核心技术原始创新引领智慧农业健康发展

高万林 张港红 张国锋 黄峰 吴德华 陶莎 王敏娟

摘   要：智慧农业是充分运用人的智慧发展农业的新形态，它是农业发展的新阶段、新模式和新业态。农业信息技术的发展是智慧农业发展的必然要求，以农业大数据、云计算、物联网、人工智能、农业等离子体等新一代技术可以赋能智慧农业，为智慧农业的健康发展提供了新技术、新手段和新方案。农业信息化标准化是引导农业科技进步与创新的前提，是智慧农业发展的迫切需要;农业物联网与农业专用芯片是智慧农业发展的核心技术及装备;农业大数据与云计算是海量复杂农业信息处理的有力技术支撑;农业信息安全与区块链是保障农业信息安全、农产品质量认证与农业安全的关键;农业人工智能是提高农业劳动生产力、降低资源消耗、智能高效生产的必然选择;农业等离子体技术是发展健康农业、提升农产品品质切实有效的新手段。智慧农业核心关键技术原始创新自主可控，必将引领智慧农业健康发展。

关键词：智慧农业;农业信息化标准化;农业专用芯片;农业信息安全;农业等离子体技术

中图分类号：S24                  文献标志码：A             文章编号：201812-SA015

高万林， 张港红， 张国锋， 黄   峰， 吴德华， 陶   莎， 王敏娟. 核心技术原始创新引领智慧农业健康发展[J]. 智慧农业， 2019， 1（1）： 8-19.

Gao W， Zhang G， Zhang G， Huang F， Wu D， Tao S， Wang M. Original innovation of key technology leading healthy development of smart agricultural[J]. Smart Agriculture， 2019， 1（1）： 8-19. （in Chinese with English

abstract）

1  引言

人类智慧的不断进步一直促进着农业的发展。特别是作为人类智慧结晶的科学技术极大地推动了农业的转型升级，使现代农业进入了智慧农业的新阶段。智慧农业是在农业产前、产中、产后闭环全产业链中充分运用人的智慧发展农业的新形态;是全面、系统运用人类智慧，因地制宜、因力而行、因时而作、因需而为的农业发展新阶段;是应用新一代信息技术等对农业数据进行采集识别清洗获取有价值的信息，再对信息进行甄别挖掘处理得到体系化的知识，通过人的智慧分析判断综合形成系统化的结果，持续作用于农业智慧经济发展的新模式;是不断提高农业劳动生产率、降低资源消耗、提升农产品品质、防范农业风险、保障农业安全的实践路径和新业态;是现代农业发展的理念和目标，是传统农耕文化的传承与创新，是现代农业文明的价值趋向、文化诉求和演进方向。

智慧农业的典型应用模式是以农业物联网技术感知农业生产现场数据[1]， 通過云计算、大数

据等手段进行农业生产的智能决策[2-4]。当前，以人工智能技术应用为代表的智慧农业则是通过强大的计算力模拟人类思维活动，并对现有知识进行不断学习，不断更新自身的知识体系，进而提升决策精度，实现对农业生产的全面指导。例如，在农产品行情预测中，通过建立市场价格趋势模型，将农产品规模、市场需求作为输入预测价格走向来指导农业生产;在生产管理方面，以农业物联网无处不在的感知技术为基础，充分地获取农业生产现场数据，建立其与产量、品质等指标的数学模型，通过输入实时生产现场数据即可实现农事生产管理的智能决策。

近年来，我国以互联网、物联网、大数据、云计算、人工智能等为代表的信息技术发展取得了比以往更加显著的进步，但与世界先进技术水平相比，很多方面还有较大差距，特别是原始创新技术能力差距较大。核心信息技术原始创新和自主可控是我国信息化建设的关键环节，是保护信息安全的重要基础，也是实施强国战略根本之路。只有大力提高原始创新能力、关键技术创新能力和系统集成能力，拥有专有技术和自主知识产权，才能在国家间的科技竞争中，在国际产业分工和全球经济格局中占据战略制高点，牢牢把握经济发展的主动权，把握经济结构调整与增长方式转变的主动权。

新一代信息技术为智慧农业的发展注入了新活力、新思维、新动力。在众多的核心信息技术中，农业信息化标准化是智慧农业发展阶段的迫切需要，农业物联网与农业专用芯片为智慧农业的发展提供核心技术与装备，农业大数据与云计算为处理海量复杂农业信息提供了有力的技术支撑，农业信息安全与农业区块链是保障农业信息安全、农产品质量安全认证与农业安全的必然选择，农业人工智能可以提高农业劳动生产力，保障农业高效智能化生产，农业等离子体技术是发展健康农业、提升农产品品质切实有效的新手段。因此，农业物联网与农业专用芯片、农业大数据与农业云计算、农业区块链、农业人工智能、农业等离子体技术作为主要的前沿核心关键技术，对智慧农业产业发展具有巨大的引领作用，必须大力加强自主原始创新能力，寻求技术创新突破。同时，智慧农业必须结合自身业务特点和安全需求，不断推进农业自主可控信息系统的研制与应用。通过建立政府主导、自主知识产权技术支撑、农业全产业链参与、消费者可信的国产化信息安全生态圈，保障智慧农业核心技术的自主可控及信息安全。

