AI接地气,看百度飞桨如何变革传统农业生产
2020-10-29 15:14:14   来源:互联网
内容摘要
中国是有五千多年耕种历史的农业大国,但并非农业强国。近年来,智慧农业成为了国家在推动 5G、云计算、人工智能等技术落地应用的重要产业。

中国是有五千多年耕种历史的农业大国,但并非农业强国。近年来,智慧农业成为了国家在推动 5G、云计算、人工智能等技术落地应用的重要产业。

智慧农业区别于传统农业的一个显著特点,就是产业链大大延长,形成了农业产前、产中、产后紧密结合的产业体系,目的是将智慧思维和信息技术、计算机技术以及其他先进科学技术相结合以实现农业可持续发展,让农业生产的产量更高、质量更好、成本更低、环境污染更少。

人工智能(AI)是新一轮科技革命和产业变革的重要驱动力量。AI在农业生产中的应用主要是集成应用计算机与网络技术、物联网技术、3S技术、无线通信技术、音视频技术及专家智慧,实现农业可视化远程诊断、远程预警和远程控制等智能管理,提高农业生产质量和效率的同时,提升操作者的体验感和舒适度。

百度飞桨以百度多年的深度学习技术研究和业务应用为基础,是中国首个自主研发、功能完备、开源开放的产业级深度学习平台,集深度学习核心训练和推理框架、基础模型库、端到端开发套件和丰富的工具组件于一体。飞桨已凝聚超230万开发者,服务9万家企业,基于飞桨平台创建了超过31万个模型,在城市、工业、电力、通信等很多关乎国计民生的领域都有飞桨在发挥作用,帮助越来越多的行业完成AI赋能,实现产业智能化升级。

在农业生产的全流程中,从产前、产中到产后,在各个细分场景中,都有AI的用武之地。例如,在产前环节,PaddleDetection 是百度飞桨推出的物体检测统一框架。支持现有的RCNN、SSD、YOLO等系列模型、支持 ResNet、ResNet-VD、ResNeXt、ResNeXt-VD、SENet、MobileNet、DarkNet等主干网络。针对农业领域不同的业务场景,农作物识别、虫情检测(性能、目标大小、准确率等)可以选择框架中的不同模块组合得到最适合的模型,实现任务。

以YOLOv3模型为例,该模型在之前的版本上与同期最优同类产品相比,基于COCO数据集的训练速度超出了40%,验证集精度mAP(mean Average Precision)为38.9%,超出了1%。在本次升级中,飞桨工程师本着精益求精的工匠精神,使该模型得到了进一步强化,COCO数据集mAP高达43.2%,训练速度也提升了40%,并基于YOLOv3开源了多种模型压缩完整方案,使YOLOv3更上一层楼!

在产中环节,由于农业也在寻求转型,水培作为一项环保新技术正在逐步推广。在引入AI能力前,采用水配方式需要依赖农业领域的专业人才及经验,在生产过程进行品质判断,一旦人员有疏忽,会造成15%~20%的生产浪费。在引入EasyDL进行模型开发后,实现了机器自动识别,完成对蔬菜生长情况的实时管理,帮助降低不良品产出,提高产品品质,产量提高10%~15%,同时也促成生产物资如种子、基质、营养液的成本降低10%~15%,农学学家的工作效率也因此提升了3倍。

除此之外,在其他环节,AI能力是如何赋能农业场景,提升生产效率,降低成本呢?

10月29日,中国农业机械工业协会联合百度飞桨,特别邀请百度杰出架构师、飞桨产品负责人直播分析AI在农业生产中的实践经验,案例覆盖耕地识别、虫情检测、农作物自动分拣、进货量检测等全产业链各个环节,干货多多,扫码观看,不见不散!

IMG_256









免责声明:以上内容为本网站转自其它媒体,相关信息仅为传递更多信息之目的,不代表本网观点,亦不代表本网站赞同其观点或证实其内容的真实性。

关键字相关信息: