机器视觉拯救农业:一次一种作物

生态的不稳定给许多农民造成了毁灭性的作物损失。据估计，三分之一种植的粮食都损失了。但是，利用机器视觉(被称为“精确农业”或“农业智能”)的技术正在帮助该行业防止损失。

农民可以得到作物健康状况的数据。计算机视觉算法识别领域的模式，并确定疾病或其他异常的存在。杂草识别系统已经开发，结合了计算机视觉图像、卫星和无人机图像。

农业影像与机器视觉

人工智能可以实时告诉农民什么类型的杂草正在攻击他们的作物。在过去，农民通常会使用多种不同的除草剂来应对。但是，有成千上万的因素，从杂草的种类到杂草上的疾病和害虫，都会影响除草剂的选择。

航空图像

无人机可用于捕捉田野上空的多光谱图像。一些无人机每天可以覆盖数万英亩的土地。分辨率之高，足以数清一片叶子上的昆虫。深度学习引擎使用由农学家训练的数学模型和基于云的计算，以及数百万个作物健康问题的例子。

植物种群

机器视觉在农业中用于检测植物位置，计算植物出苗、行距、行长，并将数据与种植日期进行比较。在整个季节，农民可以收到关于树冠盖度、植物高度和林分计数的数据。农民甚至不需要自己踏进田地，就能知道平均树木的直径、花的数量等等。

杂草检测

由于机器视觉系统正在频繁地扫描农场，杂草几乎可以实时检测到。当杂草出现时，人工智能可以对杂草进行分类，并计算其对产量的潜在威胁。这让农民可以针对特定的杂草，并创建定制的除草剂解决方案。然后，机器视觉可以检测除草剂的有效性，并找到残留在田里的耐药杂草。

昆虫和疾病

计算机视觉系统识别和分类最重要的相关疾病。系统还能发现由昆虫和害虫造成的物理损伤。农民几乎在不利的田间条件发生的时候就得到通知。然后，该系统可以跟踪疾病传播或虫害的状况，并向农民发出任何持续的威胁警报。这有助于消除该行业传统的昂贵和耗时的球探做法。

经济增长问题

机器视觉系统和人工智能分析农作物和农田的图像。通常，它们在播种时间临近时被采取措施，以便在来不及重新播种或纠正潜在问题之前发现生长问题。对整个油田进行广泛的、持续的扫描可以提供关于整个作业的数据，而不需要昂贵的人工侦察程序。

你可能也有兴趣阅读在视觉在线的生命科学应用中使用智能相机．