AI应用说 | 害虫识别、牛场24小时无人监控，聊聊AI+农业这些事儿

是时候，关注智慧农业这条“难且正确”的路上了。

在不断变化、机遇与危机并存的商业 会中，农业一直算不上“热点”。但伴随国务院下发的关于农业的一 文件，及疫情黑天鹅引发的持续影响。农业的颠覆和重构正在形成一个产业新风口。

在科技的赋能下，中国农业发展正经历由传统农业向数字农业的转型新阶段，发展数字农业是18亿亩农田的精细化管理需求，也是乡村振兴战略实施的基础。各大互联 企业及产业龙头持续重仓农业，当智慧农业的技术手段开始走向规模化应用，是时候将视角聚焦到智慧农业这条“难且正确”的路上了。

政策加持，等风来！

世界农业在经历了以矮秆品种为代表的第一次绿色革命、以动植物转基因为核心的第二次绿色革命之后，随着现代信息技术与农业的深度融合发展，农业的第三次革命——”农业数字革命”正在到来。

2014年，我国提出“智慧农业”概念，2016年“智慧农业”首次被写入“中央一 文件“，此后每年中央都会出台新的政策规划鼓励智慧农业的发展。到今年1月，第18个关于农业的”中央一 文件“明确十四五的两个开好局，强调要强化现代农业科技和物质装备支撑，着力构建现代乡村产业体系、现代农业经营体系，推进农业绿色发展。

伴随着现代信息技术在农业领域的渗透，如传感器技术、计算机技术、无线 络技术等现代技术纷纷融合进入了传统农业的各个环节中，推动传统农业向信息化、自动化与智能化发展，有效改善农业发展的综合性环境，提升农业生产经营效率。人工智能技术正在信息感知、定量决策、智能控制、精准投人、可视化远程诊断、远程控制、灾害预警等方面帮助农业更高效、更合理地利用农业资源、提高农作物产量和品质、降低生产成本、改善生态环境，并帮助农业可持续发展。

AI+农业应用落地的技术难点

纵观农业生产前中后的链路，存在截然不同的应用需求场景及专业方向。比如：上游产前集中在生物技术层面，面向信息化培育、生物育种、农药化肥等；中游生产集中在数字农业层面，面向农业大数据、农田监测、农业无人机等；以及下游产后在消费层面的质量检测、农产品加工、冷链物流等。

在长期对AI+农业的跟踪 道及采访中，圈内人对技术难点无外乎以下两点：

1. 农业数据采集比较困难；

2. 每个农业客户场景不同，需要定制化训练。同时需要农业客户和研发共同界定出对应的行业标准。

当然，这只是笼统概述大部分智慧农业应用中遇到的难题。在实际业务推进中，可能还会衍生亟待解决的难题。此前京东方植物工厂在业务推进过程中，遇到了农业人才短缺、人工确认生产情况效率低下、无法大规模推广应用等问题。

百度利用视觉技术、飞桨EasyDL零门槛AI开发平台等对京东方植物工厂进行优化升级，并进行虫害监控模型、生长影响因素模型等产品研发，将农业专家的经验数字化、产品化，将专家频繁确认的动作变成机器识别，极大地提高了专家的工作效率;通过高效准确的机器识别，起到提高产品品质和产量的效果。降低了不良品的产出，产量提高15%，生产物资(种子、基质、营养液)成本降低15%。

聚焦案例：害虫识别&牛场无人监控解析

本次AI应用说带着AI+农业方向经典案例：害虫识别、牛场无人监控来咯。

以往农业生产中，虫情监测工作多是依靠专业技术人员完成的，往往需要耗费大量的人力、物力，而且无法满足虫情及时提供的需求。同时，还需关注到农药使用的科学性和安全性，做到针对病虫害的种类对症下药，推进绿色防控。

祝大家中秋节快乐！！！