识农公司专注于农业AI技术研究和开发，将AI技术应用于农作物病虫害、缺素症状和杂草的诊断，基于AI平台和深度学习框架与算法，为全球农户提供农作物病虫草害识别和解决方案。其病虫草识别工具的识别准确率最高可达98%，被全球广大种植户使用。

在传统农业中，由于农户缺乏病虫害知识，会导致农作物看病难、农技专家培养周期长等问题。通过AI技术进行病虫害诊断，已是大势所趋。

大幅提升模型部署效率

及模型准确率

将AI技术应用于病虫害诊断，数据与算法方面都面临巨大挑战。为使作物的病虫害识别率上升，首先需要大量数据支撑。得到丰富的数据后，不仅需要对海量数据进行处理，还需要使用深度学习技术对数据进行再次加工，这一过程需要投入大量的时间进行研究工作。

NVIDIA V100 GPU可以容纳更大的模型，并可以在一个批次中处理更多的样本。结合NVIDIA CUDA与TORCH平台对图像分类任务与模型训练进程的加速，借助NVIDIA V100 GPU，模型训练所需时间从7天缩短至3天，平均训练时间降低至原来的50%~80%。

快速的训练提升了模型更新部署的效率，同时大规模模型极大地提升了算法模型的效果。在不同的业务上，算法模型的准确率相比一年前提升了5%~10%不等。在数据量翻倍的前提下，平均训练时间反而降低到了50%~80%。

AI让作物告别“看病难”

加速智慧农业发展

目前，识农模型的算法识别准确率可达98%，成为了全国识别准确率最高的作物病虫害识别平台。该平台吸引了数十万的用户使用，并与多家科研院所、农业农村厅、农业上市公司和跨国企业进行合作，使机构无需再耗费数年时间研发AI平台。通过使用识农算法接口，即可实现病虫害诊断功能，减少非核心环节的投入，实现轻运作。

通过采用识农模型，用户可将作物病虫草害交由机器识别，在AI平台上，即可解决作物看病难、农技专家培养周期长的问题。将AI技术应用于作物病虫草害的诊断，以提升识别率和加速数据处理速度。NVIDIA针对机器学习的加速，将CNN运算速度提升数倍，满足了处理海量数据的需求。以CUDA为后端，PyTorch为平台，极大地提升了CNN模型的运算速度，缩短了算法的研发与部署周期，为提升数据识别率打下了良好的基础，极大地节省了时间成本，有助于加速智慧农业发展进程。