智慧農(nóng)業(yè)——Al在農(nóng)業(yè)領(lǐng)域的應(yīng)用與展望

李明曉 馬鑫 張宏利 周毛莉 王建仁 段剛龍

摘 要：農(nóng)業(yè)是我國(guó)第一產(chǎn)業(yè)，自古以來(lái)就是國(guó)民經(jīng)濟(jì)的基礎(chǔ)。民以食為天，農(nóng)業(yè)關(guān)系到每個(gè)人的利益，關(guān)系到人們的日常飲食生活。因此，在人工智能深刻改變?nèi)祟惿鐣?huì)生活、改變世界的大背景下，AI賦能農(nóng)業(yè)成為大勢(shì)所趨。為進(jìn)一步推動(dòng)我國(guó)農(nóng)業(yè)發(fā)展，首先介紹AI產(chǎn)業(yè)應(yīng)用現(xiàn)狀，結(jié)合我國(guó)農(nóng)業(yè)發(fā)展情況分析AI賦能農(nóng)業(yè)發(fā)展遲緩的原因并提出相應(yīng)解決措施;其次，對(duì)目前AI主要技術(shù)方向進(jìn)行綜述，進(jìn)而對(duì)AI在農(nóng)業(yè)領(lǐng)域的應(yīng)用模式進(jìn)行探討，從多個(gè)不同視角提出AI在農(nóng)業(yè)領(lǐng)域的應(yīng)用方向，為AI賦能農(nóng)業(yè)提供發(fā)展思路。

關(guān)鍵詞：人工智能;智慧農(nóng)業(yè);產(chǎn)業(yè)應(yīng)用

DOI： 10. 11907/rjdk.191065

開(kāi)放科學(xué)（資源服務(wù)）標(biāo)識(shí)碼（OSID）：

中圖分類號(hào)：TP3-0

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1672-7800（2020）001-0055-04

0 引言

在人工智能應(yīng)用AlphaGo戰(zhàn)勝世界圍棋大師李世石、柯潔之后，人工智能再次成為人們熱議的話題[1-3]。各國(guó)為抓住人工智能發(fā)展的重大戰(zhàn)略機(jī)遇，形成本國(guó)人工智能發(fā)展的絕對(duì)優(yōu)勢(shì)，紛紛出臺(tái)相關(guān)政策，以推動(dòng)人工智能研發(fā)與相關(guān)應(yīng)用領(lǐng)域發(fā)展，引領(lǐng)“人工智能時(shí)代”。

在全球人工智能發(fā)展浪潮中，我國(guó)的人工智能技術(shù)、產(chǎn)業(yè)近幾年發(fā)展備受矚目，呈現(xiàn)出與發(fā)達(dá)國(guó)家近乎同步的態(tài)勢(shì)[4-5]。在此大背景下，國(guó)內(nèi)以BAT為代表的大型互聯(lián)網(wǎng)企業(yè)紛紛布局人工智能產(chǎn)業(yè)。作為我國(guó)人工智能產(chǎn)業(yè)的佼佼者，百度自2015年以來(lái)在人工智能領(lǐng)域的投資總額超過(guò)200億元，并在北京、硅谷等地建設(shè)了3個(gè)深度學(xué)習(xí)實(shí)驗(yàn)室。2016年8月26日，經(jīng)國(guó)家發(fā)改委批準(zhǔn)，百度聯(lián)合清華大學(xué)、北京航空航天大學(xué)組成“深度學(xué)習(xí)國(guó)家隊(duì)”[6]，在聽(tīng)覺(jué)、視覺(jué)感知及語(yǔ)言理解3個(gè)人工智能基礎(chǔ)領(lǐng)域開(kāi)展研究;騰訊于2017年發(fā)布《2017互聯(lián)網(wǎng)科技創(chuàng)新白皮書(shū)》[7]，并相繼成立人工智能聯(lián)合實(shí)驗(yàn)室、騰訊AI Lab和騰訊AILab西雅圖實(shí)驗(yàn)室;阿里作為電商巨頭也不甘示弱，基于其強(qiáng)大的云計(jì)算能力向外界提供AI開(kāi)放平臺(tái)與AI產(chǎn)品等[8]。2017年7月8日，國(guó)務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》[9]，將本國(guó)人工智能產(chǎn)業(yè)2020年前進(jìn)入全球價(jià)值鏈高端作為戰(zhàn)略目標(biāo)，新一代人工智能在智能制造、智能醫(yī)療、智慧城市、智能農(nóng)業(yè)、國(guó)防建設(shè)等領(lǐng)域逐步得到推廣應(yīng)用。

