现代信息技术在农业领域的应用分析与建议

孔繁涛 朱孟帅 孙坦

摘要： 随着信息技术的快速发展和农业农村经济的平稳增长，农业信息技术越来越受到关注，资本和技术在农业领域逐渐发力的趋势已经形成。近几年，中国大型信息技术公司开始涉足农业产业，智慧农业发展势头强劲。本文分析了大型互联网企业从事农业的现状及技术应用特点;阐述了当前大批互联网企业进入农业领域的原因，分析了信息技术与农业产业结合的关键领域及存在问题;重点剖析了信息技术在农业领域中的应用需求、瓶颈和前景;针对农业农村数字化发展与新技术应用，提出了防范市场投机风险、明晰主体功能定位、加强科技创新力度、做好引领示范带动等政策建议。

关键词： 农业信息技术;互联网企业;技术预测;政策建议

中图分类号： S-1 文献标志码： A 文章编号： 201906-SA012

引文格式：孔繁涛， 朱孟帅， 孙  坦. 现代信息技术在农业领域的应用分析与建议——互联网企业进军农业引发 的思考[J]. 智慧农业， 2019，1（4）： 31-41.

1 引言

农业生产流通区域性强、影响因素复杂多样，以大量消耗资源和粗放经营为主的传统农业管理模式难以满足现代农业发展需求。现代农业必须插上信息化的翅膀，全面升级改造农业全产业链，对生产流通全过程各要素进行动态感知、精准控制、智慧管理，实现信息化与农业现代化的深度融合。

农业信息化市场潜力巨大，最近一个时期，北京京东世纪贸易公司（简称“京东”）、阿里巴巴网络技术有限公司（简称“阿里巴巴”）等互联网企业纷纷进入农业生产领域，开展农作物种植和畜禽养殖项目，引起了全社会的普遍关注，加快了技术、资本与农业产业融合，形成了一批农业信息实用新技术。总的来看，这是中国农业现代化进程中一次难得的发展机遇，应该制定方案、加快推广，但其中也蕴含着诸多不确定性因素，值得我们认真思考，把握发展契机，做好正向引导，积极应对挑战。本文基于互联网企业进军农业的客观事实，重点分析了互联网企业与新兴信息技术结合带来的农业发展机遇，并针对当前信息技术在农业应用中存在的需求、瓶颈和应用前景进行了分析，并提出了新技术在农业信息化发展应用中的建议。

2 互联网企业布局农业现状及原因分析

2.1 互联网企业布局农业种养领域典型成果

京东、阿里巴巴、网易（杭州）网络有限公司（简称“网易”）、深圳市腾讯计算机系统有限公司（简称“腾讯”）、百度在线网络技术（北京）有限公司（简称“百度”）、华为技术有限公司（简称“华为”）等互联网企业，充分抓住中国大力推动“互联网+农业”的历史机遇[1]，大力开发自身拥有的信息技术优势，在公司内部设立“三农事务部”或“农业事务部”，直接开展种植业和养殖业方面的业务。

京东开展了无人机、农服、农场、植物工厂以及农牧等一系列涉农项目。2015年启动了无人机项目，以无人机农林植保服务为切入点，整合了京东集团物流、金融、生鲜、大数据等优势资源[2]。2016年京东推出了“跑步鸡”项目，“京东农牧”推出了人工智能养殖解决方案，独创养殖巡检机器人、饲喂机器人、3D农业级摄像头等先进设备，打通了养殖全产业链[3]。2018年4月，京东智慧农业共同体成立，京东农服、京东农场、农业研究院上线[4]。2018年7月，京东农场在杨凌落地，通过精准施肥和全程可视化溯源，实现了直接从田间到餐桌的“京造”模式[5]。2018年12月，京东植物工厂落地北京通州，国内最大的太阳光和人工光结合的水耕栽培型植物工厂[6]。

2018年，阿里巴巴推出阿里云ET农业大脑[7]，利用人工智能和云计算为种养业赋能。在养殖业方面，阿里云ET农业大脑利用人工智能技术，监测动物生境、生理的每项数据，包括品种、日龄、体重、进食情况、运动强度、频次、轨迹等，并进行行为特征、进食特征、料肉比等分析。在种植业方面，阿里云与海升集团合作研发了智能农事系统[8]，能够实时可视化“数字地图”，进行生产管理和农事分析。通过二维码身份证，监控每个果蔬的动态生长状况，适时浇水、施肥、采摘，通过历史数据进行智能分析，建立知识库，指导果农播种、施肥和耕作;通过智能技术，实现对农产品全程监控，以保证品质、降低成本。

