大数据时代人工智能技术在农业领域的研究进展

陈桂芬，李 静，陈 航，安 宇

(1.吉林农业大学信息技术学院，长春 130118；2.吉林省科学技术信息研究所，长春 130033)

农业自古以来就是国民经济的基础，在我国“四化”同步的背景之下，粮食安全问题、农产品质量安全问题都受到高度重视。农业涉及到诸多环节，影响范围也由原来的单一领域逐渐转变为复杂的领域，这也导致原来针对农业领域的单一信息已不能满足当今这种复杂的局面。农业领域的问题主要归结于缺乏智能化代替机械化的改革技术，农业转型需要很长时间，导致了农业生产中施肥施药、增产增收过程繁琐，效率低下。虽然现代农业由机械化、智能化代替人工提高了生产效率，但是针对农产品生产过程中的问题，却还有漫长的路要走。

随着信息技术的日益成熟，互联网承载着海量数据供给每个用户使用，在日益强大的数据面前，如何通过分析，筛选出有价值的信息成为人们思考的重要方向。大数据这一名词也渐渐为我们所熟知。麦肯锡全球研究所提出，大数据是指其大小超出了典型数据库软件工具捕获、存储、管理和分析能力的数据集，需要新的处理模式才能具有更强的决策力、洞察力和流程优化能力。在我国农业领域，农作物多种多样，信息十分庞大。农作物从栽培、生长、收割直到封装、销售、食用的过程中，存在大量的信息反馈。如何在海量的数据中精准分析，实现数据共享，使大数据技术在农业领域体现出巨大的应用价值。2012年3月美国发布“大数据研发计划”，基于大数据推动科研和创新，随后英国、日本、德国、加拿大等国纷纷效仿，推出了大数据应用相关的战略研究。国内第一个农业大数据的研究和应用推广机构“农业大数据产业技术创新战略联盟”于2013年6月18日在山东农业大学正式成立，标志着国内大数据技术在农业领域的应用又有了实质性突破。农业大数据就是利用大数据的理念、技术和方法，解决农业或涉农领域数据的采集、存储、计算与应用等一系列问题，是大数据的理论和技术在农业上的应用与实践。随着大数据技术的日益完善，通过对海量数据的分析，让机器识别有价值的数据并自主学习，成为智能领域发展的难点，这也是大数据智能技术在当下以至将来所面临的问题。

因此，对人工智能与大数据关键技术进行深入研究，并将其与农业领域深度融合，为农业用户生产中，农作物的精准施肥、节水灌溉、病虫害诊治、智能采摘等过程提供技术支撑；为农产品经营中，农产品的质量安全溯源、农产品电子交易等平台提供决策依据；为农业管理人员服务中，灾害预警与评估、耕地质量监测与评价、农民科技培训等体系提供综合服务。可以预测，大数据时代的人工智能技术在农业领域的应用研究具有广阔的前景，是智慧农业的发展方向。

1 人工智能与大数据技术在农业领域中的研究现状

1.1 人工智能技术在农业领域的研究现状

人工智能技术发展至今，已经在农业领域得到了广泛的应用。农业人工智能涉及到关键技术比比皆是，例如：专家系统，自动规划，智能搜索，智能控制，机器人，语言和图像理解，遗传编程等。

在农业领域引用人工智能技术的想法在20世纪初就已被提出。最初是人工智能技术应用于耕作、播种、栽培等方面的专家系统；随着物联网和智能控制技术的应用，出现了采摘智能机器人、智能探测土壤、探测病虫害、气候灾难预警等智能识别系统，以及在养殖业中使用的禽畜智能穿戴产品。这些技术的应用在帮助我们提高产出、提高效率、科学饲养的同时，减少了农药和化肥的使用。国际上，农业专家系统的研究始于20世纪70年代末，以美国最为先进和成熟。1978年，美国伊利诺斯大学开发的大豆病虫害诊断专家系统（CPLANT/ds）是世界上应用最早的专家系统；美国约翰迪尔公司（John Deere）是全球最大的农业机械制造商，也是精细农业的领导者，该公司的农业智能机器人可以智能除草、灌溉、施肥和喷药。我国人工智能的发展在农业领域也取得了重大进步。我国的农业专家系统开发始于20世纪80年代，1983年开始研制并建成了第一个专家系统“砂姜黑土小麦施肥专家查询系统”。20世纪90年代以后，我国的农业专家系统得到了快速发展，国家自然科学基金委、科技部、农业部和许多省级部门都相继开展了相关的攻关课题；2017年7月，国务院印发了《新一代人工智能发展规划》，明确提出：“发展智能农业、建立典型农业大数据智能决策分析系统，开展智能农场、智能化植物工厂、智能牧场、智能渔场、智能果园、农产品加工智能车间、农产品绿色智能供应链等集成应用示范”。

