人工智能在设施蔬菜中的应用

解福双，费雅君

（浙江清华长三角研究院，浙江 嘉兴 314000）

设施农业在现代农业中占有重要地位，是我国现代农业发展的标志。设施农业是设施和现代农业的组合，包括设施蔬菜、设施花卉、设施畜牧等产业，其中设施蔬菜的规模最大。设施蔬菜栽培通过人为控制环境因子，可以摆脱传统农业自然条件的制约，从而实现高产、优质、高效的蔬菜生产。在设施设备中，节能日光温室、塑料大棚温室和普通日光温室发展速度最快。发展集约型设施农业成为我国现代农业的发展趋势。

人工智能在设施蔬菜领域的应用

人工智能技术在蔬菜产前阶段的应用

人工智能在产前阶段可以对土壤、作物品系等做出科学分析，帮助农民选择适合的作物品系，为后续的农业生产提供保障。土壤分析[4]是蔬菜产前阶段最重要的环节，通过分析土壤中的有机物、无机离子、微量元素等来指导后续施肥的用量以及种类；通过分析土壤的酸碱性来指导农民选择肥料的类型，如碱性土壤，可以选择加入一些腐植酸类肥料，作物只有在合适的酸碱条件下才能更好地吸收无机盐，才能健康地生长发育；通过分析土壤的含水量，科学指导作物灌溉，避免湿度太大而引起病害；通过分析土壤中的微生物，可以对有害微生物提前预防，避免造成损失，同时合理利用土壤中有益微生物对农业生产更有利。Elgaali[5]利用非侵入型探地雷达成像技术来探测土壤，并用神经网络分类器对土壤进行分类研究，建立了土壤特征与宜栽作物的关联模型。Raju等[6]利用专家系统WBS-FLAB来评估土地改造措施，结果表明该方法可以为景观规划提供有效的信息。

人工智能技术在蔬菜产中阶段的应用

人工智能在设施蔬菜产中阶段的应用，主要是应用农业专家系统、农业机器人、人工神经网络技术等。这些技术能科学指导农民更好地种植、管理，进而提高作物产量，实现农业的现代化、自主化管理，使农业生产不再是低级的体力劳动，而是机械化、自动化、科学化的新型产业。

专家系统拥有农业相关领域的知识储备，能帮助农民解决生产中遇到的各类问题。国际上农业专家系统的研究始于20世纪70年代的美国，到了80年代中期农业专家系统不再只是病虫害研究诊断系统，而开始转向生产管理、生态种植、经济分析、市场分析等方面。这一系统可以让“农业专家”随时指导每位从事农业生产活动的人，更好地实现资源合理化配置。

在设施蔬菜产中阶段利用人工智能从事农业生产，不仅可以提高生产效率，而且减少劳动投入。在蔬菜生产的耕地、施肥、播种、移栽、定植、喷药、采摘及其生长期间的环境控制均能实现智能化。苏丹等[7]将UG、ADMAS软件引入到夹持机构中，实现了夹持机构布局合理、夹紧力的计算同步优化，为夹持机构的稳定性设计提供了理论依据。张娓娓等[8]以农业机器人的采摘控制系统为研究平台，基于滑觉传感检测技术设计了柔性采摘系统。试验结果显示，该系统运行稳定、可靠，对于实现蔬菜的无损采摘具有十分重要的意义。

非化学方式除草是生产绿色农产品的关键，智能除草机器人是一种能够识别作物与杂草，并能快速除草的自动化除草装备，能够大大减少劳动力、降低成本、保护环境。胡炼等[9-10]提出一种基于视觉作物识别和定位的方法，利用像素累加曲线、正弦波曲线以及曲线标准偏差综合获取作物位置，结果表明该方法能够适应不同天气、不同作物，其中生菜识别率达到100%；同时，研制了一款爪齿除草装置，通过轨道切换使伤苗率低于8%。张朋举等[11]设计了八爪机械除草装置，采用电磁铁控制运动轨迹，使伤苗率低于10%。

人工智能技术在蔬菜产后阶段的应用

人工智能在蔬菜产后阶段的应用也有很广阔的前景，已在产品质量分析、产品分类等方面有很好的应用。

随着生活水平的提高，人们对食品安全问题越来越重视，农产品质量检测也越来越受到关注，其中电子鼻检测、图像识别等应用到农产品检测中。电子鼻检测方法在操作难度、检测时间、便携性等方面都表现不俗。Arnold等[12]应用电子鼻系统测量新鲜度与微生物种类、数量和挥发性物质之间的联系；Concina等[13]利用电子鼻技术检测罐装去皮的番茄，发现该电子鼻可以分辨番茄是否变质，还能对特殊污染物（如大肠杆菌）进行早期检测。申广荣等[14]利用HACCP设计了蔬菜安全生产决策系统，试验对大葱、甘蓝、黄瓜、生菜、西兰花进行了研究，以农户或企业用户的身份登录后，用户可以直接查询或输入大葱产地环境水、土、气等检测数据，并选择系统提供的有关标准，系统自动给出判断结果；同样，用户可选择检测其产品所属级别、重金属和农药残留是否超标等。

