AI接地气，看百度飞桨如何变革传统农业生产
【慧聪通信网】中国是有五千多年耕种历史的农业大国，但并非农业强国。近年来，智慧农业成为了国家在推动5G、云计算、人工智能等技术落地应用的重要产业。
智慧农业区别于传统农业的一个显著特点，就是产业链大大延长，形成了农业产前、产中、产后紧密结合的产业体系，目的是将智慧思维和信息技术、计算机技术以及其他先进科学技术相结合以实现农业可持续发展，让农业生产的产量更高、质量更好、成本更低、环境污染更少。
人工智能（AI）是新一轮科技革命和产业变革的重要驱动力量。AI在农业生产中的应用主要是集成应用计算机与网络技术、物联网技术、3S技术、无线通信技术、音视频技术及专家智慧，实现农业可视化远程诊断、远程预警和远程控制等智能管理，提高农业生产质量和效率的同时，提升操作者的体验感和舒适度。
百度飞桨以百度多年的深度学习技术研究和业务应用为基础，是中国首个自主研发、功能完备、开源开放的产业级深度学习平台，集深度学习核心训练和推理框架、基础模型库、端到端开发套件和丰富的工具组件于一体。飞桨已凝聚超230万开发者，服务9万家企业，基于飞桨平台创建了超过31万个模型，在城市、工业、电力、通信等很多关乎国计民生的领域都有飞桨在发挥作用，帮助越来越多的行业完成AI赋能，实现产业智能化升级。
在农业生产的全流程中，从产前、产中到产后，在各个细分场景中，都有AI的用武之地。例如，在产前环节，PaddleDetection是百度飞桨推出的物体检测统一框架。支持现有的RCNN、SSD、YOLO等系列模型、支持ResNet、ResNet-VD、ResNeXt、ResNeXt-VD、SENet、MobileNet、DarkNet等主干网络。针对农业领域不同的业务场景，农作物识别、虫情检测（性能、目标大小、准确率等）可以选择框架中的不同模块组合得到最适合的模型，实现任务。
以YOLOv3模型为例，该模型在之前的版本上与同期最优同类产品相比，基于COCO数据集的训练速度超出了40%，验证集精度mAP（meanAveragePrecision）为38.9%，超出了1%。在本次升级中，飞桨工程师本着精益求精的工匠精神，使该模型得到了进一步强化，COCO数据集mAP高达43.2%，训练速度也提升了40%，并基于YOLOv3开源了多种模型压缩完整方案，使YOLOv3更上一层楼！
在产中环节，由于农业也在寻求转型，水培作为一项环保新技术正在逐步推广。在引入AI能力前，采用水配方式需要依赖农业领域的专业人才及经验，在生产过程进行品质判断，一旦人员有疏忽，会造成15%~20%的生产浪费。在引入EasyDL进行模型开发后，实现了机器自动识别，完成对蔬菜生长情况的实时管理，帮助降低不良品产出，提高产品品质，产量提高10%~15%，同时也促成生产物资如种子、基质、营养液的成本降低10%~15%，农学学家的工作效率也因此提升了3倍。
除此之外，在其他环节，AI能力是如何赋能农业场景，提升生产效率，降低成本呢？
10月29日，中国农业机械工业协会联合百度飞桨，特别邀请百度杰出架构师、飞桨产品负责人直播分析AI在农业生产中的实践经验，案例覆盖耕地识别、虫情检测、农作物自动分拣、进货量检测等全产业链各个环节，干货多多，扫码观看，不见不散！
