后来为了进一步减少标注的工作量，百度EasyDL的研发人员又开发了一种新方案：一张照片只需拍1块种植板，每块种植板种56棵菜，采集一个生长周期需要45张图，总计为2520棵菜。新方案的标注工作量直接降低了97%，极大减轻了京东方工作人员的标注压力。标完后，百度会对这批单种植板的数据进行随机数据增强合成和优化，尽量弥合合成照片与真实拍摄的覆盖多块种植板的照片的视觉差异。这样便实现了以极少的标注量获得成千上万张训练数据，现在已经有好几个模型开始使用新方案。
虫害预警用的则是百度EasyDL平台经典的目标检测模型，难点更多在于特殊场景的后期优化，例如出现季节性害虫或体积微小的害虫时图片数据不全，但通过百度EasyDL平台上物体检测的整体方案便能解决。最终实现自动识别基于黄蓝背景板下的小菜娥、白粉虱、潜叶蝇、蝇四类常见昆虫，识别精度达到90%，能第一时间发现害虫，降低损失。
其实不只是在现代化的植物工厂里，我国大部分农村都面临着劳动力断层的难题。年轻人和壮劳力纷纷去大城市谋生，学生报志愿也会避开“环境苦、收入低”的农业。据孙博士回忆，自己上大学时班上大概有五六十人，而现在农业大学一个班只有二十几人。“中国是传统的农业大国，如果年轻人都不愿意学农业、从事农业，这是挺可怕的一件事。”李开说，“当现有农业人员‘退役’后，谁来接管农业、填补劳动力真空期？所以用AI辅助农业，是很有前景、有意义的。”而他们选择的方向，不再是面朝黄土背朝天的农耕指导，而是用机器替代人工，用AI技术提高生产力的智能化第四代农业平台。
在百度智能云AI技术的助力下，农业专家的频繁巡检变成了机器自动识别，实现了24小时呵护蔬菜生长。以前一个人能照看20亩地，应用AI技术后一个人能照看60~100亩地，工作效率提高了3~5倍。可以预见，将北京的植物工厂复制到其他城市并非难事。“我们未来会在全国各地建很多厂，比如上海、南京、河南，这些棚正在陆续落地中。”孙博士介绍说，“我们也跟一些农业种植类的大集团签了战略协议，将提供一整套基于AI技术的智能系统和详细说明，落地后不需要农业专家，普通工作人员就能管理。”这是一种用科技打破知识壁垒的方式，帮助缺乏农业经验的生产者也能稳定高效产出。
孙博士还说，他们最近来了几位1999年生的实习生：“他们特别喜欢现在的工作，因为他们在我们这看到了不一样的农业。”可以看到，AI技术正在让农业生产焕发新活力，也吸引着更多年轻人将目光重新投向这里。
