當前位置:
首頁 > 科技 > NASA工作8年後 他用衛星圖像指導農業生產 2小時識別數萬大棚 已有四大客戶

NASA工作8年後 他用衛星圖像指導農業生產 2小時識別數萬大棚 已有四大客戶

NASA工作8年後 他用衛星圖像指導農業生產 2小時識別數萬大棚 已有四大客戶



文| 鉛筆道 記者 薛婷

導語


東北的村子裡,除了狗叫,街上能看見的只有少數老人和孩子。


在華南地區,農田被荒。像插花一樣,這兒荒一塊,那兒荒一塊,野草重生。


去年年中,張弓從美國回來,花了兩個月時間考察農業現狀,此番景象堅定了他在國內用衛星圖像分析技術服務農業的決心。此前,他曾在美國NASA Ames Research Center工作8年。

「原來我覺得美國的大規模機械化農業生產模式在國內實現,可能需要10年、20年,突然覺得可能就是四五年之後的事兒。最核心的原因是人口結構的變化。」


再不做就晚了。8月,他帶著佳格科技的核心成員回國,利用技術手段分析衛星圖像,為農業種植客戶提供管理系統。登錄賬號,用戶可實時查看每塊地由誰管理,長勢如何,還能預測產量、病蟲害等。「我們的植被地表監測的精確度最高為0.5米。」


此外,佳格的系統通過深度學習,還能實現非特異性識別,如在2小時內識別出某地區數十萬的大棚總數,準確率約為95%。


目前,佳格的農業大客戶約有4個,張弓將繼續拓展標杆型用戶。

NASA工作8年後 他用衛星圖像指導農業生產 2小時識別數萬大棚 已有四大客戶


注: 張弓已確認文中數據真實無誤,鉛筆道願與他一起為內容真實性背書。


走出NASA


北大逸夫實驗室二樓,張弓打開電腦,想要查找一些衛星資料,輔助研究草原的生長情況。無意間在網上看到美國國家航空航天局(簡稱NASA)可以免費訂數據。「幾百G的資料,怎麼郵寄啊?」他順手填了下郵寄信息,並未抱有希望。


2~3周後,他走進實驗室,發現一個大箱子,約有冰箱大小,上面顯示從美國NASA郵寄而來,收件人為張弓。打開一看,裡面全是存儲數據的CD,每張都有手工標號。

不可思議。「我當時就是一個學生,也不是什麼領域的大牛,他們就把數據直接寄來了。」


這是2005年,張弓第一次接觸NASA,彼時他還是北大地理系研究生。


3年後,張弓已在美國讀博,他進入NASA Ames Research Center(簡稱Ames)實習,利用衛星遙感數據,監測地表作物的生長情況。


他至今記得第一次走進Ames的心態,「謹小慎微」。一待就是8年,從實習生做到助理研究員,最後成為研究員。「一直在做植物、環境方面的研究。」他笑道,「比如根據衛星圖像,數出地球上有多少顆樹。」

時間久了,新鮮感褪去,張感覺在Ames工作,類似於在國內的政府部門,「節奏慢」。


Ames位於矽谷的中心,附近是Google、LinkedIn、Facebook等公司。在張弓按部就班做項目時,他感覺外界科技公司已在瞬息萬變。2008年,Google Map剛做時,他還挺不屑一顧,「他們處理大規模地圖數據的能力可能只有我們的百分之幾不到」。


2~3年之後,張弓發現,Google的數據處理能力已是他們的10倍。「我們是線性增長,人家是指數增長。」


他驚嘆商業驅動的魔力。「他們有用戶的需求推動,會投入大量的人力、財力去做。」


心裡發慌,張弓冒出兩個想法。一來想轉行去科技公司,二來想自己做些事情。「我列了個List,找出了美國與衛星、地圖、環境相關的創業公司,CEO幾乎全是從Ames出來的。」