人工智能已成为新一轮产业变革的核心驱动力，而智能农业是一种革命性的技术创新，可有效助力农业生产要素的合理配置、农业生产经营的科学管理。人工智能技术向传统产业的渗透，从对农业的深度改造，到颠覆农业的传统营销模式，再到互联网公司跨界进入农业生产领域等方方面面，使农业的产、供、销体系更加紧密结合，以提高农业的生产效率。未来，我国农业也必将在互联网的影响下走上一条智能化的发展道路。

1.2 大数据技术在农业领域的研究现状

大数据技术在国外发展已经相当成熟，在农业的各个领域均有应用。美国从2012年强调“大数据研究与发展计划”，2013年强调“从数据到知识再到行动的新的伙伴关系”，总之要想发展农业，需要从数据的采集入手，然后将数据进行分析，最终建成实现共享的体系结构；美国加州的TheClimate Corporation公司利用农业大数据技术采集海量的气候数据、土质检测数据以及农作物的根部检测数据，通过对这些数据进行分析，为人们提供自然灾害的有力预测和作物生长的良好建议；日本宫崎县通过传感器等终端采集农业生产数据，进行实时监测、分析和管理，指导农业生产；英国的Silent Herdsman专注于牧场数据采集与监测，通过给奶牛脖子上佩戴监测设备，利用无线网络，实时监测奶牛生长状况与行为。

大数据在我国农业领域的应用也已涉及到多个方面，尤其是在农业栽培、育种、病虫害防治和农业环境监测方面取得了实质性的成就。早在1998年，中国科学院就已经运用“3S”（GPS、GIS、RS）技术，进行农作物的大面积测产、农业灾害的评估，随着大数据处理技术的发展，对遥感图像信息的提取和分类也更加准确，提高了作物品种分类的精度和对气象灾害评估的准确性，促进了精准农业的实施；2014年，中国农业科学院首次将大数据技术应用在农业育种方面，对基因组测序数据进行处理，相比传统的育种手段，节省了大量的时间成本；物联网技术的发展，促进了大数据处理技术在农业生产智能化中的应用，2015年6月，由安徽朗坤集团进行顶层设计、建设，运营全国首个互联网农业小镇在海口秀英区石山镇正式启动建设，它运用“互联网+”的理念、思维和技术，实时监测农田环境和农作物生长状态的信息，运用大数据分析技术，实现对农作物生长的准确预测与评估；同时运用大数据与物联网、互联网融合技术，及时地反馈信息，有助于更加精准地解决农业问题，如在预防病虫害方面，可降低自然灾害带来的损失，极大地提高农业的经济效益和生态效益。我国在农业领域应用大数据的脚步才刚刚开始，虽然取得了一些显著的成就，但是在某些方面，仍然存在很大不足，主要体现在硬件设施跟不上、人才匮乏等方面。

综上，大数据的研究已由前几年的新鲜技术变得越来越普及和商业化，同时，由于研究的向前推进，以大数据为基础的人工智能、机器学习和物联网等技术也将在各个领域取得越来越多的成果。

1.3 人工智能与大数据集成技术在农业领域的研究现状

随着大数据时代的到来，如何快速处理海量数据，智能地筛选出有效的信息成为科技改革的又一重要研究方向，人工智能在这一方面体现出来的优越性由此可见。有了新型的信息技术支持，机器学习这一传统的人工智能技术被赋予了新的概念，成为了热门话题。如，智能机器人、机器视觉、指纹识别、视网膜识别、虹膜识别、掌纹识别等技术也应用到了农业领域。

