内容来源：年8月27日，在泰伯GIO企业家俱乐部主办的第十三期围炉夜话上，刘龙博士进行了以“视觉光谱在数字农业中的应用”为主题的精彩分享。活动吸引了空间地信行业内董事长、CEO、教授学者等VP级别以上的多位企业高管的实时参与。讲者简介：刘龙，中国科学院遥感与数字地球研究所博士，麦飞科技联合创始人兼CTO，国家自然科学基金青年基金获得者，多家国际顶级遥感期刊审稿人。是水稻植株精准探测领域的权威专家。
字
10分钟阅读
各位GIO、空间地信行业的朋友们，大家好，我叫刘龙，是北京麦飞科技联合创始人，在公司里面主要负责技术研发，非常感谢泰伯GIO俱乐部给我提供这么一个机会，能够跟大家进行一小时的交流。麦飞主要做数字农业方面的事情，今天跟大家分享的是视觉光谱在数字农业中的应用。
一、麦飞科技创始团队
首先向大家介绍一下我们的创始团队：
麦飞科技联合创始人兼CEO宫华泽是遥感应用技术专业博士（农业遥感科学），中国科学院研究员，中国科学院青年创新促进会会员，国际TanDEM-X卫星计划PI，国家高分辨率对地观测体系起草团队成员，参与制定国家遥感数据产品产业化标准。麦飞科技联合创始人兼COO陈祺是武汉大学摄影测量与遥感科学硕士，曾服务于航天科技集团、阿里巴巴集团，任产品总监。多次带领团队实现由实验室技术到千万级UV产品的飞跃；实现阿里大数据产品市场化和变现。
麦飞科技联合创始人兼CTO刘龙是中国科学院地图学与地理信息系统专业博士，国家自然科学基金青年基金获得者，多家国际顶级遥感期刊审稿人。是水稻植株精准探测领域的权威专家。
(从左到右，分别是陈祺，宫华泽，刘龙）
二、国家战略发展的需求
在麦飞看来视觉光谱主要还是一个技术、一个工具、一个手段，而工具和手段都是为了要解决农业中实际存在的问题。
整个农业，我们认为可分为四个阶段：一是传统农业，是中国几千年来一直采用的方法。二是机械农业，建国之后中国一直倡导实现农业机械化，现在的话这个进程还是没有完全，还在进行中。三是数字农业，是在地学空间和信息技术支撑下的集约化和信息化的农业技术。四是智慧农业。我们认为数字农业阶段是智慧农业前面一个阶段，只有先把农业的农田数据收集起来，才能完成数据驱动，进入更高级别的智慧农业阶段。
目前中国在整个中央层面，包括整个国家规划层面，对于数字农业及智慧农业相关技术非常重视。
每年在国家一号文，以及相关国家部委出台的文件中经常可以看到，出台相关数字农业包括智慧农业的一些文件，而且现在国家倡导乡村振兴，里面的技术应用，包括遥感技术、物联网技术、5G技术，都在整个乡村振兴大战略里面是非常重要的一部分。
三、遥感技术在数字农业中的应用
因为我们是从中科院遥感所出来的，所以主要依靠遥感技术，讲的更多是遥感技术在数字农业中的应用。
而遥感技术按照麦飞使用技术分为两块，一块是光谱，即多光谱、高光谱相关的事情；另一块就是视觉，视觉这一个有点偏计算机视觉AI图像处理，这两块是麦飞主要应用的事情，也是我们在数字农业中实际做的。
刚才讲到如果要做数字农业，还是要为农户、农场主产生价值，为他们产生价值是从两方面，一方面帮助他们提高产量，另一方面就是降低成本。
对于麦飞来讲，我们现在主要发力点是在第二块，也就是降低成本，如何通过遥感手段获取农田空间信息、时间信息，通过空间和时间两个维度信息引入，能够对农业投入品，包括种子、化肥、农药，更加精准使用，降低农业种植中的成本。
整个农业基本上分为产购储加销，这几个链条。
麦飞主要是做前面生产端的，生产端根据时间分为耕、种、管、收四个阶段，在每一个阶段遥感技术都可以介入。在耕、种时候，遥感可以监测土地平整；当然农机上面的话，现在也有这方面技术，包括土地肥沃程度；管理包括水肥管理、农药施洒；收获包括品质的监测、收割产量预测。所以遥感技术在整个耕种管收的四个阶段都可以介入、都可以发挥作用。
麦飞在创业初期主要选择从农药这个角度进行切入。因为相对于水分或者说肥料的精准使用来讲，农药精准喷洒见效非常快，在喷洒完之后基本上1-3天之内就可以看到农药使用效果，这个可以让客户，农户或种植者熟悉这项技术的效果，对于市场推广是很有利的。
所以麦飞在一开始创立的时候，首先选择精准科学施药技术作为切入点。
精准科学施药技术由四个部分构成：
