本文为海外资讯，由35斗进行编译，编译作者：冉小敏

根据普华永道的数据，基于物联网的农业（IoTAg）监测是联网智能农业领域增长最快的技术领域，预计到2025年市场总额将达45亿美元。

a、根据BI Intelligence Research的数据，到2025年，全球在智能互联农业技术和系统（包括AI和机器学习）上的支出预计将增长到三倍，达到153亿美元。

b、根据Markets＆Markets的数据，仅农业方面的AI技术和解决方案支出就将从2020年的10亿美元增长到2026年的40亿美元，复合年增长率（CAGR）为25.5％。

c、普华永道（PwC）称，基于物联网的农业（IoTAg）监控是智能的，互联农业增长最快的技术领域,预计到2025年将达到45亿美元。

人工智能、机器学习（ML）和IoT传感器为算法提供实时数据,这使得农业效率和农作物产量提高，食品生产成本也得以降低。

根据联合国关于人口与饥饿的预测数据，到2050年，世界人口将增加20亿，粮食生产力需要提高60％才能为他们提供食物。根据美国农业部经济研究局的数据，仅在美国，种植、加工和分配食品便是一个价值1.7万亿美元的产业。

目前，人工智能和机器学习，在帮助缩小全球至2050年增长的20亿人口的预期粮食需求方面，已经显示出它们的潜力。

农业——最具前景的人工智能与机器学习应用场景之一

设想一下，在一个通常以数百英亩为基本规划单位的大型耕作区内，至少存在40种需要同步跟踪、凸显与监控的基础流程，因此机器需要做的工作很多，如：

深入分析天气的变化和季节性的阳光差异，细致了解动物、鸟类与昆虫的迁徙模式，弄清特种肥料的使用需求，为农作物选择适宜的杀虫剂，监督种植周期与灌溉周期等等。这些对于机器学习来说都是极具考验的。

时至今日，农作物生产越来越依赖于出色的数据收集与分析能力。正因为如此，农民、合作社以及农业发展企业才决定进一步采用以数据为中心的方法，扩大他们对AI和ML的使用，以求提高农业产量和质量。以下是人工智能在2021年有潜力改善农业的十种方式：

1、使用基于人工智能和机器学习的监控系统，获取每块作物区的实时视频源，以识别动物或人类的违规行为，并立即发送警报。 

AI和机器学习降低了家畜和野生动物意外破坏或闯入农作物区域的可能性，有效阻止了它们从偏远位置入农场偷食。在AI和机器学习算法的推动下，视频分析技术迅速发展，每一位农业生产参与者都可以保护自己的田地和建筑物的外围。AI与机器学习视频监控系统，使大规模的农业运营变得与单个农场的运营一样容易。

随着时间的流逝，基于机器学习的监视系统能够被编程或培训，以识别员工和车辆。作为AI与机器学习监控系统领域的领导者，Twenty20 Solutions公司已经用实际行动证明，这些技术能够有效保护远程设施、优化作物生产，且能够通过机器学习识别出田间地头上的意外入侵者。Twenty20 Solutions的实时监控示例如下：

依靠人工智能和机器学习算法来识别人和车辆,目前正在全球范围内简化农业企业的远程操作。

2、人工智能和机器学习，通过无人机的实时传感器数据和视觉分析数据进行预测，达到改善作物产量的作用。

智能传感器和无人机捕捉到的大量数据组合成实时视频流，为农业专家提供了他们以前从未接触过的全新数据集。如今，研究人员可以结合水分、肥料与天然营养水平等传感器数据，去分析每种作物随时间推移而不断变化的生长方式。机器学习则负责将大量数据集整合起来，摄取出基于约束条件的建议以优化农作物产量。

下图所示，为AI、机器学习、现场传感器、红外图像以及实时视频分析技术结合使用的场景示例，农民们能够借此获得关于改善作物健康及亩产水平的全新洞见：

图：a）NDVI的应用；b）研究地块；c）健康和不健康作物；d）不健康作物的地面调查

事实证明，无人机是一个可靠的平台,它可以捕捉特定肥料、浇水方式和杀虫剂处理方法如何提高作物产量的数据。

3、产量映射是一种农业技术，它依靠机器学习算法的监督来查找大规模数据集里的模式，并且可以实时了解不同模式间的正交性，由此为作物生产规划带来无法衡量的重大价值。

在植被周期开始之前，预估给定田地的潜在产量已是可能。通过结合使用机器学习技术，分析3D地图、来自传感器的社会状况数据和基于无人机的土壤颜色数据，农业专家现在可以预测特定作物的潜在土壤产量。完成一系列飞行后，无人机会获取到最准确的数据集。下图显示了产量映射分析的结果：

