什么是ML，以及农业企业家为什么要关心。
艰苦而并非总是盈利的人工劳动的过去已经过去，由机器学习支持的智能农业及其高精度算法已成为当今出现的新概念。为了提高产品的数量和质量，这项前沿运动使农业领域中的每个人都实现了可持续的生产率增长。
农业走向数字化，现在我们正在观察第四次农业革命。日常机器学会解决复杂的任务，并且随着时间的推移它们会做得更好。那么，当今机器学习在农业中的应用是什么，为什么农民要关心呢？
1、自动化灌溉系统
在大面积的空地上工作时，灌溉系统并非易事，但如今，许多农场已经非常成功地使用它。组织此类系统的工作的主要问题是在预测灌溉所需资源时依赖于天气条件。自动化灌溉系统用于持续维持所需的土壤条件，以提高平均产量。这不仅大大减少了人工，而且具有降低生产成本的潜力。此外，灌溉系统对于优化和计算淡水消耗统计数据至关重要。许多科学家认为，这些技术随后将对全球供水流程产生全球影响。
2、无人机
在农业领域取得长足进步的最受欢迎和广泛使用的智能设备之一。通过深入，普遍存在的分析，定期和系统地喷洒农作物来提供新方法来提高农作物产量的功能已成为许多农民工作中不可或缺的一部分。无人机技术正在积极开发和获取新的应用程序，这些应用程序提供了在现场进行高质量和生产性工作所需的更多选择。
3 、Robocrop：采摘水果的智能机器人
领先的科技公司一直在致力于将人为干预减少到最低限度的创新方法。农业已成为此类设备变得极为必要和有用的关键领域之一。配备了具有“现成”智能技术的软件（传感器，雷达，GPS系统）的智能拖拉机可以在田野中进行耕种，耕种和收割，而无需驾驶员公司。利用这种自主的农作物处理系统，可以在更长的时间内种植更多的土地。
4、作物监测系统
监视农作物健康的常规方法非常耗时。许多技术公司已经在智能系统开发方面进行了一段时间的研究，该系统可以监视，检测和分析各种数据领域，以研究某些类型作物的生长状况和可行性。可以预料，这种自动化系统的工作将建立在高光谱图像和3D激光扫描的处理上，这将大大提高收集的数据的准确性和数量。值得一提的是，这种技术将帮助许多农民对田间的单个区域甚至单个植物进行准确的诊断，从而控制其收成及其潜力。
目前，机器学习可以帮助农民预测产量和作物质量，检测杂草和疾病：
- 产量预测：新的前沿方法已经远远超出了基于历史数据的简单预测，而是结合了计算机视觉技术来提供实时数据以及对作物，天气和经济状况的全面多维分析。
- 作物质量：与人类专家相比，机器可以利用看似毫无意义的数据和相互联系来揭示新质量，这些新质量在作物的整体质量中发挥着作用并进行检测。
- 疾病检测： ML被用作一般精密农业管理的一部分，在该管理中，农药的输入针对时间，地点和受影响的植物。
- 杂草检测：计算机视觉和ML算法可以以较低的成本改善杂草的检测和鉴别能力，并且不会造成环境问题和副作用。将来，这些技术将驱动将消灭杂草的机器人，从而最大限度地减少对除草剂的需求。
Microsoft的工程师与ICRISAT的科学家一起使用人工智能来确定印度的最佳播种时间。使用Microsoft Cortana Intelligence Suite的应用程序还可以监视土壤状况并选择必要的肥料。最初，只有来自7个村庄的175位农民参加了该计划。他们只有在收到相应的SMS通知后才开始播种。结果，他们的收成比平时多了30–40％。
5、精准农业
这种做法被称为“精确（精准）耕种”，它使用实时和历史数据以及机器学习算法来为应用程序的小区域做出特定决策，而不是像传统的那样在很大的区域上执行相同的任务模型。例如，您可以在特定的树木，灌木甚至叶子上使用少量农药，而不是在大范围内施用大量农药，从而降低了成本和浪费，同时避免了大宗使用化学品时可能造成的损害。
