种菜、除虫、相牛，智慧农业的AI范式

    农业,可能是数字化程度最低的一个领域。
    曾有人对比过这样一组数据:中国的农业劳均产值只相当于以色列的4%、美国的5%、欧盟的15%、日本的17%,仅仅略高于中等收入国家的平均水平,“补课”可以说农业数字化转型的不二法门。
    让人深思的还有另一组数据:1991年国内农业劳力占比约为60%,到了2018年这一数字已经下降到26%,低于世界的平均水平。农业劳动力人口的短缺,导致农产品生产的人工成本占比超50%。
    和无处不在的互联网相比,农业的数字化就像是未经开垦的荒原,同时也是留给新科技探索的处女地。
    01 农业是个严肃话题
    过去几年时间里,几乎每一年都有农业相关的政策出台,不难从一些草蛇灰线中厘清农业数字化转型的脉络。
    比如2019年国务院在《乡村振兴战略规划(2018-2022年)》中提到,应该大力发展数字农业,实施智慧农业工程和“互联网+”现代农业行动,鼓励对农业生产进行数字化改造,加强农业遥感、物联网应用,提高农业精准化水平。
    到了2020年,农业农村部在《数字农业农村发展规划(2019-2025年)》中再次强调,以产业数字化、数字产业化为发展主线,着力建设基础数据资源体系,加强数字生产能力建设,加快农业农村生产经营、管理服务数字化改造。
    2021年,国务院下发了本世纪第18个关于农业的“一号文件”,强调要强化现代农业科技和物质装备支撑,着力构建现代乡村产业体系、现代农业经营体系,推进农业绿色发展。我国的现代农业正在走向以信息为生产要素,互联网、物联网、大数据、云计算、区块链、人工智能和智能装备应用为特征的智慧农业。
    倘若按照时间做个排序的话,最初引导科技和农业的融合,到智慧农业的系统性布局,农业的数字化转型是一个思路逐渐清晰的过程。
    毕竟美国和日本已经给出了示范,前者在种植、管理、收获、流通等环节中通过物联网、大数据、电商等措施,打造了全闭环式的智慧农业发展模式;后者在人口老龄化的压力下,利用数字化技术降低了农业对自然环境和从业人员的依赖,逐渐走出了一条绿色有机农业的新路子。
    但智慧农业在国内却是个严肃的话题。
    一个既定事实在于,国内在农业传感器、农业模型、核心算法等关键技术领域仍处于“跟跑模仿”阶段,可能落后先进国家10—15年的时间。特别是很多地方缺少智慧农业的顶层设计,导致农业的智慧化演进多是以单点技术在细分领域进行探索,不同地方的智慧化水平参差不齐。
    也有人坦言:国内缺少职业农民的教育体系,即使有一些农民培养机构,过程也是走马观花式的。现代职业农民的短缺、高素质农业生产管理人员匮乏,使得智慧农业在基层缺少支持者,内生动力严重不足。
    或许一些人因此对智慧农业的前景持悲观论调,但下面几个年轻人正在做的事情,或许会改变你对智慧农业的认知。
    02 新农人们的“新农具”
    当外界还在以年龄偏高、文化水平普遍较低刻画农民形象时,一群年轻的博士生悄悄加入了“新农人”的序列。
    浙大博士章晓敏被人熟知的身份是宁波某高校的教师,但他的另一个身份是“微能云智能虫情测报系统”的技术负责人。因为工作的原因,章晓敏认识了浙江农科院的农学专家,发现当地水稻的虫情监测还是一项非常原始的工作,需要有人到水稻田里捕捉害虫,然后靠经验判断虫情的趋势。
    听到农学专家的诉苦后,章晓敏萌生了智能监测虫情的想法:或许可以在稻田里布置一套诱虫装置,自动识别统计一段时间内虫子的种类和数量,然后结合数据变化科学判断下一阶段的虫情趋势。
    章晓敏找到的“新农具”是百度飞桨EasyDL,利用农学专家们帮忙标注的样本数据,在EasyDL零门槛AI开发平台上构建了虫害检测模型。诱虫器吸引到害虫后会进行灭活处理,然后定时进行拍照,再将照片自动上传到云端服务器,通过飞桨EasyDL的算法模型识别害虫的种类,并进行数据的统计汇总。
    目前章晓敏带头研发的“微能云智能虫情测报系统”已经部署在宁波海曙的农田中,可以识别稻飞虱、卷叶螟在内的六种水稻常见害虫,不仅实现了虫情的实时监测,还可以指导农民有针对性地调整农药、化肥配比与投放有效进行虫害防控,减少化学农药的使用量,避免农产品农残超标等问题发生。