美国爱荷华州的发明家David Dorhout研发的智能播种机器人Prospero，可以通过探测装置获取土壤信息，然后通过算法得出最优化的播种密度且自动播种；佛罗里达大学进行了橙子采摘机器人的研究，甜橙采摘机器人采用2个相对独立、有不同功能特点同时又能相互配合无间的机器人，第1个机器人负责寻找和发现各个甜橙的位置并计算最有效率的采摘路径，第2个机器人负责在不损坏甜橙树的情况下得到果实；德国柏林PEAT农业科技公司开发了Plantix的深度学习应用程序，可辨识土壤中潜在的缺陷和营养缺陷，将特定的叶子模式与某些土壤缺陷、植物病虫害和疾病产生相关联，同时将图像辨识应用APP透过用户的智能型手机镜头拍摄可能缺陷的图像来进行识别，然后向用户提供土壤修复技术、缺陷提醒及其他可能的解决方案，该软件可以快速模式检测，精度高达95%；以色列的AI创业公司Prospera为农民和农场开发了许多智能工具来提升农作物的健康状况并优化农场运营的手段，如用计算机视觉和人工智能来帮助农民分析收集来的农业数据，监测农作物生长情况，运用近距离摄像机和云服务来收集分析农民需要的信息，利用机器学习来记录实时数据，分析帮助农民预测产量，并通过其他方式来弥补预期损失；1987年世界上第1台农用无人机出现在日本，目前日本拥有2 400多架己注册的农用无人直升机，操作人员有14 000余人，成为世界上农用无人机喷药第一大国；与此同时，美国、俄罗斯、加拿大、韩国等国的农用无人机发展也较为迅速，技术体系也较为完善。

人工智能与大数据集成技术在我国的发展也是有目共睹的。华南农业大学开发出的智能水果采摘机器人，最突出的长处就是可采用双目立体视觉在果园中对果实进行定位，运用数学方法，对采摘作业路径进行自主规划，最后伸出机械臂末端的拟人夹指来采果子，由于末端的执行器具有一定通用性，因此可对荔枝、柑橘、黄瓜等多类瓜果进行作业，工作效率是人工的2倍；辽宁省应用BP人工神经网络等深度学习方法，对2007～2010年14个地区农业现代化进展程度指标进行训练，并将其应用于建立农业现代化发展现状综合评价体系（PCABP），对辽宁的各地区农业现代化发展现状进行综合评价；我国在无人机研究与应用方面发展虽起步较晚，起初主要是依靠国家资助，一些科研院所、高校进行农用无人机的研究，但近年来我国己日益重视农用无人机的发展及研究，截至2015年底，我国己有3 000多台农用无人机投入农业生产，飞控手的人数己超过2 500人，相关产业的生产企业有400多家，我国农用无人机的发展前景很好，21世纪必将是我国农用无人机市场的春天。

2 大数据时代人工智能技术在农业领域的应用

2.1 农业生产新模式

2.1.1 精准农业

精准农业是20世纪80年代初国际农业领域发展起来的一门跨学科新兴综合技术，其特点是通过“3S”技术和自动化技术的综合应用，按照农作物生长的田间每一个操作单元上的具体条件，根据作物生长的土壤性状，调节对作物的投入，即一方面查清田块内部的土壤性状与生产力空间变异，另一方面确定农作物的生产目标，进行定位的“系统诊断、优化配方、技术组装、科学管理”，调动土壤生产力，以最少的或最节省的投入达到同等收入或更高的收入。随着人工智能、物联网、“3S”、大数据等新一代信息技术与农业生产的跨界融合，“精准农业”已成为合理利用农业资源、提高农作物产量、降低生产成本、改善生态环境的一种重要的现代农业生产形式。

吉林农业大学主持的“十五”至“十三五”期间国家“863”计划“玉米精准作业系统研究与应用”、国家星火计划“基于物联网的玉米精准作业技术集成与示范”等项目，基于人工智能、“3S”、数据挖掘、物联网和大数据技术，并与智能农机设备，分别在吉林省、黑龙江省和新疆维吾尔自治区构建了数字农业软硬件平台和示范应用体系，建立了玉米、大豆和棉花变量施肥、精密播种等精准农业技术应用示范区；研制出“基于大数据处理的玉米精准生产智能系统”。

