編譯：chux
出品：ATYUN訂閱號
到2050年，將有超過90億人口，預測表明全球產量將會翻一番以滿足需求。但這說起來容易做起來難。目前，世界上約有45％的作物熱量被用於飼養牲畜或轉化爲生物燃料和工業產品。
Ofir Schlam說，部分問題歸結爲缺乏數據，他與Asaf Horvitz，Eli Bukchin和Ayal Karmi 共同創辦了農業科技創業公司Taranis。沒有數據，農民實際上是盲目的，他們不能爲個別作物定製增長計劃，也不能在超本地條件下閱讀或對新出現的威脅做出反應，如疾病，寄生蟲和雜草。他將Taranis的AI平臺作爲解決方案：將高分辨率圖像和傳感器與智能層相結合，以獲得實時和歷史見解，準確度高於90％。
到2050年，將有超過90億口用於飼料，預測表明全球產量將大約翻倍以滿足需求。這說起來容易做起來難。目前，世界上約有45％的作物熱量被用於飼養牲畜或轉化爲生物燃料和工業產品。
Ofir Schlam說，部分問題歸結爲缺乏數據，他與Asaf Horvitz，Eli Bukchin和Ayal Karmi 共同創辦了農業科技創業公司Taranis。沒有數據，農民實際上是盲目的; 他們不能爲個別作物定製增長計劃，也不能在超本地條件下閱讀或對新出現的威脅做出反應 – 如疾病，寄生蟲和雜草。他將Taranis的人工智能（AI）平臺作爲解決方案：將高分辨率圖像和傳感器與智能層相結合，以高於90％的準確度獲得實時和歷史見解。
該成像技術的一部分來自舊金山公司Mavrx，Taranis於5月份收購了該公司。根據Schlam的說法，每架飛機每天可以覆蓋多達50,000英畝的土地，或者在短短五分鐘內就可以覆蓋100英畝的土地。
收集圖像（每英畝約1-2個）後，藉助算法將它們拼接在一起。然後AI進行運作，Taranis模型基於在UHR步驟中進行的測量，對每個網格段進行分類和分析，以0.3-0.5毫米/像素的速度縮放作物照片。
Schlam表示，分辨率高到可以計算葉子上的甲蟲數量。Taranis使用的不只是圖片來進行預測。其他數據管道包括無人機成像數據，衛星圖像，天氣預報模型，Schlam聲稱比現有的解決方案和傳感器詳細75倍。
有了這些數據，Taranis的AI可以報告植物種羣，無論作物的生長階段如何，並計算植物出苗率，行距，行長，樹冠覆蓋率，株高，林分高度，樹木直徑和花數。此外，它可以檢測何時出現構成潛在威脅的雜草，並自動對其進行分類以及提出定製的除草劑解決方案。它甚至可以計算植被中的養分含量，土壤中的含水量和植物溫度。
同樣強大的系統的增長跟蹤是其疾病分析。Taranis的模型有兩種模式：特定於站點和區域。在前者中，數據記錄在現場，並考慮到偵察報告，農藥應用和地面傳感器的數據，以及區域氣象站的記錄。在區域模式中，它使用整個區域的熱圖估計整個區域（國家，州和地區）疾病爆發條件的適宜性並代表潛在風險。
所有這些預測和更多都是通過移動和網絡應用程序提供的，這些應用程序優先考慮作物區域進行調查，並通過直接偵察員填寫作物特定報告，其中包含照片，語音備忘錄和農場經理可以實時查看和分析的感興趣領域。在相同的應用程序中，經理可以爲任何字段指定任務和活動，對任務進行分類，並將這些任務分配給員工或查看任務歷史記錄和當前任務狀態。
Schlam聲稱，Taranis可以全面的將農作物產量提高7.5％。
目前，該創業公司爲美國，加拿大，巴西，阿根廷，俄羅斯，烏克蘭和澳大利亞的19,000多個農場提供服務，並在所有這些地點設有當地辦事處，此外，共有60名合同農學家，他們手動訓練系統並識別問題。Taranis目前的目標是商品作物，包括玉米，棉花，甘蔗，大豆，小麥和馬鈴薯，每季收費5至20美元。