科技不斷發(fā)展的今天，越來(lái)越多的新手段不斷在農(nóng)業(yè)上得到應(yīng)用。人工智能除了在工業(yè)、軍事上廣泛應(yīng)用外，在農(nóng)業(yè)生產(chǎn)中也得到實(shí)際應(yīng)用。還有每天司空見慣的天氣預(yù)報(bào)，不但影響著每個(gè)人的日常生活，對(duì)于農(nóng)業(yè)而言，農(nóng)作物的病蟲監(jiān)測(cè)、莊稼收成預(yù)測(cè)等都可以通過氣象衛(wèi)星來(lái)預(yù)報(bào)。

    以往，病蟲害的檢測(cè)需要人工巡視，一旦發(fā)現(xiàn)不及時(shí)，就會(huì)導(dǎo)致農(nóng)作物大片死亡。人工巡查費(fèi)時(shí)費(fèi)力，并且有疏漏。人工智能的引入可以提供不間斷的監(jiān)測(cè)和預(yù)報(bào)，減少了因病蟲害造成的損失。

    有媒體報(bào)道，美國(guó)和墨西哥的幾座農(nóng)場(chǎng)已經(jīng)用人工智能來(lái)種植西紅柿，測(cè)報(bào)病蟲害的發(fā)生，并將產(chǎn)量提高了4%。去年，以色列農(nóng)業(yè)科技公司Prospera在亞利桑那州NatureSweet的一座農(nóng)場(chǎng)測(cè)試了這項(xiàng)技術(shù)。他們?cè)跍厥依锇惭b了10臺(tái)攝像機(jī)，連續(xù)拍攝作物的情況，并提交給Prospera的軟件分析，識(shí)別出可能的問題，如蟲害或病菌侵染。

    除了預(yù)測(cè)，對(duì)農(nóng)作物病蟲害的判斷，人工智能也有優(yōu)異表現(xiàn)。美國(guó)賓夕法尼亞州立大學(xué)和瑞士聯(lián)邦理工學(xué)院的研究人員共同開發(fā)了一款軟件，能夠基于用戶提供的照片識(shí)別出農(nóng)作物病害。科學(xué)家建立了一個(gè)系統(tǒng)模型，并將其連接到一個(gè)計(jì)算機(jī)集群來(lái)形成一個(gè)神經(jīng)網(wǎng)絡(luò)。隨后建立了一個(gè)擁有53000多張健康及患病作物照片的數(shù)據(jù)庫(kù)，其中包括14種作物和26種病害。這個(gè)系統(tǒng)能夠從照片中識(shí)別出作物和病害，準(zhǔn)確率高達(dá)99.35%。

    專家認(rèn)為借助氣象衛(wèi)生對(duì)農(nóng)作物進(jìn)行全方位的監(jiān)控是完全可能的。通過各種遙感儀器，可獲得云系分布概貌，還能監(jiān)測(cè)大氣層中某些氣象要素的分布和變化。早在20世紀(jì)80年代初期，國(guó)內(nèi)外科學(xué)家就已開始利用美國(guó)海洋和大氣管理局極軌氣象衛(wèi)星獲得的數(shù)據(jù)對(duì)農(nóng)作物生長(zhǎng)進(jìn)行動(dòng)態(tài)監(jiān)測(cè)，包括農(nóng)作物病蟲害及凍害監(jiān)測(cè)、農(nóng)作物播種面積測(cè)算、農(nóng)作物單位面積產(chǎn)量的預(yù)報(bào)等。農(nóng)業(yè)氣象工作人員根據(jù)衛(wèi)星傳感器收集到的地面資料，可以判識(shí)耕地上農(nóng)作物的生長(zhǎng)狀況，計(jì)算出反映農(nóng)作物生長(zhǎng)狀況的指數(shù)，利用數(shù)學(xué)統(tǒng)計(jì)模型，進(jìn)而就可以預(yù)報(bào)出農(nóng)作物的相關(guān)信息。

    專家也指出，在農(nóng)業(yè)病蟲預(yù)測(cè)中，地面上監(jiān)測(cè)到的資料也很重要，地面上定點(diǎn)和非定點(diǎn)的監(jiān)測(cè)資料雖然傳統(tǒng)，但是對(duì)衛(wèi)星資料的有力支持和補(bǔ)充，也是對(duì)病蟲、氣象等各種涉農(nóng)災(zāi)害能準(zhǔn)確判斷的有利補(bǔ)充。（來(lái)源：農(nóng)資導(dǎo)報(bào)）