國外人工智能技術(shù)在現(xiàn)代農(nóng)業(yè)中的應(yīng)用及其對中國的啟示

梁穎慧 蔣志華

摘要 隨著“互聯(lián)網(wǎng)+”和人工智能技術(shù)的高速發(fā)展，農(nóng)業(yè)發(fā)展迎來了新的契機。將人工智能技術(shù)應(yīng)用于現(xiàn)代農(nóng)業(yè)生產(chǎn)中的各個階段，是農(nóng)業(yè)現(xiàn)代化生產(chǎn)的新方向，目前也取得了一些成效?；诖耍谑崂聿煌瑖?、不同生產(chǎn)階段人工智能技術(shù)在現(xiàn)代農(nóng)業(yè)中的實踐應(yīng)用基礎(chǔ)上，總結(jié)國外發(fā)展經(jīng)驗在我國現(xiàn)代農(nóng)業(yè)中可借鑒之處，以期使人工智能技術(shù)能更好的服務(wù)于我國現(xiàn)代農(nóng)業(yè)生產(chǎn)。

關(guān)鍵詞 人工智能技術(shù);智能農(nóng)業(yè);現(xiàn)代農(nóng)業(yè);中國啟示

中圖分類號 S126文獻標識碼 A

文章編號 0517-6611（2019）17-0254-02

Abstract With the rapid development of “Internet +” and artificial intelligence technology， agricultural development has ushered in a new opportunity. The application of artificial intelligence technology in various stages of modern agricultural production is a new direction of modern agricultural production. On the basis of sorting out the practical application of artificial intelligence technology in modern agriculture in different countries and production stages， we summarized the foreign development experiences that could be used for reference in Chinas modern agriculture， it is hoped that artificial intelligence technology can better serve Chinas modern agricultural production.

Key words Artificial intelligence technology;Intelligent agriculture;Modern agriculture;Chinas enlightenment

人工智能與現(xiàn)代農(nóng)業(yè)相結(jié)合是農(nóng)業(yè)發(fā)展的新方向，整合相關(guān)文獻可以將其描述為物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)、移動互聯(lián)網(wǎng)等現(xiàn)代信息技術(shù)在農(nóng)業(yè)方面的綜合應(yīng)用。2017年7月，國務(wù)院印發(fā)了《新一代人工智能發(fā)展規(guī)劃》，提出“發(fā)展智能農(nóng)業(yè)，建立典型農(nóng)業(yè)大數(shù)據(jù)智能決策分析系統(tǒng)，開展智能農(nóng)場、智能化植物工廠、智能牧場、智能漁場、智能果園、農(nóng)產(chǎn)品加工智能車間、農(nóng)產(chǎn)品綠色智能供應(yīng)鏈等集成應(yīng)用示范”[1]。人工智能技術(shù)可貫穿農(nóng)業(yè)生產(chǎn)各個階段，實現(xiàn)農(nóng)業(yè)生產(chǎn)產(chǎn)前、產(chǎn)中、產(chǎn)后的全產(chǎn)業(yè)鏈監(jiān)控，進而實現(xiàn)農(nóng)業(yè)生產(chǎn)集約、高產(chǎn)、優(yōu)質(zhì)、高效、生態(tài)、安全等可持續(xù)發(fā)展的目標。

世界銀行、法中基金會等國外研究團隊對人工智能技術(shù)在現(xiàn)代農(nóng)業(yè)的應(yīng)用都做了大量的研究。美國是現(xiàn)代農(nóng)業(yè)人工智能技術(shù)廣泛應(yīng)用的代表，美國的大型農(nóng)場（銷售額50萬美元以上）均使用產(chǎn)量監(jiān)控器，且多數(shù)農(nóng)場都已采用農(nóng)業(yè)專業(yè)系統(tǒng)進行管理，農(nóng)場主使用桌面WEB界面及移動端APP來管理農(nóng)場。典型的如Farmlogs已覆蓋了全美15%的農(nóng)場，2014年上半年其市場份額翻了3倍[2]。鑒于此，筆者梳理了不同國家、不同生產(chǎn)階段的人工智能技術(shù)在現(xiàn)代農(nóng)業(yè)中的實踐應(yīng)用，總結(jié)國外發(fā)展經(jīng)驗對我國現(xiàn)代農(nóng)業(yè)的可借鑒之處，從而使人工智能技術(shù)更好地服務(wù)于我國現(xiàn)代農(nóng)業(yè)生產(chǎn)。

