無人機在農業最新應用
科技產業資訊室 (iKnow) - May 發表於 2018年12月17日
圖一、無人機在農業最新應用
無人機是農業的未來。根據麻省理工學院技術評論(MIT Technology Review)報告，在農業，無人機用於土壤與田地的分析、種植、噴灑（農藥、施肥等）作物、作物監控、灌溉與健康評估。而且農業無人機是數據收集的工具。根據PwC曾發表無人機商業方案的市值2016年達1273億美元。對農業來說，預估無人機在全球的應用價值達324億美元。
無人機用於農業之功能：
一、協助農田製圖/調查
無人機配備有近紅外線感測儀，可看到植物為了光合作用所吸收的光的光譜。根據這些訊息，使用標準化植被指數（NVDI）讓農夫可以了解植物的健康裝況。軟體分析可用於更改數值，以反映特定作物類型，甚至特定作物在哪個生命階段。除了作物的健康，無人機還可創造農田區的詳細GPS地圖。這讓農夫更好地規畫作物種植的地方，以最大限度利用土地、水和肥料。
二、協助農田作物噴灑作業
為了維持產量，作物需要適當施肥和施用殺蟲劑。過去的作法，手動駕駛車輛穿過農田並噴灑，或駕駛飛機噴灑。作物噴灑無人機可攜帶大型液體儲存容器，可以更安全地操作（甚至自動操作）。相較操作和維護成本可以大幅降低。
三、協助農田灌溉管理
配備有熱成像照相機的無人機可以察知積水或土壤濕度不足的地方，再進行灌溉。熱成像無人機透過更頻繁的檢查與測量，帶給農人更好的方法來了解他們的田地。
四、農田牲畜監控
無人機配備熱成像照相機，能遠程監控牲畜，預防受傷、走失、或在分娩的動物。無人機給了畜牧業者一個可以隨時密切關注他們的牲畜的新方法，並提高獲利。
無人機在農業的應用案例：
Gamaya
瑞士的Gamaya公司於無人機上安裝光譜影像相機，將相機結合了遙測、機器學習和作物科學技術。此相機也可以安裝在輕型飛機上。
高光譜相機可以測量植物反射的光線。稱在可見光和紅外光譜範圍內獲得40個光譜帶，比其他僅捕獲四個光譜帶或顏色的相機多10倍。該公司還解釋說，具有不同生理與性狀的植物反射光不同。這種模式隨著植物的生長而變化，而受到影響。
相機背後的應用係使用機器學習通過將捕獲的圖像與其數據庫中的圖像進行比較，並使用顏色分配特定條件來將成像數據轉化成信息。例如，紅色表示缺乏土壤，藍色表示裸土，白色表示土壤中有雜草，綠色表示作物與雜草交雜，黑色表示健康作物。這種顏色編碼系統使系統能夠創建作物和土壤條件的地圖。
以下Youtube影片介紹Gamaya的技術能夠繪製並區分雜草與植物，還能識別其他植物，如疾病和營養不良，以及土壤中的化學物質成分。
在2015年向Gamaya團隊協助巴西的K Farm玉米田，無人機以5天的時間對玉米作物進行深入了解。
根據無人機攝相機捕捉到的數據，以演算法得到了在他們的數據庫中可匹配的玉米品種數據，並幫助Gamaya團隊確定了不同品種以及它們在田間種植的位置。這使他們能夠將每種玉米品種的良好表現與他們在田間的位置連結起來。
演算法將作物效率程度與特定顏色結合，呈現了作物表現：綠色代表沒有壓力，黃色代表中等壓力，橘色代表高壓力，而紅色代表沒有植被，如下圖所示：
圖二、作物狀況與顏色
這讓團隊能夠了解哪片區域的玉米健康成長、異常、或死亡。
Gamaya團隊也能比較他們收集的玉米葉與光譜圖像的化學數據，來生成整個農場的化學圖譜。
圖三、化學圖譜
這些化學地圖讓團隊與農場主了解農田中營養的分布，也幫助Gamaya提出建議以符合植物需求。這些地圖使Gamaya團隊能夠向農場主提出以下建議：
- 根據土壤類型和營養成分分配玉米種子。
- 定期監測作物生長、雜草與疾病的存在，以提高作物產量。
- 根據作物需要和土壤條件，在土壤中進行精確量的施肥。
如果遵循建議，該團隊預測當前農場週期每個田地的收穫量將增加5%至30%。同時，預計整個農場的產量將增加10%。
Gamaya已從投資者ICOS Capital Management、VI Partners AG、Sandoz Foundation、Peter Letmathe和Seed4Equity SA籌集了760萬美元的資金。
Gamaya的首席技術官Dragos Constantin，他曾在Philips and Schlumberger-Doll Research研究所工作。他擁有洛桑聯邦理工學院的計算機科學、遙測博士學位和卡爾斯魯爾理工學院的計算機視覺碩士學位。
Neurala
開發Neurala Brain，是一個深度學習APP應用程序，僅需很少的訓練、少量的數據存儲和很少的運算資源。該公司稱其技術可與NVidia TX1 GPU無人機配合使用，每秒可捕獲5到8幀影像。
訓練演算法使用的是該公司的Brain Builder數據處理工具，讓使用者能夠上傳與標記自己的圖像集。要開始訓練的過程，使用者必須上傳目標物的八張圖像到設備上。該公司聲稱Neurala的演算法會在25秒內完成學習。這比傳統的深度神經網路（DNN）快多了。傳統必須在伺服器上訓練超過15小時，而且每個目標需要36張圖像。
該無人機導入AI可用於檢查電塔、風力渦輪機、管線和電氣基礎設施。AI使無人機能識別塔架和線路部件的缺陷，比如需更換、修理受損部分。
Neurala展示AI無人機的影片，如下：
Neurala獲得152億美元的創投資金，包括：Pelion Venture Partners、Sherpa Capital、Motorola Ventures、360 Capital Partners、Draper Associates、SK Ventures、Idinvest Partners和Ecomobility Ventures。
