机器学习助力传统农业转型智能农业。

“智能农业”的理念在高精度算法的帮助下不断发展，提高了农业的效率和生产力。机器学习是一个科学的分支，它背后的机制是允许机器在没有明确编程的情况下学习。机器学习与大数据技术和强大的计算机一起发展，以解决、分析和理解农业组织环境中数据密集过程的新可能性。目前，农民可以利用农场传感器，预测农业产量，评估农作物质量，根据支持机器学习的电子创新，确定植物种类，诊断植物疾病和杂草侵害。那似乎是一个难以想象的水平。机器学习在整个种植、生长和收获过程中，在农业中发挥着重要作用。它从播种开始，通过土壤测试、种子育种和供水测量，最终由机器人收集收获，并通过计算机视觉评估其成熟度。现在，如果没有机器学习技术的帮助，农民能得到的数据量是压倒性的。在这些数据的帮助下，ML可以快速评估大量数据，并推荐最有利可图的策略。举例来说，ML可以推荐什么时候种植来预防病虫害。数字化农业的优势是合理的，它能帮助种植者做出最佳的投资决策，从而增加产量和利润。另外，还可以帮助农民逐一确定实际费用，而不仅仅是整个农场的实际费用。

近几年，机器学习在农业领域得到了广泛的发展。下面是它在农业中的应用：

1、机器学习环境应用之繁殖和识别物种。

物种选择的艰难过程需要找到特定的基因，以确保对水和营养物质的有效反应。理想的植物品种可以抵抗气候变化、疾病、更多的营养和更好的口感。

为了彻底调查农作物的性能，机器学习使我们能够从几十年的田间数据中提取信息。这些数据被用来创建一个概率模型，预测哪些特征会给植物带来理想的遗传优势。

作物的物种识别通常是通过简单的比较来进行的，比如叶子的颜色和形状。借助叶脉形状等更先进的方法来评估树叶，机器学习使我们能够以更复杂、更准确、更快捷的方式来评估植物。

2、机器学习环境应用之水土管理。

为了了解生态系统过程及其对农业的影响，机器学习算法检查蒸发动态、土壤湿度和温度。

ML策略可以解决土壤中的缺陷。举例来说，机器学习技术可以帮助农民保持最佳的无机氮含量。通过氮气模型预测土壤和环境中的氮气循环，引导农民达到最佳水平。该软件模拟可检测氮气是否可用，并决定何时在土壤中添加氮气。另外，当氮气含量过高时，还可以通知农民，以免损害作物。

灌溉系统的使用也可以更有效，这是由于基于ML的应用。它可以估计每天、每周或每月的蒸发量，并预测每天的露点温度，这有助于预测预期的天气事件，计算蒸发量和蒸发量。

3、机器学习环境应用之产量预测和作物质量。

精确农业最重要、最著名的领域之一是产量预测，包括测绘和评估产量、匹配农作物供需和管理。现代方法远远超出了基于历史数据的简单预测，结合计算机视觉技术即时提供数据，全面多维分析农作物、天气和经济状况，最大限度地发挥农民和公众的产量。

准确识别和分类农产品的质量属性可以提高产品价格，减少浪费。与人类专家相比，机器可以使用看似毫无意义的数据和连接来揭示和发现有助于作物整体质量的新属性。

4、机器学习环境应用之疾病及杂草检测。

为了预防和治疗疾病，必须在农作物区喷洒大量杀虫剂，这往往会导致高昂的经济成本和相当大的环境影响。ML是一种根据时间、地点和会受到影响的植物，有针对性地使用农药的一般精确农业管理。

杂草对庄稼的生长构成严重威胁。杂草很难与庄稼区分开来，这是杂草控制的最大挑战。农业中的计算机视觉和机器学习算法可以增强杂草的识别和辨别能力，成本最低，对环境没有负面影响。该技术的未来模型将为除草机器人提供动力，最大限度地减少对除草剂的需求。

5、机器学习环境应用之畜牧业生产和动物福利。

机器学习可以准确预测和预测农业，以最大限度地提高畜牧生产系统的经济效益，如牛和鸡蛋的生产。比如屠宰前150天，体重预测系统可以预测未来的体重，让农民相应调整饮食和环境因素。

如今，牲畜越来越被视为农场生活中不快乐和疲惫的动物，而不仅仅是食物载体。站立、移动、吃饭、喝水等动物的运动模式可以确定动物面临的压力，预测其对疾病的敏感性、体重增加和生产力。动物的咀嚼信号可以与食物调节的需要联系起来。

6、机器学习环境应用之模型使用。

学习农业机器不是一个神秘的噱头或魔法。相反，这是一个精心设计的模型，用来收集特定的数据，并采用方法论来获得预期的结果。

人工神经网络(ANN)并且支持向量机(SVM)这是两种非常流行的农业机器学习模式。ANN是生物神经网络的模型，可以模拟模式生产、推理、学习和判断等复杂活动。它的灵感来自于人脑的运行模式。

SVM是一种二进制分类器，利用线性分离超平面将数据实例分类为类别。支持向量机用于聚类、回归和分类。它们被用来估计农业中的动物产量和农作物生产力和质量。

此外，农民聊天机器人正在开发中。这些机器人不仅可以提供数字，还可以评估数据，并向农民提供复杂问题的咨询。因此，预计它们会比面向消费者的Alexa和类似助手更聪明。

机器学习的突破有着不可思议的潜力，就像软件一样。农业科学家正在大规模检验他们的理论，并帮助开发更准确、更实时的与农作物相关的预测模型。农业机器学习有能力为维护世界人口、应对气候变化、保护自然资源提供更多解决方案。

当前，机器学习解决方案主要集中在特定的问题上，但是随着自动数据收集、分析和决策的进一步集成到互联网系统中，很多农业活动都会转变为知名的知识农业，这样可以提高产量和产品质量。

标签：机器学习,智能农业,AI人工智能,人工智能,智慧农业