國外人工智能技術在現代農業中的應用及其對中國的啟示

梁穎慧 蔣志華

摘要 隨著“互聯網+”和人工智能技術的高速發展，農業發展迎來了新的契機。將人工智能技術應用于現代農業生產中的各個階段，是農業現代化生產的新方向，目前也取得了一些成效。基于此，在梳理不同國家、不同生產階段人工智能技術在現代農業中的實踐應用基礎上，總結國外發展經驗在我國現代農業中可借鑒之處，以期使人工智能技術能更好的服務于我國現代農業生產。

關鍵詞 人工智能技術;智能農業;現代農業;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

人工智能與現代農業相結合是農業發展的新方向，整合相關文獻可以將其描述為物聯網、云計算、大數據、移動互聯網等現代信息技術在農業方面的綜合應用。2017年7月，國務院印發了《新一代人工智能發展規劃》，提出“發展智能農業，建立典型農業大數據智能決策分析系統，開展智能農場、智能化植物工廠、智能牧場、智能漁場、智能果園、農產品加工智能車間、農產品綠色智能供應鏈等集成應用示范”[1]。人工智能技術可貫穿農業生產各個階段，實現農業生產產前、產中、產后的全產業鏈監控，進而實現農業生產集約、高產、優質、高效、生態、安全等可持續發展的目標。

世界銀行、法中基金會等國外研究團隊對人工智能技術在現代農業的應用都做了大量的研究。美國是現代農業人工智能技術廣泛應用的代表，美國的大型農場（銷售額50萬美元以上）均使用產量監控器，且多數農場都已采用農業專業系統進行管理，農場主使用桌面WEB界面及移動端APP來管理農場。典型的如Farmlogs已覆蓋了全美15%的農場，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、不同生產階段的人工智能技術在現代農業中的實踐應用，總結國外發展經驗對我國現代農業的可借鑒之處，從而使人工智能技術更好地服務于我國現代農業生產。

1 不同國家應用模式比較

隨著現代農業的發展，信息技術、互聯網+、大數據等新名詞在農業領域已不陌生。世界各國都十分注重人工智能技術在現代農業中的應用。由于各個國家的實際情況不同，其發展模式也有所區別。

1.1 美日信息化模式

美國農業重視“信息化建設”，現代農業智能裝備技術日漸成熟。玉米、小麥主產區39%的生產者都使用了人工智能技術，大型農場人工智能設備和技術普及率高達80%，人工智能技術已使玉米產量提高13%，種植成本下降15%，從而促進了農戶經濟效益的提高[3]。

日本農業十分重視“信息技術”，重點都集中在農產品流通環節。近兩年開發了農業技術情報網絡系統，借助公眾電話網、專用通訊網和無線尋呼網，把大容量處理計算機和大型數據庫系統、互聯網網絡系統、氣象情報系統、溫室無人管理系統、高效農業生產管理系統、個人計算機用戶等聯結起來[4]。

1.2 德法數字化模式

德國農業重視“數字化發展”，提出了“農業4.0”概念，旨在通過人工智能技術實現農業生產數字化。德國的大型農業機械都是由全球衛星定位系統（GPS）導航系統控制。農民只需要切換到GPS導航模式，衛星數據就能讓農業機械精確作業，誤差可以控制在幾厘米之內[5]。

為實現農業現代化生產，法國專門打造大數據農業體系。法國農業將 GPS 和GIS系統應用于聯合收割機，不僅實現了產量圖的自動生成，更使植保機械電子化及施肥機械的變量作業變為可能[6]。

1.3 荷蘭以色列自動化模式

荷蘭農業的重點在“溫室農業”，信息技術推動了溫室農業升級換代，實現全自動化控制，包括光照系統、加溫系統、液體肥料灌溉施肥系統、二氧化碳補充裝置以及機械化采摘、監測系統等，減少了用工人數。

以色列農業重視“節水農業”的發展，最直接體現在滴灌系統。以色列運用物聯網技術設計了一套滴灌節水系統。該系統通過控制計算機，由傳感器傳回土壤的數據，決定何時澆水以及澆水量，并通過遠程進行檢測與判斷。這一系統既節約了水資源，也節約了人力投入[7]。

2 不同生產階段應用比較

2.1 產前階段

在現代農業生產的產前階段，人工神經網絡（Artificial Neural Network，即ANN）技術給農戶提供科學指導，選擇準確合適的作物品種，掌握合理的施肥時間和地點，進行科學灌溉和施肥，從而實現低經濟成本、高質量產出的目標，有效促進了農業生產現代化。

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

2.1.2 種子領域的應用。ZAPOTOCZNY P等[9]使用圖像分析以及神經網絡方法鑒別麥粒的品種品質。通過調查11個不同品質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，結果發現試驗小麥品質的紋理分類準確率達到100%。

2.1.3 灌溉領域的應用。ELGAALI E等[10]開發并應用了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，應用了ANN模型來估計氣候變化對該區域灌溉供水的影響[10]。

