精准农业中的大数据和人工智能革命

　　联合国2020 年 11 月公布的总人口为 78 亿。据估量，这个数字到 2030 年将到达 85 亿，到 2050 年将到达 99 亿。跟着总人口的快速添加，全球食物消费也在快速添加。农业的产值现已比三年前的产值高出约 17%。然而，世界上约有 8.21 亿人缺少粮食保证。迅速添加农业或粮食产值以满足不断添加的粮食供应需求并非易事。

　　跟着全球人口的添加，粮食和农业组织核算出，到 2050 年，农业产值需求添加 70%才能养活世界不断添加的人口。为了完结可持续农业生产，农业部门需求选用区块链、物联网和人工智能等智能技能辅佐农业生产。假如咱们能够从农场生成很多数据并运用这些数据来推动一些农业决议计划。它能够协助处理全球范围内的大部分食物问题。例如，假如咱们能够使农场能够为该区域的土壤湿度、温度和湿度、水的可用性以及农场周围的其他环境要素构建数据集或地图，它将支撑智能农业、精准农业、垂直农业等。

　　数据驱动的农业已被证明能够进步作物产值、下降成本并保证可持续性。这些不仅限于农业，并且对于畜牧业面临的若干应战也有潜在的处理方案。

　　才智农业生态

　　才智农场根据物联网可穿戴设备的全面监控，由固件、人工智能、卫星图画和区块链技能供给支撑，为农民供给有关健康、方位、喂食和他们的动物的繁殖条件。

　　大数据使农业从业者和相关职业能够获取有关影响农业生产的不同要素的信息，并在日常农业中做出有用的决议计划。大型工厂化农场选用了物联网和区块链等不同技能，旨在在农业实践中进步产值。区块链技能正在农业食物供应链的办理中施行，以供给所有操作的透明度、安全性、稳定性和可靠性等功能。

　　物联网帮忙农业生产和供应链各个阶段的数据搜集，对农业、加工、物流和营销过程中搜集的数据进行大数据剖析。例如，移动农业专家体系和农业猜测剖析都依靠大数据为栽培者供给精准农业的智能主张，精准的危险评价能够协助农业从业者更好地应对农业危险，包含生产危险、商场危险、准则危险以及随同的个人和钱银危险。此外，大数据可用于处理食物安全、供应办理、食物安全以及食物损失和浪费等存在的应战。

　　与其他职业类似，农业职业经过选用交融技能来寻求立异。大数据和人工智能现已在整个职业展示了它们的潜力和用处。

　　人工智能

　　在农业食物职业中有许多运用 AI 和 ML 的实例，自动化结构能够在几秒钟内搜集关于单个食物的很多数据并进行快速剖析。人工智能在农业部门的一些首要范畴得到了运用，例如供应链办理、土壤、作物、疾病和病虫害办理。

　　大数据剖析

　　大数据剖析被归纳为一个体系，其中尖端剖析办法对庞大的数据集进行操作。它是两个技能实体的组合海量数据集，以及包含数据挖掘、统计、人工智能、猜测剖析、天然语言处理(NLP)等在内的剖析东西类别的调集，构成了商业智能的重要组成部分。

　　大数据已成为学术研讨和工业范畴广泛研讨的对象，例如，大数据正被用于亚马逊等大服务职业等很多范畴，以了解客户行为和需求，然后更准确地相应地调整产品价格，进步运营功率并下降个人成本。乃至交际网站 Facebook、Twitter 和其他网站也运用大数据剖析来研讨用户的交际行为、兴趣和交际联系，然后拟定个性化功能。在智能交通体系中，大数据技能能够处理期间产生的海量多样杂乱的数据，为交通体系中的驾驶员和乘客供给安全、优质的设备。在农业范畴，大数据显示了处理农业面临的许多应战，然后进步农业生产质量和数量的巨大潜力。大数据剖析可用于确认土壤质量、病虫害搅扰、需水量，并可猜测作物的收成时刻。

　　大数据特征(10v)

　　海量数据在农业中的运用，不仅限于初级栽培，并且在进步整个供应链的有用性方面也扮演着重要的人物，然后减少对粮食安全的忧虑。

　　农业中的机器学习

　　有许多关于不同的机器学习算法的文献，这些算法已被用于农业的不同运用范畴。与人工神经网络比较，SVR 表现出对异常值和噪声存在的稳健性，具有更好的估量精度。深度学习技能是农业图画数据集分割运用最有潜力的模型。