1 不同國家應(yīng)用模式比較

隨著現(xiàn)代農(nóng)業(yè)的發(fā)展，信息技術(shù)、互聯(lián)網(wǎng)+、大數(shù)據(jù)等新名詞在農(nóng)業(yè)領(lǐng)域已不陌生。世界各國都十分注重人工智能技術(shù)在現(xiàn)代農(nóng)業(yè)中的應(yīng)用。由于各個國家的實際情況不同，其發(fā)展模式也有所區(qū)別。

1.1 美日信息化模式

美國農(nóng)業(yè)重視“信息化建設(shè)”，現(xiàn)代農(nóng)業(yè)智能裝備技術(shù)日漸成熟。玉米、小麥主產(chǎn)區(qū)39%的生產(chǎn)者都使用了人工智能技術(shù)，大型農(nóng)場人工智能設(shè)備和技術(shù)普及率高達80%，人工智能技術(shù)已使玉米產(chǎn)量提高13%，種植成本下降15%，從而促進了農(nóng)戶經(jīng)濟效益的提高[3]。

日本農(nóng)業(yè)十分重視“信息技術(shù)”，重點都集中在農(nóng)產(chǎn)品流通環(huán)節(jié)。近兩年開發(fā)了農(nóng)業(yè)技術(shù)情報網(wǎng)絡(luò)系統(tǒng)，借助公眾電話網(wǎng)、專用通訊網(wǎng)和無線尋呼網(wǎng)，把大容量處理計算機和大型數(shù)據(jù)庫系統(tǒng)、互聯(lián)網(wǎng)網(wǎng)絡(luò)系統(tǒng)、氣象情報系統(tǒng)、溫室無人管理系統(tǒng)、高效農(nóng)業(yè)生產(chǎn)管理系統(tǒng)、個人計算機用戶等聯(lián)結(jié)起來[4]。

1.2 德法數(shù)字化模式

德國農(nóng)業(yè)重視“數(shù)字化發(fā)展”，提出了“農(nóng)業(yè)4.0”概念，旨在通過人工智能技術(shù)實現(xiàn)農(nóng)業(yè)生產(chǎn)數(shù)字化。德國的大型農(nóng)業(yè)機械都是由全球衛(wèi)星定位系統(tǒng)（GPS）導(dǎo)航系統(tǒng)控制。農(nóng)民只需要切換到GPS導(dǎo)航模式，衛(wèi)星數(shù)據(jù)就能讓農(nóng)業(yè)機械精確作業(yè)，誤差可以控制在幾厘米之內(nèi)[5]。

為實現(xiàn)農(nóng)業(yè)現(xiàn)代化生產(chǎn)，法國專門打造大數(shù)據(jù)農(nóng)業(yè)體系。法國農(nóng)業(yè)將 GPS 和GIS系統(tǒng)應(yīng)用于聯(lián)合收割機，不僅實現(xiàn)了產(chǎn)量圖的自動生成，更使植保機械電子化及施肥機械的變量作業(yè)變?yōu)榭赡躘6]。

1.3 荷蘭以色列自動化模式

荷蘭農(nóng)業(yè)的重點在“溫室農(nóng)業(yè)”，信息技術(shù)推動了溫室農(nóng)業(yè)升級換代，實現(xiàn)全自動化控制，包括光照系統(tǒng)、加溫系統(tǒng)、液體肥料灌溉施肥系統(tǒng)、二氧化碳補充裝置以及機械化采摘、監(jiān)測系統(tǒng)等，減少了用工人數(shù)。

以色列農(nóng)業(yè)重視“節(jié)水農(nóng)業(yè)”的發(fā)展，最直接體現(xiàn)在滴灌系統(tǒng)。以色列運用物聯(lián)網(wǎng)技術(shù)設(shè)計了一套滴灌節(jié)水系統(tǒng)。該系統(tǒng)通過控制計算機，由傳感器傳回土壤的數(shù)據(jù)，決定何時澆水以及澆水量，并通過遠程進行檢測與判斷。這一系統(tǒng)既節(jié)約了水資源，也節(jié)約了人力投入[7]。

