AI接地氣，看百度飛槳如何變革傳統農業生産

　　中國是有五千多年耕種曆史的農業大國，但并非農業強國。近年來，智慧農業成為了國家在推動 5G、雲計算、人工智能等技術落地應用的重要産業。

　　智慧農業區别于傳統農業的一個顯著特點，就是産業鍊大大延長，形成了農業産前、産中、産後緊密結合的産業體系，目的是将智慧思維和信息技術、計算機技術以及其他先進科學技術相結合以實現農業可持續發展，讓農業生産的産量更高、質量更好、成本更低、環境污染更少。

　　人工智能(AI)是新一輪科技革命和産業變革的重要驅動力量。AI在農業生産中的應用主要是集成應用計算機與網絡技術、物聯網技術、3S技術、無線通信技術、音視頻技術及專家智慧，實現農業可視化遠程診斷、遠程預警和遠程控制等智能管理，提高農業生産質量和效率的同時，提升操作者的體驗感和舒适度。

　　百度飛槳以百度多年的深度學習技術研究和業務應用為基礎，是中國首個自主研發、功能完備、開源開放的産業級深度學習平台，集深度學習核心訓練和推理框架、基礎模型庫、端到端開發套件和豐富的工具組件于一體。飛槳已凝聚超230萬開發者，服務9萬家企業，基于飛槳平台創建了超過31萬個模型，在城市、工業、電力、通信等很多關乎國計民生的領域都有飛槳在發揮作用，幫助越來越多的行業完成AI賦能，實現産業智能化升級。

　　在農業生産的全流程中，從産前、産中到産後，在各個細分場景中，都有AI的用武之地。例如，在産前環節，PaddleDetection是百度飛槳推出的物體檢測統一框架。支持現有的RCNN、SSD、YOLO等系列模型、支持ResNet、ResNet-VD、ResNeXt、ResNeXt-VD、SENet、MobileNet、DarkNet等主幹網絡。針對農業領域不同的業務場景，農作物識别、蟲情檢測(性能、目标大小、準确率等)可以選擇框架中的不同模塊組合得到最适合的模型，實現任務。

　　以YOLOv3模型為例，該模型在之前的版本上與同期最優同類産品相比，基于COCO數據集的訓練速度超出了40%，驗證集精度mAP(mean Average Precision)為38.9%，超出了1%。在本次升級中，飛槳工程師本着精益求精的工匠精神，使該模型得到了進一步強化，COCO數據集mAP高達43.2%，訓練速度也提升了40%，并基于YOLOv3開源了多種模型壓縮完整方案，使YOLOv3更上一層樓!

　　在産中環節，由于農業也在尋求轉型，水培作為一項環保新技術正在逐步推廣。在引入AI能力前，采用水配方式需要依賴農業領域的專業人才及經驗，在生産過程進行品質判斷，一旦人員有疏忽，會造成15%~20%的生産浪費。在引入EasyDL進行模型開發後，實現了機器自動識别，完成對蔬菜生長情況的實時管理，幫助降低不良品産出，提高産品品質，産量提高10%~15%，同時也促成生産物資如種子、基質、營養液的成本降低10%~15%，農學學家的工作效率也因此提升了3倍。

　　除此之外，在其他環節，AI能力是如何賦能農業場景，提升生産效率，降低成本呢?

　　10月29日，中國農業機械工業協會聯合百度飛槳，特别邀請百度傑出架構師、飛槳産品負責人直播分析AI在農業生産中的實踐經驗，案例覆蓋耕地識别、蟲情檢測、農作物自動分揀、進貨量檢測等全産業鍊各個環節，幹貨多多，掃碼觀看，不見不散!