外场技术公司是一家总部位于剑桥的农业科技初创公司，它使用无人机和人工智能，帮助果树种植者最大限度地收获果园作物。
Outfield Technologies的创始人吉姆·麦克杜格尔(Jim McDougall)和奥利·希尔伯恩(Oli Hilborne)一直在与该部机器情报实验室(Machine Intelligence Lab)的博士生汤姆·罗迪克(Tom Roddick)合作，开发他们的技术能力，使他们能够通过无人驾驶飞机测量巨大的苹果园来统计树上的
外场的商业主管JimMcDougall解释说：“对开花情况的准确评估或对收获的估计可以使种植者更有生产力、更可持续、更环保。”
“我们的航空图像分析侧重于产量估计，在国际上确实受到追捧。我们在水果领域面临的最大问题之一是准确的产量预测。这个系统是与种植者一起开发的，用于规划劳动力、物流和仓储。整个行业都需要这样做，以规划营销和分销，并确保货架上总是有苹果。目前，种植者正在做出估算，他们做得很棒，但果园的变化令人难以置信，估计往往有20%的错误。这导致收入损失、效率低下，并可能导致大量未售出作物的浪费。”
Outfield的识别方法是博士生TomRoddick在Roberto Cipolla教授的指导下正在进行的研究的一个很好的应用。汤姆是计算机视觉和机器人集团的一部分，该集团致力于人工智能和机器学习，利用深度学习方法，通过人工神经网络(ANS)。
ANS是以人类大脑为模型的计算系统，用来识别模式。他们通过标注或聚类原始输入来解释感官数据。他们认识到的模式是数字的，所有真实世界的数据，无论是图像、声音、文本或时间序列，都会被翻译成这些数据。
这样的系统“学习”通过分析实例来执行任务，通常不使用特定任务的规则进行编程。例如，在图像识别中，人工神经网络可能会通过分析被手动标记为“苹果”或“没有苹果”的图像来识别含有苹果的图像，并利用这些结果来识别其他图像中的苹果。他们在没有事先知道苹果的情况下这样做，例如苹果的颜色或形状。相反，它们会从它们处理的示例中自动生成识别特征。
ANN首先对数据中的简单模式进行聚类和分类，如图像中的边缘和语音中的边缘，然后逐步建立概念的层次结构，直到数据中出现人脸或句子等复杂特征。ANN方法的最初目标是以人类大脑一样的方式解决问题。然而，随着时间的推移，注意力已经转移到执行特定任务上。ANN被广泛应用于计算机视觉、语音识别、机器翻译、社交网络过滤、棋盘和电子游戏以及医学诊断等多种任务中。
在他的博士期间，汤姆一直致力于自动驾驶，观察拍摄到的街头场景，注解和标记每一个元素。他确定了汽车、行人、路肩等的位置。为了做到这一点，他使用了一个名为语义分割的工具来标记每个像素，以便更好地理解正在发生的事情。外场需要识别苹果和开花在他们的果园照片，其中一种方法是使用这种语义分割方法。
外场的数据收集方法的另一个方面是精确定位它们的无人机在哪里，还有另一股计算机视觉，专注于定位，在你所处的世界和你所观察的地方工作。AlumnusKesarBreen，独立的机器学习和计算机视觉顾问，从他的繁忙日程中抽出时间，建议吉姆和奥利。Kessar帮助他们了解了他们可以利用果园建模和分析的技术来找出作物在哪里，并起草了一个潜在的算法来做到这一点，具有时间框架和要求。Kessar说，"在一个重要的商业问题上，外场正在做一些很酷的工作，有一些有趣但成熟的技术。我认为很有可能是商业上可行的。"
在谈到他在外场的工作时，Tom说，“外场的语义分割需求有一些非常特殊的微妙之处，例如，从研究的角度来看是非常有趣的。我习惯于看图像来识别大型物体，比如汽车，这些东西很容易被发现，但是外场有这些巨大的鸟瞰图像，它们是数以百万计的像素的果园，它想要检测每一朵花或每一片水果，来计算它们的数量。我一直在研究如何有效和有力地做到这一点，才能分辨出像这样的东西：这是树上的苹果吗？或者这是地上的苹果？“
吉姆说：“英国有一些世界上最好的技术和最好的技术科学家。我们目前正在进行测试，包括在苹果以外的作物上使用该模型。
“我们为未来两至三年制定了一个强有力的计划，我们将于2019年10月启动一轮投资回合，到2020年第一季度结束。这将使我们能够让更多的团队全职工作，并在未来一年在新西兰和英国大规模测试这些产品。”