陆少游、熊利郎作者

前瞻研究:日本农业人工智能发展与趋势 | 智周报告核心版

农业是国民经济中一个重要产业, 广义上指包括种植业、林业、畜牧业、渔业、副业等多种产业形式。

智能农业的概念已经在日本发展了数年,已经有很多成熟案例及相关技术的出现。针对农业产业链的多个方面,人工智能技术都可以被用于提高农业的生产效率。

人工智能技术对实现智能化农业生产起到了决定性的作用,如深度学习、机器人等。已经在农业的各个细分领域发挥了实际的作用。

本报告为「智周」报告系列核心版之《日本农业中智能技术应用现状及展望》,希望通过展示日本农业中智能技术的应用与案例为农林牧渔相关从业者和读者就不同场景使用前沿技术提供参考。

报告作者 | 熊利郎、陆少游

摘要

人工智能物联网云计算等智能技术正在逐渐改变农业生产的工作模式。结合人们对农产品产量和质量上的需求不断提高,智能技术在日本农业中的应用变得尤为重要。

随着日本劳动力缺口的扩大,日本农业面临着后继无人的困境。商家已经试图在农业的产业链细分领域进行突破。针对农业领域的不同痛点,商家们已经通过部署人工智能解决方案来解决实际 的问题。如自动采摘机器人,农产品等级分类系统,农产品病虫害监控系统等。其中计算机视觉,、云计算深度学习、智能机器人等尖端技术发挥到了关键作用。 

一、智能农业市场规模

基于富士经济株式会社的统计,日本国内的智能农业在2016、2017年度的市场规模分别为104亿和120亿日元。预计2023年度,日本智能农业市场规模将增长至333亿日元,为2016年的三倍。

结合日本的农业现状,在未来人们对智能农业用于解决日本的劳动力人口不足等问题有很高的期望。此外,对于如何扩大智能农业的商业价值,商家们也在安全性,初始成本等多个方面不断努力,希望能降低智能农业的初入门槛。

日本农业中智能技术市场规模及趋势

二、日本农业通用智能技术

机器视觉:涉及计算机视觉图像处理模式识别/机器学习等相关人工智能技术。配合智能传感器或机器人等不同的载体,能够辅助农业生产过程中,发挥对于农产品的监控和感知作用。

如识别农产品的成熟度,鉴别农产品的病虫害感染情况,农作物的生长情况等。

农业机器人:不同类型的机器人可分别用于树木嫁接,农产品自动收获以及辅助农民携带和运输物品等日常作业情况。

农业物联网:通过采集与农产品相关的数据,如温度,湿度,二氧化碳等。通过物联网系统来调整到最合适的环境,从而驱使相关的空调设备,窗帘,门窗等相关设备的运转,确保农作物能够在最佳的条件下生长。

农业云计算:通过分析气象数据,历史产量,病虫害情况等,对于农产品未来的收获日期,收获的产量等做出相关的预测。在病虫害发生的高峰时期提前发出预警,以方便农民及时投放农药来保证农作物正常生长。

三、日本农业智能技术应用分布

点击图片可放大查看

四、智能技术在日本农业中应用案例简述

  • NEC:病死鸡监测解决方案。

    通过在鸡舍内的走廊设置专用的托架和拍摄设备,将拍摄到的图像用于深度学习系统里训练。训练后的系统可用于自动识别病死鸡。避免了工人需要不间断的巡逻和依靠肉眼来实时监控肉鸡的生长情况。有助于降低因为肉鸡发生瘟疫所造成的损失。

  • 富士通:农作物的生长及产量预测的解决方案。

    避免依赖农户的经验,收割时间等造成的农产品质量参差不齐。同时,通过分析气候因素,可以计算出最适合农作物生长的环境,确保农作物可以安全的生长。

  • 日本水产:水产养殖预测系统。

    通过拍摄水里鱼的视频,利用计算机识别技术识别后自动计算鱼的长度和重量,得到养殖鱼整体的重量分布水平。避免了直接与鱼接触,降低了鱼患病死亡的风险,对鱼群也没有伤害。

  • 松下:西红柿自动采摘机器人。

    通过搭载的视觉传感器和深度学习技术,自动判断需要采摘的西红柿。确保采摘的西红柿成熟度能够保持一致。同时由于机器人可以24小时不间断作业,可以显著降低农民的工作量。

  • 静冈县小池农场:黄瓜等级分类系统。

    通过深度学习来判断黄瓜的形状,如弯曲度,颜色,表面光泽度等,将不同的黄瓜进行分类后用于不同的销售场合。同时还可以根据季节的变化趋势来调整分类的结果。

五、智能技术在日本农业领域的发展局限性

1. 技术的不足:机器识别目前还无法达到人类的精度。同时根据恶劣的农业现场环境,可能会造成识别误差,导致农民遭受损失。

2. 数据的匮乏深度学习技术需要大量的数据,而目前的农业数据标准不够统一,大量数据缺失造成的学习成本高。

3. 无法大规模推广:不同地区,不同类型的农产品所带来的差异性问题,导致对智能化的需求各不一致。同一技术适应的范围偏小,可适用性低也间接导致了技术的推广成本高昂。

