“我们正试图改变人们进行农艺研究的方式。而不是建立一个小块的地块，运行统计数据，并公布的方法，我们试图做的是让农民更直接。我们正在农民自己的田地里试验他们的机械。我们可以检测对不同输入的特定站点响应。我们可以看到该领域的不同部分是否有反应，”伊利诺斯州作物科学系助理教授、该研究的合著者尼古拉斯·马丁说。

他补充说:“我们开发了使用深度学习来生成产量预测的方法。它结合了来自不同地形变量、土壤电导率、氮和种子率处理的信息，我们在中西部9个玉米田进行了处理。”

马丁和他的团队使用了数据密集型农场管理项目2017年和2018年的数据，在该项目中，在中西部、巴西、阿根廷和南非的226块地里以不同的速率施用种子和氮肥。地面测量与PlanetLab的高分辨率卫星图像相结合，以预测产量。

田地被数字分割成5米(约16英尺)的正方形。每个地块的土壤、海拔、施氮量和种子率数据被输入计算机，目的是了解这些因素如何相互作用，从而预测该地块的产量。

研究人员使用一种被称为卷积神经网络(CNN)的机器学习或人工智能来进行分析。爱博网投官方网站某些类型的机器学习从模式开始，并要求计算机将新数据放入现有的模式中。卷积神经网络对现有模式是盲目的。相反，它们获取数据并学习组织它们的模式，类似于人类通过大脑中的神经网络组织新信息的方式。CNN过程预测产量精度高，并与其他机器学习算法和传统统计技术进行了比较。

“我们真的不知道是什么导致了农田对投入的产量反应的差异。有时人们会认为某个地方对氮的反应应该很强烈但事实并非如此，反之亦然。CNN可以发现可能引起反应的隐藏模式，”马丁说。“当我们比较几种方法时，我们发现CNN在解释产量变化方面效果很好。”

使用人工智能来梳理精准农业的数据仍爱博网投官方网站然相对较新，但马丁表示，他的实验只是触及了CNN潜在应用的冰山一角。“最终，我们可以用它来为给定的输入和场地限制组合提出最佳建议。”