蔬菜智能化管理技术研究进展

孙想，吴华瑞，朱华吉，顾静秋

（1北京市农林科学院信息技术研究中心，北京 100097；2国家农业信息化工程技术研究中心，北京 100097；3农业农村部农业信息数字乡村技术重点实验室，北京 100097）

0 引言

蔬菜是城乡居民生活必不可少的重要农产品，保障蔬菜供给是重大的民生问题。传统蔬菜种植模式存在生产效率低、环境压力大和种植风险高的问题，劳动力老龄化和成本持续增高进一步加深了因粗放的生产方式而导致的生产率低下的难题。高效、生态、精准、智能的蔬菜生产方式创新是国内蔬菜种植业未来发展的必由之路。蔬菜种植区域分布广、环境复杂、品种繁多、影响因素众多，精准的监测、决策和优化控制极其困难。智能化管理技术结合农艺与生产模型，处理分析蔬菜生产中产生的大量数据，并将分析结果以直观的形式呈现给生产者与决策者，是解决上述难题的根本途径。

蔬菜智能化管理技术是物联网、大数据、人工智能、移动互联网、云计算等技术在蔬菜种植领域的综合应用技术，通过对蔬菜种植生产、仓储、流通、加工、市场等全产业链数据的采集、处理、挖掘、智能分析，构建蔬菜种植智能化管理平台和系统，提供全程智能化管理服务，从而优化蔬菜种植资源配置，来解决蔬菜种植生产粗犷式管理带来的资源利用率不高、生产效率低等问题，降低种植风险。近年来，国内外学者围绕蔬菜温、光、水、肥等种植管理模型开展了相关研究，积累了大量数据和模型知识，同时，随着智能信息技术的发展与应用，蔬菜智能化技术研究进展主要聚焦在蔬菜生产数据感知监测、蔬菜生产作业智能化提升、蔬菜智能服务技术等方面。目前智能信息技术在国内蔬菜产业中已有初步应用，但总体上仍处于示范阶段。笔者通过对蔬菜智能化技术架构、数据感知、智能处理、应用服务的关键技术总结，讨论蔬菜生产智能化管理技术发展面临的挑战，提出蔬菜生产智能化管理技术的发展建议，旨在为智能信息技术在蔬菜种植中的深入应用提供支撑。

1 蔬菜生产智能化技术的总体架构

蔬菜生产智能化技术架构如图1所示。智能管理是以采集的蔬菜数据为基础，这些数据来源于互联网、物联网、已有业务系统、专业数据库、历史数据等，通过数据感知接入接口，实现数据的聚合；数据存储与计算层实现数据的存储管理、融合查询；分析挖掘层通过深度学习、预测、关联分析、分类等数据模型的集成，结合蔬菜农艺模型，支撑蔬菜智能管控服务。蔬菜智能化管理涉及的关键技术可划分为3 个方面，一是围绕在线精确监测不准、稳定传输困难的问题，突破蔬菜产业数据精测稳传技术，实现蔬菜大数据的精准获取；二是围绕现有核心决策技术难以满足农艺融合的需求，突破基于跨媒体大数据分析的蔬菜农机农艺融合模型和决策诊断方法，实现蔬菜产业全程智能化管控；三是围绕蔬菜产业用户和需求多元的现状，提供精准个性化的智能信息服务。

图1 蔬菜智能化管理技术架构

1.1 蔬菜生产数据精测稳传技术

蔬菜生产数据精确监测和稳定传输是智能服务的保障，监测数据主要包括蔬菜种植环境、土壤、植物个体生理、植物群体状态、农机装备作业等，可通过遥感、无人机、地面传感器进行动态感知与识别。

