導讀： 人類獲得訊息大多數(shù)是依靠眼睛的，對于機器人來說，眼睛也同樣重要。依賴于WeRobotics特有的視覺和觸覺算法，以及大數(shù)據(jù)采集分析技術，可以讓機器人可以觀察感知，并通過觀察到的信息引導機器人的行為?；贒aoAI的深度學習，WeRobotics不僅使機器人可以像人類一樣看到，而且能做出判斷并正確工作。

　　在短短30年的時間內(nèi)，人們預測我們這個星球上的人口將接近100億。

　　如何養(yǎng)活地球上100億人口?John Deere認為人工智能和機器視覺會很有幫助

　　生產(chǎn)足夠多的食物來喂飽這些饑餓的嘴巴，生產(chǎn)足夠多的日用品來滿足人民日益提高的對生活品質的追求將是一項挑戰(zhàn)，而城市化等人口趨勢，特別是發(fā)展中國家的人口趨勢，只會加劇這一問題。

　　為了應對這一挑戰(zhàn)，工業(yè)必須實現(xiàn)極度的自動化，而農(nóng)業(yè)企業(yè)將希望寄托在技術上，并認為日益復雜的數(shù)據(jù)和分析工具將有助于提高效率并減少農(nóng)業(yè)和糧食生產(chǎn)中的浪費。

　　據(jù)SFUVentureLabs消息，4月10日，由加拿大SFU大學創(chuàng)新風險實驗室和北京微鏈道愛科技有限公司合作孵化的DaoAI機器人認知技術獲得新的進展：在搭載了該團隊研發(fā)的3D機器人視覺智能相機的工業(yè)機器人上，WeRobotics認知系統(tǒng)實現(xiàn)了對移動物體的自動跟蹤和識別，并實現(xiàn)了對芯片晶圓的3D亂序識別抓取。這標志著工業(yè)機器人的3D視覺的識別精度達到了微米級。

　　微鏈科技是一家以機器人3D視覺引導為主的人工智能企業(yè)，其產(chǎn)品涵蓋2D,2.5D和3D的視覺引導和檢測，尤其是其研發(fā)的機器人視覺認知系統(tǒng)，具有0.1秒的速度和0.02mm的精度而為業(yè)內(nèi)所稱道。微鏈科技在加拿大的研發(fā)實驗室擁有國際一流的研發(fā)設備和研究人員，是國際領先的機器視覺公司?，F(xiàn)在傳統(tǒng)的工業(yè)機械臂只是一個自動化設備，只能執(zhí)行簡單的重復性動作，不具有基本的認知能力。有少數(shù)國際視覺公司如康耐視等，也只能實現(xiàn)簡單的2D視覺定位，不能勝任更復雜可靠的工作。"我們的工業(yè)3D機器人視覺技術已經(jīng)非常成熟可靠。在未來五年，我們將投入總計不少于十億元的研發(fā)經(jīng)費，以保持對機器人視覺技術的引領?！蔽㈡溈萍伎偨?jīng)理張宇向我們透露。目前微鏈的3D機器人視覺已經(jīng)應用在奔馳汽車座椅零部件的生產(chǎn)線上。

　　SFUVentureLabs?是世界級科技加速器

　　近年以來，加拿大的人工智能產(chǎn)業(yè)發(fā)展迅猛，在機器視覺領域，就有全球首屈一指的機器人認知技術公司DaoAI Robotics 和制造相機的LMI Technologies。

　　而農(nóng)業(yè)領域引領潮流的是John Deere——這家擁有180年歷史的農(nóng)業(yè)和工業(yè)機械制造商，在過去的十年里，一直致力于人工智能(AI)和數(shù)據(jù)驅動業(yè)務。我在此之前曾經(jīng)報道過John Deere。

　　在2013年開啟這段旅程之前，它公布了Farm Forward的愿景——展示了“自動化農(nóng)場”的概念，機器將從中央控制中心遠程管理。它顯示了一個農(nóng)民實時監(jiān)控數(shù)據(jù)點并從家中的控制臺管理機器，而人工智能則負責實時的運營決策。

