新的人工智能算法可以更好地预测玉米产量

一些报告预测，到2027年，精准农业市场将达到129亿美元，因此越来越需要开发能够实时指导管理决策的复杂数据分析解决方案。伊利诺伊大学跨学科研究小组的一项新研究提供了一种有前途的方法，可以有效，准确地处理精密ag数据。

“我们正在尝试改变人们进行农艺研究的方式。我们试图做的不是直接建立一个小块田地图，运行统计数据和发布方法，而是更直接地涉及到农民。我们正在与农民进行实验。伊利诺伊州作物科学系副教授尼古拉斯·马丁(Nicolas Martin)说：“我们可以检测特定地点对不同输入的响应。我们还可以查看该字段的不同部分是否有响应。”该研究的作者。

他补充说：“我们开发了使用深度学习的方法来生成产量预测。该方法结合了来自不同地形变量，土壤电导率以及我们在中西部9个玉米田中应用的氮素和种子处理的信息。”

马丁及其团队处理了数据密集型农场管理项目的2017年和2018年数据，该项目在中西部，巴西，阿根廷和南非的226个田地以不同的速率施用了种子和氮肥。导通地面测量用高分辨率卫星图像配对从PlanetLab的预测产量。

数字化地将场地分成5米(约16英尺)的正方形。将土壤，海拔，氮肥施用量和播种量的数据输入到每个正方形的计算机中，目的是了解因素如何相互作用以预测那个正方形的产量。

研究人员通过一种称为卷积神经网络(CNN)的机器学习或人工智能进行了分析。某些类型的机器学习从模式开始，并要求计算机将新的数据位放入这些现有模式中。卷积神经网络对现有模式视而不见。取而代之的是，它们获取少量数据并学习组织数据的模式，类似于人类通过大脑神经网络组织新信息的方式。CNN的过程，其预测与产量高的精度，也被相对于其他机器学习算法和传统的统计技术。

“我们真的不知道是什么导致了整个田间对投入物的产量响应产生差异。有时人们会认为某个地点对氮的反应非常强烈，反之亦然。CNN可能会采取行动可能会引起回应的隐藏模式。”马丁说。“当我们比较几种方法时，我们发现CNN很好地解释了产量变化。”

使用人工智能来解开精确农业中的数据仍然是一个相对较新的技术，但是马丁说，他的实验只是在CNN的潜在应用方面掠过了冰山一角。“最终，我们可以使用它针对给定的输入和站点限制组合提出最佳建议。”