智慧农业的发展需要应用大数据、人工智能、物联网等信息技术完成自主可控研发过程，但要满足农业应用领域更大规模、更复杂应用场景的需求，将面临着大量的技术攻关、标准规范等多方面难题，也会面临新的挑战。本文重点分析了农业信息化标准化和以农业物联网与农业专用芯片、农业大数据与云计算、农业信息安全与农业区块链、农业人工智能、农业等离子体技术为代表的技术对智慧农业产业健康发展的巨大推动作用，并综合当前科技发展和时代背景，提出只有自己掌握了核心技术，才能谈农业信息安全、农业现代化，要实现智慧农业健康发展，必须坚定走核心信息技术原始创新的道路。

2  农业信息化标准化

信息化是充分利用信息技术，开发利用信息资源，促进信息交流和知识共享，提高经济增长质量，推动经济社会发展转型的历史进程。农业信息化是指在农业领域全面地发展和应用现代信息技术，使之渗透到农业生产、经营、管理与服务以及农村社会、经济、生活等各个具体方面的全过程。信息技术和农业技术集成产生了众多的应用程序，这些应用程序几乎包含农业产业链中所有信息化程序[5-7]， 这些信息化程序对农业现代化的发展起到了巨大的推动作用。因此，发展农业信息化是智慧农业发展的必要手段。

标准是人类文明进步的成果[8]， 伴随着经济

全球化深入发展，标准在支撑产业发展、促进科技进步、规范社会治理、引导技术进步、助推创新发展中的作用日益凸显。我国在智慧农业标准的建立和完善方面存在巨大缺失，标准化已成为产业健康发展迫切需要解决的重大战略问题。

农业信息化标准化是信息技术发展的基础支撑，信息化的出发点和落脚点是实现农业信息共享和管理自动化。没有农业信息标准化，无法实现农业数据共享，就不能实现农业自动化。只有以统一标准规范为基础，做好农业信息化标准化工作，才能有效降低农业信息资源开发成本，大大提高农业生产效率和发展水平，实现信息交流和资源共享。同理，智慧农业关键技术的自主创新依赖于农业信息化标准化，农业信息化标准化又会促进智慧农业科技的进步，引导智慧农业产业的健康发展。

然而，目前我国农业信息化标准化发展相对缓慢。以农业物联网系统中的智能传感器为例，智能传感器的核心是微处理器和网络通信技术，具有自动感知、数据处理、双向数据通信等功能。智能传感器作为智慧农业信息源的采集终端，存在种类繁多、信号处理复杂、传输方式多样等问题，应用中不同品牌产品协议不兼容、可维护性差、数据标准不统一无法共享、设施系统低水平重复建设等矛盾突出。因此，如何为智能传感器节点设计一套标准的通信协议和实现模

型[9-12]成为一个重要问题。

综上所述，农业信息化标准化可以引导农业信息核心技术的规范化，提高劳动生产率和信息资源利用率，促进农业经济发展，从而引领智慧农业产业健康持续发展。

3  核心信息技术及在智慧农业中应用

3.1  农业物联网与农业专用芯片

3.1.1   智慧农业中的物联网典型应用场景

智慧农业产前、产中、产后[13]的信息管理与服务主要是利用物联网、智能分析等技术，将种植对象的温室或大田空气温濕度、光照度、土壤温湿度等环境数据和株高、叶片参数、叶绿素、水分胁迫等生物信息数据[14]进行采集和处理，并进行实时显示和远程监控，实现农业现场各种气象与环境数据、图像视频的实时采集与远程传输，有效提高农业环境监测水平和农业环境监测数据的时效性;实现自动喷灌、科学施肥、生物防治病虫害等科学化管理，提高作物种植水平，便于生产者及时掌握农作物、园艺作物、蔬菜、果树等生长动态与灾害情况，并进行快速诊断和预警;实现集感知、监测、智能预警与分析为一体的农业生产全过程信息监管和服务。

基于农业物联网与专用芯片的智慧农业典型应用场景可描述为：根据大田、温室、畜牧场等典型应用场景的农作物和牲畜等不同对象的需要，搭建视频图像信息获取和生产环境信息获取系统，利用图像、视频、光谱以及温湿度、酸碱度（pH）值、光照强度、风速、降雨量、氮浓缩量、气压等各种传感器获取数据，通过互联网、移动通信网等网络将采集的数据实时上传至云端服务器，并通过数据融合机制，统一、规范地存储在数据库中，形成基础数据库。在此基础上，通过计算与分析平台实现智能监控分析决策功能，实现农业生产的精细化、远程化、自动化与智能化，改变传统农业粗放的生产方式。

典型应用场景如图1所示，主要包括种植业物联网和养殖业物联网两种应用。

（1）在种植业中的应用

种植业物联网根据种植场景不同分为设施种植业物联网和大田种植业物联网。

设施种植业物联网的环境相对封闭，基础设施标准化程度高，通过传感器、控制器、信息系统实现环境的精准监控、智能决策与调控，降低运维成本。典型代表是智能型数字植物工厂，其综合集成了现代装备工程、生物技术、信息技术、营养液栽培技术等多种高新技术，被国际公认为农业高技术水平的重要标志之一[15]。

大田种植业物联网运行在复杂、瞬变、开放的自然环境中，对物联网设备及技术要求更高。大田物联网可以根据植物（如小麦、玉米、大豆、花卉等）不同生长阶段特性和生长环境的光、温、水、气、土壤等数据信息，通过部署专业摄像头，定时抓拍固定角度、固定位置具有代表性的植物图像，实时通过网络远程传输、存储图像数据到数据中心和控制中心，实现精准查看现场近景图像情况，并为远程诊断系统提供基础图像和视频信息。

