　　今年6月，全球農(nóng)資巨頭之一孟山都旗下專注農(nóng)業(yè)技術(shù)的孟山都成長(zhǎng)創(chuàng)投(Monsanto Growth Ventures，MGV)出資1100萬(wàn)美元，領(lǐng)投加拿大圖像分析初創(chuàng)公司Resson的B輪融資。至此，MGV已經(jīng)完成15項(xiàng)農(nóng)業(yè)技術(shù)投資。參與本輪投資的還有McCain 食品和 East Valley。

初創(chuàng)公司如何通過遙感為農(nóng)業(yè)提供最大幫助？

　　Resson使用無(wú)人機(jī)和地面相機(jī)拍攝農(nóng)田圖像，并通過它的核心分析系統(tǒng)RAMAS整合大量數(shù)據(jù)和分析算法，提供農(nóng)田和作物長(zhǎng)勢(shì)信息，為種植者提供農(nóng)資投入優(yōu)化、產(chǎn)量最大化、濕度評(píng)估、病蟲害監(jiān)測(cè)等服務(wù)。此類從事農(nóng)業(yè)圖像識(shí)別的初創(chuàng)公司如雨后春筍，紛紛涌現(xiàn)，但是分析效用和融資需求是資本關(guān)注的焦點(diǎn)。MGV投資負(fù)責(zé)人Ryan Rakeshaw透漏，投資Resson的原因是它采用機(jī)器學(xué)習(xí)技術(shù)來(lái)監(jiān)測(cè)和區(qū)分農(nóng)時(shí)當(dāng)中生物和非生物的負(fù)面影響源，例如作物病害、蟲害或者缺水等影響。此外，Ressen能夠采集多平臺(tái)數(shù)據(jù)，包括地面相機(jī)和無(wú)人機(jī)設(shè)備。同時(shí)，MGV認(rèn)為，Resson的商業(yè)模式很獨(dú)特，專注于和大型農(nóng)業(yè)公司合作，如此可以將技術(shù)投入到研發(fā)中去，為種植者帶來(lái)直接利益。

　　當(dāng)國(guó)外的初創(chuàng)企業(yè)在農(nóng)業(yè)領(lǐng)域的發(fā)展如火如荼時(shí)，國(guó)內(nèi)也毫不遜色，有不少海歸和本土團(tuán)隊(duì)積極開拓農(nóng)業(yè)領(lǐng)域的市場(chǎng)機(jī)會(huì)。2015年獲得經(jīng)緯領(lǐng)投千萬(wàn)級(jí)人民幣融資的佳格數(shù)據(jù)，其創(chuàng)始團(tuán)隊(duì)的海歸身份、北清背景，以及在美國(guó)航空航天局和能源部數(shù)十年從事遙感和大氣數(shù)據(jù)研究的經(jīng)歷，在成立之初就吸引了諸多關(guān)注。佳格CEO張弓博士曾在NASA從事遙感數(shù)據(jù)分析多年，他表示，通過現(xiàn)代技術(shù)實(shí)現(xiàn)農(nóng)業(yè)數(shù)據(jù)化、透明化已經(jīng)不是水中望月。遙感的“天眼”、無(wú)人機(jī)的“地眼”，以及人類上千年積累的智慧作為“人眼”，可以實(shí)現(xiàn)農(nóng)業(yè)數(shù)據(jù)的全采集。

　　海歸回國(guó)并投身農(nóng)業(yè)領(lǐng)域，這與國(guó)內(nèi)社會(huì)和資本的期許不謀而合。隨著精準(zhǔn)農(nóng)業(yè)、農(nóng)產(chǎn)品溯源和食品安全等問題變得越來(lái)越重要，公眾和企業(yè)對(duì)農(nóng)業(yè)透明化的期待和要求也日益增強(qiáng)。那么，農(nóng)業(yè)透明化該如何實(shí)現(xiàn)呢?

　　遙感衛(wèi)星和氣象衛(wèi)星無(wú)時(shí)無(wú)刻地不對(duì)地球進(jìn)行拍攝，存儲(chǔ)了大量氣象、土地、植被的歷史信息，無(wú)人機(jī)在飛過農(nóng)田上空時(shí)，捕捉了土壤、作物、農(nóng)資和設(shè)備的互動(dòng)和相互影響。加之人類在地面上采取測(cè)土配方等方法對(duì)土壤肥力進(jìn)行深入分析，農(nóng)業(yè)的各類要素都被完整地記錄下來(lái)。然而，無(wú)論是遙感還是無(wú)人機(jī)拍攝的影像，如果不加以分析和解析，對(duì)于普通種植者和管理者來(lái)說，是毫無(wú)用處的。

衛(wèi)星影像分析關(guān)鍵在哪？

　　衛(wèi)星影像的分析關(guān)鍵，就是將圖像上帶有不同形狀、大小、幾何結(jié)構(gòu)、上下文信息和紋理信息的目標(biāo)提取區(qū)分，再進(jìn)行分類。例如，一張遙感影像上可能包含水、土壤、植被、建筑等等目標(biāo)要素，每一類還可以根據(jù)需要再進(jìn)行細(xì)分，比如土壤還可以細(xì)分成沙土、黏土等等。

　　值得一提的是，衛(wèi)星影像的圖像識(shí)別還可以通過深度學(xué)習(xí)技術(shù)，實(shí)現(xiàn)自動(dòng)識(shí)別。也就是說，計(jì)算機(jī)程序可以自動(dòng)將帶有不同特征的目標(biāo)區(qū)別開來(lái)。這就極大節(jié)省了人力和物力，解決了農(nóng)業(yè)大數(shù)據(jù) “太大”的問題。將深度學(xué)習(xí)應(yīng)用于遙感影像分析，即使在全球都屬于比較先進(jìn)的嘗試。深度學(xué)習(xí)技術(shù)在未來(lái)農(nóng)業(yè)圖像識(shí)別中的應(yīng)用前景，無(wú)論在國(guó)內(nèi)還是國(guó)外，都是值得期待的。(文|吳沛錦)