一些報告預(yù)測，到2027年，精準(zhǔn)農(nóng)業(yè)市場將達(dá)到129億美元，因此越來越需要開發(fā)能夠?qū)崟r指導(dǎo)管理決策的復(fù)雜數(shù)據(jù)分析解決方案。伊利諾伊大學(xué)跨學(xué)科研究小組的一項新研究提供了一種有前途的方法，可以有效，準(zhǔn)確地處理精密ag數(shù)據(jù)。

“我們正在嘗試改變?nèi)藗冞M(jìn)行農(nóng)藝研究的方式。我們試圖做的不是直接建立一個小塊田地圖，運(yùn)行統(tǒng)計數(shù)據(jù)和發(fā)布方法，而是更直接地涉及到農(nóng)民。我們正在與農(nóng)民進(jìn)行實(shí)驗。伊利諾伊州作物科學(xué)系副教授尼古拉斯·馬丁(Nicolas Martin)說：“我們可以檢測特定地點(diǎn)對不同輸入的響應(yīng)。我們還可以查看該字段的不同部分是否有響應(yīng)。”該研究的作者。

他補(bǔ)充說：“我們開發(fā)了使用深度學(xué)習(xí)的方法來生成產(chǎn)量預(yù)測。該方法結(jié)合了來自不同地形變量，土壤電導(dǎo)率以及我們在中西部9個玉米田中應(yīng)用的氮素和種子處理的信息。”

馬丁及其團(tuán)隊處理了數(shù)據(jù)密集型農(nóng)場管理項目的2017年和2018年數(shù)據(jù)，該項目在中西部，巴西，阿根廷和南非的226個田地以不同的速率施用了種子和氮肥。導(dǎo)通地面測量用高分辨率衛(wèi)星圖像配對從PlanetLab的預(yù)測產(chǎn)量。

數(shù)字化地將場地分成5米(約16英尺)的正方形。將土壤，海拔，氮肥施用量和播種量的數(shù)據(jù)輸入到每個正方形的計算機(jī)中，目的是了解因素如何相互作用以預(yù)測那個正方形的產(chǎn)量。

研究人員通過一種稱為卷積神經(jīng)網(wǎng)絡(luò)(CNN)的機(jī)器學(xué)習(xí)或人工智能進(jìn)行了分析。某些類型的機(jī)器學(xué)習(xí)從模式開始，并要求計算機(jī)將新的數(shù)據(jù)位放入這些現(xiàn)有模式中。卷積神經(jīng)網(wǎng)絡(luò)對現(xiàn)有模式視而不見。取而代之的是，它們獲取少量數(shù)據(jù)并學(xué)習(xí)組織數(shù)據(jù)的模式，類似于人類通過大腦神經(jīng)網(wǎng)絡(luò)組織新信息的方式。CNN的過程，其預(yù)測與產(chǎn)量高的精度，也被相對于其他機(jī)器學(xué)習(xí)算法和傳統(tǒng)的統(tǒng)計技術(shù)。

“我們真的不知道是什么導(dǎo)致了整個田間對投入物的產(chǎn)量響應(yīng)產(chǎn)生差異。有時人們會認(rèn)為某個地點(diǎn)對氮的反應(yīng)非常強(qiáng)烈，反之亦然。CNN可能會采取行動可能會引起回應(yīng)的隱藏模式。”馬丁說。“當(dāng)我們比較幾種方法時，我們發(fā)現(xiàn)CNN很好地解釋了產(chǎn)量變化。”

使用人工智能來解開精確農(nóng)業(yè)中的數(shù)據(jù)仍然是一個相對較新的技術(shù)，但是馬丁說，他的實(shí)驗只是在CNN的潛在應(yīng)用方面掠過了冰山一角。“最終，我們可以使用它針對給定的輸入和站點(diǎn)限制組合提出最佳建議。”