（2）在养殖业中的应用

养殖业物联网主要分为畜禽养殖物联网与水产养殖物联网两部分。畜禽养殖物联网主要实现畜禽养殖舍内环境信息（包括CO2浓度、NH3浓度、H2S浓度、空气温湿度、光照强度、气压、粉尘等）的自动监测、智能分析、预警等功能;实现舍内通风、湿帘、照明等设备的手动控制、智能自动控制以及远程控制，使养殖环境处于最适宜状态。

水产养殖物联网则是对水体环境进行定期、不间断地采集，包括水温、pH值、溶解氧（DO）、浊度、光照、盐度、水位等参数。同时，在养殖塘边架设视频监控摄像头，对养殖塘实时监控，提供水产养殖管理的预警与干预服务和智能分析服务。

总之，通过物联网技术实现生产环境监控，由环境监测传感器（温度、湿度、光照、CO2浓度、土壤水分等）、摄像头、智能通讯终端、智能化农业生产环境监控平台组成，掌握设施农业的病虫害情况和农作物生长环境情况，提供病虫害防控体系、农作物生产服务体系和设施农作物评价体系，减少农药使用，实时获取并远程控制农业生产的各项环境参数，使农产品处于适宜的、安全的生长环境中，并通过作物生长模型与病虫害生长模型判断病虫害发生概率的方法，避免病虫害侵害;通过统计数据分析农产品的生长情况，根据农作物生长积温与发育关系预测成熟度及成熟时间，提供适时采摘标准，保障农产品质量安全。通过智能化农场管理改善农作物生长环境、提高农作物品质、减少化肥农药使用量、提高生产管理效率、保护生态环境安全，为农业生产带来经济效益。

3.1.2   物联网芯片硬件结构及芯片现状

（1）信息采集设备典型硬件结构

物联网信息采集设备硬件结构如图2所示，农业专用处理器芯片是信息采集设备的核心，负责与其他设备模块的通信及数据处理水平。在农业生產应用中，从农产品生产的不同阶段来看，无论是从产前准备还是产中维护和产后服务，都可以用物联网技术来提高工作效率和精细化管理水平，尤其是农业专用处理器起到核心作用。

（2）处理器芯片现状分析及建议

根据农业物联网应用场景和面向解决的关键问题，可以将处理器芯片主要分为两类：一类是以控制与驱动传感器为目的的控制芯片，如单片机、嵌入式处理器芯片等;另一类则是针对边缘端计算力问题的专用处理器芯片，如ASIC、FPGA、DSP等，此类芯片主要针对无人机、机器人等计算能力有限，难以实现边缘端设备的智能判断或决策问题，且传感器大多工作在边缘端，需要足够的性能和较低功耗长时间运行的硬件。

芯片已经渗透至物联网的各个层面，成为物联网集成与应用的关键核心技术，农业信息从感知到传输再到应用都离不开芯片，物联网广泛应用将会引领芯片厂商的创新发展[16]。然而，当前农业上使用的处理器芯片都是按照工业标准设计的，功耗、性能、成本和功能需求等都受到不同程度制约和限制。

国内物联网芯片厂商更专注于通信、支付、安全等领域，还没有针对农业生产设计开发专用的物联网芯片。我国已经高度重视农业物联网和芯片技术发展，发布了多项支持政策。在农业农村部等相关部门颁布的《“十三五”农业科技发展规划》主要农业领域关键突破技术和核心指标任务中明确要求，农业物联网国产处理器芯片与传感器核心部件市场占有率达到30%以上[17]。《农机装备发展行动方案（2016-2025）》提出，到2025年，机械化率要提升至75%以上，关键零部件自给率达到50%左右[18]。工业和信息化部于2014年就颁布了《国家集成电路产业发展推进纲要》指出，加快云计算、物联网、大数据等新兴领域核心技术研发，开发基于新业态、新应用的信息处理、传感器、新型存储等关键芯片及云操作系统等基础软件，抢占未来产业发展制高点[19]。

发展以农业专用处理器芯片为核心器件的农业物联网系统是智慧农业的基本要求，也是农业大数据的重要获取途径，更是发展农业人工智能的基础。因此，掌握处理器芯片的核心科技，研发针对农业特定场景下的专用处理器芯片是实现智慧农业信息全面感知、智能处理的重要手段。农业物联网产业一方面应加大力度发展传感器节点核心芯片、嵌入式操作系统、智能计算等核心技术，另一方面则应加快标准制定和产业化进程，在未来农业物联网的大规模发展及国际竞争中占据有利位置。从农业信息安全和知识产权的角度考虑，研究具有自主知识产权的农业物联网专用处理器芯片[20]， 对于我国智慧农业所需核心

设备的自主可控性具有重要意义。同时，具有自主知识产权的处理器芯片可大幅降低芯片成本，进而推动智慧农业产业的健康发展。

3.2 农业大数据与云计算

农业是一个动态开放、复杂多变的生命系统，存在大量的瞬变数据。采集、存储、分析这些数据，并建立相关的数学模型，对指导农业活动、规避生产风险具有重要意义。农业大数据面向的处理对象主要为农业系统中的各类结构化与非结构化数据，具有存储数据量大、复杂度高的特征。因此，农业大数据主要技术攻关在以高性能处理器芯片为核心的并行存储技术、高性能对象存储技术和并行I/O访问技术等方面。同时，在农业大数据的算法层面上，基于机器学习的数据挖掘算法不断发展，支持向量机（Support Vector Machine， SVM）、反向传播（BackPropagation， BP）神经网络等得到了广泛的研究。

