Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

茜茜采访 撰文

前NASA科学家用AI玩转卫星影像,掘金农业大数据

四年前,两个 NASA 科学家和一个孟山都中国市场总监创办了一家公司,他们的目的是,用卫星数据掘金。

在去往会议室的途中,一面墙引起了我的注意。这面墙上不仅有「太阳系」的八颗行星,还有这家公司的发展史,每一个关键节点依次分布在每颗行星的运行轨道上:

2015 年,产品 DEMO 正式上线;同年,获经纬中国、磐谷资本千万元天使轮融资。2016 年,公司对外数据服务、上线耘境平台。2017 年,完成 DCM、经纬中国、磐谷资本、王刚(个人投资者)共计 6000 万人民币 A 轮融资;同年,签约第一个数千万级客户,上线农业保险服务……

这家公司主要是利用中、美、欧等数十颗卫星和无人机实时采集地面和气象数据,整合土壤、地块、作物、农资等全方位信息,通过卫星遥感技术、AI 技术分析农业大数据,用大数据指导精准农业种植,帮助客户进行标准化生产,致力于帮助中国农业实现「看天吃饭」到「知天而作」的转变。

他们知道农业大数据能给中国农业带来多大价值,也深知这背后的无限商机。天上的摄像头(卫星)监测视角更为丰富,足以覆盖全中国耕地,而且,卫星常年不断运转,数据丰富。使用算法对观测数据进行智能统计、分析,服务万亩以上农田的价格也远远低于其他技术。张弓称,他们通过购买卫星遥感影像获取数据的成本,一亩地不到一分钱。

回国前,他们在中国几十个省做过田野调查,从黑龙江到云南。当了解到中国劳动力大量流向城市、规模化经营快速推进,「节本增效」成为农业各细分领域的普遍刚需时,他们知道,自己的机会来了。

当怀揣着改变中国农业现状的一片热忱、带着一身美国经验投身农业后,创业之路却走的磕磕绊绊。中美农业的现实差距让他们踩过不少坑。当美国经验失效,他们不得不另找技术落地的场景,经过几年探索期,才终于发现一条行得通的路。

如今,佳格天地还为金融业务提供服务。他们利用卫星遥感数据和 AI 技术、服务金融业务,帮物流、能源等行业客户监测风险,提供风险预警服务,客户包括农业保险公司、财产保险公司和银行。

张弓说,对农业大数据的应用,目前还停留在初级阶段。然而,即使道路艰难、进展缓慢,他们帮助中国农业实现「知天而作」的使命不变,「佳格还是一家农业大数据公司」。

他们正与规模化农户合作,从市场需求量最大的主粮、主要经济作物入手,探索农产品生产过程的标准化和智能化。一个可喜的进展是,今年,他们帮铁观音准确预测了其价格走势。

创始人张弓为我详细讲述了他回国创业的理由、创业四年的经历,我从中看到了在中国做精准农业的艰难,也看到了未来农业的希望。故事,就从这个天文爱好者与 NASA 的交集讲起。

1

机缘巧合进 NASA,萌生创业心

2007 年,在北大念完硕士后,张弓去了美国犹他州立大学深造,读生态学博士。

然而,张弓刚到学校报道,导师就告诉他,自己要去《自然》杂志当一年编辑。无奈之下,他只得去别处寻找机会。碰巧赶上 NASA(美国航空航天局)位于硅谷的艾姆斯研究中心新推出的招募学生的计划(develop),他抓住了这个机会。

这不是张弓与 NASA 的第一次交集。张弓回忆,研二期间,因为研究需要,他曾给 NASA 发过邮件,借卫星影像数据。他没想到,NASA 注意到了他,并免费寄给他那么多数据——「一个冰箱那么大的箱子,里面全都是数据光盘」。

顾竹(左)、张弓(中)、张文鹏(右)

创始人、CEO 张弓是美国犹他州立大学生态学博士,在美国航空航天局(NASA)艾米斯研究中心工作过八年, 担任数据科学家,研究卫星、气象大数据在农业和生态领域的应用。

CTO 顾竹是美国纽约州立大学博士,NASA 专聘深度学习工程师,专注遥感影像的深度学习应用专业卫星影像深度学习算法的研究。

负责商务的副总裁张文鹏,曾任美国农业部农业研究局科学家、孟山都中国公司市场总监。

进入 NASA 后,张弓参与开发了全世界最先进的卫星气象资料共享系统,用激光统计森林的树高,通过热红外波段精确调控土壤水量,用数据看葡萄种植所需的水分等。

张弓称,在 NASA 八年,他系统了解了遥感、气象、土壤以及其他技术在农业领域的应用。但由于 NASA 不讲究技术的应用,研发完相关技术后就没有了下文——即技术并没有真正为社会带来商业价值。