网易于2009年进入养猪领域，着力以互联网创新思维改变传统养殖业。2016年，网易味央安吉现代农业产业园正式投产[9]，全球首创“猪马桶”，让猪学会定点上厕所，并配套“零排放”环保处理系统。使用液态猪粮精准饲喂，解决了传统干料饲喂中产生的严重粉尘问题。利用耳标技术，实时监控猪只活动轨迹，确保质量溯源。2018年，网易和北京三快在线科技有限公司（简称“美团”）开展了“河田鸡”项目[10]，扩大河田鸡销售量，帮助农户增收。

其他互联网企业也着手开展了种养殖信息化项目。腾讯发布了“互联网+农业”整体解决方案，并基于腾讯自主研发的T-block（腾讯积木）技术[11]，开展了“养鹅”项目，建立鹅只档案，实施投食精细化管理，着手研发“鹅语翻译”[12]。百度依托百度云平台，把图像技术、“麦视探针”应用在农业种植和病虫害监测等项目上[13]。华为与袁隆平团队合作，提出了盐碱地改良技术——“四维改造法”，培养海水稻;推出了基于窄带物联网（NB-IoT）的物联网养牛产品“小牧童”，开展了智慧养牛项目[14]。

2.2 互联网企业进军农业种养领域原因及不确定性

当前，互联网企业进入种植业和养殖业有着深刻的科技和经济背景，是资金流和信息流共同作用的结果，是新时代经济社会发展的必然趋势[15，16]。互联网企业进军农业种养领域原因分析如图1所示。

2.2.1 信息技术渗透农业是大势所趋

人类已经或正在经历四次科技革命[17]。第一次科技革命以蒸汽机的发明和使用为标志，开启了工业革命的新篇章;第二次科技革命以电力的发明和广泛应用为标志，人类进入了电气时代;第三次科技革命以原子能和电子计算机等的发明为标志，人类进入了信息化時代;第四次科技革命以人工智能、清洁能源、量子技术、生物技术为代表，正在兴起并蓬勃发展[18]。纵观四次科技革命，基本规律为科技率先在工业某个领域突破，全面进入第二产业，进而辐射带动第三产业，最后才渗透到第一产业。当前，美国、欧盟等发达国家占据信息技术高地[19]，引领第四次科技革命浪潮，推动了信息技术渗透农业全产业链条[20，21]。

2.2.2 信息技术为农业发展注入新动能

除了互联网本身，资本市场正在不断寻求新的投资领域，农业只是其中之一。自2008年金融危机以来，世界经济长期低迷，近几年虽有向好态势，但增长依然乏力。中国经济虽平稳向好，稳中有进，但自从房地产行业进入低波动、高价格阶段后，金融资本如何实现自身的保值增值，成为摆在企业家面前的首要问题。分散投资、降低风险、多点着力是企业家的理性选择。很多企业，甚至房地产企业，已加速布局农业产业，如华润置地创立耕雨品牌进军现代都市农业[22]、万科在北京门头沟着力打造特色小镇[23]等。从企业进入农业的时机来看，除了网易养猪较早，京东、阿里巴巴、腾讯等均在近2～3年开始布局农业。

农业产业能够满足资本市场投入的现实需求。互联网企业与农业的结合，其企业的信息技术是农业发展的新动能，对农业信息化有投资需求，而且因为中国农业本身正处在由传统农业向现代农业转变的关键期和加速期[24]。一是土地流转和规模化经营发展迅速。依托土地“三权分置”和经营权有序流转，至2016年，中国土地经营权流转的面积已达31.3km2;土地集约化利用为规模农业尤其是大规模种植业提供了基础。二是国家对农业的重视一如既往，对农业的支持有增无减。中央一号文件连续16年聚焦“三农”工作，农业农村优先发展正在付诸实践，乡村振兴战略扎实推进，农业重中之重地位更加凸显。大豆、奶业等行业振兴、农村基础设施、农业科技、农村金融等都具有极大增长的空间，是投资的蓝海。三是居民消费升级和多样化、个性化发展已经成为趋势。2018年中国居民恩格尔系数为28.4%，处于低于30%的“最富裕”区间，而且城乡居民饮食结构已发生重大变化。按照马斯洛需求层次理论，正从过去的“生理需求”往“安全需求”阶段过渡，对有机、健康、安全食品的需要逐日高涨，满足消费升级的需求，农业生产结构的优化和技术的升级是必然。

