人工智能算法用于预测农业产量

预计到2027年，精准农业市场将达到129亿美元。随着这一增长，对于能够实时指导管理决策的复杂数据分析解决方案的需求也日益增长。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、准确地处理精准农业数据。

尼古拉斯·马丁是伊利诺伊大学作物科学系的助理教授，也是这项研究的共同作者。

“我们正在尝试改变人们进行农学研究的方式。我们不是建立一个小型田间试验，运行统计分析，并发布平均值。我们正在与农民的机械合作，在他们自己的田地里进行实验。我们可以检测到对不同输入的现场特定响应。我们可以看到田地的不同部分是否有响应，”他说。

“我们使用深度学习开发了一种方法来生成产量预测。它结合了不同的地形变量、土壤电导率以及我们在九个中西部玉米田中应用的氮和种子率处理。”

该团队使用了2017年和2018年的数据强化农场管理项目来帮助开发他们的方法。在该项目中，种子和氮肥以不同的速率应用于226个田地。这些田地位于世界各地，包括中西部、巴西、阿根廷和南非。PlanetLab提供了高分辨率卫星图像，并将其与地面测量数据配对，以预测产量。

田地被数字化地分成5米见方。计算机被输入每个方格的土壤、海拔、氮施用率和种子率数据，然后开始学习这些因素如何相互作用以确定该方格的产量。

为了完成他们的分析，研究人员依赖于卷积神经网络（CNN）。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将新数据添加到现有模式中，但卷积神经网络不考虑现有模式。CNN查看数据并学习负责组织数据的模式，它的工作方式与人类的大脑神经网络组织信息的方式类似。CNN方法能够以高精度预测产量，并将其与其他机器学习算法和传统统计技术进行了比较。

“我们不知道是什么原因导致了田地内对输入的产量响应差异。有时人们认为某个位置应该对氮素有很强的响应，但事实并非如此，反之亦然。CNN可以捕捉到可能导致响应的隐藏模式，”马丁说。“当我们比较了几种方法后，我们发现CNN在解释产量变异方面工作得很好。”

使用人工智能分析精准农业数据是一个新领域，但它正在增长。农业是将被人工智能大幅改变的主要行业之一，人工智能的使用也在不断增加。根据马丁的说法，这个实验只是CNN在各种应用中被使用的开始。

“最终，我们可以使用它来为给定的输入和场地约束组合提出最佳建议。”