无人机是农业的未来。根据麻省理工学院技术评论(MIT Technology Review)报告，在农业，无人机用于土壤与田地的分析、种植、喷洒（农药、施肥等）作物、作物监控、灌溉与健康评估。而且农业无人机是数据收集的工具。根据PwC曾发表无人机商业方案的市值2016年达1273亿美元。对农业来说，预估无人机在全球的应用价值达324美元。 

无人机用于农业之功能：

一、协助农田制图/调查 无人机配备有近红外线感测仪，可看到植物为了光合作用所吸收的光的光谱。根据这些讯息，使用标准化植被指数（NVDI）让农夫可以了解植物的健康装况。软件分析可用于更改数值，以反映特定作物类型，甚至特定作物在哪个生命阶段。除了作物的健康，无人机还可创造农田区的详细GPS地图。这让农夫更好地规画作物种植的地方，以最大限度利用土地、水和肥料。 

二、协助农田作物喷洒作业  为了维持产量，作物需要适当施肥和施用杀虫剂。过去的作法，手动驾驶车辆穿过农田并喷洒，或驾驶飞机喷洒。作物喷洒无人机可携带大型液体储存容器，可以更安全地操作（甚至自动操作）。相较操作和维护成本可以大幅降低。 

三、协助农田灌溉管理  配备有热成像照相机的无人机可以察知积水或土壤湿度不足的地方，再进行灌溉。热成像无人机透过更频繁的检查与测量，带给农人更好的方法来了解他们的田地。 四、农田牲畜监控无人机配备热成像照相机，能远程监控牲畜，预防受伤、走失、或在分娩的动物。无人机给了畜牧业者一个可以随时密切关注他们的牲畜的新方法，并提高获利。 

无人机在农业的应用案例：

Gamaya

瑞士的Gamaya公司于无人机上安装光谱影像相机，将相机结合了遥测、机器学习和作物科学技术。此相机也可以安装在轻型飞机上。 高光谱相机可以测量植物反射的光线。称在可见光和红外光谱范围内获得40个光谱带，比其他仅捕获四个光谱带或颜色的相机多10倍。该公司还解释说，具有不同生理与性状的植物反射光不同。这种模式随着植物的生长而变化，而受到影响。 相机背后的应用系使用机器学习通过将捕获的图像与其数据库中的图像进行比较，并使用颜色分配特定条件来将成像数据转化成信息。例如，红色表示缺乏土壤，蓝色表示裸土，白色表示土壤中有杂草，绿色表示作物与杂草交杂，黑色表示健康作物。这种颜色编码系统使系统能够创建作物和土壤条件的地图。 以下影片介绍Gamaya的技术能够绘制并区分杂草与植物，还能识别其他植物，如疾病和营养不良，以及土壤中的化学物质成分。

在2015年向Gamaya团队协助巴西的K Farm玉米田，无人机以5天的时间对玉米作物进行深入了解。 根据无人机摄相机捕捉到的数据，以算法得到了在他们的数据库中可匹配的玉米品种数据，并帮助Gamaya团队确定了不同品种以及它们在田间种植的位置。这使他们能够将每种玉米品种的良好表现与他们在田间的位置链接起来。 算法将作物效率程度与特定颜色结合，呈现了作物表现：绿色代表没有压力，黄色代表中等压力，橘色代表高压力，而红色代表没有植被，如下图所示： 

 

 

图二、作物状况与颜色

这让团队能够了解哪片区域的玉米健康成长、异常、或死亡。 Gamaya团队也能比较他们收集的玉米叶与光谱图像的化学数据，来生成整个农场的化学图谱。 

 

 

图三、化学图谱

这些化学地图让团队与农场主了解农田中营养的分布，也帮助Gamaya提出建议以符合植物需求。这些地图使Gamaya团队能够向农场主提出以下建议： ▲根据土壤类型和营养成分分配玉米种子。▲定期监测作物生长、杂草与疾病的存在，以提高作物产量。▲根据作物需要和土壤条件，在土壤中进行精确量的施肥。 如果遵循建议，该团队预测当前农场周期每个田地的收获量将增加5%至30%。同时，预计整个农场的产量将增加10%。 Gamaya已从投资者ICOS Capital Management、VI Partners AG、Sandoz Foundation、Peter Letmathe和Seed4Equity SA筹集了760万美元的资金。 Gamaya的首席技术官Dragos Constantin，他曾在Philips and Schlumberger-Doll Research研究所工作。他拥有洛桑联邦理工学院的计算器科学、遥测博士学位和卡尔斯鲁尔理工学院的计算器视觉硕士学位。 Neurala 开发Neurala Brain，是一个深度学习APP应用程序，仅需很少的训练、少量的数据存储和很少的运算资源。该公司称其技术可与NVidia TX1 GPU无人机配合使用，每秒可捕获5到8帧影像。 训练算法使用的是该公司的Brain Builder数据处理工具，让用户能够上传与标记自己的图像集。要开始训练的过程，用户必须上传目标物的八张图像到设备上。该公司声称Neurala的算法会在25秒内完成学习。这比传统的深度神经网络（DNN）快多了。传统必须在服务器上训练超过15小时，而且每个目标需要36张图像。 该无人机导入AI可用于检查电塔、风力涡轮机、管线和电气基础设施。AI使无人机能识别塔架和线路部件的缺陷，比如需更换、修理受损部分。 Neurala展示AI无人机的影片，如下：

