面对农业生产“谁来种”“谁会种”的难题，卞红林将同时领导 整个 IAS BU 的技术研发和 ADS 门的研发。苏箐不再担任 IAS BU的一切职务。目前苏箐新的职务还未确定，AI如何破题？
在位于北京市兴区长子营镇，将进入预备队接受训战和分配。公开信息显示，由裕农、京东方后稷、百度智能云联合打造的现代化水培植物工厂中，苏箐是一名老华为人，AIPaaS应用系统（采用设施农业智慧种植应用系统）使用极少人力就能生产出数倍于以往的新鲜蔬菜：自动判断蔬菜生长状态、提醒采收、自动检测害虫种类及数量、输出植保方案、自动识别克重……这种“无人种植”、“智慧农业”的模式，在担任华为智能驾驶产品长之前，正是年轻一代“新农人”在将农业智能化的畅想变成现实。
一推开植物工厂门，苏箐曾在华为海思芯片工作，就看到郁郁葱葱的芝麻菜、鸡毛菜和奶油生菜等平铺生长在无数块种植板上。种植板下流动的是精准配置的营养液，领导了华为达芬奇AI芯片架构。待华为展开造车计划之后，能提供蔬菜生长所需的所有营养。一辆AGV（Automated Guided Vehicle）自动导向小车在苗床间“巡逻”，苏箐正式加入华为汽车BU ，通过双臂上的摄像头拍摄蔬菜照片，担任智能驾驶产品线总裁、首席架构师。作为华为智能驾驶产品线 ADS 负责人，记录生长状态。在这2600平米的空间里，苏箐在华为ADS 量产的关键时刻被调离，只有两位工人在做一些搬运、采收的基础工作，当这一消息爆出之后，其余的温度、光照、通风、虫害监测和生长状态判断都可通过京东方后稷的AIPaaS应用系统，由农业专家远程控制。
可就在几年前这里的情景还不相同，当时由于技术人才不够，为了观察蔬菜的生长和虫害情况，厂里唯一一位农业专家李开每天都要走上两三万步亲自巡场，过年也不能休息，因为一旦疏忽就可能造成15%~20%的浪费，直到接入了百度飞桨零门槛AI平台EasyDL后，情况发生了改变。
EasyDL基于飞桨深度学开源平台，面向企业AI应用者，能够实现零算法基础定制高精度AI模型。目前已有超过90万企业用户，在工业制造、安全生产、零售快消、智能硬件、文化教育、政务、交通物流、互联网等领域广泛落地。
AIPaaS系统由生产管理系统、智能环控和AI智慧种植三分构成。李开介绍说，百度EasyDL的AI技术与京东方后稷AIPaaS系统结合后，主要作用于AI智慧种植，解决了两难题：一是自动识别蔬菜生长状态及克重，二是自动预警病虫害。在识别蔬菜生长状态方面，基于百度的视觉技术及深度学算法构建了克重识别模型，能通过图片判断蔬菜重量，进而判断其生长是否健康、能否采收, 在自动化识别效果方面，准确率达到95%以上。
听着简单，但实现过程并不容易。数据采集是关键环节，由于农业数字化基础薄弱、蔬菜产品难以标准化、以及长且固定的自然生长周期，前期数据采集要花不少功夫。
据京东方后稷另一位农业专家孙博士介绍，前期在蔬菜生长的全周期都要雷打不动的收集数据，每天上午、下午需要在固定高度、位置、光线下拍摄照片，并对照片完成标注。“最开始的常用方式是，一张照片拍下6块种植板，每块种植板上有56棵菜，相当于需要标注300~400棵菜，而训练一个克重需要300张左右这样的照片，菜品标注量达到9万棵以上。”他们要先把一棵棵菜框起来，标注出是什么菜，然后通过文本标注出克重。好在EasyDL能提供一站式的智能标注、模型训练、服务署等全流程功能，借助其中的EasyData智能数据服务平台，京东方的工作人员只用标注30%左右的数据，其余的数据都可通过智能标注功能自动完成。
前期的数据采集和标注完成后，就进入核心的模型环节。但由于植物密集生长的特殊性，导致成熟后叶子重叠，给模型识别增加了难度。通过EasyDL平台的已有模型难以实现，必须进行定制化。
在经过细致调研和反复尝试后，百度EasyDL的研发人员最终将蔬菜克重识别离散化成克重区间分类模型，先采用目标检测模型分离背景因素的干扰，提取出有意义的蔬菜前景，再融合所有蔬菜前景信息给出图片的预测分类，实现了精准的克重识别。
值得一提的是，在这样不断发现问题、解决问题，最终实现对蔬菜生长状态数字化的过程中，百度工程师们还拿下了三项专利，包括预测克重和植物生长状态控制预估等。
后来为了进一步减少标注的工作量，百度EasyDL的研发人员又了一种新方案：一张照片只需拍1块种植板，每块种植板种56棵菜，采集一个生长周期需要45张图，总计为2520棵菜。新方案的标注工作量直接降低了97%，极减轻了京东方工作人员的标注压力。标完后，百度会对这批单种植板的数据进行随机数据增强合成和优化，尽量弥合合成照片与真实拍摄的覆盖多块种植板的照片的视觉差异。这样便实现了以极少的标注量获得成千上万张训练数据，现在已经有好几个模型开始使用新方案。
虫害预警用的则是百度EasyDL平台经典的目标检测模型，难点更多在于特殊场景的后期优化，例如出现季节性害虫或体积微小的害虫时图片数据不全，但通过百度EasyDL平台上物体检测的整体方案便能解决。最终实现自动识别基于黄蓝背景板下的小菜娥、虱、潜叶蝇、蝇四类常见昆虫，识别精度达到90%，能第一时间发现害虫，降低损失。
其实不只是在现代化的植物工厂里，我国分农村都面临着劳动力断层的难题。年轻人和壮劳力纷纷去城市谋生，学生报志愿也会避开“环境苦、收入低”的农业。据孙博士回忆，自己上学时班上概有五六十人，而现在农业学一个班只有二十几人。“是传统的农业国，如果年轻人都不愿意学农业、从事农业，这是挺可怕的一件事。”李开说，“当现有农业人员‘退役’后，谁来接管农业、填补劳动力真空期？所以用AI辅助农业，是很有前景、有意义的。”而他们选择的方向，不再是面朝黄土背朝天的农耕指导，而是用机器替代人工，用AI技术提高生产力的智能化第四代农业平台。
在百度智能云AI技术的助力下，农业专家的频繁巡检变成了机器自动识别，实现了24小时呵护蔬菜生长。以前一个人能照看20亩地，应用AI技术后一个人能照看60~100亩地，工作效率提高了3~5倍。
可以预见，将北京的植物工厂复制到其他城市并非难事。“我们未来会在全国各地建很多厂，比如上海、南京、河南，这些棚正在陆续落地中。”孙博士介绍说，“我们也跟一些农业种植类的集团签了协议，将提供一整套基于AI技术的智能系统和详细说明，落地后不需要农业专家，普通工作人员就能管理。”这是一种用科技打破知识壁垒的方式，帮助缺乏农业经验的生产者也能稳定高效产出。
孙博士还说，他们最近来了几位1999年生的实生：“他们特别喜欢现在的工作，因为他们在我们这看到了不一样的农业。”可以看到，AI技术正在让农业生产焕发新活力，也吸引着更多年轻人将目光重新投向这里。
