基于農業的人工智能發展分析

陳立志

(黑龍江省農業機械工程科學研究院，哈爾濱 150081)

0 引言

根據聯合國關于人口與饑餓的預測數據，到2050年，世界人口將增加20億，糧食生產力需要提高60%才能滿足人口增長所帶來的糧食供給問題。目前，數字農業的不斷發展推動了農業領域的精準化、自動化及遠程化生產，實現農業生產效率和農作物產量的提升，在幫助縮小預期糧食需求方面正在發揮著積極作用，基于農業的人工智能也正在顯現出其潛力。

1 數字農業的發展歷程

數字農業最早是20世紀 60—80 年代歐美國家在將計算機規模化應用于農業生產的基礎上提出來的。其中，20世紀60年代研究重點在農業數據的科學計算，促進農業科技的定量化；20世紀70年代發展重點在農業數據的處理，發展農業數據庫；20世紀80年代重點研究農業知識工程、專家系統。進入20世紀90年代后，隨著網絡和通訊技術的高速發展，數字農業由美國科學院、工程院兩院院士正式提出。

歐美等國家通過計算機網絡、遙感技術和地理信息系統技術來獲取、處理和傳遞各類農業信息的應用技術已進入實用化階段。我國數字農業在20世紀90年代才剛剛起步，1990年，國家科技部推出“863”計劃，支持計算機研究“農業智能應用系統”；1998年，我國于中國科學院和中國工程院院士大會上提出了發展“數字中國”的戰略，隨后“數字農業”的探索與研究在中國全面展開；2003年國家“863”計劃將“大規模現代化農業數字化技術應用研究與開發”列為重大科技專項進行研究，取得階段性成果；2013年開始，國家農業部在天津、上海、安徽三省市率先開展了物聯網區域試驗工程，對采集農業實時數據和物聯網應用方面進行了探索；2015年，隨著大數據的戰略地位提高，農業大數據成為新焦點，《農業部關于推進農業農村大數據發展的實施意見》發布；2017年，農業部正式設立“數字農業”專項，加快中國農業現代化、數字化進程發展；2018年，《中共中央國務院關于實施鄉村振興戰略的意見》《數字經濟發展戰略綱要》提出“要大力發展數字農業，實施數字鄉村戰略，推動農業數字化轉型”，為加速發展數字農業指出了方向。2020年，農業農村部、中央網信辦聯合印發了《數字農業農村發展規劃(2020—2025)》，對推進我國數字農業農村發展做出了頂層設計和系統謀劃，對推動信息技術與農業農村全面深度融合、引領驅動鄉村振興具有重要意義[1]。

隨著國家對數字農業的支持與引導，我國在農業信息采集、動植物數字化虛擬設計、農業問題遠程診斷、溫室環境智能控制、數字化農業宏觀監測等方面的研究應用上，都取得了重要的階段性成果，通過不同類型地區應用示范，初步形成了中國數字農業技術框架和數字農業技術體系、應用體系和運行管理體系，促進了中國農業數字化和現代化進程[2]。

2 人工智能在農業領域的實踐和應用

人工智能通常被定義為機器執行與大腦相關的認知功能的能力，最終以人類智能相似的方式作出反應[3]。例如擁有學習、視覺、推理、感知、解決疑難點甚至與環境互動和發揮創造等能力。人工智能和農業原本看似平行的兩條線，隨著數字農業的發展卻在不斷靠近并融合。中國正在進入農業4.0時代，其最主要的特征之一就是數字技術將滲透到農業產前、產中、產后的方方面面。對農業4.0而言，數據將和土地、種子、勞動力、農業工具、資本等一樣成為農業最重要的新型基礎生產要素。2012—2021年，中國農業農村信息化建設過程中，積累了大量農業生產、農產品流通、質量安全溯源相關的數據和實施案例，這為人工智能在農業領域落地創造了基礎條件。加快發展人工智能重塑傳統農業將成為我國贏得全球農業科技競爭主動權的重要戰略抓手。

