到2050年，将有超过90亿人口，预测表明全球产量将会翻一番以满足需求。但这说起来容易做起来难。目前，世界上约有45％的作物热量被用于饲养牲畜或转化为生物燃料和工业产品。

Ofir Schlam说，部分问题归结为缺乏数据，他与Asaf Horvitz，Eli Bukchin和Ayal Karmi 共同创办了农业科技创业公司Taranis。没有数据，农民实际上是盲目的，他们不能为个别作物定制增长计划，也不能在超本地条件下阅读或对新出现的威胁做出反应，如疾病，寄生虫和杂草。他将Taranis的AI平台作为解决方案：将高分辨率图像和传感器与智能层相结合，以获得实时和历史见解，准确度高于90％。

到2050年，将有超过90亿口用于饲料，预测表明全球产量将大约翻倍以满足需求。这说起来容易做起来难。目前，世界上约有45％的作物热量被用于饲养牲畜或转化为生物燃料和工业产品。

Ofir Schlam说，部分问题归结为缺乏数据，他与Asaf Horvitz，Eli Bukchin和Ayal Karmi 共同创办了农业科技创业公司Taranis。没有数据，农民实际上是盲目的; 他们不能为个别作物定制增长计划，也不能在超本地条件下阅读或对新出现的威胁做出反应 - 如疾病，寄生虫和杂草。他将Taranis的人工智能（AI）平台作为解决方案：将高分辨率图像和传感器与智能层相结合，以高于90％的准确度获得实时和历史见解。

该成像技术的一部分来自旧金山公司Mavrx，Taranis于5月份收购了该公司。根据Schlam的说法，每架飞机每天可以覆盖多达50,000英亩的土地，或者在短短五分钟内就可以覆盖100英亩的土地。

收集图像（每英亩约1-2个）后，借助算法将它们拼接在一起。然后AI进行运作，Taranis模型基于在UHR步骤中进行的测量，对每个网格段进行分类和分析，以0.3-0.5毫米/像素的速度缩放作物照片。

Schlam表示，分辨率高到可以计算叶子上的甲虫数量。Taranis使用的不只是图片来进行预测。其他数据管道包括无人机成像数据，卫星图像，天气预报模型，Schlam声称比现有的解决方案和传感器详细75倍。

有了这些数据，Taranis的AI可以报告植物种群，无论作物的生长阶段如何，并计算植物出苗率，行距，行长，树冠覆盖率，株高，林分高度，树木直径和花数。此外，它可以检测何时出现构成潜在威胁的杂草，并自动对其进行分类以及提出定制的除草剂解决方案。它甚至可以计算植被中的养分含量，土壤中的含水量和植物温度。

同样强大的系统的增长跟踪是其疾病分析。Taranis的模型有两种模式：特定于站点和区域。在前者中，数据记录在现场，并考虑到侦察报告，农药应用和地面传感器的数据，以及区域气象站的记录。在区域模式中，它使用整个区域的热图估计整个区域（国家，州和地区）疾病爆发条件的适宜性并代表潜在风险。

所有这些预测和更多都是通过移动和网络应用程序提供的，这些应用程序优先考虑作物区域进行调查，并通过直接侦察员填写作物特定报告，其中包含照片，语音备忘录和农场经理可以实时查看和分析的感兴趣领域。在相同的应用程序中，经理可以为任何字段指定任务和活动，对任务进行分类，并将这些任务分配给员工或查看任务历史记录和当前任务状态。

Schlam声称，Taranis可以全面的将农作物产量提高7.5％。

目前，该创业公司为美国，加拿大，巴西，阿根廷，俄罗斯，乌克兰和澳大利亚的19,000多个农场提供服务，并在所有这些地点设有当地办事处，此外，共有60名合同农学家，他们手动训练系统并识别问题。Taranis目前的目标是商品作物，包括玉米，棉花，甘蔗，大豆，小麦和马铃薯，每季收费5至20美元。