新的人工智慧演算法可以更好地預測玉米產量
2020/03/09 @國際
摘要
美國伊利諾大學研究團隊針對精準農業的農業管理與決策效益提供數據處理分析方法，以深度學習、衛星圖像、卷積神經網絡、人工智慧等應用技術進行產量預測，冀望可協助從農者可針對不同的土地條件、地點給予最適切的管理決策建議。
示意圖
在伊利諾伊州烏巴納(Urbana)的一份預測報告中指出2027年時，精準農業的市場將達到129億美元，因此對於開發出複雜數據分析的解決方案來提供即時決策管理的需求日益增加。而伊利諾伊大學跨學科研究小組的一項創新研究則提供了一種有效且能準確地處理精密數據的方法。
該研究團隊並非只是建立一個小塊的田野實驗地來進行統計數據及計算平均值，而是更直接將不同地區的農民田地同時納入計算，因此研究小組利用農民的機械設備於當地農田中進行試驗，以偵測不同因素的投入是否會造成特定地點的影響。此外，它們也開發出使用深度學習法來預測產量，其結合了來自不同地形的變化、土壤導電性以及從美國中西部9個玉米田中的氮含量和種子處理資訊。
馬丁及其團隊著手於數據密集型農場管理計畫的2017與2018年數據，該計畫在美國中西部、巴西、阿根廷與南非的226塊田地以不同的速率施用了種子和氮肥，並將地面測量結果與PlanetLab的高分辨率衛星圖像配對，以預測產量。該田地以數位化的方式劃分成5米的正方形 (約16英呎)，將土壤、海拔、氮肥施用量與播種量輸入至每個方型計算單位，目的是瞭解各因素如何相互作用以預測該正方形單位的產量。【延伸閱讀】導入機器學習科技預防人畜共通傳染病
同時研究人員也利用一種稱為卷積神經網絡（CNN）的機器學習與人工智慧的系統進行分析。而某些類型的機器學習會從圖像開始訓練，並要求系統將新的數據套入現有學習模式當中，同時CNN會先對於現有模式視而不見，取而代之的是會改用類似於人類通過大腦神經網絡組織新信息的模式，藉由獲取少量的數據並學習新的數據組織模式。
透過CNN處理可以高準確度地進行產量預測，研究團隊也將其與不同的機器學習算法或傳統統計技術進行比較，並也看到CNN在解釋產量變化方面的表現很好。由於使用人工智慧來精確處理農業數據仍是一個相對於其他產業來說較新的應用技術，而現階段的研究實驗亦只是CNN的各種潛在應用方面的一小部分，其最終目標仍是希望可以藉由此項新的技術能夠針對不同因素與地點給予最佳的決策管理建議。
資料來源
關鍵字
文章摘譯