2.1 人工智能正在成為現代農業發展的“新農具”

農業是當今社會所有產業門類中數字化程度較低的一個領域，但在數字科技的賦能下，中國農業進入了發展快車道，農業數字基建初見成效。我國對農業農村信息化的財政支持力度不斷加大，各地智慧農業、數字農業相關的政府采購項目呈現逐年增加的趨勢。2020 年全國縣域農業農村信息化建設的財政投入總額達到 341.4 億元，縣均財政投入1 292.3 萬元，較上年提升 65.3%。通過政府財政層面的大力推動，我國農業數字化基建正在被夯實。

在政策的引導和鼓勵下，智慧農業得到全社會的廣泛關注。農業生產和農產品流通的顛覆性重構正在形成一個產業新風口，吸引著人工智能巨頭持續跨界融入、加碼農業數字化轉型。以騰訊、華為、百度為例，這三家科技巨頭企業近年來在農業領域不斷嘗試和探索。2018年，騰訊提出人工智能養豬解決方案，華為聯手云洋數據人工智能精細呵護每棵作物，百度與雷沃重工合作以人工智能賦能農機制造；2019年，騰訊與中糧集團聯合搭建“食品行業智能制造創新中心”，與中國農科院信息所成立智慧農業聯合實驗室及華為牽手北大荒推動農業產業數字化，與百度及京東方植物工廠合作推出人工智能植物工廠智能無土栽培解決方案；2020年，騰訊智慧種植方案落地遼寧、與新希望合作成立合資公司新騰致數，江蘇淮安國家農業科技園區攜手華為打造“5G+GETA”智慧農業示范基地，中道智聯云加入百度人工智能加速器專注于中國生豬養殖全產業智能解決方案的研發與推廣；2021年，騰訊安心生態聯盟正式成立技術助力“數字興農”，華為攜手達華智能助力傳統農業“云端”轉型，百度攜手華智生物共同推進中國智慧農業。

除此之外，更多科技公司和風險投資機構開始關注并加入，為傳統農業帶來了大量的跨行業經驗，為農業的數字化轉型注入了強勁動力。以北斗導航、衛星遙感、無人機、無人車為代表的高科技產品正在進入農田、參與農事活動。科技賦能農業，使農業生產經營在一定程度上擺脫了靠天吃飯的宿命。越來越多的新型職業農民已經逐漸習慣通過各種智能APP輔助日常農事操作，進行耕地、播種、租賃農機、監測作物長勢或動物異常行為、病蟲害識別和診斷、產量預測等行為。在全新智慧農業生產體系下，筑牢農業數字基礎之后，人工智能技術進入農業的新場景不斷涌現，人工智能推動下的大批新型應用工具將成為新型職業農民群體最可靠的“新農具”之一。

2.2 人工智能正與農業全產業鏈深度融合

人工智能是數據密集型產業，數據的數量和質量是人工智能算法可靠性的基礎，其本身還處于發展階段。由于農業不同細分領域的數據采集難度、數據積累量、數據標準化程度存在比較明顯的差異，使人工智能在農業細分領域的應用發展階段也存在著差異。

目前，人工智能技術在農業生產、農業機械裝備、農業可控環境、農業金融、流通溯源等領域數據積累程度較高，數據質量相對較好，算法模型相對成熟，因而產品開發和應用程度也相對較高。尤其在農業生產領域的應用貫穿于生產全過程，包括農業生產前期、中期和后期各個階段，實現了農業生產過程的自動化、智能化、動態化管理。

隨著對農業數據挖掘和利用的不斷深入，生物數據開發成本逐漸降低，越來越多有價值的信息正在從生物數據庫中被挖掘出來，這些生物屬性相關的農業底層數據將會迅速積累，更加高效、精準的算法模型將被開發出來，尤其是與環境數據密切相關的作物生長模型和病蟲害發展模型將被進一步完善。由這些生物數據支撐的相關領域，如動植物育種、動植物健康、動植物營養等版塊將迅速成長，成為下階段值得關注的農業人工智能潛力賽道。

