大力推進人工智能在農業生產中的應用

張國鋒 肖宛昂

當前，數字化轉型已成為各行業經濟發展的新引擎，以科技為支撐的農業信息化、智能化正在朝著智慧農業的方向不斷升級發展，我國數字農業的發展水平顯著提升。《2019全國縣域數字農業農村發展水平評價報告》顯示，2018年全國縣域數字農業農村發展水平達33%，農業生產數字化水平達18.6%，農作物種植數字化水平為16.2%，設施栽培信息化水平為27.2%，畜禽養殖信息化水平為19.3%，水產養殖信息化水平為15.3%[1]。信息化水平的提高為農業人工智能技術的應用奠定了堅實基礎，并為數字農業經濟發展提供了新動能。艾瑞咨詢發布的《2019年中國人工智能產業研究報告》預測，我國“AI+農業”市場規模將以35.2%的年復合增長率高速發展，并將于2024年突破10億元，2025年達到15.7億元。

應用現狀

從農業科技的推廣經驗來看，人工智能被率先應用于經濟效益較高的農業生產領域[2]。深度神經網絡作為人工神經網絡的代表已經在農業領域得到了廣泛使用，尤其是計算機視覺和語音技術的日漸成熟，更加促進了農業機器人的智能化水平發展。

目前，農業人工智能的應用主要依托于科技公司的技術驅動，通過采用人工智能算法、模型以及農機智能裝備等實現農業信息的智能采集、加工和處理，并最終用于指導農業生產、提升農業生產效率及保障農產品質量。農業人工智能應用從技術分類來看，主要包括：農業計算機視覺、農業語音識別、農業機器人和專家系統等。從應用階段來看，包括產前的土壤墑情分析、灌溉用水分析和品種選育鑒別等，產中的精細化管理、生產作業管理（如灌溉、插秧、除草、采收、病蟲害防治和產量預測）等，產后的農產品品質鑒定、等級分級分類和倉儲物流等。目前，我國以技術、資金和產業鏈為主導的新型或大型農業人工智能服務平臺已初具規模，開始為農業不同產業領域提供全產業鏈的人工智能服務。

1.農業計算機視覺應用

基于FPGA（Field Programmable Gate Array，現場可編程門陣列）芯片、專用視覺處理芯片等嵌入式處理模塊和多技術融合的機器視覺系統將成為未來人工智能的主要發展趨勢，以卷積神經網絡為代表的深度學習模型也將成為圖像識別的核心技術，并將極大地改善目前機器視覺在農業應用中存在的諸多問題[3]。如可將農業人工智能技術應用于對水稻、棉花、黃瓜、草莓和馬鈴薯等不同作物病蟲害的診斷，或是利用人工智能模型完成對核桃無損檢測分類、茶葉質量評估、奶酪質量等級分類、根據作物葉片自動識別雜草、對果樹上的果實進行識別計數以及成熟度鑒別等人工很難勝任的工作。

但是，目前我國農業計算機視覺應用的實時性和準確性還較低，現有算法及模型的計算成本較高，對設備性能要求苛刻，同時缺乏農業計算機視覺專用算法、芯片及配套設備。因此，須重視并加強農業計算機視覺芯片及智能化裝備的研究與開發。

2.農業語音技術應用

目前，農業語音技術已應用于機器人語音控制、牲畜疾病診斷以及農業特定場景信息采集等系統中。其中，語音識別技術應用最為廣泛，主要包括：通過語音對機器人進行自動控制，實現精準作業；將農業信息自動轉換為語音輸出，用于指導農業生產活動等。目前農業語音技術已將農機設備的人機交互水平提升到更高層面，朝著智慧農機的方向不斷發展。但我國地域廣闊，農業從業者多以所在地方言進行交流，導致基于普通話的農業語音技術難以在全國范圍內得到推廣應用。因此，研究針對地域口音特征和農業領域專業術語的語音識別、合成等技術勢在必行。

3.農業機器人應用

農業機器人可應用于信息采集、施肥、除草、嫁接、采摘和分揀等多種生產場景，解決傳統人工在特殊場景中無法作業的難題。但是，農業機器人的應用需要與農耕方式相適應才能發揮其準確性和高效性。我國農業種植多采用作物輪作耕種，不同作物種類、耕作方式并存，降低了農機作業的適用范圍。因此，除了研究通用的農業機器人技術之外，還應建立不同農作物的區域性標準耕作方式，并以此為標準設計研發配套的系列農業機器人。另外，精確定位技術是進行自動導航的農業機器人執行巡檢任務的基礎，相較于其他應用于生產生活領域的機器人，其作業環境更加復雜且易受光照、雜草等自然條件的影響。因此，農業機器人在應用過程中，還需要結合機器視覺、激光雷達、語音識別和農業專家系統等多種技術，進行多任務協同作業。

