新的人工智能算法可以更好地預(yù)測(cè)玉米產(chǎn)量

隨著一些報(bào)告預(yù)測(cè)，到2027年，精確農(nóng)業(yè)市場(chǎng)將達(dá)到129億$，越來(lái)越需要開(kāi)發(fā)復(fù)雜的數(shù)據(jù)分析解決方案，以實(shí)時(shí)指導(dǎo)管理決策。 伊利諾伊州大學(xué)的一個(gè)跨學(xué)科研究小組的一項(xiàng)新研究為高效、準(zhǔn)確地處理精確的ag數(shù)據(jù)提供了一種很有前途的方法。

“我們正在努力改變?nèi)藗儚氖罗r(nóng)業(yè)研究的方式。 我們?cè)噲D做的不是建立一個(gè)小的田塊，運(yùn)行統(tǒng)計(jì)數(shù)據(jù)，發(fā)布手段，而是更直接地涉及農(nóng)民。 我們正在自己的田地里進(jìn)行農(nóng)民機(jī)械的試驗(yàn)。 我們可以檢測(cè)不同輸入的特定站點(diǎn)響應(yīng)。 伊利諾斯州作物科學(xué)系助理教授、該研究的合著者尼古拉斯？馬丁(Nicolas Martin)表示：“我們可以看到，在這一領(lǐng)域的不同領(lǐng)域是否有反應(yīng)。

他補(bǔ)充說(shuō)：“我們開(kāi)發(fā)了使用深度學(xué)習(xí)生成產(chǎn)量預(yù)測(cè)的方法。 它包含了來(lái)自不同地形變量、土壤電導(dǎo)率以及氮和種子速率處理的信息，我們?cè)谥形鞑烤艂€(gè)玉米田中應(yīng)用。

馬丁和他的團(tuán)隊(duì)研究了數(shù)據(jù)密集型農(nóng)場(chǎng)管理項(xiàng)目2017年和2018年的數(shù)據(jù)，該項(xiàng)目在中西部、巴西、阿根廷和南非的226個(gè)農(nóng)田中以不同的速度施用種子和氮肥。 地面測(cè)量與行星實(shí)驗(yàn)室的高分辨率衛(wèi)星圖像配對(duì)，以預(yù)測(cè)產(chǎn)量。

田野被數(shù)字分割成5米（約16英尺）的正方形。 土壤、海拔、施氮率和種子率的數(shù)據(jù)被輸入每個(gè)正方形的計(jì)算機(jī)，目的是學(xué)習(xí)這些因素如何相互作用來(lái)預(yù)測(cè)該正方形的產(chǎn)量。

研究人員用一種稱為卷積神經(jīng)網(wǎng)絡(luò)(CNN)的機(jī)器學(xué)習(xí)或人工智能來(lái)進(jìn)行分析。 一些類型的機(jī)器學(xué)習(xí)從模式開(kāi)始，并要求計(jì)算機(jī)將新的數(shù)據(jù)比特放入現(xiàn)有的模式中。 卷積神經(jīng)網(wǎng)絡(luò)對(duì)現(xiàn)有模式視而不見(jiàn)。 相反，他們獲取一些數(shù)據(jù)并學(xué)習(xí)組織它們的模式，類似于人類通過(guò)大腦中的神經(jīng)網(wǎng)絡(luò)組織新信息的方式。 并與其他機(jī)器學(xué)習(xí)算法和傳統(tǒng)統(tǒng)計(jì)技術(shù)進(jìn)行了比較，比較了CNN過(guò)程的高精度預(yù)測(cè)產(chǎn)量。

“我們不知道是什么導(dǎo)致了不同領(lǐng)域?qū)ν度氲漠a(chǎn)量反應(yīng)的差異。 有時(shí)人們有一個(gè)想法，某一地點(diǎn)應(yīng)該對(duì)氮作出真正強(qiáng)烈的反應(yīng)，而它沒(méi)有，反之亦然。 美國(guó)有線電視新聞網(wǎng)可以發(fā)現(xiàn)隱藏的模式，可能會(huì)引起反應(yīng)。 當(dāng)我們比較了幾種方法時(shí)，我們發(fā)現(xiàn)CNN很好地解釋了產(chǎn)量的變化。

使用人工智能來(lái)解開(kāi)來(lái)自精確農(nóng)業(yè)的數(shù)據(jù)仍然是相對(duì)較新的，但馬丁說(shuō)，他的實(shí)驗(yàn)僅僅是從CNN的潛在應(yīng)用中獲取冰山一角。 “最終，我們可以利用它為特定的投入和場(chǎng)地限制組合提出最佳建議。”