3 現階段影響農業人工智能發展的問題分析

3.1 農業碎片化經營導致農業數據生產成本較高

在家庭聯產承包責任制的影響下，一段時間以來我國農業的基本情況是從事農業生產的人數眾多，這種小農為主的生產經營呈現極度碎片化。直接導致眾多農業生產參與者的行為無法統一，生產過程難以標準化，農業底層數據量大但數據價值相對較低，數據清選難度相對較大。導致農業數據的生產成本增加，從而影響人工智能產品的推廣和應用。

3.2 農業的多頭監管導致數據互聯互通難度大

從種子到餐桌的農業產前、產中、產后各個環節涉及到農產品生產、食品加工、食品安全、市場流通等眾多環節。就目前而言，眾多環節的監管部門都在建設各自的數據平臺。然而各級部門、各主體之間數據標準不統一的問題比較嚴重，不同來源的數據共享機制沒有建立。在當前的管理體制下，各農業主管部門的涉農大數據流動性、共享性差，數據互聯互通形成全國“一張網”實施難度大。

3.3 農業人工智能高水平復合型人才匱乏

近年來，我國人工智能發展迅速，但具備豐富經驗的人才仍相對缺乏。這已經成為制約當前我國人工智能行業快速發展的瓶頸之一。一方面，北京、上海、深圳、杭州聚集了全國80%以上的人工智能人才，其他城鎮和農村地區的人才匱乏問題非常嚴重；另一方面，農業人工智能需要既懂數字技術又懂農業技術的人才，這樣的高水平復合型人才數量明顯不足。在此種背景下，高素質人才及能力可能成為一種共享資源，企業之間利用這些共享資源聯合開展技術攻關或項目服務將成為重要的合作模式。

3.4 農業數據安全及監管薄弱

目前，我國數字農業尚處于基礎建設階段。盡管如此，近幾年在政策、經濟、技術等多重因素的推動下，我國數字農業版塊的發展非常活躍，已經在不同經營主體中積累了海量的農業數據。與其他行業相比，農業從業者在享受大數據成果和數據服務的同時，數據安全意識普遍較弱，農業數據安全問題尚未得到足夠重視。全國統一的農業數據安全監管平臺和標準體系亟待建立。

3.5 傳統舊農意識制約新技術應用發展

近幾年，隨著“新農人”的不斷涌現，我國農業從業者文化科技水平有了明顯提高，但是就整體而言與發達國家相比依然存在著明顯的差距。當前我國農業從業者從整體看依然以四五十歲的農民為主，這部分人群平均受教育程度只有7～8年，接受過高等教育的很少，就算只接受過專業農業知識培訓的人員比例也比較少，知識的儲備量很有限，舊農意識根深蒂固，導致農民對新產品、新技術的不理解、不支持，甚至是不接受。由于農業從業者對現代農業中的數字技術的不了解，特別是人工智能這種傳統觀念里的跨界應用，初期投資較大，短期內收益又不明顯，也進一步導致從業者參與意愿不高，因而制約了其在農業領域的應用和發展。

4 結語

人工智能在農業領域應用還處在起步階段，其發展還面臨著諸多問題和挑戰，但其已經顯示出巨大的潛在應用市場。隨著我國土地經營權流轉的持續推進，適度規模化經營模式逐漸成形，對農業數據挖掘和利用持續深入，相關政策和監管不斷完善，以及從業者舊農意識的改變，在可預見的未來，基于農業的人工智能技術將充分展現其優勢，從信息感知、定量決策、智能控制、遠程診斷、病蟲害預測預報等方面幫助農業有效提升資源利用效率、提高農作物產量和品質、降低生產成本、改善農業生態環境，助力農業可持續發展。