遠距離傳輸wifi模塊智慧農(nóng)業(yè)新模式人工智能+機械自動化新應用，案例：一個黃瓜農(nóng)小池誠質生產力，原本是汽車廠的工程師穩定，但他辭掉了工作前景，回到家鄉(xiāng)幫父母經(jīng)營黃瓜農(nóng)場廣泛關註。農(nóng)場不大很重要，但日本農(nóng)場對黃瓜有不同的分類標準開展研究，小池家庭也是如此力度。只有同一品種的黃瓜分類才能達到9種各項要求，這讓他遭受了很多痛苦更高要求。

于是他把腦筋放在人工智能上，開始研究Google的TensorFlow該平臺以覆盆子派3為主控制器新技術，并配有相機拍照共同學習。這些照片傳到了這里。TensorFlow該平臺在一個小的神經(jīng)網(wǎng)絡上運行深入，以確定它是否是小黃瓜效高。之后，被判定為小黃瓜的照片被傳輸?shù)礁蟮幕A(chǔ)上Linux服務器的神經(jīng)網(wǎng)絡全方位，根據(jù)不同的特點對小黃瓜進行分類高效節能。

突破初期失敗后，小池創(chuàng)建了一臺成本不到10萬元的自動分裝機大局，任何人都可以快速啟動新創新即將到來。它還釋放了該系統(tǒng)的程序代碼開源GitHub上...

以前，我們已經(jīng)介紹了物聯(lián)網(wǎng)+大數(shù)據(jù)智能農(nóng)業(yè)進行宣講手段；但事實上重要工具，農(nóng)業(yè)科技就像主流科技領(lǐng)域一樣，即將被采用“大數(shù)據(jù)的下一步”配套設備，即以機器學習為首的人工智能技術(shù)席卷更優質。

與其他行業(yè)相比，農(nóng)業(yè)推進高水平、漁業(yè)和畜牧業(yè)面臨著更嚴峻的挑戰(zhàn)脫穎而出。如今，世界人口約為72億生產創效，其中7.8億人生活水平較低結構，面臨結(jié)構(gòu)性饑餓威脅。然而優化上下，到2050年能力建設，全球人口將高達90億模樣，這意味著人類生產(chǎn)的糧食總熱量需要增加60%；如果計算肉類來源牲畜消耗的糧食服務，這些糧食的總熱量將達到103%很重要；但相比之下，在過去的33年里覆蓋，農(nóng)業(yè)可用面積多只增加了4%異常狀況。

因此，許多人認為人工智能是在耕地資源有限的情況下增加農(nóng)業(yè)產(chǎn)出重要意義，保證可持續(xù)發(fā)展的有力答案之一蓬勃發展；隨著人工智能的發(fā)展奮戰不懈，也有“農(nóng)機全自動化”趨勢統籌推進。本文將介紹幾個實際案例落實落細，帶您了解人工智能在農(nóng)業(yè)中的無限潛力。

AI成熟的視覺識別已經(jīng)開始在農(nóng)業(yè)中發(fā)展

市值約40億美元的蘋果每年在美國收獲和銷售攜手共進，因此蘋果在美國農(nóng)業(yè)中占有一席之地共同；與此同時，AI與遠距離傳輸wifi模塊全自動機器人正在猛烈沖擊蘋果農(nóng)業(yè)經過，美國農(nóng)機新創(chuàng)公司Abundant就發(fā)明了“采摘蘋果機器人“簡單化，它有機器學習的視覺算法，可以準確判斷每個蘋果明確了方向，從提取到輕放在收集箱中系統性。整個過程的準確性基本上和人類一樣，甚至可以以幾十人的速度工作改進措施。
另一間NatureSweet新農(nóng)業(yè)公司更嘗試使用AI監(jiān)測番茄的生長過程就此掀開。通過安裝在溫室里的相機，他們獨特的算法可以識別番茄是否有病蟲害和枯萎的視覺線索今年，并實時通知農(nóng)民病害已經(jīng)開始發(fā)生穩步前行。這種方法顯然比以前每周花時間進行人工檢查要有效得多。甚至動手能力，他們現(xiàn)在也開始寫一個視覺識別番茄是否成熟的算法逐步改善。

快速改變農(nóng)業(yè)面貌的自動機械

有鑒于微型MEMS傳感器（包括加速度計、陀螺儀提升、磁力計和壓力傳感器）GPS模塊和加工芯片越來越成熟大大提高，遠距離傳輸wifi模塊農(nóng)業(yè)無人機的價格也越來越便宜，這對農(nóng)民來說是一個巨大的好消息研究成果，也有深刻的潛力徹底改造整個行業(yè)有很大提升空間。在臺灣，使用無人機噴灑農(nóng)業(yè)首次、肥料和藥物并不是什么新鮮事可能性更大。根據(jù)上下游報告，遠距離傳輸wifi模塊無人直升機噴灑10分鐘可噴灑15畝農(nóng)藥搖籃，每天多可噴灑225畝技術，是傳統(tǒng)人力的三到四倍，可有效節(jié)省藥物推動，甚至注意葉片背面的絲瓜也可以通過氣流擾動順利施用相對較高。

但無人機不僅可以施用藥物和肥料。美國許多酒莊現(xiàn)在使用帶有高光譜相機的無人機信息，從紅外線和可見光譜中收集數(shù)據(jù)相關，拍攝健康植物和病害植物范圍的空拍掃描圖，即使是眼睛不明顯的害蟲豐富內涵、真菌感染和其他病變植物也可以識別生產效率。我相信敏感的讀者也猜到，這種紅外識別植物健康的視覺識別系統(tǒng)是機器學習與無人機相結(jié)合的另一個好案例適應性。

而在熱門的“自動駕駛”部分節點，在2017年各國政府和廠商仍致力于實現(xiàn)遠距離傳輸wifi模塊無人駕駛上路駕駛之前，Kinze早在2012年落地生根，這家大型農(nóng)機企業(yè)就參考了Google自動駕駛系統(tǒng)創(chuàng)建了自動農(nóng)業(yè)和收割機成就。只要在耕作過程中將遇到的情況與田間信息一起輸入，GPS系統(tǒng)開展面對面，拖拉機根據(jù)GPS系統(tǒng)記錄指示行駛系統，按前方進行紅外線掃射，避免撞到障礙物進一步提升；大型農(nóng)機企業(yè)久寶田也宣布空間廣闊，于2020年推出“一鍵完全自動”農(nóng)業(yè)機械有助于解決日本農(nóng)村勞動老齡化問題日益嚴重。

雖然人工智能已經(jīng)成為科技領(lǐng)域的支柱不折不扣，但我們也介紹了人工智能和自動機械在農(nóng)業(yè)中的應用支撐能力。但事實上，大多數(shù)主要農(nóng)業(yè)企業(yè)高效利用、設備制造商和服務提供商都沒有在農(nóng)業(yè)中大力推廣人工智能特征更加明顯。

技術(shù)上大的挑戰(zhàn)之一是收集農(nóng)業(yè)數(shù)據(jù)并不容易。我們知道講理論，遠距離傳輸wifi模塊AI是大數(shù)據(jù)“下一步”的可能性，需要大量的數(shù)據(jù)來正確地訓練算法。雖然地理服務為一體、天氣等數(shù)據(jù)相對完善問題，但作物本身的大部分數(shù)據(jù)只能在每年的生長季節(jié)獲得一到兩次，顯然比其他領(lǐng)域需要更多的時間全會精神；與技術(shù)系統穩定性、工業(yè)或網(wǎng)絡圈不同拓展基地，所有權(quán)的透明度和共享更加困難。