農(nóng)機大全網(wǎng)（www.wgjtg.com）最新農(nóng)機信息：專家縱論農(nóng)業(yè)擁抱人工智能(專家組調(diào)研陜西小麥全程機械化)，農(nóng)機新產(chǎn)品,二手農(nóng)機,農(nóng)機補貼目錄,農(nóng)機價格查詢,農(nóng)機報價大全，更多農(nóng)機資訊請查看：農(nóng)機資訊

　　農(nóng)機大全網(wǎng)（www.wgjtg.com）今天給各位分享專家縱論農(nóng)業(yè)擁抱人工智能的知識，其中也會對專家組調(diào)研陜西小麥全程機械化進行解釋，如果能碰巧解決你現(xiàn)在面臨的問題，別忘了關(guān)注本站，現(xiàn)在開始吧！

本文導讀目錄：

1、專家縱論農(nóng)業(yè)擁抱人工智能

2、專家組調(diào)研陜西小麥全程機械化

專家縱論農(nóng)業(yè)擁抱人工智能 ♂

專家縱論農(nóng)業(yè)擁抱人工智能

美國灰胡子的人們，可能還記得當鉛筆滿載的數(shù)學計算，將曲速推進到計算器時代時，他們所感受到的興奮。

如今，人工智能（AI）有望為農(nóng)業(yè)帶來與幾十年前數(shù)學課相同的熱度。人工智能是一種包括機器學習等多個集成的技術(shù)，人工智能使用大量數(shù)據(jù)來提高效率，Inari首席信息和數(shù)據(jù)官Rania Khalaf說。

“機器學習使計算機能夠通過在大量數(shù)據(jù)中查找模式來數(shù)學預測結(jié)果或進行分類。”她說，“然后，當它看到新數(shù)據(jù)時，它會隨著時間的推移學習更新這些模式或分類。

“人工智能的最大優(yōu)勢是能夠以以前需要人類執(zhí)行的高速進行復雜的計算?！盉lue River Technology的See&Spray總經(jīng)理Kent Klemme補充道，“最近對GPU（圖形處理單元）的改進提供了使這成為可能的計算能力。針對特定問題需要大量數(shù)據(jù)?！?/span>

See & Spray Ultimate技術(shù) - 由機器學習提供支持 - 使噴霧器能夠在作物之間噴灑時僅針對雜草?！拔覀円呀?jīng)在不同情況下拍攝了成千上萬張不同作物中不同雜草的圖像，例如晴朗的天空、多云的天空、黑暗的天空、不同的土壤和不同水平的殘留物?！盞lemme說。

Blue River和John Deere的數(shù)據(jù)科學家隨后訓練See&Spray Ultimate系統(tǒng)在各種條件下識別植物。這些圖像通過算法進行整理，算法涉及重復一個或多個數(shù)學運算。算法通常在計算機上實現(xiàn)和解決。

Case IH的Patriot 50系列噴霧器使用一種稱為視覺引導的機器學習形式。

“這是一種行引導解決方案，可根據(jù)工廠位置發(fā)出轉(zhuǎn)向指令。”Case IH全球精密技術(shù)總監(jiān)Chris Dempsey說。

他補充說，視覺引導使用車載攝像頭將玉米植物的位置傳遞給噴霧器，使其保持在行上而不是碾過作物。

它正在增長

人工智能是一個廣泛的領(lǐng)域，包括許多子集成，例如機器學習。不過，基本上，它使用大量數(shù)據(jù)來提高效率，Dempsey說。

“整個農(nóng)業(yè)在數(shù)字農(nóng)業(yè)中面臨的最大障礙是獲取大型復雜數(shù)據(jù)集并將其轉(zhuǎn)化為有意義的見解?！盋eres Imaging的創(chuàng)始人Ashwin Madgavkar說，“人工智能可以通過將所有這些數(shù)據(jù)綜合成種植者可以采取的行動，真正幫助彌合這一差距。

它在作物育種中的使用正在增加。

“我們正在研究各種不同的新技術(shù)，無論是機器學習還是預測雜交性能的高級分析模型?！盇gReliant Genetics雜交產(chǎn)品育種經(jīng)理Mike Popelka說。“[作物育種]行業(yè)正更多地轉(zhuǎn)向這些模式。”

人工智能的使用也普遍用于許多機械生產(chǎn)線。Case IH通過16個傳感器使用機器學習，這些傳感器調(diào)整其AFS Harvest Command系統(tǒng)。