4.農業專家系統

作為一個解決實際問題的計算機系統，農業專家系統將解決農業生產中的困難。該類系統主要為某個單品農作物或牲畜服務，如大豆專家系統、肉牛專家系統或智能灌溉系統等。伴隨著人工智能技術的不斷發展，農業專家系統也需要進行改進升級。目前，我國已將深度神經網絡模型應用于不同的農業專家系統中，如灌溉用水分析系統、河流徑流量、玉米產量、模擬育種及作物營養水平預測等。相對于人工診斷而言，專家系統對于某些問題的判斷更加準確、高效，但它也存在知識獲取難、處理復雜問題耗時較長等缺點[4]，而且對于生產數據的采集和錄入等都有較高要求，因此，農業從業者的知識水平、農業信息化基礎設施建設情況成了影響其應用的主要因素。未來的農業專家系統，應借助農業人工智能技術，實現更加“傻瓜”的操作方式，出具更加“智慧”和通俗易懂的診斷說明使其更好地服務于農業生產。

5.農業人工智能服務平臺

目前，我國農業人工智能服務平臺主要以人工智能初創公司、超大型互聯網公司為主體，面向某一農業單品或某一農業人工智能技術提供全產業鏈的農業人工智能方案，實現對原產業鏈的升級改造。該類平臺主要包括：基于百度大腦的智能農業，可以針對農業地塊識別、作物模型構建、病蟲害識別、無人機植保、農產品溯源及智能養殖等場景提供解決方案；阿里云ET農業大腦，基于人工智能、大數據和云計算技術優勢，提供涵蓋產業鏈上游、核心、下游及倉儲物流、供應鏈金融服務的人工智能整體方案，目前已成功應用于生豬養殖、蘋果及甜瓜種植；京東農牧自主研發并推出集成“AI神農大腦”+“IoT神農物聯網設備”+“SaaS神農系統”三大模塊的智能養殖解決方案，實現了養豬/養牛的智能養殖。此外，還有佳格推出的數字農業系統——耕境，其利用中、美、歐等數十顆衛星和無人機實時采集地面和氣象數據，幫助客戶進行標準化生產，實現生產全程可追溯，助力食品安全；麥飛科技自主研發的天空地一體化視覺/光譜技術，可以實時生成作物長勢及病蟲害多維農情監測圖，推出麥云農業AI云平臺，建立了麥信、農情及地理信息采集系統。

發展建議

農業數據是驅動和支撐農業人工智能技術的核心要素，農業物聯網是農業數據采集、傳輸的關鍵技術，面向農業應用的系列芯片是農業數據計算和處理的核心器件，農業信息安全則是農業安全和國家安全的重要屏障。因此，為了保障農業人工智能技術快速、有序、健康地發展，筆者建議做好四方面工作：

1.發展農業人工智能，助力農業物聯網改造升級

計算能力是農業物聯網應用的重要阻礙之一，常規人工智能算法計算量過大，無法直接集成應用于傳統物聯網系統。而經過訓練并裁剪壓縮的農業人工智能算法模型可嵌入物聯網設備，在設備邊緣端即可計算提取有效信息，從而實現物聯網設備端的AI應用。如基于AI的病蟲害檢測，攝像頭采集到農作物圖像后，可于第一時間在設備端利用集成的AI芯片或模塊進行預處理，完成特征提取、邊緣檢測及圖像分割等計算操作，再將可用于農業生產的有效數據傳輸到云端，大大降低物聯網系統中數據傳送量，減少網絡資源消耗，縮短計算延時。

2.研發農業人工智能芯片，提升農機智能化水平

人工智能芯片是人工智能技術的重要一環，但我國的人工智能芯片和智能傳感器等核心技術仍較薄弱，適用于低成本農業應用的人工智能芯片尚不能滿足農業的特殊需求和應用場景的性能需求。因此，應針對農業應用智能處理器進行深入研究。目前，伴隨著語音技術的成熟和計算機視覺的深入應用，國內已有企業和科研院所開始進行人工智能芯片研發[5]。如中國農業大學信息與電氣工程學院聯合中國科學院半導體研究所，已針對農業病蟲害識別、農業智能控制及農業信息安全等研制基于RISC-V指令集（加州大學伯克利分校發布的基于精簡指令集計算原理建立的開放指令集架構）的人工智能芯片。

3.標準化引領，推進農業人工智能技術落地

目前我國農業人工智能技術作為新一代信息技術的核心，依然缺乏國家級/行業級標準或規范。因此，現階段，我們要加強標準化對農業人工智能技術的引領，從國家/行業/企業等多個層面，研究制定圍繞人工智能技術與農業物聯網、農機設備和農業大數據等融合應用的相關標準，在頂層設計上優先制定人工智能在農業裝備制造及現代農業生產、經營和管理決策中的應用創新研究規劃[6]，進一步解決不同品牌、不同種類的設備間因缺少一致性接口難以實現互聯互通，進而導致技術或設備重復采購、利用率低，且無法服務于智慧農業整體解決方案等問題。

4.技術發展與信息安全并重，切實保障農業安全和國家安全

農業人工智能技術發展依賴于數據，而農業數據具有體量大、種類多和來源廣等特點，必須首先保障農業數據安全和信息系統安全，才可以保障農業的安全生產、精準管理和智能決策[7]。因此，應加強面向農業應用的自主芯片和軟件的研發，加強農業人工智能技術體系以及產品的監管。在技術及產品層面，將農業人工智能技術和區塊鏈技術進行融合，研發滿足農業安全監管要求的農業人工智能安全芯片、智能裝備及系統。