大数据的核心技术是基于存储的计算，从本质上来说，大数据主要解决海量数据的搜集、存储、计算、挖掘、展现和应用等问题[2]。大数据时代的到来对数据存储和计算提出了新的挑战，而云计算技术为其提供了新的解决方案。云计算是将繁重的计算任务部署在由大量的计算机构成的资源池中，使得用户能够使用终端获取其计算能力与存储能力。实现农业数据的分析与建模是农业云计算的主要任务，处理器计算力的强弱是影响其发展的关键核心技术。高效的并行计算在一定程度上提高了云计算的性能。然而，针对海量的农业数据集时，传统的并行计算模型已经不能满足其发展的需要，越来越多的技术已经被开发，如流式计算[21，22]与实时计算[23]等，这些都需要进一步发展，为智慧农业提供服务。

结合大数据与云计算技术，利用农产品物理指纹图谱对农产品进行智能辨别意义重大。农产品物理指纹图谱是能够鉴别农产品个体之间差异的电泳图谱，具有高度的个体特异性和环境稳定性，就像人的指纹一样，因而被称为“指纹图谱”[24]，多采用无损检测技术获得农产品的信息并对其进行二次编码。

目前对农产品的多因素判定，如品质鉴定、产地溯源、年份判定等，主要根据农产品的光谱特征进行定性和定量分析，但是农产品的物理指纹图谱不仅受基因的影响，还与外界环境等各方面因素有关。因此，研究建立农产品物理指纹图谱数据标准，并建立完整的农产品物理指纹图谱数据库，利用仿生模式识别方法建立通用可靠的农产品物理指纹图谱分析模型，以实现对农产品的品质、产地等多因素判定及认证，以此保证人们的饮食安全。

3.3  农业信息安全与农业区块链

3.3.1   农业信息安全重要性及研究方向

信息安全不仅是发挥信息革命带来的高效率、高效益的有力保证，更是抵御信息侵略的重要屏障。信息安全问题全方位地影响我国的政治、军事、经济、农业、文化、社会生活的各个方面，是一个不容忽视的国家安全战略。

农业信息不仅是农业及农业相关领域的信息集合，而且是包括与农业信息生产、采集、处理、传播、提供和利用有关的各种数据资源。农业信息安全就是要保护农业信息系统和网络内的计算机硬件、软件、数据及应用等不因偶然或恶意的原因而遭到破坏和更改;保护农业信息资源不会被非法阅读、修改和泄露，即保证信息的安全性。由于农业信息从来源上看主要包括农用地信息、农产品信息、粮食信息、农业生产过程信息、生产者信息及消费者信息等，因此，保护农业信息的安全就是保护土地安全、粮食安全、社会安全及国家安全。由此可见，农业信息安全是国家安全战略的重要组成部分，农业信息安全核心技术的掌握必须坚持走自主创新之路。

为了实现农业信息的获取、传输、处理、应用全流程安全保护，需要加强以下研究工作：一是针对农业信息系统信息传输中的数据安全和用户隐私问题，研究构建面向海量数据和用户的数据和隐私保护基础理论和技术体系;二是研究生物系统表型与环境数据保护理论模型，包括基于群上秘密共享算法的數据机密性和可靠性高效保护方案、基于新型密码算法的数据访问控制机制、加密数据的关键词搜索方法、存储数据的完整性验证方法等;三是研究农业信息系统隐私保护理论模型，包括隐私数据刻画和甄别、数据发布隐私保护、标识符匿名保护、位置数据隐私保护、数据脱敏处理等理论和技术方法，制定农业信息系统数据隐私保护标准规范。

新一代信息技术处理的核心是数据，而农业数据具有数据量大、种类多、来源广等特点，要实现智慧农业的健康发展，必须首先保障农业的数据安全和信息系统安全，在此基础上才可以实现农业安全生产、精准管理、智能决策等，更好地促进农业产业升级发展。

3.3.2   农业区块链及应用

区块链是一个分布式账本，一种通过去中心化、去信任的方式全网维护一个可靠数据库的技术方案，是建立在P2P（Peer-to-Peer）网络之上，利用分布式数据存储、共识机制、加密算法、智能合约等核心技术保障系统安全高效的新型技

术框架，主要解决多方合作和可信处理的核心

问题[25，26]。

区块链技术来源于信息安全，反哺信息安全。农业区块链为农业信息安全保障提供了新的技术手段和发展机遇。农业区块链是利用区块链去中心化、公开透明、数据不可篡改、数据共享、点对点传输等技术特点，将用户、认证机构、加工企业、销售企业、物流企业等加入到链上，每个关键节点上的信息形成一个信息和价值的共享链条，可做到信息全程可追溯，使得溯源平台信息更加公平、公正、透明、轻量、高效地达成共识。同时，农业区块链是利用区块链技术来改造传统的农业信息化基础设施，研究建立安全高效的共识机制改造传统农业信用体系;设计符合农业生产管理的智能合约提高农业生产效率、降低运行成本;利用分布式账本和加密技术实现农业全局数据的隐私保护、安全共享，从而保证农业系统运行的稳定性，以农业全产业链的业务流（信息流）、资金流、物流数据的真实性，服务农业农村农民，服务农业实体经济。

共识机制作为核心技术是区块链的灵魂，是区块链系统中实现不同节点之间建立信任、获取权益的数学算法，包括工作证明（Proof of Work）、股权证明（Proof of Stake）、股份授权证明（Delegated Proof of Stake）、拜占庭容错等[17]。智能合约是一种旨在以信息化方式传播、验证或执行合同的计算机协议。智能合约允许在没有第三方的情况下进行可信交易，这些交易可追踪且不可逆转。研究农业保险理赔、农产品品质认证、农业服务合同签订等场景下的智能合约签订，将提升农业信息系统的智能化水平，促进智慧农业的健康发展。