精确农业的一个例子是Prospera，该公司希望将农业转变为基于数据的实践。Prospera使用现场摄像机，传感器和微气象数据来实时监视和提供农作物信息。深度学习和计算机视觉算法会分析收集的数据，以发现并报告重要事件的发生时间。这有助于采取许多措施，例如发现和消除疾病的早期征兆，以防止损害和提高产量。使用计算机视觉进行图像分析的优点之一是，如果AI训练有素，算法通常可以看到肉眼看不到的东西，即使是训练有素的专家也是如此。在医学中使用类似的方法来诊断癌症。
6、动物识别和健康监测
尽管人脸识别不再是一种现象或新事物，但如今，技术领导者创建了智能系统，该系统不仅可以识别动物，还可以分析其健康状况和行为。智能系统对动物或动物群的行为进行单独控制，以固定其基本习惯。然后，这样的系统形成每个动物的实际健康状况的数据库。现在人们认为，这种方法在农业领域具有广阔的前景，这实际上将导致该行业的数字化。
一个生动的例子就是中国公司阿里巴巴（Alibaba）和德孔集团（Dekon Group）如何利用人工智能来管理养猪场。结合红外传感器温度的读数和每头猪每天的运动数据，人工智能可以评估特定动物的健康状况。此外，基于AI的语音识别工具还提供了通过记录猪咳嗽声来监测疾病传播的机会。根据阿里巴巴和Dekon Group的说法，这样的系统有助于将仔猪的死亡率每年降低3％。这仅仅是开始。
7、温室气候控制器
使用基于AI的技术合成温室气候控制器。它是一个AI驱动的系统和智能控制方法，用于分析和综合智能气候控制器。该系统使用人工神经网络（ANN）和模糊逻辑控制器（FLC）来调节人工调节温室中的气候变量，例如温度和湿度。
由于温室中涉及的物理动力学，使用传统的控制技术，气候控制器的合成变得很复杂。模糊逻辑代表了解决此问题的有用工具。从进行的实验来看，FLC在精度，能量和耐用性方面均具有最佳性能。
一切工作背后的模型或简要概述
您已经听过很多人谈论机器学习，但是却很难想象这是什么？
机器学习是人工智能领域，因此无需显式编程即可教授计算机。
简单来说，机器学习的含义是基本算法可以提供有关数据集的信息，而无需编写代码来手动解决此问题。您无需编写代码，而为基本算法提供数据，并且它基于此数据形成自己的结论。
在机器学习农业中，方法来自学习过程。这些方法需要通过经验学习来执行特定任务。一旦学习过程完成，则可以使用该模型进行假设，分类和测试数据。这是在获得培训过程的经验之后实现的。
如果深入了解，您会发现，机器学习就像一把雨伞，上面装有其他各种重要的技术和方法。当谈到农业上最受欢迎的模型时，我们可以看到人工和深度神经网络（ANN和DL）以及支持向量机（SVM）的使用。让我们找出每个概念的含义。
深度学习是机器学习的子集，可以从各种原始数据中得出结论。深度学习算法可以使用十年的现场数据（有关农作物在各种气候下的表现并继承某些特征的见解），并使用此数据来开发概率模型。利用所有这些信息，机器学习可以预测哪些基因最有可能为植物带来有益的性状，这远远超出任何一个人类所能掌握的范围。在数百万种组合中，高级软件极大地缩小了搜索范围。
人工神经网络受人脑功能的启发，代表了生物神经网络结构的简化模型，可模拟复杂的功能，例如模式生成，认知，学习和决策。
SVM是二进制分类器，可构造一个线性分离的超平面以对数据实例进行分类。在农业中，它们被用来预测农作物的产量和质量以及牲畜的产量。
要点：为什么机器学习和人工智能具有巨大的价值？
世界正在走向严重的危机，而我并不是在谈论人工智能世界末日。到2050年，人口将达到90亿。要使人口数量增长到这一水平，就需要使粮食产量增加一倍。同时，由于全球变暖和城市化等参数，很难增加收成。
这个事实加上气候变化，能源短缺和水资源匮乏的综合影响，要求我们从根本上重新考虑农业系统。幸运的是，这是机器学习可以提供极大帮助的地方。技术的进步可以帮助我们找到所有这些挑战的答案。
但是，同样重要的是要了解，机器学习与其他技术一样，是过程的一部分，而不是独立的解决方案。我要说的是，人工智能必须提供与现有农业运作相适应的实际应用。
本文来自投稿，不代表本人立场，如若转载，请注明出处：http://www.souzhinan.com/kj/230077.html