托普云农人工智能技术的应用与分析

人工智能作为计算机科学的一个重要分支，伴随着信息技术的快速发展，已经渗透在医疗、教育、金融等众多领域，农业作为国民经济的基础性产业，也不例外，近年来，农业被评为最具前景的人工智能与机器学习应用场景之一。

在我国，农业人工智能的应用主要涉及基于机器视觉技术的农作物图像分析和基于数据挖掘技术的农业大数据分析、算法模型构建等。其中，图像分析技术的应用有农作物根-茎-叶-种子的表型分析测量、农作物长势识别、杂草识别、病虫害识别、果蔬品质检测以及自动采摘等方面；大数据分析与算法模型构建的应用有农作物病害预测、虫害预测、墒情预测、产量预测、价格预测、专家系统等，能够对农作物的生产链进行实时的监管控制，从而提升作物的产出量和品质。

伴随着农业领域多元性数据的存在与大量理解力问题的出现，单一机器学习技术已经难以解决。作为一家深研农业十余年的现代化企业，托普云农将前沿信息技术与农业专业深度融合，通过传统图像处理与最新深度学习等技术，构建起针对农业的多维混合算法模型，并使用积累多年的农业数据样本进行训练学习，满足当前多元化人工智能时代的发展需要，并深受业内关注。其中图像处理主要是对图像进行分割、前景提取、获取关键信息等，深度学习主要包括目标检测和图像分类等对目标进行识别分析。

农业病虫害目标识别是人工智能技术的应用热点之一。托普云农通过大量数据样本对已构建好的算法模型进行训练学习，利用训练后的目标检测算法模型对各作物的病虫害进行识别，根据识别的病虫害数量对病虫害的严重程度进行判断与预警；根据识别的病虫害的种类给出病虫害档案，包括病虫危害情况、病虫害特征、病虫害原因、防治措施等。历经近十年的研究实践，托普云农已有60TB约2000多万张图库，15万张精选样本库，每月增量达3TB。目前已覆盖包括草地贪夜蛾、大螟、二化螟、稻飞虱等国家一二类农作物主要虫害109种的识别，病害识别覆盖小麦、玉米、水稻等6种农作物，涵盖赤霉病、灰斑病、稻瘟病等在内59种病害，平均识别一张图片3s左右，为粮食安全、生态保护提供了有力保障。

植物表型研究在作物育种领域有着不可替代的作用。托普云农人工智能技术通过对农作物根-茎-叶-种等器官进行特征提取与降维、目标分割与定位、高精度图像识别与检测，现已实现了对玉米珠型、作物株高、剑叶夹角、籽粒果穗考种、作物形态测量、叶面积分析、亩穗数测量等的多个作物表型识别与测量。

大数据分析与算法模型构建是人工智能技术的另一重要应用。托普云农通过监督机器学习算法，从大规模数据集中训练出墒情预测、作物病虫害预测、作物生长等模型，搭建成作物生长管理系统，由此为作物生产进行规划与管理；通过海量图像数据的积累以及高精度的目标检测和样本分类技术的应用，对病虫害分布及时自动感知，对虫害首发期、爆发期的有效预警预测；通过对传感器数据与视觉数据的分析以及统计模型的应用，进而预测作物产量。

此外，托普云农的人工智能技术还应用于果实成熟期禁止打药监测等农事作业行为识别；烟火识别；文字识别以及人脸、动物、车辆、农机等集成第三方生态识别领域……有效保障农业生产安全、提高农业农村领域网格化治理能力，提升乡村居民幸福感。

随着对人工智能的利用不断深入，农业生产管理与科研领域也展现出更多新的变革。

在江苏海门的高标准农田里，从选种耕种、土壤成分监测、农田灌溉用水分析、病虫害监测预警、农业环境监测到农业专家系统、作物采收管理、产量预测、品质检验等全过程动态管理，极大提升了资源利用率和劳动效率，藏粮于地更藏粮于技。

在乔司现代农业产业示范园里，通过对数据资源的采集、整合、分析，打造全域数字孪生、智慧农机系统、遥感监测系统、农情监测系统、种植管理系统、智能灌溉系统，形成了生产、预测、防控等全要素智能化管理，带动农业可持续发展。

在江西湘东的数字种业园区里，结合科研和产业需求，建设现代化种业基地，打造智慧种业服务平台，涵盖6大应用场景，从育种、制种、种子检验、加工、仓储、流通等各环节强化信息监测以及溯源管理，探索水稻生长标准模型，创新园区服务体系，保障优质种业发展。

在浙江古林的数字农田里，利用北斗导航、物联网、农业遥感、机器视觉等技术手段，打造农机高精度自动作业与导航系统、大田精细化生产灌溉管理系统、“天空地”一体化公共服务平台，并在超过1万亩的规模化种植基地进行集成示范，形成了一套可复制的产业应用模式，为更多水稻产区提供种植推广示范样板。

当前，以数字孪生、人工智能、移动互联网、区块链等为代表的新一代信息技术与先进制造业加速融合，现代农业、服务业领域新产品新业态新模式竞相涌现。未来，在各种农业人工智能设备工作中，数据上“云”更便捷；在农业生产中，全要素数据采集汇聚、智能决策分析、精准作业指导和操控，节本降耗、提质增效、环境友好、生态安全；在农业科研中，基地管理、数据采集、数据挖掘分析更加便捷、智能，研发更加高效，目标更加精准。虽然现代农业与人工智能的深度融合还面临着许多困难和挑战，但是以人工智能为核心的智慧农业发展已是大势所趋。