近年來(lái)，人工智能在制造業(yè)、醫(yī)療、國(guó)防、金融等領(lǐng)域的應(yīng)用發(fā)展迅速，相關(guān)政策也相繼出臺(tái)，而與國(guó)家經(jīng)濟(jì)實(shí)力有著密切關(guān)系以及作為國(guó)家經(jīng)濟(jì)發(fā)展基礎(chǔ)條件的農(nóng)業(yè)[10-12]在與AI結(jié)合方面進(jìn)展緩慢。

1 AI產(chǎn)業(yè)應(yīng)用現(xiàn)狀

我國(guó)人工智能應(yīng)用主要集中在工業(yè)、醫(yī)療、金融、政務(wù)等領(lǐng)域，為深入了解我國(guó)人工智能在各傳統(tǒng)產(chǎn)業(yè)應(yīng)用現(xiàn)狀，本文分別以{年between（2009，2018 and主題=人工智能or主題=AI and摘要=[行業(yè)名稱]and[該行業(yè)常用的其它稱呼]}為查找條件，在中國(guó)知網(wǎng)查找AI主要應(yīng)用領(lǐng)域發(fā)文數(shù)量，對(duì)數(shù)據(jù)進(jìn)行搜集與整理后得到圖1、圖2。

由圖1可見(jiàn)，農(nóng)業(yè)作為國(guó)家經(jīng)濟(jì)發(fā)展的基礎(chǔ)性產(chǎn)業(yè)，左右著國(guó)民經(jīng)濟(jì)全局的發(fā)展，歷年來(lái)受到相關(guān)學(xué)者的高度重視，科研論文數(shù)量持續(xù)增加，而針對(duì)AI+農(nóng)業(yè)的科研論文數(shù)量較少，雖在2016年有較為明顯的上升，但其受重視程度仍然不足。從圖2中可以發(fā)現(xiàn)，從2016年開(kāi)始，AI在各個(gè)領(lǐng)域的應(yīng)用明顯增多，其中以政務(wù)、金融與醫(yī)療領(lǐng)域最為突出，相比之下，AI在農(nóng)業(yè)領(lǐng)域的應(yīng)用略顯后勁不足，2017年科研論文發(fā)文量甚至小幅下降。

2 AI賦能農(nóng)業(yè)發(fā)展困境及應(yīng)對(duì)措施

改革開(kāi)放以來(lái)，我國(guó)工業(yè)化與城市化水平不斷提高，國(guó)民經(jīng)濟(jì)結(jié)構(gòu)不斷完善，綜合國(guó)力顯著增強(qiáng)，從一個(gè)落后的農(nóng)業(yè)國(guó)一躍成為實(shí)力雄厚的工業(yè)化國(guó)家。從我國(guó)歷年出臺(tái)的各項(xiàng)政策可以看出，我國(guó)對(duì)農(nóng)業(yè)發(fā)展十分重視，資金投入量較大，因農(nóng)產(chǎn)品附加值低于其它產(chǎn)業(yè)，故很多地方政府忽視農(nóng)業(yè)發(fā)展[13-14]，導(dǎo)致AI賦能農(nóng)業(yè)進(jìn)展緩慢。長(zhǎng)此以往，農(nóng)業(yè)的基礎(chǔ)性地位可能受到?jīng)_擊，農(nóng)業(yè)領(lǐng)域發(fā)展堪憂。因此，只有發(fā)現(xiàn)制約AI賦能農(nóng)業(yè)發(fā)展的障礙，并逐個(gè)擊破，才能有效推進(jìn)AI賦能農(nóng)業(yè)發(fā)展，進(jìn)一步解放生產(chǎn)力。

