在過去的2018年TC Disrupt柏林戰(zhàn)場上展示的是印度農(nóng)業(yè)科技創(chuàng)業(yè)公司Imago AI，它正在應(yīng)用人工智能，通過提高作物產(chǎn)量和減少食物浪費來幫助養(yǎng)活世界不斷增長的人口。隨著創(chuàng)業(yè)任務(wù)的開展，這是一個令人印象深刻的野心勃勃的任務(wù)。

該團隊位于新德里附近的古爾岡，正在使用計算機視覺和機器學習技術(shù)來完全自動化測量作物產(chǎn)量和質(zhì)量的艱巨任務(wù) - 加快量化工廠的手動和耗時過程特征，通常涉及卡尺和體重秤等工具，朝著開發(fā)更高產(chǎn)，更抗病的作物品種的目標邁進。

目前，他們表示可能需要六到八年的種子公司來開發(fā)新的種子品種。因此，提高效率的任何事情都將成為一大福音。

他們聲稱他們的技術(shù)可以將測量作物性狀所需的時間減少多達75％。

在一名飛行員的情況下，他們說一位客戶以前用兩天時間用傳統(tǒng)方法（如秤）手動測量其作物的等級。“現(xiàn)在使用這種基于圖像的AI系統(tǒng)，他們能夠在30到40分鐘內(nèi)完成，”聯(lián)合創(chuàng)始人Abhishek Goyal說。

使用基于AI的圖像處理技術(shù)，它們也可以比人眼更容易捕獲更多的數(shù)據(jù)點（或者很容易），因為他們的算法可以測量并評估比人們可能接受或者能夠輕松獲得的更細粒度的表型差異量化只是通過眼睛判斷。

“一些表型特征他們不可能手動識別，”聯(lián)合創(chuàng)始人Shweta Gupta說?！耙苍S是非常乏味或者無論出于什么所有這些費力的原因。所以現(xiàn)在通過這個啟用AI的[過程]，我們現(xiàn)在能夠捕獲更多的表型特征。

“因此，對表型特征的更多報道......以及更多的覆蓋范圍，我們有更多的空間來選擇該種子的下一個周期。因此，從長遠來看，這進一步提高了種子質(zhì)量。“

他們用來描述他們的技術(shù)提供的冗長的短語是：“高通量精確表型?！?/p>

或者，換句話說，他們使用AI來數(shù)據(jù)挖掘作物的質(zhì)量參數(shù)。

“這些質(zhì)量參數(shù)對這些種子公司非常關(guān)鍵，”古普塔說?！爸参镉N是一個非常昂貴且非常復(fù)雜的過程......就種子公司需要部署的人力資源和時間而言。

“關(guān)于你現(xiàn)在正吃的米飯的研究”已經(jīng)在過去的七到八年里完成了。這是一個完整的循環(huán)......不斷發(fā)展的鏈條，最終提出了適合在市場上推出的各種產(chǎn)品?！?/p>

但還有更多?？傮w愿景不僅是人工智能將幫助種子公司做出關(guān)鍵決策，選擇能夠提供高產(chǎn)作物的高質(zhì)量種子，同時加快這個（緩慢）過程。最終，他們希望通過應(yīng)用AI來自動化作物表型測量所產(chǎn)生的數(shù)據(jù)也能夠產(chǎn)生非常有價值的預(yù)測見解。

在這里，如果他們能夠建立地理標記表型測量與植物基因型數(shù)據(jù)（他們所針對的種子巨頭已經(jīng)擁有的數(shù)據(jù)）之間的相關(guān)性，那么啟用AI的數(shù)據(jù)捕獲方法也可以引導農(nóng)民走向最好的作物品種在特定的位置和氣候條件下使用 - 純粹基于對他們捕獲的數(shù)據(jù)進行三角測量和解鎖的洞察力。