2.2.3 互联网企业与农业产业结合存在的不确定性

大部分互联网企业进军农业生产领域存在着多重目的，与农业产业的结合仍存在一系列不确定性。互联网企业以其信息技术、金融资本优势，把种养业作为盈利试点领域，总体投资不大，力量配置较为边缘，试验性质大于盈利目的;大多数互联网企业做农业，仍是噱头多、实干少，如“跑步鸡”“未央猪”等，名字吸引眼球，但真实效果还有待评估;个别企业甚至以做农业为借口，变相圈地。

信息技术与农业结合可能产生水土不服问题。模式创新多、可复制推广少，如互联网企业创造的各种名字，“ET大脑”“京造”“跑步鸡”“猪马桶”“鹅语”等，听起来科技含量极高，但考虑到环境、人才、成本、政策等因素，很难大量推广应用。新兴技术应用范围、应用效果有待提高，物联网、大数据、云计算、机器学习、传感器、AI等部分技术，在信息技术行业可能已经比较成熟，但是一旦移植到农业领域，很多技术应用效果难以令人满意[25，26]。

互联网企业对农业的坚持有待检验。资本的逐利性，决定了企业要以营利为目的。互联网行业本身具有高技术、高收入、高增长的特点，但农业是一个投入较大、回报率较低、回报周期长的产业，同时受到自然风险、经济风险、金融风险的多重制约，企业能不能有耐心，长期、持久地坚守在种养环节的第一线，仍需要时间来验证。随着信息技术结合农业的发展，应避免各种不利于农业信息化发展的不确定性，以促进互联网企业更好的支持农业信息化发展。

3 信息技术在农业中的应用分析

现代信息技术是以人工智能、量子信息、移动通信、物联网、区块链、大数据为代表的新一代信息技术通过和传统农业不断碰撞、交叉、融合，形成技术应用过程中的火花、成果和动能。我们要把握信息技术应用的基本边界，厘定技术应用的成熟度以及节奏火候，充分肯定信息技术在农业中的广阔应用前景[27]。基于第2节中互联网企业进军农业领域的实际经验总结，本节重点论述信息技术在农业中的应用需求、瓶颈和前景。

3.1 农业对信息技术的需求分析

现代信息技术正逐步深入农业全产业链各环节。在作物种植方面，结合卫星遥感、无人机和地面传感器等建立了天空地一体化的作物长势及环境信息感知技术体系，集成卫星定位导航、智能控制和数据挖掘等技术研发了嫁接、除草、采摘、搬运和分拣等不同功能的农业机器人，建立了精准施肥、病虫害监测预警和节水喷灌等系统，实现了农业生产智能控制、精细管理和精准溯源[28]。在畜禽水产养殖方面，利用无线感知和智能控制技术，实现了畜禽水产生理特征、健康信息及养殖环境的实时监测和设备自动调控，结合精准识别、智能分析和自动控制等技术建立了精准饲喂、繁殖育种数字化管理、疫病监测预警和粪便自动清理等系统，提高了养殖的机械化、自动化和智能化水平[29]。在经营流通环节，采用现代信息技术实现了互联网销售、购买和支付的一条龙服务。在管理和服务环节，通过农业大数据的开发和应用，建立了用于监测预警、决策指挥和监管追溯的综合化信息服务平台;通过网络媒介为政府、企业和农户提供最新的市场行情信息和先进的技术服务信息。

3.2 信息技术在农业应用中的瓶颈

如图2所示，信息技术在农业应用的四个阶段存在应用边界。

从物联网技术本身来看，万物互联时代已经开启，随着感知技术的不断创新突破，全球物联网在某些行业进入实质性应用阶段，普遍应用于智能化识别、定位、跟踪、监控和管理等方面[30]。物联网一般分为感知层、传输层、应用层，在智慧城市、智能家居、智能电网、远程医疗、移动支付、产品溯源等领域应用[31]。

从农业物联网技术来看，物聯网技术正在与农业产业走向融合，设施农业信息技术应用较多[32]，但总体基础研发薄弱，专用技术较少，应用成本较高，标准化程度不高，技术不够成熟，技术体系不甚完善，亟需研发成本低、小型化、实用型的农业物联网技术装备。在感知层，数据获取的精度、粒度不够;在应用层，数据智慧化处理程度较低，反馈控制链路亟需加强[33]。

从农业物联网应用难点来看，当前最大的难点是高成本，严重制约了物联网技术的扩散速度。据中长期预测，农业物联网产业非常乐观，涉农的技术硬件最小单元包括感知节点、无人机以及连接的耕作设施，2023年将比2018年的15M翻3倍。

