一颗西兰花什么时候离开土壤，决定着农民种植收益是否达到最大化。
11月2日，2023世界农业科技创新大会在北京平谷举办。日本东京大学副教授郭威，一个同时拥有计算机和农业学科背景的华人青年学者，在智慧农业分论坛上分享了他和团队的一项研究发现：每亩西兰花有个最佳收割时间，农民若在其前一天或后一天采收，会使农民的潜在收入减少3.7%至20.4%。
为此，他和团队研发了一种搭载人工智能技术的无人机智能系统，它可以精确评估出每颗西兰花的最佳采摘时间，从而为大田集中采收提供一个时间方案。该系统走向田间地头的同时，一些关于智慧农业的问题浮现出来：人工智能的伦理边界在何处？如何面对日益高涨的人力成本？如何应对技术更新的滞后性？
论坛之后，他接受了新京报记者专访。他认为，新技术与人类所产生矛盾的化解，需要人类在时间里渐渐适应。他对人工智能在农业领域的应用前景保持乐观，“伴随智慧农业所出现的一系列社会问题，会在技术、社会体制逐渐地改善中不断被化解，当然，新的问题会永远涌现。”
11月2日，东京大学副教授郭威在智慧农业分论坛上分享研究发现。新京报记者 赵利新 摄
智能系统，为每一颗西兰花建立生长“档案”
新京报：你和团队研发的无人机智能系统，是怎样运行的？
郭威：简单来说，就是在西兰花生长的不同阶段，农民用搭载智能系统的无人机，进行两三次巡航。第一次巡航的时候，是在西兰花生长初期，这样无人机所搭载的系统，能够对每一颗西兰花赋予一个数字化的身份标识号码，而且能给每一颗所识别的西兰花建立一个生长模型，这就像给每颗西兰花建立一个生长“档案”，可以供农民选择采收时间。
等到西兰花的花蕾长出两到五厘米的位置时，农民再用无人机进行一次巡航，这是为了对生长模型进行完善，从而预测其未来的生长状况。西兰花生长中后期，无人机还可以再进行一次巡航，以求数据的精确性。等到前期数据收集完毕，系统便能通过计算，预测出每一颗西兰花的最佳采收时间，从而计算出每一亩西兰花的最佳集中采收时间。
日本东京的一片西兰花农田。受访者供图
新京报：为什么会选择西兰花做智慧农业的尝试？
郭威：首先因为西兰花比较好吃，而且很健康，这是我们选择西兰花做人工智能应用的一个原因；另外，西兰花的经济价值比较高，在都市的超市里，西兰花都是按颗卖的，而且超市里每颗西兰花的大小都基本一样。对城市居民来说，足够标准化的农产品，能取得他们在产品质量方面的信任。对农民来说，把西兰花卖进超市里，能取得较为可观的收入，从而提高家庭经济水平。实际上，我们团队研发该系统的一个初衷就是，帮助农民生产出符合超市标准要求的西兰花，减少生产端的浪费。
新京报：目前该技术的应用表现怎么样？
郭威：目前这个无人机智能系统在日本的北海道、福岛等地有推广，还处于应用初期。从目前的技术应用表现来看，这个系统可用于西兰花、卷心菜、大白菜等蔬菜，并且具有可推广的操作性，因为它所花费的成本，能够被一般农民所接受，而且确实能够帮助到他们减少蔬菜损耗，所以这项技术在农村比较受欢迎。
优化方法，破除机器深度学习瓶颈
新京报：在这个无人机智能系统的应用中，有哪些挑战？
郭威：最大的挑战来自两个方面，一个是收集的图片质量不高，另一个是数据处理量过于庞大，从而影响机器学习效率。农民在使用无人机过程中，他要追求效率，会提升无人机的飞行高度或者加快无人机的飞行速度，这样会导致合成图片的分辨率损失，有时候单株图像不够清楚，会影响深度学习模型的分割精度。另一个问题是，一亩田里有几千颗西兰花，而我们的系统是要为每一颗西兰花建立数字化生长模型，这其中产生的数据量很庞大，这增加了系统的维护和升级成本。
