人工智慧將幫助農民提早發現作物疾病
2018/01/12 @國際
示意圖
早期鑑別作物病害需依靠專業人士進行肉眼觀察病徵，通常發現時病害已造成田間地區一定程度上的損害，且大面積專一性種植的田地觀察不易，所面臨之病害損失可能更高；因此發現病害時間越早，越能降低產業風險，並有利於精準用藥，減緩周遭環境負擔。
一般的NDVI圖像可以利用紅光與近紅外光的反射以反映某地區的植被數量與生長特性，然而一旦被上層作物遮擋，就無法顯現出下方潛在的作物變化。美國的Evergreen FS與Ceres Imaging公司合作，利用多重光譜成像呈現區域中植物的受到的環境壓力數據(例如營養與水分不足)，並結合葉綠素、熱成像、氮含量、疾病等壓力的數據進行模型分析，有助於在疾病爆發前及時找出需要處理的區域，適時使用藥劑或肥料。以往此技術只用於果園或葡萄園，但現在嘗試用於大規模種植的農場，協助疾病的早期監測。【延伸閱讀】人工智慧幫助病蟲害風險管理
透過一年的測試結果，此技術能在肉眼尚未可見的情況下先發現玉米和大豆中的病原真菌和缺水等問題；依作物種類不同，每英畝花費從6到10美元不等，但能節省更多資源與藥劑成本。康乃爾大學農業與生命科學院教授Michael Gore指出，人工智慧雖非萬能，但預計在五到十年內將被玉米和大豆農民普遍使用；而此技術未來若能搭配無人機拍攝，更能促進農業自動化，有效幫助農民縮短決策時間。
資料來源
文章摘譯