在 NASA 待了三四年后,张弓渐渐发现,研究中心的很多同事去了旁边的 Google、Apple、Linkedin 等知名的互联网公司或者投身创业型的导航公司,将技术落地为具体的应用。

「那个时候我就感觉,商业能够推动技术更快的发展。」张弓从那时起就在思考,怎么把技术真正让人用起来。

有了创业的想法后,工作之余,张弓开始学习如何创业,他上过斯坦福的公开课,参加本地的讨论组(workshop),他也到美国的「赶集市场」测试过自己的商业勇气。

张弓笑着回忆了他首次「尴尬」的销售经历,一个周日的阴天,他站在赶集市场的门口,向往来的行人兜售自家院子里种的枇杷。在对下雨及被警察抓的担忧中,花了一个上午的时间,在经过给产品定价、向其他人介绍「产品」以及讨价还价等环节后,最终将用超市塑料袋装的三四袋枇杷,按袋卖了出去。

2

 美国经验失效,那些年踩过的坑

回国后,张弓在「有点硅谷意思的」中关村创业大街注册了公司。(因为跑了两次税务局,最后都空手而归,张弓后来是在淘宝代理的帮助下才将公司注册成功的。)

他们以农情监测为突破口。在搭建完产品 demo、定好价后,他们就到处找人聊、找人试用产品,但愿意尝试者寥寥。

张弓事后分析,是因为他们兜售了中国市面上没有的产品,很多人没见过,而他们自己对产品能够应对什么需求、如何定价也不太了解——他们原来心想,怎么也能卖个一两百万。

在经历几十次失败后,他们终于找到一个愿意试用的朋友——一个在北方某省种了几千亩玉米的农场主。

张弓回忆,那已经是 2015 年下半年,马上进入丰收季。「玉米多在地里立一天,收成就会好一点,但也伴随有风险。刮风下雨会把玉米毁掉,确定最佳的收获时机特别关键。我们就用产品帮他判断收玉米的时间。」至少营收几百万的这位朋友,最后用数十万元买了这款产品,这是佳格天地的首笔订单。

当一款产品无法打动市场时,他们只得拿着技术找别的应用场景。

他们尝试过做农资电商,用机器批量给产品打标签,对消费者进行个性化的农资产品推荐。他们用遥感数据、气象数据、农作物数据等多个维度的数据进行算法建模,再结合消费者真实的种地环境(比如某个区域适合用什么种子、施什么肥)进行相应的农资产品推荐。从理论上讲,方法很科学,但消费者并不买单。

3

两年摸索,找准定位

经过几年摸索,到了 2017 年,张弓才发现了一条走的通的路——「通过社会化服务的方式,帮中国农业实现适度的集约化经营」。可以简单理解为,针对规模化种植、集约化管理,主要为规模化农户、农业社会化服务组织(如农机合作社)和农业金融服务组织(如保险公司)三类客户提供服务。

张弓表示,为了让客户看到实际效果,他们会针对客户的每一个地块(一亩地)进行单一建模。但这并不意味着所有的工作都需要工程师来做。

作物生长的环境数据(如降水、温度、海拔等)都可以通过卫星或者无人机获得,自动生成;作物本身的数据,通过针对不同品种的作物进行采样、输入数据。「你可以认为一个品类的模型都是一样的,只不过我们针对每一个地块用计算机自动做了调参。」

佳格要做的是,首先,通过付费购买、合作或者物联网采集数据的方式获取到卫星影像数据、气象大数据、农作物本身数据等原始数据,然后利用计算机识别、遥感气象等相关模型和算法对原始数据进行处理、加工,既能得到地块边界及面积、作物长势、水土情况、天气状况等数据,也能预估产量、预测病虫害、预测自然灾害及评估灾情。

这些数据都会呈现在佳格的核心产品——「耘境」上。通过耘境平台,客户使用自己的个人电脑或者智能手机,就能随时随地了解和预估天气变化和农作物的生长情况。

规模化农户、农业社会化服务组织可以利用这些数据进行农事安排、农机调配、农药喷洒等,耘境也会根据每块地的实际情况为客户提供个性化的种植/管理建议,以达到帮客户增产增效、降低生产成本的目的。

农业金融服务组织也可以利用这些数据提高工作效率、降低人力成本。以农业保险为例,以前都是保险公司的人去田地里核查农作物受灾的情况,定损核保。佳格的解决方案可以帮保险公司的人做这项工作。

他们通过在高分辨率遥感影像上,根据耕地的纹理、种类等特征,实时确定地块位置、识别地块分界、测算地块和种植面积;并对承保的地块进行自动监测;待灾害发生,使用风险监控模型核实灾害的情况(比如是否发生了灾害);核实后,用作物识别模型确定受灾作物类型(如玉米还是大豆);再通过对遥感卫星影像数据及气象数据的分析,评估受灾程度(中度/重度)。

