Outfield Technologies是一家位于劍橋的農(nóng)業(yè)技術(shù)初創(chuàng)公司，使用無人機(jī)和人工智能來幫助果農(nóng)最大化果園作物的收成。Outfield Technologies的創(chuàng)始人Jim McDougall和Oli Hilbourne一直在與博士合作。該系機(jī)器智能實(shí)驗(yàn)室的學(xué)生湯姆·羅迪克（Tom Roddick）開發(fā)了他們的技術(shù)能力，從而能夠通過無人機(jī)對(duì)巨大的蘋果園進(jìn)行調(diào)查來計(jì)算樹上的花朵和蘋果。

Outfield商業(yè)總監(jiān)Jim McDougall解釋說：“對(duì)開花的準(zhǔn)確評(píng)估或?qū)κ粘傻墓烙?jì)可使種植者提高生產(chǎn)力，可持續(xù)性和環(huán)境友好性。”“我們的航空影像分析著重于產(chǎn)量估算，并且在國(guó)際上都受到追捧。我們?cè)谒I(lǐng)域面臨的最大問題之一就是準(zhǔn)確的產(chǎn)量預(yù)測(cè)。該系統(tǒng)是與種植者一起開發(fā)的，用于計(jì)劃勞力，物流和儲(chǔ)存。整個(gè)行業(yè)都需要它，以計(jì)劃市場(chǎng)營(yíng)銷和分銷，并確保貨架上總是有蘋果。目前20%的估算是由種植者做出的，他們的工作非常出色，但果園的變化卻令人難以置信，而且估計(jì)往往是錯(cuò)誤的。這將導(dǎo)致收入損失，作業(yè)效率低下，并可能導(dǎo)致未售出作物的大量浪費(fèi)。”

用3D計(jì)算機(jī)重建的英國(guó)果園于2019年4月開花

外場(chǎng)的識(shí)別方法是博士論文研究的出色應(yīng)用。羅伯托·西波拉（Roberto Cipolla）教授指導(dǎo)的學(xué)生湯姆·羅迪克（Tom Roddick）正在研究中。Tom是計(jì)算機(jī)視覺和機(jī)器人技術(shù)小組的成員，該小組致力于通過人工神經(jīng)網(wǎng)絡(luò)（ANN）使用深度學(xué)習(xí)方法，致力于人工智能和機(jī)器學(xué)習(xí)。

人工神經(jīng)網(wǎng)絡(luò)是一種模仿人腦的松散建模的計(jì)算系統(tǒng)，旨在識(shí)別模式。他們通過標(biāo)記或聚類原始輸入來解釋感官數(shù)據(jù)。他們識(shí)別出的模式是數(shù)字形式，所有真實(shí)世界的數(shù)據(jù)（包括圖像，聲音，文本或時(shí)間序列）都將轉(zhuǎn)換為數(shù)字形式。

這樣的系統(tǒng)通常通過分析示例來“學(xué)習(xí)”執(zhí)行任務(wù)，而無需使用特定于任務(wù)的規(guī)則進(jìn)行編程。例如，在圖像識(shí)別中，ANN可能會(huì)通過分析已被手動(dòng)標(biāo)記為“蘋果”或“沒有蘋果”的示例圖像，并使用結(jié)果來識(shí)別其他圖像中的蘋果，從而學(xué)會(huì)識(shí)別包含蘋果的圖像。他們?cè)跊]有任何蘋果先驗(yàn)知識(shí)的情況下進(jìn)行此操作，例如，蘋果的顏色或形狀。相反，他們會(huì)根據(jù)所處理的示例自動(dòng)生成識(shí)別特征。

通過首先檢測(cè)數(shù)據(jù)中的簡(jiǎn)單模式（例如圖像中的邊緣或語音中的聲音），然后逐步構(gòu)建概念的層次結(jié)構(gòu)，直到復(fù)雜的特征（如面孔或句子）出現(xiàn)在網(wǎng)絡(luò)中，人工神經(jīng)網(wǎng)絡(luò)才能進(jìn)行聚類和分類。人工神經(jīng)網(wǎng)絡(luò)方法的最初目標(biāo)是以與人腦相同的方式解決問題。但是，隨著時(shí)間的流逝，注意力已經(jīng)轉(zhuǎn)移到執(zhí)行特定任務(wù)上。人工神經(jīng)網(wǎng)絡(luò)已用于多種任務(wù)，包括計(jì)算機(jī)視覺，語音識(shí)別，機(jī)器翻譯，社交網(wǎng)絡(luò)過濾，棋盤游戲和視頻游戲以及醫(yī)療診斷。

在攻讀博士學(xué)位期間，湯姆（Tom）一直致力于自動(dòng)駕駛，研究通過攝像頭捕獲的街道場(chǎng)景，為每個(gè)元素添加注釋和標(biāo)簽。他指出了汽車，行人，路邊等的位置。為此，他使用了一種稱為語義分割的工具來標(biāo)記每個(gè)單獨(dú)的像素，從而對(duì)正在發(fā)生的事情有一個(gè)較高的了解。外場(chǎng)需要在果園照片中識(shí)別蘋果和花朵，而做到這一點(diǎn)的一種方法是使用這種語義分割方法。

Outfield數(shù)據(jù)收集方法的另一個(gè)方面是查明無人機(jī)在任何時(shí)候都在哪里，還有另一條計(jì)算機(jī)視覺集中在本地化上，可以算出您在世界上的位置以及正在查看的內(nèi)容。校友Kesar Breen，獨(dú)立機(jī)器學(xué)習(xí)和計(jì)算機(jī)視覺顧問，他已經(jīng)花了很多時(shí)間為Jim和Oli提供建議。Kesar幫助他們概述了可用于果園建模和分析的技術(shù)，以找出農(nóng)作物在何處，并草擬了一種具有時(shí)間框架和要求的潛在算法。凱薩爾說：“ Outfield正在使用一些有趣但經(jīng)過驗(yàn)證的技術(shù)來處理非常重要的事情，以解決一個(gè)重要的業(yè)務(wù)問題。我認(rèn)為這很可能在商業(yè)上可行。”

在談到他與Outfield的工作時(shí)，Tom說：“ Outfield的語義細(xì)分需求有一些非常具體的細(xì)微之處，例如，從研究的角度來看，這些細(xì)微之處非常有趣。我習(xí)慣查看圖像以識(shí)別大型物體，例如汽車，容易發(fā)現(xiàn)，但是Outfield擁有的是這些巨大的果園鳥瞰圖，這些圖有數(shù)百萬個(gè)像素，它想檢測(cè)每朵開花的花朵或每片水果來計(jì)算其中有多少。如何有效，強(qiáng)大地做到這一點(diǎn)，以便能夠區(qū)分類似的東西;這是樹上的蘋果？還是地上的蘋果？”

吉姆說：“英國(guó)擁有世界上一些最好的技術(shù)和最好的技術(shù)科學(xué)家。我們目前正在進(jìn)行beta測(cè)試，其中包括將該模型與除蘋果之外的其他農(nóng)作物一起使用。“我們?yōu)槲磥韮傻饺曛贫藦?qiáng)有力的計(jì)劃，我們將在2019年10月開始一輪投資，以期在2020年第一季度結(jié)束。這將使我們能夠全職投入更多團(tuán)隊(duì)，并大規(guī)模測(cè)試產(chǎn)品明年在新西蘭和英國(guó)。