蔬菜生产环境和墒情数据主要通过气象站监测获取，个体生长形态可通过视频和图像分析获取[1]，群体状态主要通过卫星或无人机遥感结合田间光谱仪进行综合分析，已有研究报道了蔬菜品种识别[2]、长势、成熟度[3]、产量、营养、病虫害监测。光照强度、空气温湿度、土壤墒情等参数对于蔬菜种植管理具有重要参考价值，稳定的物联网监测传输系统是实现数据实时、时序和连续采集的基础。在野外农田数据传输技术研究方面，已有研究采用了NB-IoT 通信、低功率广域物联网(LPWAN)、多网融合节点定位等技术[4-6]保障大范围农田感知数据的传输质量和效率。为了保障监测设备野外供电，光伏发电、太阳能供电等方式得到了应用。蔬菜生产数据精测稳传技术为蔬菜生产现场数据实时精准获取奠定了基础。

1.2 蔬菜生产智能化管理技术研究进展

1.2.1 蔬菜病害图像诊断技术病害的发生往往对蔬菜生产造成不可逆转的损失，严重影响蔬菜的产量和品质。在预防的前提下，及时发现并准确地判断病害类型，选用合适的农药进行精准施治具有重要的实际生产意义。

国内外学者利用图像处理和机器视觉技术进行蔬菜病虫害图像诊断的相关研究较多，该项技术的应用可降低蔬菜种植人员对植保专家的依赖，减少由于诊断不及时造成的病害防治延误。在实际生产应用中，蔬菜病害发病的形状位置多变，图像背景复杂，传统人工设计的特征越来越难以准确识别规模庞大的病害图像数据。近年来，机器学习、深度学习、迁移学习、强化学习等方法，已经应用于蔬菜病虫害图像提取与病斑分割[8-10]、图像分类[11-12]、病虫害识别[13-14]工作中。深度学习利用具有隐藏层的人工神经网络，不依靠图像分割与特征提取自动完成高层次的特征学习，已经成为蔬菜病害智能防治的研究热点[15-16]。此外，生长环境参数（土壤温湿度、pH、空气温湿度等）与病害发生密切相关，融合结构化生长环境参数与非结构化图像特征的病害诊断技术进一步提高了病害识别的准确度[17]。另外，农业物联网的边缘计算设备、嵌入式设备、移动设备等硬件资源普遍受限，需要解决基于深度网络的蔬菜病害图像识别模型参数量大、训练时间长、存储成本与计算成本过高等问题，有学者提出改进型的多尺度残差(Multi-scale ResNet)轻量级病害识别模型[18]，为基于深度网络模型的病害识别系统的边缘部署提供了思路。

1.2.2 蔬菜生产环境和水肥智能调控技术温、光、水、土等环境参数是影响蔬菜生长发育的重要因素，而参数之间相互影响的机理较为复杂，建立融合作物生理需求的蔬菜生产环境和水肥管理模型是蔬菜生产智能调控急需解决的问题之一。国内外关于蔬菜智能管理模型的研究，主要围绕水分[19]、养分[20-21]、光照[22-24]、温度[25-27]对蔬菜生长与品质影响的相关调控和预测模型展开。蔬菜生产水肥一体化、温室小环境监测预警和自动调控等技术产品应用广泛，但依据单一参数进行环境和水肥调控的传统模式仍是主导模式，上述模型的研究为蔬菜多参数综合调控奠定了基础。

如图2所示，综合蔬菜环境、土壤、茬口、长势等多因子协同调控技术是未来提升蔬菜生产能力的关键技术之一。

图2 多因子协同调控实例

1.2.3 蔬菜生产管理智能决策技术随着物联网、智能化处理技术的发展，蔬菜生产管理智能决策应用模式实现了突破，解决了原有决策系统知识和数据更新不及时等问题。如图3 所示，利用实时采集的环境、土壤、作物生理等数据，结合蔬菜标准化生产流程、知识库和历史生产管理数据，采用逻辑回归、决策树、支持向量机、神经网络、机器学习、深度神经网络等算法，进行蔬菜生产农情预警、病害诊断、水肥药决策、标准化生产、经营管理等决策服务指导蔬菜生产，是当前研究热点。

图3 蔬菜生产智能决策流程

（1）蔬菜农情预警。蔬菜对于温度最敏感，各种蔬菜的生长与发育和产品器官的形成对温度都有要求，温度低作物生长缓慢，光照的调节需与温度相互配合，而湿度的调节要根据季节、作物、温度和湿度状况进行判断，主要是防止沾湿和降低空气湿度，植物沾湿如减少2～3 h以上，即可抑制大部分病害的发生。