2.1 AI賦能農(nóng)業(yè)發(fā)展困境

（1）傳統(tǒng)農(nóng)耕思想根深蒂固?！案鹘?jīng)驗(yàn)”是代表性的農(nóng)業(yè)耕作思想，農(nóng)民大多依靠祖輩流傳下來(lái)的耕作經(jīng)驗(yàn)進(jìn)行農(nóng)業(yè)生產(chǎn)，若AI進(jìn)入農(nóng)業(yè)領(lǐng)域，將極大地改變我國(guó)農(nóng)民傳統(tǒng)耕作方式。但目前我國(guó)廣大農(nóng)村地區(qū)農(nóng)業(yè)勞動(dòng)者整體文化素質(zhì)仍然較低，缺乏AI技術(shù)應(yīng)用能力，而AI人才又普遍流向大中型城市。

（2）農(nóng)業(yè)信息化水平低。長(zhǎng)期以來(lái)，多數(shù)地區(qū)政府為了追求經(jīng)濟(jì)效益，僅重視農(nóng)作物產(chǎn)量而忽視農(nóng)業(yè)信息化建設(shè)，極度缺乏收集農(nóng)業(yè)相關(guān)數(shù)據(jù)的信息化設(shè)備。由于AI必需的數(shù)據(jù)量不足，導(dǎo)致AI賦能農(nóng)業(yè)推進(jìn)緩慢。

（3）閑置務(wù)農(nóng)人口無(wú)法有效安置。每一次工業(yè)革命都伴隨著勞動(dòng)力結(jié)構(gòu)調(diào)整，當(dāng)AI與農(nóng)業(yè)結(jié)合，勢(shì)必會(huì)造成農(nóng)村務(wù)農(nóng)人口的大量閑置，加上這一部分農(nóng)村勞動(dòng)力文化素質(zhì)較低且缺乏再就業(yè)技能，故對(duì)相關(guān)勞動(dòng)力的安置是一個(gè)棘手問(wèn)題。

（4）耕地分散。2018年國(guó)家雖出臺(tái)了相關(guān)政策對(duì)農(nóng)村用地分散問(wèn)題進(jìn)行整治，但治理效果欠佳。分散化的農(nóng)田用地，導(dǎo)致農(nóng)業(yè)機(jī)械化與信息化操作成本大幅上升，因而使AI賦能農(nóng)業(yè)成本也大幅上升。

（5）AI科研成果與農(nóng)業(yè)發(fā)展實(shí)際需求脫節(jié)。AI科研成果是由高校、研究院所或科技巨頭公司科研人員研發(fā)的人工智能應(yīng)用產(chǎn)品，相關(guān)資金投入方為能盡快獲得研究成果，投入大量資金打造高水平科研團(tuán)隊(duì)與研究場(chǎng)所等軟硬件設(shè)施，卻忽視了農(nóng)業(yè)發(fā)展的真實(shí)訴求，導(dǎo)致AI應(yīng)用難以落地。

2.2 AI賦能農(nóng)業(yè)應(yīng)對(duì)措施

（1）建設(shè)農(nóng)村社區(qū)學(xué)習(xí)站。為更好地提高務(wù)農(nóng)人員的整體文化素質(zhì)和專業(yè)化技能，應(yīng)在農(nóng)村社區(qū)修建社區(qū)學(xué)習(xí)站，建設(shè)農(nóng)業(yè)圖書(shū)閱覽室、計(jì)算機(jī)閱覽室等配套設(shè)施;定期進(jìn)行農(nóng)業(yè)前沿知識(shí)科普講座，以提高務(wù)農(nóng)人員的整體素質(zhì)、專業(yè)技能與思想水平。

