人工智能作為計(jì)算機(jī)科學(xué)的一個(gè)重要分支，伴隨著信息技術(shù)的快速發(fā)展，已經(jīng)滲透在醫(yī)療、教育、金融等眾多領(lǐng)域，農(nóng)業(yè)作為國民經(jīng)濟(jì)的基礎(chǔ)性產(chǎn)業(yè)，也不例外，近年來，農(nóng)業(yè)被評為zui有前景的人工智能與機(jī)器學(xué)習(xí)應(yīng)用場景之一。

在我國，農(nóng)業(yè)人工智能的應(yīng)用主要涉及基于機(jī)器視覺技術(shù)的農(nóng)作物圖像分析和基于數(shù)據(jù)挖掘技術(shù)的農(nóng)業(yè)大數(shù)據(jù)分析、算法模型構(gòu)建等。其中，圖像分析技術(shù)的應(yīng)用有農(nóng)作物根-莖-葉-種子的表型分析測量、農(nóng)作物長勢識(shí)別、雜草識(shí)別、病蟲害識(shí)別、果蔬品質(zhì)檢測以及自動(dòng)采摘等方面；大數(shù)據(jù)分析與算法模型構(gòu)建的應(yīng)用有農(nóng)作物病害預(yù)測、蟲害預(yù)測、墑情預(yù)測、產(chǎn)量預(yù)測、價(jià)格預(yù)測、專家系統(tǒng)等，能夠?qū)r(nóng)作物的生產(chǎn)鏈進(jìn)行實(shí)時(shí)的監(jiān)管控制，從而提升作物的產(chǎn)出量和品質(zhì)。

伴隨著農(nóng)業(yè)領(lǐng)域多元性數(shù)據(jù)的存在與大量理解力問題的出現(xiàn)，單一機(jī)器學(xué)習(xí)技術(shù)已經(jīng)難以解決。作為一家深研農(nóng)業(yè)十余年的現(xiàn)代化企業(yè)，托普云農(nóng)將前沿信息技術(shù)與農(nóng)業(yè)專業(yè)深度融合，通過傳統(tǒng)圖像處理與最新深度學(xué)習(xí)等技術(shù)，構(gòu)建起針對農(nóng)業(yè)的多維混合算法模型，并使用積累多年的農(nóng)業(yè)數(shù)據(jù)樣本進(jìn)行訓(xùn)練學(xué)習(xí)，滿足當(dāng)前多元化人工智能時(shí)代的發(fā)展需要，并深受業(yè)內(nèi)關(guān)注。其中圖像處理主要是對圖像進(jìn)行分割、前景提取、獲取關(guān)鍵信息等，深度學(xué)習(xí)主要包括目標(biāo)檢測和圖像分類等對目標(biāo)進(jìn)行識(shí)別分析。

農(nóng)業(yè)病蟲害目標(biāo)識(shí)別是人工智能技術(shù)的應(yīng)用熱點(diǎn)之一。托普云農(nóng)通過大量數(shù)據(jù)樣本對已構(gòu)建好的算法模型進(jìn)行訓(xùn)練學(xué)習(xí)，利用訓(xùn)練后的目標(biāo)檢測算法模型對各作物的病蟲害進(jìn)行識(shí)別，根據(jù)識(shí)別的病蟲害數(shù)量對病蟲害的嚴(yán)重程度進(jìn)行判斷與預(yù)警；根據(jù)識(shí)別的病蟲害的種類給出病蟲害檔案，包括病蟲危害情況、病蟲害特征、病蟲害原因、防治措施等。歷經(jīng)近十年的研究實(shí)踐，托普云農(nóng)已有60TB約2000多萬張圖庫，15萬張精選樣本庫，每月增量達(dá)3TB。目前已覆蓋包括草地貪夜蛾、大螟、二化螟、稻飛虱等國家一二類農(nóng)作物主要蟲害109種的識(shí)別，病害識(shí)別覆蓋小麥、玉米、水稻等6種農(nóng)作物，涵蓋赤霉病、灰斑病、稻瘟病等在內(nèi)59種病害，平均識(shí)別一張圖片3s左右，為糧食安全、生態(tài)保護(hù)提供了有力保障。

植物表型研究在作物育種領(lǐng)域有著不可替代的作用。托普云農(nóng)人工智能技術(shù)通過對農(nóng)作物根-莖-葉-種等器官進(jìn)行特征提取與降維、目標(biāo)分割與定位、高精度圖像識(shí)別與檢測，現(xiàn)已實(shí)現(xiàn)了對玉米珠型、作物株高、劍葉夾角、籽粒果穗考種、作物形態(tài)測量、葉面積分析、畝穗數(shù)測量等的多個(gè)作物表型識(shí)別與測量。

