黑龙江智慧农业知识图谱分析：科学文献计量论述

赵 铎，周桂霞，赵胜雪,2

(1.黑龙江八一农垦大学 工程学院，黑龙江 大庆 163319； 2.黑龙江省现代农业产业技术小麦协同创新推广体系，黑龙江 齐齐哈尔 161006)

0 引言

粮食生产在国民经济中一直处于基础地位，粮食作为人类生存发展的基础，绝大多数的食物供给来自于本土农作物种植。我国目前人口数超过14亿，保障我国居民日常粮食的及时供给问题首当其冲。智慧农业能通过物联网、大数据、人工智能、云计算等创新技术将传统农业下依靠大量劳动力才能完成农耕作业的生产模式转变为省时省力且能达到“可控制”的智能化、机械化生产模式，有助于提高农业生产效率，推进耕地资源合理利用，有效改善农业生态环境，避免造成不必要的水肥资源浪费，节省时间和人力成本，告别传统繁重的劳动作业，操作便捷，且有助于提升农作物品质，保障食品安全，令农户收益增多。

1 黑龙江发展智慧农业的重要性

黑龙江是我国农业大省,是全国最重要的商品粮基地和粮食战略后备基地,农业，特别是粮食生产在全国占有重要的战略地位,肩负着保障国家粮食安全、生态安全的重任。黑龙江省的智慧农业发展道路有利于实现对资源集约节约利用，解决经济发展和农村资源有限的矛盾问题，保障未来人口基数大幅增加时所要面临的粮食供应问题，解决农村生态环境恶化、污染严重的问题及未来构建健全完善的现代农业产业体系问题。

2 方法

为保证原始数据的全面、准确和高可信度，选择了中国知网作为数据源。检索到的“黑龙江智慧农业”作为一个数据集，年份范围为2012—2022年。此外，数据类型被设置为文章，因此不包括非学术论文(如报告和会议文件)。最后，选择了2 255篇论文进行研究。根据CiteSpace获得的统计数据，CiteSpace是目前应用最广泛的知识图谱工具，用于挖掘、分析和可视化科学研究文献的分析软件。使用CiteSpace V软件，版本为5.8.R3(64位)，通过在知网中获得的原始数据绘制各种知识地图，通过关键词突发检测可视化来分析研究趋势。

3 研究现状

3.1 机构与关键词分析

3.1.1 机构分析

图1显示了一个由国内研究频率较高的机构组织和作者组成的网络。每个节点代表不同的组织机构单位和作者。节点越大，出版物的频率越高，同时这也间接反映出该组织机构作出了比较权威且突出的贡献。排名前五的组织机构依次是河南工业大学、黑龙江省科学院、黑龙江农垦红兴隆管理局宣传部、黑龙江农垦总局党委宣传部及东北农业大学，由此说明国内的机构在智慧农业领域有很好的影响力。从CiteSpace显示的组织机构网络图谱中可以得出结论：各组织机构目前暂无节点连接，即当下高校和研究所等其他单位的研究较为独立。

图1 国内在做智慧农业研究的组织机构

3.1.2 关键词分析

关键词作为对学术论文研究热点的高度概括，既是论文的核心，同时又能代表目前学科领域内的研究重点。通过对相关出版物中的关键词总结和分析，能描述一个领域的主题。表1列出了出版物中出现频率最高的30个关键词，与智慧农业密切相关的主要概念分布广泛。其中“物联网”“智慧农业”“互联网+”“无人机”“农业”出现的频率较高，这说明智慧农业相关的智能装备技术是研究者关注的热点，有利于促进智慧农业领域的进一步发展。如何利用物联网技术提升农业生产效率，做到精细作业是研究人员关注的另一大问题，如“深度学习”、移动通信技术“lora”、“信息化”和“大数据”。

表1 智慧农业前30位关键词

3.2 关键词突现分析

图2显示了智慧农业领域出版物中的突现关键词，表明在一段时间内关键词的频率急剧增加。浅色基线上的深色线段表示关键词的频率突然增加，深色线段的位置表示突发的时间段。爆发的关键词表示在该时间段内相关话题是最活跃的，或者出版物增长是最快的，同时也是研究人员关注和研究的。因此，突现关键词是明确该领域进一步发展的重要标志，为该领域的进一步发展指明了方向。对数据集“智慧农业”“黑龙江”(2012—2022)中文章中的关键词进行了突变分析，共检测出774个独特的关键词，提取了强度最大的4个突现关键词。

根据图2对突现关键词的分析，智慧农业的研究趋势明显呈现两个时期：2016—2017年、2020—2022年。“农业”是第一时期突现的关键词，是智慧农业必不可少的研究方向。 在第二时期，数字乡村成为中央政府带头强调的农业工作领域的重点内容，如“乡村振兴”，已被广泛研究。其次，“深度学习”强度得分5.17，是第二时期突现力较高的关键词，是智慧农业领域的一个重要方向。深度学习在物联网中被广泛应用，用于感知环境、农作物及畜禽识别、病虫害监测预警等方向，提升精细农业的智慧种植养殖。随着智能装备的不断应用，黑龙江省智能农机产业也得到大力研究和发展，黑龙江省的智慧农业领域具有广阔的发展应用前景。