蔬菜农情预警主要集中在3 个方面。①环境预警。对设施蔬菜蒸散量与叶面积指数、环境温度、湿度、光照等参数进行多序列比对关联分析，对蔬菜需水量进行预测，对小环境适宜性进行预警[28]。②长势预警。将无线网络测距系统与预测引擎相结合，主动预测判断蔬菜叶片发育、质量等长势参数是否异常，预测潜在的作物功能异常，及时采取补救措施[29]。③病害预警。根据蔬菜生长气象因子、生育期、初始菌源量等数据，构建设施蔬菜病害预测模型，通过实时监测环境气象数据完成对蔬菜病害的及时预警[30]。

（2）蔬菜水肥决策。一般蔬菜的种植周期包括播种、定植、初果、采收等环节，通常需要进行4～7 次灌水，平均每次灌水层厚度在75～90 mm，这种灌溉方式往往造成水资源浪费。对于精准灌溉，需要定量计算作物不同时期的灌水量、需水量与作物系数。采用“土壤含水量+蒸发蒸腾量+作物长势”的综合决策方式在陆地甘蓝灌溉决策中应用效果良好，在系统的复杂度、成本控制、灌溉精度方面具有综合优势。

设施蔬菜水肥一体化技术是借助压力灌溉系统将完全水溶性固体肥料或液体肥料，按照作物生长各阶段对养分的需求、土壤养分的供给状况、作物长势，适时、均匀、按需输送到作物根部，实现节水、节肥、增产、提效。其一般决策流程如图4 所示，包括通过机器学习方法或数据挖掘发现作物需水和需肥规律，建立水肥管理制度和专家知识库，通过以知识和实时监测数据为驱动水肥调节动态决策方法应用[31]，实现水肥精准施用。

图4 蔬菜水肥一体化决策流程

（3）蔬菜生产专家系统。当前，蔬菜生产智能专家系统已有推广应用[32]，专家系统核心部件包括数据库、知识库、模型库、推理机等，其中推理机的实现与知识表示方法紧密相关，常用的知识表示方式有加权模糊逻辑、确定性知识表示、MYCIN知识表示、两级不确定性知识表示、本体知识表示[33]等。目前，蔬菜生产专家系统研发仍停留在基于专家知识的查询[34]、产生式规则推理或单一的多媒体特征识别与匹配方面，很少涉及到多结构、多形态、多参数数据决策，知识发现与更新机制滞后。蔬菜生产决策与品种、密度、茬口、目标产量等种植参数，土壤温湿度、空气温湿度、光照、二氧化碳等生长环境参数，苗情、病虫害发生、营养状况等实时长势，以及水、肥、营养、植保管理等密切相关，与现势数据、历史数据挖掘分析紧密融合的协同生产决策将是未来发展的方向之一。

1.2.4 蔬菜生产智能作业蔬菜生产中移栽、收获等环节人工劳动强度大、作业效率不高，很多学者开展了蔬菜播种、育苗、嫁接[35]、移栽[36-37]、植保、收获[38]方面的农机技术智能装备研发。针对当今农业人口老龄化的现状，急需通过智能化、无人化作业技术应用，提高蔬菜生产耕整地、移栽、植保、水肥、采收、加工等环节作业效率，缓解用工荒的问题。

田间智能作业过程中，机器视觉、神经网络、多光谱技术被广泛应用于菜垄识别[39]、杂草识别[43]、植株识别、病害识别中。李亚军等[40]提出一种基于机器视觉的叶菜类蔬菜菜垄识别算法，算法在自然综合光照条件下导航基准线提取成功率为97.5%。刘波等[41]发现红边波段对杂草有着显著的识别能力，设计了低成本的杂草识别系统。孟庆宽等[42]提出基于轻量化二阶段检测模型的多类蔬菜幼苗检测方法，对小目标作物以及叶片遮挡作物的识别较好，且具有良好的泛化性能和鲁棒性。