    在章晓敏帮助稻农们“除虫”的时候,百度的AI工程师阿权跑到了内蒙古通辽,成为著名的伊胡塔牛市的常客。
    起因是蓝奥云牧股份总裁王永生的一通电话,向百度求救解决“相牛”的难题。原来当地的活牛交易主要集中在线下牛市,但一头牛有多重、一天能长多少斤、小牛犊养到最后是赚还是赔,全靠“牛经纪人”肉眼观察,一些金牌“牛经纪人”能将牛的重量误差控制在5斤以内,甚至能挑出品质更好、病死率更低的牛。
    可“相牛”绝技靠的是常年累月的经验积攒,传统的“相牛”方式也局限了活牛的交易场景,加上牛市的环境十分繁杂,各家牛的无序接触很容易造成口蹄疫、布病等病发风险。阿权想到的是先采集数据,给每头牛建立“电子简历”,用飞桨EasyDL训练牛的数据打造AI相牛算法模型。
    经过长达几年的摸索尝试,阿权的团队终于研制出一套立体三维点云数据采集装置:当牛从过道中有序经过时,两侧的摄像头便可以快速采集到牛的各种体尺数据和点云数据,并进行实时三维建模。阿权团队采集了2000多头有效的活牛数据,算法模型也可以规模化落地了。
    像章晓敏、阿权这样的“新农人”还有很多,在他们的带动下,农业不再是一个严肃的话题,AI成了“新农具”,数据成了“新农资”。
    03 智慧农业的AI范式
    可能就现阶段来看,章晓敏等人对农业的改造还是点状开花,但百度飞桨让由点到线,再由线到面成为了可能。
    比如章晓敏帮助水稻监测虫情时沉淀下来的经验,可以应用于玉米、小麦等经济作物的虫情监测;阿权团队摸索出的“相牛”经验,也可以在养猪、养羊等场景下复用……
    百度飞桨不仅仅是降低了AI的应用门槛,也让AI在农业中的落地形成了良性循环的飞轮效应:越来越多的农业场景完成数字化,通过简单易用的飞桨EasyDL训练数据形成模型,实现智能化应用。趁手的“新农具”促使越来越多的人在自己熟悉的领域里将AI和农业进行融合。
    可以佐证的是北京市大兴区长子营镇的智慧植物工厂,在这片由裕农、京东方后稷、百度智能云联合打造的现代化水培植物工厂中,极少人力就能生产出数倍于以往的新鲜蔬菜。个中秘密离不开人工智能的规模化应用,自动判断蔬菜生长状态、提醒采收、自动检测害虫种类及数量、输出植保方案、自动识别克重……每一项创新功能背后,都可以找到百度飞桨EasyDL的身影。
    以自动判断蔬菜生长状态为例,借助EasyDL提供的智能标注、模型训练、服务部署在内的一站式服务,工程师构建了克重识别模型,标注了三四百张蔬菜照片进行训练后,只需定时监测拍摄一张图片就能判断蔬菜的重量、生长是否健康、能否进行采收,准确率达到95%以上。
    确切地说, EasyDL让我们看到了智慧农业的新范式:
    以往主导智慧农业的科技巨头,擅长的是自上而下打造典型样本,这样的方案不乏其内在价值,可想要改变全国的农业问题,可以说几乎是不可行的方案。章晓敏代表的“新农人”属于自下而上的智慧化,他们没有想过以一己之力改变农业的现状,热衷于解决自己看到的一个个小问题,当这些细小的力量被聚集在一起,呈现出来的正是智慧农业的遍地开花。
    智慧农业的历史进程应该有两个视角:一个是宏观上的政策红利,通过一项项惠农政策重拾外界改造农业的信心;一个是微观上的大胆尝试,让人工智能等前沿科学以通用技术的形式交到新农人手中。所有的科技革命都是社会需要和技术创新双轮驱动的,新农人们利用新工具创造的一个个奇迹,正是智慧农业在中国的最佳注脚。
    或许多年之后再回头审视中国的智慧农业进程,零门槛的百度飞桨EasyDL将会是一个相当耀眼的存在。中国从来都不缺少勤劳的“农民”,每一次农业的落后和崛起,都可以从生产力工具上找原因。
    04 写在最后
    智慧农业是一个典型的多学科交叉领域。
    在一些人诟病农业的保守和落后时,某种程度上陷入了常识主义的误区。因为一群新农人早已拿着“新农具”行动,他们可能是大学里的老师,可能是大厂里的工程师,也可能是资深的农业专家,但他们都在做一件相同的事:将AI带到了农牧业的生产过程,为农业的数字化转型和智能化升级默默贡献着自己的力量。