（2）农业大数据处在从研发到应用的过渡阶段。

全球普遍认为数据是重要的战略资源，数据研究是科技前沿的重大领域[34，35]。大数据技术为AI技术提供核心算法，使科学研究已经进入数据密集型科学范式的时代。大数据包括结构化、半结构化和非结构化数据，多数为非结构化数据;具有Volume、Velocity、Variety、Value和Veracity 5V特点[36]：核心是“数从哪里来，数到哪里去，中间如何来处理”，实现从数据到信息、再到知识和智慧的升华[37]。

从农业大数据技术本身来看，农业大数据的重要性得到了普遍认可，用数据指导农业生产、流通和消费是必然趋势[38，39]，但目前农业历史数据资源整合较为困难，实时数据感知获取受到资金、技术、人才等诸多因素限制，大数据处理技术中的数据挖掘和智能分析有待进一步提升。农业大数据往往是说的多、做得少、用得更少，技术上总体处于研发阶段，从研发到应用任重道远。

从农业大数据应用难点来看，当前最大的难点是数据量不多、算法模型不精准。今后的重点任务是整合农产品产量、消费量、贸易量、库存量、成本收益值和价格等农业经济调控的六大核心数据，突破实时监测数据制约瓶颈，优化智慧决策算法。

（3）农业云计算和工业云计算基本同步，但农业自身还没发展到迫切使用云服务的程度。

云计算是分布式计算技术的一种，云服务目前有三种形式，即基础设施即服务IaaS、软件即服务SaaS、平台即服务PaaS。目前主要业务是云存儲。近年来，云计算服务迅猛发展，可谓风起“云”涌，2018年全球公有云服务市场增长21%，阿里云营业收入增长101%，高达133.9亿元[40]。云安全一直是公众话题，其关键技术涉及海量数据分布存储技术、海量数据管理技术、云计算平台管理技术等。

从农业云计算技术来看，数据获取、数据存储、数据处理和数据应用在“云”的硬件、软件和服务方面，农业云计算和其他领域云计算是没有差别的。由此可以判断，农业云计算和工业云计算基本同步[41，42]。但由于农业数据量相对较小、数据化程度较低，云计算目前还不甚迫切。农业云计算应用最大的难点是应用需求少，相对较低的农业农村信息化水平制约了农业云计算的应用前景[43，44]。

（4）人工智能技术方兴未艾，但技术方法还不成熟，仍处在技术探索阶段。

从人工智能技术本身来看，最近一个时期，AI成为网络热词和民众舆论话题[45]。AI是一门极富挑战性的科学，属于自然科学、社会科学、技术科学三向交叉的前沿学科，研究领域主要包括知识表示[46]、自动推理和搜索方法[47]、语言识别[48]、图像识别[49]、机器学习和知识获取[50]、知识处理系统[51]、机器人[52]、自动程序设计等方面。2017年7月，中国颁布《新一代人工智能发展规划》，计划在2030年前成为世界AI领军者，并创造1500亿美元价值。

农业生境多变、环境复杂、品种多样、标准化程度低，对人工智能技术提出了更高的要求。而农业又是弱质产业，投入报酬较低，因此，目前农业人工智能研发人力、财力投入不足，缺乏利益驱动，如采摘机器人还在实验室孵化。而长远来看，农业人工智能前景广阔、未来美好，可以有效解决“谁来种地”的问题。

农业人工智能应用最大的难点是投入少、研究进展慢、应用仅仅是点上突破。当前农业人工智能要聚焦无人机喷药、自动播种、产量预测等关键领域[53，54]。

（5）新技术应用的制约性。

新技术应用的制约性主要体现在成本效益制约、应用场景制约、技术普适与专用制约三点。

农业成本收益较低，粮食每亩年收入不到1000元，养殖虽然收入相对较高，但也难以和第二、三产业相比。信息技术作为高科技产业，价格相对较高，一个普通的温湿度传感器就高达几十元甚至上百元，而农业信息系统研发则动辄几十万元。这种高投入制约了农业信息技术的发展，即成本效益制约。

在玉米、水稻、小麦、棉花等大宗农作物的田间地头安装传感器、控制器等信息技术装备，往往受到供电、网络因素制约;在畜禽养殖、设施蔬菜等现代化生产基地安装物联网设备，常常受到空间因素制约;随着农作物或饲养动物的生长发育，生产基地的信号传输容易受到阻碍，即应用场景制约。

目前农业领域的信息技术，往往直接来自于工业领域或计算机技术本身，没有经过农业的再生产、再加工、再熟化、再上升，以普适性技术为主，农业专用信息技术或装备还没有根本形成。针对盐碱地种植、海水淡水养殖、气象极值环境感知、设施农业环境控制等领域，迫切需要农业信息化的专业技术装备，即技术普适与专用制约。

