從“技術驅動”轉向“數據驅動”的智慧農業教育改革

摘" 要：隨著智慧農業信息化、數字化和智能化技術的迅猛發展，如何從“技術驅動”轉向“數據驅動”的智慧農業教育改革成為亟需解決的問題。針對涉農專業學生多數呈現低迷學習狀態，對傳統農業基礎知識與生產技術不感興趣等現實問題。該文利用深度學習技術，對智慧農業教學模式、實例、教學方式及學生學習成績評定等方面進行教改創新探索。例如，圍繞智能溫室病蟲害防治等關鍵技術問題，引導學生查閱數據，提出病蟲害防治的立項與設計方案；觀看課外教學視頻的“微課件”，學生與教師實時交互探討問題；將農業相關數據、資料匯集、整理，建立數據模型、構建病蟲害防治預警方案。這種“數據驅動”的教學模式，為學生創造出多樣化的學習環境，提升學習體驗，使學生認識到掌握智慧農業先進科學技術、知識的實用價值，從而提高教學效果與涉農教育的“適切性”。

關鍵詞：智慧農業；病蟲害防治；涉農專業學生；技術驅動；數據驅動

中圖分類號：F323" " " 文獻標志碼：A" " " " " 文章編號：2096-9902（2024）04-0011-04

Abstract： With the rapid development of information， digital and intelligent technology in smart agriculture， how to change from \"technology-driven\" to \"data-driven\" smart agricultural education reform has become an urgent problem to be solved. In view of the practical problems such as most of the students majoring in agriculture are in a depressed learning state and are not interested in traditional agricultural basic knowledge and production technology. By using the technology of deep learning， this paper makes an innovative exploration on the teaching reform of smart agriculture in the aspects of teaching model， examples， teaching methods and students' learning achievement evaluation. For example， around the key technical issues such as the prevention and control of diseases and insect pests in the smart greenhouse， this paper guides the students to consult the data and puts forward the project and design plan for the prevention and control of diseases and insect pests; guides the students to watch the \"micro-courseware\" of extracurricular teaching videos and discuss the problems with teachers in real time; collects and organizes agricultural data and materials， establishes a data model， and builds an early warning scheme for pest control. This \"data-driven\" teaching model creates a diversified learning environment for students， enhances their learning experience， and makes students realize the practical value of mastering advanced science and technology and the knowledge of smart agriculture， so as to improve the \"appropriateness\" of teaching effect and agriculture-related education.

Keywords： smart agriculture; pest control; agriculture-related students; technology-driven; data-driven

智慧農業是集信息技術、生物技術、先進制造等科學技術綜合應用到農業生產與農村建設中，是現代農業農村發展的新引擎。智慧農業是農業生產的高級技術階段，是利用智能化高科技手段，針對農田土壤、肥力、農作物生長、健康狀況，采取現代化施肥、病蟲害防治等技術措施，實現農業生產的精準化[1-2]。由于計算機與網絡技術、物聯網技術和無線通信技術等新技術，不斷深入到農業全產業鏈的各個環節，有利地促進智慧農業更好的發展，推進傳統農業提質增效[3]。隨著智慧農業信息化、數字化和智能化技術深入、普及到現代農業生產的各個環節，農業、農村亟需大量具備較高農業素養[4]，既掌握農業生產知識與技術，又掌握信息化技術、物聯網技術等復合技能性人才。但是我國目前大多數涉農專業教學，仍以傳統的農作物耕種、管理方法及畜牧養殖技術的通識教育為主，與我國現代農業實現數字化、智能化等產業鏈的發展不相符合[5-6]。農業教育要適應智慧農業對人才的需求，必須引進新觀念，積極探索新型人才培養模式，在教育觀念、人才培養目標和培養模式等方面進行探索、改革與創新[7]。如何使新時代農科教育體系高質量發展，實現鄉村全面振興戰略，就成為農業教育亟待探討與解決的問題。

