利用我们在BBSRC和其他公共和行业共同资助的项目支持下的研究工作

在Earlham Institute(EI)，基于人工智能的技术，如机器学习，正在从仅仅是一个激动人心的前提，到现实生活中最需要的应用程序：提高农场的效率和精确度。

EI周氏集团的研究人员与Ely的G's Growers合作，开发了一个机器学习平台AirSurf-Lettuce，该平台利用计算机视觉和从空中拍摄的超大尺寸图像来帮助对田间的莴苣作物进行分类。

先进的软件包括测量数量，大小和精确定位，以帮助农民精确收获，并以最有效的方式将作物推向市场。重要的是，这项技术可以应用于其他作物，扩大整个食物链的积极影响范围。

生菜是一项大生意，特别是在东安格利亚，每年在英国生产122,000吨。由于生长过程的低效率以及收获策略，高达30%的产量可能会损失，如果组成，可以提供显着的经济增长。

非常重要的是，农民和种植者必须准确了解作物何时可以收获成果，以便他们能够启动物流规划，交易和销售其产品。

然而，传统上，在田间测量作物非常耗时且劳动强度大，而且容易出错; 因此，基于航拍图像的新型AI解决方案可以提供更加强大和有效的方法。

效率的另一个障碍是，近年来一直在增加的恶劣天气条件可以非常显着地减少收获时间，因为作物需要不同的成熟时间。

由周集团成员开发的AirSurf技术，包括该项目论文的第一作者，Alan Bauer和Aaron Bostrom，使用“深度学习”(深层结构的机器学习技术)与复杂的超大规模技术相结合成像分析以高通量模式测量卷心莴苣。这能够识别莴苣植物的精确数量和位置，具有识别作物品质的额外优点，即小，中或大莴苣头。

将该系统与GPS相结合，农民可以精确地追踪田间莴苣的大小分布，这只会有助于提高农业实践的精确性和有效性，包括收获时间。

第一作者，EI的Alan Bauer说：“这种跨学科的合作将计算机视觉和机器学习与莴苣种植业务相结合，以展示我们如何利用机器学习提高作物产量。”

EI集团负责人Ji Zhou博士说：“我的实验室热衷于寻求一切可能的方法，将我们在算法设计，机器学习，计算机视觉和作物表型的公共资助研究转化为可供以下方法使用的技术和工具。学术和工业合作伙伴，以解决作物研究和作物生产中的挑战性问题。

“利用我们在BBSRC和其他公共和行业共同资助的项目支持下的研究工作，我们与英国领先的蔬菜种植者G's合作，为我们的农业食品部门配备了智能和精确的作物监测和分析方法，我们为此我们相信，通过我们的共同努力，可以实现更好的作物管理决策和提高作物市场性“。

G的种植者，创新经理Jacob Kirwan的行业合作伙伴补充说：“大规模种植意味着在确保我们以环保和经济可持续的方式生产作物时，精确度至关重要。使用AirSurf等技术意味着种植者能够理解他们的田地和作物的变异性在以前可能的更高水平的细节。

“然后可以从这些信息中做出决定，例如投入和灌溉的不同应用;改变收获策略和规划出售作物的最佳时间，都将有助于提高农业产量和提高农业生产力。”