露天种植不像大棚种植，具有相对的可控性。科研人员对露天种植的西兰花，进行数字化处理，对系统的深度学习能力要求很高。要知道，收集并处理图像数据本身是很琐碎而且复杂的，比如收集到图像信息后，要考虑植物在风中的运动方式，以及光线如何随时间和季节的变化而变化，因此每一个图像数据都包含了机器难以分析的诸多变量因素。因此，科研工作者在训练系统时，不得不投入大量时间标记无人机可能看到的图像的各个要素，以帮助系统学会准确识别所看到的内容。
新京报：这两个技术问题是如何解决的？
郭威：解决图像分辨率不高的方法，我们是用原始无人机图像替代合成图像。就是用三维重建和原始图片的映射关系，形成一个对应于合成图像的高分辨率图像素材予以分析。简单说，无人机在农田巡航完一遍后，会对所有植株形成一个完整性的三维点云，然后系统会自动用原始图片和这个大图上的坐标予以一一对应。这样系统也能对每一单株西兰花进行精确建模、分析，从而解决分辨率不高的问题。
对于数据量过于庞大而制约机器学习效率的问题，我们采取重点分析的方法，我们不再对西兰花的整块地或整个生长周期进行机器学习，我们让机器只对西兰花生长初期的一个关键时间段，予以深度学习，从而以点带面。事实证明，对西兰花的某个生长关键点予以深度分析，也是能够精确计算出西兰花的最佳采收时间的。
智慧农业，须经得起伦理和技术的考验
新京报：在这次以西兰花为“主角”的智慧农业尝试中，你怎么看待人工智能的农业化应用？
郭威：对于日本这样的重度老龄化国家来说，人工成本本就高昂，而智慧农业也需要人力，甚至在一些环节中，还需要高技术人才，比如一个智能系统，它需要人工不断维护，这其中的人力成本也是很巨大的。实际上，我们团队能够顺利地研发出这个无人机智能系统，是依赖政府和社会资金的支持的。
东京大学副教授郭威。新京报记者 赵利新 摄
很多人认为智慧农业解放了人力，但其实在目前人工智能技术还不够成熟的阶段，生产场景仍然离不开人的参与。比如在日本，一辆无人拖拉机，必须需要人坐在车上盯着机器看；一名无人机操作员在操作设备时，必须至少需要另外一个人时刻盯着无人机看，防止无人机侵犯他人隐私或者坠机伤人等。
智慧农业除了面临人工成本高的问题，还有来自法律和伦理等方面的挑战。比如说，无人机不小心拍到他人生活场景了，这是不是侵犯他人隐私权？这种问题在现代社会争议性很强；还有，人工智能需要训练机器，需要庞大的数据吞吐量，在数据采集过程中，会不会侵犯他人权利？这些问题，都注定了人工智能技术不能高歌猛进。
另外，农田环境比较复杂，每一块农田都有自己独特的小气候，如果科研团队为每一块农田都建立一个数字模型，那成本之高，对农户来说又是不合算的。所以，未来的智慧农业，必须要让机器有自动的学习能力，让机器能够自己有学习意识，根据不同环境而自动生成数字模型。
新京报：面对技术和伦理方面的挑战，你怎么看智慧农业的未来？
郭威：我记得，触屏手机刚问世的时候，许多人是排斥触屏手机的，因为它不像键盘手机具有某种稳定性。但几年后，人们适应了触屏手机，大街小巷便都是卖触屏手机的了。
人类接受一种生活习惯的过程，是适应新技术的过程。我觉得，随着时间推移，人类会逐渐适应智慧农业的。当然，人类适应新技术的过程，也是一个技术在不断升级、社会体制也不断改变的过程。从科研工作者的角度来说，新技术应该是惠民的，哪怕是从一颗小小的西兰花开始，只要它能让农民足够受益，农民慢慢地就能接受新技术和其背后的技术思维。
新京报记者 赵利新
编辑 张树婧 校对 赵琳
