人工智能在农业领域的应用现状与未来趋势

马菁泽 甘诗润 魏霖静

摘要：人工智能在农业领域的应用促进了我国农业转型和发展，有利于推动农业现代化目标的实现。阐述了人工智能在农业生产不同阶段应用的重要性，分析了人工智能技术在农业领域的应用情况，最后对人工智能在农业领域的应用发展趋势进行了展望。

关键词：人工智能;农业领域;应用研究

DOI：10.11907/rjdk.191327开放科学（资源服务）标识码（OSID）：中图分类号：TP301文献标识码：A 文章编号：1672-7800（2019）010-0008-04

0引言

我国是农业大国，农业是我国经济基础产业。为了满足大众衣食住行，2005年国家提出了建设新农村的宏伟战略。随着我国科技发展速度的不断加快，众多先进科学技术被应用到农业生产中，极大推动了我国农业生产转型和发展。当前，我国农业生产形式已由粗放型向集约型转变，农业生产结构不断调整升级。尽管我国农业生产水平不断提升，但在生产过程中仍存在一些问题有待解决，包括农业产业化发展速度慢、农业生产成本较高、农产品质量安全缺乏保障等，这些问题影响了我国农业生产快速发展，不利于农民经济收入增加和生活水平提升。随着农业现代化程度的不断提高，在农业生产过程中产生了大量数据，数据涵盖面广、数据源复杂，一般为非结构化数据。人工智能技术的出现及在农业领域的推广应用解决了农业生产发展中的许多问题。人工智能在农业领域的应用方式多样，包括可以进行作物耕种、采摘等工作的智能机器人，以及可以对土壤进行探测分析、对病虫害进行监测、对气候灾害进行预警的智能识别系统等。人工智能在农业领域的应用有利于减少农业生产资源浪费、提高农产品产出率、提升生产效率、减少污染等，因此对农业可持续发展具有非常重要的作用。

1人工智能在农业领域的应用意义

人工智能在农业领域的应用具有非常重要的意义。在农业领域引用人工智能技术的想法在20世纪初已被提出。人工智能AI（Aritificial Intelligence）指基于计算机技术模拟或实现的智能。随着人工智能在多个领域的推广应用，该技术已逐渐走向成熟，农业生产也将更加智能化。

当前，人工智能在农业领域的应用贯穿于农业生产整个过程，为农业生产在产前、产中、产后各环节的工作提供帮助，逐步实现农业生产自动化、智能化管理，并且有效提升了农业生产质量和效率，其典型表现是人工智能极大改变了农业生产方式，促进了农业生产水平快速提升。农业生产需投入高强度的劳动，但随着农村人口的不断减少，以及我国人口老龄化程度不断加深，农业生产中可用壮劳力数量不断减少，严重影响了我国农业生产可持续发展。人工智能技术的出现，使作物耕种、畜禽喂养、农作物采集收割等许多劳动强度较高的农业生产活动能够借助各种农业机械、农业机器人等自动化、智能化设备代替农民工作，从而大幅降低农业生产人员的劳动强度、人工成本，在一定程度上提升了农业生产经济效益。另外，在农产品加工、农产品质量检测等工作中，应用人工智能技术可有效提升相关工作效率与工作质量，使我国农业生产能够为社会大众提供更加优质、安全的农产品，这也是人工智能在農业领域应用的意义所在。

2人工智能在农业领域应用情况

当前，人工智能应用贯穿于农业生产的整个过程，因此本文将其划分为产前、产中、产后3个阶段进行具体介绍。

2.1产前阶段

2.1.1灌溉控制

人工智能在农业生产过程中可以实时监测生产环境，并且依据作物生长需要进行调控，如作物智能灌溉，具体指通过对作物需水量的分析将灌溉用水量控制在最佳状态，既能满足农作物在某一时期的生长需要，又能有效降低灌溉水量，在节约水资源的同时保证农作物的高产高收。该技术主要依靠智能灌溉控制系统通过人工神经网络等人工智能技术，使系统具备强大的学习能力。智能灌溉控制系统除了能够对农作物灌溉用水情况进行分析和控制外，还可以利用大数据技术对所在地区的水文气象指数、气候数据等进行分析处理，从而制定出最佳灌溉计划。另外，将智能灌溉系统与传感器、灌溉设备等连接后，可以对土壤含水量进行实时监测，并据此计算出灌溉需水量，选择最合适的灌溉模式进行作物灌溉。

