新的人工智能算法可以更好地预测玉米产量

随着一些报告预测，到2027年，精确农业市场将达到129亿$，越来越需要开发复杂的数据分析解决方案，以实时指导管理决策。 伊利诺伊州大学的一个跨学科研究小组的一项新研究为高效、准确地处理精确的ag数据提供了一种很有前途的方法。

“我们正在努力改变人们从事农业研究的方式。 我们试图做的不是建立一个小的田块，运行统计数据，发布手段，而是更直接地涉及农民。 我们正在自己的田地里进行农民机械的试验。 我们可以检测不同输入的特定站点响应。 伊利诺斯州作物科学系助理教授、该研究的合著者尼古拉斯？马丁(Nicolas Martin)表示：“我们可以看到，在这一领域的不同领域是否有反应。

他补充说：“我们开发了使用深度学习生成产量预测的方法。 它包含了来自不同地形变量、土壤电导率以及氮和种子速率处理的信息，我们在中西部九个玉米田中应用。

马丁和他的团队研究了数据密集型农场管理项目2017年和2018年的数据，该项目在中西部、巴西、阿根廷和南非的226个农田中以不同的速度施用种子和氮肥。 地面测量与行星实验室的高分辨率卫星图像配对，以预测产量。

田野被数字分割成5米（约16英尺）的正方形。 土壤、海拔、施氮率和种子率的数据被输入每个正方形的计算机，目的是学习这些因素如何相互作用来预测该正方形的产量。

研究人员用一种称为卷积神经网络(CNN)的机器学习或人工智能来进行分析。 一些类型的机器学习从模式开始，并要求计算机将新的数据比特放入现有的模式中。 卷积神经网络对现有模式视而不见。 相反，他们获取一些数据并学习组织它们的模式，类似于人类通过大脑中的神经网络组织新信息的方式。 并与其他机器学习算法和传统统计技术进行了比较，比较了CNN过程的高精度预测产量。

“我们不知道是什么导致了不同领域对投入的产量反应的差异。 有时人们有一个想法，某一地点应该对氮作出真正强烈的反应，而它没有，反之亦然。 美国有线电视新闻网可以发现隐藏的模式，可能会引起反应。 当我们比较了几种方法时，我们发现CNN很好地解释了产量的变化。

使用人工智能来解开来自精确农业的数据仍然是相对较新的，但马丁说，他的实验仅仅是从CNN的潜在应用中获取冰山一角。 “最终，我们可以利用它为特定的投入和场地限制组合提出最佳建议。”