（原標(biāo)題：百度智能云EasyDL&京東方：智慧農(nóng)業(yè)的全周期種植與管理）
面對農(nóng)業(yè)生產(chǎn)“誰來種”“誰會種”的難題，AI如何破題？
在位于北京市大興區(qū)長子營鎮(zhèn)，由裕農(nóng)、京東方后稷、百度智能云聯(lián)合打造的現(xiàn)代化水培植物工廠中，設(shè)施農(nóng)業(yè)智慧種植應(yīng)用系統(tǒng)使用極少人力就能生產(chǎn)出數(shù)倍于以往的新鮮蔬菜：自動判斷蔬菜生長狀態(tài)、提醒采收、自動檢測害蟲種類及數(shù)量、輸出植保方案、自動識別克重……這種“無人種植”、“智慧農(nóng)業(yè)”的模式，正是年輕一代“新農(nóng)人”在將農(nóng)業(yè)智能化的暢想變成現(xiàn)實。
一推開植物工廠大門，就看到郁郁蔥蔥的芝麻菜、雞毛菜和奶油生菜等平鋪生長在無數(shù)塊種植板上。種植板下流動的是精準(zhǔn)配置的營養(yǎng)液，能提供蔬菜生長所需的所有營養(yǎng)。一輛AGV（Automated Guided Vehicle）自動導(dǎo)向小車在苗床間“巡邏”，通過雙臂上的攝像頭拍攝蔬菜照片，記錄生長狀態(tài)。在這2600平米的空間里，只有兩位工人在做一些搬運、采收的基礎(chǔ)工作，其余的溫度、光照、通風(fēng)、蟲害監(jiān)測和生長狀態(tài)判斷都可通過京東方后稷的設(shè)施農(nóng)業(yè)智慧種植應(yīng)用系統(tǒng)，由農(nóng)業(yè)專家遠(yuǎn)程控制。
可就在幾年前這里的情景還大不相同，當(dāng)時由于技術(shù)人才不夠，為了觀察蔬菜的生長和蟲害情況，廠里唯一一位農(nóng)業(yè)專家李開每天都要走上兩三萬步親自巡場，過年也不能休息，因為一旦疏忽就可能造成15%~20%的浪費，直到接入了百度飛槳零門檻AI開發(fā)平臺EasyDL后，情況發(fā)生了改變。
EasyDL基于飛槳深度學(xué)習(xí)開源平臺，面向企業(yè)AI應(yīng)用開發(fā)者，能夠?qū)崿F(xiàn)零算法基礎(chǔ)定制高精度AI模型。目前已有超過90萬企業(yè)用戶，在工業(yè)制造、安全生產(chǎn)、零售快消、智能硬件、文化教育、政府政務(wù)、交通物流、互聯(lián)網(wǎng)等領(lǐng)域廣泛落地。
李開介紹說，百度EasyDL的AI技術(shù)與京東方后稷的設(shè)施農(nóng)業(yè)智慧種植應(yīng)用系統(tǒng)結(jié)合后，主要作用于AI智慧種植，解決了兩大難題：一是自動識別蔬菜生長狀態(tài)及克重，二是自動預(yù)警病蟲害。在識別蔬菜生長狀態(tài)方面，基于百度的視覺技術(shù)及深度學(xué)習(xí)算法構(gòu)建了克重識別模型，能通過圖片判斷蔬菜重量，進(jìn)而判斷其生長是否健康、能否采收,在自動化識別效果方面，準(zhǔn)確率達(dá)到95%以上。
聽著簡單，但實現(xiàn)過程并不容易。數(shù)據(jù)采集是關(guān)鍵環(huán)節(jié)，由于農(nóng)業(yè)數(shù)字化基礎(chǔ)薄弱、蔬菜產(chǎn)品難以標(biāo)準(zhǔn)化、以及長且固定的自然生長周期，前期數(shù)據(jù)采集要花不少功夫。據(jù)京東方后稷另一位農(nóng)業(yè)專家孫博士介紹，前期在蔬菜生長的全周期都要雷打不動的收集數(shù)據(jù)，每天上午、下午需要在固定高度、位置、光線下拍攝照片，并對照片完成標(biāo)注?！白铋_始的常用方式是，一張照片拍下6塊種植板，每塊種植板上有56棵菜，相當(dāng)于需要標(biāo)注300~400棵菜，而訓(xùn)練一個克重需要300張左右這樣的照片，菜品標(biāo)注量達(dá)到9萬棵以上?！彼麄円劝岩豢每貌丝蚱饋?，標(biāo)注出是什么菜，然后通過文本標(biāo)注出克重。好在EasyDL能提供一站式的智能標(biāo)注、模型訓(xùn)練、服務(wù)部署等全流程功能，借助其中的EasyData智能數(shù)據(jù)服務(wù)平臺，京東方的工作人員只用標(biāo)注30%左右的數(shù)據(jù)，其余的數(shù)據(jù)都可通過智能標(biāo)注功能自動完成。
