案例简介
• 深圳市识农智能科技有限公司自主研发出的识农APP，是一个面向广大农户的人工智能病虫害诊断应用。
• 本案例中通过CUDA与TORCH平台处理目标检测、图像分类任务、实现从模型训练到模型部署的GPU加速，将人工智能技术应用于农作物病虫害诊断，解决农作物看病难的痛点。
• 本案例主要应用到Tesla P40 GPU和PYTORCH框架。
Case Introduction
• SenseAgro, is an artificial intelligence APP for growers, which can identify crop diseases, pests, weeds and nutrient deficiency.
• In this case, through NVIDIA CUDA and TORCH platform, processing target detection, image classification tasks, and GPU acceleration from model training to model deployment, SenseAgro applies AI technology into the identification of diseases, pests, weeds and nutrient deficiency, eliminates the problem of crops leading to a reduction in yield and quality.
• The major products utilized in the case is NVIDIA CUDA.
背景
识农智能成立于2018年，服务于广大种植户，致力于通过AI为全球农业赋能。
公司聚焦于农业科技领域，基于人工智能平台和深度学习框架与算法，自主研发的“农业+AI”应用——识农APP，为全球农户提供农作物病虫草害识别和解决方案，公司现建立了千万级病虫害、缺素、杂草等图片数据库，基于自行研发的符合农业场景的AI算法，配合数十位植保专家团队，研发出了操作简单，服务免费，识别准确的病虫草害识别工具。用户仅需打开小程序或APP，对着作物拍照，不到1秒即可识别病虫草害，并推送相对应的解决方案。
识农的识别准确率最高可达98%，为业内翘楚，被全球广大种植户使用。识农与多家科研院所、农业农村厅、农业上市公司和跨国企业进行合作，依托独特的人工智能算法，以大数据和移动互联网为强大科技后台，为全球农户解决农作物看病难的问题！
挑战
传统农业中，由于农户缺乏病虫害知识，导致农作物看病难，且农技专家培养周期长，通过人工智能进行病虫害诊断，已是大势所趋。将AI技术应用于病虫害诊断，面临着巨大挑战。一是数据，农业类的图片数据是一个稀缺资源，但是为了提升病虫害识别率，又需要大量图像数据作为支撑。二是算力，在拥有大量的图片数据之后需要对数据进行快速且高效的分析, 并且深度学习模型的训练也需要强大的算力。此外，在模型部署层面，强大的算力可以给用户带来更快、更优的体验，做到真正的秒速识别病虫害，不仅需要对海量数据进行处理，还需要进行算法模型部署。长期且大量的研究投入与时间成本将花费于此，无疑是一个巨大难题，仅仅是使用CPU进行处理，是远远不够的。
方案
- 在NVIDIA CUDA与TORCH平台的加持下，加速对图像数据的分析以及特征的构建，使得识农成为全国识别准确率最高的作物病虫害识别平台，吸引了数十万的用户使用识农，并与多家科研院所、农业农村厅、农业上市公司和跨国企业进行合作，机构无需再耗费数年时间研发 AI 平台，使用识农算法接口即可实现病虫害诊断功能，减少非核心环节的投入，实现轻运作。
- 利用 NVIDIA RAPIDS 加速平台，可以极大的缩短模型的开发时间，数据处理速度较原来提升了 5 倍，高效率和高速度可以节省80%的数据处理时间, 模型训练提升了将近 10 倍，并且使用TESLA P40 GPU多卡加速之后，模型训练速度更是提升了30倍, 缩短了开发周期, 降低了算法层试错的时间成本。
影响
通过识农，用户可将作物病虫草害交由机器识别，在人工智能平台上，即可解决作物看病难、看病贵的问题。将AI技术应用于作物病虫草害的诊断，核心问题是提升识别率和加速数据处理速度。
NVIDIA针对机器学习的加速，将CNN运算速度提升20倍，满足了处理海量数据的需求；以CUDA为后端，PYTORCH为平台，缩短了90%的算法研发时间与部署周期，为提升数据识别率打下了良好的基础，极大地减少了时间成本，有助于加速智慧农业发展进程。 传统农业正在加快发展脚步，愈来愈多的企业纷纷布局人工智能产业，智慧农业将是未来的发展趋势，将人工智能应用于农业领域，有助于加速我国农业变革进程