　　現(xiàn)在它已經(jīng)發(fā)布了它所謂的2.0版本的愿景——代表了向學習和實際應用智能化、自主學習技術的飛躍，這是從數(shù)字化轉型早期以來實現(xiàn)的。

　　我與John Deere智能解決方案集團(ISG)的高級副總裁John Stone談到了自從這次旅程開始以來所學到的知識，以及它如何推動其對農(nóng)業(yè)未來的最新愿景。

　　Stone告訴我：“現(xiàn)在我們非常注重人工智能、計算機視覺和機器學習……令人驚奇的是，所有這些技術都是如此適合農(nóng)業(yè)使用?！?/p>

　　Blue River是由Deere于2017年收購的硅谷機器學習初創(chuàng)公司，它為這家跨國巨頭進軍人工智能提供了基礎，尤其是他們在計算機視覺方面的專業(yè)知識，證明了自己是一項非常寶貴的資產(chǎn)。

　　計算機視覺本質上是教授計算機“看”的科學——解釋攝像頭捕獲的圖像，以了解它們所展示的內(nèi)容，并根據(jù)了解到的內(nèi)容實現(xiàn)自主決策。

　　Stone說：“農(nóng)民多年來一直是農(nóng)場主要的‘傳感器’——而農(nóng)業(yè)的大部分的內(nèi)容都是視覺上的?！?/p>

　　“這就是地面看起來的樣子，你通過植物的樣子判斷出它的健康狀況嗎?葉子很漂亮而茂盛還是正在變黃?有蟲子嗎?”

　　“通過深度學習革命為農(nóng)民多年來夢想解決的問題打開了希望的大門……通過計算機視覺系統(tǒng)和深度神經(jīng)網(wǎng)絡，這些技術在農(nóng)場中有著非常令人興奮的未來?！?/p>

　　在收購Blue River之前，Stone于2016年開始在ISG任職，這意味著他從一開始就監(jiān)督了這家工業(yè)巨頭與人工智能新貴之間的合作關系。

　　“如果你看看有多少大型工業(yè)企業(yè)成功收購并與硅谷的初創(chuàng)企業(yè)聯(lián)手，我猜并不是那么多 ——我們的開局非常棒?！?/p>

　　作為兩家公司文化融合并相互學習的證據(jù)，他表示，在收購之后，Blue River的90名員工里，只有一人辭職?！皥F隊的文化非常出色——一些最好的深度學習和機器學習科學家……以及全棧軟件程序員……他們恰好對農(nóng)業(yè)具有如此巨大的影響力。他們希望在重要的應用中實踐他們的技術 ——而不僅僅是在研究論文里打轉?！?/p>

　　雖然See and Spray系統(tǒng)還沒有為商業(yè)部署做好準備，但John Deere還擁有其他機器和深度學習系統(tǒng)，這些系統(tǒng)已經(jīng)交到了全球數(shù)千名農(nóng)民手中。

　　Deere保持人工智能和農(nóng)業(yè)領先戰(zhàn)略的另一個關鍵部分是JD Labs的“初創(chuàng)公司合作者”。這使得它能夠與初創(chuàng)企業(yè)緊密合作，這些敏捷的小型企業(yè)能夠以John Deere的巨大規(guī)?？赡軣o法實現(xiàn)的方式開發(fā)和試用創(chuàng)新技術。

　　Stone表示：“這是一個非?？岬挠媱潱梢詭椭覀兝^續(xù)與一個真正令人興奮的社區(qū)保持聯(lián)系?！彼硎荆骸拔覀兲峁┮恍┲笇Ш娃r(nóng)業(yè)、農(nóng)藝領域的專業(yè)知識，而他們有機會繼續(xù)研究他們的技術并改進它，我們會看到最終會發(fā)生什么。”