讓我們先來看一段簡單的小故事：日本有位黃瓜農小池誠原本是車廠工程師，但他辭去了工作，回到老家幫父母經營小黃瓜農場。農場并不大，但日本各農場對于小黃瓜有不同的分類標準，小池家也一樣，光同品種的小黃瓜分類就可達 9 種之多，這讓他吃了不少苦頭。

于是他把腦筋動到人工智能上，開始研究起 Google 的 TensorFlow 平臺，搭配樹莓派 3 作為主控制器，并配一個相機拍攝照片。這些照片傳到 TensorFlow 平臺后在一個小型的神經網絡上運行，以判斷是否是小黃瓜。之后，已經被判定為小黃瓜的照片接著傳輸到一個更大的基于 Linux 服務器的神經網絡，來對小黃瓜按照不同的特質進行分類。在突破初期的失敗后，小池打造了一臺成本不到 10 萬日圓，任何人都可以快速上手的自動分裝機，還把這套系統的程序代碼開源釋出到了 GitHub 上.....前一篇文章中我們已經介紹了物聯網+大數據的智能農業進行式；但其實農業科技就跟主流科技領域一樣，即將被“大數據的下一步”，也就是以機器學習為首的人工智能技術所席卷。而且比起其他產業，農漁畜牧面臨的挑戰更加嚴峻。如今世界人口約為 72 億，其中有 7.8 億人生活水平低落，面臨結構性饑餓威脅，但到了 2050 年全球人口就會高達 90 億，這表示人類所生產的糧食總熱量需要增加 60%；如果再把肉類來源家畜消耗的糧食計算下去，這些糧食總熱量初估就會達到 103%；但相較之下，農業可用面積在這 33 年內最多只增加 4%。因此有許多人認為，人工智能就是耕地資源有限的情況下增加農業的產出，同時確保持續發展性的有力解答之一；跟著人工智能一起發展的，還有“農機全自動化”的趨勢。本篇文章我們會介紹幾個實際案例，帶大家多了解人工智能運用在農業的無窮潛力。AI 最成熟的視覺識別，已在農業開始發威

每年約有市值 40 億美元的蘋果在美國采收、銷售，因此蘋果在美國農業占有一席之地；同時，AI 與全自動機器人正猛烈沖擊著蘋果農業，美國農機新創公司 Abundant 就發明了“采蘋果機器人“，它具有經機器學習調教過的視覺算法，能精準判斷每一個蘋果，從摘取到輕放在采收箱里，整套流程的準確率基本上已經跟人類無異，甚至可以用一臺抵數十人的速度工作。

另一間 NatureSweet 農業新創公司更嘗試使用 AI 來監測西紅柿的生長過程，透過溫室中安裝的攝影機，他們獨特的算法可以辨別出西紅柿是否出現病蟲害、枯萎的視覺線索，并實時通報農民病害已開始發生。相較于之前農民每周一次花時間人工巡查，這種方法顯然有效得多。甚至，他們現在已開始著手撰寫視覺識別西紅柿是否成熟的算法。快速改變農業面貌的自動機械

有鑒于微型 MEMS 傳感器（包含加速度計，陀螺儀，磁力計和壓力傳感器）、小型 GPS 模塊與處理芯片越來越成熟，農業無人機的價格也越來越便宜，對農民來說可謂一大福音，并深具徹底改造整個產業的潛力。而在***，運用無人機噴灑農、肥用藥，巡視田地已不是太新鮮的事情。根據上下游的報導，易圖科技研發的無人直升機噴藥 10 分鐘就能噴 15畝地的農藥，一天最多可噴 225 畝，是傳統人力的三到四倍，而且能有效省藥，就連注重葉背的絲瓜也能靠氣流擾動順利施藥。

但無人機不是只能施藥撒肥。美國許多葡萄酒莊現在已經采用帶有高光譜攝影機的無人機，從紅外線以及可見光譜中收集數據，拍攝出健康植物與病害植物范圍的空拍掃描圖，其精細到就連用眼睛看都不明顯的害蟲、真菌感染等病變植株都能辨別。相信敏感一點的讀者也猜到了：這套紅外線判別植株健康的視覺辨識系統，正是機器學習結合無人機的另一好案例。而在最熱門的“自動駕駛”部分，當 2017 年各國政府與廠商都還在致力實現讓無人車上路駕駛之前，Kinze 這間大型農機企業早在 2012 年就參考 Google 的自駕系統打造出自動農耕、收割機，只要在耕作時把會遇到的狀況與田地信息一同輸入 GPS 系統，拖拉機會根據 GPS 系統紀錄指示行駛，依循前方進行紅外線掃射，以避免撞上障礙物；大型農機企業久保田也宣布，將于 2020 年推出能夠“一鍵完全自動”的農業機械，幫助解決日本越來越嚴重的農村勞力老齡化問題。人工智能在農業的挑戰雖然人工智能能已經成為科技界的中流砥柱，我們上述也介紹了不少人工智能與自動機械在農業方面的運用。但事實上，大多主要的農企業、設備制造商和服務提供商還沒有在農業中大力推行人工智能。在技術上最大的挑戰之一就是農業資料其實收集極為不易。我們知道，AI 就是大數據的“下一步”，需要大量的數據來正確地訓練算法。雖然在地理、天氣等部分數據相對完善，但關于作物本身的大部分數據只能在每年的生長季節獲得一至二次，比起其他領域，顯然農業的數據積累要花上更多時間；而且其數據源不像科技、工業或網絡圈，其使用、所有權方面的透明度與共享程度更加困難。