農(nóng)業(yè),可能是數(shù)字化程度最低的一個領(lǐng)域。

曾有人對比過這樣一組數(shù)據(jù):中國的農(nóng)業(yè)勞均產(chǎn)值只相當(dāng)于以色列的4%、美國的5%、歐盟的15%、日本的17%,僅僅略高于中等收入國家的平均水平,“補課”可以說農(nóng)業(yè)數(shù)字化轉(zhuǎn)型的不二法門。

讓人深思的還有另一組數(shù)據(jù):1991年國內(nèi)農(nóng)業(yè)勞力占比約為60%,到了2018年這一數(shù)字已經(jīng)下降到26%,低于世界的平均水平。農(nóng)業(yè)勞動力人口的短缺,導(dǎo)致農(nóng)產(chǎn)品生產(chǎn)的人工成本占比超50%。

和無處不在的互聯(lián)網(wǎng)相比,農(nóng)業(yè)的數(shù)字化就像是未經(jīng)開墾的荒原,同時也是留給新科技探索的處女地。

01 農(nóng)業(yè)是個嚴肅話題

過去幾年時間里,幾乎每一年都有農(nóng)業(yè)相關(guān)的政策出臺,不難從一些草蛇灰線中厘清農(nóng)業(yè)數(shù)字化轉(zhuǎn)型的脈絡(luò)。

比如2019年國務(wù)院在《鄉(xiāng)村振興戰(zhàn)略規(guī)劃(2018-2022年)》中提到,應(yīng)該大力發(fā)展數(shù)字農(nóng)業(yè),實施智慧農(nóng)業(yè)工程和“互聯(lián)網(wǎng)+”現(xiàn)代農(nóng)業(yè)行動,鼓勵對農(nóng)業(yè)生產(chǎn)進行數(shù)字化改造,加強農(nóng)業(yè)遙感、物聯(lián)網(wǎng)應(yīng)用,提高農(nóng)業(yè)精準化水平。

到了2020年,農(nóng)業(yè)農(nóng)村部在《數(shù)字農(nóng)業(yè)農(nóng)村發(fā)展規(guī)劃(2019-2025年)》中再次強調(diào),以產(chǎn)業(yè)數(shù)字化、數(shù)字產(chǎn)業(yè)化為發(fā)展主線,著力建設(shè)基礎(chǔ)數(shù)據(jù)資源體系,加強數(shù)字生產(chǎn)能力建設(shè),加快農(nóng)業(yè)農(nóng)村生產(chǎn)經(jīng)營、管理服務(wù)數(shù)字化改造。

2021年,國務(wù)院下發(fā)了本世紀第18個關(guān)于農(nóng)業(yè)的“一號文件”,強調(diào)要強化現(xiàn)代農(nóng)業(yè)科技和物質(zhì)裝備支撐,著力構(gòu)建現(xiàn)代鄉(xiāng)村產(chǎn)業(yè)體系、現(xiàn)代農(nóng)業(yè)經(jīng)營體系,推進農(nóng)業(yè)綠色發(fā)展。我國的現(xiàn)代農(nóng)業(yè)正在走向以信息為生產(chǎn)要素,互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算、區(qū)塊鏈、人工智能和智能裝備應(yīng)用為特征的智慧農(nóng)業(yè)。

倘若按照時間做個排序的話,最初引導(dǎo)科技和農(nóng)業(yè)的融合,到智慧農(nóng)業(yè)的系統(tǒng)性布局,農(nóng)業(yè)的數(shù)字化轉(zhuǎn)型是一個思路逐漸清晰的過程。

畢竟美國和日本已經(jīng)給出了示范,前者在種植、管理、收獲、流通等環(huán)節(jié)中通過物聯(lián)網(wǎng)、大數(shù)據(jù)、電商等措施,打造了全閉環(huán)式的智慧農(nóng)業(yè)發(fā)展模式;后者在人口老齡化的壓力下,利用數(shù)字化技術(shù)降低了農(nóng)業(yè)對自然環(huán)境和從業(yè)人員的依賴,逐漸走出了一條綠色有機農(nóng)業(yè)的新路子。

但智慧農(nóng)業(yè)在國內(nèi)卻是個嚴肅的話題。

一個既定事實在于,國內(nèi)在農(nóng)業(yè)傳感器、農(nóng)業(yè)模型、核心算法等關(guān)鍵技術(shù)領(lǐng)域仍處于“跟跑模仿”階段,可能落后先進國家10—15年的時間。特別是很多地方缺少智慧農(nóng)業(yè)的頂層設(shè)計,導(dǎo)致農(nóng)業(yè)的智慧化演進多是以單點技術(shù)在細分領(lǐng)域進行探索,不同地方的智慧化水平參差不齊。

