由于2050年的人口將從70億成長到90億，預計農(nóng)業(yè)在2010至2050年的消耗會成長69%。為了應對這些需求，此研究建議，農(nóng)業(yè)產(chǎn)業(yè)得找到改善糧食生產(chǎn)的方法，并在永續(xù)發(fā)展且防止破壞環(huán)境的前提下提高收獲產(chǎn)量。

無人機是農(nóng)業(yè)的未來。根據(jù)麻省理工學院技術評論(MIT Technology Review)報告，在農(nóng)業(yè)，無人機用于土壤與田地的分析、種植、噴灑（農(nóng)藥、施肥等）作物、作物監(jiān)控、灌溉與健康評估。而且農(nóng)業(yè)無人機是數(shù)據(jù)收集的工具。根據(jù)PwC曾發(fā)表無人機商業(yè)方案的市值2016年達1273億美元。對農(nóng)業(yè)來說，預估無人機在全球的應用價值達324美元。

無人機用于農(nóng)業(yè)之功能：

一、協(xié)助農(nóng)田制圖/調(diào)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(jù)這些訊息，使用標準化植被指數(shù)（NVDI）讓農(nóng)夫可以了解植物的健康裝況。軟件分析可用于更改數(shù)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(chuàng)造農(nóng)田區(qū)的詳細GPS地圖。這讓農(nóng)夫更好地規(guī)畫作物種植的地方，以最大限度利用土地、水和肥料。

二、協(xié)助農(nóng)田作物噴灑作業(yè)為了維持產(chǎn)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(nóng)田并噴灑，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(xié)助農(nóng)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(nóng)人更好的方法來了解他們的田地。四、農(nóng)田牲畜監(jiān)控無人機配備熱成像照相機，能遠程監(jiān)控牲畜，預防受傷、走失、或在分娩的動物。無人機給了畜牧業(yè)者一個可以隨時密切關注他們的牲畜的新方法，并提高獲利。

無人機在農(nóng)業(yè)的應用案例：

Gamaya

瑞士的Gamaya公司于無人機上安裝光譜影像相機，將相機結(jié)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范圍內(nèi)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。相機背后的應用系使用機器學習通過將捕獲的圖像與其數(shù)據(jù)庫中的圖像進行比較，并使用顏色分配特定條件來將成像數(shù)據(jù)轉(zhuǎn)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(tǒng)使系統(tǒng)能夠創(chuàng)建作物和土壤條件的地圖。以下影片介紹Gamaya的技術能夠繪制并區(qū)分雜草與植物，還能識別其他植物，如疾病和營養(yǎng)不良，以及土壤中的化學物質(zhì)成分。

在2015年向Gamaya團隊協(xié)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(jù)無人機攝相機捕捉到的數(shù)據(jù)，以算法得到了在他們的數(shù)據(jù)庫中可匹配的玉米品種數(shù)據(jù)，并幫助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?qū)⒚糠N玉米品種的良好表現(xiàn)與他們在田間的位置鏈接起來。算法將作物效率程度與特定顏色結(jié)合，呈現(xiàn)了作物表現(xiàn)：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(qū)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(shù)據(jù)，來生成整個農(nóng)場的化學圖譜。

圖三、化學圖譜

這些化學地圖讓團隊與農(nóng)場主了解農(nóng)田中營養(yǎng)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(nóng)場主提出以下建議：▲根據(jù)土壤類型和營養(yǎng)成分分配玉米種子。▲定期監(jiān)測作物生長、雜草與疾病的存在，以提高作物產(chǎn)量。▲根據(jù)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(nóng)場周期每個田地的收獲量將增加5%至30%。同時，預計整個農(nóng)場的產(chǎn)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(lián)邦理工學院的計算器科學、遙測博士學位和卡爾斯魯爾理工學院的計算器視覺碩士學位。Neurala開發(fā)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(shù)據(jù)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。訓練算法使用的是該公司的Brain Builder數(shù)據(jù)處理工具，讓用戶能夠上傳與標記自己的圖像集。要開始訓練的過程，用戶必須上傳目標物的八張圖像到設備上。該公司聲稱Neurala的算法會在25秒內(nèi)完成學習。這比傳統(tǒng)的深度神經(jīng)網(wǎng)絡（DNN）快多了。傳統(tǒng)必須在服務器上訓練超過15小時，而且每個目標需要36張圖像。該無人機導入AI可用于檢查電塔、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(chuàng)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(lián)合創(chuàng)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(fā)人員。他握有多項專利，并撰寫了30多篇關于神經(jīng)網(wǎng)絡的出版物。他有波士頓大學的認知和神經(jīng)系統(tǒng)博士學位，和計算器科學碩士學位。Iris AutomationIris Automation開發(fā)了商業(yè)無人機的防碰撞技術，這應用程序讓無人機能觀測并解讀周圍環(huán)境，并移動飛行器以避免碰撞。適用于農(nóng)業(yè)、采礦、石油和天然氣，以及包裹遞送。特別是農(nóng)業(yè)，該公司聲稱此無人機應用程序能在與其他無人機在安全互動下，幫助農(nóng)民收獲作物、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范圍外的操作時識別、跟蹤和避開其他飛行器：