前期的數(shù)據(jù)采集和標(biāo)注完成后，就進(jìn)入核心的模型開發(fā)環(huán)節(jié)。但由于植物密集生長的特殊性，導(dǎo)致成熟后葉子重疊，給模型識別增加了難度。通過EasyDL平臺的已有模型難以實現(xiàn)，必須進(jìn)行定制化開發(fā)。在經(jīng)過細(xì)致調(diào)研和反復(fù)嘗試后，百度EasyDL的研發(fā)人員最終將蔬菜克重識別離散化成克重區(qū)間分類模型，先采用目標(biāo)檢測模型分離背景因素的干擾，提取出有意義的蔬菜前景，再融合所有蔬菜前景信息給出圖片的預(yù)測分類，實現(xiàn)了精準(zhǔn)的克重識別。值得一提的是，在這樣不斷發(fā)現(xiàn)問題、解決問題，最終實現(xiàn)對蔬菜生長狀態(tài)數(shù)字化的過程中，百度工程師們還拿下了三項專利，包括預(yù)測克重和植物生長狀態(tài)控制預(yù)估等。
后來為了進(jìn)一步減少標(biāo)注的工作量，百度EasyDL的研發(fā)人員又開發(fā)了一種新方案：一張照片只需拍1塊種植板，每塊種植板種56棵菜，采集一個生長周期需要45張圖，總計為2520棵菜。新方案的標(biāo)注工作量直接降低了97%，極大減輕了京東方工作人員的標(biāo)注壓力。標(biāo)完后，百度會對這批單種植板的數(shù)據(jù)進(jìn)行隨機(jī)數(shù)據(jù)增強(qiáng)合成和優(yōu)化，盡量彌合合成照片與真實拍攝的覆蓋多塊種植板的照片的視覺差異。這樣便實現(xiàn)了以極少的標(biāo)注量獲得成千上萬張訓(xùn)練數(shù)據(jù)，現(xiàn)在已經(jīng)有好幾個模型開始使用新方案。
蟲害預(yù)警用的則是百度EasyDL平臺經(jīng)典的目標(biāo)檢測模型，難點更多在于特殊場景的后期優(yōu)化，例如出現(xiàn)季節(jié)性害蟲或體積微小的害蟲時圖片數(shù)據(jù)不全，但通過百度EasyDL平臺上物體檢測的整體方案便能解決。最終實現(xiàn)自動識別基于黃藍(lán)背景板下的小菜娥、白粉虱、潛葉蠅、蠅四類常見昆蟲，識別精度達(dá)到90%，能第一時間發(fā)現(xiàn)害蟲，降低損失。
其實不只是在現(xiàn)代化的植物工廠里，我國大部分農(nóng)村都面臨著勞動力斷層的難題。年輕人和壯勞力紛紛去大城市謀生，學(xué)生報志愿也會避開“環(huán)境苦、收入低”的農(nóng)業(yè)。據(jù)孫博士回憶，自己上大學(xué)時班上大概有五六十人，而現(xiàn)在農(nóng)業(yè)大學(xué)一個班只有二十幾人?！爸袊莻鹘y(tǒng)的農(nóng)業(yè)大國，如果年輕人都不愿意學(xué)農(nóng)業(yè)、從事農(nóng)業(yè)，這是挺可怕的一件事?！崩铋_說，“當(dāng)現(xiàn)有農(nóng)業(yè)人員‘退役’后，誰來接管農(nóng)業(yè)、填補(bǔ)勞動力真空期？所以用AI輔助農(nóng)業(yè)，是很有前景、有意義的?！倍麄冞x擇的方向，不再是面朝黃土背朝天的農(nóng)耕指導(dǎo)，而是用機(jī)器替代人工，用AI技術(shù)提高生產(chǎn)力的智能化第四代農(nóng)業(yè)平臺。
在百度智能云AI技術(shù)的助力下，農(nóng)業(yè)專家的頻繁巡檢變成了機(jī)器自動識別，實現(xiàn)了24小時呵護(hù)蔬菜生長。以前一個人能照看20畝地，應(yīng)用AI技術(shù)后一個人能照看60~100畝地，工作效率提高了3~5倍。可以預(yù)見，將北京的植物工廠復(fù)制到其他城市并非難事。“我們未來會在全國各地建很多廠，比如上海、南京、河南，這些棚正在陸續(xù)落地中。”孫博士介紹說，“我們也跟一些農(nóng)業(yè)種植類的大集團(tuán)簽了戰(zhàn)略協(xié)議，將提供一整套基于AI技術(shù)的智能系統(tǒng)和詳細(xì)說明，落地后不需要農(nóng)業(yè)專家，普通工作人員就能管理。”這是一種用科技打破知識壁壘的方式，幫助缺乏農(nóng)業(yè)經(jīng)驗的生產(chǎn)者也能穩(wěn)定高效產(chǎn)出。
孫博士還說，他們最近來了幾位1999年生的實習(xí)生：“他們特別喜歡現(xiàn)在的工作，因為他們在我們這看到了不一樣的農(nóng)業(yè)?！笨梢钥吹剑珹I技術(shù)正在讓農(nóng)業(yè)生產(chǎn)煥發(fā)新活力，也吸引著更多年輕人將目光重新投向這里。