3.4  农业人工智能

人工智能（Artificial Intelligence，AI）是指用计算机模拟或实现智能行为，最终制造出能以与人类智能相似的方式做出反应的智能机器[27]。20世纪70年代，以专家系统为代表的人工智能技术就出现在农业领域，专家系统作为人工智能的一个重要分支[28]，是指应用于某一专门领域，拥有该领域相当数量的专家级知识，能模拟专家的思维，能达到专家级水平，能像专家一样解决困难和复杂的实际问题的计算机（软件）系统[27]。我国2016年开始全面实施《中国制造2025》[29]，2017年7月国务院印发《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”[30]。

农业为人工智能技术提供了广阔的应用场景，如非受控环境下智能设备部署及测试、与环境的协同感知及交互等。同时，农业应用环境的复杂性、多变性等对人工智能技术的建模能力、鲁棒性、稳定性提出了更高的要求[31]。如今，深度学习技术[32]已成功应用于农业人工智能系统，如卷积神经网络（CNN）、递归神经网络（RNN）和生成对抗网络（GAN）等深度学习算法已经广泛应用于农业生产，解决了目标识别、任务规划、传感器的数字化和优化等常规农业难以解决的任务，真正实现了多机器人协作、人机协作、虚拟农场等目标[33-39]。新一代人工智能技术可以用于优化无人机自动驾驶算法，促进精准农业航空技术发展[40，41]等。

目前，人工智能技术在农业领域不断发展，已经成为农业生产力发展的新引擎。在农业病虫害防治过程中，采用智能算法对以往样本数据进行分析与建模，从而准确预测出病虫害的发生周期与病虫害种类，进而指导农民部署相关的防治措施，有效提高病虫害的防治效率;通过终端实时监测农作物的生长情况及其环境状况，通过定时采集图像、红外影像，再利用物联网系统传输至云端农业智能系统，云端农业智能系统通过建立专家模型库，分析计算农作物的生长情况和环境状况，同时使用气象模型和环境数据模型，分析处理气象预报数据、历史数据和环境变化数据，预测出农作物的生长走势，并制定相应的生产措施;农业机器人通过智能算法，实现在作业区自主导航，规划行驶路径，自动完成作业动作，可有效降低劳动力成本。在新一代人工智能的引领下，动植物生长环境信息模型得到了进一步的挖掘，逐步形成以机器学习为主要算法的农业生产管理智能决策系统，大大提高了农业生产自动化程度。

3.5  农业等离子体技术

3.5.1   农业等离子体技术概述

随着现代农业发展，化肥、农药、生长激素的使用对农业增产及防病虫害等起到了重要作用，但由此也带来了环境污染、食品安全等负面效应，使农业的发展面临新的困境。为了解决这些问题，人们正在积极探索环境友好型、产品质量安全型的现代绿色农业。等离子体系统中含有正负离子、电子、自由基、基态和激发态的分子等，易于和所接触的物质表面发生反应，使得它在农业等众多领域都有重要应用[42]。在农业领域，等离子体技术可以运用到农业产前、产中、产后的各产业链中（如育种、土壤修复、水处理、农药降解、植物生长、病虫害防治、杀菌消毒、食品保鲜、贮藏等），增产增效，成本低，且不对环境产生污染。可以说，等离子体技术是一种安全、无污染、高效的绿色农业技术。

3.5.2   等离子体育种

在农业产前阶段，等离子体育种[43-46]可提高种子的活力，刺激种子发芽率增多，苗期提前，促进早熟，增加粒重粒数，提高产量改善品质。其操作简单、无污染、成本也远低于生物制剂和化学制剂的处理。离子束育种是产生等离子体后通过引出系统引出离子束作用于种子[47]。离子具有质量、能量和电荷。当荷能离子注入生物体后，会产生质、能、电共同作用于生物体的集体效应，引发生物学效应[47，48]。离子束能量会引起生物体DNA的损伤，从而诱导和激发细胞对损伤DNA的修复，引起基因突变。离子束诱变育种具有损伤轻、突变率高、突变谱广等优点。

3.5.3   等离子体防治病虫害

在农业产中阶段，植物病虫害会引起农业产量降低和经济损失，病原体种群对用于疾病控制的化学物质的敏感性是可变的，因此植物病毒病的有效和经济的防治尚待继续开发。研究表明，等离子体技术可以有效地预防和治疗植物病虫害。等离子体射流中产生的活性自由基与离子可以穿过叶子中微米级的表皮孔道，对叶片中的病原体细胞具有强烈的氧化作用。这些自由基可以通过细胞膜与病原细胞中的蛋白质分子等反应，导致病原体细胞的失活[49]。该方法經济可靠、操作简单。

3.5.4   等离子体农产品灭菌保鲜

在农业产后的农产品加工、灭菌保鲜及包装贮藏中，等离子体也能发挥其重要作用。等离子体对农产品中微生物灭活主要通过如下几个机制实现：光解吸附、刻蚀、膜穿孔、DNA损伤、氧化、电场力瓦解等[50]。另外，经过等离子体处理的水即等离子体活化水（PAW），可以表现出较长效的抗菌性[51]。水经过等离子体处理后产生酸性环境，导致氧化还原电位、电导率的变化以及活性氧（ROS）和活性氮（RNS）的形成。因此等离子体活化水具有与水不同的化学组成，是一种环境友好的消毒剂，可以作为微生物消毒的替代方法。PAW中ROS和RNS的形成及其与细胞膜和细胞壁、核酸和内部蛋白等细胞组分的相互作用是微生物细胞失活的主要原因。因此等离子体活化水可以延长新鲜农产品的保质期和提高其品质[42]。