為了安全可靠的飛行，該系統(tǒng)的計算機視覺讓它能在飛行時捕捉周遭環(huán)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，攝像機的深度學習算法會藉由找尋數(shù)據(jù)庫中相似的圖像，來處理數(shù)據(jù)，以識別物體是甚么，之后，可讓無人機知道該如何避開飛行。Iris Automation公司成立于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(lián)合創(chuàng)始人兼CEO。他曾在美國NASA噴氣推進實驗室擔任飛機計算機視覺程序設計師。他擁有British Columbia大學應用科學、工程物理學士學位。SenseflySenseFly提供Ag 360計算機視覺無人機，可捕捉田地的紅外線圖像，以幫助農(nóng)場監(jiān)測不同生長階段的作物并評估土壤狀況。這可以讓農(nóng)民追蹤植物健康狀況并確定需要施用的肥料量以避免浪費。

影片介紹SenseFly無人機與eMotion Ag軟件協(xié)同工作。用戶首先使用該軟件來規(guī)劃無人機的飛行路徑并監(jiān)控飛行中的無人機。該公司聲稱可以存取領空數(shù)據(jù)和實時天氣更新，以幫助計劃和監(jiān)控無人機。無人機捕獲農(nóng)場的影像數(shù)據(jù)，而eMotion則直接將這些圖像上傳到云端。 Pix4Dfields圖像處理應用程序生成田地的空照圖，用于作物分析。其算法通過其數(shù)據(jù)庫中查找匹配圖像來識別植物和土壤的狀況，從而轉(zhuǎn)換成像數(shù)據(jù)以創(chuàng)建農(nóng)田地圖。該公司聲稱，該應用程序是透過農(nóng)民、農(nóng)學家和育種者的投入進行訓練的。這些地圖讓農(nóng)場主能夠確定土壤特征，如溫度和濕度，并判斷在土壤施肥以改善作物生長。然后，該信息可影響下次農(nóng)場周期中的決策以改善生產(chǎn)。SenseFly成立于2009年，隸屬于Parrot Group商業(yè)無人機旗下。于2012年以516萬美元被收購。Raphael Zaugg是SenseFly的研發(fā)主管。他獲得了洛桑聯(lián)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(nóng)業(yè)用無人機解決方案

一、DJI AGARS MG-1S農(nóng)業(yè)無人機地面感測雷達以精確飛行可更換的噴嘴以優(yōu)化噴灑輕松且智能的操作規(guī)劃堅固的設計和組件

二、Phantom 4 pro deluxe NDVI AG KIT易于整合作物的健康感測給無人機捕捉近紅外線成像以監(jiān)控作物的健康可使用所有Sentera’s FieldAgent的軟件三、DJI M100與Micasense一個飛行平臺可訂制化攜帶多種攝像傳感器和電池負載Micasense是個全光譜帶傳感器，便于收集作物信息

農(nóng)業(yè)傳感器與軟件

一、Micasense與Atlas生產(chǎn)葉綠素與雜草探測地圖長時間追蹤數(shù)據(jù)以監(jiān)控年度產(chǎn)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處理傳感器數(shù)據(jù)，并得到對NDVI與NDRI的見解生成正射影像鑲嵌地圖在選定區(qū)域，無人機自動飛行三、DJI Zenmuse St與DroneDeploy易與Skymatics、Aglytix和John Deere農(nóng)業(yè)管理軟件整合識別作物壓力，追蹤施肥狀況，并提早發(fā)現(xiàn)疾病長時間監(jiān)控植物的治療與長勢追蹤牲畜與分析放牧模式。