文章插图
当然 ， 这台机器人并不是 Mineral 的全部 ， 而是该公司构思的软件和硬件工具当中的第一个产品 。
这台机器人被称为 "Plant Buggy"——直接翻译过来的话就是“田地越野车” 。 它有不同的大小尺寸 ， 可以在田间地头游走 。 车上装有摄像头、深度传感器、GPS等装置 ， 可以收集农田里的数据 ， 粒度可以细化到每一株作物 。
车子也经历了几个版本的迭代 ， 最一开始是用自行车改的：
文章插图
然后车上加装了更多的设备 ， 体型也变大了：
文章插图
文章插图
非常有限的信息显示 ， 车上似乎还配有机器学习设备 ， 可以对挖掘和分析数据 ， 生成基于图像、地图的作物生长情况报告 。
下面这是一张 Plant Buggy 拍到的照片 ， 显示了菜地里不同株作物的生长和虫害情况不同 ， 也体现了土壤的情况 。
文章插图
机器学习算法可以分辨画面中哪些是作物 ， 哪些是土壤 ， 以及作物的生长表现也能够体现出来 ， 比如下图中生长良好的就是绿色 ， 不良则是红色：
文章插图
Plant Buggy 继续在田地里穿行 ， 拍下更多的照片 ， 结合地图数据 ， 可以把整片田地给“数字化” ， 帮助农民追踪每一株作物的表现 。 在机器学习算法的帮助下 ， Mineral 的软件工具可以预测作物对环境的反应 ， 帮助农民对单株植物“对症下药” ， 而非对整片田地进行统一化的处理 。
最终 ， 农民可以更好地追踪每一株植物的表现 ， 降低种植成本以及过度使用化学物对土壤造成的不良影响 。 Mineral 还宣称 ， 这样能够帮助农民更准确地预测收成 。
文章插图
目前 ， Mineral 正在和美国、加拿大、阿根廷和南非的农民开展合作和测试 。 未来 ， 该公司计划在未来扩展合作的渠道 ， 让全世界更多的私营公司、非营利机构、学术单位和政府也可以参与进来 。
机器学习能改变农业吗不过截至目前 ， Mineral 究竟能帮到农民多少 ， 暂时还没有成功案例可以分享 。 一些农业经济和粮食问题方面的专家也对这项技术的普及前景表达了怀疑 。
非营利机构“全球改善营养联盟”(Global Alliance for Improved Nutrition) 高级合伙人 ， 前联合利华可持续技术团队成员 Oliver Camp 表示 ， 在现实中 ， 农民确实已经在用各种技术手段 ， 但由于认知、经济性以及商业模式等多方面原因 ， 很多农业技术到了农民的手上 ， 实际效果根本达不到设计初衷 。
他还担心 ， “对于全球粮食短缺问题最严重国家和地区的6亿农民来说 ， 想要用上这项 (Minderal 的) 技术恐怕是遥遥无期 。 ”
文章插图
话说回来 ， 作为从（原）谷歌公司的颇为高大上的“登月实验室”诞生的项目 ， Mineral 确实是相当接地气 。 它希望解决的是个长远 ， 但又切实的问题 ， 只是从信息量非常有限的描述来看 ， 它的解决方案似乎又有点过于阳春白雪了 。
【谷歌登月实验室的新项目，居然这么“土”】