智能农业带动185亿美元，人工智能数据是关键!

根据《世界农化网络》报告，基于应用的“智能农业”市场规模预计将在2022年达到184.5亿美元，年复合增长率为13.8%。智能农业有着广泛的应用，比如对农场阳光、温度和湿度的远程数据监测，作物生长监测，水果采摘机器人，甚至害虫控制，以及区域三维植被检测。智慧农业的范围。

面对智慧农业的趋势，世界各国都在提供“数据”来解决问题

作为欧盟最大的农业生产国，法国首当其冲。法国政府、农业组织和私营企业合作建立了一个农业信息数据库，涵盖种植、渔业、畜牧业，甚至农业技术研发、商业市场和法律政策。法国农民不用出门晒晒太阳，只要刷一下手机，就能一手掌握世界上的“农事”。

在亚洲，日本是出了名的老龄化国家，农民的平均年龄高达67岁。据日本农林水产省(Ministry of Agriculture, Forestry and Fisheries)估计，2015年农业从业人员仍有150万人，但到2030年，这一数字将一路下降到75万人，15年内将减少一半。这一数字促使茨城县政府决定采取措施拯救当地农业。

茨城县位于日本东北部，有大量的农业用地，大约有460个东京圆顶那么大。今年4月，茨城县启动了“筑波城市未来共创计划”。通过政府、农民、新创业企业之间的产官学合作，与农民共同开发智能农业AI机器人，并以低成本的方式引进机器人。当地种植番茄、黄瓜、青椒、荔枝等农场。致力于用人工智能视频监控创造省时、省力、“赚钱”的农业，创造未来100年可持续农业的繁荣。

智慧农业始于数据收集

我过去处理过的智能农业项目涵盖了自动收割、生长监测和虫害控制等主要类型。一些客户来自大型企业、初创企业或农业组织，其中日本的客户最多。

在开始数字化转型或人工智能产业化之前，“数据收集”是一个重要的起点。例如，我们都知道，一个顶级的和牛需要肉质优良，油花分布均匀，一个好的数据集与和牛非常相似，需要同时具备以下特征:

1. 图像的“质量”是否清晰正确?
2. 各种目标物体和现场情况的“比例”是否均匀分布?

如果从错误的角度采集一批AI数据，或者各个目标对象之间的图像数量偏差较大，图像模糊，很容易造成机器学习错误。

以人工智能在花田生长监测中的应用为例，一般采用高角度航拍相机取景，在采集图片时，不忽视周围会造成干扰的物体，如杂草、植被等混合物体。花卉品种等。如果有必要，甚至晴天和雨天的影响也要考虑在内。

摘果机器人的AI应用需要仰视拍摄，可能着重获取茎、叶、芽、花、果实等比例相近、清晰的特征，以便快速、好地学习。

数据收集完成后，进入另一个重要环节——数据注释。

如何标注Ai数据是关键

智能农业的AI数据标注其实并不比一般的数据标注简单，因为它涉及到很多“植物学”，非常注重细节。

有一段时间，我们的办公室里有一整排番茄。过了一段时间，番茄被树莓、百合和其他植物取代。有些客户前来参观，以为这些盆栽植物的存在是为了美化环境，但实际上，项目管理和AI数据标注团队可以把握标注的特点和细节，以便近距离观察植物生长的细节。遇到无法解决的问题，我们还会咨询农业相关专家，充分了解植物的生长特性，使贴标工作能够到位、高质量地完成。

因为有丰富的数据标签经验作为一种养分，在处理不同的农业项目时，过去的经验可以快速复制到其他项目类型。以树莓收割机器人为例。

如果在贴标时只把水果和花的部分框起来，进行机器学习，就会发现一个盲点:即“树枝”也需要贴标，树干和树枝的区别必须清楚区分。你为什么这么说?

如果只对果实进行标记，机器为了达到收获果实的目的，可能会直接砍掉树枝，造成严重的农业损害。同时，分支又分为主干线和分支干线两种类型。必须清楚地告诉机器几个不相互矛盾的原则，这样机器才能知道哪些部分应该被切割，哪些部分不能被切割。

原因听起来很简单，但从客户和AI机器人的角度来看，我们需要对数据的专业见解和创新的解决方案。通过反馈机制，既优化了标注原则，又节省了客户来回纠正数据错误的时间。

AI智能农业时代即将到来。在生产、政府和教育的推动下，在AI数据的帮助下，未来的水稻收获工作可能会变得更容易，可能不再是辛苦的工作。