1" “數據驅動”的智慧農業教學模式

“數據驅動”的智慧農業教學模式，旨在培養學生對植物與環境相互作用的認識和理解，以及掌握植物生長發育、適應環境的基本原理和方法。植物與環境課程通過改變傳統授課模式，在教學內容中納入智慧農業的最新研究成果；采用實例教學方式，教師由“演員”變為“導演”，引導學生到附近地區智慧農業生產基地進行實地考察學習，使學生對智慧農業生產過程建立起感性認識；由教師與企業技術人員共同提出智慧農業生產中存在的關鍵技術問題；指導學生小組查閱科技大數據，確定各小組的立項題目、設計研究內容、確定實施方案；將智慧農業關鍵技術、知識點制作成“微課件”成為學生課外教學視頻，學生與教師實時交互討論智慧農業技術問題；教師在課堂上對作業、實施方案以及學生提出的關鍵技術問題進行解答，與學生共同探討、解決智慧農業生產關鍵技術的途徑；多元化評定學生的學習成績。將“技術驅動”的傳統農業知識的講授模式，轉向由“數據驅動”的智慧農業實操技術的教學模式。真正實現以學生為中心的自主、個性化學習，同時也拓展、豐富了專業課的教學內容，為學生創造出多元化的學習環境，激發出學生探討智慧農業技術知識的熱情，提高了教學效果。

2" “數據驅動”的智慧農業病蟲害防治教學實例

作者在植物與環境課程教學中，選擇江蘇省泰州市大泗鎮中藥科技園智能溫室為教學實訓基地；選取溫室植物常發生的蚜蟲、癭螨、木虱和白粉病等主要病蟲害防治為教學實例，收集主要病蟲害移動發生規律的相關數據；分析氣候、小地形、近地光譜和植被指數等，與病蟲害發生發展間的相互關系；構建智能溫室病蟲害監測預警平臺，對病蟲害的發生發展進行快速監測預警。針對智能溫室病蟲害監測預警項目，提出一系列智慧農業生產技術方面問題，以及植物病蟲害發生危害與溫室內環境相互關系等問題。在智能溫室主要病蟲害的監測和預警中引入先進而實用的遙感監控技術手段。然而，傳統的病蟲害測報主要通過實地目測手查，既花費大量人力和時間，取樣的范圍和樣本量有限，難以獲得大范圍的真實資料。同時，也沒有考慮到溫室內小氣候變化對植物病蟲害發生移動規律的影響及空間分布等情況。而遙感監控技術可監測植物受到病蟲危害后，其葉片形態結構的非正常變化、葉片內部組織結構和功能的變異，使受病蟲危害植物在光譜特性上發生明顯變化，根據光譜反射率的差異和結構異常，通過圖像增強處理和模式識別，實施對植被感染病蟲害的監測和預警。通過這種問題解答講解方式，加深學生對植物生長與病蟲害發生發展的相互關系的理解。同時，聘請企業科研技術人員講解病蟲害移動采集軟件及構建監測及預警平臺。讓學生親自利用計算機視覺識別技術，實現病蟲害的自動識別與計數，并分析溫室內氣溫、濕度、土壤水分、近地光譜和植被指數等大數據與病蟲害發生發展的相互關系，建立植物病蟲害生態位預測模型，使學生體會到智能溫室病蟲害大面積發生監測和預警與種植環境之間密不可分的關系。

由于學生親自參加智慧農業現代化生產的精準化種植、可視化技術管理、智能化決策等一系列智慧農業生產活動，讓“愛農為農”精神更好地滲透到課程學習過程，提高學生智慧農業知識與實操技術水平、道德素質和社會責任感，調動起學生要學習掌握智慧農業知識、技術的積極性，真正體會到學習、掌握智慧農業技術的實用價值，顯示出智慧農業教育與生產實踐相結合的活力，從而提高教學效果與學生從事智慧農業的技術才能。

