用AI征服盐场和菜田,科技创新也要脚踏“实地”

2021-09-27 16:27:02 浏览数 (1)

对于不少出生在“Z世代”的大学生而言,“田间地头”是很遥远的画面——出现在课本、影视剧以及长辈们口中的描述,似乎是他们了解农业为数不多的途径。

在刚刚过去的这个暑假里,有一群大学生却真的走下田间地头,和盐田、菜地“亲密接触”——不过,他们并不是简单体验劳作的滋味,而是带着人工智能的“秘籍”,在新科技和传统农业间搭起一座桥梁。

从脑海里闪过的idea,到一行行代码,再到真正可操作、解决问题的实际应用,这个夏天,他们的故事从这里讲起——

建造盐田数据集:“这件事还没人做过!”

盐,人类生存的必需品,也是重要的工业原料。

目前,我国圈围式晒盐场大多仍采取传统的人工巡视方式,每一个工人需要负责十个盐田的管理,要亲自检测卤水的浓度、水量多少和卤水的结晶情况。每天早上起来还需要人工犁田,防止盐板结在一起;如果遇到下雨天,还要用遮盖布将盐田盖起,雨停后再打开。工人长期在盐田的环境里待着,皮肤很容易被腐蚀和损伤。

冯慧宇,青岛农业大学通信工程专业的大三学生。他与同学组队一起打造了“围圈晒盐图像智能识别和辅助诊断”这个项目,而项目灵感来源,是项目团队中的一名队员。这个同学的老家在山东昌邑,是重要的晒盐地之一,从小对工人晒盐的操作耳濡目染。“是不是可以考虑AI帮助工人进行晒盐?”团队成员一提出这个想法,很快就得到了大家的响应。

想法虽然美好,但真的操作起来却困难重重,迎面而来的第一个问题就是数据。目前,AI在盐田晒盐上的应用还是一片空白,慧宇的团队没有任何可以用来给模型训练参考的数据集。

“那就自己采集!”正值暑假,慧宇和团队里的两位小伙伴一合计,决心亲自去盐田采集需要的图片资料。经过沟通,他们联系到了山东昌邑的三家晒盐场,很快三人动身前往。

在昌邑的一周时间里,慧宇和团队伙伴每天都要待在盐场,从不同光照环境、不同角度给盐田进行拍照记录。7月的太阳格外毒辣,盐田的光反射强到睁不开眼,三个大学生一边感叹晒盐工人确实不易,一边顶着酷热汗流浃背地收集照片。

同学们到盐场实地收集数据

最终,慧宇和团队成员收集了上千张照片,利用百度开源的产业级深度学习平台飞桨创建起围圈晒盐图像识别的项目,并成功搭建了相关数据集。“这可能是第一个盐田不同时期状态的图片数据集!”

采用了不同的图像分类模型,慧宇将数据集放入模型中,通过飞桨平台算力模拟与实际结果进行比对,最后选取了准确度较高的模型在项目中进行了应用。在确立模型之后,慧宇进行了优化算法处理等一系列动作,最终导出了围圈晒盐图像识别的模型。

在这个过程中,慧宇也偶然地了解到百度飞桨领航团推出的“AI达人创造营”活动,被“30天搞定AI项目全流程实践”深深吸引。带着正在做的项目,慧宇加入这个活动中,很快和飞桨的官方工程师接上了头,也认识了更多和他一样关注社会每个角落的开发者们。得到了来自官方的技术指导,还有志同道合的开发者同伴们的帮忙和指点,慧宇的项目又向前进了一步。

最终,慧宇和团队基于飞桨所开发的“围圈晒盐图像智能识别和辅助诊断”应用项目,通过实时观测盐田中卤水的水量、高度和和盐的结晶程度,准确度达到70%。处理的数据传输给管理人员,辅助人工判断分析什么时候该加水、搂盐、捞盐、归坨,能够有效提升工作效率,为晒盐工人大大“减负”。

“我记得在晒盐场做图片采集的时候,有些工人站在旁边围观,感觉特别新奇,他们也会怀疑我们做的事情到底能不能成功,到底能做出个什么来。”对此,慧宇和工人们的解释是:利用人工智能,晒盐场也许能像现在的智能温室大棚一样实现一体化的智能系统,每个流程都有机器帮忙精准控制。

或许在不远的将来,乘着“飞桨”,这群大学生真的能在盐田中造出一个有AI的新未来。

让冬油菜“不缺钙” 遥感 AI创造大价值!

近年来,高空间、时间和光谱分辨率的遥感技术的发展,为利用遥感技术监测农业灾害和加快智慧农业发展提供了宝贵契机。每年,在农作物关键生育期内,我国都会开展小麦、玉米长势的遥感监测,以便及时掌握农业生产情况。

对于华中农业大学地理信息科学专业的周龙宇来说,利用遥感图像来对农作物进行监测并非稀罕事。但当老师把采集到的冬油菜数据交给他,并让他去研究如何利用深度学习做冬油菜场景分类时,还是让他有些不知所措。在快速地资料查询后,周龙宇”锁定“飞桨,立即学习使用。

油菜是我国五大油料作物之首,是重要的食用油源和蛋白质饲料,同时在工业上也有广泛的用途,其种植面积占全国油料作物总面积的40%以上,产量占全国油料总产量的30%以上,居世界首位。不过,当油菜受到氮养分胁迫时,苗期遇旱脱肥,容易出现红叶;中后期缺氮,分枝减少,角果数和实粒数锐减,粒重减轻,产量将明显下降。这也成为周龙宇在参加“AI达人创造营”时的主要课题。

在进展过程中,周龙宇遇到了很多困难。现有图像识别模型很难识别遥感图像,周龙宇便花费了大量时间选择适合的模型并修改优化,让它去适配遥感图像。后来引入PaddleX套件,周龙宇见证了模型顺利跑通。在下一步,周龙宇仍在向学校积极争取机会多多走入实验田采集更多有效数据,将自己的专业能力与人工智能迸发出更大的可能。

深度学习、物联网、遥感等这些被很多人认为只能在科技企业中应用的技术,如今却出现在数字农业的发展进程中,而这,只是中国千行百业迈向智能化的一个缩影。如今的大学生并非生活在象牙塔中的懵懂青年,而是正在利用先进的技术与所学知识,用脚步了解社会、丈量祖国,在提升自己的同时,更为社会发展作出贡献。

END

0 人点赞