2.1.2土壤成分检测与分析

在农业生产过程中，土壤情况是影响农作物产量的一个重要因素，因此在农业生产前期以及农作物种植、培育生长过程中需要对土壤成分进行检测分析，并根据分析结果确定适宜种植的农作物品种，之后在农作物生长过程中根据土壤成分检测结果进行施肥，将土壤结构始终控制在最适宜作物生长的状态，从而达到提升农作物产量的目的。LI等基于ASP.NET平台，成功开发出一套甜橙施肥专家系统，该系统可以依据地理位置和气候条件对年幼和成熟的甜橙拟定年度施肥计划。研究表明，在国外农业生产过程中，将近80%的作物增收率通过土壤结构控制实现，但在我国该概率尚不足50%，由此可见，我国在土壤成分检测分析和控制方面的工作还有待进一步加强。人工智能的应用可以实现简便快速的土壤成分检测与分析，具体作法是应用探地雷达获得土壤检测图像，之后将其转换为相应数字信号，利用人工智能技术对其进行处理和分析，从而分析出表层载土含量，同时利用专业检测设备检测出土壤具体成分，并且结合软件进行成分分析。通过对土壤相关数据的分析处理，人工智能可以制定出最合理的施肥方案，使作物在生长过程中始终处于最佳土壤环境，从而有效保证作物产量和质量。

2.1.3种子质量鉴定

在农业生产过程中，农作物种子的质量直接关系到最终产量、质量，因此种子质量鉴定是农作物生产过程中非常重要的一个环节。人工智能技术可以有效提升种子质量鉴定速度，并且进一步保证鉴定效果。其中，最关键技术为图像探测分析技术，该技术可以利用机器视觉对种子质量进行鉴定，整个鉴定过程不会对种子造成任何损害，因此不会对其质量造成影响，同时鉴定速度更快、准确率更高。另外，还可以应用人工智能对种植环境、种植需求等进行分析，帮助种植者选择最合适的种子类型，这也是提升农业生产收益的一种重要方式。

2.2产中阶段

2.2.1专家系统

专家系统是一种常见的人工智能系统，在农业及其它领域有非常广泛的应用。它可代替农业专家走向地头、走进农家，在全国各地具体指导农民科学种植农作物，这是科技普及的一项重大突破。专家系统指利用人工智能技术使相应系统具备某个领域专家的经验、知识，并且可以利用这些经验、知识为使用者解决问题。在农业生产过程中，农业专家系统起着非常重要的作用，不仅在种植业应用广泛，在养殖业、渔业等行业也应用普遍。专家系统由知识库、推理机以及大数据处理引擎等核心部分构成。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。随着大数据技术的快速发展，大数据在农业领域的应用也逐渐增多，专家系统将大数据技术、人工智能技术结合起来，通过大数据处理引擎对各种农业大数据进行分析、处理，并且利用推理机挖掘出最有价值的信息，再结合专家知识库中的专家经验、专业知识等，为农业生产各项决策提供帮助，实现农户对农业生产监管、生产操作及生产成本的管理与控制，并提供专家咨询辅导功能，为智慧农业的发展提供思路以及解决方案。工作人员还可以将农业生产过程中收集到的土壤环境、作物生长状况等数据，利用专家系统进行分析，从而推测出农作物未来生长过程中可能出现的问题，并利用专家系统寻找到合适的解决方法。