此後他便兩條腿嘗試。「我很謹慎。」張弓坦言。


震驚,帶著一些不服氣。「Why?他們就40個人,技術簡單,技術路線也平......為什麼這麼值錢?」那一夜,各種冒號在腦海中翻滾,他翻來覆去睡不著。


「他們真的把數據賣給了孟山都,這個商業邏輯才是核心。」想通之後,他找到做大氣研究的合伙人王蘊剛,二人小打小鬧做些產品,試水國內市場。


「最初做了一款跟霧霾相關的產品,把衛星拍攝的霧霾可視化展示。」


雖有技術,但創業還是門外漢。他們花了一年時間,在矽谷參加各種創業訓練營。「學到了很多,銷售、融資等,原來都不懂。」


去年年初,二人租了間小辦公室,成立佳格科技,寫了一份BP,有時間就去參加路演。


聚焦農業


起初,他們以衛星圖象分析技術為核心,構思了六七個商業化場景:農業、交通、房地產等。


外界評價不一,有的認為技術特別好,有的懷疑如何商業化,「你們把數據賣給誰」。


一天,經朋友介紹,張弓與經緯中國的熊飛通了次越洋視頻。「你們應該先選出一個方向來做,而不是先發展技術,再回頭看。」張有些驚訝,「其它想投資的,都說你們先做好技術」。


三小時暢聊後,張決定回國考察農業現狀。


兩個月時間,他們從東北走到華南,穿越十幾個省。


在東北的村裡,除了狗叫,街上幾乎沒什麼人,全都是老弱婦孺。「以為只有東北這樣,後發現其它地方都差不多。」在華南地區,他們甚至看到一些農田被荒。


「原來我覺得美國的大規模機械化農業生產模式在國內實現,可能需要10年、20年,突然覺得可能就是四五年之後的事兒。最核心的原因是人口結構的變化。」

NASA工作8年後 他用衛星圖像指導農業生產 2小時識別數萬大棚 已有四大客戶



核心團隊


再不做就晚了。8月份,他拉上做深度學習的另一位合伙人顧竹,創始團隊一起回國。同期,他們獲得了一筆天使輪融資,投資方包括經緯中國等。


經朋友介紹,他們偶爾接些單子,如利用衛星監測秸稈焚燒等。


10月,張弓迎來了第一個農業大客戶。對方是東北的一個合作社,種植了4000多畝玉米。佳格為其提供一套管理系統。「我們是雲端服務,客戶通過賬號登錄,可查看玉米的分布、生長情況等。」


要實現以上功能,首先,他們收集全球11顆衛星(包括NASA、歐洲、中國的)數據。「這些數據都是公開的,我們用技術手段可以更快地獲取。」


衛星數據均是原始數據,佳格的核心技術是將其進行數據融合。「衛星數據的格式、內容各不同,解析度有高有低。有的衛星是隔十天才轉到這個地方,其它時間的數據則來自其它衛星,要把他們做成新的數據。」


然後對數據進行分析。比如根據衛星圖像上的波段,能分析出作物的光合作用強度,判斷其長勢。


此步驟還需結合作物本身的數據,比如什麼品種的玉米等。這需要建立農作物的資料庫,「有些是搜集來的,有些是客戶給的」。


起初,團隊缺乏農業專業知,最終判斷的準確率並不好把握。此後,曾擔任孟山都中國和中種國際市場總監的張文鵬加入,彌補了短板。

NASA工作8年後 他用衛星圖像指導農業生產 2小時識別數萬大棚 已有四大客戶



耘境綜合管理平台


最初的服務流程走通,客戶通過系統,可實時查看、點擊每塊地的長勢情況。佳格向客戶收取年費,「如果後續增加其他功能模塊,單獨收費」。


標杆客戶


張弓也曾走了彎路。在服務第一個客戶時,最終分析結果的準確率有時會很低,這令他不解。「技術完全沒問題啊。」


最終才搞清楚是人為出錯。「客戶在描述種植地的位置時並不準確,導致監測的土地並不是客戶的。」


為解決此問題,工作人員拿著電子地圖,讓客戶親自指認。「我們可以細化到每半畝地的田壟都看得清,這樣客戶能準確地指認。」


此後,佳格植被地表監測的精確度最高為0.5米。


慢慢地,客戶會提出各種需求,比如預測產量、內部管理、土地等級監測等。「有的客戶種植面積很大,自己都分不清哪塊地是他的。」


針對此,張弓逐一添加功能模塊。比如後台管理功能,系統由客戶自動設置賬號分級和許可權。「由此,每塊地由誰管,長得好不好,產量如何,管理者一目了然。」


為了幫客戶實現土地監測功能,他們調出了過去五年的衛星監測數據,來分析土地的質量。「一塊地過去種了什麼,好不好,只有村裡人知道。外來承包土地的人是不知道的,我們把過去的土地種植數據整合分析,也能得出結論。」


去年年底,北方正值農閑,張弓把目標轉向南方,為水果種植大戶提供生產管理系統。比如雲南的火龍果種植客戶,他們要結合雲貴山區的氣象、衛星數據等,分析哪些地塊適合種,哪些不適合。