2.1" 收集智能溫室種植作物、環境與病蟲害發生的相關數據

指導學生到智能溫室觀測記錄以下幾方面數據：溫室內種植作物的生理、生化特性，作物生長、發育規律及物候期等相關數據；智能溫室中光照強度，空氣溫、濕度，土壤溫度、水分、養分含量等相關數據；作物病害表現特征，粘蟲板上昆蟲種類、數量等相關資料。與教師、企業技術人員一起集成研發溫室病蟲害田間自動采集器，實現病蟲害的田間自動采集和遠程監控，以及氣象因子的自動記錄和顯示等科技大數據。

2.2" 收集利用昆蟲本身信息素的聚集樣本

昆蟲信息素是調節和控制昆蟲行為的一種重要信息化學物質，其對昆蟲的定向、召喚、交尾、產卵和聚集等行為均具有重要的作用。動物依靠分泌物招引同種其他個體前來一起棲息，共同取食，攻擊異種對象，從而形成種群聚集，這種分泌物叫做聚集信息素，可用來召喚同類。指導學生收集粘蟲板上昆蟲種類與數量等活動，以便學生掌握智能溫室內主要害蟲種類、數量變化。將收集昆蟲本身信息素聚集數據，應用在害蟲測報、防治、檢疫等方面。與傳統農藥相比，利用信息素數據防治病蟲害，具有靈敏度高、準確性強、減少農藥使用量與環境污染，顯現出巨大的優越性和發展潛力。

2.3" 充分認識環境監測傳感器系統的功能

利用空氣溫、濕度傳感器、土壤溫濕度傳感器、光照傳感器和土壤水量傳感器[8]，集成氣象、土壤因子傳感器進行溫室田間環境監測；顯示實時數據并存儲歷史數據，病蟲害發生狀況和氣象土壤因子監測相結合，便于進一步研究病蟲害發生發展與氣象和土壤因子的關系，為溫室病蟲害早期預警提供數據支持。

2.4" 計算機自動圖像識別及構建病蟲害監測預警平臺

通過溫室病蟲害田間自動采集器結合數碼相機，獲取病蟲害在粘蟲板與植株上的圖像信息，綜合運用圖像識別、深度學習等技術，建立溫室病蟲害識別模型。同時，還可以分析氣象、地形、近地光譜和植被指數等與病蟲害發生發展間的相關關系，建立起主要病蟲害生態位預測模型，利用預測模型對智能溫室的病蟲害進行較大面積、快速監測預警，及時指導生產者采取積極的防治措施，為智慧農業生產過程提供了有力的技術保障。

3" 基于深度學習技術的“數據驅動”教學方式

隨著人工智能技術的發展，深度學習技術推動智慧農業現代化發展。深度學習技術具有學習能力強、覆蓋范圍廣、適應力強、可移植性好等優點，其開發模擬數據集可以解決實際問題，在智慧農業病蟲害防治監測預警中的應用越來越廣泛[8]。深度學習技術有計算機圖像、文字、語音等識別，預測與風險評估和智能監控等。如何利用深度學習技術、探索運用數字技術和資源創設教學場景，解決實習實訓難題，促進數字技術與傳統教育融合發展[9-10]均為棘手問題。智能溫室生產中植物主要病蟲害智能監測是智慧農業生產的關鍵技術之一。其囊括了物聯網、大數據和人工智能等現代技術，可實現溫室農作物主要病蟲害的智能采集、監測及預警模型。其中自動采集病蟲害數據、傳輸、基于計算機視覺的病蟲害識別，直接影響著病蟲害監測預警模型的準確性。調研國內外主要農作物病蟲害公開數據集、農作物數據集圖像達到擴充訓練數據集目的[11-12]。深度學習技術在農作物病蟲害檢測任務中相較于傳統方法表現更出色、計算復雜度較高[13]。例如，運用計算機圖片識別技術，可提高病蟲害甄辨速度；借鑒病蟲害數據庫，可提高監測圖片的樣本容量；對數據庫中數據進行具體分析、提取特征，可以擴充訓練數據集；利用實操圖片分析數據、考慮植物病蟲害的特征和影響，能診斷出分類病蟲害準確發生時間，從而選擇最優病蟲害防治的方案[14]。

