种出了6992斤黄瓜，平均每平方米114斤，产量足足是人工种植的5倍多。而且，这些黄瓜质量稳定、形状统一，普遍为重375g以上的A级优质瓜，很快就被抢购一空，***后一根还被AI团队做成了一道拍黄瓜。

除了腾讯之外，阿里也开始进入“人工智能+农业”领域，2018年6月7日，阿里正式发布“ET农业大脑”，通过人工智能指导农民播种、施肥和耕作，进行智慧选址，针对不同品种的果树选择***适宜的水土环境。除了种植业，阿里ET农业大脑还迈出了人工智能养猪***步。阿里云给每一头猪建立档案，包括品种、体重、进食情况、运动强度等，通过这些数据，对猪的行为特征、料肉比进行分析，大大提高了养猪效率。

目前，我们国家的“人工智能+农业”其实已经发展得如火如荼，覆盖了农业和经营的各个环节。

产前阶段，通过人工智能来进行育种选种、市场分析。

以前，我们种地都是习惯和经验使然，丰收歉收全凭天意。从这一刻开始，人工智能利用物联网获取的数据，不仅能监测水源，还能分析土壤成分，选择***适合种植的作物品种。通过对农作物市场周期需求的大数据分析和预测，人工智能还能算出市场缺什么，就指导农民种什么。另外，大数据分析和机器学习技术，还可以帮助农民筛选和改良农作物基因，口味好、产量高、抗虫性佳的品种将得到***大限度发挥。

产中阶段，通过人工智能来进行病虫害管理、自动采收。

人工智能技术通过监测环境数据和农作物生长情况，建立病虫草害特征分类数据库，可实现智能预防和管理病虫草害。这意味着农药的使用，将降到***低程度。
         

产后阶段，通过人工智能进行品质检测、电商运营。

收获之后，农产品怎么进行品质检测、分类和包装？别担心，计算机大脑和机器臂可以统统承包这些烦琐的流程。阿里云、腾讯云、百度云能永远不知疲惫地用大数据分析市场行情，制定准确的销售策略，***后由京东物流、菜鸟物流将农产品送达到消费者手里。

“人工智能+农业”需要克服的三道关卡

“人工智能+农业”在农业领域的各种应用已经屡见不鲜，而且很多应用已经走上了产业化的道路，未来可期。但是它毕竟是一个新的领域，需要通过不断的探索和改良，才能形成真正的普惠价值。而且，目前来看，“人工智能+农业”还有三大关卡亟须克服。
      ***道关卡是“学习关卡”。

关于人工智能，我们***了解当然就是阿尔法狗。阿尔法狗作为一款围棋类的人工智能软件，它可以通过自我学习来不断提高自己。阿尔法狗能够自己和自己下棋，据说，击败李世石的那套阿尔法狗系统在40天之内进行了2900万次“自我对弈”，从中积累了无数关于围棋的技巧。世界上***勤奋的围棋手一生下棋的盘数也不可能超过它的千分之一，怎么可能赢得了它呢？

阿尔法狗之所以能够在短时间内进行大量学习，是因为围棋规则简单、但变数多，在简单的规则之下，埃尔法狗可以通过自我对弈来不断试验各种变数，***终做到“万变于胸”。但是农业可不是这样，农业的规则无穷无尽，变数不可尽述。所以，人工智能在农业领域，无法实现内部“自我学习”，只能通过不断地收集、测量和总结各种外部的农业数据，来进行自我提升，这势必需要很长一段时间。所以，“人工智能+农业”决不会像“人工智能+围棋”那般横空出世、一鸣惊人，它更需要厚积薄发、博观约取。

第二道关卡是“数据关卡”。

人工智能之所以拥有“智能”，是建立在获取海量数据的基础之上。但农业数据可能是***缺乏、也***难获得的。以开发一款AI食品检测装置为例，在培训这个检测食品质量的工具之前，必须为每一种新的食品创建数据。很多开发团队都是日复一日地在客户的加工车间中安营扎寨，甚至参与农场采摘，试吃食物，以收集大量数据。

所以，想要实现“人工智能+农业”的美好前景，必须要探索出一套“以数据描述农业”的道路，这需要农业生产的方方面面、各个环节一起努力方能达成目标。

第三道关卡是“成本关卡”。

任何新技术在农业领域的应用，都离不开成本问题。就目前的情况而言，建设“人工智能+农业”系统的成本还是过高。我们之前说过，腾讯用人工智能的方式，实现了黄瓜增产4倍的“美好现实”，但是建设这样一套系统的成本又是多少？靠增产的黄瓜啥时候能回本？恐怕这两个问题的答案不容乐观。当然，任何产业随着规模化的推进，成本都会大幅降低，我们不能用现在的成本去考量一个新生事物未来的价值，但是也不能无视成本现实而在技术的理想国度中狂欢。

本文摘自:  网络
 
 节卡协作机器人