機器學習算法開始徹底改變現代農業，該技術使農民能夠實時抗擊病蟲害，提高作物產量和利潤，同時減少浪費、溫室氣體排放和殺蟲劑的使用。
全球約 6% 的 CO2 排放量來自農業，每年高達 40% 的作物因病蟲害而損失。對于已經從事低利潤產業的農民而言，浪費在未使用的作物上的關鍵資源使得生存變得更加困難，更不用說蓬勃發展了。
但是，初創公司 Fermata 推出的全新AI賦能平臺為農民提供了一種減輕蟲害和作物病害影響的方法，同時還提高了農業的可持續性和對工人的友好性。
由 ML 提供支持的新型計算機視覺系統名為 Croptimus，全天候持續掃描作物。當該平臺檢測到作物病蟲害或作物病害的早期跡象時，會立即向農民發出警報，使他們能夠將資源用于受影響的作物，并將威脅保持在局部性。
該平臺使用高質量數據進行訓練，使其計算機視覺軟件能夠準確區分健康作物和高風險作物，并快速識別病蟲害該系統為農民提供實時分析，并提供帶注釋的360度增強現實地圖，顯示有關作物健康狀況的最新報告。
Fermata 在本地設備上使用 PyTorch 和 NVIDIA cuDNN 訓練其模型。在推理方面，它結合使用云計算和本地計算，包括在 AWS 云上運行的 NVIDIA T4 GPU，以及通過 NVIDIA TensorRT 優化的 NVIDIA Jetson Nano 代碼，以提高性能。
Croptimus 系統可在大型溫室和戶外農場中以各種配置部署。在掃描和分析作物的攝像頭可以安裝在高桿、溫室天花板上，集成到無人機中，也可以連接到定期遍歷成排作物的移動機器人。
這種 AI 驅動的模型并不能取代農民現有的日常工作，而是能夠增強傳統工作流程并使其更具針對性。
例如，農場通常依靠訓練有素的 scouters 來手動檢查作物。但高質量的 scouters 越來越供不應求，一旦有了它們，它們就會昂貴。此外，人類會感到疲勞或出錯。當 scouters 無法檢測到作物疾病或蟲害時，它們會迅速擴散，從而導致廣泛的作物腐爛和浪費。
相比之下，像 Croptimus 這樣的 AI 系統總是在掃描問題。當系統指出潛在問題時，它會向農民發出警報，然后他們可以指導人類檢查作物，在必要時在病蟲害傳播之前進行干預。早期干預減少作物損失，幫助農民更有針對性地使用勞動力。
該系統的另一個優點是，農場可以及早檢測和減輕病蟲害，從而減少對殺蟲劑的需求。這不僅節省了農民的錢，還減少了殺蟲劑泄漏到環境中的負面影響。
閱讀 Future Farming 中有關 ML 助力的農業系統的完整故事。
?
