深度學習是一種計算方法，程式設計師不用確切地告訴計算機該做什麼，而是訓練計算機識別某些模式。你可以給計算機輸入患病和健康的農作物葉子圖片，並做上標記。計算機可以以此學會患病和健康的葉子看起來有什麼不同，並能獨立判斷新作物是否健康。

這就是生物學家David Hughes和流行病學家Marcel Salathe的研究，他們用感染了26種疾病的14株作物進行了實驗。他們在計算機中輸入了超過五萬張圖片，計算機程式透過自主學習，最終能夠以99.35%的正確率判斷研究人員輸入的新圖片。

不過，這些是動過手腳的圖片，其中的燈光和背景都是一致的，為計算機識別葉片影象降低了難度。如果從網際網路上隨機下載一張患病作物的葉片照片，讓計算機去判斷，軟體的準確率就降低到了30%-40%。

這不只是排除農作物之間的疾病傳染，還有很多其他因素會影響農作物。“大部分影響生長的都是生理壓力，例如缺鈣、缺鎂或者鹽分太高、熱量太高等，”Hughes說，“人們有時候會以為是細菌或者真菌疾病。”誤診導致農民浪費了時間和金錢去買殺蟲劑或者除草劑。未來，人工智慧可以幫助農民更加準確地定位問題所在。

在那之後，人類將奪回控制權——因為雖然APP可以定位問題，但是沒法像人類專家一樣，考慮緊氣候、突然、季節等因素，給農民提供最適合的解決辦法。聯合國糧食及農業組織（FAO）認為這類技術是農作物管理的一種“有用工具”，但還是要聽專家說了算。因此，FAO的植物病理學家Fazil Dusunceli說，非常歡迎這樣的技術幫助，但是“最終病害管理決策應該與現場的專家一起合作制定。”

走路“長眼”的拖拉機

可見感測器在農業生產領域當中的重要性。利用感測器可以對土壤、病蟲害、農事操作等生產過程中的資訊進行採集，然後將採集到的資訊傳輸到網路平臺，再透過網路平臺進行加工，為生產管理、質量追溯、農技服務等提供了資料支撐！人工智慧與感測器的結合除了應用於水稻種植，在水產養殖行業也有應用。透過感測器對水產品的實時監測，採集資料資訊，再經過電腦系統的加工傳輸，水產養殖人員也能實現在室內辦公。透過電腦監測視屏，養殖人員就能對水質、水溫以及水產品生長情況一目瞭然。現如今，隨著人工智慧與感測器的強強聯手，智慧農業的發展已如火如荼。為了發展生態農業，提高糧食產量，節約人力成本，不少地區已經開始陸續採用“人工智慧+感測器”的模式助推農業生產轉型升級。未來，我們相信，農業將會邁入智慧化的嶄新時代，人們的物質生活水平也將上新臺階。

人工智慧給農作物看病，主要是利用電子裝置、監測器、分析等儀器對植物時時監測生長情況。

比如當果樹在生長週期的時候，出現某種元素缺失時，是怎麼知道的呢？

一、人工智慧農作物施肥

人工智慧是透過插在果樹樹根附近的儀器或者果樹周圍的監控儀器，插入在樹根附近金屬探針，透過對土壤中的元素進行探測，將資訊返回給電腦總端進行資料分析，如果分析得出某元素缺乏影響到植物生長後，透過警報反饋給種植戶檢視，並自動開啟肥料儲存容器，將肥料液按比列直接注入到果樹根部附近。

二、人工智慧農作物看病

人工智慧是透過對樹勢的長勢及樹葉、果實等監控觀察，將發現的病枝、病果等進行拍照，將圖片傳回電腦總端，電腦將拍攝的照片和系統裡面的在哪個時候容易發生什麼感染病毒的圖片進行比對分析，識別度能達到90%以上，此時系統將進行相關的藥物推薦，並配製藥液，在透過鋪設在果樹附近的噴頭管道進行全園噴灑，進行藥物治療或者防治。

以上就是人工智慧對農作物看病的原理。

人工智慧給農作物看病，我應該只是在網上看到過有關知識，具體人工智慧是怎麼給農作物看病的，還真沒有親眼目睹過。

那麼人工智慧怎麼給農作物看病呢？我只能說說一些個人觀點。

1、可能很多的農人對作物病蟲害的知識不是很多，大部分時間農作物病蟲害的防治各方面知識都是透過到農資出售得地方經過詢問購買並或者一些防治知識。

2、人工智慧實現給農作物看並，肯定需要採集大量農作物的圖片，農作物病蟲害的圖片，各種害蟲，各種雜草等，然後透過資料分析來實現。

3、農作物生長的因素很多，氣候、土壤、品種、種植時節，田間管理、肥水管理等，因此這所有的資料都需要進行收集。

4、總之人工智慧給農作物看病的保證就是要有海量的資料庫，且對資料的採集必須標準，對農作物的問題能進行深度分析。

不少農民反應，這幾年來農作物病蟲害越來越嚴重，有的病害形態相似，難以判斷病因，也無法對症下藥，令農民苦惱。

今天我要講的就是人工智慧，也是農民的好幫手，它的大腦相當強大。農民只要在自己家地的農作物拍照片，然後上傳到人工智慧平臺，人工智慧就會進行識別，查詢。很快就會做出論證，判斷你家的農作物出現了哪些問題，也會告訴你對症下藥。