3.3 信息技术在农业应用的三个阶段

回顾世界科技革命发展历史，展望信息技术、生物技术发展前景，信息技术在农业中的应用将会经历相对而言的初步融合、基本融合、全面融合三个阶段，跨越2025年、2035年两个时间节点（图3）。

着眼于未来发展，信息技术在农业中将呈现泛在化的态势，无处不在、无时不在，全面渗透交叉于农业的全要素、全过程、全系统，“你中有我、我中有你”，以物联网、大数据、人工智能等为代表的新兴科技，将显著提升农业信息化水平，并推动农业信息学科走向成熟。

初步融合阶段。当前，中国正处于这一阶段，预计将持续至2025年。信息技术与农业时而结合、时而分离，结合不紧密，没有形成统一体，学科建设处于探索起步阶段。这一阶段，信息技术发展迅速，农业应用的最大特色是点多面少，涌现出许多农业信息化典型企业、单项技术;园区多、示范多、典型多，但没有形成真正的生产合力;带动少、辐射少、落地少，信息技术面上普及没有展开。针对大田大宗农作物一般具有技术上基本可行、而经济基本不可行的特点。如许多地方建立的物联网示范基地，大多是做样子、摆架子，很难解决实际问题，同时成本较高，普通农民用不上、用不起。

基本融合阶段。这一阶段，中国预计将从2025年持续至2035年。信息技术与农业的结合较为紧密，基本保持同步发展，加快形成统一体，学科建设处于快速成长阶段。在该阶段信息技术将迅猛提速，农业应用的最大特色是全面普及，信息技术扩散速度加快，集成技术、配套技术将会不断涌现，并且迅速转化为劳动生产力。农业人工智能将迅速崛起，农业智慧大脑将领航远行，农业机器人将大面积代替人力劳作。信息技术不仅在技术上可行，而且在经济上也可行，普通农民能够用得上、用得起、用得好。

全面融合阶段。这一阶段，中国预计从2035年开始。“天空地”真正走向一体化、“人机物”真正实现深度融合，信息技术与农业成为统一体，信息化与农业现代化同步发展，农业信息学科建设处于完善上升阶段。

4 信息技术应用农业的政策建议

着眼信息技术发展历史和企业应用信息技术的现状，政策对于农业信息技术的发展和应用十分重要。在传统农业向现代农业转型的关键期，加强新技术对农业农村信息化的引领带动作用正当其时，也是未来互联网企业进军农业的发力点。本文针对农业农村数字化发展与新技术应用提出以下政策建议。

（1）强化政策引领扶持，防范市场投机风险。针对目前互联网企业纷纷进入传统农业领域问题，努力做好引导扶持工作，紧紧抓住“互联网+”现代农业深度融合历史机遇，同时也要防范各种风险，争取把事做好。一方面，要为互联网企业创新创业农业生产营造良好的投资氛围。一般来讲，大型互联网企业拥有技术优势、融投资优势，一旦聚焦种植业和养殖业，必然加速传统农业的劳动密集型产业向现代农业的技术密集型产业、资本密集型产业的历史性跨越，这将成为乡村振兴和农业供给侧结构性改革的重要生力军，因此，要做好政策扶持工作，在用地、稅收和人才方面给予优惠和支持。另一方面，要强化风险防范意识。互联网企业往往缺少农业领域专门人才，缺乏对农业自然再生产和经济再生产的切身感悟，加之投入的多重目标性、水土不服性以及低回报的忍受性，增加了企业投入农业的风险和不确定性，因此，要做好风险防范工作，防止“一哄而上”“一哄而散”发生。

（2）构筑互联网企业和农业产业交汇融合发展的体制机制。互联网企业进军农业领域，涉及诸多利益相关者，即市场主体，如：政府、互联网企业、农业企业和新型经营主体、科研机构和高校、农民以及消费者等，要统筹配合、明确职责，做好顶层设计，构筑互联网企业和农业产业交汇融合发展的体制机制。政府要使市场在资源配置中起决定性作用，同时也要更好发挥政府作用，保障市场的公开、透明、开放，做好政策引导、典型引导以及负面清单引导，实施公平的市场监督行为，营造一个良好的企业营商环境。互联网企业要遵守市场规则，切实发挥自身信息技术优势，瞄准关键应用技术突破，为传统农业改造注入信息化的新动能，也要体现企业家的情怀——献身农业、振兴农村、富足农民。农业企业和新型经营主体以及广大农民要主动抓住互联网企业进军农业的时机，争取共享公共信息技术，提高自身信息技术素质，争做技术创新主体，做农业信息化的推动者、实践者。科研机构和高校要面向世界农业科技前沿、面向国家重大需求、面向现代农业建设主战场，加强农业信息科技的基础研究和基础应用研究，夯实自主创新、原始创新的基础。