Anatoli Gorchetchnikov是Neurala的聯合創始人兼CTO。他曾是波士頓大學的研究助理教授，也是Surfari的AI首席開發人員。他握有多項專利，並撰寫了30多篇關於神經網路的出版物。他有波士頓大學的認知和神經系統博士學位，和計算機科學碩士學位。
Iris Automation
Iris Automation開發了商業無人機的防碰撞技術，這應用程式讓無人機能觀測並解讀周圍環境，並移動飛行器以避免碰撞。適用於農業、採礦、石油和天然氣，以及包裹遞送。特別是農業，該公司聲稱此無人機應用程式能在與其他無人機在安全互動下，幫助農民收穫作物、播種、與控制害蟲。
以下影片展示，Iris Automation的碰撞預防技術使無人機能夠在視線範圍外的操作時識別、跟踪和避開其他飛行器：
為了安全可靠的飛行，該系統的電腦視覺讓它能在飛行時捕捉周遭環境的畫面，從而看到障礙物、飛行器、及其它潛在的危險。一旦捕捉到圖像畫面，攝像機的深度學習演算法會藉由找尋數據庫中相似的圖像，來處理數據，以識別物體是甚麼，之後，可讓無人機知道該如何避開飛行。
Iris Automation公司成立於2015年，已從17家投資者（包括Bee Partners和Bessemer Venture Partners）籌集了1000萬美元的資金。
Alexander Harmsen是Iris automation的聯合創始人兼CEO。他曾在美國NASA噴氣推進實驗室擔任飛機電腦視覺程式設計師。他擁有British Columbia大學應用科學、工程物理學士學位。
Sensefly
SenseFly提供Ag 360電腦視覺無人機，可捕捉田地的紅外線圖像，以幫助農場監測不同生長階段的作物並評估土壤狀況。這可以讓農民追踪植物健康狀況並確定需要施用的肥料量以避免浪費。
以下影片介紹SenseFly無人機與eMotion Ag軟體協同工作。用戶首先使用該軟體來規劃無人機的飛行路徑並監控飛行中的無人機。該公司聲稱可以存取領空數據和即時天氣更新，以幫助計劃和監控無人機。
無人機捕獲農場的影像數據，而eMotion則直接將這些圖像上傳到雲端。 Pix4Dfields圖像處理應用程式生成田地的空照圖，用於作物分析。其演算法通過其數據庫中查找匹配圖像來識別植物和土壤的狀況，從而轉換成像數據以創建農田地圖。該公司聲稱，該應用程序是透過農民、農學家和育種者的投入進行訓練的。
這些地圖讓農場主能夠確定土壤特徵，如溫度和濕度，並判斷在土壤施肥以改善作物生長。然後，該信息可影響下次農場週期中的決策以改善生產。
SenseFly成立於2009年，隸屬於Parrot Group商業無人機旗下。於2012年以516萬美元被收購。Raphael Zaugg是SenseFly的研發主管。他獲得了洛桑聯邦理工學院的機械電子學、機器人和自動化工程碩士學位。
農業用無人機解決方案
一、DJI AGARS MG-1S農業無人機
地面感測雷達以精確飛行
可更換的噴嘴以優化噴灑
輕鬆且智能的操作規劃
堅固的設計和組件
二、Phantom 4 pro deluxe NDVI AG KIT
易於整合作物的健康感測給無人機
捕捉近紅外線成像以監控作物的健康
可使用所有Sentera’s FieldAgent的軟體
三、DJI M100與Micasense
一個飛行平台可客製化
攜帶多種攝像感測器和電池負載
Micasense是個全光譜帶感測器，便於收集作物資訊
農業感測器與軟體
一、Micasense與Atlas
生產葉綠素與雜草探測地圖
長時間追蹤數據以監控年度產量變化
識別疾病、與突顯壓力變化
二、Sentra與fieldAgent
輸出地圖到John Deere Operations Center
處理感測器數據，並得到對NDVI與NDRI的見解
生成正射影像鑲嵌地圖
在選定區域，無人機自動飛行
三、DJI Zenmuse St與DroneDeploy
易與Skymatics、Aglytix和John Deere農業管理軟體整合
識別作物壓力，追蹤施肥狀況，並提早發現疾病
長時間監控植物的治療與長勢
追蹤牲畜與分析放牧模式
(2846字；圖1)
參考資料：
Drones for Agriculture – Current Applications. EMERJ, 2018/11/29.
本站相關資料：
1. 人工智慧在農業之應用及衝擊
2. 增效肥料對於未來農業帶來的經濟效益
3. 無人機產業進入淘汰期，又一家公司停止營運
4. 陸兩家無人機公司爭奪市場 專利戰火從中國延燒至美國
5. AI於2030年將為全球帶來額外13兆美元的經濟效益
--------------------------------------------------------------------------------------------------------------------------------------------
【聲明】
1.科技產業資訊室刊載此文不代表同意其說法或描述，僅為提供更多訊息，也不構成任何投資建議。
2.著作權所有，非經本網站書面授權同意不得將本文以任何形式修改、複製、儲存、傳播或轉載，本中心保留一切法律追訴權利。
|