預計到2027年，精準農業市場規模將達到129億美元。人工隨著這種增長，算法需要能夠實時指導管理決策的可用復雜數據分析解決方案。伊利諾伊大學的于農業產一個跨學科團隊開發了一種新方法，旨在高效、量預準確地處理準確的人工農業數據。
尼古拉斯馬丁是算法伊利諾伊州作物科學助理教授，也是可用這項研究的合著者。
“我們正試圖改變人們從事農業研究的于農業產方式。我們試圖做的量預不是直接建一個小地塊，進行統計，公布平均值，而是讓農民更直接地參與進來。我們正在農民自己的地里試驗機器。我們可以檢測對不同輸入的特定站點響應。我們可以看看在這個領域的不同領域是否有反應，”他說。
“我們開發了一種使用深度學習生成產量預測的方法。它包含來自不同地形變量、土壤電導率以及我們在中西部地區9個玉米田應用的氮和種子處理的信息。”
該團隊使用來自數據密集型農場管理項目的2017年和2018年的數據來幫助開發他們的方法。該項目在226塊土地上按不同比例施用了種子和氮肥。這些油田分布在世界各地，包括中西部、巴西、阿根廷和南非。PlanetLab提供高分辨率衛星圖像，并將其與地面測量結果進行匹配，以預測產量。
這個區域被數字分割成5米見方的區域。給計算機提供了每一方的土壤、海拔、氮肥施用量和種子播種量的數據，然后它開始學習如何通過因素的相互作用來確定該方的產量。
為了完成他們的分析，研究人員依靠卷積神經網絡。CNN是一種機器學習或人工智能。雖然某些類型的機器學習使計算機能夠向現有模式添加新數據，但卷積神經網絡不考慮現有模式。CNN專注于數據，并學習負責組織數據的模型，其工作方式類似于人類如何通過大腦中的神經網絡組織信息。CNN方法可以高精度地預測產量，并與其他機器學習算法和傳統統計技術進行了比較。
“我們真的不知道是什么導致了整個領域輸入的輸出響應不同。有時候人們有一種想法，認為某個地方對氮的反應非常強烈，反之亦然。CNN可以選擇一種可能會引起回應的隱藏模式?！瘪R丁說。"當我們比較幾種方法時，我們發現CNN很好地解釋了產量的變化."
利用人工智能分析精準農業的數據是一個新的領域，但也在不斷發展。農業是人工智能將發生巨大變化的主要行業之一，其用途正在增加。根據馬丁的說法，這個實驗只是CNN在各種應用中使用的開始。