2.2.2设施农业生产智能控制

设施农业是近年来发展迅速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，指在相对封闭的环境下，对农作物、畜禽等生长环境进行控制，使其能够顺利生长，如温室种植就是一种常见的设施农业类型。随着现代生活水平的不断提高，设施农业发展速度不断加快，人工智能在设施农业中的应用进一步促进了设施农业的快速发展。将人工智能应用到设施农业当中的典型示范是温室智能控制系统，该系统结合物联网技术，对温室温度、湿度、水分、土壤等环境因素进行自动监测，并且将监测所得数据进行分析、处理之后再利用人工智能技术进行调控，结合相应数据分析结果实现对温度控制设备、灌溉设备等环境控制设备的自动操控，从而创造出最适合农作物生长的温室环境，在降低温室环境控制成本的同时，还能有效提升作物产量、质量与温室生产效益。

2.2.3病虫害识别

农作物生长过程中经常会遇到一些病虫害，影响农作物正常生长，如果病虫害情况严重，甚至会严重降低农作物品质和产量，从而降低农业生产经济效益，因此应当对其进行识别、预防和控制。利用人工智能可以实现对病虫害的识别、分析，具体作法是利用机器视觉技术、人工智能学习方法，通过对具体病虫害情况的分析，制定出合适的预防控制策略。为准确进行病虫害识别，需要建立专业的病虫害特征知识库，即采集常见农作物病虫害图像，并进行专业化处理，分割出病斑区域，之后采用专门的特征提取方法提取病斑颜色、纹理、形状等参数，并且依据不同病虫害参数对其进行分类，之后再建立分类数据库，这样才能在实际操作过程中准确识别病虫害种类。农作物病虫害识别主要通过计算机视觉图像技术实现，利用该技术还可以准确区分出杂草和农作物，从而有利于物理除草工作的开展，物理除草可以有效减少除草剂的使用，从而提升农产品质量，为社会大众生产出更多绿色无公害的農产品。

2.2.4农作物采收

农作物采收是农业生产当中的一个重要环节，其劳动强度较大，人工智能技术的应用可以实现农作物智能化采收，在提升采收效率和采收质量的同时，有效减少工作人员劳动强度。当前，农作物智能化采收大多通过具备机器视觉、感知、操作等多项功能的采收机器人实现。Wolfgang&Heinemann等研发出了具有两层结构的自动机器人用于白芦笋采收;Pettersson等设计了一种搬运不同形状食品的磁机器人手爪，可用于搬运苹果、胡萝卜、草莓、西兰花和葡萄，并且不会在表面留下手爪造成的淤痕和凹陷。在采收过程中，采收机器人利用机器视觉识别技术对需要采收的农产品果实进行定位，并且能够判断果实成熟度，确定果实处于成熟可采摘状态后，再利用相应采收工具进行采收，采收过程中还能够根据果实情况控制采收时的力度，从而保证农作物果实不会在采收过程中被破坏，因此智能采收对于果实比较柔软的农作物也能做到无损采收，比如图1中的西红柿采摘机器人。虽然，采收机器人采收速度并不快，但是可以24h不间断进行采收工作，综合而言采收机器人仍比人工采收的优势大，而且一些具备学习能力的采收机器人在持续采收练习过程中还能逐渐提升釆收速度。

2.3产后阶段

2.3.1农产品检验

在农产品生产完成之后，需要进行品质检验，之后才能进行农产品销售工作。农产品检验工作通常在农产品加工完成但尚未入库之前进行，根据检验结果可以依据品质差别进行农产品分类、包装，而智能化的农产品检验方式可以有效提升检验效率，让农产品尽快进入仓储、销售阶段。智能化农产品检验工作由具备机器视觉功能的机械手臂完成，通过机器视觉功能对农产品进行扫描观察，并且通过图像处理、参数对比等方式判定农产品品质，再依此进行分类、包装。随着图像处理、光学等技术水平的不断提升，农产品检验效率、质量不断改善，人工智能技术在农产品检验中的应用也将更加深入。