综上，等离子体技术在农业全产业链中扮演着重要的角色，为智慧农业健康发展提供了新的技术和思路。

4  建议与展望

发展智慧农业符合创新、协调、绿色、开放、共享理念。智慧农业技术的创新与应用不仅改变农业生产经营管理与服务，还会影响到人的生活与生态环境。智慧农业是现代农业发展的高级阶段，只有自主掌握了核心算法和技术，获得了原始创新的动力，使得农业领域真正达到万物互联，感知无处不在，才能不断提升劳动生产率、降低资源消耗、提升农产品品质、抵御农业风险、保障农业安全，最终体现智慧农业的价值。

智慧农业的健康发展依赖于农业科技的进步与创新，农业信息化标准化可以引领农业科技发展，农业物联网与农业专用芯片是智慧农业的核心基础设施与装备，农业大数据与云计算为农业信息处理提供了技术支撑，农业区块链为保障农业信息安全和农产品质量认证及农业安全提供了新的解决方案，农业人工智能是智慧农业发展的必然选择，农业等离子体技术在农业全产业链中发挥着越来越重要的作用。在农业信息化标准化的引领下，核心技术的自主可控、原始创新、示范应用及集成推广必将引领智慧农业健康、协调、可持续的发展。

在智慧农业发展的同时，依然存在如专业性技能人才匮乏、技术发展区域不平衡、技术原始创新能力不强等亟需解决的问题。要全面增强技术原始创新能力，就必须充分发挥我国高等学校、科研院所和企业的科技力量，有效调动国内优势科技资源，健全和完善以企业为主体、市场为导向、产学研相结合的国内创新体系，形成具有中国特色的自主创新的基本体制框架。智慧农业核心技术突破需要政府的引导与扶持，更需要以人工智能为核心技术的高新技术企业攻坚克难和自主创新。

参考文献

[1]   周国民. 浅议智慧农业[J]. 农业网络信息， 2009， （10）： 5-7.Zhou G. A brief discussion on wisdom agriculture[J]. Agriculture Network Information， 2009， 10： 5-7.

[2]   孙忠富， 杜克明， 郑飞翔， 等. 大数据在智慧农业中研究与应用展望[J]. 中国农业科技导报， 2013， 15（6）： 63-71.

Sun Z， Du K， Zheng F， et al. Perspectives of research and application of big data on smart agriculture[J]. Journal of Agricultural Science & Technology， 2013， 15（6）： 63-71.

[3]   杨大蓉. 中国智慧农业产业发展策略[J]. 江苏农业科学， 2014， 42（4）： 1-2.Yang D. Development strategy of intelligent agricultural industry in China[J]. Jiangsu Agricultural Sciences， 2014，

[4]   顿文涛， 赵玉成， 袁帅， 等. 基于物联网的智慧农业发展与应用[J]. 农业网络信息， 2014（12）： 9-12.

Dun W， Zhao Y， Yuan S， et al. The development and application of wisdom agriculture based on the Internet of Things[J]. Agriculture Network Information， 2014， 12：9-12.

[5]   Romanov V， Galelyuka I， Sarakhan Y. Wireless sensor net-works in agriculture[C]// IEEE Seventh International Conference on Intelligent Computing and Information Systems. IEEE， 2016： 77-80.

[6]   Dan L， Xin C， Huang C， et al. Intelligent agriculture greenhouse environment monitoring system based on IOT technology[C]//International Conference on Intelligent Transportation， Big Data and Smart City. IEEE， 2016： 487-490.

[7]   Gao H， Liu Y. Conceptual design of mobile data collection system for traceability in agriculture[J]. Applied Mechanics & Materials， 2014， 513-517（10）： 1131-1134.

[8] ;  田世宏. 實施标准化战略践行新发展理念[J]. 中国标准化， 2016（11）： 72-73.

Tian S. Implementing standardization strategy and implementing new development ideas[J]. China Standardization， 2016（11）： 72-73.

[9]   Adamo F， Attivissimo F， Carducci C G C， et al. A smart sensor network for sea water quality monitoring[J]. IEEE Sensors Journal， 2015， 15（5）： 2514-2522.

[10]  Jameel S， Farooqui Z. Energy efficient smart sensor net-work routing protocol using node scheduling[J].

International Journal of Computer Applications， 2015， 126（4）： 37-41.

[11]  Rodrigues D ， Pires R M ， Branco K R L J C . Validating Knowledge-Based Framework through Mission-Oriented Sensors Array and Smart Sensor Protocol[J]. Journal of Physics： Conference Series， 2015， 633：012081.

[12]  Chi Q， Yan H， Zhang C， et al. A reconfigurable smart sensor interface for industrial WSN in IoT Environment [J]. IEEE Transactions on Industrial Informatics， 2014， 10（2）：1417-1425.

[13]  Gao W， Wang M， Zhang G， et al. On the relation between agricultural informationization and rural informationization[J]. Asian Agricultural Research， 2012（11）： 124-129.

[14]  Qiu R， Wei S， Zhang M， et al. Sensors for measuring plant phenotyping： A review[J]. Int J Agric & Biol Eng， 2018， 11（2）：1-17.

[15]  杨瑛， 崔运鹏. 我国智慧农业关键技术与未来发展[J]. 信息技术与标准化， 2015（6）： 34-37.

