MKC Logo
瀏覽數:1553

不再看天吃飯》精準+預測 AI餵飽全世界

【文/胡林 圖片提供/達志影像】

  人口快速老化、鄉村日漸減少正在嚴重威脅歐美、日本等國家的農業生產甚或存續,根據聯合國估計,要養活地球爆炸中的人口,到本世紀中葉糧食產量需增加50%。為解決此問題,利用高科技協助農民轉而擁抱「智慧農業(Intelligent Agriculture)」已成一股不可逆的趨勢,透過人工智慧(Artificial Intelligence, AI)及其他聯網裝置,提供土壤、天氣、價格等數據的即時分析,大幅節省勞力、提高農民生產效率。

  目前約有200萬座農場星羅棋佈散落在美國大陸上,這些農場主人的決定將影響整個食品供應鏈。根據一項研究,如果5%的美國青花菜產量未收割,美國市場上就會少了逾9,000萬磅的青花菜。為協助穩定這個充滿不可預測性的市場,IBM推出了結合了AI、物聯網(Internet of Things, IoT)和雲端解決方案的「Watson農業決策平台(WDPA)」。該公司表示農業是一項龐大且複雜的工作,還得受大自然的擺布。由於來自農場設備、環境感應器和遠端輸入的數據龐大,光靠直覺或傳統技術來了解造成產量變化的因素或為農民提供指引,很不切實際,藉由Watson AI應用以填補此一缺口,從而提供農民參考。

AI成決策助手》掌控澆水、買賣時機

  Watson農業決策平台利用IBM強大的預測功能,找出可能影響作物產量的所有關鍵因素,例如:土壤溫度、水分含量、害蟲和疾病。農民還可利用無人機將照片送至IBM Cloud,再由AI進行趨勢分析,例如:找到作物病害的跡象等,或者將植物的特寫照片提供給疾病檢測電腦進行視覺運算。

  大型農業經營者可利用該平台預測何時可收成,及可在全球市場上賺多少錢。所有的資訊經過整理後,經營者不僅可掌握灌溉、種植、施肥的最佳時機,還可以確定最適合的銷售時點。

  這不是IBM首次跨足農業分析領域,IBM的Pairs Geoscope平台利用機器學習來分析衛星圖像、天氣、人口、土地使用、企業位置等數據以及作物預測。在巴西,該公司的研究人員構立了一個原型AgroPad,利用AI和行動應用程式來分析土壤和水質樣本。在肯亞,IBM與Twiga Foods合作,為農民和食品供應商測試了一個由區塊鏈驅動的微型金融貸款平台。

  當然,IBM也不是唯一將AI應用於農業的企業。總部位於以色列特拉維夫的新創公司Prospera利用電腦視覺軟體、現場攝影機和天氣感應器,以及強大的雲端處理平台,能準確算出需輸送多少水給植物。此外,美國的笛卡爾實驗室(Descartes Labs)也利用由衛星數據訓練的機器學習模型,來推估整個州和全美的玉米產量。

AI收成機器人》工時Double摘好摘滿

  隨著農業使用AI日益普及,這個市場的規模也快速成長,根據市場研究業者Mordor Intelligence,用於農業的AI市場規模在2016年有31.8億美元,預計2018至2023年這5年期間的複合年成長率(Compound annual growth rate, CAGR)為12.7%。對日本而言,這個國家有2/3農民年紀超過65歲,AI扮演著推動走向智慧農業的重要角色。物聯網和AI可為農民提供天氣、溫度、濕度和價格數據的即時分析。例如:充分了解當地資源後,AI可提供使作物價值最大化的方法;現場感應器和無人機蒐集的數據,可以匯整有關土壤、種籽、牲畜、作物、成本、農場設備,以及水和肥料等龐大且有價值的訊息。

  一般來說,AI在日本農業的發展和應用,主要是自動採摘、作物分類和農業監測等3方面。

  首先,自動採摘是農業生產中的一項重要技術。在上個世紀,自動採摘技術主要用於水稻收割機等設備。然而,巨大的收割設備需要人工操作並且過程粗糙,無法收割脆弱且易受傷害的農產品,比如草莓、蕃茄或其他水果。由AI驅動的收割機器人,所面臨的挑戰是讓系統判斷何時及哪些蕃茄已經可以收成。現行的一般揀選機器人無法辨識微妙的色差,進而區分未成熟和成熟水果。但藉由加入影像識別技術和深度學習,機器人對成熟度的評估效能可以接近人類的程度。

  例如:日本消費電子巨人Panasonic在2017年東京國際機器人展推出「番茄收成機器人」。該公司在這款機器人中導入AI後,收成率可從80%提高到96%。隨著蕃茄逐漸從綠色變為紅色,機器人的相機會記錄圖像,系統會根據對照樣本檢查顏色變化,以判斷是否應收成。這款機器人也可靈巧採摘番茄而不會擦傷表面,提高了收成質量和品質。雖然每6秒採摘一個番茄的速率僅為人類專家採摘率的一半,但番茄採摘機器人可以不間斷運作10小時並在夜間工作(在顏色分析中使用專用光源),工作量明顯優於人工。

黃瓜電腦揀的》高齡者的快樂農場

  其次,作物分類是收成後必不可少的過程,因為不同等級的農產品售價也不同,有些產品則需要直接運到工廠加工成罐頭食品、醃製品等。在這個階段,如果想讓AI協助進行作物分類,為它設定明確的標準就是關鍵。

  小池真(Makoto Koike)是日本西部城市靜岡縣的小黃瓜農民。他說,在收成季節,需花8個多小時來分揀4,000公斤的小黃瓜。之前曾擔任過資訊科技(Information Technology, IT)工程師的小池認為,需要有更好的方法,因此他使用TensorFlow來建立自己的自動化小黃瓜分揀系統。他的小黃瓜根據厚度、長度、彎曲度等標準分為9個等級。

  小池栽種的黃瓜首先由3台相機拍攝,然後將該數據傳輸到受過數千個黃瓜圖像訓練的AI系統,利用深度學習來確定品質等級。最後,輸送帶將黃瓜運送給機器人手臂,再將每個黃瓜放置在適當的包裝箱中。

  第三是農場監測,這種技術包括生產預測、病蟲害監測及天氣預報等。導入智慧農業模式的農民,可以透過無人機、監視攝影機和安裝在農場的其他感應器,來即時監控農場的各項環境狀況,AI可利用這些數據來檢測溫度、濕度,以及作物病害和害蟲狀況,同時還能即時分析作物生長情況。這些自動化技術可大幅減少必須在農田裡的工作時間和重度勞動,對高齡化農民是一大助力。

  此外,由東京Optim Cloud IoT公司開發的作物栽培解決方案,分為空氣監測管理(農業經理)和作物記錄助理(農業助理)。透過航空攝影和感應器,農業經理可遠距確認溫度、日照量和其他數據,並且利用圖像處理技術,可發現和預測27種不同的病蟲害;農業助理則利用語音辨識技術上傳許多作物訊息,減少農民的工作量並提高種植效率。

  農業大規模應用人工智慧可提高效率並減少農民的體力辛勞,同時讓農業擺脫了固有的「辛苦和骯髒」的形象,激勵更多年輕人投入此產業。未來幾年,AI與相關技術將為農業帶來巨大改變,日本農業可能就此被徹底改造。

【完整內容請見《能力雜誌》2019年1月號,非經同意不得轉載、刊登】


您可能會有興趣的課程

資料讀取中...

您可能會有興趣的出版品

資料讀取中...

能力雜誌

資料讀取中...
輔導諮詢