（2）發(fā)揮政府的引導(dǎo)示范作用。政府應(yīng)積極推動(dòng)AI賦能農(nóng)業(yè)發(fā)展，對(duì)農(nóng)業(yè)信息化發(fā)展、農(nóng)村用地分散整治或AI賦能農(nóng)業(yè)進(jìn)展遲緩的省、市、鎮(zhèn)進(jìn)行通報(bào)批評(píng)，對(duì)個(gè)別不作為的領(lǐng)導(dǎo)干部作降職或撤職處理;對(duì)農(nóng)業(yè)信息化建設(shè)進(jìn)展明顯、農(nóng)村用地整治效果顯著或AI賦能農(nóng)業(yè)推進(jìn)迅速的省、市、鎮(zhèn)進(jìn)行通報(bào)表?yè)P(yáng)，給予相關(guān)建設(shè)資金作為獎(jiǎng)勵(lì)。

（3）推進(jìn)農(nóng)村招商引資。鄉(xiāng)鎮(zhèn)一級(jí)政府可通過(guò)招商引資鼓勵(lì)相關(guān)企業(yè)到農(nóng)村地區(qū)投資建廠，帶動(dòng)廣大農(nóng)村地區(qū)發(fā)展，以有效安置因農(nóng)村用地征收或AI賦能農(nóng)業(yè)帶來(lái)的閑置農(nóng)村勞動(dòng)力。

（4）建立鄉(xiāng)鎮(zhèn)產(chǎn)學(xué)研工作交流基地。建立鄉(xiāng)鎮(zhèn)產(chǎn)學(xué)研基地，為從事AI領(lǐng)域研究的高等院校、科技公司、科研團(tuán)隊(duì)提供用于科研與參觀交流的固定場(chǎng)所，并提供配套科研資金以及用于農(nóng)業(yè)科研的示范性農(nóng)田，以提高AI產(chǎn)品與農(nóng)業(yè)需求的結(jié)合程度。

3 現(xiàn)階段AI主要技術(shù)方向

人工智能自1956年提出至今，在60多年的時(shí)間里，其相關(guān)理論與技術(shù)日益成熟，應(yīng)用領(lǐng)域也逐步擴(kuò)大[15]，主要應(yīng)用領(lǐng)域包括：

（1）計(jì)算機(jī)視覺(jué)。計(jì)算機(jī)視覺(jué)是指使用計(jì)算機(jī)及相關(guān)設(shè)備對(duì)生物視覺(jué)進(jìn)行模擬。其通過(guò)將圖像社區(qū)裝置（如攝像頭等）攝取的目標(biāo)轉(zhuǎn)化為圖像信號(hào)，并依據(jù)像素的分布和亮度、三原色等信息將其轉(zhuǎn)變?yōu)閿?shù)字信號(hào)。程序通過(guò)對(duì)這些數(shù)據(jù)進(jìn)行目標(biāo)特征提取等操作，判斷圖像的位置、分類等結(jié)果，從而對(duì)相關(guān)設(shè)備進(jìn)行控制。

（2）語(yǔ)音處理。語(yǔ)音處理是指語(yǔ)音發(fā)聲過(guò)程、語(yǔ)音信號(hào)統(tǒng)計(jì)特征、語(yǔ)音自動(dòng)識(shí)別、機(jī)器合成以及語(yǔ)音感知等多種處理技術(shù)的總稱。目前的語(yǔ)音處理技術(shù)主要應(yīng)用于用戶身份確認(rèn)，以擺脫文字密碼或圖案式的認(rèn)證模塊;人機(jī)交互，用于實(shí)現(xiàn)語(yǔ)音的流程控制及情感陪護(hù)等。

（3）自然語(yǔ)言處理。人類的多種智能都與語(yǔ)言有著密切關(guān)系。自然語(yǔ)言處理主要解決機(jī)器翻譯、語(yǔ)義理解、情感分析等問(wèn)題，目前主要應(yīng)用于機(jī)器翻譯（google、有道等）、聊天機(jī)器人等。