智能系统与“3S”和智能农机设备集成，在吉林省玉米示范基地实现了玉米精密播种、变量施肥、变量喷药和智能测产等精准生产全过程。

通过项目实施，使玉米、大豆、棉花等作物节省肥料15%以上，节约种子10%以上，提高生产效率20%，提高经济效益15%以上，总结出大规模现代数字农业技术和玉米精准作业推广应用模式，该成果于2006年12月获吉林省科技进步一等奖。由吉林农业大学研制的“玉米精确施肥专家系统”和“2BFQ－6型气吸式精密播种变量施肥机”被科技部评为“最具推广应用价值的优秀科技项目成果”。

2.1.2 精准养殖

精准养殖是指在畜牧养殖领域实现饲料精准投放、疾病自动诊断、废弃物自动回收等智能设备的开发利用和互联互通，创新基于互联网平台的现代畜牧业生产新模式。如，国外的大型自动化鸡场，运用人工智能、物联网、大数据技术建立养鸡自动化生产线、自动清理粪便系统、智能化捡蛋系统和智能化分拣系统；国内中国农业大学李道亮教授带领的科研团队开发了水产养殖监控管理系统。

该系统通过手机、PAD、计算机等信息终端，实时掌握养殖水质环境信息，及时获取异常报警信息及水质预警信息，并可以根据水质监测结果，实时调整控制设备，实现水产的科学养殖与管理，达到节能降耗、绿色环保、增产增收的目标。

2.1.3 设施农业

设施农业是近年来迅速发展起来的具有较高集约化程度的新型农业产业，是现代农业的重要组成部分。通过物联网，采集温室内的空气温湿度、土壤水分、土壤温度、二氧化碳浓度、光照强度等实时环境数据，利用电脑、手机实现对温室大棚种植管理智能化调温、精细化施肥，可达到提高产量、改善品质、节省人力、提高经济效益的目的，实现温室种植的高效和精准化管理。

1974年日本开始了人工光植物工厂研究，截至2016年底，日本拥有254家植物工厂，从数量、面积、产量等维度来看，均为全球第一。日本设施农业主要特点：温室建设大型化，室内技术集成化，产品种类多样化，操作技术机械化，生产技术工厂化，覆盖材料多样化，栽培技术无土化，防治技术生物化。日本最大的植物工厂Spread公司每天可以生产近25 000株生菜，每年可生产900万株。

目前，植物工厂已成为全球，尤其是经济发达地区，解决人口资源环境及食物数量与质量安全等突出问题、发展现代农业的重要途径。它被认为是继陆地栽培、设施园艺、水耕栽培等依序发展之后的又一新技术，也被称为“第四农业”。

2.2 农产品经营网络化的新体系

国内外利用人工智能、互联网技术搭建电商平台进行在线营销，最大限度地利用优势线上线下一体化来高效整合信息资源，降低农业生产成本，改善供应商与农户关系。如，采用智能手机APP、微信等电子商务平台，建立线上和线下（O2O）相结合的农产品交易平台；同时基于物联网和移动网技术对农业生产、流通过程的信息管理和农产品质量的追溯管理、农产品生产档案（产地环境、生产流程、质量检测）管理、建立基于网站和手机短信平台的农产品质量安全溯源体系，可实现“从田间到餐桌”的全程质量和服务的追溯，提升可溯源农产品的品牌效应，确保农产品质量安全。

2.3 农业管理服务的新思维

国内外利用大数据、云计算、“3S”等技术，构建农业ERP云管理平台，开发农业信息监测与服务体系，为灾害预警与评估、耕地质量监测与评价、重大动植物疫情防控、市场波动预测、经营的科学决策与人员培训等提供服务。如国内已普及的“12316”等农业技术服务推广平台，吉林农业大学国家星火计划项目组研制的“吉农在线”远程教育平台。

运用这些平台、网站、智能手机、微信平台、电视、报刊等多种渠道，让用户即时得到所查询地块的产量、精准施肥量、病虫草害诊治等相关信息，有助于科技人员利用信息技术进行智能决策和对农民进行科技培训。

3 大数据时代人工智能技术在农业领域的发展趋势

新一代人工智能是一个更具说明力、更强大、更开放、更普遍的人工智能。它有效地将数据驱动的机器学习方法与知识指导方法相结合，采用具有不同形式的数据来执行跨媒体学习和推理，可以实现可解释、更鲁棒和更通用的人工智能。中国工程院多位院士表示，新一代人工智能的发展方向可以分为大数据智能、群体智能、跨媒体智能、混合—增强智能和自主智能。

