利用我們在BBSRC和其他公共和行業(yè)共同資助的項目支持下的研究工作

在Earlham Institute(EI)，基于人工智能的技術(shù)，如機器學習，正在從僅僅是一個激動人心的前提，到現(xiàn)實生活中最需要的應用程序：提高農(nóng)場的效率和精確度。

EI周氏集團的研究人員與Ely的G's Growers合作，開發(fā)了一個機器學習平臺AirSurf-Lettuce，該平臺利用計算機視覺和從空中拍攝的超大尺寸圖像來幫助對田間的萵苣作物進行分類。

先進的軟件包括測量數(shù)量，大小和精確定位，以幫助農(nóng)民精確收獲，并以最有效的方式將作物推向市場。重要的是，這項技術(shù)可以應用于其他作物，擴大整個食物鏈的積極影響范圍。

生菜是一項大生意，特別是在東安格利亞，每年在英國生產(chǎn)122,000噸。由于生長過程的低效率以及收獲策略，高達30%的產(chǎn)量可能會損失，如果組成，可以提供顯著的經(jīng)濟增長。

非常重要的是，農(nóng)民和種植者必須準確了解作物何時可以收獲成果，以便他們能夠啟動物流規(guī)劃，交易和銷售其產(chǎn)品。

然而，傳統(tǒng)上，在田間測量作物非常耗時且勞動強度大，而且容易出錯; 因此，基于航拍圖像的新型AI解決方案可以提供更加強大和有效的方法。

效率的另一個障礙是，近年來一直在增加的惡劣天氣條件可以非常顯著地減少收獲時間，因為作物需要不同的成熟時間。

由周集團成員開發(fā)的AirSurf技術(shù)，包括該項目論文的第一作者，Alan Bauer和Aaron Bostrom，使用“深度學習”(深層結(jié)構(gòu)的機器學習技術(shù))與復雜的超大規(guī)模技術(shù)相結(jié)合成像分析以高通量模式測量卷心萵苣。這能夠識別萵苣植物的精確數(shù)量和位置，具有識別作物品質(zhì)的額外優(yōu)點，即小，中或大萵苣頭。

將該系統(tǒng)與GPS相結(jié)合，農(nóng)民可以精確地追蹤田間萵苣的大小分布，這只會有助于提高農(nóng)業(yè)實踐的精確性和有效性，包括收獲時間。

第一作者，EI的Alan Bauer說：“這種跨學科的合作將計算機視覺和機器學習與萵苣種植業(yè)務相結(jié)合，以展示我們?nèi)绾卫脵C器學習提高作物產(chǎn)量。”

EI集團負責人Ji Zhou博士說：“我的實驗室熱衷于尋求一切可能的方法，將我們在算法設(shè)計，機器學習，計算機視覺和作物表型的公共資助研究轉(zhuǎn)化為可供以下方法使用的技術(shù)和工具。學術(shù)和工業(yè)合作伙伴，以解決作物研究和作物生產(chǎn)中的挑戰(zhàn)性問題。

“利用我們在BBSRC和其他公共和行業(yè)共同資助的項目支持下的研究工作，我們與英國領(lǐng)先的蔬菜種植者G's合作，為我們的農(nóng)業(yè)食品部門配備了智能和精確的作物監(jiān)測和分析方法，我們?yōu)榇宋覀兿嘈牛ㄟ^我們的共同努力，可以實現(xiàn)更好的作物管理決策和提高作物市場性“。

G的種植者，創(chuàng)新經(jīng)理Jacob Kirwan的行業(yè)合作伙伴補充說：“大規(guī)模種植意味著在確保我們以環(huán)保和經(jīng)濟可持續(xù)的方式生產(chǎn)作物時，精確度至關(guān)重要。使用AirSurf等技術(shù)意味著種植者能夠理解他們的田地和作物的變異性在以前可能的更高水平的細節(jié)。

“然后可以從這些信息中做出決定，例如投入和灌溉的不同應用;改變收獲策略和規(guī)劃出售作物的最佳時間，都將有助于提高農(nóng)業(yè)產(chǎn)量和提高農(nóng)業(yè)生產(chǎn)力。”