在监督与无监督机器学习算法的加持下，农业专家得以确定如何最大程度提升田地产量。

4、联合国、国际机构和大型农业项目，正提倡将无人机数据与地面传感器相结合以改善害虫管理。

通过将无人机的红外热像仪数据与能够监测植物相对健康水平的传感器结合使用，农业管理团队可以在AI的帮助下抢在虫害发生之前做出预测及识别。这方面的一个例子是，联合国正在与普华永道(PwC)合作，评估亚洲棕榈果园的潜在虫害数据，如下图所示：

图：应用NDVI产品可以监测枣椰的健康状况和可能受虫害感染的枣椰完全分开

联合国正在结合地面传感器和无人机数据来微调他们的机器学习算法，以帮助农民获得更高的作物产量。

5、如今，农业工人短缺，尤其在那些农工难觅的偏远地区，基于AI和机器学习的智能拖拉机、农用机器人和其他智能机械，已成为农业种植的可行选择。

大型农业企业找不到足够的员工，只能转向机器人技术来管理数百英亩的农作物。并且，人工智能技术还能为偏远地区的周边提供了安全保障。通过对自主式机器人设备进行编程，它们能够为每行农作物播撒肥料。由此，可以降低运营成本，并进一步提高田地产量。目前农业机器人的复杂度正在迅速提高，下图所示为VineScout机器人在运作过程中的仪表板信息。

事实证明,农业机器人能够捕捉有价值的数据，用于微调人工智能和机器学习算法，从而进一步提高作物产量。

6、消除一系列阻碍以提升农业供应链的可追踪性或可追溯性，将更新鲜、更安全的农作物带向市场，这一天必会到来。

2020年的新冠疫情，加速了农业供应链对跟踪和溯源功能的采用，今年这股趋势也仍将稳定存在。一个管理良好的跟踪与追溯系统，可以通过提供更好的可见性和对整个供应链的控制来有效降低库存。

最新跟踪系统甚至能够区分入库货物的批次、所属项目并实现集装箱级别的细粒度记录。大多数先进的跟踪系统都依靠先进的传感器来获取有关每批货物状况的更多信息。RFID和物联网传感器现今在制造业变得越来越普遍。沃尔玛方面就在推动一项试点，旨在研究如何利用RFID简化配送中心的货品跟踪性能，并将效率提升至手动操作的16倍。

7、优化可生物降解农药的正确混合，并将其应用于仅限需要进行处理以降低成本、提高产量的田间地区，是当今农业中AI和机器学习的最常见用途之一。

将智能传感器与无人机的可视数据流结合使用，农业AI应用程序如今可以检测出种植区内病虫害最严重的地区。然后使用监督式机器学习算法，农业专家即能确定可以减少威胁、扩散并感染健康农作物的有害生物的最佳农药组合。

8、根据农作物单产率确定总产量，这给确定农作物的定价策略带来不可估量的价值。

准确把握农作物的收成率和质量水平，有助于农业公司、合作社和农民更好地定价农产品。生产者如此便可以综合考虑给定作物的总需求来确定某种作物的价格曲线，无弹性的、单一的还是高度弹性的，从而敲定定价策略。仅凭这些数据，农业企业每年就可以节省数百万美元的收入损失。

9、AI可帮助农民查找灌溉系统中的渗漏点、优化灌溉系统并衡量如何调整灌溉频率，以提高农作物产量。

在北美许多地区，尤其是在那些以农业为核心业务的社群中，水是最稀缺的资源。能否高效利用水资源，可能关乎一个农场或农业项目的盈利与否。通过线性编程，我们可以快速计算出特定田地或农作物达到理想产量水平时所需要的最佳水量。监督式机器学习算法则可以确保田地与农作物获得足够的水分以优化产量，但又不致过度浪费这种宝贵资源。

10、监测牲畜的健康状况，包括生命体征、日常活动水平和食物摄入量，确保牲畜的健康状况是农业中人工智能和机器学习发展最快的方面之一。

了解每种牲畜对饮食和寄宿条件的反应，于长期对其进行最佳处理具有非常重要的意义。利用AI与机器学习技术，农业专家能够知道哪些因素决定着奶牛们的情绪，借此适当调整以提高奶牛们的产奶量。对于许多以牛和其他牲畜为主题的农场而言，这一新兴技术为农场如何提高利润开辟了全新的视野。