Yang Y， Cui Y. The key technology and development of smart agriculture in our country[J]. Information Technology & Standardization， 2015（6）： 34-37.

[16]  王莹， 叶雷. 2015： 物联网引领芯片厂商创新[J]. 电子产品世界， 2015（1）：11-19.

Wang Y， Ye L. 2015： Internet of Things leads chip manufacturers' innovation[J]. Electronic Engineering & Product World， 2015（1）： 11-19.

[17]  “十三五”农业科技发展规划[EB/OL]. （2017-01-25）[2018-12-30]. http：//jiuban.moa.gov.cn/zwllm/ghjh/2017

02/t20170207_5469863.htm.

[18]  农机装备发展行动方案（2016-2025）[EB/OL]. （2016-12-22）[2018-08-28].http：//www.miit.gov.cn/new

web/n1146295/n1146592/n3917132/n4061919/c5433654/content.html.

[19]  国家集成电路产业发展推进纲要[EB/OL]. （2014-06-24）[2018-12-30].http：//www.miit.gov.cn/n114

6290/n1146397/c4218836/content.html.

[20]  Zhang G， Xiao W， Gao W， et al. AgriCore： An agricultural application specific chip[J]. International Agricultural Engineering Journal， 2017， 26（3）： 255-262.

[21]  李圣， 黄永忠， 陈海勇. 大数据流式计算系统研究综述[J]. 信息工程大学学报， 2016， 17（1）：88-92.

Li S， Huang Y， Chen H. Review of big data stream computing system study[J]. Journal of Information Engineering University， 2016， 17（1）： 88-92.

[22]  孙大为. 大数据流式计算：应用特征和技术挑战[J]. 大数据， 2015， 1（3）： 99-105.

Sun D. Big data stream computing： features and challenges[J]. Big Data Research， 2015， 1（3）： 99-105.

[23]  周志阳， 陈飞. 大数据实时计算平台技术综述[J]. 中国新通信， 2017， 19（4）： 47-47.

Zhou Z， Chen F. Overview of big data real-time computing platform technology[J]. China New Telecommunications， 2017， 19（4）： 47-47.

[24]  刘华， 贾继增. 指纹图谱在作物品种鉴定中的应用[J]. 中国种业， 1997（2）： 45-48.

Liu H， Jia J. Application of fingerprint in crop variety identification[J]. China Seed Industry， 1997（2）： 45-48.

[25]  Nakamoto S. Bitcoin： A peer-to-peer electronic cash system[EB/OL]. （2008） [2018-08-28]. https：//bitcoin.org/bitcoin.pdf.

[26]  錢卫宁， 邵奇峰， 朱燕超， 等. 区块链与可信数据管理：问题与方法[J]. 软件学报， 2018（1）： 150-159.

Qian W， Shao Q， Zhu Y， et al. Research problems and methods in blockchain and trusted data management[J]. Journal of Software， 2018（1）： 150-159.

[27]  廉师友. 人工智能技术导论[M]. 西安：西安电子科技大学出版社， 2007.

[28]  杨兴， 朱大奇， 桑庆兵. 专家系统研究现状与展望[J]. 计算机应用研究， 2007， 24（5）： 4-9.

Yang X， Zhu D， Sang Q， et al. Research and prospect of expert system[J]. Application Research of Computers， 2007， 24（5）：4-9.

[29]  国务院. 中国制造2025[EB/OL]. （2015-05-08） [2018-08-28]. http：//www.gov.cn/zhengce/content/2015-

05/19/content_9784.htm.

[30]  国务院. 新一代人工智能发展规划[EB/OL]. （2017-07-08） [2018-08-28]. http：//www.gov.cn/zhengce

/content/2017-07/20/content_5211996.htm.

[31]  Dengel A. Special issue on artificial intelligence in agriculture[J]. KI-Künstliche Intelligenz， 2013， 27（4）： 309-311.

[32]  Lecun Y， Bengio Y， Hinton G. Deep learning[J]. Nature， 2015， 521（7553）： 436.

[33]  Cheng X， Zhang Y， Chen Y， et al. Pest identification via deep residual learning in complex background[J]. Computers & Electronics in Agriculture， 2017， 141： 351-356.

[34]  Ding W， Taylor G. Automatic moth detection from trap images for pest management[J]. Computers & Electronics in Agriculture， 2016， 123（C）： 17-28.

[35]  Grinblat G L， Uzal L C， Larese M G， et al. Deep learning for plant identification using vein morphological patterns[J]. Computers & Electronics in Agriculture， 2016， 127： 418-424.

[36]  Lu J， Hu J， Zhao G， et al. An in-field automatic wheat disease diagnosis system[J]. Computers & Electronics in Agriculture， 2017， 142.

[37]  Misimi E， ye E R， ystein Sture， et al. Robust classification approach for segmentation of blood defects in cod fillets based on deep convolutional neural networks and support vector machines and calculation of gripper vectors for robotic processing[J]. Computers & Electronics in Agriculture， 2017， 139： 138-152.

[38]  Zhu N， Liu X， Liu Z， et al. Deep learning for smart agriculture： Concepts， tools， applications， and opportunities[J]. Int J Agric & Biol Eng， 2018， 11（4）： 32-44.

[39]  Shamshiri R R， Weltzien C， Hameed I A， et al. Research and development in agricultural robotics： A perspective of digital farming[J]. Int J Agric & Biol Eng， 2018， 11（4）： 1-14.

[40]  Huang Y B， Thomson S J， Hoffmann W C， et al. Development and prospect of unmanned aerial vehicle technologies for agricultural production management[J]. Int J Agric & Biol Eng， 2013， 6（3）： 1-10.

