Taranis为AI平台筹集了2000万美元,用于作物研究

Taranis为AI平台筹集了2000万美元,用于作物研究到2050年,将有超过90亿人口,预测表明全球产量将会翻一番以满足需求。但这说起来容易做起来难。目前,世界上约有45%的作物热量被用于饲养牲畜或转化为生物燃料和工业产品。

Ofir Schlam说,部分问题归结为缺乏数据,他与Asaf Horvitz,Eli Bukchin和Ayal Karmi 共同创办了农业科技创业公司Taranis。没有数据,农民实际上是盲目的,他们不能为个别作物定制增长计划,也不能在超本地条件下阅读或对新出现的威胁做出反应,如疾病,寄生虫和杂草。他将Taranis的AI平台作为解决方案:将高分辨率图像和传感器与智能层相结合,以获得实时和历史见解,准确度高于90%。

到2050年,将有超过90亿口用于饲料,预测表明全球产量将大约翻倍以满足需求。这说起来容易做起来难。目前,世界上约有45%的作物热量被用于饲养牲畜或转化为生物燃料和工业产品。

Ofir Schlam说,部分问题归结为缺乏数据,他与Asaf Horvitz,Eli Bukchin和Ayal Karmi 共同创办了农业科技创业公司Taranis。没有数据,农民实际上是盲目的; 他们不能为个别作物定制增长计划,也不能在超本地条件下阅读或对新出现的威胁做出反应 – 如疾病,寄生虫和杂草。他将Taranis的人工智能(AI)平台作为解决方案:将高分辨率图像和传感器与智能层相结合,以高于90%的准确度获得实时和历史见解。

该成像技术的一部分来自旧金山公司Mavrx,Taranis于5月份收购了该公司。根据Schlam的说法,每架飞机每天可以覆盖多达50,000英亩的土地,或者在短短五分钟内就可以覆盖100英亩的土地。

收集图像(每英亩约1-2个)后,借助算法将它们拼接在一起。然后AI进行运作,Taranis模型基于在UHR步骤中进行的测量,对每个网格段进行分类和分析,以0.3-0.5毫米/像素的速度缩放作物照片。

Schlam表示,分辨率高到可以计算叶子上的甲虫数量。Taranis使用的不只是图片来进行预测。其他数据管道包括无人机成像数据,卫星图像,天气预报模型,Schlam声称比现有的解决方案和传感器详细75倍。

有了这些数据,Taranis的AI可以报告植物种群,无论作物的生长阶段如何,并计算植物出苗率,行距,行长,树冠覆盖率,株高,林分高度,树木直径和花数。此外,它可以检测何时出现构成潜在威胁的杂草,并自动对其进行分类以及提出定制的除草剂解决方案。它甚至可以计算植被中的养分含量,土壤中的含水量和植物温度。

同样强大的系统的增长跟踪是其疾病分析。Taranis的模型有两种模式:特定于站点和区域。在前者中,数据记录在现场,并考虑到侦察报告,农药应用和地面传感器的数据,以及区域气象站的记录。在区域模式中,它使用整个区域的热图估计整个区域(国家,州和地区)疾病爆发条件的适宜性并代表潜在风险。

所有这些预测和更多都是通过移动和网络应用程序提供的,这些应用程序优先考虑作物区域进行调查,并通过直接侦察员填写作物特定报告,其中包含照片,语音备忘录和农场经理可以实时查看和分析的感兴趣领域。在相同的应用程序中,经理可以为任何字段指定任务和活动,对任务进行分类,并将这些任务分配给员工或查看任务历史记录和当前任务状态。

Schlam声称,Taranis可以全面的将农作物产量提高7.5%。

目前,该创业公司为美国,加拿大,巴西,阿根廷,俄罗斯,乌克兰和澳大利亚的19,000多个农场提供服务,并在所有这些地点设有当地办事处,此外,共有60名合同农学家,他们手动训练系统并识别问题。Taranis目前的目标是商品作物,包括玉米,棉花,甘蔗,大豆,小麦和马铃薯,每季收费5至20美元。

本文为ATYUN(www.atyun.com)编译作品,ATYUN专注人工智能
请扫码或微信搜索ATYUN订阅号及时获取最新内容

发表评论