（3）瞄准前沿关键技术，全力推动科技创新。总体上来讲，中国信息技术和世界发达国家相比还有一定差距，而农业信息技术差距更加明显。当前，要全面理清中国农业信息技术领域跟跑、并跑甚至领跑的明细清单，本着“有所为、有所不为”原则，瞄准世界前沿技术和关键应用技术，强化企业技术创新的主体地位，结合中国农业产业生产、流通和消费的具体实践，全力推动中国农业信息科技创新应用。在农业物联网技术领域，要重点研发具有自主知识产权的传感器“中国芯”，改变感知芯片主要依靠进口的被动局面，同时强化传感集成技术;在农业大数据领域，要重点研发数据处理算法，构建智能决策的分析模型，推动中国“农业大脑”建设，使农业发展从智能走向智慧;在人工智能领域，要重点研发智能农机装备，加快农机、农艺的有机结合，研发农业实用机器人，迈出人力替代的坚实步伐。

（4）动态跟进，强化监督，做好引领示范带动。互联网企业涉足农业，在市场机制的作用下，着眼于未来发展，必然产生成功典型和失败案例。针对涉足农业的基本情况，政府要动态跟进，强化监督运行;针对成功典型，要认真总结归纳，做好宣传引导，大力推动典型引路，使之可复制、可推广、可应用;针对失败案例，要汲取教训不足，防止类似个案再次发生;针对互联网企业形成的先进实用技术，要在保护知识产权的前提下，推动技术共享、信息共享，使之转化为农业现代化发展的新动能。只有将现代信息技术的最新成果应用于农业生产实际，成为农业生产力的代表，才能真正为中国农业农村现代化和信息化发展做出贡献。

参考文献

[1] 宁家骏. “互联网+”行动计划的实施背景、内涵及主要内容[J]. 电子政务， 2015（06）： 32-38.

[2] 郭英民. 京东宣布打造智慧农业共同体进军千亿级市场[J].营销界（农资与市场）， 2018（09）： 22.

[3] 一凡. 京东现代农业的新战略[J]. 企业观察家， 2019（02）： 46-47.

[4] 京东. “无人机助力乡村振兴 打造独特的乡村振兴”京东模式”[J]. 农业工程技术， 2018，38（27）： 56-57.

[5] 谢辰. 杨凌土地银行发展模式研究[D]. 杨凌：西北农林科技大学， 2019.

Xie C. Research on the development model of Yangling land bank[D]. Yangling： Northwest A&F University， 2019.

[6] 马进. 一场无法回避的农业革命[J]. 农经， 2019（Z1）： 14-16.

[7] 彭科峰. 阿里云发布ET农业大脑[N]. 中国科学报. 2018-06-13（07）.

[8] 海升集团. 海升集团与阿里云强强联合， 共建智慧农业新生态[EB/OL]. （2017-11-02）.

http：//www.chinahaisheng.com/content/details15_1056.html.

[9] 2019养殖业将出现哪些新趋势[J]. 农家之友， 2019（01）： 28-29.

[10] 戴敏. 养河田鸡的“大咖“们[N]. 福建日报， 2018-01-31（14）.

[11] 阮元元. 腾讯“神盾局” “技术肌肉”秀出来[N]. 广州日报， 2019-05-23（14）.

[12] 騰讯. 互联网农业[N]. 农业科技报， 2018-07-09（05）.

[13] 凌薇. 麦飞科技：为每一块农田建立专属档案[J]. 农经， 2019（Z1）： 68-71.

[14] 康彬. 运营商在NB-IoT的新商业模式[J]. 邮电设计技术， 2018（07）： 27-30.

[15] 高万林， 张港红， 张国锋， 等. 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（01）： 8-19.

Gao W， Zhang G， Zhang G， et al. Original innovation of key technologies leading healthy development of smart agriculture. Smart Agriculture， 2019，1（1）： 8-19.

[16] 汪懋华. “精细农业”的实践与农业科技创新[J].中国软科学， 1999（04）： 22-26.

[17] 刘继芳， 孔繁涛， 吴建寨， 等. “互联网+”现代农业发展探讨[J]. 贵州农业科学， 2017， 45（3）： 167-170.

Liu J， Kong F， Wu J， et al. Discussion on development of “Internet plus” modern agriculture[J]. Guizhou Agricultural Sciences， 2017， 45（03）： 167-170.

[18] 王阁. 习近平总书记关于科技创新论述的科学内涵[J].求知， 2019（05）： 29-31.

[19] 聂凤英， 刘继芬， 王平， 等. 世界主要国家农业信息化的进程和发展[J]. 农业网络信息， 2004（04）： 15-17.