第一部分是视觉光谱算法，你如何通过视觉的手段，通过光谱的手段，把病虫害非常精准的看出来，能够将农药非常精准的撒下去，这块需要视觉光谱算法作为支撑。第二个部分是我们的麦视监测机载体，如何快速精准获取数据，需要监测机进行数据收集。第三个部分是大数据平台，因为要做农业，单纯依靠收集农田里的数据，是不足以得到非常准确的信息，背后必须有大数据支持，有非常多的农田知识作为背景才能够把整个模型建准。第四个部分是数据获取网络，我们单独把数据获取网络提出来，是因为对于麦飞来讲，麦视监测机是其中一个数据获取渠道。我们还有大量地面人员，地面人员是我们实际开展业务的运营人员，对他们来讲，他们不仅要从事实际业务，还需要对农田地块、作物生长状况进行大量的人工收集，所以我们整个数据获取渠道建设就会包括数据收集和人工收集这两个渠道。当然还有其他辅助数据获取，比如说地理信息基础数据、像DEM、卫星遥感影像，甚至包括气象数据，这都是辅助数据，会一并纳入到我们整个数据获取网络中来。
这里我着重讲一下视觉光谱算法，因为既然说到视觉光谱的话，就分视觉跟光谱两部分，视觉光谱面向的对象是病虫害。
四、病虫害监测等级划分
我们首先对病虫害进行定义，目前麦飞根据病虫害监测内容做了5个级别划分，L0-L4，这个是仿照自动驾驶来的。对于目前人工巡田的方式，完全不需要借助任何传感器，任何设备，纯粹靠人的经验到农田里面进行数据获取，麦飞把这个级别定义为L0。人类什么都不用去田里面看，完全实现无人化的全靠机械设备、靠我们技术手段就可以直接把农田状况获取到，并且精准把药方开出来，这是我们认为做遥感病虫害监测的最高级别，我们把它定义为L4。在L0和L4中间还需要一些过渡性的内容获取，我们定义为L1、L2、L3，L1是农田里面病虫害程度一个相对分布，L2是农田里面病虫害绝对分布，L3是可以区分病虫害的种类，每一个级别上升，我们认为都是突破性，都需要前期很大、很强的技术积累。
首先L0到L1，因为在农田里面各种信息耦合在一起，尤其是对于我们遥感算法来讲，观测到的遥感信息变化可能是由于采用了不同的数据源，如何把不同原因进行解耦，把其中病虫害信息提取出来，是从L0到L1级别非常关键的一项技术。从L1到L2的话，因为对遥感来讲，不做定量遥感，观测其中相对变化还是比较容易，但是要实现绝对定量判别以及分析的话，要做很多定量化的工作。因为你在田间里面要对反射率进行非常精准的测量，需要对田间反射的光谱、辐射定标相关事情进行非常精准的建模才可以。
此外，因为从L1到L2要对病虫害进行定量分级，传统的分级手段这时候就不太适用。对于作物不同的病虫害种类需要建立全新的分级体系，通过一些视觉、光谱的特征，能够对病虫害级别进行刻画，这样才有更加精准，定量化的增值，可以帮助你进行病虫害分级体系的建立。所以说这个体系的建立，以及遥感数据预处理方面的技术，是从L1跨到L2需要解决的一些问题。
接下来是L2到L3，L3就更难一点，因为在遥感里面广泛存在一个问题就是异物同谱和同物异谱的这么一种现象。对于病虫害监测仍然这样，不同种类的病虫害，甚至包括生理性的变化所导致的光谱效应，都会混杂在一起，如何把这些区分开来是非常典型的问题。我们获取的观测量有限，但是我们对应的未知量远远大于我们的观测量。所以说从L2到L3又是一个遥感监测中的一个坎儿。为了跨过这个坎儿，需要借助大量辅助信息，所以一些丰富的知识库，包括图谱库、图片库、真值库的建立就非常重要。
从L3到L4，因为整个病虫害监测是动态过程，病害和虫害是不一样的，病虫害里面分时变和非时变的特征，而对于抗药性变化更加具有非线性特征，更加复杂，如何通过遥感巡田的方法，直接把药方开出来呢？离不开后端农药大数据库的支持。
像农民选择农药，虽然选择种类不是太多，但是对于不同病虫害，不同的物后期，甚至不同品种，包括不同气侯条件还是有非常多的讲究。如何把这些经验类的信息，转化到我们农业数据库里面去，通过一些逻辑判断，把我们监测信息与农药能够对应起来，甚至包括很多农药复配、配比，这些都需要一些长时间的积累，而这些是从L3级别到L4级别跨越必须完成的一步。
以上是我们麦飞对于病虫害监测不同级别所做的一个划分，以及不同划分里面我们认为比较关键、核心一些技术。后面就回到我们监测里面来。
五、怎么监测田间病虫害？
一个靠我们光谱技术，一个就是靠视觉技术。我先讲一下光谱，因为
转载请注明：http://www.0431gb208.com/sjszlff/2177.html
