一顆西蘭花什么時候離開土壤，決定著農民種植收益是否達到最大化。

11月2日，2023世界農業科技創新大會在北京平谷舉辦。日本東京大學副教授郭威，一個同時擁有計算機和農業學科背景的華人青年學者，在智慧農業分論壇上分享了他和團隊的一項研究發現：每畝西蘭花有個最佳收割時間，農民若在其前一天或后一天采收，會使農民的潛在收入減少3.7%至20.4%。

為此，他和團隊研發了一種搭載人工智能技術的無人機智能系統，它可以精確評估出每顆西蘭花的最佳采摘時間，從而為大田集中采收提供一個時間方案。該系統走向田間地頭的同時，一些關于智慧農業的問題浮現出來：人工智能的倫理邊界在何處？如何面對日益高漲的人力成本？如何應對技術更新的滯后性？

論壇之后，他接受了新京報記者專訪。他認為，新技術與人類所產生矛盾的化解，需要人類在時間里漸漸適應。他對人工智能在農業領域的應用前景保持樂觀，“伴隨智慧農業所出現的一系列社會問題，會在技術、社會體制逐漸地改善中不斷被化解，當然，新的問題會永遠涌現。”

11月2日，東京大學副教授郭威在智慧農業分論壇上分享研究發現。新京報記者 趙利新 攝

智能系統，為每一顆西蘭花建立生長“檔案”

新京報：你和團隊研發的無人機智能系統，是怎樣運行的？

郭威：簡單來說，就是在西蘭花生長的不同階段，農民用搭載智能系統的無人機，進行兩三次巡航。第一次巡航的時候，是在西蘭花生長初期，這樣無人機所搭載的系統，能夠對每一顆西蘭花賦予一個數字化的身份標識號碼，而且能給每一顆所識別的西蘭花建立一個生長模型，這就像給每顆西蘭花建立一個生長“檔案”，可以供農民選擇采收時間。

等到西蘭花的花蕾長出兩到五厘米的位置時，農民再用無人機進行一次巡航，這是為了對生長模型進行完善，從而預測其未來的生長狀況。西蘭花生長中后期，無人機還可以再進行一次巡航，以求數據的精確性。等到前期數據收集完畢，系統便能通過計算，預測出每一顆西蘭花的最佳采收時間，從而計算出每一畝西蘭花的最佳集中采收時間。

日本東京的一片西蘭花農田。受訪者供圖

新京報：為什么會選擇西蘭花做智慧農業的嘗試？

郭威：首先因為西蘭花比較好吃，而且很健康，這是我們選擇西蘭花做人工智能應用的一個原因；另外，西蘭花的經濟價值比較高，在都市的超市里，西蘭花都是按顆賣的，而且超市里每顆西蘭花的大小都基本一樣。對城市居民來說，足夠標準化的農產品，能取得他們在產品質量方面的信任。對農民來說，把西蘭花賣進超市里，能取得較為可觀的收入，從而提高家庭經濟水平。實際上，我們團隊研發該系統的一個初衷就是，幫助農民生產出符合超市標準要求的西蘭花，減少生產端的浪費。

新京報：目前該技術的應用表現怎么樣？

郭威：目前這個無人機智能系統在日本的北海道、福島等地有推廣，還處于應用初期。從目前的技術應用表現來看，這個系統可用于西蘭花、卷心菜、大白菜等蔬菜，并且具有可推廣的操作性，因為它所花費的成本，能夠被一般農民所接受，而且確實能夠幫助到他們減少蔬菜損耗，所以這項技術在農村比較受歡迎。

優化方法，破除機器深度學習瓶頸

新京報：在這個無人機智能系統的應用中，有哪些挑戰？

郭威：最大的挑戰來自兩個方面，一個是收集的圖片質量不高，另一個是數據處理量過于龐大，從而影響機器學習效率。農民在使用無人機過程中，他要追求效率，會提升無人機的飛行高度或者加快無人機的飛行速度，這樣會導致合成圖片的分辨率損失，有時候單株圖像不夠清楚，會影響深度學習模型的分割精度。另一個問題是，一畝田里有幾千顆西蘭花，而我們的系統是要為每一顆西蘭花建立數字化生長模型，這其中產生的數據量很龐大，這增加了系統的維護和升級成本。