在小汤山国家现代农业科技示范基地，开展了农业农村部2020十大引领性技术“蔬菜规模化生产人机智能协作技术”示范。如图5所示，该项技术构建了以卫星、雷达、无人机、传感器等为载体的天空地立体化监测传感网络，在甘蓝全程无人化作业实际生产中得到有效验证，实现了露地甘蓝耕整地、起垄/移栽、水肥灌溉、植保打药和采收的全程智能化无人作业。通过该技术，能够减少人工投入成本，平均减少水、肥、药施用量，节本增效效果显著[44]。

图5 蔬菜规模化生产人机智能协作技术流程

1.3 蔬菜产业智能信息服务技术研究进展

随着物联网、互联网、大数据等技术在蔬菜领域的不断应用，通过实用技术资源、互联网海量信息、“专家—农技人员—农民”问答数据等集成互联，为蔬菜种植、经营、管理人员提供精准的个性化信息服务，是解决农业科技信息供需不畅的有效手段。

1.3.1 蔬菜信息个性化推荐服务农业信息种类多样、分类复杂、更新快，具有地域性、时效性和周期性的特点，信息服务面临着信息过载、针对性不强、精准度不高的问题。引入农业领域技术、市场、政策、农资等专业词库，开展文本语义分析方法、用户画像、兴趣模型等技术研究[45-47]，通过对用户注册信息得出显性特征（如职业、种植类型、文化水平、地理位置等），根据用户浏览操作记录提取用户隐性特征（如性格偏好、种植经验、农情农事等），进而建立情境融合的用户行为兴趣模型，并采用协同过滤的产生式推荐方法实现用户信息的按需精准推送。

1.3.2 蔬菜知识问答服务农业知识服务是解决农民生产实际问题和提升蔬菜生产标准化程度的有效手段。海量农业数据分散异构，很难从中获取到直观有价值的信息。知识图谱可以将离散的信息进行语义关联，把复杂的农业知识可视化，基于知识图谱的农业智能问答系统[48-49]，能够通过知识图谱建立实体间关系，提高了问答准确性和有效性。金宁等[50]针对“中国农技推广”问答社区日增提问数据近万条，数据特征稀疏、规范性差导致文本分类难的问题，提出了基于BiGRU_MulCNN的农业问答问句分类技术，对用户提问进行自动分类正确率达95.9%。赵瑞雪等[51]针对大数据环境下农业科技知识服务供需脱节的问题，研究设计“数据+需求”双轮驱动的知识服务供给模式，研制了“普惠+专题+定制”的多场景农业专业知识服务系统。

1.3.3 蔬菜大数据分析服务蔬菜大数据涉及到产前规划、育苗、移栽、田间管理、植保、采收、市场、加工、储藏、运输等环节相关的上下游产业，基于大数据开展生产、市场决策分析服务是破解小农户和大市场对接的技术手段之一。基于蔬菜价格预测推荐的大数据系统[52]，使用大数据技术对蔬菜市场价格、需求趋势进行预测，对价格走势的监测，指导农业生产，避免盲目种植，同时通过预测蔬菜价格、分析营收、辅助相关决策等，及时抓住商机以及进行风险规避，带动农户增收。孙想等[53]提出蔬菜产业大数据平台建设框架，从蔬菜产业数据来源、采集处理、挖掘分析、平台服务4 个方面进行了研究分析，通过大数据为蔬菜生产、加工、贸易、市场流通、消费等产业环节提供服务。

1.3.4 蔬菜质量追溯信息服务通过互联网、条形码、RFID、GPS 等方式，采集蔬菜产品全生命周期相关的种子、肥料、水土、重金属、气象、种植与采收、质量检测、包装加工、运输配送、市场销售等数据，通过统一编码技术对蔬菜产品进行批次标识，建立生鲜蔬菜质量安全溯源系统，从而实现蔬菜产品质量的管理和追溯。另外，利用区块链技术的不可篡改、去信任化和分布存储等特性，基于区块链技术[54]的蔬菜认证与溯源模型及相关系统[55]已经得到应用。