2 不同生產(chǎn)階段應(yīng)用比較

2.1 產(chǎn)前階段

在現(xiàn)代農(nóng)業(yè)生產(chǎn)的產(chǎn)前階段，人工神經(jīng)網(wǎng)絡(luò)（Artificial Neural Network，即ANN）技術(shù)給農(nóng)戶提供科學(xué)指導(dǎo)，選擇準確合適的作物品種，掌握合理的施肥時間和地點，進行科學(xué)灌溉和施肥，從而實現(xiàn)低經(jīng)濟成本、高質(zhì)量產(chǎn)出的目標，有效促進了農(nóng)業(yè)生產(chǎn)現(xiàn)代化。

2.1.1 土壤領(lǐng)域的應(yīng)用。COCK L等[8]提取表土從深度加權(quán) EM38DD（一種電磁感應(yīng)土壤傳感器）的信號中獲得的土質(zhì)紋理信息，通過ANN評估了不同的輸入層對影響表土粘土含量的預(yù)測能力，綜合使用2個EM38DD信號，優(yōu)化了表土黏土含量的預(yù)測。

2.1.2 種子領(lǐng)域的應(yīng)用。ZAPOTOCZNY P等[9]使用圖像分析以及神經(jīng)網(wǎng)絡(luò)方法鑒別麥粒的品種品質(zhì)。通過調(diào)查11個不同品質(zhì)等級的春冬小麥品種，對從PC接口的平板掃描儀獲得的圖像進行了分析，結(jié)果發(fā)現(xiàn)試驗小麥品質(zhì)的紋理分類準確率達到100%。

2.1.3 灌溉領(lǐng)域的應(yīng)用。ELGAALI E等[10]開發(fā)并應(yīng)用了2種模型以估計科羅拉多阿肯色河流域氣候變化對灌溉水平衡的影響，應(yīng)用了ANN模型來估計氣候變化對該區(qū)域灌溉供水的影響[10]。

2.2 產(chǎn)中階段

在現(xiàn)代農(nóng)業(yè)生產(chǎn)的產(chǎn)中階段，通過專家系統(tǒng)和農(nóng)業(yè)機器人可以幫助農(nóng)民更加科學(xué)合理地進行農(nóng)業(yè)種植管理，從而推進農(nóng)業(yè)現(xiàn)代化發(fā)展，提高農(nóng)業(yè)產(chǎn)業(yè)化效率。

2.2.1 生產(chǎn)領(lǐng)域的應(yīng)用。ORELLANA F J等[11]針對當?shù)亻蠙旆N植研制出1個基于網(wǎng)絡(luò)的綜合信息系統(tǒng)SAIFA（ Spanish acronym for Sistemade Alertae Informacion Fitosanitaria Andaluz-Andalusian Phistosanitary Information and Alert System），可實時監(jiān)測橄欖的綜合生產(chǎn)情況，還可幫助生產(chǎn)者選擇適用的綜合生產(chǎn)策略，還可以實時向衛(wèi)生局反饋作物衛(wèi)生情況。

2.2.2 溫室領(lǐng)域的應(yīng)用?；?S技術(shù)（地理信息系統(tǒng)GIS、全球定位系統(tǒng)GPS、遙感技術(shù)RS）的溫室控制與管理系統(tǒng)，德國研發(fā)出該系統(tǒng)，通過在溫室里安裝傳感器，測量作物生長情況，采集溫室內(nèi)外部的生長環(huán)境數(shù)據(jù)，根據(jù)人工智能技術(shù)處理分析這些數(shù)據(jù)，可以很便捷地遙控灌溉和施肥[12]。

2.2.3 采收領(lǐng)域的應(yīng)用。研究人員研發(fā)出了具有2層結(jié)構(gòu)的采收白蘆筍的自動機器人。在第1層上，使用2個獨立的速度控制回路，以確保驅(qū)動電機的實際旋轉(zhuǎn);第2層為了解決驅(qū)動機器人跟蹤所需軌跡的問題，提出了一種由內(nèi)向誤差控制器和外側(cè)向偏移控制器組成的級聯(lián)控制結(jié)構(gòu)。通過根軌跡分析選擇控制參數(shù)，保證了系統(tǒng)的穩(wěn)定性[13]。

2.3 產(chǎn)后階段

在現(xiàn)代農(nóng)業(yè)生產(chǎn)的產(chǎn)后階段，合理的機器學(xué)習(xí)方法可以對農(nóng)產(chǎn)品進行有效的檢驗，確保其質(zhì)量安全外形完美;在搬運和銷售過程中，極大提高了農(nóng)產(chǎn)品產(chǎn)業(yè)鏈的銷售效率，減少勞動力的投入，獲得更高的經(jīng)濟效益。