在产品分类方面，王松等[15]为解决协同过滤算法的稀疏性和可扩展问题，采用产品分类技术和Web技术对产品进行分类，结果表明能够有效改善推荐质量，更好地为客户提供个性化的推荐服务。姜伟等[16]对蔬菜自动识别系统设计和实现方法的硬件选型及结构搭建、软件算法等进行研究，具体是：在相机捕捉目标物体后，系统会对图像进行分割、颜色和纹理特征提取操作，将特征与实现训练的特征库（在线或离线）进行比较，最终输出识别结果。经测试，该方法可靠易行，对日常蔬菜能够达到81.5%的识别率，能够实现在复杂环境下识别果蔬类别，可以有效地节约时间及经济成本，具有现实意义。

人工智能的不足及难点分析

近年来人工智能产业的爆发式发展，也暴露了一系列问题。第一，核心尖端人才难引进[17]。近年来，我国为了引进高精尖人才投入很大，但只凭借高工资、高福利还不足以打动人心。主要原因是国内尚未形成学术研究和技术开发的良好环境，另一方面目前人才引进的方式单一。第二，市场战略性人才不稳定。人工智能战略性人才的竞争越来越激烈，然而市场上大多数的从业人员并未具备足够的专业理论知识和核心技术，而且由于薪酬待遇的原因，他们可能会频繁跳槽，这种不正常的人员流动现象，不仅不利于人才自身知识结构的积累，更会对产业造成不利影响。第三，专业性培训机制不健全。目前我国教育培训机构中关于人工智能方面的培训只限于计算机相关领域，专业单一，不能为人才提供一个全面的知识体系。只有建立全面的培训体系才能培养更多的专业人才，从而更好地为人工智能服务。

设施蔬菜栽培是近年来发展起来的集约化的综合生产体系，通过人为控制环境，如光照、水分、温度等，为蔬菜提供更好的生长环境，以利于提高产量，并且可以生产反季节蔬菜，进而增加收入，但在设施蔬菜标准化、设施自动化控制等方面还存在不少问题。设施蔬菜生产体系科技含量低，多以传统经验为主，缺乏标准化和自动化系统，与发达国家还有很大差距[18]。蔬菜设施生产需要高新技术支持，利用计算机网络控制温度、水分、光照，测定土壤成分，合理施肥，产后产品检测、分类、包装等，如何利用人工智能提高设施蔬菜的自动化程度，生产相关配套设施、环境控制技术等是未来急需解决的问题[19]。

前景

人工智能结合大数据将是大势所趋。大数据几乎在一夜间家喻户晓，得到了企业、政府、学术界的一致青睐。2011年《Science》推出专刊《Dealing with Data》讨论了数据流带来的挑战，指出如果能更有效地利用这些数据，人们将得到更多机会利用科学技术来推动社会发展。关于大数据概念[20]目前没有统一的说法，IBM认为大数据有3个特征：体量浩大、模态繁多、生成快速。农业大数据就是运用大数据的理念、技术、方法来解决农业领域的问题，如农业信息的采集、存储、计算等问题。由于农业大数据具有数据大、来源广、动态强等特征，给数据的采集和整理带来了困难，要想形成有序的农产品数据采集，必须采用有针对性的技术，特别是关于隐私数据的保护技术，保证信息安全，建立完善的农产品数据信息平台。

近年来人工智能技术已经取得了长足的发展，未来人工智能与大数据结合，能够帮助人们管理生产、代替重复性劳动。在建成农业自动化平台的基础上，通过智能感知系统，农业生产中的数据源源不断地汇集到一起，如遥感卫星、无人机监测的数据，经加工、筛选后，向管理员推荐最合适的种植方案，实现全自动化的农业生产，大大提高工作效率、减少人工成本[21]。未来是人工智能的时代，也是农业发展的黄金时代，加强科技研发、提高设施蔬菜科技水平，开发出水肥一体化灌溉设备，精准施药设备，蔬菜收割、清洗、质量检测、包装一体化设备，实现人工智能化蔬菜生产，减轻劳动量、提高生产效率，为中国蔬菜生产提供技术支持。

农业作为一国之本，如何利用农业大数据培养和支持一批农业重点领域和关键技术的创新，尤其是利用大数据和人工智能相结合促进智能化农业、现代农业的形成，有着诱人的前景。