人工智能算法可以用于预测农业产量

预计到2027年，精准农业市场将达到129亿美元。随着这一增长，需要能够实时指导管理决策的复杂数据分析解决方案。伊利诺伊大学的一个跨学科小组开发了一种新的方法，其目的是高效，准确地处理精确的农业数据。

Nicolas Martin是伊利诺伊州作物科学系的助理教授，也是该研究的合著者。

“我们正在尝试改变人们进行农艺研究的方式。我们试图做的不是直接建立一个小的田野地块，运行统计数据并发布均值，而是更直接地涉及农民。我们正在他们自己的田地里用农民的机器进行实验。我们可以检测针对不同输入的特定于站点的响应。我们可以看到在该领域的不同领域是否有回应，”他说。

“我们开发了使用深度学习的方法来生成产量预测。它包含了来自不同地形变量，土壤电导率以及我们在中西部9个玉米田中应用的氮素和种子处理的信息。”

该团队使用了数据密集型农场管理项目的2017年和2018年数据来帮助开发他们的方法。在该项目中，在226个田间以不同的比例施用了种子和氮肥。这些领域位于世界不同地区，包括中西部，巴西，阿根廷和南非。PlanetLab提供了高分辨率的卫星图像，并将它们与地面测量值配对以预测产量。

场被数字地分成5米的正方形。为计算机提供了每个正方形的土壤，海拔，氮肥施用量和种子播种率的数据，然后它开始学习如何通过因素的相互作用确定那个正方形的产量。

为了完成他们的分析，研究人员依赖于卷积神经网络(CNN)。CNN是一种机器学习或人工智能。虽然某些类型的机器学习使计算机将新数据添加到现有模式中，但是卷积神经网络并未考虑现有模式。CNN着眼于数据并学习负责组织数据的模式，其工作方式类似于人类如何通过大脑内的神经网络组织信息。CNN方法能够以较高的准确率预测产量，并将其与其他机器学习算法和传统统计技术进行了比较。

“我们真的不知道是什么导致了整个田间投入品产量响应的差异。有时人们有一个想法，即某个地点对氮的反应非常强烈，反之则不然。CNN可以选择可能引起响应的隐藏模式。”马丁说。“当我们比较几种方法时，我们发现CNN很好地解释了产量变化。”

利用人工智能来分析精准农业的数据是一个新领域，但它正在不断发展。农业是人工智能将极大改变的主要产业之一，并且其使用正在不断增加。根据Martin的说法，该实验只是CNN在各种不同应用中使用的开始。