2.2 產中階段

在現代農業生產的產中階段，通過專家系統和農業機器人可以幫助農民更加科學合理地進行農業種植管理，從而推進農業現代化發展，提高農業產業化效率。

2.2.1 生產領域的應用。ORELLANA F J等[11]針對當地橄欖種植研制出1個基于網絡的綜合信息系統SAIFA（ Spanish acronym for Sistemade Alertae Informacion Fitosanitaria Andaluz-Andalusian Phistosanitary Information and Alert System），可實時監測橄欖的綜合生產情況，還可幫助生產者選擇適用的綜合生產策略，還可以實時向衛生局反饋作物衛生情況。

2.2.2 溫室領域的應用。基于3S技術（地理信息系統GIS、全球定位系統GPS、遙感技術RS）的溫室控制與管理系統，德國研發出該系統，通過在溫室里安裝傳感器，測量作物生長情況，采集溫室內外部的生長環境數據，根據人工智能技術處理分析這些數據，可以很便捷地遙控灌溉和施肥[12]。

2.2.3 采收領域的應用。研究人員研發出了具有2層結構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，以確保驅動電機的實際旋轉;第2層為了解決驅動機器人跟蹤所需軌跡的問題，提出了一種由內向誤差控制器和外側向偏移控制器組成的級聯控制結構。通過根軌跡分析選擇控制參數，保證了系統的穩定性[13]。

2.3 產后階段

在現代農業生產的產后階段，合理的機器學習方法可以對農產品進行有效的檢驗，確保其質量安全外形完美;在搬運和銷售過程中，極大提高了農產品產業鏈的銷售效率，減少勞動力的投入，獲得更高的經濟效益。

2.3.1 產品檢驗領域的應用。運用機器學習分類器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提高。

2.3.2 食品搬運領域的應用。PETTERSSON A等[15]設計了1種利用磁流變（MR）流體效應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 銷售領域的應用。將RFID射頻識別技術應用在超市等地點，商品到達門店后會自動完成清點并及時更新數據庫;擺上售貨架后，可實時定位貨物的種類、數量、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算。

3 國外經驗對我國的啟示

3.1 借鑒國外經驗，大力發展現代農業

因其專業化程度高，美國農業形成了著名的生產帶，如玉米帶、小麥帶、棉花帶等。我國的糧食主產區，如東北、新疆等地可借鑒美國的“信息化建設”，從而加快人工智能設備和技術普及率，提高農業生產效率。

在農業生產的產前階段，灌溉用水領域可借鑒以色列的滴灌技術，控制計算機，通過傳感器傳回土壤的數據，決定何時澆水以及澆水量。

在農業生產的產中階段，溫室領域可以借鑒荷蘭的“溫室農業”，全自動化溫室，包括光照系統、加溫系統、液體肥料灌溉施肥系統、二氧化碳補充裝置以及機械化采摘和監測系統等。

在農業生產的產后階段，食品搬運和銷售領域可以借鑒日本的“信息技術”，借助公眾電話網、專用通訊網、無線尋呼網，把大型數據庫系統和互聯網網絡系統等聯結起來。

3.2 轉變政府職能，提高農業科研應用能力

在農業現代化發展進程中，政府應將管理職能轉變為服務職能，對使用人工智能的現代農業施行稅收減免政策，并提供專項農業資金支持，鼓勵其進行創新;建立農業科研體系，促進農業科技機構、農業企業以及農業從業者之間的合作交流，有針對性地進行人工智能技術的研發，提高農業科研應用能力。

3.3 整合建設資金，促進農業基礎設施建設

加強人才引進與培養，使農業從業者職業化，使其更具綜合性、更能符合現代農業所需。政府、企業和農業高校進行聯合，鼓勵引導農業高校畢業生從事農業生產活動，同時學習先進的人工智能技術，更好地將現代農業與人工智能技術相結合;通過政府部門提供的專項農業資金，集中改善農村農田道路，增加農機設備購置補貼政策，實現現代農業生產智能化、科學化。

3.4 加大科技投入，增強人工智能技術應用

在高校中加大人工智能技術理論知識的研究，通過科學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的研究能力;其次要加大實踐研究的力度，把人工智能技術理論在實際生產中不斷地投入實踐，把控好農業生產中的各個階段，總結生產中的經驗，使之與農業生產不斷匹配完善，從而在現代農業中更好地應用。

參考文獻

[1] 國務院.新一代人工智能發展規劃[Z].2017-07-08.

[2] 劉麗偉，高中理.美國發展“智慧農業”促進農業產業鏈變革的做法及啟示[J].經濟縱橫，2016（12）：120-124.

[3] 張博文.基于物聯網的智慧農業監控系統研究[D].荊州：長江大學，2017.

[4] 何夢嘉.河南省“互聯網+農業”發展戰略研究[D].鄭州：河南農業大學，2016.

[5] 國外智慧農業發展方案 值得借鑒[J].農業工程技術，2018，38（3）：60.

[6] 日本智慧農業發展現狀[J].農業工程技術，2016，36（12）：56-57.

[7] 燕貴成，唐春根，胡永盛.以色列農業物聯網發展基本經驗與啟示[J].世界農業，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業中的應用[J].科技創新與應用，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.