[20] 欧阳日辉. 从“+互联网”到“互联网+”——技术革命如何孕育新型经济社会形态[J]. 人民论坛·学术前沿， 2015（10）： 25-38.

Ouyang R. Changing from "Plus Internet" to "Internet Plus" —How technological revolution brings about new economic and social patterns[J]. People's Tribune： Frontiers， 2015（10）： 25-38.

[21] 潘教峰， 刘益东， 陈光华， 等. 世界科技中心转移的钻石模型——基于经济繁荣、思想解放、教育兴盛、政府支持、科技革命的历史分析与前瞻[J].中国科学院院刊， 2019， 34（01）： 10-21.

Pan J， Liu Y， Chen G， et al. Diamond model of world science and technology centers transfer： economic prosperity， ideological emancipation， education prosperity， government support， S&T revolution[J]. Bulletin of Chinese Academy of Sciences， 2019， 34（1）： 10-21.

[22] 谢中秀. 华润置地发布全新品牌“耕雨”[N]. 南方都市报， 2017-09-08.

[23] 卞康兰. 北京万科与北京林果院签订战略合作协议共同打造特色农业小镇[EB/OL]. （2017-09-11）.

http：//house.people.com.cn/n1/2017/0911/c164220-29528282.html.

[24] 孔繁涛， 朱孟帅， 韩书庆， 等. 国内外农业信息化比较研究[J]. 世界农业， 2016（10）： 10-18.

[25] 陈威， 郭书普. 中国农业信息化技术发展现状及存在的问题[J]. 农业工程学报， 2013， 29（22）： 196-205.

Chen W， Guo S. Current situation and existing problems of agricultural informatization in China[J]. Transactions of the CSAE， 2013， 29（22）： 196-205.

[26] 孔繁涛， 陈萍， 王平， 等. 我国农业信息化建设的实践与思考——基于“辽宁模式”的探索与启示[J]. 农业现代化研究， 2016， 37（03）： 416-422.

Kong F， Chen P， Wang P， et al. Practices and reflections of agricultural informatization construction in China： A case study of the “Liaoning Model”[J]. Research of Agricultural Modernization， 2016， 37（03）： 416-422.

[27] 赵春江. 智慧农业发展现状及战略目标研究[J]. 智慧农业， 2019， 1（1）： 1-7.

Zhao C. State-of-the-art and recommended developmental strategic objectives of smart agriculture[J]. Smart Agriculture， 2019， 1（1）： 1-7.

[28] 陈仲新， 郝鹏宇， 刘佳， 等. 农业遥感卫星发展现状及我国监测需求分析[J]. 智慧农业， 2019， 1（1）： 32-42.

Chen Z， Hao P， Liu J， et al. Technical demands for agricultural remote sensing satellites in China[J]. Smart Agriculture， 2019， 1（1）： 32-42.

[29] 滕光輝. 畜禽设施精细养殖中信息感知与环境调控综述[J]. 智慧农业， 2019， 1（3）： 1-12.

Teng G. Information sensing and environment control of precision facility livestock and poultry farming[J]. Smart Agriculture， 2019， 1（3）： 1-12.

[30] 唐珂. 国外农业物联网技术发展及对我国的启示[J]. 中国科学院院刊， 2013， 28（06）： 700-707.

Tang K. Technology development of agricultural Internet of Things in foreign countries and its inspiration to China[J]. Bulletin of Chinese Academy of Sciences， 2013， 28（06）： 700-707.

[31] 李道亮. 物联网与智慧农业[J]. 农业工程， 2012， 2（1）： 1-7.

Li D. Internet of things and wisdom agriculture[J]. Agricultural Engineering， 2012， 2（1）： 1-7.

[32] Santosdos， Pessin G， da Costa CA， et al. AgriPrediction： A proactive internet of things model to anticipate problems and improve production in agricultural crops[J]. Computers and Electronics in Agriculture， 2019，161： 202-213.

[33] 张建华， 孔繁涛， 吴建寨， 等. 农业物联网技术发展趋势预测[J]. 农业展望， 2018， 14（9）： 68-72.

Zhang J， Kong F， Wu J， et al. Development trend of technology of agricultural Internet of Things[J]. Agricultural Outlook， 2018， 14（9）： 68-72.

[34] 温孚江. 农业大数据与发展新机遇[J]. 中国农村科技， 2013， （10）： 14.

[35] 王小兵. 聚焦聚力推进农业大数据发展应用[N]. 经济日报， 2018-01-11（15）.