（4）規(guī)劃決策系統(tǒng)。規(guī)劃決策系統(tǒng)用于規(guī)劃制訂工作中包含的組織目的、分階段目標(biāo)、措施及資源配置等事項(xiàng)的決策，其不僅涉及從一組替換方案中選擇一個(gè)，而是同時(shí)涉及替換方案的提出與選擇，其實(shí)質(zhì)就是選擇、提出或產(chǎn)生替換方案[18]。

（5）大數(shù)據(jù)/統(tǒng)計(jì)分析。大數(shù)據(jù)分析是基于機(jī)器學(xué)習(xí)與深度學(xué)習(xí)算法層的一個(gè)人工智能技術(shù)方向，主要解決的問(wèn)題是從海量的半結(jié)構(gòu)化（結(jié)構(gòu)變化較大的結(jié)構(gòu)化數(shù)據(jù)）或非結(jié)構(gòu)化數(shù)據(jù)（圖片、聲音、視頻等）中挖掘出一些潛在的可供管理者使用的有價(jià)值的信息。

（6）上提模型。上提模型是指基于各種方法的實(shí)際運(yùn)行效果，預(yù)測(cè)其對(duì)個(gè)人影響力的一種預(yù)測(cè)模型。以上提模型實(shí)施定位營(yíng)銷為例，上提模型相比傳統(tǒng)模型，能夠剔除營(yíng)銷名單中絕對(duì)會(huì)購(gòu)買商品與絕對(duì)不購(gòu)買商品的用戶，由于該類用戶無(wú)論是否對(duì)其投放廣告.最后是否購(gòu)買的結(jié)果都是確定的，從而減少營(yíng)銷投入成本。

4 AI賦能農(nóng)業(yè)主要應(yīng)用方向

（1）農(nóng)作物選種。農(nóng)作物選種在很大程度上決定了糧食產(chǎn)量與農(nóng)作物抗逆性，從而影響廣大農(nóng)民的生產(chǎn)效益及國(guó)家糧食產(chǎn)量的穩(wěn)定。因此，可通過(guò)搜集優(yōu)良種子性狀及其對(duì)應(yīng)數(shù)據(jù)，構(gòu)建分類模型，對(duì)未知種子進(jìn)行篩選，保留具有優(yōu)良形狀的種子，并通過(guò)后期種植結(jié)果不斷豐富建模數(shù)據(jù)，修正模型誤差。

（2）土壤鹽堿度分析。土壤為農(nóng)作物提供養(yǎng)分和水分，然而土壤鹽堿化將導(dǎo)致土壤板結(jié)與肥力下降，嚴(yán)重阻礙農(nóng)作物生長(zhǎng)。AI賦能農(nóng)業(yè)，可通過(guò)對(duì)土壤傳感器收集到的土壤可溶性鹽（含鈉、鉀的硫酸鹽，氯化物，碳酸鹽等）含量、地表水分蒸發(fā)量、土壤濕度等數(shù)據(jù)通過(guò)訓(xùn)練好的人工神經(jīng)網(wǎng)絡(luò)模型（ANN）進(jìn)行預(yù)測(cè)分析，判斷當(dāng)前土壤情況，以便農(nóng)戶采取相應(yīng)措施。

（3）農(nóng)田除草。在農(nóng)作物生長(zhǎng)過(guò)程中，雜草不僅會(huì)與農(nóng)作物爭(zhēng)奪光照、生存空間與營(yíng)養(yǎng)物質(zhì)，還會(huì)傳播病蟲(chóng)害，釋放有毒物質(zhì)造成糧食減產(chǎn)[17]。因此，可采用集成車載傳感器、車載攝像等設(shè)備的農(nóng)田除草機(jī)器人，通過(guò)分析圖像數(shù)據(jù)對(duì)雜草進(jìn)行篩選，借助傳感器進(jìn)行避障除草。此舉將大大降低除草農(nóng)藥使用量，對(duì)于保護(hù)環(huán)境以及降低農(nóng)產(chǎn)品農(nóng)藥含量都具有十分顯著的作用。

