生態(tài)環(huán)境因素致許多農(nóng)民遭受毀滅性的破壞，據(jù)估計(jì)，所有種植的食物損失了三分之一。但是，被稱(chēng)為“精確農(nóng)業(yè)”或“農(nóng)業(yè)智能”的利用機(jī)器視覺(jué)的技術(shù)正在幫助農(nóng)業(yè)減少損失。

　

　　農(nóng)民得到結(jié)果，提醒他們作物的健康。計(jì)算機(jī)視覺(jué)算法可識(shí)別田野中的模式并確定疾病或其他異常的存在。已經(jīng)開(kāi)發(fā)了結(jié)合計(jì)算機(jī)視覺(jué)圖像，衛(wèi)星圖像和無(wú)人機(jī)圖像的雜草識(shí)別系統(tǒng)。

　　1、農(nóng)業(yè)影像與機(jī)器視覺(jué)

　　人工智能可以實(shí)時(shí)告訴農(nóng)民什么雜草侵害他們的農(nóng)作物。過(guò)去，農(nóng)民通常會(huì)使用多種除草劑來(lái)應(yīng)對(duì)。但是，有成千上萬(wàn)的因素會(huì)影響除草劑的選擇，從雜草的種類(lèi)，疾病到雜草上的害蟲(chóng)。

　　2、航空影像

　　無(wú)人機(jī)可用于在野外捕獲多光譜圖像。某些無(wú)人機(jī)每天可能覆蓋數(shù)萬(wàn)英畝的土地。分辨率足夠清晰，可以在單片葉子上計(jì)數(shù)昆蟲(chóng)。深度學(xué)習(xí)引擎使用由農(nóng)學(xué)家培訓(xùn)的數(shù)學(xué)模型和基于云的計(jì)算以及數(shù)百萬(wàn)種作物健康問(wèn)題的示例。

　　3、植物種群

　　農(nóng)業(yè)中的機(jī)器視覺(jué)用于檢測(cè)植物位置，計(jì)算植物出苗率，行距，行長(zhǎng)，并將數(shù)據(jù)與播種日期進(jìn)行比較。在整個(gè)季節(jié)中，農(nóng)民可以接收有關(guān)冠層覆蓋，植物高度和林分?jǐn)?shù)量的數(shù)據(jù)。農(nóng)民甚至不需要親自進(jìn)入田間，甚至知道平均樹(shù)徑，花數(shù)等等。

　　4、雜草檢測(cè)

　　由于機(jī)器視覺(jué)系統(tǒng)經(jīng)常掃描農(nóng)場(chǎng)，因此可以近乎實(shí)時(shí)地檢測(cè)雜草。隨著雜草的出現(xiàn)，人工智能可以對(duì)雜草進(jìn)行分類(lèi)并計(jì)算其潛在的威脅產(chǎn)量。這使農(nóng)民可以針對(duì)特定的雜草并創(chuàng)建定制的除草劑解決方案。然后，機(jī)器視覺(jué)可以檢測(cè)除草劑的有效性并找到田間殘留的抗性雜草。

　　5、昆蟲(chóng)與疾病

　　計(jì)算機(jī)視覺(jué)系統(tǒng)可以識(shí)別和分類(lèi)較相關(guān)的疾病。系統(tǒng)還會(huì)發(fā)現(xiàn)由昆蟲(chóng)和害蟲(chóng)引起的物理?yè)p壞。幾乎在農(nóng)民起源時(shí)就將田間不利條件通知農(nóng)民。然后，系統(tǒng)可以跟蹤疾病或侵染的傳播狀況，并警告農(nóng)民任何正在進(jìn)行的威脅。這有助于消除行業(yè)傳統(tǒng)的昂貴且費(fèi)時(shí)的偵察實(shí)踐。

　　6、增長(zhǎng)問(wèn)題

　　機(jī)器視覺(jué)系統(tǒng)和AI分析農(nóng)作物和農(nóng)田的圖像。通常，他們花了很長(zhǎng)時(shí)間才發(fā)現(xiàn)增長(zhǎng)問(wèn)題，然后再為播種或糾正潛在問(wèn)題為時(shí)已晚。整個(gè)領(lǐng)域的廣泛而持續(xù)的掃描可提供整個(gè)操作的數(shù)據(jù)，而無(wú)需進(jìn)行昂貴的人工偵察程序。

　　盈泰德科技在機(jī)器視覺(jué)有多年的生產(chǎn)制造經(jīng)驗(yàn)，如果你這方面有需求，歡迎您來(lái)咨詢獲取解決方案。