面对农业解决规模性种植农户的用户痛点：启动数字化转型工作坊
解决农业行业规模性种植农户用户痛点的作品策划
为解决农业行业规模性种植农户用户痛点，本项目团队已设计并执行《数字化转型设计思维工作坊》，并产出《MRD》、《BRD》文档，如上一篇市场时事所示。
产品概述
平台将收集来的农作物、市场信息建模，提供智能种植方案。并通过IoT、AI、机器学习、云计算等收集、监测田间数据，如温度、湿度、虫灾、农作物生命周期等，数据实时同步到用户的监控电子系统（机房/电子设备）。通过返回的数据，用户可以直接决策，对系统下达命令，系统通过遥感执行灌溉、除草、杀虫、收割指令。
为了验证用户可欲性，我们团队产出了以下内容，含开发周期流程图、用户旅程地图、价值主张画布、解决方案阐述。
产品开发周期
用户旅程图
价值主张
我们团队针对有农业种植需求的规模性农户及农场主等用户制定通过大数据连接云计算、IoT和AI等技术建立种植收割监管一体化的智能化农业种植方案。
解决方案
一、 种植前
用户痛点：市场价格波动、无法掌握农作物的未来价格状况导致种植的农作物不确定
解决方案：大数据建模预测未来价格行情，结合市场需求、气候等提供种植方案
二、 种植过程
用户痛点：人工种植、灌溉、除草、打理等成本高、投入大
解决方案：整合大数据、云计算、IoT和AI实现农业耕地地块数字化，根据遥感数据对作物长势、作物分类、成熟期预测、灾害监测、估产等工作进行高效辅助
三、 收割期
用户痛点：人工收割速度慢、成本高
解决方案：大数据、云计算、IoT和AI等得出农作物最佳成熟期，大数据分析市场行情，可帮助农产品电商运营，引导企业制定更灵活准确的销售策略；通过人工智能遗传算法和多目标路径优化数学模型，可对物流配送路径进行智能优化，完善生鲜农产品供应链等。
补充相关技术描述
数据中心：在农业数字化转型过程中，产生大量有用的农业数据信息，包括农业生产主体、农业资源区划、农业产业分布、农产品品种资源、农村集体产权等海量数据，以及大量动态变化的市场信息。通过整合国家统计局、国家发展改革委、农业农村部市场与信息化司等数据，建立市场行情数据中心。
机器学习：机器学习数据建模，预测未来市场行情、提供合理种植方案。预测那些性状和基因最适合的作物，提供最适合当地地理位置和气候条件的种子，这些算法可以显示哪些产品被购买的最多，哪些产品在市场上被淘汰。
IoT：包括GPS卫星遥感、机器人、无人机等，利用设备和材料上的传感器简化农业资源的收集、检查和全面分配。将传感器在农田中进行战略部署，遥感器可以被用于在不同的作物之间导航，并且通过摄像头产生三维图像获取作物生长数据，获取光照、温湿度、营养液EC值、PH值等生长影响因素数据，对生长数据进行标注，进行模型训练及调优，进行部署预测作物生长期及产量，最后利用无人机喷洒农药、灌溉、除草等。
RFID技术：(RFID是一种无线系统，该系统用于控制、检测和跟踪物体)可以被用来追踪食品从田地进入市场再到终端用户厨房的过程。中端用户或消费者能够追踪他们从市场中购买的食物的详细生产路线。这种技术可以增加制造商的可信赖度，迫使它们总是提供新鲜产品。
参考：
转载请在文章开头和结尾显眼处标注：作者、出处和链接。不按规范转载侵权必究。
未经授权严禁转载，授权事宜请联系作者本人，侵权必究。
本文禁止转载，侵权必究。
授权事宜请至数英微信公众号(ID: digitaling) 后台授权，侵权必究。
评论
评论
推荐评论
暂无评论哦，快来评论一下吧！
全部评论（0条）