黑龍江智慧農業(yè)知識圖譜分析：科學文獻計量論述

趙 鐸，周桂霞，趙勝雪,2

(1.黑龍江八一農墾大學 工程學院，黑龍江 大慶 163319； 2.黑龍江省現(xiàn)代農業(yè)產業(yè)技術小麥協(xié)同創(chuàng)新推廣體系，黑龍江 齊齊哈爾 161006)

0 引言

糧食生產在國民經(jīng)濟中一直處于基礎地位，糧食作為人類生存發(fā)展的基礎，絕大多數(shù)的食物供給來自于本土農作物種植。我國目前人口數(shù)超過14億，保障我國居民日常糧食的及時供給問題首當其沖。智慧農業(yè)能通過物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、云計算等創(chuàng)新技術將傳統(tǒng)農業(yè)下依靠大量勞動力才能完成農耕作業(yè)的生產模式轉變?yōu)槭r省力且能達到“可控制”的智能化、機械化生產模式，有助于提高農業(yè)生產效率，推進耕地資源合理利用，有效改善農業(yè)生態(tài)環(huán)境，避免造成不必要的水肥資源浪費，節(jié)省時間和人力成本，告別傳統(tǒng)繁重的勞動作業(yè)，操作便捷，且有助于提升農作物品質，保障食品安全，令農戶收益增多。

1 黑龍江發(fā)展智慧農業(yè)的重要性

黑龍江是我國農業(yè)大省,是全國最重要的商品糧基地和糧食戰(zhàn)略后備基地,農業(yè)，特別是糧食生產在全國占有重要的戰(zhàn)略地位,肩負著保障國家糧食安全、生態(tài)安全的重任。黑龍江省的智慧農業(yè)發(fā)展道路有利于實現(xiàn)對資源集約節(jié)約利用，解決經(jīng)濟發(fā)展和農村資源有限的矛盾問題，保障未來人口基數(shù)大幅增加時所要面臨的糧食供應問題，解決農村生態(tài)環(huán)境惡化、污染嚴重的問題及未來構建健全完善的現(xiàn)代農業(yè)產業(yè)體系問題。

2 方法

為保證原始數(shù)據(jù)的全面、準確和高可信度，選擇了中國知網(wǎng)作為數(shù)據(jù)源。檢索到的“黑龍江智慧農業(yè)”作為一個數(shù)據(jù)集，年份范圍為2012—2022年。此外，數(shù)據(jù)類型被設置為文章，因此不包括非學術論文(如報告和會議文件)。最后，選擇了2 255篇論文進行研究。根據(jù)CiteSpace獲得的統(tǒng)計數(shù)據(jù)，CiteSpace是目前應用最廣泛的知識圖譜工具，用于挖掘、分析和可視化科學研究文獻的分析軟件。使用CiteSpace V軟件，版本為5.8.R3(64位)，通過在知網(wǎng)中獲得的原始數(shù)據(jù)繪制各種知識地圖，通過關鍵詞突發(fā)檢測可視化來分析研究趨勢。

3 研究現(xiàn)狀

3.1 機構與關鍵詞分析

3.1.1 機構分析

圖1顯示了一個由國內研究頻率較高的機構組織和作者組成的網(wǎng)絡。每個節(jié)點代表不同的組織機構單位和作者。節(jié)點越大，出版物的頻率越高，同時這也間接反映出該組織機構作出了比較權威且突出的貢獻。排名前五的組織機構依次是河南工業(yè)大學、黑龍江省科學院、黑龍江農墾紅興隆管理局宣傳部、黑龍江農墾總局黨委宣傳部及東北農業(yè)大學，由此說明國內的機構在智慧農業(yè)領域有很好的影響力。從CiteSpace顯示的組織機構網(wǎng)絡圖譜中可以得出結論：各組織機構目前暫無節(jié)點連接，即當下高校和研究所等其他單位的研究較為獨立。

圖1 國內在做智慧農業(yè)研究的組織機構

3.1.2 關鍵詞分析

關鍵詞作為對學術論文研究熱點的高度概括，既是論文的核心，同時又能代表目前學科領域內的研究重點。通過對相關出版物中的關鍵詞總結和分析，能描述一個領域的主題。表1列出了出版物中出現(xiàn)頻率最高的30個關鍵詞，與智慧農業(yè)密切相關的主要概念分布廣泛。其中“物聯(lián)網(wǎng)”“智慧農業(yè)”“互聯(lián)網(wǎng)+”“無人機”“農業(yè)”出現(xiàn)的頻率較高，這說明智慧農業(yè)相關的智能裝備技術是研究者關注的熱點，有利于促進智慧農業(yè)領域的進一步發(fā)展。如何利用物聯(lián)網(wǎng)技術提升農業(yè)生產效率，做到精細作業(yè)是研究人員關注的另一大問題，如“深度學習”、移動通信技術“l(fā)ora”、“信息化”和“大數(shù)據(jù)”。