2.3.1 產(chǎn)品檢驗領(lǐng)域的應(yīng)用。運用機器學(xué)習(xí)分類器AdaBoost和支持向量機。MATHANKER S K等[14]使用此類人工智能技術(shù)提高山核桃缺陷分類的準確性，對良好和有缺陷的山核桃（各100只）的X線圖像進行了分割，該技術(shù)提高了分類精度，縮短了分類時間，并使山核桃缺陷分類方面的性能持續(xù)提高。

2.3.2 食品搬運領(lǐng)域的應(yīng)用。PETTERSSON A等[15]設(shè)計了1種利用磁流變（MR）流體效應(yīng)的新型機器人夾持器，可以在搬運草莓、胡蘿卜、蘋果、花椰菜和葡萄時不會在其表面留下抓痕。

2.3.3 銷售領(lǐng)域的應(yīng)用。將RFID射頻識別技術(shù)應(yīng)用在超市等地點，商品到達門店后會自動完成清點并及時更新數(shù)據(jù)庫;擺上售貨架后，可實時定位貨物的種類、數(shù)量、位置信息，及時掌握貨物信息;顧客完成購物后，推車從閱讀器前走過即可完成商品結(jié)算。

3 國外經(jīng)驗對我國的啟示

3.1 借鑒國外經(jīng)驗，大力發(fā)展現(xiàn)代農(nóng)業(yè)

因其專業(yè)化程度高，美國農(nóng)業(yè)形成了著名的生產(chǎn)帶，如玉米帶、小麥帶、棉花帶等。我國的糧食主產(chǎn)區(qū)，如東北、新疆等地可借鑒美國的“信息化建設(shè)”，從而加快人工智能設(shè)備和技術(shù)普及率，提高農(nóng)業(yè)生產(chǎn)效率。

在農(nóng)業(yè)生產(chǎn)的產(chǎn)前階段，灌溉用水領(lǐng)域可借鑒以色列的滴灌技術(shù)，控制計算機，通過傳感器傳回土壤的數(shù)據(jù)，決定何時澆水以及澆水量。

在農(nóng)業(yè)生產(chǎn)的產(chǎn)中階段，溫室領(lǐng)域可以借鑒荷蘭的“溫室農(nóng)業(yè)”，全自動化溫室，包括光照系統(tǒng)、加溫系統(tǒng)、液體肥料灌溉施肥系統(tǒng)、二氧化碳補充裝置以及機械化采摘和監(jiān)測系統(tǒng)等。

在農(nóng)業(yè)生產(chǎn)的產(chǎn)后階段，食品搬運和銷售領(lǐng)域可以借鑒日本的“信息技術(shù)”，借助公眾電話網(wǎng)、專用通訊網(wǎng)、無線尋呼網(wǎng)，把大型數(shù)據(jù)庫系統(tǒng)和互聯(lián)網(wǎng)網(wǎng)絡(luò)系統(tǒng)等聯(lián)結(jié)起來。

3.2 轉(zhuǎn)變政府職能，提高農(nóng)業(yè)科研應(yīng)用能力

在農(nóng)業(yè)現(xiàn)代化發(fā)展進程中，政府應(yīng)將管理職能轉(zhuǎn)變?yōu)榉?wù)職能，對使用人工智能的現(xiàn)代農(nóng)業(yè)施行稅收減免政策，并提供專項農(nóng)業(yè)資金支持，鼓勵其進行創(chuàng)新;建立農(nóng)業(yè)科研體系，促進農(nóng)業(yè)科技機構(gòu)、農(nóng)業(yè)企業(yè)以及農(nóng)業(yè)從業(yè)者之間的合作交流，有針對性地進行人工智能技術(shù)的研發(fā)，提高農(nóng)業(yè)科研應(yīng)用能力。

3.3 整合建設(shè)資金，促進農(nóng)業(yè)基礎(chǔ)設(shè)施建設(shè)