（4）農(nóng)作物病蟲(chóng)害預(yù)測(cè)。農(nóng)作物病蟲(chóng)害是我國(guó)主要農(nóng)業(yè)災(zāi)害之一，具有種類多、影響大，且時(shí)常暴發(fā)成災(zāi)的特點(diǎn)，對(duì)我國(guó)國(guó)民經(jīng)濟(jì)，特別是農(nóng)業(yè)生產(chǎn)造成了重大損失[18]。因此，可通過(guò)圖像采集設(shè)備獲取病害特征圖像，在計(jì)算機(jī)視覺(jué)技術(shù)的輔助下獲取病害特征，并構(gòu)建支持向量機(jī)模型（ SVM），以確定病害種類、病害程度、問(wèn)題所在區(qū)域等;通過(guò)聲音獲取設(shè)備獲取農(nóng)田間害蟲(chóng)聲音特征，并在語(yǔ)音處理技術(shù)幫助下，借助已通過(guò)害蟲(chóng)叫聲訓(xùn)練好的模型進(jìn)行語(yǔ)音識(shí)別，預(yù)測(cè)農(nóng)作物蟲(chóng)害。

（5）農(nóng)田施肥。在傳統(tǒng)農(nóng)業(yè)生產(chǎn)中，化肥的使用一直存在施肥方法不科學(xué)、肥料利用率低、用量不當(dāng)?shù)葐?wèn)題，嚴(yán)重影響農(nóng)作物生長(zhǎng)。因此，可通過(guò)土壤分析結(jié)果，借助無(wú)人機(jī)進(jìn)行定點(diǎn)定量施肥，以有效提高肥料利用率，提高農(nóng)作物產(chǎn)量。

（6）農(nóng)作物藥物噴灑。我國(guó)大多數(shù)地區(qū)的農(nóng)作物藥物噴灑方式仍然是采用人力罐背式噴灑，或機(jī)械加壓人工噴灑，該方式不僅人力成本高、效率低，且容易造成環(huán)境污染與農(nóng)藥殘留。使用AI技術(shù)，人們能夠通過(guò)農(nóng)作物病蟲(chóng)害監(jiān)測(cè)所得結(jié)果，借助無(wú)人機(jī)技術(shù)實(shí)施定點(diǎn)或定區(qū)域藥物噴灑。該方式操作簡(jiǎn)單，且高效環(huán)保[19]。

（7）農(nóng)田問(wèn)題解決專家系統(tǒng)。該專家系統(tǒng)首先利用語(yǔ)音處理技術(shù)對(duì)農(nóng)戶咨詢的問(wèn)題進(jìn)行理解，然后在農(nóng)業(yè)問(wèn)題專家信息數(shù)據(jù)庫(kù)中檢索匹配相關(guān)信息，并通過(guò)語(yǔ)音合成的方式以類人語(yǔ)言說(shuō)出，也可通過(guò)固定頁(yè)面方式展示，為農(nóng)戶種植提供輔助手段。

（8）農(nóng)作物產(chǎn)量預(yù)測(cè)。通過(guò)綜合往年溫度、濕度、光照、水分、土壤元素、作物種類等農(nóng)田信息，借助大數(shù)據(jù)挖掘技術(shù)，利用FP-Growth關(guān)聯(lián)規(guī)則挖掘算法等構(gòu)建關(guān)聯(lián)分析模型，找到影響農(nóng)作物產(chǎn)量的關(guān)鍵因素，并將往年關(guān)鍵因素?cái)?shù)據(jù)與農(nóng)作物產(chǎn)量數(shù)據(jù)作為預(yù)測(cè)模型訓(xùn)練集，借助訓(xùn)練好的模型對(duì)后期農(nóng)作物產(chǎn)量進(jìn)行預(yù)測(cè)。

