带着人工智能扎进农田，90后海归博士想让务农成为很酷的事
系列报道之⑤
电子科技、机器视觉、人工智能，这些当下听起来颇为“高大上”的研究领域几乎贯穿了王昊的整个学生生涯，但在职业生涯的开端，90后的他却选择进入农业领域，试图将这些前沿技术“扎进”一片片农田中，希望能切实地去改变农民们的耕种环境。
作为国家农业智能装备工程技术研究中心的工程师，王昊负责的研究方向囊括智能农业动力装备的动力与自主作业系统，他目前主攻大田农业生产中的农机自动驾驶相关难题。农田环境复杂，想要让农机能精准作业，就要对农田环境信息进行高精度感知与识别，因此该方向是王昊一直以来研究课题的攻关重点和难点。在偶然的机会下他接触到了百度飞桨产业级深度学习平台，于是他带着“交互式农田图像感知方法”这个研究课题尝试解决其中最重要的“精准度”相关技术难题。
飞桨为王昊带去了更便利的技术加持，但在研究过程中依旧需要磨合，一个又一个的新问题层出不穷，而王昊仍在不急不躁地稳步推进自己的研究进程。他表示，虽然在此领域已经深耕了八年，但从科研历程来看，八年仅处于一个研究课题的孩童阶段。
伴随着飞桨平台的技术赋能，他为自己设下了一个看似简单却要付出极大心力的小目标：用更少的交互次数去实现更大面积的农田管理。他坦言，中国是农业大国，他希望能利用技术去改善农民的作业环境，从而吸引更多的年轻人去从事农业相关工作，“技术加持下，未来年轻人可能会觉得从事农业也可以是一件很酷的事。”
无人播种机器人
无人插秧机
无人驾驶视频监控
海归博士一头扎进了农田
王昊在大学本科开始电子科学与技术专业的学习，研究生期间开展机器视觉和图像处理技术的研究，并开始探索智能车辆相关技术。在日本读博时，他萌发将相关的人工智能技术运用到农业领域的想法，再到最后从事相关科研工作。由面及点，层层深入，一条标准又正统的学术研究道路，在王昊身上体现得淋漓尽致。
而这样严谨的理工科气质也体现在他与记者的谈话过程中，回答每个问题前会有短暂的停顿来进行思考，语速均匀声音清晰，几乎没有多余的话语，对生涩的专业词汇会试图用自己的逻辑力求解释清楚，避免引起误解。谈到为何研究的是当下最“吸金”的人工智能、无人驾驶相关技术却一头扎进了又苦又累还薪资不高的农业领域时，他轻笑后语气淡然地表示：“兴趣使然。”他回忆道，自己也曾有机会进入看起来更为“高大上”的行业，“研究生时期我其实还可以选择芯片方向的，但我当时迫切地希望自己的所学能扎实落地于具体场景”，他表示，在许多人眼里农业是个风吹日晒的行业，但他更多考虑到的是，农田多是半封闭、低慢速的场景，利润不高，从事的人也越来越少，加上中国未来老龄化问题突出，他预判往后“无人种田”及“无人会种田”将是很大的问题，而自己所研究的技术，恰好能解决其中很关键的自主化耕种问题，可研究空间广阔。
王昊是个目标清晰的人，回顾自己的求学和求职生涯，几乎没有太多对自己主攻方向迷茫的时刻，一切走过的路都成了最好的安排。本科时期广泛涉猎图像处理相关知识为其之后环境感知领域的研究打下了扎实的理论基础，博士时期坚定地选择研究农机自动驾驶方向，就业阶段进入国家农业智能装备工程技术研究中心后就加入了精准农业部，进一步开展无人农机的传感器和导航装备的研发。他笑称，自己十分幸运，不但实现了对口就业，还能连研究方向都对口。
“正负2.5厘米”的对决
但在将技术具体落地到环境复杂的农田的科研过程中，辛苦和困顿却鲜为人知。王昊介绍，自己主要从事的是在开放环境下大田农业生产环节智能化的研究，“比如拖拉机、插秧机的智能化，其中就包括了这些农机在自动驾驶技术的赋能下如何更加精准执行劳作的问题与探索。”要让庞大的农机干精细活，对农田的环境感知和路径规划就成了核心问题，也是课题研究的难点。