目前農(nóng)業(yè)中為特定地點/環(huán)境選擇最佳作物的方法可能涉及使用基因工程。雖然該技術(shù)在應(yīng)用于食品時引起了重大爭議。

Imago AI希望通過基于數(shù)據(jù)和種子選擇的完全不同的技術(shù)路線獲得類似的結(jié)果。而且，AI的統(tǒng)一眼睛為關(guān)鍵的農(nóng)業(yè)決策提供了信息。

“一旦我們能夠建立這種關(guān)系，這對這些公司非常有幫助，這可以進一步將他們的種子總生產(chǎn)時間從六年減少到八年，減少到非常少的年數(shù)，”Goyal說。“所以我們正試圖建立這種相關(guān)性。但最初我們需要完成非常準確的表型數(shù)據(jù)?！?/p>

“一旦我們有足夠的數(shù)據(jù)，我們將建立表型數(shù)據(jù)和基因型數(shù)據(jù)之間的相關(guān)性以及在建立這種相關(guān)性后會發(fā)生什么，我們將能夠根據(jù)您的基因組學數(shù)據(jù)和環(huán)境條件預(yù)測這些公司，我們將為您預(yù)測表型數(shù)據(jù)，“Gupta補充道。

“這對他們來說是非常有價值的，因為這將有助于他們減少這種繁殖和表型分析過程中的時間資源?！?/p>

“也許他們真的不必真正進行實地試驗，”Goyal建議道?！皩τ谀承┨匦?，如果我們能夠以非常高的準確度預(yù)測這是基因組學，這是環(huán)境，那么他們真的不需要進行田間試驗，然后檢查將會是什么特征。那么這將成為表型。“

因此 - 在更為平庸的語言中 - 該技術(shù)可以根據(jù)對基本特征的更細粒度的理解，為特定地點和氣候提供最佳種子品種。

在抗病植物菌株的情況下，它甚至可能有助于減少農(nóng)民使用的殺蟲劑的數(shù)量，例如，如果所選擇的作物自然更能抵抗疾病。

雖然在種子生成方面，Gupta建議他們的方法可以縮短生產(chǎn)時間范圍 - 從最多8年縮短到“可能是3到4年”。

“這就是我們談?wù)摰墓?jié)省時間的數(shù)量，”她補充說，強調(diào)人工智能表型的真正重大前景是在更短的時間內(nèi)實現(xiàn)更高的糧食產(chǎn)量。

除了測量作物特性外，他們還使用計算機視覺和機器學習算法來識別作物疾病，并更精確地測量特定植物受影響的程度。

如果您的目標是幫助選擇與更好的天然抗病性相關(guān)的表型特征，這是另一個關(guān)鍵數(shù)據(jù)點，創(chuàng)始人注意到世界上大約40％的作物負荷因疾病而喪失（因此被浪費）。

而且，再次，測量植物的病情可能是對人眼的判斷 - 導致數(shù)據(jù)的準確性不同。因此，通過使用基于AI的圖像分析自動化疾病捕獲，記錄的數(shù)據(jù)變得更加一致，從而允許更好的質(zhì)量基準測試以用于種子選擇決策，從而促進整個混合生產(chǎn)周期。

由Imago AI處理的樣本圖像顯示了受疾病影響的作物比例

就目前的情況而言，這個近一年歷史的初創(chuàng)公司正在處理來自種子公司的多項試驗的數(shù)據(jù) - 包括他們可以命名的經(jīng)常性付費客戶（DuPont Pioneer）; 和其他種子公司的幾次付費試驗他們不能（因為他們?nèi)匀辉贜DA下）。

他們告訴TechCrunch，目前在印度和美國已經(jīng)進行了試驗。

“我們并不需要在任何地方試用我們的技術(shù)。這些是全球[種子]公司，目前在30,40個國家，“Goyal補充說，他們認為他們的方法自然會擴展?！八麄冊谝粋€國家測試我們的技術(shù)，然后在其他地方實施它很容易?！?/p>