2 蔬菜生产智能化管理技术面临的挑战

2.1 蔬菜生产数据精确监测与稳定传输难

国内蔬菜生产经营主体规模小并且分散，仍以小农户模式为主，在生产标准化、精细化、自动化方面还比较薄弱，产业规模化程度低限制了蔬菜生产经营数据的可获取性。数据精确监测和稳定传输是蔬菜生产智能化管理的基础，在蔬菜物联网感知传输环节，传感器设备存在感知数据精度低、恶劣自然环境下不稳定等问题，导致实际应用效果不佳；在传输环节，存在大规模菜田传感器网络供电、传输干扰、传输协议缺乏规范性等问题，难以保证数据网络传输的稳定性；农业传感器标准化程度不高，感知数据的融合应用缺乏可循标准，不同厂商设备数据的异构性，阻碍了感知数据有效地融合利用。

2.2 满足农艺要求的蔬菜生产智能分析模型技术缺乏

蔬菜品种众多、种植区域广、生产环境复杂、经营管理环节多，但农艺生产模型和智能化分析技术融合程度不高，蔬菜生产智能化程度仍需进一步提升。目前智能化技术与蔬菜生产经营领域的结合仍处于初始阶段，设施蔬菜环境调控、水肥一体化、质量追溯、农技服务等系统得到应用，但由于蔬菜产业地域广泛性、生产设施差异性、环境气象多变性、品种多样性导致蔬菜生产智能分析模型普适性差，简单直接地套用难以适应外界生产因素变化，蔬菜生产智能分析技术落后于市场应用需求，不能满足实际生产要求。提升蔬菜产业的智能化程度，还需要在关键的智能化管理技术上取得突破，增加深度学习、知识计算、大数据分析等技术在蔬菜领域应用的深度和广度。

2.3 蔬菜产业链数据关联和智能分析能力弱

当前对蔬菜智能化管理技术研究往往只针对生产经营中的某一个或局部的过程，缺乏面向蔬菜全产业的智能化解决方案。随着大数据智能技术的发展，蔬菜产业数据的不断积累，为全产业链智能信息服务提供了可能性。但目前蔬菜大数据还大多分散在不同的经营主体和管理部门中，还未形成互联互通的数据资源池，而且由于蔬菜产业链各环节数字化发展程度不同，数据分布规模和质量差异较大，产前、产中、产后，生产、管理、市场等数据割裂，数据链条和产业链条无法有效贯通和协同，数据虽多，但难以挖掘并获得其中隐含的有价值的信息用于指导蔬菜产业的发展。

2.4 蔬菜智能化管理成套技术系统与产品少

国内还缺乏实用化的蔬菜生产智能化管理系统及装备，大棚、日光温室等设施比较简单，设施内的水、光、温度等达不到综合调控的要求，国外技术与装备与国内蔬菜生产栽培模式匹配度不高，价格昂贵、运维成本高，尤其是生产知识模型本地化困难。目前国内研究人员围绕蔬菜生产环节，从感知、决策、调控作业等方面开展了理论技术研究与装备研制取得了进展，例如基于物联网技术的设施蔬菜生产环境监测控制系统、水肥一体化智能灌溉系统、智能化蔬菜集中育苗系统、露地蔬菜质量安全追溯系统等，部分技术产品已开始应用推广。

3 发展趋势展望与建议

蔬菜智能化管理与蔬菜品种、栽培模式、调控与作业设备紧密关联。笔者阐述了智能化信息技术在蔬菜生产环境感知传输、生产决策与调控、智能信息服务等领域研究和应用技术进展情况，深度分析了在上述领域应用中仍存在的待解决问题和困难。蔬菜品种和栽培模式多，气候条件、地理位置、区域环境等因素的不确定性制约着智能化技术在蔬菜种植中的大范围应用，目前蔬菜生产智能化应用还处于试验阶段，高效低成本的建设模式仍在不断探索中，还未有效地转化为产业。但蔬菜产业数字化、精准化、智能化的重大需求和人工智能、物联网、移动互联网、大数据技术迅猛发展的态势为蔬菜智能化管理技术发展提供了一次重要机遇。