图2 智慧农业中突现关键词

3.3 关键词聚类分析

关键词聚类可展现出该领域不同研究方向的热点。通过CiteSpace的对数似然比(LLR)算法得到关键词共现类聚，这些聚类的内部牢固附着。从聚类的结果中可明确特定领域的研究内容、研究方向和研究趋势。图3是关键词聚类图，其中有774个节点和1 019个连接，拓扑网络密度为0.002 7，节点之间的连接数大于自身的连接数，说明该领域的关键词关系密切，即不同的研究方向和研究内容有不同的交叉和融合，通常用平均剪影来评价聚类。结果表明：Modularity Q=0.892 6，表示聚类效果非常显著。平均剪影=0.813 2,其表明聚类结果非常可靠。最终一共得到20个聚类，聚类大小与聚类数成反比，节点大小与引用频率成正比。相关研究大致涵盖了人工智能(如#0app、#9深度学习、#19机器学习)；物联网(如#1物联网、#21监控系统)；智能农机装备(#5农业、#11智慧农业)。可以看出，在智慧农业领域内智能化技术仍是研究重点。通过人工智能及物联网等研究，促进了精细农业的发展(如#11智慧农业、#16遥感；)从而改善智慧农业下机械和人工作业造成的作业误差。

图3 关键词聚类群集视图

通过关键词聚类和突现检测，从人工智能与智慧农业(如#0app、#9深度学习、#19机器学习)、物联网与智慧农业(如#2物联网、#21监控系统)、智能装备与智慧农业(如#5农业、#11智慧农业)3个方面来对智慧农业领域的发展和演变进行综述概括。

3.3.1 人工智能技术

人工智能技术的关键就是通过对人类思维的模拟，对农业生产过程中产生的问题进行正确分析和解决，Zhang H等[1]人,提出基于对象的深度学习生态环境要素分类方法，是通过训练一个深度卷积神经网络(DCNN)用来区分不同的环境因素，再通过训练的DCNN来提取子图像的深度特征，结果表明，该方法的分类精度达到了96.77%，但是该算法的问题就是难以从图像层面上区分极度相似的生态环境，相似元素较多，如裸地和湿地；Zhou Z等[2]提出一种基于卷积神经网络(CNN)的Landsat-8多光谱遥感图像花生种植面积提取方法，结果表明，CNN结构总体精度为96.42%。Kappa效率为0.944，利用CNN对作物进行多光谱图像作物识别，在农业遥感分类中具有较大潜力。

3.3.2 物联网技术

农场想要实现智能化，需要装备、农业种植、养殖及管控云平台系统形成一个实时传递数据信息的实体网络，智能装备再根据动植物的实时状态进行靶向作业。物联网会为这样的作业条件提供技术支持，为生长调控提供准确参数，提供智能装备的状态感知技术等。张丽凤等[3]通过对比国内外大型生鲜农产品领域建立了典型追溯系统，如表2所示，并研究了农产品溯源系统中物联网技术的应用进展。

表2 国内外大型生鲜农产品领域典型追溯系统

物联网技术与畜禽养殖相结合，逐渐成为畜牧业养殖的发展重心，如智能养猪需要智能饲喂系统(Velos)、环控系统、监控系统协同合作，同时结合人工智能大数据分析才能发挥最大的作用。宣君[4]基于时分复用组建LoRa无线传感星型网络，从节点将母猪信息与猪舍环境通过LoRa传输到汇聚节点。母猪思维决策专家系统通过母猪及猪舍环境能精准决策每日饲喂量，并准确传输至饲喂器进行下料。

3.3.3 智能装备技术

智能农机装备具备智能化控制系统，不仅能完成耕作、收获、灌溉和病虫害防治等传统作业，还能完成土壤信息采集及农作物产量采集工作，为精准农业提供技术支持。虽然智能装备在智慧农业领域里的作业效率高，但仍存在以下几方面问题。1)智能装备的计量与信息采集不配套，如畜禽自动饲喂与饮水装备之间的不协调造成智能化精准饲喂难以实现；2)针对现有设备的清理和检修问题依旧存在，如在目前畜禽养殖中的部分清粪工作强度大，设备检修难；3)种植养殖环境管理粗放，信息化作业水平不足导致的效率低下、环境严重污染及设备落后[5]；4)当前的智能装备需要与种植养殖模式相结合，如限位栏的猪圈结构无法使用ESF(Electronic Sow Feeding,母猪电子饲喂站)[6]；5)通过每台智能装备上控制面板对系统参考系数进行调控或通过设备反馈的数据进行采集分析和可视化展示，需要从业者具备一定的综合素质与智能知识来维护整套设备系统的运行。

4 总结与展望

本研究介绍了智慧农业领域的详细科学图谱分析结果。通过CiteSpace分析了2012—2022年期间发表的2 255篇文章，突出了高度活跃的研究领域。从上述文献综述中可以看出，研究人员为了提升智慧农业领域中的技术发展做出了各种努力。因此，使农作物长势或病害及畜禽环境识别等问题都得到了不同程度的改善。人工智能技术和物联网技术在智慧农业中如何更加精准的实现智能识别与监控的问题，仍然是人们关注的焦点，智慧农业下智能装备的智能控制仍有广阔的研究空间。