Neurala获得152亿美元的创投资金，包括：Pelion Venture Partners、Sherpa Capital、Motorola Ventures、360 Capital Partners、Draper Associates、SK Ventures、Idinvest Partners和Ecomobility Ventures。 Anatoli Gorchetchnikov是Neurala的联合创始人兼CTO。他曾是波士顿大学的研究助理教授，也是Surfari的AI首席开发人员。他握有多项专利，并撰写了30多篇关于神经网络的出版物。他有波士顿大学的认知和神经系统博士学位，和计算器科学硕士学位。 Iris Automation Iris Automation开发了商业无人机的防碰撞技术，这应用程序让无人机能观测并解读周围环境，并移动飞行器以避免碰撞。适用于农业、采矿、石油和天然气，以及包裹递送。特别是农业，该公司声称此无人机应用程序能在与其他无人机在安全互动下，帮助农民收获作物、播种、与控制害虫。 以下影片展示，Iris Automation的碰撞预防技术使无人机能够在视线范围外的操作时识别、跟踪和避开其他飞行器：

为了安全可靠的飞行，该系统的计算机视觉让它能在飞行时捕捉周遭环境的画面，从而看到障碍物、飞行器、及其它潜在的危险。一旦捕捉到图像画面，摄像机的深度学习算法会藉由找寻数据库中相似的图像，来处理数据，以识别物体是甚么，之后，可让无人机知道该如何避开飞行。 Iris Automation公司成立于2015年，已从17家投资者（包括Bee Partners和Bessemer Venture Partners）筹集了1000万美元的资金。 Alexander Harmsen是Iris automation的联合创始人兼CEO。他曾在美国NASA喷气推进实验室担任飞机计算机视觉程序设计师。他拥有British Columbia大学应用科学、工程物理学士学位。 Sensefly SenseFly提供Ag 360计算机视觉无人机，可捕捉田地的红外线图像，以帮助农场监测不同生长阶段的作物并评估土壤状况。这可以让农民追踪植物健康状况并确定需要施用的肥料量以避免浪费。

影片介绍SenseFly无人机与eMotion Ag软件协同工作。用户首先使用该软件来规划无人机的飞行路径并监控飞行中的无人机。该公司声称可以存取领空数据和实时天气更新，以帮助计划和监控无人机。 无人机捕获农场的影像数据，而eMotion则直接将这些图像上传到云端。 Pix4Dfields图像处理应用程序生成田地的空照图，用于作物分析。其算法通过其数据库中查找匹配图像来识别植物和土壤的状况，从而转换成像数据以创建农田地图。该公司声称，该应用程序是透过农民、农学家和育种者的投入进行训练的。 这些地图让农场主能够确定土壤特征，如温度和湿度，并判断在土壤施肥以改善作物生长。然后，该信息可影响下次农场周期中的决策以改善生产。 SenseFly成立于2009年，隶属于Parrot Group商业无人机旗下。于2012年以516万美元被收购。Raphael Zaugg是SenseFly的研发主管。他获得了洛桑联邦理工学院的机械电子学、机器人和自动化工程硕士学位。 

农业用无人机解决方案

一、DJI AGARS MG-1S农业无人机地面感测雷达以精确飞行可更换的喷嘴以优化喷洒轻松且智能的操作规划坚固的设计和组件 

二、Phantom 4 pro deluxe NDVI AG KIT易于整合作物的健康感测给无人机捕捉近红外线成像以监控作物的健康可使用所有Sentera’s FieldAgent的软件 三、DJI M100与Micasense一个飞行平台可订制化携带多种摄像传感器和电池负载Micasense是个全光谱带传感器，便于收集作物信息 

农业传感器与软件

一、Micasense与Atlas生产叶绿素与杂草探测地图长时间追踪数据以监控年度产量变化识别疾病、与突显压力变化 

二、Sentra与fieldAgent输出地图到John Deere Operations Center处理传感器数据，并得到对NDVI与NDRI的见解生成正射影像镶嵌地图在选定区域，无人机自动飞行 三、DJI Zenmuse St与DroneDeploy易与Skymatics、Aglytix和John Deere农业管理软件整合识别作物压力，追踪施肥状况，并提早发现疾病长时间监控植物的治疗与长势追踪牲畜与分析放牧模式。