人工智能與農(nóng)業(yè)的結(jié)合在智能農(nóng)業(yè)方面取得了一定的成就，但在實(shí)際應(yīng)用中仍有研究空間。國(guó)內(nèi)許多高校和其他科研機(jī)構(gòu)也致力于農(nóng)業(yè)和人工智能的應(yīng)用。在過去的一兩年里，他們也取得了很大的進(jìn)展，并在這里進(jìn)行了科學(xué)實(shí)踐：

一、樹上蘋果檢測(cè)模型。

為了提高現(xiàn)有蘋果目標(biāo)測(cè)試的性能和適應(yīng)性，農(nóng)業(yè)科學(xué)院、農(nóng)業(yè)和農(nóng)村部提高了輕量級(jí)Mobilenetv3網(wǎng)絡(luò)，降低了模型計(jì)算量、測(cè)試時(shí)間、模型計(jì)算和存儲(chǔ)資源占用的目的。

二、玉米作物營(yíng)養(yǎng)狀況識(shí)別方法。

以水肥一體化設(shè)備為研究對(duì)象，提出了基于卷積神經(jīng)網(wǎng)絡(luò)的玉米作物營(yíng)養(yǎng)狀況識(shí)別方法，為提高水肥資源的有效利用提供了方法和依據(jù);

三、番茄植株相似色目標(biāo)識(shí)別方法。

根據(jù)溫室番茄智能管理的需要，北京農(nóng)業(yè)智能設(shè)備技術(shù)研究中心等機(jī)構(gòu)以莖、葉、綠果器官為識(shí)別目標(biāo)，為農(nóng)業(yè)環(huán)境近色目標(biāo)的視覺識(shí)別提供參考;

四、檢測(cè)大豆作物幼苗期玉米雜苗。

北達(dá)科他州立大學(xué)研究了自動(dòng)監(jiān)測(cè)玉米幼苗生長(zhǎng)系統(tǒng)，為農(nóng)民提供準(zhǔn)確的信息，幫助農(nóng)民做出生產(chǎn)決策和田間管理;

五、草地貪夜蛾及其近緣成蟲識(shí)別。

中國(guó)農(nóng)業(yè)科學(xué)院等機(jī)構(gòu)利用深度學(xué)習(xí)方法，可視化分析，直觀了解模型的特點(diǎn)學(xué)習(xí)情況，為應(yīng)對(duì)糧食安全威脅的害蟲——草地貪婪夜蛾的防治提供參考;

六、番茄葉病害快速識(shí)別模型。

國(guó)家農(nóng)業(yè)信息工程技術(shù)研究中心等機(jī)構(gòu)聯(lián)合研究了基于葉片圖像的番茄病害識(shí)別，發(fā)現(xiàn)CCHKMSM模型具有識(shí)別精度高、計(jì)算量小、系統(tǒng)要求低、應(yīng)用潛力低等優(yōu)點(diǎn);

7、研究蔬菜短期價(jià)格預(yù)測(cè)組合模型。

蔬菜價(jià)格波動(dòng)是居民和蔬菜農(nóng)民的雙刃劍。北京農(nóng)林科學(xué)院等機(jī)構(gòu)以黃瓜為研究對(duì)象，分析了影響黃瓜價(jià)格的供給、需求、流通等因素，實(shí)現(xiàn)了黃瓜的短期價(jià)格預(yù)測(cè)，也可以推廣到其他蔬菜品種，對(duì)保障蔬菜農(nóng)民收入、穩(wěn)定蔬菜市場(chǎng)價(jià)格具有重要意義;

八、雜草檢測(cè)方法及試驗(yàn)。

針對(duì)現(xiàn)有的自動(dòng)除草解決方案，上海大學(xué)和其他機(jī)構(gòu)提出了基于圖像處理多算法集成的田間雜草檢測(cè)方法，并設(shè)計(jì)了一套田間雜草自動(dòng)識(shí)別算法。對(duì)于復(fù)雜多變的農(nóng)業(yè)場(chǎng)景，進(jìn)行了雨滴和陰影干擾的魯棒測(cè)試，實(shí)現(xiàn)了90%以上的作物識(shí)別結(jié)果，為智能移動(dòng)機(jī)器人除草作業(yè)等領(lǐng)域的應(yīng)用提供技術(shù)支持;

九、小麥倒伏率檢測(cè)。

北達(dá)科他州立大學(xué)的學(xué)生提出了基于圖像處理的自動(dòng)數(shù)據(jù)集生成方法，利用無(wú)人機(jī)和深度學(xué)習(xí)算法對(duì)小麥倒伏檢測(cè)進(jìn)行分類，可有效替代75%的人工檢測(cè)方法;

十、蘋果樹產(chǎn)量測(cè)定方法。

為了提高果園管理能力，提高果實(shí)檢測(cè)算法和生產(chǎn)擬合網(wǎng)絡(luò)的生產(chǎn)測(cè)量方法，中國(guó)農(nóng)業(yè)大學(xué)利用無(wú)人機(jī)和攝像頭原位圖像，提高蘋果果園原位生產(chǎn)的準(zhǔn)確性和有效性，基本滿足自然環(huán)境下蘋果在樹上的生產(chǎn)要求，為現(xiàn)代果園環(huán)境下的智能農(nóng)業(yè)技術(shù)提供參考;

十一、大豆籽粒快速計(jì)數(shù)方法。

中國(guó)農(nóng)業(yè)大學(xué)等機(jī)構(gòu)研究了基于密度估計(jì)和VGG-Two(VGG-T)的大豆籽粒計(jì)數(shù)方法，實(shí)現(xiàn)了大豆籽粒的快速計(jì)數(shù)任務(wù)，提高了大豆的試驗(yàn)速度和育種水平;

越來越多的科研機(jī)構(gòu)投資于智能農(nóng)業(yè)的應(yīng)用，提高了智能農(nóng)業(yè)技術(shù)的應(yīng)用水平。我相信，它將在未來智能農(nóng)業(yè)的發(fā)展中發(fā)揮作用，方便數(shù)億農(nóng)業(yè)從業(yè)者。