　　机器学习在精准农业中遇到的最详细的应战是可变的时空分辨率和由于物联网设备毛病、通讯毛病、恶劣气候阻挠遥感图画收集。机器学习能够依据数据填补缺失的信息。

　　跟着对来自无人驾驶飞行器和卫星的很多航拍图画的拜访不断扩大，卷积神经网络(CNN)能够在这些信息的剖析中发挥重要作用，以提取重要信息。例如数据的预处理和剖析。由于无人机能够堆集很多非结构化数据，根据大数据的东西(剖析东西)和云核算具有进步数据处理功率、供给高数据安全性和可扩展性以及最小化成本的潜力。根据云核算的运用程序作为一种潜在的处理方案，具有较低的前期成本、核算资源的娴熟运用和服务成本。

　　了解土壤的质地、结构和化学性质等不同特征有助于农业从业者挑选最优质的作物在他们的农场栽培。研讨土壤、物联网和其他传感器网络的这些特征，以及根据 ML 的大数据技能，如聚类和分类办法来标记土壤数据。

　　农业环境中的大数据运行周期

　　在技能先进的大型工业农场中，田间办理看起来与传统农场不同，办理体系经过获取其内部可变性(包含时刻和空间方面)的好处来处理实际田间数据，然后选用智能决议计划。现场数据收集是经过布置物联网设备、遥感和其他传感器网络来完结的。从物联网传感器网络搜集的有关土壤、作物、气候或环境的数据存储在本地或云存储中。运用根据机器学习的大数据算法来提取重要信息。

　　除传统传感器外，不同的物联网传感器用于作物监测并从中搜集所需的重要数据。这些传感器设备能够直接布置在农田、农业机器人、自主平台、机器或气象站中。人造卫星遥感经过长途拜访现场数据，在精准农业的开展中发挥了重要作用。

　　无人机(无人机和遥控飞机)在农业生产中的运用逐渐添加，作为衡量可持续农业办理的有用办法允许栽培者、农业工程师和农艺师帮忙简化他们的程序，运用强大的信息剖析来取得一些关键意见。无人机在确认合适的作物推荐、植物和种群的呈现方面使对大面积农田进行细心的作物监测变得更加简单，由于更准确的数据能够协助做出关于重新栽培、修剪和间伐活动以及产值预算的决议计划。

　　在近端传感中，地面平台如无人地面车辆(UGV)和接近作物操作的机器人添加了获取数据的准确性， UGV 运用需求实时数据，例如杂草检测和铲除、挑选性农药喷洒、土壤剖析、害虫操控和作物侦察。

　　不同无线数据收集技能的运用在农业中发明了海量数据。由于农场办理触及多个田间参数，人们实际上很难办理杂乱的农业数据以做出更好的决议计划。在这种情况下，人工智能与深度学习、遗传算法、机器学习或专家体系能够辅佐推理，建模才能能够在精准农业中发挥重要作用，有助于理解所有可用数据。经济型电子元件的普遍可用性将有利于包含小农场主在内的世界各地选用这些数字运用程序。

　　精准农业中的大数据应战

　　1、数据搜集应战

　　在精准农业用例中，很多数据来自不同来历。合并来自各种来历的数据引发了对信息质量和信息合并问题的忧虑，而对搜集到的海量信息的拜访引发了对安全和保护的忧虑。数据驱动技能要求运用未受污染且适用的信息。不完整的数据聚会抹掉信息，而训练会集存在的异常或倾向会影响模型精度。

　　2、大数据剖析技能的应战

　　为了操控与精准农业或智能农业相关的数据集，剖析技能需求在一定程度上选用对齐和分布式手法，核算杂乱度高。人工智能和分布式核算执行程序的集成供给了处理海量数据的潜在办法。

　　3、办理不断添加的数据和实时可扩展性

　　在植物生长监测期间，经过多个设备逐渐生成很多图画和视频，这给存储和处理所有这些数据带来了一些应战。农业中产生的大部分数据都是无定形或半结构化的，无法稳定地存储在 MySQL、SQL Server 等常用数据库中。

　　总结

　　经过 ICT 的开展，信息的可拜访性不断进步，这好像有望经过进步模型的准确性和泛化才能来改善不可或缺的决议计划立异。此外，从精准农业实践产生的很多数据中学习，预计将为精准农业发明很多机会和转型视角。跟着大数据的进步，传统的学习办法在处理海量异构、多维、时空数据时天然不具备足够的才能或可扩展性。

　　除了精准农业外，人工智能、无人机、物联网、机器人和大数据的自动化和运用预计将在各种农业范畴发挥重要作用。选用高性能数据驱动的可扩展学习办法可供给更好的实时决议计划才能并使各种农业流程自动化，然后能够将传统的农场办理转变为人工智能体系。