不再看天吃飯》精準+預測 AI餵飽全世界
【文／胡林 圖片提供／達志影像】
資料來源 ：MKC管理知識中心
人口快速老化、鄉村日漸減少正在嚴重威脅歐美、日本等國家的農業生產甚或存續，根據聯合國估計，要養活地球爆炸中的人口，到本世紀中葉糧食產量需增加50％。為解決此問題，利用高科技協助農民轉而擁抱「智慧農業(Intelligent Agriculture)」已成一股不可逆的趨勢，透過人工智慧(Artificial Intelligence, AI)及其他聯網裝置，提供土壤、天氣、價格等數據的即時分析，大幅節省勞力、提高農民生產效率。
目前約有200萬座農場星羅棋佈散落在美國大陸上，這些農場主人的決定將影響整個食品供應鏈。根據一項研究，如果5％的美國青花菜產量未收割，美國市場上就會少了逾9,000萬磅的青花菜。為協助穩定這個充滿不可預測性的市場，IBM推出了結合了AI、物聯網(Internet of Things, IoT)和雲端解決方案的「Watson農業決策平台(WDPA)」。該公司表示農業是一項龐大且複雜的工作，還得受大自然的擺布。由於來自農場設備、環境感應器和遠端輸入的數據龐大，光靠直覺或傳統技術來了解造成產量變化的因素或為農民提供指引，很不切實際，藉由Watson AI應用以填補此一缺口，從而提供農民參考。
AI成決策助手》掌控澆水、買賣時機
Watson農業決策平台利用IBM強大的預測功能，找出可能影響作物產量的所有關鍵因素，例如：土壤溫度、水分含量、害蟲和疾病。農民還可利用無人機將照片送至IBM Cloud，再由AI進行趨勢分析，例如：找到作物病害的跡象等，或者將植物的特寫照片提供給疾病檢測電腦進行視覺運算。
大型農業經營者可利用該平台預測何時可收成，及可在全球市場上賺多少錢。所有的資訊經過整理後，經營者不僅可掌握灌溉、種植、施肥的最佳時機，還可以確定最適合的銷售時點。
這不是IBM首次跨足農業分析領域，IBM的Pairs Geoscope平台利用機器學習來分析衛星圖像、天氣、人口、土地使用、企業位置等數據以及作物預測。在巴西，該公司的研究人員構立了一個原型AgroPad，利用AI和行動應用程式來分析土壤和水質樣本。在肯亞，IBM與Twiga Foods合作，為農民和食品供應商測試了一個由區塊鏈驅動的微型金融貸款平台。
當然，IBM也不是唯一將AI應用於農業的企業。總部位於以色列特拉維夫的新創公司Prospera利用電腦視覺軟體、現場攝影機和天氣感應器，以及強大的雲端處理平台，能準確算出需輸送多少水給植物。此外，美國的笛卡爾實驗室(Descartes Labs)也利用由衛星數據訓練的機器學習模型，來推估整個州和全美的玉米產量。
AI收成機器人》工時Double摘好摘滿
隨著農業使用AI日益普及，這個市場的規模也快速成長，根據市場研究業者Mordor Intelligence，用於農業的AI市場規模在2016年有31.8億美元，預計2018至2023年這5年期間的複合年成長率(Compound annual growth rate, CAGR)為12.7％。對日本而言，這個國家有2／3農民年紀超過65歲，AI扮演著推動走向智慧農業的重要角色。物聯網和AI可為農民提供天氣、溫度、濕度和價格數據的即時分析。例如：充分了解當地資源後，AI可提供使作物價值最大化的方法；現場感應器和無人機蒐集的數據，可以匯整有關土壤、種籽、牲畜、作物、成本、農場設備，以及水和肥料等龐大且有價值的訊息。
一般來說，AI在日本農業的發展和應用，主要是自動採摘、作物分類和農業監測等3方面。
首先，自動採摘是農業生產中的一項重要技術。在上個世紀，自動採摘技術主要用於水稻收割機等設備。然而，巨大的收割設備需要人工操作並且過程粗糙，無法收割脆弱且易受傷害的農產品，比如草莓、蕃茄或其他水果。由AI驅動的收割機器人，所面臨的挑戰是讓系統判斷何時及哪些蕃茄已經可以收成。現行的一般揀選機器人無法辨識微妙的色差，進而區分未成熟和成熟水果。但藉由加入影像識別技術和深度學習，機器人對成熟度的評估效能可以接近人類的程度。
例如：日本消費電子巨人Panasonic在2017年東京國際機器人展推出「番茄收成機器人」。該公司在這款機器人中導入AI後，收成率可從80％提高到96％。隨著蕃茄逐漸從綠色變為紅色，機器人的相機會記錄圖像，系統會根據對照樣本檢查顏色變化，以判斷是否應收成。這款機器人也可靈巧採摘番茄而不會擦傷表面，提高了收成質量和品質。雖然每6秒採摘一個番茄的速率僅為人類專家採摘率的一半，但番茄採摘機器人可以不間斷運作10小時並在夜間工作（在顏色分析中使用專用光源），工作量明顯優於人工。
黃瓜電腦揀的》高齡者的快樂農場
其次，作物分類是收成後必不可少的過程，因為不同等級的農產品售價也不同，有些產品則需要直接運到工廠加工成罐頭食品、醃製品等。在這個階段，如果想讓AI協助進行作物分類，為它設定明確的標準就是關鍵。
小池真(Makoto Koike)是日本西部城市靜岡縣的小黃瓜農民。他說，在收成季節，需花8個多小時來分揀4,000公斤的小黃瓜。之前曾擔任過資訊科技(Information Technology, IT)工程師的小池認為，需要有更好的方法，因此他使用TensorFlow來建立自己的自動化小黃瓜分揀系統。他的小黃瓜根據厚度、長度、彎曲度等標準分為9個等級。
小池栽種的黃瓜首先由3台相機拍攝，然後將該數據傳輸到受過數千個黃瓜圖像訓練的AI系統，利用深度學習來確定品質等級。最後，輸送帶將黃瓜運送給機器人手臂，再將每個黃瓜放置在適當的包裝箱中。
第三是農場監測，這種技術包括生產預測、病蟲害監測及天氣預報等。導入智慧農業模式的農民，可以透過無人機、監視攝影機和安裝在農場的其他感應器，來即時監控農場的各項環境狀況，AI可利用這些數據來檢測溫度、濕度，以及作物病害和害蟲狀況，同時還能即時分析作物生長情況。這些自動化技術可大幅減少必須在農田裡的工作時間和重度勞動，對高齡化農民是一大助力。
此外，由東京Optim Cloud IoT公司開發的作物栽培解決方案，分為空氣監測管理（農業經理）和作物記錄助理（農業助理）。透過航空攝影和感應器，農業經理可遠距確認溫度、日照量和其他數據，並且利用圖像處理技術，可發現和預測27種不同的病蟲害；農業助理則利用語音辨識技術上傳許多作物訊息，減少農民的工作量並提高種植效率。
農業大規模應用人工智慧可提高效率並減少農民的體力辛勞，同時讓農業擺脫了固有的「辛苦和骯髒」的形象，激勵更多年輕人投入此產業。未來幾年，AI與相關技術將為農業帶來巨大改變，日本農業可能就此被徹底改造。
【完整內容請見《能力雜誌》2019年1月號，非經同意不得轉載、刊登】