编者注： 视觉会议 2022 将扩大探索创新正在迅速推动变革的领域，包括高价值特种作物的趋势、可持续性和碳封存计划以及高科技受控环境生产系统。 一个新兴话题 议程 是视觉数据。 以下是视觉传感器和计算机视觉对于帮助整个行业满足不断增长的全球人口的食品需求至关重要的内部观察。
计算机视觉经历了真正的繁荣。 通过无人机、卫星和飞机的数据收集的洞察力从天空中收集数据。 安装在设备上的传感器能够通过光学反射传感测量植物特性或土壤参数的变化。 LiDAR 传感器现在能够以 3D 方式测量植物的结构。
除了帮助农艺师处理数据外，计算机视觉也是在田间启用自主机器、帮助机器对田间情况做出反应甚至检测障碍物的核心。 技术甚至使我们能够对超精确的位置做出反应 来自卫星图像的数据， 能够带来厘米级的细节。 有了这些技术，我们还需要人的眼球吗？
一旦这些摄像机、传感器和卫星在田间和温室中大规模部署，它们将提供 100% 的全天候监控覆盖。 当这种情况发生时，远程农学和在很大程度上远程农业可能成为现实。 随着自主机器和机器人承担越来越多的角色，可能不再需要大量劳动力。 虽然今天大多数水果和蔬菜都是手工采摘和包装的，但 S&P Global 的一份报告预测，到 2025 年，感知系统和采摘算法将在受控环境农业 (CEA) 中实现自主收获的各个方面。
计算机视觉的繁荣不仅与农业有关。 事实上，作为现代人工智能最成熟的领域，它正在渗透到经济的各个领域。 自动化视觉功能的机会为各个领域带来了无限的市场机会。 作为人类，视觉是我们最发达的感觉——我们最常使用它来感知我们周围的世界。 医学光学教授大卫威廉姆斯 解释 “超过 50% 的皮层，即大脑表面，专门用于处理视觉信息。”
人类大脑中负责分析视觉信息的部分是其他感官中最大的，这并非巧合。 人工神经网络是机器学习的重要组成部分，也是现代视觉技术的支柱。 用威廉姆斯教授的话来说，“了解视觉如何工作可能是了解整个大脑如何工作的关键。”
视觉技术已经在推动粮食和农业的发展，这将改变世界种植、制造、运输和消费食物的方式。 就人工智能而言，计算机视觉可以说是技术最先进的领域。 这种前所未有的丰富视觉数据可以通过机器学习加以利用和处理，然后反馈给粮食种植者或自主机器，例如灌溉枢纽。 即使在收获之后，计算机视觉提供的技术已经被用于关键任务，例如 对水果和蔬菜进行分类和分级， 一项由人类完成的任务是不一致的、耗时的、可变的和昂贵的。
这项技术的影响是巨大的。 视觉传感器和计算机视觉对于帮助整个行业满足不断增长的全球人口的食品需求至关重要。 世界银行的数据表明，到 2025 年，大多数粮食和农业部门将受到视觉技术（如图像识别、相机、机器人等）的采用的深刻影响。 毫不奇怪，计算机视觉和人工智能技术是新的核心 一波有前途的科技初创公司 横跨许多垂直领域，包括零售、建筑、保险、安全和农业。
改进现有流程作为启动革命的起点
粮食种植者可以使用大量的视觉技术。 这包括捕获、分析、过滤、显示或分发视觉数据的任何设备或工具。 这些系统旨在利用计算机视觉、机器学习或人工智能来理解所有视觉数据，并提供可操作的见解或自主采取行动。
最近 LDV资本的报告 on Visual Technologies 强调了一些面向未来的关键趋势，这些趋势将源于未来五年粮食种植者采用视觉技术。 关于这些，最有趣的是，它们主要强调对现有技术的改进和采用。 随着视觉技术成为主流，这不会是一场革命，而是一种渐进式的演变。 例如，该报告指出机器学习算法可以摄取分辨率更高、光谱范围更大的无人机、飞机和卫星图像，从而进一步实现远程农学。 此外，随着处理速度的提高，安装在设备上的传感将使工厂级决策成为可能，例如精确的杂草喷洒和种子放置。
每个现有流程都可以实现自动化和远程管理吗？
拥有如此多的“眼睛”24/7 全天候监控和评估植物，以及广泛覆盖整个田地或温室的视觉技术，在不久的将来可以远程管理农业和农艺吗？ 根据我们与客户的经验，我知道许多粮食种植者已经需要减少到田间的旅行，这要归功于机器拍摄并交付给他们的洞察力或图像。 更重要的是，他们解决害虫等问题的能力更有针对性和精确性。 这些设备无需进行例行抽查，而是能够 100% 地监控他们的作物，100% 的时间。
虽然计算机视觉是一项重大突破，它将重新定义食物的种植和加工方式，但这还不是全部。 需要其他补充技术使我们能够看到树叶和土壤，这对于获得全貌同样重要。 例如，通过专用传感器监测和分析微生物组，这些传感器测量地上和地下植物器官中微生物的丰度、多样性和定殖情况。
收集、整合和理解所有这些数据将是利用粮食种植者所依赖的不断增长的技术堆栈力量的关键挑战。 粮食种植者一直依赖来自该领域的数百个信号，但这些新兴工具和平台意味着他们需要从越来越多的来源中协调洞察。 最终目标是创建一个统一的系统，提供实现更好的高级农艺决策所需的完整、清晰的画面。