也有人坦言:國內(nèi)缺少職業(yè)農(nóng)民的教育體系,即使有一些農(nóng)民培養(yǎng)機構(gòu),過程也是走馬觀花式的。現(xiàn)代職業(yè)農(nóng)民的短缺、高素質(zhì)農(nóng)業(yè)生產(chǎn)管理人員匱乏,使得智慧農(nóng)業(yè)在基層缺少支持者,內(nèi)生動力嚴重不足。

或許一些人因此對智慧農(nóng)業(yè)的前景持悲觀論調(diào),但下面幾個年輕人正在做的事情,或許會改變你對智慧農(nóng)業(yè)的認知。

02 新農(nóng)人們的“新農(nóng)具”

當(dāng)外界還在以年齡偏高、文化水平普遍較低刻畫農(nóng)民形象時,一群年輕的博士生悄悄加入了“新農(nóng)人”的序列。

浙大博士章曉敏被人熟知的身份是寧波某高校的教師,但他的另一個身份是“微能云智能蟲情測報系統(tǒng)”的技術(shù)負責(zé)人。因為工作的原因,章曉敏認識了浙江農(nóng)科院的農(nóng)學(xué)專家,發(fā)現(xiàn)當(dāng)?shù)厮�稻的蟲情監(jiān)測還是一項非常原始的工作,需要有人到水稻田里捕捉害蟲,然后靠經(jīng)驗判斷蟲情的趨勢。

聽到農(nóng)學(xué)專家的訴苦后,章曉敏萌生了智能監(jiān)測蟲情的想法:或許可以在稻田里布置一套誘蟲裝置,自動識別統(tǒng)計一段時間內(nèi)蟲子的種類和數(shù)量,然后結(jié)合數(shù)據(jù)變化科學(xué)判斷下一階段的蟲情趨勢。

章曉敏找到的“新農(nóng)具”是百度飛槳EasyDL,利用農(nóng)學(xué)專家們幫忙標注的樣本數(shù)據(jù),在EasyDL零門檻AI開發(fā)平臺上構(gòu)建了蟲害檢測模型。誘蟲器吸引到害蟲后會進行滅活處理,然后定時進行拍照,再將照片自動上傳到云端服務(wù)器,通過飛槳EasyDL的算法模型識別害蟲的種類,并進行數(shù)據(jù)的統(tǒng)計匯總。

目前章曉敏帶頭研發(fā)的“微能云智能蟲情測報系統(tǒng)”已經(jīng)部署在寧波海曙的農(nóng)田中,可以識別稻飛虱、卷葉螟在內(nèi)的六種水稻常見害蟲,不僅實現(xiàn)了蟲情的實時監(jiān)測,還可以指導(dǎo)農(nóng)民有針對性地調(diào)整農(nóng)藥、化肥配比與投放有效進行蟲害防控,減少化學(xué)農(nóng)藥的使用量,避免農(nóng)產(chǎn)品農(nóng)殘超標等問題發(fā)生。

在章曉敏幫助稻農(nóng)們“除蟲”的時候,百度的AI工程師阿權(quán)跑到了內(nèi)蒙古通遼,成為著名的伊胡塔牛市的�？�。

起因是藍奧云牧股份總裁王永生的一通電話,向百度求救解決“相�！钡碾y題。原來當(dāng)?shù)氐幕钆＝灰字饕�集中在線下牛市,但一頭牛有多重、一天能長多少斤、小牛犢養(yǎng)到最后是賺還是賠,全靠“牛經(jīng)紀人”肉眼觀察,一些金牌“牛經(jīng)紀人”能將牛的重量誤差控制在5斤以內(nèi),甚至能挑出品質(zhì)更好、病死率更低的牛。

可“相�！苯^技靠的是常年累月的經(jīng)驗積攢,傳統(tǒng)的“相牛”方式也局限了活牛的交易場景,加上牛市的環(huán)境十分繁雜,各家牛的無序接觸很容易造成口蹄疫、布病等病發(fā)風(fēng)險。阿權(quán)想到的是先采集數(shù)據(jù),給每頭牛建立“電子簡歷”,用飛槳EasyDL訓(xùn)練牛的數(shù)據(jù)打造AI相牛算法模型。

經(jīng)過長達幾年的摸索嘗試,阿權(quán)的團隊終于研制出一套立體三維點云數(shù)據(jù)采集裝置:當(dāng)牛從過道中有序經(jīng)過時,兩側(cè)的攝像頭便可以快速采集到牛的各種體尺數(shù)據(jù)和點云數(shù)據(jù),并進行實時三維建模。阿權(quán)團隊采集了2000多頭有效的活牛數(shù)據(jù),算法模型也可以規(guī)�；�落地了。