2.3.2农产品电商运营

农产品销售是获得相应收益的一个重要环节，在电子商务快速发展的今天，农产品销售除了传统线下销售模式外，线上销售也是一个非常重要的渠道。农产品线上销售依赖农产品电商运营，它极大拓宽了农产品销售渠道，在提升产品销售量的同时，也给农产品零售业发展带来了新机遇。农产品电商运营的一大优势是可以利用电商的物流快递渠道进行产品流通，其运输成本相较线下销售更低。在农产品电商运营过程中，通过人工智能技术的应用可以帮助农产品企业制定灵活、合适的生产、销售策略，准确把握农产品市场行情，避免由于价格变动过大导致企业亏损发生。另外，在农产品电商运营过程中，可以利用人工智能技术、大数据技术对电商客户的消费行为、习惯等进行分析，从中挖掘出目标客户，之后进行针对性农产品信息推送，提升交易成功率，从而增加农产品电商运营收益。除此之外，利用人工智能技术可以辅助农产品电商运营企业实现客户咨询智能化，实现24小时在线咨询服务，让客户可以随时随地了解相应农产品信息，根据所需购买产品，提升交易成功率。

2.3.3农产品智慧物流

农产品物流配送是农产品交易中的一个重要环节，完善的农产品物流配送服务可以让消费者快速拿到从线上、线下购买的农产品，而且能够有效降低农产品物流配送成本。农产品物流配送涉及仓储、运输装备、运输管理等环节，利用人工智能技术的农产品智慧物流利用互联网、物联网等技术，可实现农产品物流配送智能化管理，通过物流配送路径优化缩短配送时间，尽量保证农产品生鲜度，这一点对于一些保存期短、易变质的农产品尤其重要。常见方法为通过建立多目标路径优化数学模型，以农产品生鲜度、用户满意度、配送费作为约束条件进行仿真计算，并根据计算结果给出最佳路径选择方案。另外，还可以利用人工智能技术对农产品运输情况进行监控，并根据监控结果作出相应调整，保证农产品运输工作顺利进行。

3人工智能在农业领域的应用趋势

农业是我国基础产业，同时也是我国国民经济支柱产业，农业发展水平不仅影响到国家经济发展情况，还与人民生活紧密相关。在人工智能时代，农业领域的快速发展离不开人工智能技术应用。而随着人工智能技术的快速发展及其在农业生产中的应用范围不断扩大，我国农业生产水平已取得很大提升。随着大数据处理技术的发展，其对遥感图像信息的提取和分类也更加准确，有利于提高农作物品种分类精度和气象灾害评估准确性，促进精准农业的实施。当前，人工智能在农业领域的应用发展趋势主要体现在以下几个方面：

首先，农业生产集约化程度不断提升，人工智能技术在农业领域的广泛应用极大提升了农业生产效率，而传统分散型农业生产模式并不适合人工智能技术的应用，因此农业生产集约化程度将不断提升;其次，随着人工智能技术在设施农业中的广泛应用，设施农业生产效率、操作简便度不断提升，设施农业生产规模也在不断扩大，且智慧化程度不断提升;再次，人工智能技术的应用使得灌溉用水、施肥等工作均能控制在最佳水平，极大节约了水、肥等用量，促进了资源节约型农业的快速发展。另外，智能化设备的应用可以利用最少的资源实现农业生产增产提质、增值拓展等目标，从而促进资源节约型农业快速发展。

4结语

人工智能技术在农业领域的应用范围不断扩大，不仅有效提升了农业生产效率，还减少了农业生产过程中的资源浪费，有利于我国生态农业建设工作的快速发展。人工智能在农业生产产前、产中、产后阶段均有非常广泛的应用，在产前阶段可以进行灌溉控制、土壤成分检测和分析、种子质量检测等，在产中阶段可以采用农业专家系统为农业生产各阶段提供问题咨询、决策服务，同时还可以进行设施农业生产智能控制、病虫害识别、农作物采收等工作，而在产后阶段可以实现农产品检验、农产品电商运营、农产品智慧物流等操作。同时，智能农业研究需重视获取大數据的基础研究工作——完备、准确地感知和认知信息，获取可用的大数据。围绕该问题，还需改进物联网和云平台设计，推动传感器开发和软测量技术、跨媒体感知认知技术及信息融合技术的智能提升。随着人工智能技术的持续发展，我国农业也必将在智能化的发展道路上不断前进，人工智能在农业领域的应用程度会不断加深，并且继续促进我国农业生产快速发展。