人工智能在精准农业中的应用.docxVIP

人工智能在精准农业中的应用 摘 要：农业生产在全球经济中发挥着重要作用，人们对安全高效的生产方法的需求正在增加。得益于近年来的计算机及信息技术的高速发展，很多方法被用于农业生产领域并取得不错的效果。其中人工智能技术结合计算机视觉的解决方案在检测图像模式方面取得了重要成果。在此背景下，本文旨在例举该项技术在精准农业中的适用性并总结特点。 关键词：人工智能；精准农业；应用研究；计算机视觉 The Application of Artificial Intelligence in Precision Agriculture Abstract: Agricultural production plays an important role in the global economy, and the demand for safe and efficient production methods is increasing. Thanks to the rapid development of computer and information technology in recent years, many methods have been used in agricultural production and have achieved good results. Among them, artificial intelligence technology combined with computer vision solutions have achieved important results in detecting image patterns. In this context, this paper aims to exemplify the applicability of this technology in precision agriculture and summarize its characteristics. 引言 近年来，粮食需求不断增长，对农业生产过程的高效可持续化的需求日益增加。根据联合国粮食及农业组织的数据，仅在 2014 年，按生产率计算，世界上种植的五种主要谷物中 有 29 亿吨：玉米，大米，小麦，大豆和大麦。 在农业方面值得注意的是，由于设备成本降低，计算能力提高以及对无损检测方法的重视程度日益增加，图像处理和计算机视觉应用大幅增长。与基于手工作业的传统方法相比， 这些技术的使用具有优势，但仍有许多挑战需要克服。即使对于接受过这些培训的人员来说， 谷物评估的手动方法也具有挑战性。主要困难之一是培训这些评估员。另一个困难是进行此类评估所需的时间，这阻碍了快速决策和大规模评估。 使用计算机视觉，近红外光谱，磁共振光谱，近红外光，X 射线和傅里叶变换的高光谱图像是可以用来克服这些限制的一些技术。这些技术与模式识别算法和自动分类工具相结合，已被用于应对监测培养和分析食品质量。 推广机器学习用法的主要因素之一是大规模使用 GPU（图形处理单元）。最初开发用于满足数字游戏渲染需求的这种专用硬件已经发展到在工业，健康，气候，计算建模等不同领域以通用方式扩展其使用。由于存在大量处理器内核，它们具有高并行处理能力。因此，与CPU（中央处理单元）相比，它们可以提供远远优越的性能，具体取决于工艺类型。此外， CUDA 编程语言的出现，以及包含专用硬件以促进这些处理器的并行编程，有助于开发人员构建新的应用程序。通过这种方式，可以通过使用 GPU 在更短的时间内获得针对给定问题的更好解决方案。 这三个组成部分的结合：计算机视觉，机器学习和高性能计算已被证明在解决农业中的不同问题方面具有前景。通过深度学习（一种在机器学习中获得突出地位的技术）所带来的预测潜力将在传统工业和农业的不同部分中产生革命性影响。 计算机视觉与机器学习的简单介绍 计算机视觉 计算机视觉包括可以在实际应用中以合理的方式构造和使用人工视觉系统的方法和技术。计算机科学领域包括这些方法所必需的软件，硬件和成像技术。基本上，计算机视觉系统由以下阶段组成：图像采集和图像处理。 图像采集：通过将电子信号从摄像机传感器传输到一种数字表示开始（Zareiforoush 等，2015）。通常以扫描形式区分为两种类型的相机：区域或线。常规或区域扫描相机在每 个曝光周期中生成图像。相比之下，线扫描相机一次只能捕获一行像素。为了获取二维图像， 需要使用传送器移动要拍摄的物体或者沿着静止物体移动相机。由计算机视觉系统获取的图像的质量直接受到在采集期间照明的影响。因此，在提供足够照明上的所有努力将提高系统的性能和可靠性，并降低处理阶段所用软件的复杂性（Horn