[41]  Lan Y， Chen S， Fritz B K. Current status and future trends of precision agricultural aviation technologies[J]. Int J Agric & Biol Eng， 2017， 10（3）： 1-17.

[42]  Thirumdas R， Kothakota A， Annapure U， et al. Plasma activated water （PAW）： chemistry， physico-chemical properties， applications in food and agriculture[J]. Trends in Food Science & Technology， 2018， 77： 21-31.

[43]  Koga， K， Thapanut， S， Amano， T， et al. Simple method of improving harvest by nonthermal air plasma irradiation of seeds of Arabidopsis thaliana （L.）[J]. Applied Physics Express， 2016， 9（1）， 016201-1-016201-3.

[44]  Sivachandiran L ， Khacef A . Enhanced seed germination and plant growth by atmospheric pressure cold air plasma： combined effect of seed and water treatment[J]. RSC Adv. 2017， 7（4）：1822-1832.

[45]  王永維， 曹林， 王俊， 等. 冷等离子体处理对水稻种子萌发的影响[J]. 农业机械学报， 2013， 44（6）： 206-209.

Wang Y， Cao L， Wang J， et al. Influence of cold plasma treatment on rice seed germination[J]. Transactions of the Chinese Society for Agricultural Machinery， 2013， 44（6）： 206-209.

[46]  李玲， 申民翀， 李建剛， 等. 冷等离子体种子处理对油料作物种子萌发及幼苗生长的影响[J]. 江西农业学报， 2015， 27 （8）： 1-5.

Li L， Shen M， Li J， et al. Effects of treating seeds with cold plasma on seed germination and seedling growth of oil crops[J]. Acta Agriculturae Jiangxi， 2015， 27 （8）： 1-5.

[47]  王陶，李文，陈宏伟，等. 低能离子束生物工程及其应用研究进展[J]. 徐州工程学院学报（自然科学版）， 2009， 24（1）： 6-10.

Wang T ， Li W ， Chen H， et al. A research of the progress in low-energy ion beam bioengineering and its applications[J]. Journal of Xuzhou Institute of Technology， 2009， 24（1）： 6-10.

[48]  Ling A P K， Ung Y C， Hussein S ， et al. Morphological and biochemical responses of Oryza sativa， L. （cultivar MR219） to ion beam irradiation[J]. Journal of Zhejiang University SCIENCE B， 2013， 14（12）：1132-1143.

[49]  Zhang X ， Liu D ， Zhou R ， et al. Atmospheric cold plasma jet for plant disease treatment[J]. Applied Physics Letters， 2014， 104（4）： 516-517.

[50]  Schlüter O， Frohling A. NON-THERMAL PROCESSING | Cold plasma for bioefficient food processing[J]. Encyclopedia of Food Microbiology： second Edition， 2014： 948-953.

[51]  Traylor M J ， Pavlovich M J， Karim S ， et al. Long-term antibacterial efficacy of air plasma-activated water[J]. Journal of Physics D： Applied Physics， 2011， 44（47）.

Original innovation of key technologies leading healthy

development of smart agricultural

Wanlin Gao1，2*， Ganghong Zhang1，2， Guofeng Zhang1，2， Feng Huang1， Dehua Wu1，2， Sha Tao1，2， Minjuan Wang1，2

（1. Key Laboratory of Agricultural Informatization Standardization， Ministry of Agriculture and Rural Affairs，

China Agricultural University， Beijing 100083， China; 2. College of Information and Electrical Engineering，

China Agricultural University， Beijing 100083， China）

Abstract： Smart agricultural is a new form of agriculture that makes full use of human wisdom to develop agriculture. It is a new stage， new model and new pattern of agricultural development. The development of agricultural information technology is an inevitable requirement for smart agricultural. The new generation of core information technology， such as agricultural big data， cloud computing， Internet of things， artificial intelligence， can enable the innovative development of smart agricultural. It can provide new technologies， new methods and new solutions for the healthy development of smart agricultural. Agricultural informationization standardization is the premise to guide the progress and innovation of agricultural science and technology. It can lead the progress of agricultural science and technology and standardize the process of agricultural production. It is an urgent need for the development of smart agricultural. Agricultural Internet of things and agricultural application-specific chip are the core technologies and equipment for the development of smart agricultural. The application demand of agricultural Internet of things can promote the development of agricultural application-specific chip technology. The technological innovation of agricultural application-specific chip will promote the technological upgrading of agricultural Internet of things. Agricultural big data and cloud computing are powerful technical support for massive and complex agricultural information processing. The computing requirements of big data algorithms can promote the innovation and development of cloud computing technology. The improvement of cloud computing capability is more convenient for the application of big data algorithms and applications. Agricultural information security and blockchain are the key to guarantee the security of agricultural information， agricultural product quality certification system and agricultural. Agricultural artificial intelligence is the inevitable choice to improve agricultural labor productivity， reduce resource consumption， and efficient production. The innovation and application of artificial intelligence algorithm is an effective measure to realize smart agricultural. Agricultural plasma technology provides a new technological means for smart agricultural to produce more safer and more reassuring green organic agricultural products. It can be used in different stages of agricultural production， includes before， during and after production， to protect the healthy development of the whole agricultural production chain. The original innovation and autonomous control of the key technologies of smart agricultural will surely lead the healthy development of smart agricultural.

Key words： smart agricultural; agricultural informatization standardization; agricultural application-specific chip; agricultural information security; agricultural plasma technology