表1 智慧農業(yè)前30位關鍵詞

3.2 關鍵詞突現(xiàn)分析

圖2顯示了智慧農業(yè)領域出版物中的突現(xiàn)關鍵詞，表明在一段時間內關鍵詞的頻率急劇增加。淺色基線上的深色線段表示關鍵詞的頻率突然增加，深色線段的位置表示突發(fā)的時間段。爆發(fā)的關鍵詞表示在該時間段內相關話題是最活躍的，或者出版物增長是最快的，同時也是研究人員關注和研究的。因此，突現(xiàn)關鍵詞是明確該領域進一步發(fā)展的重要標志，為該領域的進一步發(fā)展指明了方向。對數(shù)據(jù)集“智慧農業(yè)”“黑龍江”(2012—2022)中文章中的關鍵詞進行了突變分析，共檢測出774個獨特的關鍵詞，提取了強度最大的4個突現(xiàn)關鍵詞。

根據(jù)圖2對突現(xiàn)關鍵詞的分析，智慧農業(yè)的研究趨勢明顯呈現(xiàn)兩個時期：2016—2017年、2020—2022年。“農業(yè)”是第一時期突現(xiàn)的關鍵詞，是智慧農業(yè)必不可少的研究方向。 在第二時期，數(shù)字鄉(xiāng)村成為中央政府帶頭強調的農業(yè)工作領域的重點內容，如“鄉(xiāng)村振興”，已被廣泛研究。其次，“深度學習”強度得分5.17，是第二時期突現(xiàn)力較高的關鍵詞，是智慧農業(yè)領域的一個重要方向。深度學習在物聯(lián)網(wǎng)中被廣泛應用，用于感知環(huán)境、農作物及畜禽識別、病蟲害監(jiān)測預警等方向，提升精細農業(yè)的智慧種植養(yǎng)殖。隨著智能裝備的不斷應用，黑龍江省智能農機產業(yè)也得到大力研究和發(fā)展，黑龍江省的智慧農業(yè)領域具有廣闊的發(fā)展應用前景。

圖2 智慧農業(yè)中突現(xiàn)關鍵詞

3.3 關鍵詞聚類分析

關鍵詞聚類可展現(xiàn)出該領域不同研究方向的熱點。通過CiteSpace的對數(shù)似然比(LLR)算法得到關鍵詞共現(xiàn)類聚，這些聚類的內部牢固附著。從聚類的結果中可明確特定領域的研究內容、研究方向和研究趨勢。圖3是關鍵詞聚類圖，其中有774個節(jié)點和1 019個連接，拓撲網(wǎng)絡密度為0.002 7，節(jié)點之間的連接數(shù)大于自身的連接數(shù)，說明該領域的關鍵詞關系密切，即不同的研究方向和研究內容有不同的交叉和融合，通常用平均剪影來評價聚類。結果表明：Modularity Q=0.892 6，表示聚類效果非常顯著。平均剪影=0.813 2,其表明聚類結果非常可靠。最終一共得到20個聚類，聚類大小與聚類數(shù)成反比，節(jié)點大小與引用頻率成正比。相關研究大致涵蓋了人工智能(如#0app、#9深度學習、#19機器學習)；物聯(lián)網(wǎng)(如#1物聯(lián)網(wǎng)、#21監(jiān)控系統(tǒng))；智能農機裝備(#5農業(yè)、#11智慧農業(yè))。可以看出，在智慧農業(yè)領域內智能化技術仍是研究重點。通過人工智能及物聯(lián)網(wǎng)等研究，促進了精細農業(yè)的發(fā)展(如#11智慧農業(yè)、#16遙感；)從而改善智慧農業(yè)下機械和人工作業(yè)造成的作業(yè)誤差。

圖3 關鍵詞聚類群集視圖

通過關鍵詞聚類和突現(xiàn)檢測，從人工智能與智慧農業(yè)(如#0app、#9深度學習、#19機器學習)、物聯(lián)網(wǎng)與智慧農業(yè)(如#2物聯(lián)網(wǎng)、#21監(jiān)控系統(tǒng))、智能裝備與智慧農業(yè)(如#5農業(yè)、#11智慧農業(yè))3個方面來對智慧農業(yè)領域的發(fā)展和演變進行綜述概括。