他們的成像軟件不依賴于任何專有的相機硬件?？梢允褂闷桨咫娔X或智能手機，甚至是無人機上的攝像頭或使用衛(wèi)星圖像捕獲數(shù)據(jù)，具體取決于所需的應(yīng)用程序。

雖然為了測量像長度這樣的作物特性，但是它們確實需要一些與圖像相關(guān)聯(lián)的參考點。

“這可以通過固定物體與相機的距離或在圖像中放置參考物體來實現(xiàn)。我們根據(jù)用戶的方便使用這兩種方法，“他們注意到了這一點。

雖然目前一些表型分析方法非常手工，但市場上還有其他針對農(nóng)業(yè)部門的圖像處理應(yīng)用。

但Imago AI的創(chuàng)始人認為這些競爭對手的軟件產(chǎn)品只是部分自動化 - “因此需要大量手動輸入”，而他們將自己的方法視為完全自動化，只需要一個初步的手動步驟來選擇通過AI進行量化的作物眼睛。

與其他玩家相比，他們的另一個優(yōu)勢是他們的方法完全是非破壞性的。這意味著例如，不需要將農(nóng)作物樣品取出并帶走以在實驗室中拍照。相反，作物的圖片可以在現(xiàn)場快速原位拍攝，測量和評估仍然 - 他們聲稱 - 通過智能濾除背景噪聲的算法準確提取。

“在我們與公司合作的試點項目中，他們將我們的結(jié)果與手動測量結(jié)果進行了比較，我們的準確度達到了99％以上，”Goyal聲稱。

然而，為了量化疾病傳播，他指出，只是不能手動進行精確測量。“在手動測量中，專家只能為圖像示例提供一定百分比的疾病嚴重程度; （25-40％），但使用我們的軟件，他們可以準確地確定準確的百分比（例如32.23％），“他補充道。

他們還為種子研究人員提供額外支持 - 通過提供一系列數(shù)學工具及其軟件來支持表型數(shù)據(jù)分析，結(jié)果可以輕松導出為Excel文件。

“最初我們也沒有太多關(guān)于表型的知識，因此我們采訪了來自技術(shù)大學的50名研究人員，這些種子投入公司并與農(nóng)民進行了互動 - 然后我們明白了究竟是什么樣的痛點，從那里來看這些用例他們補充道，“他們補充道，他們指出，他們使用WhatsApp小組從當?shù)剞r(nóng)民那里收集了英特爾。

雖然種子公司是最初的目標客戶，但他們也看到了用于優(yōu)化食品行業(yè)質(zhì)量評估的可視化方法的應(yīng)用 - 他們說他們正在研究使用計算機視覺和高光譜成像數(shù)據(jù)來做識別異物或摻假的事情。生產(chǎn)線食品。

“因為在食品公司，他們的生產(chǎn)線上浪費了很多食物，”Gupta解釋說?！耙虼耍覀兛吹轿覀兊募夹g(shù)確實有所幫助 - 減少這種浪費。”

“基本上任何需要通過我們的技術(shù)進行測量的視覺參數(shù)，”Goyal補充道。

他們計劃在未來12個月內(nèi)探索食品行業(yè)的潛在應(yīng)用，同時專注于通過種子巨頭建立他們的試驗和實施。他們補充說，他們的目標是在一年內(nèi)讓40至50家公司在全球范圍內(nèi)使用他們的人工智能系統(tǒng)。

雖然這項業(yè)務(wù)現(xiàn)在正在創(chuàng)收 - 并且正如他們所說的那樣“完全自我實現(xiàn)” - 他們也希望接受一些戰(zhàn)略投資。

“現(xiàn)在我們與一些投資者保持聯(lián)系，”Goyal證實?！拔覀冋趯ふ夷軌蜻M入農(nóng)業(yè)或食品行業(yè)的戰(zhàn)略投資者......但目前尚未籌集任何金額?！?/p>