農世界網報道，12月1日，在麥飛科技成立3周年之際，在北京維景國際大酒店發布《麥飛戰略發布會》，麥飛科技CEO宮華澤在發布會現場系統地介紹麥飛的數字農業的技術體系。

以下內容由農世界網記者根據宮華澤的演講整理，內容有刪減。

麥飛科技CEO宮華澤：

接下來我將系統地來介紹麥飛整個數字農業的技術體系，其中有很多的技術點，還有一些案例分享。

那么在技術體系當中，首先要介紹，麥飛的數字農業技術體系的核心是視覺光譜技術。

視覺光譜技術可以簡單的理解為：人眼看見和看不見的所有信息。視覺信息可以理解為結構化的信息，也可以是高清的視頻流信息。

那么光譜信息實際上是光譜反饋的能量值，我們將這些信息糅雜在一起，想得到的目的就是如何理解場景，如何更加地、透徹地理解我們的目標。

接下來，我會隨著農作物從種子開始一直到收割之前，整個生長周期來貫穿我們的數字農業的技術點。

  種植前的準備

首先我們想去做農業，需要了解這個地區的農田的基礎條件：土地是否連片？零散程度是如何？中間是不是有插花田？我們需要對整個農田的邊界進行一個高效、準確的識別。

那么目前為止，我們可以達到每秒接近2300畝地的識別效率，我們綜合精度可以達到93.4%。我們不僅僅能夠識別出來農田的所有邊界，我們還能夠統計出來所有農田邊界之間的零散程度和一些其他的輔助信息。

這個能力其實在麥飛的整個技術服務體系當中，并不是完全對外的。實際上是給業務人員來評估眼前的農田，值不值得去做一些線下的商業行為。

那么，識別出來了農田的基礎條件。這還遠遠不夠，我們需要知道這塊地里面種了些什么，這里面就涉及到農作物品類的識別。我們目前為止幾乎涵蓋了全部的大眾作物，目前為止的話是42種。

農作物品類識別42種

每一個大宗作物的識別后臺都會支撐一個核心的樣本庫。我們每一個樣本庫幾乎遍布了我們國家的主要糧區，這屬于技術體系跟業務體系之間完全打通形成的結果。

但是識別作物品類還遠遠不夠，識別作物品類其實有的時候不一定要通過空間技術探知，通過比較簡單的線下統計的方式也是能夠知道的。

在耕種之前，我們還需要去了解土地是一個什么樣的性質？

通常來說，用大規模的空間探測手段，能夠獲取的是土壤的氮、磷、鉀這種大元素的含量。但是在目前中國農業的耕種行為當中，知道氮磷鉀的含量不足以指導科學化的種植。

相對來說，土壤當中的微量元素、重金屬含量、鹽堿化程度，甚至來說有機質的含量，才是能夠真正決定土地的基本性價值的。

麥飛圍繞著我們的視覺光譜技術，開發了一套非常高效便捷的線下智能硬件，我們叫“麥兜”，名字起得比較可愛。這個產品是去年就已經開發完成了，標準化叫“麥兜”，目前展示的是一個小型化的，我們叫做“麥小兜”。

它的大小類似于微波爐的一半大小，我們是可以現場采取土壤直接送到測量倉，現場能夠實時分出來我們所要的所有的成分含量，這將根本性地改變傳統的測土配方流程。

而且我們在現場所有的測試數據是可以實時同步到云端的，包括地理位置。所以說我們在后臺可以用這種方式，非常便捷有效地收集產糧區土壤當中的一些數據。

那么隨著農作物的生長，我們還有個問題，就是農作物的生長過程是否正常？長勢如何？

精準科學施肥方案

  精準科學施肥

我們現在提出了一個新的方案，叫精準科學施肥。到今年為止，我們已經完整做了兩個種植周期。那么今年完成之后，這一套解決方案將會從儲備級直接劃到業務化級別。

那么未來我們所有的線下團隊，就有可能會在某些區域開始推行精準科學施肥的附加服務，這也是我們在整個發展過程中，從縱向發展開始逐漸縱向橫向結合發展的一個主要設計跟思考。

那么，如何進行精準科學追肥？其實依賴于農作物的精細化長勢之間的差異。

同一個稻種，哪怕是同樣的播種期，同樣的播種方式，在生長過程當中，后續都會產生長勢上的差異。能夠進行定點的追肥，其實能夠幫助我們有效地把產量提升。

在長勢比較好的種植區域，如果還采用傳統的均勻追肥的方式，反而會造成產量下降。所以說這套方案實際上是一套增產的方案。

農業察打一體技術：麥絡

  農業察打一體技術

總的來說，麥飛在整個種植過程中，很多的技術點可以綜合一張數據表。我們大概能夠覆蓋的水稻品種。目前能夠覆蓋的水稻品種有36種，覆蓋整個生育期。同時可以覆蓋到接近60%的水稻病蟲害，高達13種。

每一次在農田要進行病蟲害防治之前，麥飛會有監測系統升空，會對整個農田進行數據收集。所有的數據是實時上傳到云服務器，加工成監測圖、處方圖。整個流程的集成化程度非常高。從數據上傳到加工成處方圖，時間是分鐘級的實時處理，基本上不會讓農業生產過程感覺到技術的延遲。