教師可利用ChatGPT技術提供一個關于特定主題的教案——建立智能溫室病蟲害監測、監控系統，布置不同數量的攝像頭監測器并與溫室小氣候信息采集系統、蟲情測報燈、病蟲調查統計器和光電數碼顯微成像系統等配合使用，設定多個可視化通道實時監測作物的生長、病蟲害發生發展動態、環境因子等，實現農作物病蟲害遠程實時監測。隨后根據病蟲害分類網絡結構，分析基于深度學習的農作物病蟲害檢測方法，包括分類網絡、檢測網絡和分割網絡等，收到一個各類要素協同優化后的專業性極強的優質教案。教師對該教案按照智慧農業技術知識點進行組織和管理，精選教學過程中的重、難點進行專題講解，利用智能平臺完成對學生學習特點的個性化分析，綜合學生認知規律、結合現代農業產業需求，設置對應的導向問題。從而充分調動起學生探索學習智慧農業生產的知識與技術的積極性。

4" 多元化評定學生學習成績

“數據驅動”教學模式加強了學生的參與度和技術操作能力，沿用傳統方式來評定學生學習成績顯然不行，必須創新評估學生成績的新方法，即：從在線可視化了解學生表現，得知學生線上的學習、作業完成情況；從學生小組立項、確定解決技術問題的方案了解學生課堂知識的掌握程度；期終測試答卷是對學生學習掌握技術、知識的綜合測試。具體學習成績分數比例見表1。

這種多元化評定學習成績方式，激發出學生積極參與智慧農業教學活動的熱情，使學生能充分發揚團隊協作精神，提高涉農專業學生的綜合素養，增強學生共同協作工作與學習體驗。

5" 結論

5.1" “四位一體”教學形式是夯實學生掌握智慧農業技術的關鍵

智慧農業是當代農業競爭的制高點。根據智慧農業生產技術特點，緊扣農業生產的需求，將企業+學生+教師+科研小組學生有機結合，引導學生參加智能溫室數據的收集、處理，溫室聯動機械設備等操作實踐。通過“四位一體”教學形式，共同夯實涉農專業學生掌握智慧農業技術基本知識與操作技能；智慧農業的教學目標主要是培養學生利用物聯網，將數據采集終端與云端服務器互聯互通的能力；教師主要講授串口通信原理及調試方法、網絡通信原理及調試方法及網關數據轉發程序；督促學生查閱串口及網絡調試說明書，培養學生獲取信息的能力，串口及網絡通信調試能力等。通過學生分組收集、匯總、分析及總結相關技術資料，使每名學生能初步掌握全套智慧農業生產及病蟲害防控技術的數據與資料。激發出廣大學生積極學習智慧農業知識、掌握操作技能的興趣，其教學過程也由老師一言堂轉變為學生主動研討的教學方式，提升農業專業課程的創新性與實踐性。克服智慧農業生產技術的實踐教學困難。在校外生產性實訓基地中，可建立起具有真實職業氛圍，充分滿足“教、學、做”所需要的試驗、實踐場地，形成先進教學基地與強大的技術服務平臺。

5.2" 培養學生自主、個性化學習能力是改變低迷學習狀態的途徑

以植物與環境課程中智慧農業病蟲害防治的教學實踐為例，重點培養了學生對多源農業大數據融合、關聯分析和預測等能力，加強了學生發現、解決智慧農業生產過程中問題的能力，培養了學生自主學習與創新能力。真正實現以學生為中心的自主、個性化學習，徹底改變了學生對農業專業課程學習的低迷狀態。

