学术演讲厅 今天，我的分享主要从三个方面开始： 1.背景和范围 2.主要研究内容 3.扩展与思考 1背景与范围 1. ICT创新业务已成为电信运营商的收入增长引擎 1）从收入增长的角度来看：手机流量红利持续增长，创新业务和宽带业务的快速增长带动该行业收入增长2.9％； 中国电信和中国联通的收入增长率超过了行业平均份额。 2）从收入构成的角度来看：三大收入来源稳定且不断提高，中国电信是创新之都，中国联通和中国移动是手机流量。 ------数据来源：中国电信战略与创新研究院运营与价值研究院，“基准分析三家国内运营商在2018年的运营绩效 2.中国农业发展面临许多问题 1）中国耕地面积持续减少。 人均耕地远远少于世界平均水平。 由于建设和占领，自然灾害，生态农业和农业结构调整等原因，土地面积不断减少，需要用全世界8％的耕地养活19％的人口； 2）优质耕地少。 优质土地面积仅占总面积的2.9％，近53％的土地质量属于中等水平; 3）农业从业人员文化程度低。 全国共有农业经营者3142.2万人，初中及以下学历的比例为91.8％； 4）过量使用化肥和农药使粮食生产过程更加广泛。 2013年，中国的农作物化肥使用量为21.9公斤/亩，远高于世界平均水平8公斤/亩。 ----资料来源：世界银行，中国统计局，国土资源局，姚某智库报告《 2018年智慧农业研究报告》 3.大公司已经开始部署智能农业 1）2018年6月6日，阿里云在“ 2018运西大会·上海峰会”上正式启动ET农业大脑。 除养猪外，阿里云还与果树，蔬菜种植，袁隆平团队等合作。 2）2018.4.1，腾讯贵州人工智能生态鹅厂问世，基于鹅脸识别技术食品等精制而成的T-block（腾讯积木）技术动态实时可视化，远程管理“鹅厂” 管理和“鹅语言翻译”打破了鹅与人之间交流的障碍。 将来，打开云鹅的功能； 3）2018年3月3日，百度云宣布与中化农业合作进入AI智能农业：通过物联网连接土地和农作物，了解农作物的生长状况，上传数据以获取反馈结果，然后依靠 算法和深度学习以找到规律并整合规律3.指导规律； 4. 人工智能是现实世界和虚拟世界发展的产物 得益于现代大数据技术的飞速发展，加之各类信息技术算法不断涌现，CPU算力不断提高，这些技术的为开展AI技术提供了坚实基础。 5. AI等多技术融合提供智能化/无人化是农业降本增效关键 在未来，农业领域的技术渗透率将不断提高。尤其是人工智能技术将极大的为农业领域“开源”、“节流”提供助力。在智慧农业领域，有AI生物特征识别、畜牧可穿戴设备、种植机器人、植保无人机等技术。 2生物多特征识别 1. 行业痛点 识别对象从不同物种到同一物种不同个体，再到同一个体不同部位，从粗粒度到细粒度再到微粒度，视觉差异逐渐变小，同一类牛个体的差异度更加细微 , 较小的类间差异和较大的类内差异，与通用图像识别问题相比更具挑战，如何提取局部差异成为关键。 这里，我们主要使用三种生物多特征识别的技术： 1) 基于Faster- RCNN的外形特征识别； 2) 基于SIFT和SFM的3维体况特征识别； 3) 基于KF和FRCNN的时移特征识别； 1. 典型应用 1) 张家口奶牛场采奶个体标识：为每一头奶牛注册身份ID，通过脸部识别监测日常行为，形成健康指数，更好地指导养殖，确 保产奶数据统计准备，解决决天津、张家口两个奶牛场奶位与奶牛个体采奶匹配不准确问题。 2) 广东惠州人保奶牛试点：将脸或身体侧纹作为奶牛唯一标识，结合业务场景收集数据。通过数据分析，对采集的信息 进行挖掘，真正帮助实现精细化管理和个体认证。结合集团DICT业务布局，以AI识别能力集成到三农助手APP中，重构验标和查勘业务流程，解决现 有投保、骗保难题。 2. 其他潜在应用场景 1) 新零售场景中自动商品结算； 2) 电信业务中vip客户甄别并定制化服务； 3) 医疗场景判断肿瘤良性恶性； 4) 相似生物面部识别Fine Grained问题。 1. 应用场景 1) 奶牛精细化养殖： 2) 其他潜在应用场景：还可与外形特征识别结合应用，还可用于特定范围内外形特征差异不大的牲畜个体的辅助识别、地形地貌识别、文物还原、虚拟旅游等。 1. 应用场景 3拓展及思考 1. 畜牧可穿戴技术-“小牧童”畜牧定位溯源产品 2. AI智慧种植-无人机植保 无人机植保能够解决农村劳动力短缺、劳动力成本高、农药利用浪费等问题。利用人工智能技术对无人机收集的数据进行智能杂草识别分析。图像分析系统通过分析田间图像的颜色模型，根据色差分量、颜色特征实现杂草实时识别，最后提取其相关特征参数，可以精确控制喷头位置及用药量。 3. AI智能种植-机器人采摘 1）必要性：减少农村劳动力的短缺和较高的劳动力成本； 2）使用AI和应用的图像处理技术识别和定位水果，并对水果的遮挡和重叠进行数学建模； 3）研究现状：国外采摘机器人对苹果的识别准确率达到83％，正常工作条件下采摘速度为6 / s。 4）研究重点：提高水果识别率和采摘率，降低成本。