露天種植不像大棚種植，具有相對的可控性。科研人員對露天種植的西蘭花，進行數字化處理，對系統的深度學習能力要求很高。要知道，收集并處理圖像數據本身是很瑣碎而且復雜的，比如收集到圖像信息后，要考慮植物在風中的運動方式，以及光線如何隨時間和季節的變化而變化，因此每一個圖像數據都包含了機器難以分析的諸多變量因素。因此，科研工作者在訓練系統時，不得不投入大量時間標記無人機可能看到的圖像的各個要素，以幫助系統學會準確識別所看到的內容。

新京報：這兩個技術問題是如何解決的？

郭威：解決圖像分辨率不高的方法，我們是用原始無人機圖像替代合成圖像。就是用三維重建和原始圖片的映射關系，形成一個對應于合成圖像的高分辨率圖像素材予以分析。簡單說，無人機在農田巡航完一遍后，會對所有植株形成一個完整性的三維點云，然后系統會自動用原始圖片和這個大圖上的坐標予以一一對應。這樣系統也能對每一單株西蘭花進行精確建模、分析，從而解決分辨率不高的問題。

對于數據量過于龐大而制約機器學習效率的問題，我們采取重點分析的方法，我們不再對西蘭花的整塊地或整個生長周期進行機器學習，我們讓機器只對西蘭花生長初期的一個關鍵時間段，予以深度學習，從而以點帶面。事實證明，對西蘭花的某個生長關鍵點予以深度分析，也是能夠精確計算出西蘭花的最佳采收時間的。

智慧農業，須經得起倫理和技術的考驗

新京報：在這次以西蘭花為“主角”的智慧農業嘗試中，你怎么看待人工智能的農業化應用？

郭威：對于日本這樣的重度老齡化國家來說，人工成本本就高昂，而智慧農業也需要人力，甚至在一些環節中，還需要高技術人才，比如一個智能系統，它需要人工不斷維護，這其中的人力成本也是很巨大的。實際上，我們團隊能夠順利地研發出這個無人機智能系統，是依賴政府和社會資金的支持的。

很多人認為智慧農業解放了人力，但其實在目前人工智能技術還不夠成熟的階段，生產場景仍然離不開人的參與。比如在日本，一輛無人拖拉機，必須需要人坐在車上盯著機器看；一名無人機操作員在操作設備時，必須至少需要另外一個人時刻盯著無人機看，防止無人機侵犯他人隱私或者墜機傷人等。

智慧農業除了面臨人工成本高的問題，還有來自法律和倫理等方面的挑戰。比如說，無人機不小心拍到他人生活場景了，這是不是侵犯他人隱私權？這種問題在現代社會爭議性很強；還有，人工智能需要訓練機器，需要龐大的數據吞吐量，在數據采集過程中，會不會侵犯他人權利？這些問題，都注定了人工智能技術不能高歌猛進。

另外，農田環境比較復雜，每一塊農田都有自己獨特的小氣候，如果科研團隊為每一塊農田都建立一個數字模型，那成本之高，對農戶來說又是不合算的。所以，未來的智慧農業，必須要讓機器有自動的學習能力，讓機器能夠自己有學習意識，根據不同環境而自動生成數字模型。

新京報：面對技術和倫理方面的挑戰，你怎么看智慧農業的未來？

郭威：我記得，觸屏手機剛問世的時候，許多人是排斥觸屏手機的，因為它不像鍵盤手機具有某種穩定性。但幾年后，人們適應了觸屏手機，大街小巷便都是賣觸屏手機的了。

人類接受一種生活習慣的過程，是適應新技術的過程。我覺得，隨著時間推移，人類會逐漸適應智慧農業的。當然，人類適應新技術的過程，也是一個技術在不斷升級、社會體制也不斷改變的過程。從科研工作者的角度來說，新技術應該是惠民的，哪怕是從一顆小小的西蘭花開始，只要它能讓農民足夠受益，農民慢慢地就能接受新技術和其背后的技術思維。

新京報記者 趙利新