使用無人機和人工智能預測水果收成

Outfield Technologies是一家位于劍橋的農業技術初創公司，使用無人機和人工智能來幫助果農最大化果園作物的收成。Outfield Technologies的創始人Jim McDougall和Oli Hilbourne一直在與博士合作。該系機器智能實驗室的學生湯姆·羅迪克(Tom Roddick)開發了他們的技術能力，從而能夠通過無人機對巨大的蘋果園進行測量來計算樹上的花朵和蘋果。

Outfield商業總監Jim McDougall解釋說：“對開花的準確評估或對收成的估計可使種植者提高生產力，可持續性和環境友好性。”

“我們的航空影像分析著重于產量估算，并且在國際上都受到追捧。準確地預測產量是水果行業面臨的最大問題之一。該系統是與種植者一起開發的，用于計劃勞力，物流和存儲。整個行業都需要它，以計劃市場營銷和分銷，并確保貨架上總有蘋果。目前的估算是由種植者做出的，他們的工作非常出色，但是果園的變化卻令人難以置信，而且估計往往是錯誤的。 20%。這將導致收入損失，作業效率低下，并可能導致大量未售作物浪費。”

外場的識別方法是博士論文研究的出色應用。羅伯特·西波拉(Roberto Cipolla)教授指導的學生湯姆·羅迪克(Tom Roddick)正在研究中。湯姆是計算機視覺和機器人技術集團的一部分，在其濃縮人工智能和機器學習，使用Deep學習方法，通過人工神經網絡(人工神經網絡)。

人工神經網絡是根據人腦進行松散建模的計算系統，旨在識別模式。他們通過標記或聚類原始輸入來解釋感官數據。他們識別出的模式是數字的，所有真實世界的數據(包括圖像，聲音，文本或時間序列)都被轉換為數字。

這樣的系統通常通過分析示例來“學習”執行任務，而無需使用特定于任務的規則進行編程。例如，在圖像識別中，ANN可能會通過分析已被手動標記為“蘋果”或“沒有蘋果”的示例圖像，并使用結果來識別其他圖像中的蘋果，從而學會識別包含蘋果的圖像。他們在沒有任何蘋果先驗知識的情況下進行此操作，例如，蘋果的顏色或形狀。相反，他們會根據所處理的示例自動生成識別特征。