加強人才引進與培養(yǎng)，使農(nóng)業(yè)從業(yè)者職業(yè)化，使其更具綜合性、更能符合現(xiàn)代農(nóng)業(yè)所需。政府、企業(yè)和農(nóng)業(yè)高校進行聯(lián)合，鼓勵引導(dǎo)農(nóng)業(yè)高校畢業(yè)生從事農(nóng)業(yè)生產(chǎn)活動，同時學(xué)習(xí)先進的人工智能技術(shù)，更好地將現(xiàn)代農(nóng)業(yè)與人工智能技術(shù)相結(jié)合;通過政府部門提供的專項農(nóng)業(yè)資金，集中改善農(nóng)村農(nóng)田道路，增加農(nóng)機設(shè)備購置補貼政策，實現(xiàn)現(xiàn)代農(nóng)業(yè)生產(chǎn)智能化、科學(xué)化。

3.4 加大科技投入，增強人工智能技術(shù)應(yīng)用

在高校中加大人工智能技術(shù)理論知識的研究，通過科學(xué)研討會等方式加強科技交流與合作，從理論上提高人工智能技術(shù)的研究能力;其次要加大實踐研究的力度，把人工智能技術(shù)理論在實際生產(chǎn)中不斷地投入實踐，把控好農(nóng)業(yè)生產(chǎn)中的各個階段，總結(jié)生產(chǎn)中的經(jīng)驗，使之與農(nóng)業(yè)生產(chǎn)不斷匹配完善，從而在現(xiàn)代農(nóng)業(yè)中更好地應(yīng)用。

參考文獻

[1] 國務(wù)院.新一代人工智能發(fā)展規(guī)劃[Z].2017-07-08.

[2] 劉麗偉，高中理.美國發(fā)展“智慧農(nóng)業(yè)”促進農(nóng)業(yè)產(chǎn)業(yè)鏈變革的做法及啟示[J].經(jīng)濟縱橫，2016（12）：120-124.

[3] 張博文.基于物聯(lián)網(wǎng)的智慧農(nóng)業(yè)監(jiān)控系統(tǒng)研究[D].荊州：長江大學(xué)，2017.

[4] 何夢嘉.河南省“互聯(lián)網(wǎng)+農(nóng)業(yè)”發(fā)展戰(zhàn)略研究[D].鄭州：河南農(nóng)業(yè)大學(xué)，2016.

[5] 國外智慧農(nóng)業(yè)發(fā)展方案 值得借鑒[J].農(nóng)業(yè)工程技術(shù)，2018，38（3）：60.

[6] 日本智慧農(nóng)業(yè)發(fā)展現(xiàn)狀[J].農(nóng)業(yè)工程技術(shù)，2016，36（12）：56-57.

[7] 燕貴成，唐春根，胡永盛.以色列農(nóng)業(yè)物聯(lián)網(wǎng)發(fā)展基本經(jīng)驗與啟示[J].世界農(nóng)業(yè)，2016（9）：184-189.

[8] COCKX L，VAN MEIRVENNE M，VITHARANA U W A，et al.Extracting topsoil information from EM38DD sensor data using a neural network approach[J].Soil science society of Americal journal，2009，73（6）：2051-2058.

[9] ZAPOTOCZNY P.Discrimination of wheat grain varieties using image analysis and neural networks.Part I.Single kernel texture[J].Journal of cereal science，2011，54（1）：60-68.

[10] ELGAALI E，GARCIA L A，OJIMA D S.Sensitivity of irrigation water balance to climate change in the great plains of Colorado[J].Transactions of the ASABE，2006，49（5）：1315-1322.

[11] ORELLANA F J，DEL SAGRADO J，DEL GUILA I M.SAIFA：A web-based system for Integrated Production of olive cultivation [J].Computers and electronics in agriculture，2011，78（2）：231-237.

[12] DONG F H，HEINEMANN W，KASPER R.Development of a row guidance system for an autonomous robot for white asparagus harvesting[J].Computers and electronics in agriculture，2011，79（2）：216-225.

[13] 趙棟彪.淺談計算機在我國農(nóng)業(yè)中的應(yīng)用[J].科技創(chuàng)新與應(yīng)用，2014（18）：283.

[14] MATHANKER S K，WECKLER P R，BOWSER T J，et al.AdaBoost classifiers for pecan defect classification[J].Computers and electronics agriculture，2011，77（1）：60-68.

[15] PETTERSSON A，DAVIS S，GRAY J O，et al.Design of a magnetorheological robot gripper for handling of delicate food products with varying shapes[J].Journal of food engineering，2010，98（3）：332-338.