机器学习（ML）算法正在给现代农业带来变革。借助这项技术，农民能够实时防治病虫害，在提高作物产量和利润的同时，减少浪费、温室气体排放以及杀虫剂的使用。
全球约 6% 的二氧化碳排放来自农业，而每年因病虫害造成的农作物损失高达 40%。农民的利润本来就很低，如果再把关键资源浪费在无用的农作物上，那么他们连生存都会变得举步维艰，更不用说致富了。
但初创公司 Fermata 推出的一个 AI 驱动的全新平台为农民减轻了病虫害和作物疾病的影响，同时也使农业生产变得更加可持续和人性化。
这个由 ML 驱动的新型计算机视觉系统名为 Croptimus，它可以全天候不间断扫描农作物。当检测到害虫或作物病害的早期迹象时，该平台会立即向农民发出警报，使他们能够赶紧将资源用于受影响的作物，并将威胁控制在局部范围内。
由于该平台在高质量的数据上训练而成，其计算机视觉软件能够准确区分健康和有风险的作物，并快速识别害虫或疾病。这套系统为农民提供实时分析，并通过带注释的 360 度增强现实地图来报告作物的实时健康状况。
Fermata 在本地设备上使用带有 NVIDIA cuDNN 的 PyTorch 来训练其模型。在推理方面，它利用云计算与本地计算的组合（包括在 AWS 云上运行的 NVIDIA T4 GPU）以及经 NVIDIA TensorRT 优化的 NVIDIA Jetson Nano 代码提高了性能。
Croptimus 系统具有多种配置，可部署在大型温室和室外农场中。用于扫描和分析作物的摄像头可安装在高杆、温室天花板上，也可以集成到空中无人机中，还可以安装在定期穿越田间的移动机器人上。
图 1. 如图所示，Fermata 的全天候作物监视器可以部署在温室中，
在病虫害蔓延并对产量造成广泛影响前
迅速发现病虫害。
这个 AI 驱动的模型不会取代农民的日常工作，而是会增强传统的工作流，使其更有针对性。
例如，农场通常需要雇用训练有素的侦察员对作物进行人工检查，但高水平的侦察员越来越供不应求，即使有，价格也十分昂贵。另外，人会疲劳或犯错。一旦侦察员无法发现作物病虫害，它们就会迅速扩散，导致大面积的作物损坏和浪费。
相比之下，像 Croptimus 这样的 AI 系统会一直检查问题。系统在标出潜在问题时会向农民发出警报，然后农民就可以派遣人员检查作物，必要时在病虫害蔓延之前进行干预。早期干预可减少作物损失并帮助农民更加有的放矢地使用人力。
该系统的另一个好处是使农场可以及早发现和减轻病虫害，减少杀虫剂的使用。这不仅能为农民省钱，还能降低农药泄漏到环境中所产生的负面影响。
在 Future Farming 阅读关于这个ML驱动的农业系统的文章：
https://www.futurefarming.com/smart-farming/fermata-and-agre-tech-join-forces-to-integrate-pest-monitoring-and-robotic-systems/