（9）農(nóng)作物采收。農(nóng)作物采收機(jī)器人是人工智能系統(tǒng)在農(nóng)作物采收上的典型應(yīng)用，機(jī)器人采收不僅能提高采收效率，還可以確保采收質(zhì)量[20]。但針對(duì)外露型農(nóng)作物（如玉米、桃子等）需要先通過(guò)成熟農(nóng)作物圖像訓(xùn)練預(yù)測(cè)模型，對(duì)即將采摘的農(nóng)作物進(jìn)行預(yù)測(cè)，判斷其是否成熟，再使用機(jī)械臂進(jìn)行采摘。

（10）農(nóng)作物價(jià)格預(yù)測(cè)。農(nóng)作物價(jià)格無(wú)時(shí)無(wú)刻不牽動(dòng)著每一個(gè)農(nóng)民的心，因此可利用歷年農(nóng)產(chǎn)品種類及其對(duì)應(yīng)價(jià)格、需求量、國(guó)內(nèi)實(shí)際產(chǎn)量、進(jìn)口量等多種數(shù)據(jù)訓(xùn)練神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，對(duì)農(nóng)產(chǎn)品當(dāng)年價(jià)格進(jìn)行預(yù)測(cè)。但AI在該方向的應(yīng)用存在一個(gè)問(wèn)題，即當(dāng)大多數(shù)農(nóng)田均采用價(jià)格預(yù)測(cè)系統(tǒng)時(shí)，是否會(huì)出現(xiàn)某種農(nóng)作物大批量種植、其它農(nóng)作物產(chǎn)量下降的情況，這是一個(gè)值得研究和思考的問(wèn)題。

5 結(jié)語(yǔ)

農(nóng)業(yè)深刻影響著國(guó)民經(jīng)濟(jì)以及社會(huì)的方方面面，在人工智能技術(shù)迅速發(fā)展的今天，必將為我國(guó)農(nóng)業(yè)發(fā)展注入新的生機(jī)與活力。本文分析了AI產(chǎn)業(yè)應(yīng)用現(xiàn)狀，找出AI賦能農(nóng)業(yè)發(fā)展遲緩的原因，并提出相應(yīng)解決措施;結(jié)合目前AI主要技術(shù)方向?qū)I在農(nóng)業(yè)領(lǐng)域的應(yīng)用模式進(jìn)行探討，從不同視角提出AI在農(nóng)業(yè)領(lǐng)域的多個(gè)應(yīng)用方向，為AI賦能農(nóng)業(yè)提供一些發(fā)展思路，以期推動(dòng)AI在農(nóng)業(yè)領(lǐng)域的應(yīng)用發(fā)展。

參考文獻(xiàn)：

[1] 左衛(wèi)民.關(guān)于法律人工智能在中國(guó)運(yùn)用前景的若干思考[J].清華法學(xué)，2018（2）：108-124.

[2] 張興旺.從AlphaCo看人工智能給圖書(shū)館帶來(lái)的影響與應(yīng)用[J].圖書(shū)與情報(bào)，2017（3）：43-50.

[3] 唐振韜，邵坤，趙冬斌，等.深度強(qiáng)化學(xué)習(xí)進(jìn)展：從AlphaGo到AI-phaGo Zero[J].控制理論與應(yīng)用，2017，34（ 12）：1529-1546.

[4] 楊丹輝，鄧洲.人工智能發(fā)展的重點(diǎn)領(lǐng)域和方向[J].人民論壇，2018（2）：22-24.

[5] ACEMOGLU D， RESTREPO P.Artificial intelligence， automationand work[ EB/OL].https： //www.nher.org/papers/w24196.pdf

[6] 張迪，魯寧，李宜展，等.智能視覺(jué)感知與理解研究態(tài)勢(shì)分析[J].計(jì)算機(jī)工程與應(yīng)用，2018，54（19）：18-25，33.

[7] 機(jī)器人技術(shù)與應(yīng)用編輯部.2017騰訊全球合作伙伴大會(huì)開(kāi)幕[J].機(jī)器人技術(shù)與應(yīng)用，2017（6）：11.