4. 市场规模仍旧偏小:在初期阶段需要大规模投资建设智能化。

六、智能技术在日本农业领域的未来趋势

1智能感应设备的普及:借助传感器、历史数据等来实时识别出问题,再由专家去解决,避免人力的浪费。尤其是繁琐、重复性的工作如监控,巡逻等。

2. 辅助人类工作:基于各种辅助机器人,让农民可以更高效率的完成工作,如农作物采摘,运输,农产品等级分类等。让单位数量的农民可以完成更多的工作。

3. 农民经验的集成化:将农民的经验通过机器学习后储存在机器中,让即使是新员工也能100%发挥熟练老员工的价值。降低培训成本也有助于吸引对从事农业生产感兴趣的其他人员。

* 本文为「智周」系列报告「核心版」,相应「深度版」的推出计划将在后续公布,敬请大家关注。针对「日本农业中人工智能技术应用现状及展望」这一主题,有哪些方向或主题,你希望在报告深度版中读到更详细的阐述与分析,欢迎留言,这将成为我们制作报告深度版的重要参考。

关于「智周」系列报告

机器之心「智周」人工智能技术应用报告系列重点关注现有人工智能技术应用较成熟且应用潜力较大的正在进行智慧升级的传统行业及场景,逐行业、逐场景为产业用户高效而不失深度地呈现不同人工智能技术的产业落地现状、企业案例、技术应用趋势等。「智周」人工智能技术应用报告系列包含核心版深度版两个版本:

核心版浓缩精华分析内容至2页内,覆盖重要数据、分析结论及案例简述,以供使用者高效系统地了解人工智能技术在自身所关注产业内的潜在机会

深度版在核心版的基础上,包含详尽的行业或场景痛点分析、技术解读、落地案例详解及资料附录等,以供有深度研究需求的使用者进行深入探究。

产业日本智慧农业
2
相关数据
深度学习技术

深度学习(deep learning)是机器学习的分支,是一种试图使用包含复杂结构或由多重非线性变换构成的多个处理层对数据进行高层抽象的算法。 深度学习是机器学习中一种基于对数据进行表征学习的算法,至今已有数种深度学习框架,如卷积神经网络和深度置信网络和递归神经网络等已被应用在计算机视觉、语音识别、自然语言处理、音频识别与生物信息学等领域并获取了极好的效果。

机器学习技术

机器学习是人工智能的一个分支,是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、计算复杂性理论等多门学科。机器学习理论主要是设计和分析一些让计算机可以自动“学习”的算法。因为学习算法中涉及了大量的统计学理论,机器学习与推断统计学联系尤为密切,也被称为统计学习理论。算法设计方面,机器学习理论关注可以实现的,行之有效的学习算法。

感知技术

知觉或感知是外界刺激作用于感官时,脑对外界的整体的看法和理解,为我们对外界的感官信息进行组织和解释。在认知科学中,也可看作一组程序,包括获取信息、理解信息、筛选信息、组织信息。与感觉不同,知觉反映的是由对象的各样属性及关系构成的整体。

人工智能技术

在学术研究领域,人工智能通常指能够感知周围环境并采取行动以实现最优的可能结果的智能体(intelligent agent)

辅助机器人技术

辅助机器人是一种能够感知,处理感官信息并执行动作的自动化设备/机器。这种机器人用于辅助或扩展一般人类的运动和/或认知能力。面向对象可以是老年人和重度残疾人,或者单纯性辅助一般人的体力/脑力。 这种机器人设备一般强调智能化和鲁棒性维持系统的安全和灵活性,通过集成远程信息处理,机电一体化和其他技术设备(例如先进的人机界面)与人进行物理或者其他感官接触。

模式识别技术

模式识别(英语:Pattern recognition),就是通过计算机用数学技术方法来研究模式的自动处理和判读。 我们把环境与客体统称为“模式”。 随着计算机技术的发展,人类有可能研究复杂的信息处理过程。 信息处理过程的一个重要形式是生命体对环境及客体的识别。其概念与数据挖掘、机器学习类似。

计算机视觉技术

计算机视觉(CV)是指机器感知环境的能力。这一技术类别中的经典任务有图像形成、图像处理、图像提取和图像的三维推理。目标识别和面部识别也是很重要的研究领域。

云计算技术

云计算(英语:cloud computing),是一种基于互联网的计算方式,通过这种方式,共享的软硬件资源和信息可以按需求提供给计算机各种终端和其他设备。

图像处理技术

图像处理是指对图像进行分析、加工和处理,使其满足视觉、心理或其他要求的技术。 图像处理是信号处理在图像领域上的一个应用。 目前大多数的图像均是以数字形式存储,因而图像处理很多情况下指数字图像处理。

物联网技术技术

物联网(英语:Internet of Things,缩写IoT)是互联网、传统电信网等信息承载体,让所有能行使独立功能的普通物体实现互联互通的网络。物联网一般为无线网,而由于每个人周围的设备可以达到一千至五千个,所以物联网可能要包含500兆至一千兆个物体。在物联网上,每个人都可以应用电子标签将真实的物体上网联结,在物联网上都可以查出它们的具体位置。通过物联网可以用中心计算机对机器、设备、人员进行集中管理、控制,也可以对家庭设备、汽车进行遥控,以及搜索位置、防止物品被盗等,类似自动化操控系统,同时通过收集这些小事的数据,最后可以聚集成大数据,包含重新设计道路以减少车祸、都市更新、灾害预测与犯罪防治、流行病控制等等社会的重大改变,实现物和物相联。

机器视觉技术

机器视觉(Machine Vision,MV)是一种为自动化检测、过程控制和机器人导航等应用提供基于图像的自动检测和分析的技术和方法,通常用于工业领域。

推荐文章
暂无评论
暂无评论~