3.1 构建蔬菜生产监测、分析、反馈作业的管理闭环，加速提升蔬菜生产管理智能化水平

发展蔬菜农机农艺配套化、规模化、轻简化、标准化技术，推动蔬菜生产农机和农艺、机械化和信息化相融合。将传感器、机器视觉、多光谱等技术结合，进一步提升蔬菜个体和群体生物信息、环境信息的自动化采集能力，扩大采集范围，提高采集精度和时效性，弥补单一技术获取信息存在监测不到位的情况。基于蔬菜生长发育规律的光、水、电、热、肥等多因子、多环节智能调控模型，实现蔬菜生产现场数据自动感知与多因素协同决策，有助于蔬菜科学生产、精确水肥药施用，提高农业资源利用效率。在播种、育苗、嫁接、移栽、植保、水肥实施、采收、运输、分级、加工等环节形成成套化智能作业设备，降低农业从业人员劳动强度，形成可复制、可推广的蔬菜标准化生产服务智能化模式和实施方案，提高蔬菜产业现代化高技术水平，实现机器代替人力、电脑代替人脑、科学决策代替生产经验的转变。

3.2 强化科技创新服务，推动蔬菜社会化应用服务模式落地

强化科技创新服务，引导科技、资金、人才、信息等现代生产要素聚集，将农业标准化生产、农副产品加工、仓储物流以及休闲观光体验等相关产业有机融合。建立多个蔬菜品种的种植土壤、环境、投入条件、种植规模、水肥药配方的标准化方案，吸收撮合社会化服务资源与产业需求，支持大宗蔬菜产业社会化服务组织开展“线上+线下”的托管技术服务，创新融合“智能决策、专家远程咨询、标准示范田对照”的“互联网+专家系统”、“物联网+大数据”应用服务模式，解决技术服务中农业专家与农技服务人员数量不足、地域品种覆盖不全等问题，实现标准化生产管理、合理农资投入、缓解劳动力短缺、增加农民收入的目标，形成促进区域现代农业转型发展的新动能。

3.3 加快大数据智能技术在蔬菜全产业链关键环节中的应用，实现价值链高端延伸

随着深度学习、知识计算、群体智能等人工智能技术在蔬菜领域深层次运用，大数据技术将更适应数据领域的具体需求，利用大数据分析、机器视觉、深度神经网络等改进算法，建立病害、虫害、水肥、营养、环境等早期预警模型系统，为蔬菜智能生产管理提供指导。通过多个区域蔬菜种植品种、茬口、规模、上市时间、销售流向、地头价、批发价，以及冷库、加工、运输、中介服务能力等数据的采集分析，实现蔬菜育苗量和种子销售量动态监测、病虫害和气象灾害智能预警、蔬菜价格趋势分析、上市期及产量预测等服务。构建标准化的适宜蔬菜领域的大数据标准及应用管理体系，定期发布产品质量、价格指数、数字信用产品，培育一批专业的数字产业运营商，用产业化的思维构建产供销一体化服务能力与行业标准，沉淀蔬菜产业生态运营能力。

4 结语

智能化是现代农业发展的要素。蔬菜智能化管理已经成为蔬菜产业向集约化、精准化和智能化发展的关键技术。在此背景之下，出台了《农业绿色发展技术导则（2018—2030 年）》等一系列政策措施，提出要发展智慧型农业技术模式，如研发天空地种养生产智能感知、智能分析与管控技术，推广应用数字农业智能管理技术、智慧农业生产技术及模式、智慧设施农业技术等。开展蔬菜生产智能化管理关键技术研究，加强智能信息技术在蔬菜生产、经营、管理和服务等方面的创新应用，这些都为蔬菜产业智慧发展提供了良好的发展环境。当前，应加强人工智能、大数据、农业自动化等技术与蔬菜产业的深度融合，提升蔬菜全产业链数据采集、处理和分析挖掘能力，促进农民增收，支撑国内蔬菜产业转型升级。