3.3.1 人工智能技術

人工智能技術的關鍵就是通過對人類思維的模擬，對農業(yè)生產過程中產生的問題進行正確分析和解決，Zhang H等[1]人,提出基于對象的深度學習生態(tài)環(huán)境要素分類方法，是通過訓練一個深度卷積神經(jīng)網(wǎng)絡(DCNN)用來區(qū)分不同的環(huán)境因素，再通過訓練的DCNN來提取子圖像的深度特征，結果表明，該方法的分類精度達到了96.77%，但是該算法的問題就是難以從圖像層面上區(qū)分極度相似的生態(tài)環(huán)境，相似元素較多，如裸地和濕地；Zhou Z等[2]提出一種基于卷積神經(jīng)網(wǎng)絡(CNN)的Landsat-8多光譜遙感圖像花生種植面積提取方法，結果表明，CNN結構總體精度為96.42%。Kappa效率為0.944，利用CNN對作物進行多光譜圖像作物識別，在農業(yè)遙感分類中具有較大潛力。

3.3.2 物聯(lián)網(wǎng)技術

農場想要實現(xiàn)智能化，需要裝備、農業(yè)種植、養(yǎng)殖及管控云平臺系統(tǒng)形成一個實時傳遞數(shù)據(jù)信息的實體網(wǎng)絡，智能裝備再根據(jù)動植物的實時狀態(tài)進行靶向作業(yè)。物聯(lián)網(wǎng)會為這樣的作業(yè)條件提供技術支持，為生長調控提供準確參數(shù)，提供智能裝備的狀態(tài)感知技術等。張麗鳳等[3]通過對比國內外大型生鮮農產品領域建立了典型追溯系統(tǒng)，如表2所示，并研究了農產品溯源系統(tǒng)中物聯(lián)網(wǎng)技術的應用進展。

表2 國內外大型生鮮農產品領域典型追溯系統(tǒng)

物聯(lián)網(wǎng)技術與畜禽養(yǎng)殖相結合，逐漸成為畜牧業(yè)養(yǎng)殖的發(fā)展重心，如智能養(yǎng)豬需要智能飼喂系統(tǒng)(Velos)、環(huán)控系統(tǒng)、監(jiān)控系統(tǒng)協(xié)同合作，同時結合人工智能大數(shù)據(jù)分析才能發(fā)揮最大的作用。宣君[4]基于時分復用組建LoRa無線傳感星型網(wǎng)絡，從節(jié)點將母豬信息與豬舍環(huán)境通過LoRa傳輸?shù)絽R聚節(jié)點。母豬思維決策專家系統(tǒng)通過母豬及豬舍環(huán)境能精準決策每日飼喂量，并準確傳輸至飼喂器進行下料。

3.3.3 智能裝備技術

智能農機裝備具備智能化控制系統(tǒng)，不僅能完成耕作、收獲、灌溉和病蟲害防治等傳統(tǒng)作業(yè)，還能完成土壤信息采集及農作物產量采集工作，為精準農業(yè)提供技術支持。雖然智能裝備在智慧農業(yè)領域里的作業(yè)效率高，但仍存在以下幾方面問題。1)智能裝備的計量與信息采集不配套，如畜禽自動飼喂與飲水裝備之間的不協(xié)調造成智能化精準飼喂難以實現(xiàn)；2)針對現(xiàn)有設備的清理和檢修問題依舊存在，如在目前畜禽養(yǎng)殖中的部分清糞工作強度大，設備檢修難；3)種植養(yǎng)殖環(huán)境管理粗放，信息化作業(yè)水平不足導致的效率低下、環(huán)境嚴重污染及設備落后[5]；4)當前的智能裝備需要與種植養(yǎng)殖模式相結合，如限位欄的豬圈結構無法使用ESF(Electronic Sow Feeding,母豬電子飼喂站)[6]；5)通過每臺智能裝備上控制面板對系統(tǒng)參考系數(shù)進行調控或通過設備反饋的數(shù)據(jù)進行采集分析和可視化展示，需要從業(yè)者具備一定的綜合素質與智能知識來維護整套設備系統(tǒng)的運行。

4 總結與展望

本研究介紹了智慧農業(yè)領域的詳細科學圖譜分析結果。通過CiteSpace分析了2012—2022年期間發(fā)表的2 255篇文章，突出了高度活躍的研究領域。從上述文獻綜述中可以看出，研究人員為了提升智慧農業(yè)領域中的技術發(fā)展做出了各種努力。因此，使農作物長勢或病害及畜禽環(huán)境識別等問題都得到了不同程度的改善。人工智能技術和物聯(lián)網(wǎng)技術在智慧農業(yè)中如何更加精準的實現(xiàn)智能識別與監(jiān)控的問題，仍然是人們關注的焦點，智慧農業(yè)下智能裝備的智能控制仍有廣闊的研究空間。