“在減少[谷物]損失的同時提高產(chǎn)量現(xiàn)在都是自動完成的。”Dempsey說，“從歷史上看，如果聯(lián)合收割機操作員在谷物樣品中有太多的玉米芯或異物，他們將不得不進行篩分調(diào)整。”

機器學習現(xiàn)在可以自動執(zhí)行此操作。

“傳感器告訴聯(lián)合收割機它需要關(guān)閉較低的篩子或提高風扇或轉(zhuǎn)子速度。”他說，“這些調(diào)整是基于了解給定作物類型的已知數(shù)據(jù)庫中異物或不良谷物質(zhì)量的樣子。它基本上是一個圖像數(shù)據(jù)庫，顯示好的[質(zhì)量顆粒]和壞的。

約翰迪爾還在S700和X9系列聯(lián)合收割機的自動維護功能中使用機器學習來保持有針對性的谷物損失和谷物質(zhì)量性能。

“運營商將設定一個目標，說明聯(lián)合收割機在損失水平和糧罐樣品方面的運行方式，”約翰迪爾收割機廠的產(chǎn)品營銷經(jīng)理尼克·霍沃頓說?！癆ctiveVision相機每兩秒鐘拍攝一次清潔谷物和尾礦升降機的照片。該數(shù)據(jù)輸入到一種算法中，該算法用于將異物和損壞的晶粒水平與目標進行比較。如果水平超過目標，則會自動進行調(diào)整。”

智能耕作，“耕作解決方案過去很簡單，”Case IH全球精密技術(shù)總監(jiān)Chris Dempsey說。“你把一個工具放在地里，它耕耘土壤。

季節(jié)決策

Ceres Imaging使用一種稱為計算機視覺的人工智能形式來檢測當季作物問題，Madgavkar說。檢測不同波長光的航空圖像和傳感器數(shù)據(jù)被輸入到一種算法中，該算法有助于揭示季節(jié)性疾病，例如營養(yǎng)缺乏。

“我們還研究了疾病風險以及殺菌劑的最佳噴灑位置?！盡adgavkar說。

盡管如此，機器學習收集的數(shù)據(jù)只與輸入的數(shù)據(jù)一樣好，Madgavkar說。他補充說，“垃圾輸入，垃圾輸出”仍然適用，因此輸入正確質(zhì)量的數(shù)據(jù)非常重要?！?/span>

“人工智能本身不是靈丹妙藥。”他說，“將計算機視覺衍生的數(shù)據(jù)與當?shù)剞r(nóng)藝師和農(nóng)民的意見相結(jié)合以提出建議仍然很重要。然而，人工智能技術(shù)可以幫助農(nóng)藝師更好地利用他或她的時間，瞄準最有可能從季節(jié)性治療中受益的領(lǐng)域。

灌溉系統(tǒng)維修

人工智能技術(shù)也使灌溉修復變得更加容易。Lindsay正在與Microsoft Azure合作，使用機器學習通過智能樞軸技術(shù)在灌溉組件故障發(fā)生之前預測它們。

“如果我們能夠預測部件故障，例如變速箱或中心電機驅(qū)動器，我們可以在故障發(fā)生之前通知客戶。這可以防止在生長季節(jié)發(fā)生更大的[維修]問題。“Lindsay數(shù)字產(chǎn)品管理副總裁Kurtis Charling說，“在生長季節(jié)的高峰期下降一到三天可能對生產(chǎn)有害。預測組件故障可以幫助農(nóng)民避免停機問題，并提高效率。”

Lindsay 使用數(shù)十年來收集的大量灌溉系統(tǒng)數(shù)據(jù)來機器下雨預測系統(tǒng)。

“例如，一臺因變速箱壞了而發(fā)生故障的機器是人工智能模型的訓練情況。”Charling說，“如果我們可以訪問從故障發(fā)生時收集的傳感器數(shù)據(jù)，我們可以將其提供給AI模型，并基本上告訴它'如果這種情況再次發(fā)生，這就是變速箱故障的樣子。"

局限性

不過，人工智能有其局限性。

“在某些情況下，我們預測的某些事情在該領(lǐng)域是不正確的，例如變速箱問題。”Charling說，“擁有能夠說是或否的最終用戶或經(jīng)銷商仍然很重要。這反過來又反饋到我們的訓練模型中，使它們更準確。”

在See & Spray Ultimate模型中，區(qū)分年輕大豆和年輕天鵝絨葉具有挑戰(zhàn)性，因為它們看起來很相似。

“隨著我們拍攝更多圖像并重新訓練模型，它會變得更好。”Klemme說，“這與人類偵察員區(qū)分天鵝絨葉和年輕大豆所花費的時間沒有什么不同。你以同樣的方式訓練[機器學習]模型?！?/span>

