无人机与人工智能完美结合预测水果收成
本文作者：悦天、无双、抑扬、砚节
作者单位：中国电科电子科学研究院
图1 无人机航拍果园
农场技术公司（Outfield Technologies）是一家依托于剑桥大学的农业科技公司，主要使用无人机和人工智能技术帮助果农预测产量。
农场技术公司的创始人吉姆·麦克杜格尔（Jim McDougall）和奥利·希尔伯恩（Oli Hilbourne）与机器智能实验室的博士研究生汤姆·罗迪克（Tom Roddick）一直开展基于无人机的产量测量技术研发，该技术利用无人机对大型果园进行检测，通过准确测量每棵果树上的花朵数与果实数，对果园产量进行估测。
农作物产量估算技术是一项具有国际意义的研究，产量预测是水果业面临的最大问题之一。整个水果行业从劳动力分配、物流、储存、到计划营销和分销、确保存货量都依赖于产量预测。目前，产量预测大多仅依赖于种植者人工判断。但由于生长过程中的多变性，人工估计产量的误差高达20%。这些误差会造成收入损失、经营效率低下，并导致大量未售出作物的浪费。更精确的产量估计可提高产量，也更利于生态平衡。
图2 2019年4月英国果园花开的计算机三维建模图
农场技术公司开发的果园航拍图像识别技术主要基于人工神经网络（ANN）方法。人工神经网络是以人脑为模型的松散计算系统用于识别模式。人工神经网络通过标记或聚类原始输入来解释感官数据，识别的模式是数字的。在人工神经网络中，所有现实世界的数据，无论是图像，声音，文本还是时间序列，都被转换成数字。这样的系统通过分析示例“学习”执行任务，通常不使用特定于任务的规则进行编程。例如，在图像识别中，ANN可以通过分析被手动标记为“苹果”或“没有苹果”的示例图像，来识别其他图像中的苹果，从而学会识别包含苹果的图像。整个识别过程没有任何关于苹果的先验知识，例如：苹果的颜色、形状。相反，它们会自动从所处理的示例中生成标识特征。
人工神经网络完成分类和识别的第一步是检测数据中的明显特征，例如：图像中的边缘特征或者语音中的声音特征。然后，逐步构建一个层次概念结果，直到复杂特征，例如人脸或者语义能够融入数据中。
人工神经网络方法的原始目标是像人类大脑一样解决问题。经过不断的发展，人工神经网络已经广泛应用于计算机视觉、语音识别、机器翻译、社交网络过滤、线上视频游戏开发以及医学诊断等方面。在对图像进行标注时采用语义分割方法，即对图像中每个像素所属类别（apple/no apple）都进行标记，这样ANN就是对每个像素进行密集的预测、每个像素都会被标记为其封闭对象的类别。这样更有利于区分图像中的一个苹果是在树上还是已经掉到了地上。
图3 四种图像识别类型：(a)图像分类、(b)目标识别与定位、(c)语义分割、(d)目标实例分割
无人机定位是果园产量预测技术的另一个重要的技术问题，在该系统中有用于定位的计算机视觉技术，给出无人机的具体位置和观察对象。机器学习和计算机视觉顾问、校友凯萨·布林（Kesar Breen）为吉姆和奥利提供这方面的建议，帮助他们实现果园建模和分析，以找出作物的位置。凯萨说：“农场技术公司正在做一些非常酷的事情，用一些有趣但经过验证的技术，解决一个重要的商业问题。我认为这在商业上很可能是可行的。”
原文地址：
https://techxplore.com/news/2019-10-fruit-harvest-drones-artificial-intelligence.html
