Outfield Technologies是一家位于剑桥的农业手艺始创公司，利用无人机和人工智能来帮忙果农最大化果园作物的收获。Outfield Technologies的创始人Jim McDougall和Oli Hilbourne一直在取博士互助。该系机械智能实验室的门生汤姆·罗迪克（Tom Roddick）开发了他们的手艺才能，进而可以根据无人机对伟大的苹果园进行调查来测算树上的花朵和苹果。
Outfield贸易总监Jim McDougall表明说：“对开花的正确评价或对收获的估量可以使种植者进步生产力，可持续性和环境友好性。”“我们的航空影象阐明着重于产量预算，并且正在国际上皆受到青睐。我们正在生果范畴面对的最大题目之一便是正确的产量展望。该体系是取种植者一同开辟的，适用于筹划劳力，物流和贮存。全部行业皆需求它，以筹划市场营销和分销，并确保货架上总是有苹果。今朝20％的估就算是由种植者做出的，他们的事情极度超卓，但果园的转变却令人难以置信，并且估量往往是毛病的。这将招致收入损失，功课效力不高，并大概招致未售出作物的大批虚耗。”
用3D计算机重修的英国果园于2019年4月开花。图片供应：剑桥大学
外场的识别方法是博士论文研讨的超卓使用。罗伯托·西波拉（Roberto Cipolla）传授引导的门生汤姆·罗迪克（Tom Roddick）正在研讨中。Tom是计算机视觉和机械人技能小组的成员，该小组致力于根据人工神经网络（ANN）利用深度进修方法，致力于人工智能和机械进修。
人工神经网络是一种模拟人脑的松散建模的较量争论体系，旨在识别形式。他们经过符号或聚类原始输入来注释感官数据。他们识别出的形式是数字情势，全部实在天下的数据（包罗图象，声音，文本或时候序列）都将转换为数字情势。
如许的体系平常根据阐发示例来“进修”执行义务，而无需运用刻定于义务的划定规矩开展编程。比方，正在图象辨认中，ANN可能会根据阐发已被手动标记为“苹果”或“没有苹果”的示例图象，并运用成果来辨认其他图象中的苹果，进而学会辨认包括苹果的图象。他们正在没有任何苹果先验常识的情况下开展此操纵，比方，苹果的色彩或外形。相反，他们会按照所处置惩罚的示例主动生成辨认刻征。
经由过程首先检验数据中的简朴形式（比方图象中的边沿或语音中的声音），然后慢慢构建观点的条理布局，直到庞杂的特点（如面貌或句子）出现在网络中，人工神经网络才可以开展聚类和分类。人工神经网络要领的最初方针是以取人脑雷同的方法解决问题。然则，跟着工夫的流逝，注意力已转移到施行特定使命上。人工神经网络已适用于多种使命，包含计算机视觉，语音辨认，机器翻译，社交网络过滤，棋盘游戏和视频游戏和医疗诊断。
图源：剑桥大学
正在攻读博士学位时代，汤姆（Tom）一向致力于自动驾驶，研讨经由过程摄像头捕捉的街道场景，为每一个元素增加解释和标签。他指出了汽车，行人，路边等的位置。为此，他利用了一种称为语义支解的东西来符号每一个零丁的像素，进而对正正在发作的事情有一个较高的掌握。外场需要正在果园照片中辨认苹果和花朵，而保证这一点的一种要领是利用这类语义支解要领。
Outfield数据收集办法的另外一个层面是查明无人机正在任何时候都正在那里，也有另外一条计算机视觉集合正在本地化上，能够算出您正在世界上的位置和正正在检察的内容。校友Kesar Breen，自力机械进修和计算机视觉照料，他已花了许多时候为Jim和Oli给予以为。Kesar协助他们概述了可适用于果园建模和阐发的手艺，以找出农作物正在哪里，并草拟了一种具有时候框架和请求的潜正在算法。凯萨尔说：“ Outfield正正在运用一些风趣但经由考证的手艺来处置非常主要的事情，以办理一个主要的业务题目。我以为这很可能正在贸易上可行。”
在谈到他取Outfield的事情时，Tom说：“ Outfield的语义细分需求有一些极度详细的纤细的地方，比方，由研讨的角度来看，这一些纤细的地方极度风趣。我习惯检察图象以辨认大型物体，比方汽车，轻易发觉，可是Outfield拥有的是这一些伟大的果园鸟瞰图，这一些图有数百万个像素，它想检验每朵开花的花朵或每片生果来盘算其中有几。若何有用，强大地保证这一点，以便可以辨别类似的物品；这是树上的苹果？照旧地上的苹果？”
吉姆说：“英国具有世界上一些最好的手艺和最好的手艺科学家。我们今朝正正在进行beta测试，个中包含将该模子取除苹果以外的其他农作物一同利用。“我们为将来两到三年订定了强有力的方案，我们将正在2019年10月开端一轮投资，以期正在2020年第一季度完毕。这将使我们可以全职投入更多团队，并大规模测试产物明年正在新西兰和英国。