Precision Agriculture: Harnessing Artificial Intelligence for Resource Optimization

方法

系统综述物联网传感器、无人机、卫星与农场记录数据及机器学习、计算机视觉、优化方法

发现

物联网与AI规划可显著降低灌溉用水和化肥用量，但基础设施成本与农户采纳障碍仍存。

机会点

可研究低成本、跨农场可迁移的实时AI决策模型，并量化其长期经济与环境回报。

农业生产系统正面临新的压力。粮食需求不断增长，气候持续变化，淡水资源日益稀缺，必须降低高投入农场的环境影响。在精准农业中，田地的每个区块都根据所获得的信息进行管理；这使管理方式不再是对整块田地实行统一管理，而后者往往导致农业资源的浪费。人工智能（AI）从农场采集的数据中提取管理规律，从而强化精准农业。本章使用了经过仔细审查的田间试验研究以及2020年至2026年发表的可靠报告。讨论围绕四个主题展开。首先，本章讨论数据来源，如物联网传感器网络、无人机和卫星图像，以及各农场保存的记录。其次，综述所使用的AI技术，从无监督学习到深度学习、计算机视觉和优化方法。第三，重点关注AI已经发挥作用的领域，如利用机器学习安排灌溉、按量施用氮肥和预测产量。最后，审视现实中的局限，如实际可用的数据量、模型在不同农场是否表现良好、使用成本、与其他系统的兼容性，以及使农民不愿采用这些技术的障碍。论文中提供的证据表明，物联网和基于AI的规划可以大幅降低农耕所需投入品的使用量。一个重要的例子是水的使用——在许多农业地区，水往往非常短缺。此外，通过使用机器学习和AI工具，可以改善化肥的施用方式。必须记住，作物生长量在很大程度上取决于环境，而环境随时可能发生变化。因此，人工智能方法必须实时接收数据并做出决策。尽管精准农业具有显著优势，但仍存在障碍——最突出的是农民和政府的基础设施成本。虽然这些成本在短期内可能显得高昂，但由于资源的优化利用和高效生产，从长远来看它们被证明是非常经济的。本章的主要建议是在农场实施精准农业，以实现资源的最优利用和高产。