3.1 大数据智能

大数据智能是数据挖掘与人工智能技术的深度融合，具体表现：从浅层计算到深度神经推理；从单纯依赖于数据驱动的模型到数据驱动与知识引导相结合学习；从领域任务驱动智能到更为通用条件下的强人工智能。运用大数据智能技术研究空间数据存在大量不确定性和模糊性的问题，探讨复杂多维的非线性问题的解决方案等，对促进智慧农业的实施创造了有利条件；应用大数据智能技术，可以帮助人类从与农业生产过程密切相关的属性数据和空间数据中找出隐藏的规律，按照规律制定正确的精准农业策略，并进行精准预测，达到使农业生产持续、高效、协调发展的目的，更是发展智慧农业应进行的理论研究。

3.2 群体智能

当前，以互联网和移动通信为纽带，人类群体、大数据、物联网已经实现了广泛和深度的互联，群体智能带来的信息物理世界深刻地改变了人工智能发展的信息环境，为农业领域的智能化发展带来了新的契机，提供了一种通过聚集群体的智慧来解决农业问题的新模式——智慧农业。但是，由于我国网络基础设施仍在普及，网络平台搭建不够完善，农业信息资源共享不及时，群体智能在农业领域中尤其是服务体系应用上潜力很大。相信随着农业共享经济的快速发展，信息技术和网络建设的不断进步，未来的群体智能技术广泛应用于农产品线上—线下交易、农产品安全实时监控、物流审查管理将成为必然。

3.3 跨媒体智能

随着人类文明的进步以及科技的发展，信息的传播也逐渐从文字、图像、音频、视频等单一媒体形态逐步过渡到相互融合的多媒体形态，这一过程也越来越显现跨媒体特性，而如何实现跨媒体分析与推理就成为了研究和应用的关键问题。农业机器视觉系统是实现跨媒体分析与推理的核心技术之一。将机器视觉技术应用在多种媒体平台，通过将获取的目标作物图像，传送给专用的图像处理系统，得到被摄目标的形态信息，并转变成数字化信号，图像系统对这些信号进行各种运算来抽取目标的特征，根据特征判别进行作物病虫害诊治，帮助决策。应用跨媒体智能技术，将大大提高农业领域对光谱、视频等静态和动态图像的分析与处理能力，促进农业高光谱图像的应用。

3.4 混合—增强智能与自主智能

由于人类面临的许多问题具有不确定性、脆弱性和开放性，任何智能程度的机器都无法完全取代人类，这就需要将人的作用或人的认知模型引入到人工智能系统中，形成混合—增强智能的形态。这种形态是机器自主智能的重要成长模式，将无人机技术应用于农业生产就是这一智能方向的典型应用。无人机和成像光谱仪结合，对大面积农作物光谱信息进行精确和实时快速的监测，灵活、有效地获取到高分辨率图谱合一数据；同时研究人员还可以根据获得的数据建立基于特定目标的统计模型，研制出基于无人机的农业低空高光谱的新型遥感技术平台，实现混合—增强智能与自主智能技术在农业领域的应用。随着这一技术的深入发展，诸如无人车、服务机器人、空间机器人、海洋机器人、无人车间和智能工厂等相关技术必将在农业领域得到更广泛的应用。

4 结语

当今是数据极其庞大、技术发展迅猛的时代，无论是商业领域、工业领域还是农业领域，都离不开大数据与人工智能集成技术的发展。随着先进集成技术的出现，使得人们必须面对规模更加巨大、结构更加复杂的问题，并亟待从中找到最优化的解决方案。本文通过对近年来国内外大数据背景下人工智能技术在农业领域的研究的较为全面的总结和介绍；阐述了运用人工智能、大数据、物联网等技术相结合应用于农业发展的典型案例；并结合人工智能的发展方向对农业领域研究及应用进行了深度思考和趋势展望。

目前对于农业领域大数据时代下人工智能技术的研究尚属起步阶段，还有诸多问题亟待解决；但大数据时代已经来临，如何运用人工智能技术从海量农业数据中发现知识、获取信息，寻找隐藏在大数据中的模式、趋势和相关性，揭示农业生产发展规律，以及可能的应用前景，都需要我们更加深入的探索与研究。