但是這個過程我們同樣會發出一個問題，我們發現：一塊農田需要下兩遍。首先得下地看一遍，然后下地去服務一遍?？匆槐榈倪^程需要很多成本。所以說麥飛的下一代監測技術是沒有這樣的流程的。

我們的下一代監察技術叫麥絡技術，它叫農業察打一體技術，能夠不需要提前看田，直接能夠讓農機經過升級改造之后，帶上一雙眼睛和一個思考的大腦，直接下地。所有的農機是可以立刻下地，邊走邊看邊作業；或者叫邊走邊看邊思考，給出結論，結論支持所有的動作。

左側是第1代監測技術，通過處方圖來驅動，需要預先看一遍田，給出處方圖。那么右邊是第2代監測技術，不需要去看田，直接可以下地，實時感知農田情況的差異，實時配合農機運動。

在作物長到后期的時候，有可能人的很多的技術跟耕作方式是不能完全避免天災的影響的。如果遇到了天災，我們應該怎么去做？

  災后智能化評估

我們的技術矩陣當中還有一種主要的儲備，叫做農業的災后智能化評估。通過一年的研發，我們不僅僅能夠識別出來水稻的哪個地方倒伏了，還能夠識別出來倒伏的程度。

因為在不同的生長周期，倒伏的程度有時候不會影響產量，可能會影響的是收割成本，但是不一定會決定產量。所以說我們會進一步地區分災后的各種細分情況，瞄準的是它能對農業產業帶來新的一些價值。統計結果無論給予種植戶，還是給予服務團隊，還是給予保險公司，都是一個非常重要的數據源。

那么到了收割季之前，我們同樣去結合全生育期當中的很多數字，結合作物生長模型，提前預估產量。

  葉綠素熒光

我們在所有拉入的信息維度當中，新增加了一個維度，叫做葉綠素熒光結果。葉綠素熒光實際上是非常新的遙感技術的分支，代表的是我們能不能夠獲取到植物自主能夠釋放出去的一些能量譜。

基于這些能量譜能夠拆解出來一些生態方面、或者說植物的活躍度方面的一些參數，這些參數帶入到植物的生長模型中，能夠極大地提高估產的精度。

視覺光譜是人眼看見和看不見的所有信息，那么視覺光譜是不是無所不能，視覺光譜的邊界在哪里？視覺光譜是不是只能做戶外的東西？它還有沒有進一步的能力能挖掘？

  服務下沉

今年麥飛成立了兩個外部的研發中心，一個在武漢，一個在南京。我們在南京的研發中心重點做的是：在室內種植場景之下，視覺光譜技術的一些解決方案。

我們能夠量化植物全生育周期的，甚至是每天的光合作用的強弱程度，我們將光合作用的強弱程度灌輸到植物照明的控制單元。

所以說麥飛的植物工廠的植物照明的光源是實時變化的，不是預先設定的，是有一個內在的邏輯的。也可以形象化地理解，一個植物的光合作用的曲線跟植物照明的強度曲線，兩者之間是互相追逐、互相匹配的一個過程。

這個就是我們未來能夠面對的一個場景。我們希望能夠用視覺光譜技術來暢想一下：在未來的農業場景當中，我們究竟還能夠去做哪些東西？

這項技術實際上在我們的技術體系當中，劃分到前沿級的技術。短期之內我們是不去盯它的落地和商業化轉化的。

那么技術不斷地在強調通過服務來進行下沉，那么服務的過程中我們將會積累很多的數據沉淀，也就是我們后臺所熟知的農田的數字檔案。

那么數據的價值會不會有另外一個延伸的結果？

麥飛2019年啟動了業務的第3個板塊，叫數據板塊。在今年的7月份推出了一個數據接口產品，叫ATTYc。ATTYc實際上能夠量化出每一塊農田當中的規模、種類、長勢、產出四大項能力，同時還能夠提供一個附加能力，叫做往期比較。能夠比較今年與去年的結果同期的差異是在哪里。

今年以這樣的一個數據接口產品，和很多的跟客戶產生了一些合作，包括技術上的一些碰撞。今年用ATTYc作為主要的底層處理接口產品，跟螞蟻金服，現在是叫網商銀行來合作。

同樣我們也在跟農業保險行業產生一些合作。我們跟慕尼黑在保險合作里設計了一款新型的一種指數性保險。指數性保險能夠實現完全不用人為地去進行驗標，一直到定損、到理賠，全程無人為干擾，完全靠客觀數據化進行評估。

這款產品希望能夠在明年的農業市場行業，推到整個市場環境當中。

數字農業示范農場“5+1”的全球布局

2019年，麥飛完成了數字農業示范農場“5+1”的全球布局。我們在國內有三個不同的緯度，建了5個示范農場，分別位于吉林、遼寧、湖北、江蘇、海南。

三個不同的緯度，代表了三個不同的氣候帶，也是三個典型的水稻種植區。

今年開始在加拿大的蒙特利爾，建了一個海外跨經度的種植區示范農場。這就是我們全球數字農業示范農場的“5+1”的布局。