大數(shù)據(jù)分析與算法模型構(gòu)建是人工智能技術(shù)的另一重要應(yīng)用。托普云農(nóng)通過監(jiān)督機(jī)器學(xué)習(xí)算法，從大規(guī)模數(shù)據(jù)集中訓(xùn)練出墑情預(yù)測、作物病蟲害預(yù)測、作物生長等模型，搭建成作物生長管理系統(tǒng)，由此為作物生產(chǎn)進(jìn)行規(guī)劃與管理；通過海量圖像數(shù)據(jù)的積累以及高精度的目標(biāo)檢測和樣本分類技術(shù)的應(yīng)用，對病蟲害分布及時(shí)自動(dòng)感知，對蟲害shou發(fā)期、爆發(fā)期的有效預(yù)警預(yù)測；通過對傳感器數(shù)據(jù)與視覺數(shù)據(jù)的分析以及統(tǒng)計(jì)模型的應(yīng)用，進(jìn)而預(yù)測作物產(chǎn)量。

此外，托普云農(nóng)的人工智能技術(shù)還應(yīng)用于果實(shí)成熟期禁止打藥監(jiān)測等農(nóng)事作業(yè)行為識(shí)別；煙火識(shí)別；文字識(shí)別以及人臉、動(dòng)物、車輛、農(nóng)機(jī)等集成第三方生態(tài)識(shí)別領(lǐng)域……有效保障農(nóng)業(yè)生產(chǎn)安全、提高農(nóng)業(yè)農(nóng)村領(lǐng)域網(wǎng)格化治理能力，提升鄉(xiāng)村居民幸福感。

隨著對人工智能的利用不斷深入，農(nóng)業(yè)生產(chǎn)管理與科研領(lǐng)域也展現(xiàn)出更多新的變革。

在江蘇海門的高標(biāo)準(zhǔn)農(nóng)田里，從選種耕種、土壤成分監(jiān)測、農(nóng)田灌溉用水分析、病蟲害識(shí)別預(yù)警、農(nóng)業(yè)環(huán)境監(jiān)測到農(nóng)業(yè)專家系統(tǒng)、作物采收管理、產(chǎn)量預(yù)測、品質(zhì)檢驗(yàn)等全過程動(dòng)態(tài)管理，極大提升了資源利用率和勞動(dòng)效率，藏糧于地更藏糧于技。

在喬司農(nóng)業(yè)產(chǎn)業(yè)示范園里，通過對數(shù)據(jù)資源的采集、整合、分析，打造全域數(shù)字孿生、智慧農(nóng)機(jī)系統(tǒng)、遙感監(jiān)測系統(tǒng)、農(nóng)情監(jiān)測系統(tǒng)、種植管理系統(tǒng)、智能灌溉系統(tǒng)，形成了生產(chǎn)、預(yù)測、防控等全要素智能化管理，帶動(dòng)農(nóng)業(yè)可持續(xù)發(fā)展。

在江西湘東的數(shù)字種業(yè)園區(qū)里，結(jié)合科研和產(chǎn)業(yè)需求，建設(shè)現(xiàn)代化種業(yè)基地，打造智慧種業(yè)服務(wù)平臺(tái)，涵蓋6大應(yīng)用場景，從育種、制種、種子檢驗(yàn)、加工、倉儲(chǔ)、流通等各環(huán)節(jié)強(qiáng)化信息監(jiān)測以及溯源管理，探索水稻生長標(biāo)準(zhǔn)模型，創(chuàng)新園區(qū)服務(wù)體系，保障優(yōu)質(zhì)種業(yè)發(fā)展。

在浙江古林的數(shù)字農(nóng)田里，利用北斗導(dǎo)航、物聯(lián)網(wǎng)、農(nóng)業(yè)遙感、機(jī)器視覺等技術(shù)手段，打造農(nóng)機(jī)高精度自動(dòng)作業(yè)與導(dǎo)航系統(tǒng)、大田精細(xì)化生產(chǎn)灌溉管理系統(tǒng)、“天空地"一體化公共服務(wù)平臺(tái)，并在超過1萬畝的規(guī)模化種植基地進(jìn)行集成示范，形成了一套可復(fù)制的產(chǎn)業(yè)應(yīng)用模式，為更多水稻產(chǎn)區(qū)提供種植推廣示范樣板。

當(dāng)前，以數(shù)字孿生、人工智能、移動(dòng)互聯(lián)網(wǎng)、區(qū)塊鏈等為代表的新一代信息技術(shù)與先進(jìn)制造業(yè)加速融合，現(xiàn)代農(nóng)業(yè)、服務(wù)業(yè)領(lǐng)域新產(chǎn)品新業(yè)態(tài)新模式競相涌現(xiàn)。未來，在各種農(nóng)業(yè)人工智能設(shè)備工作中，數(shù)據(jù)上“云"更便捷；在農(nóng)業(yè)生產(chǎn)中，全要素?cái)?shù)據(jù)采集匯聚、智能決策分析、精準(zhǔn)作業(yè)指導(dǎo)和操控，節(jié)本降耗、提質(zhì)增效、環(huán)境友好、生態(tài)安全；在農(nóng)業(yè)科研中，基地管理、數(shù)據(jù)采集、數(shù)據(jù)挖掘分析更加便捷、智能，研發(fā)更加高效，目標(biāo)更加精準(zhǔn)。雖然現(xiàn)代農(nóng)業(yè)與人工智能的深度融合還面臨著許多困難和挑戰(zhàn)，但是以人工智能為核心的智慧農(nóng)業(yè)發(fā)展已是大勢所趨。