像章曉敏、阿權(quán)這樣的“新農(nóng)人”還有很多,在他們的帶動下,農(nóng)業(yè)不再是一個嚴肅的話題,AI成了“新農(nóng)具”,數(shù)據(jù)成了“新農(nóng)資”。

03 智慧農(nóng)業(yè)的AI范式

可能就現(xiàn)階段來看,章曉敏等人對農(nóng)業(yè)的改造還是點狀開花,但百度飛槳讓由點到線,再由線到面成為了可能。

比如章曉敏幫助水稻監(jiān)測蟲情時沉淀下來的經(jīng)驗,可以應(yīng)用于玉米、小麥等經(jīng)濟作物的蟲情監(jiān)測;阿權(quán)團隊摸索出的“相�！苯�(jīng)驗,也可以在養(yǎng)豬、養(yǎng)羊等場景下復(fù)用……

百度飛槳不僅僅是降低了AI的應(yīng)用門檻,也讓AI在農(nóng)業(yè)中的落地形成了良性循環(huán)的飛輪效應(yīng):越來越多的農(nóng)業(yè)場景完成數(shù)字化,通過簡單易用的飛槳EasyDL訓(xùn)練數(shù)據(jù)形成模型,實現(xiàn)智能化應(yīng)用。趁手的“新農(nóng)具”促使越來越多的人在自己熟悉的領(lǐng)域里將AI和農(nóng)業(yè)進行融合。

可以佐證的是北京市大興區(qū)長子營鎮(zhèn)的智慧植物工廠,在這片由裕農(nóng)、京東方后稷、百度智能云聯(lián)合打造的現(xiàn)代化水培植物工廠中,極少人力就能生產(chǎn)出數(shù)倍于以往的新鮮蔬菜。個中秘密離不開人工智能的規(guī)模化應(yīng)用,自動判斷蔬菜生長狀態(tài)、提醒采收、自動檢測害蟲種類及數(shù)量、輸出植保方案、自動識別克重……每一項創(chuàng)新功能背后,都可以找到百度飛槳EasyDL的身影。

以自動判斷蔬菜生長狀態(tài)為例,借助EasyDL提供的智能標注、模型訓(xùn)練、服務(wù)部署在內(nèi)的一站式服務(wù),工程師構(gòu)建了克重識別模型,標注了三四百張蔬菜照片進行訓(xùn)練后,只需定時監(jiān)測拍攝一張圖片就能判斷蔬菜的重量、生長是否健康、能否進行采收,準確率達到95%以上。

確切地說, EasyDL讓我們看到了智慧農(nóng)業(yè)的新范式:

以往主導(dǎo)智慧農(nóng)業(yè)的科技巨頭,擅長的是自上而下打造典型樣本,這樣的方案不乏其內(nèi)在價值,可想要改變?nèi)珖�的農(nóng)業(yè)問題,可以說幾乎是不可行的方案。章曉敏代表的“新農(nóng)人”屬于自下而上的智慧化,他們沒有想過以一己之力改變農(nóng)業(yè)的現(xiàn)狀,熱衷于解決自己看到的一個個小問題,當(dāng)這些細小的力量被聚集在一起,呈現(xiàn)出來的正是智慧農(nóng)業(yè)的遍地開花。

智慧農(nóng)業(yè)的歷史進程應(yīng)該有兩個視角:一個是宏觀上的政策紅利,通過一項項惠農(nóng)政策重拾外界改造農(nóng)業(yè)的信心;一個是微觀上的大膽嘗試,讓人工智能等前沿科學(xué)以通用技術(shù)的形式交到新農(nóng)人手中。所有的科技革命都是社會需要和技術(shù)創(chuàng)新雙輪驅(qū)動的,新農(nóng)人們利用新工具創(chuàng)造的一個個奇跡,正是智慧農(nóng)業(yè)在中國的最佳注腳。

或許多年之后再回頭審視中國的智慧農(nóng)業(yè)進程,零門檻的百度飛槳EasyDL將會是一個相當(dāng)耀眼的存在。中國從來都不缺少勤勞的“農(nóng)民”,每一次農(nóng)業(yè)的落后和崛起,都可以從生產(chǎn)力工具上找原因。

04 寫在最后

智慧農(nóng)業(yè)是一個典型的多學(xué)科交叉領(lǐng)域。

在一些人詬病農(nóng)業(yè)的保守和落后時,某種程度上陷入了常識主義的誤區(qū)。因為一群新農(nóng)人早已拿著“新農(nóng)具”行動,他們可能是大學(xué)里的老師,可能是大廠里的工程師,也可能是資深的農(nóng)業(yè)專家,但他們都在做一件相同的事:將AI帶到了農(nóng)牧業(yè)的生產(chǎn)過程,為農(nóng)業(yè)的數(shù)字化轉(zhuǎn)型和智能化升級默默貢獻著自己的力量。