今天的农业如何影响你的一天?如果你住在城市里，你可能会和生产食材的农场和农田失去联系。农业是我们生活的核心部分，但我们常常认为这是理所当然的。

　　今天的农民面临着巨大的挑战——用越来越少的土地养活日益增长的世界人口。到2050年，全球人口预计将增加到近100亿，全球粮食需求将增加500亿。%。随着粮食需求的增加，土地、水等资源将承受更大的压力。农业的固有可变性，如天气条件的变化，以及杂草和害虫的威胁，也会对农民的生产能力产生相应的影响。智能机器是生产更多食物的唯一方法，它可以帮助有困难的农民提供更高的一致性、准确性和效率，同时使用更少的资源。

　　面临的难题

　　随着抗灭草剂和杂草的兴起，有效的解决方案越来越少。全世界的农民都需要一种新的方法来控制杂草。BlueRiver就是这样一家致力于建设下一代智能农业设备的企业!他们的公司愿景是希望农民使用这些智能工具来调节杂草，降低成本，从而促进农业的可持续发展。

　　杂草中的灭草剂耐药性越来越高，BlueRiver的解决方案也从这里开始。

　　智能化农业设备应该是什么样子?

　　BlueRiver的锄草机器人集成了摄像机、计算机视觉、机器学习和机器人技术，从而制造出一种智能喷雾器，它能在田间行驶，并能迅速瞄准并喷洒杂草，使作物完好无损。

　　机器需要立即决定什么是农作物，什么是杂草。当机器来到田野时，高分辨率摄像头会以高帧频率收集图像。BlueRiver的开发团队利用PyTorch开发了卷积神经网络(CNN)对每帧图像进行分析，生成关于作物和杂草位置的精确像素图。一旦所有的植物都被识别出来，每一种杂草和作物都被映射到田间位置，机器人只喷杂草。整个过程基于ms，因为效率很重要，农民可以覆盖尽可能多的土地。

　　为支持机器学习(ML)BlueRiver基于NVIDIAJetsonAGXavierEdgeAI平台，以及机器人技术堆栈，构建了计算单元。由于所有的推理都必须立即发生，而且上传到云上需要很长时间，因此需要使用边缘计算设备在当地直接结算。BlueRive的开发团队认为，基于JetsonAGXXavier计算单元的机器人的总计算能力相当于IBM的超级计算机BlueGene(2007)。这样，它就可以成为世界上任何移动机械中最高的计算能力!

　　建立野草检验模型

　　研究人员和工程师团队负责训练神经网络模型，用于识别庄稼和杂草。这是一个具有挑战性的问题，因为许多杂草看起来像庄稼。专业的农业艺术家和杂草科学家协助标记人员正确标记图像。

　　机器学习栈

　　在机器学习方面，BlueRiver的技术团队有一个复杂的堆栈。他们使用PyTorch来训练所有的模型。在PyTorch之上建立了一组内部库，这样他们就可以执行可重复的机器学习实验。团队的职责分为三类:

　　建立生产模型，并部署到机器人上。

　　o对机器学习进行实验和研究，以不断提高模型性能

　　o与机器学习，A/B测试，流程改进，软件工程数据分析/数据科学

　　R&D团队之所以选择PyTorch，是因为它非常灵活，易于调整。新员工可以快速掌握最新信息，并且文档非常详细。Caffe和Tensorflow在使用PyTorch之前得到了广泛的应用。2019年，该团队决定将其转换为PyTorch，过渡是无缝的。这个框架可以同时支持生产模型的工作流和研究工作流。

　　现场机器人布局模型

　　对生产部署而言，团队的首要任务之一就是在边缘计算设备上进行高速推理。假如机器人需要更慢的驱动力来等待推理，那么它在现场的效率可能就不会那么高了。所以，团队使用TensorRT将网络转换为NVIDIAJetsonAGXXavier优化模型。TensorRT不接受JIT模型作为输入，所以团队使用ONNX将JIT转换为ONNX格式，然后使用TensorRT转换为TensorRT引擎文档，直接部署到设备。