机器学习算法开始彻底改变现代农业，该技术使农民能够实时抗击病虫害，提高作物产量和利润，同时减少浪费、温室气体排放和杀虫剂的使用。
全球约 6% 的 CO2 排放量来自农业，每年高达 40% 的作物因病虫害而损失。对于已经从事低利润产业的农民而言，浪费在未使用的作物上的关键资源使得生存变得更加困难，更不用说蓬勃发展了。
但是，初创公司 Fermata 推出的全新AI赋能平台为农民提供了一种减轻虫害和作物病害影响的方法，同时还提高了农业的可持续性和对工人的友好性。
由 ML 提供支持的新型计算机视觉系统名为 Croptimus，全天候持续扫描作物。当该平台检测到作物病虫害或作物病害的早期迹象时，会立即向农民发出警报，使他们能够将资源用于受影响的作物，并将威胁保持在局部性。
该平台使用高质量数据进行训练，使其计算机视觉软件能够准确区分健康作物和高风险作物，并快速识别病虫害该系统为农民提供实时分析，并提供带注释的360度增强现实地图，显示有关作物健康状况的最新报告。
Fermata 在本地设备上使用 PyTorch 和 NVIDIA cuDNN 训练其模型。在推理方面，它结合使用云计算和本地计算，包括在 AWS 云上运行的 NVIDIA T4 GPU，以及通过 NVIDIA TensorRT 优化的 NVIDIA Jetson Nano 代码，以提高性能。
Croptimus 系统可在大型温室和户外农场中以各种配置部署。在扫描和分析作物的摄像头可以安装在高杆、温室天花板上，集成到无人机中，也可以连接到定期遍历成排作物的移动机器人。
这种 AI 驱动的模型并不能取代农民现有的日常工作，而是能够增强传统工作流程并使其更具针对性。
例如，农场通常依靠训练有素的 scouters 来手动检查作物。但高质量的 scouters 越来越供不应求，一旦有了它们，它们就会昂贵。此外，人类会感到疲劳或出错。当 scouters 无法检测到作物疾病或虫害时，它们会迅速扩散，从而导致广泛的作物腐烂和浪费。
相比之下，像 Croptimus 这样的 AI 系统总是在扫描问题。当系统指出潜在问题时，它会向农民发出警报，然后他们可以指导人类检查作物，在必要时在病虫害传播之前进行干预。早期干预减少作物损失，帮助农民更有针对性地使用劳动力。
该系统的另一个优点是，农场可以及早检测和减轻病虫害，从而减少对杀虫剂的需求。这不仅节省了农民的钱，还减少了杀虫剂泄漏到环境中的负面影响。
阅读 Future Farming 中有关 ML 助力的农业系统的完整故事。