[8] 王宇.阿里云在歐洲推出云服務(wù)及AI方案[J].計(jì)算機(jī)與網(wǎng)絡(luò)，2018（5）：74-75.

[9] 中國(guó)政府網(wǎng).國(guó)務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》[J].廣播電視信息，2017（8）：8.

[10]湯春強(qiáng)，陳恩紅.轉(zhuǎn)型期農(nóng)業(yè)發(fā)展對(duì)經(jīng)濟(jì)增長(zhǎng)的影響[J].農(nóng)村經(jīng)濟(jì)與科技，2018（4）：176.

[11]吳春麗.我國(guó)農(nóng)業(yè)機(jī)械信息化發(fā)展現(xiàn)狀及信息技術(shù)應(yīng)用[J].現(xiàn)代農(nóng)業(yè)科技，2018（2）：171.

[12]ZHANG X， LI Z. Development of the national management and basicoperations for agriculture[M]. China's Rural Development Road， 2017.

[13]葛文瑩.新時(shí)代我國(guó)農(nóng)業(yè)發(fā)展困境研究[J].鄉(xiāng)村科技，2018（2）： 13-14.

[14]韓文龍，陳航.地方政府投資與產(chǎn)業(yè)結(jié)構(gòu)變遷的區(qū)域差異性[J].重慶三峽學(xué)院學(xué)報(bào)，2018，1：72-79.

[15] 智慧工廠編輯部.工業(yè)4.0時(shí)代是AI時(shí)代？[J].智慧工廠，2017（8）：28-29.

[16] 楊斌.軟科學(xué)大辭典[M].北京：中國(guó)社會(huì)科學(xué)出版社，1991.

[17] 李燕敏，祁顯濤，劉昌林，等.除草劑抗性農(nóng)作物育種研究進(jìn)展[J].作物雜志，2017（2）：1-6.

[18] 簡(jiǎn)俊凡，何宏昌，王曉飛，等，農(nóng)作物病蟲(chóng)害遙感監(jiān)測(cè)綜述[J].測(cè)繪通報(bào)，2018（ 9）：24-28.

[19] 牛沐萱.大疆引領(lǐng)農(nóng)業(yè)植保無(wú)人機(jī)行業(yè)[J].農(nóng)經(jīng)，2018（6）：73-75.

[20]毛林，王坤，成維莉.人工智能技術(shù)在現(xiàn)代農(nóng)業(yè)生產(chǎn)中的應(yīng)用[J].農(nóng)業(yè)網(wǎng)絡(luò)信息，2018，263（5）：16-20.

（責(zé)任編輯：黃?。?/p>

作者簡(jiǎn)介：李明曉（1998-），女，西安理工大學(xué)經(jīng)濟(jì)與管理學(xué)院碩士研究生，研究方向?yàn)闀?huì)計(jì)信息化與大數(shù)據(jù);馬鑫（1995-），男，西安理工大學(xué)經(jīng)濟(jì)與管理學(xué)院碩士研究生，研究方向?yàn)闄C(jī)器學(xué)習(xí)、深度學(xué)習(xí)和大數(shù)據(jù);張宏利（1994-），女，西安理工大學(xué)經(jīng)濟(jì)與管理學(xué)院碩士研究生，研究方向?yàn)闄C(jī)器學(xué)習(xí)和大數(shù)據(jù);周毛莉（1993-），女，西安理工大學(xué)經(jīng)濟(jì)與管理學(xué)院碩士研究生，研究萬(wàn)向?yàn)閿?shù)據(jù)分析;王建仁（1961-），男，西安理工大學(xué)經(jīng)濟(jì)與管理學(xué)院副教授，研究方向?yàn)樯虅?wù)智能與決策支持;段剛龍（1977-），男，西安理工大學(xué)經(jīng)濟(jì)與管理學(xué)院副教授，研究方向?yàn)閿?shù)據(jù)挖掘、決策支持。本文通訊作者：馬鑫?！?/p>