王昊表示，虽然农田一整块看起来挺规整，但其实当要运用农机的无人驾驶技术时就会发现农田环境异常复杂。“比如农田周围有灌溉沟渠，有的渠道用水泥砌成梯形，容易分辨；但有些无衬的土质农毛渠里面还长着杂草，和农田区域很像，农机手自己有时候都分不清就开进去了。”换言之，农田与工业生产中标准化、封闭的环境完全不同，天气的实时变化、农田里的暗沟、地下灌溉管道、杂草干扰等因素都为无人农机的路径规划和环境感知带来了许多困难。这也是为何王昊和同事尝试过很多技术方法，但没有解决这些“卡脖子”问题，无法实现农机全程无人驾驶。操作难度高的同时，农机无人驾驶对精准度的要求也非常高，“乘用车自动驾驶想实现车道保持，导航精准度在10厘米以内就够了，但农机的精度要求是正负2.5厘米，精度不够的话就会面临压垄伤苗等问题。”
而飞桨平台的相关技术套件就刚好能用于辅助农田环境感知相关的研究，王昊表示，自己希望能运用飞桨实现精度高、能灵活操作的环境感知整体解决方案，“不想像现在这样，人扛着设备在田里测，也不想开着拖拉机在地里测。”据了解，目前王昊主要是运用飞桨图像分割开发套件PaddleSeg将无人机获得的图像，用交互式的分割方法迅速得到农田区域的边界信息，开发并实现了农田环境识别分割的相关模型，并成功应用于基于北斗的农机自动导航系统。他表示，飞桨能够提供近乎实时的交互速度，以及用户获得流畅的操作流程。而且在有人监督的情况下，结果准确度高。这样速度和精度都有了保障。
精准农业基地三维场景俯视图
精准农业基地三维场景倾斜俯视图
三维场景下无人农机作业轨迹
“让年轻人觉得从事农业是一件很酷的事”
在交谈的过程中，记者发现“精准”一词是智能农机无人驾驶研究领域的高频词汇。的确，在大田农业中，种子撒入农田后，耕、种、管、收等重要环节都可以交由农机完成。智能化作业前，农机需要对农田环境进行精准的识别分割，规划最合适耕种的地方；作业过程中，智能农机需要“认识”作物，帮助农民进行作物估产、分析区域长势，生成作业处方，指导农机自主作业。要确保智能农机走对路、做对事，不论是作业前的路径规划，还是作业中对农田的障碍物感知，都要需要达到厘米级标准。
地块分割数据
王昊介绍，其实“精准农业”的概念从上世纪八九十年代就有，现在更多称之为“智慧农业”。“我们现在所说的‘精准’，就是希望在不规则地块也要农机走得直，作业不重不漏，提高土地、种子和肥料的利用率。”因此，这就需要获取精准度高的农田图像以便之后对农机作业路径进行合理规划，他表示，目前希望图像的分割精度达到80%以上，听起来数值不高，但在复杂的农田环境里要到这个准确度其实很难。“目前只允许用户交互三次的情况下，农田边界的分割精度大概能达到85%-90%。”今年，王昊所在的团队已经开始在国内分点进行无人农场的实验建设，将已有的解决方案运用在实验基地里。除此之外，王昊希望利用飞桨平台提供的支持，运用有限的传感器挖掘更多的信息，进一步减少交互次数，让系统有更好的表现，实现大面积农田管理。
回望自己的研究历程，王昊告诉记者，自己坚持下去的动力大概能用“兴趣”和“使命感”来概括。他始终记得早年间那位开着团队研究出来的无人驾驶插秧机的农民兄弟的笑脸，以及对他们的感谢话语。“那一刻觉得自己实实在在地用所学为老百姓做成了些事”，他在采访中多次提到，希望在技术赋能下，能有更多的年轻人进入农业领域，“希望农民不用在冬冷夏热的情况下坐在农机上辛苦劳作，我们把无人驾驶农机做好，或许可以让年轻人觉得从事农业生产也可以是一件很酷的事。”
采写：南都记者 徐冰倩
编辑：王欣,甄芹
更多报道请看专题：上岗了！AI
banquan@nandu.cc. 020-87006626