它來了

預計人工智能及其子集成將刺激未來農(nóng)業(yè)創(chuàng)新的速度，Dempsey說。

“我認為我們只是觸及了機器學習和人工智能可以做什么的表面?！彼a充道。

Charling說，如果還沒有，想要充分利用這種技術(shù)的農(nóng)民應該盡可能多地收集農(nóng)場的數(shù)據(jù)。

“這些人工智能模型可以訪問的數(shù)據(jù)越多，它們就越聰明，特別是當它與農(nóng)民的操作有關(guān)時?！彼赋?。

專家組調(diào)研陜西小麥全程機械化 ♂

專家組調(diào)研陜西小麥全程機械化

專家現(xiàn)場調(diào)研小麥生長情況

日前，農(nóng)業(yè)農(nóng)村部主要農(nóng)作物生產(chǎn)全程機械化推進行動專家指導組小麥專業(yè)組到陜西開展了小麥生產(chǎn)全程機械化專題調(diào)研。專家組以聽取匯報、實地調(diào)研和座談交流的方式先后在咸陽市武功縣和楊凌示范區(qū)開展活動。參加調(diào)研的專家有李洪文、朱瑞祥、上官永、郭穎林和陳新華。

專家組聽取了陜西省、咸陽市及武功縣農(nóng)機主管部門近年來全程機械化推進工作匯報，了解了陜西省十大農(nóng)業(yè)全程機械化模式創(chuàng)建、部級全程機械化項目執(zhí)行、楊凌農(nóng)業(yè)機械化新技術(shù)新機具試驗示范園建設的相關(guān)內(nèi)容。

隨后，專家組深入武功縣中源農(nóng)機合作社、楊凌農(nóng)業(yè)機械化新技術(shù)新機具試驗示范園、西北農(nóng)林科技大學機械與電子工程學院農(nóng)業(yè)機械實驗室和工程訓練中心進行考察調(diào)研，實地查看了合作社和示范園的各類農(nóng)業(yè)機械、小麥長勢、土壤耕層結(jié)構(gòu)等情況，現(xiàn)場就武功縣在項目執(zhí)行過程中以及中源合作社在生產(chǎn)經(jīng)營中遇到的問題進行了解答。

專家組對陜西省在開展十大農(nóng)業(yè)全程機械化模式創(chuàng)建、部級全程機械化項目執(zhí)行以及武功縣在推進小麥玉米全程機械化生產(chǎn)所做的工作給與了充分肯定，并對西北農(nóng)林科技大學機電學院18年堅持開展保護性耕作試驗研究，產(chǎn)學研結(jié)合，指導農(nóng)機化發(fā)展方面給予了高度評價。

專家組結(jié)合調(diào)研實際，就我國小麥生產(chǎn)全程機械化進行了座談討論，認為小麥全程機械化發(fā)展已經(jīng)達到較高水平，但仍然存在一些需要提高的方面。一是盡管深松項目實施了四年，但覆蓋面仍然不夠，同時缺乏深松免耕輪耕指導意見；

二是秸稈多年夏秋兩季全量還田，病蟲草害已經(jīng)顯現(xiàn)，農(nóng)藥、化肥、除草劑用量增加，對農(nóng)業(yè)生產(chǎn)帶來負面影響；三是玉米秸稈還田后，小麥播種機易堵塞，通過性差，種床內(nèi)秸稈易造成小麥黃苗、吊根等問題，影響播種質(zhì)量，目前新型的免耕播種機仍處于示范推廣階段，保有量小。四是小麥玉米生長后期，植保機械進地困難，無人機植保效果需要進一步試驗測定。

針對國內(nèi)小麥生產(chǎn)全程機械化存在的主要問題，專家組建議：重點從改變土壤耕層結(jié)構(gòu)及提高播種質(zhì)量方面著手。根據(jù)各地種植制度，合理選用保護性耕作、翻耕、旋耕、深松等耕作方式和方法，達到改善更低質(zhì)量，減少水土流失，提升地力的目的。

在北方兩作區(qū)推廣以少免耕播種，配合深松和適度翻耕的輪耕技術(shù)模式；提高小麥免耕播種機補貼額，擴大小麥免耕播種機保有量和作業(yè)規(guī)模；強化農(nóng)機手專業(yè)技術(shù)培訓，提高農(nóng)機作業(yè)質(zhì)量。