人工智能算法可用于农业产量预测

预计到2027年，精准农业市场规模将达到129亿美元。随着这种增长，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团队开发了一种新方法，旨在高效、准确地处理准确的农业数据。

尼古拉斯马丁是伊利诺伊州作物科学助理教授，也是这项研究的合著者。

“我们正试图改变人们从事农业研究的方式。我们试图做的不是直接建一个小地块，进行统计，公布平均值，而是让农民更直接地参与进来。我们正在农民自己的地里试验机器。我们可以检测对不同输入的特定站点响应。我们可以看看在这个领域的不同领域是否有反应，”他说。

“我们开发了一种使用深度学习生成产量预测的方法。它包含来自不同地形变量、土壤电导率以及我们在中西部地区9个玉米田应用的氮和种子处理的信息。”

该团队使用来自数据密集型农场管理项目的2017年和2018年的数据来帮助开发他们的方法。该项目在226块土地上按不同比例施用了种子和氮肥。这些油田分布在世界各地，包括中西部、巴西、阿根廷和南非。PlanetLab提供高分辨率卫星图像，并将其与地面测量结果进行匹配，以预测产量。

这个区域被数字分割成5米见方的区域。给计算机提供了每一方的土壤、海拔、氮肥施用量和种子播种量的数据，然后它开始学习如何通过因素的相互作用来确定该方的产量。

为了完成他们的分析，研究人员依靠卷积神经网络。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能够向现有模式添加新数据，但卷积神经网络不考虑现有模式。CNN专注于数据，并学习负责组织数据的模型，其工作方式类似于人类如何通过大脑中的神经网络组织信息。CNN方法可以高精度地预测产量，并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领域输入的输出响应不同。有时候人们有一种想法，认为某个地方对氮的反应非常强烈，反之亦然。CNN可以选择一种可能会引起回应的隐藏模式。”马丁说。"当我们比较几种方法时，我们发现CNN很好地解释了产量的变化."

利用人工智能分析精准农业的数据是一个新的领域，但也在不断发展。农业是人工智能将发生巨大变化的主要行业之一，其用途正在增加。根据马丁的说法，这个实验只是CNN在各种应用中使用的开始。

标签：

免责声明：本文为转载，非本网原创内容，不代表本网观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。