[36] 维克托·迈尔-舍恩伯格和肯尼斯·库克耶. 大数据时代[M]. 浙江： 浙江人民出版社， 2013.

[37] 王文生， 郭雷风. 关于我国农业大数据中心建设的设想[J].大数据， 2016， 2（1）： 28-34.

Wang W， Guo L. Envisagement of the construction of national agricultural big data center[J]. Big Data， 2016， 2（1）： 28-34.

[38] 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 and Technology， 2013， 15（6）： 63-71.

[39] 许世卫. 农业大数据与农产品监测预警[J]. 中国农业科技导报， 2014， 16（5）： 14-20.

Xu S. Agricultural big data and monitoring and early warning of agricultural product[J]. Journal of Agricultural Science and Technology， 2014， 16（5）： 14-20.

[40] 人民网. 阿里云营收133.9亿元 连续12季度规模翻番[EB/OL]. （2018-05-05）.

http：//it.people.com.cn/GB/n1/2018/0505/c1009-29966858.html.

[41] 崔文顺. 云计算在农业信息化中的应用及发展前景[J].农业工程， 2012， 2（1）： 40-43.

Cui W. Application and developing prospect of cloud computation in the agricultural informationization[J]. Agricultural Engineering， 2012， 2（1）： 40-43.

[42] 魏清凤， 罗长寿， 孙素芬， 等. 云计算在我国农业信息服务中的研究现状与思考[J]. 中国农业科技导报， 2013， 15（4）： 151-155.

Wei Q， Luo C， Sun S， et al. Present status and thoughts about agricultural information service based on cloud computing in China[J]. Journal of Agricultural Science and Technology， 2013， 15（4）： 151-155.

[43] 伍丹华， 黄智刚， 刘永贤. 云计算在农业信息化中的应用前景分析[J]. 南方农业， 2011， 5（5）： 61-63.

Wu D， Huang Z， Liu Y. The prospect of cloud computing in the application of agricultural information[J]. South China Agriculture， 2011， 5（5）： 61-63.

[44] 彭秀媛， 王昕， 卢闯， 等. 云计算在农业领域的应用研究[J]. 农业网络信息， 2011（2）： 8-10.

Peng X， Wang X， Lu C， et al. Application of cloud computation in the agriculture[J]. Agricultural Network Information， 2011（2）： 8-10.

[45] 王志刚. 发挥人工智能“头雁”效应 把握新一轮科技革命战略主动[J]. 紫光阁， 2018（12）： 9-10.

[46] Hande K M， Visser U， Schürer S. How to develop a drug target ontology： Knowledge acquisition and representation methodology （KNARM）[J]. Methods in Molecular Biology （Clifton， N.J.）， 2019， 1939： 49-69.

[47] 陈格. 人工神经网络技术发展综述[J]. 中国科技信息， 2009（17）： 88-89.

Chen G. Summary of the research and development of the artificial neural network[J]. China Science and Technology Information， 2009（17）： 88-89.

[48] Stella K K， Kira G， Ryan C， et al. Natural Language Processing for Identification of Incidental Pulmonary Nodules in Radiology Reports[J]. Journal of the American College of Radiology， 2019.16（11）： 1585-1586.

[49] 侯志強， 韩崇昭. 视觉跟踪技术综述[J]. 自动化学报， 2006， （4）： 603-617.

Hou Z， Han C. A survey of visual tracking[J]. Acta Automatica Sinica， 2006（4）： 603-617.

[50] 孙志军， 薛磊， 许阳明， 等. 深度学习研究综述[J]. 计算机应用研究， 2012， 29（8）： 2806-2810.

Sun Z， Xue L， Xu Y， et al. Overview of deep learning[J]. Application Research of Computers， 2012， 29（8）： 2806-2810.

[51] 刘艺. 基于农业生产过程的农业物联网数据处理若干关键技术的研究[D]. 北京： 北京邮电大学， 2014.

Liu Y. Research on some key technologies of data processing based on the agricultural production process in agricultural internet of thing[D]. Beijing： Beijing University of Posts and Telecommunications， 2014.

[52] 赵匀， 武传宇， 胡旭东， 等.农业机器人的研究进展及存在的问题[J]. 农业工程学报， 2003（1）： 20-24.

Zhao Y， Wu C， Hu X， et al. Research process and problems of agricultural robot[J]. Transactions of the CSAE， 2003（1）： 20-24.

[53] 王斌， 袁洪印. 无人机喷药技术发展现状与趋势[J]. 农业与技术， 2016， 36（7）： 59-62.

[54] 孙东升， 梁仕莹. 我国粮食产量预测的时间序列模型与应用研究[J]. 农业技术经济， 2010（3）： 97-106.