除了农作物,保险公司承保的对象还包括牲畜。佳格可以用体态识别的方法判断死猪,(比如,活猪是四腿站立的,死猪是侧卧的);也可以通过标的物及 AI 技术自动测算猪体长、反推猪的重量,并通过深度学习算法不断提升准确率。

佳格也为非农客户提供服务,他们主要将多元的卫星遥感数据与 AI 相结合,服务金融业务。目前,他们主要帮物流、能源等行业客户监测风险,提供风险预警服务。比如,通过对不同时间、同一港口的货物进行快速盘点,得到目标港口吞吐量的客观数据,进而做到风险预知。

4

深挖农业大数据,探索农作物生产过程的标准化

张弓预计,佳格天地服务的农田范围今年将超 3 亿亩。

中国一共有 20 多亿亩耕地及 20 多亿亩草地,张弓希望,公司能未来能做广做深。如何打市场?张弓认为,不存在速成的妙计,唯有脚踏实地,跟客户站在一起,从市场需求出发,做深。

在 NASA 从事相关研究八年,张弓深知,深挖农业大数据能给中国农业带来多大价值,也深知这背后的无限商机。

「农业的一个显著特征是波动性,农业大数据的核心就是去掉这些波动性,指导农业更好地产生价值。」张弓表示,「美国、欧洲已经在用数据指导整个农业生产。其中最核心的是,提前预测供需,根据需求调节生产。」

受限于中国农民的种植专业化程度、中国农业全产业链标准化以及金融工具的不完善(没有完善的农产品期货市场、现货市场,也没有完善的农业保险和农业信贷政策),中国目前对农业大数据的应用还处于很初级的阶段——只是做了一层开发。

以设施农业为例,相较于其他因素,湿度对作物的影响更大,因此,配备自动气象站或者其他监测湿度的物联网设备以验证/校正相应信息,对相关企业来说,是一件十分必要的事,但即便这样,依旧有很多企业没有安装相关设备。

为了实现「用数据提前预测供需,再根据需求调节生产」的最终目标,佳格正与一些规模化农户、农业生产单位一起,以项目合作的形式,共同探索农产品生产过程的标准化。张弓希望,未来把从这些项目里总结出来的标准化经验变成产品——一个依据数据决策的系统,面向更大的范围进行推广,帮更多农户科学种地。

但他们目前能做到的是,具体指导一些生产应用。比如,在某地种植某种农作物,就应该用某种类型的种子、喷某种类型的农药(喷几次)等等。

一个可喜的变化是,随着中国经济作物的发展,佳格正在给茶叶等经济作物提供全产业链的数据服务。张弓介绍,以往,一个地方晾晒茶叶的时间都是固定的,可能由于雨期太长导致茶叶的晾晒时间过短,进而影响茶叶的品质和价格。佳格需要做的,「简单来讲,就是预测茶叶每年的品质与其价格间的关系。」

但预测茶叶销售并不是件容易的事,茶叶上市的时间、茶叶的产量及品质,都对价格有影响。影响茶叶品质的因素也十分多样,比如,长在不同地区的茶树,采摘茶叶的时间不尽相同,甚至是每一块茶园的品质可能都不一样。

因此,佳格对每一个地块进行了建模。建模前,他们派人去调查了每一个地块的情况,比如,调查每一块茶园所在区域的情况(比如茶树是在山的向阳面还是向阴面、每个地块的茶树常年的土壤水分情况),了解每一块茶园里茶叶的品质情况。

建模后,就可以实时监测茶叶的长势、估算茶叶的生长周期及预估茶叶的产量,他们再根据数据指导茶农,何时采摘茶叶、晾晒茶叶,何时将茶叶上市,以及产多少茶(茶叶产量)。张弓说,准确预测了茶叶的价格走势,帮了农民大忙。

5

先从市场需求量最大的入手

在张弓看来,很多农人还没有意识到,他人的成功经验未必是自己可以复制的。农人本身的种植专业化程度不高,容易受一些错误观念的引导。比如,XX 化肥/XX 农药一用就灵。

张弓说,农业具有多变性,大数据的核心也是不依赖于单一方法或者单一数据来源实现最终的效率提升,是一个动态决策的过程。因此,佳格不在行业内打标杆,而是寄希望于通过实现整个农作物生产过程的标准化,将实际的效果(通过可视化数据)展示给大家,以扭转大家的意识。对佳格来说,数据也可以佐证其所提供服务的质量。

张弓称,他们的计划是,先从市场需求量最大的主粮(五六种)、主要经济作物开始,先实现一个个地方品种的农产品的生产过程标准化和智能化,然后再一个个品种往外扩。

张弓坦言,「做这些事儿挺难的,很多效果不是立竿见影的,需要长期投入,也需要客户的长期信任。对我们来讲,现在只是刚开始。」

张弓说,市场刚刚起步,他希望有更多人能够参与进来。

产业遥感佳格天地卫星影像智慧农业
暂无评论
暂无评论~