目前，涉農專業課教學中，傳統農業知識傳授包括土地、種植、養殖和生產工具等生產要素；智慧農業是融入大數據、計算機系統及智能裝備等生產要素。因此，教學內容的豐富與復雜程度給涉農高等教育帶來很大沖擊，智慧農業是以新技術為基礎，融合多門學科知識，實現生產和管理的智能化，這就需要教師、學生不斷學習和提升自身的學識水平與操作能力。作為教師，一是要做到與時俱進，不斷創新、探索新的教學方法，樹立攻克新技術、新知識的信心，在掌握傳統農業技術、知識的基礎上，積極提高綜合應用現代信息化技術及不同學科知識的能力；二是關注學生學習智慧農業知識的主動性及實踐操作能力的培養，將互聯網、物聯網、大數據和人工智能等現代信息技術融入教學內容，為培養出復合型農業實用技術人才奠定基礎。

5.3" 教學基地是智慧農業教育的物質保障

智慧農業的實踐教學組織，選擇學校附近農業生產企業的智能溫室，作為農科學生專業實踐的場地，由教師帶隊，集中實習與學生分小組觀測相互結合。依托智慧農業種植的生產企業，定期召開技術交流會議，共同討論涉及智慧農業專業的技術問題、學校專業人才培養方案、編寫智慧農業的專業教材等，為農業院校智慧農業的實踐教學提供了更大的操作平臺。在這個平臺上教師可收集到許多教學資源，制作微課視頻、收集文本資源、演示文稿等。同時，教師帶領學生從農業生產實踐中還可發現問題、解決問題。再根據該學科特點，優化智慧農業相關技術教學過程，是培養不僅會種地而且“慧”種地復合型技能人才的重要步驟。通過以上教學實踐活動，使農科專業學生普遍提高應用智慧農業生產新技術的能力。大大促進以教師主講的模式向學生主動探索學習的轉變，激發了廣大學生學習、掌握農業專業知識的積極性。智慧農業人才的培養模式應不斷進行完善與創新，這將是一項長期而艱巨的使命。通過以上教學改革探索，2022年第二屆全國職業院校智慧農業種植大賽（預賽）中，學生榮獲全國二等獎。

參考文獻：

[1] 鄧帥濤.物聯網技術在現代化農業發展中的應用[J].農業與技術，2022，42（1）：52-54.

[2] 聶鵬程，張慧，耿洪良，等.農業物聯網技術現狀與發展趨勢[J].浙江大學學報（農業與生命科學版），2021，47（2）135-146.

[3] 韋愛群，班祥東，劉洋，等.智慧農業視角下中職涉農專業人才培養的探索[J].智慧農業導刊，2023，3（9）：115-118

[4] 何珍麗，蔡叢聰，李秋石.系統工程設計思維視域下的智慧農業教育——以智慧蔬菜大棚為例[J].智慧農業導刊，2021（2）：97-100.

[5] 金建東，何楊，張西華.職業教育服務我國智慧農業發展的機遇、挑戰與實踐[J].教育與職業，2022（6）：5-12.

[6] 劉喬斐，王健，楊松杰，等.新農科視域下地方院校農林類專業創新創業教育提升路徑[J].中南農業科技，2023，44（6）：222-225.

[7] 閆鵬凌.數字技術賦能高等教育高質量發展的實踐路徑研究[J].對外經貿，2023（10）：145-148.

[8] 林顯樂.人工智能技術在智慧環保中的深度應用[J].中國安防，2020（11）：84-89.

[9] 黃睿茜，趙俊芳，霍治國，等.深度學習技術在農業干旱監測預測及風險評估中的應用[J].中國農業氣象，2023，44（10）：943-952.

[10] 張偉，朱志良，周春芳，等.PBL教學理論在深度學習技術課程中的應用研究[J].高教學刊，2023（2）：1-6.

[11] 懷進鵬.數字變革與教育未來[J].上海教育，2023（8）：24-25.

[12] 楊英茹，吳華瑞，張燕，等.基于復雜環境的番茄葉部圖像病蟲害識別[J].中國農機化學報，2021，42（9）：177-186.

[13] 慕君林，馬博，王云飛，等.基于深度學習的農作物病蟲害檢測算法綜述[J].農業機械學報，2023，54（S2）：301-313.

[14] 邵明月，張建華，馮全，等.深度學習在植物葉部病害檢測與識別的研究進展[J].智慧農業，2022，4（1）：29-46.