今年開工後,張弓總結去年的成績,計劃調整商業化策略。「我們的東西需求是很大,但如何快速地佔領市場呢?我決定先樹立標杆客戶。」


在單個品類有了標杆客戶後,其它客戶便多了信任。「後期推廣會容易很多。」


緊接著,他便有了米業的一個標杆客戶,該客戶同樣在東北,種植面積為上萬畝。隨後又拿下了某馬鈴薯種植公司,種植面積百萬畝。


擴充服務


在已有客戶的基礎上,張弓利用天氣預報為基礎,提供農業生產指導。


今年6月,他們為內蒙古一個種植牧草的客戶提前下發了強雷暴預警。「當時也沒底,不知道會不會真的下雨。」


該客戶在前兩天趕忙把一萬多畝牧草連夜收割。第三天便下起了冰雹,當地其它農戶損失慘重。「牧草被打趴在地,收都沒法收了。」

NASA工作8年後 他用衛星圖像指導農業生產 2小時識別數萬大棚 已有四大客戶



病蟲害監測


此外,他們還為客戶提供病蟲害預報。「結合當地的溫度、濕度,再參照植物病蟲害模型,大概能預測幾天內會不會有病蟲害。」


近期,他們在非特異性識別上取得進展。張弓解釋到,「原來是客戶告訴我們哪裡是玉米地,我們去分析,現在沒有人告訴目標是什麼,系統去主動識別」。


他們把該技術用於某地區的蔬菜大棚數量識別上。「比如中國70%的大蒜產品集中在河南的三個縣,通過預測它的種植面積,大約能直到全國大蒜的產量,由此可指導農貿商採購。」


這實現起來並非易事。在衛星圖像上,蔬菜大棚與房子的相似性極高,且蔬菜大棚有的橫著,有的豎著,每個面積也不相同。

NASA工作8年後 他用衛星圖像指導農業生產 2小時識別數萬大棚 已有四大客戶



深度學習圖像


系統通過深度學習技術,根據大棚的紋路、寬度等特徵,建立自學習模型,然後識別。


為檢測識別的準確度,他們把一個衛星圖像分成幾千塊,每塊約覆蓋幾公里範圍。放大到人眼可見,人工數出該面積有多少個蔬菜大棚,跟系統識別去做對比。


由於數據量大,最初系統數了三天,準確率只有60%~70%。

NASA工作8年後 他用衛星圖像指導農業生產 2小時識別數萬大棚 已有四大客戶 點擊播放 GIF/1577K



系統正在自動「數大棚」。


經過不斷優化自學習模型,如今系統可在兩小時內識別出某地區的蔬菜大棚總數。「準確率在95%以上。」


目前,佳格的農業大客戶數量約為4家。下半年,張弓計劃繼續在其它品類上拓展標杆型客戶。


/The End/


編輯 王 方校對 孫 嬌


如有報道需求,或需轉載、市場合作


請加pencil-news為好友


請您繼續閱讀更多來自 鉛筆道 的精彩文章:

TAG:鉛筆道 |
您可能感興趣

2017年5月全球SEBS企業動態,又多出幾家SEBS生產商
京東方成都柔性AMOLED生產線投產 年產能近60萬
三星擬投資近90億美元擴大OLED屏幕生產
2017金磚五國工業實力大比拼:中國工業生產指數持續第一
OneWeb星座2018年部署,新建工廠每天生產數顆衛星
18歲AV女優挺大肚生產前還拍6P片
殲20大編隊飛行預示將有大動作:專家稱未來五年將生產300架
實拍AK47生產車間,多為女工,一個工廠累積生產5000萬支
實拍AK47生產車間,多為女工,這個工廠累積生產5000萬支
專註於NAND:三星公司大力推動64層3D快閃記憶體晶元生產
LGD 赴中國生產 OLED 是為了 Sony 大單?傳 2019 年產能倍增
殲10B僅生產兩年就停產,殲10C數量驚人!
三星斥巨資擴大OLED屏幕生產:總價值90億
LGD砸89億美元打造全球最大OLED生產基地
理光生產型數碼印刷系統RICOH Pro C5200S/C5210S全新上市
美國一大型導彈生產10多萬枚,這次又出超級大訂單
人類已生產83億噸塑料 大多數或存續幾百年幾千年
國行版本S8均採用UFS2.1是三星的正常生產計劃
2022年市場規模10億美元,Philips實現VCSEL大規模生產