农业人工智能的应用和思考

文/罗锡文 华南农业大学

习近平总书记在“人工智能发展现状和趋势”第九次集体学习会议上指出，“人工智能是新一轮科技革命和产业变革的重要驱动力量，加快发展新一代人工智能是事关我国能否抓住新一轮科技革命和产业变革机遇的战略问题”，“要加强基础理论研究，支持科学家勇闯人工智能科技前沿‘无人区’，努力在人工智能发展方向和理论、方法、工具、系统等方面取得变革性、颠覆性突破，确保我国在人工智能这个重要领域的理论研究走在前面、关键核心技术占领制高点”，“要主攻关键核心技术，以问题为导向，全面增强人工智能科技创新能力，加快建立新一代人工智能关键共性技术体系，在短板上抓紧布局，确保人工智能关键核心技术牢牢掌握在自己手里”。

人工智能是研究开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。自1956年在达特茅斯会议上第一次被正式提出后经历了三个发展阶段，包括人工智能起步期（1950s-1980s）、专家系统推广期（1980s-1990s）和深度学习期（2006s-至今）。

人工智能的研究领域包括：机器人、语言识别、图像识别、自然语言处理和专家系统等。新一代人工智能（AI2.0）的关键共性技术包括：知识计算引擎与知识服务、跨媒体分析推理、群体智能、混合增强智能、自主无人系统、虚拟现实、智能计算芯片与系统、自然语言处理 。

我国政府高度重视人工智能发展，相继出台了十多个关于发展人工智能的规划，截止到2018年8月，全国已有一半以上省份发布了新一代人工智能专项规划。

农业人工智能的发展现状

早在上个世纪人工智能技术便开始了在农业领域内的探索，但由于当时技术水平有限，并未带来太多实质性的进展。进入21世纪后，人工智能技术在工业领域所发挥出的巨大效能，让农业看到了新的变革的机会。

人工智能在农业领域的应用，主要是集成应用计算机与网络技术、物联网技术、3S技术、无线通信技术、音视频技术及专家智慧，实现农业可视化远程诊断、远程预警和远程控制等智能管理。

人工智能技术最初应用于耕作、播种、栽培等方面的专家系统。

随着物联网和智能控制技术的应用，出现了采摘智能机器人、智能探测土壤、探测病虫害、气候灾难预警等智能识别系统。将人工智能识别技术与智能机器人技术相结合，可广泛应用于农业的耕整、种植、采摘等环节，极大提升劳动生产率、土地产出率和资源利用率。

以种植业为例，可以在种子检测、智能种植、作物监控、土壤灌溉等方面发挥作用。

种子是农业生产中最重要的生产资料之一，种子质量直接关系到作物产量。种子的纯度和安全性检测，是提升农产品质量的重要手段。因此，利用图像分析技术以及神经网络等非破坏性的方法对种子进行准确的评估，对提高农产品产量和质量起到了很好的保障作用。

农情信息采集机器人

在传统农业中，需要耗费大量的人力、物力。搭载人工智能技术的机器人将有助于缓解农民的负担，大大降低土地对劳动力的需求量。例如在种植、管理、采摘、分拣等环节都可以通过智能机器人来完成，实现农业种植的智能化与自动化。

在农业生产的很多方面，大部分的工作是通过对农作物外观的判断进行的，例如农作物的生长状态、病虫害监测以及杂草辨别等等。在过去，这些工作是通过人的肉眼去观察，但是这存在着不少问题，比如农民并不能保证根据经验做出的判断是完全正确的，而且，由于没有专业人士及时到现场诊断，可能会使农作物病情延误或加重。人工智能技术可在农作物检测中提供强大的技术的支持，通过机器人视觉技术，模拟人类的视觉功能，从客观事物的图像中获取信息并处理和分析。

人工神经网络具备机器学习能力，能够根据检测得到的气候指数和当地的水文气象观测数据，选择最佳灌溉规划策略。通过对土壤湿度的实时监控，利用周期灌溉、自动灌溉等多种方式，提高灌溉精准度和水的利用率。这样既能节省用水，又能保证农作物良好的生长环境。

人工智能与大数据集成技术也已应用在我国农业生产机械装备中，已研制出蔬菜嫁接机器人、花卉移栽机器人、水果采摘机器人、作物株间机械除草机器人；可实现自动巡检、靶向施药、精密定植、选择剪枝、快速套袋、识别采集、柔性搬运和智能分拣等各种功能的农业机器人。

我国人工智能整体发展水平与发达国家相比仍存在较大差距，首先是在基础理论、核心算法以及关键设备等方面差距较大，缺少重大原创成果。这是我国最大的劣势，我们现在所用的主流理论和关键算法，绝大多数都是欧美国家发明的。其次是人才稀缺，尤其是智能农业研发、制造和应用人才严重缺乏。人才稀缺是目前人工智能发展面临的共性难题。高盛公司在《全球人工智能产业发布》报告中称，中国的人工智能人才储备仅占全球的5%左右，距离美国有较大差距。最后是科研机构和企业尚未形成具有国际影响力的生态圈和产业链，缺乏系统的超前研发布局；适应人工智能发展的基础设施、政策法规、标准体系亟待完善。

农产品加工智能车间

2017年7月，国务院印发了《新一代人工智能发展规划》，明确提出：推动人工智能与各行业融合创新，在制造、农业、物流、金融、商务、家居等重点行业和领域开展人工智能应用试点示范，推动人工智能规模化应用，全面提升产业发展智能化水平。在智能农业方面，要研制农业智能传感与控制系统、智能化农业装备、农机田间作业自主系统等。建立完善的天、空、地一体化的智能农业信息遥感监测网络。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和农产品绿色智能供应链等集成应用示范，同时建立农业大数据智能决策分析系统。除去国家层面的政策之外，各地政府也开始密集出台相关政策，以解决人工智能技术在农业领域的应用中面临的实际问题。

2018年4月，教育部印发《高等学校人工智能创新行动计划》，提出加强人才培养与创新研究基地的融合，完善人工智能领域多主体协同育人机制，以多种形式培养多层次的人工智能领域人才;到2020年建立50家人工智能学院、研究院或交叉研究中心，并引导高校通过增量支持和存量调整，加大人工智能领域人才的培养力度。截至2017年12月，国内共有七十余所高校围绕人工智能领域设置86个二级学科或交叉学科。2018年国内高校首批612个“新工科”研究与实践项目中，已布局建设将近60个人工智能类项目。

对加快发展农业人工智能的思考

虽然人工智能技术已经开始应用于农业领域，但是与其在金融、医疗、交通等领域上的成功应用相比，人工智能在农业上的运用略显初级，大多农场、农业设备制造商还没有深入推进人工智能的引入。究其原因，农业领域的数据获取比其他行业要难，农业生产统计和量化应用困难，农业环境变化对人工智能技术在农业上的测试、验证和推广更加困难，缺乏既懂农业又懂人工智能技术的复合型人才。

为推动人工智能在农业领域的应用，应从基础研究、核心技术、科技应用和人才队伍建设四个方面发力。

加强基础研究。整合全球智能农业技术资源，加强国际合作交流，建设智能农业协同研发创新平台。引进、消化国内外智能农业先进技术，集成创新一批具有自主知识产权的智能农业技术。

突破关键核心技术。加快建立“信息感知、定量决策、智能控制、精准投入、个性服务”的农业智能技术体系。主要从以下三个方面着手：

智能农业关键技术研发。基于物联网的农情感知技术、基于大数据的农业分析技术、基于云计算的数据处理技术和信息技术与农业深度融合，催生多种智慧农业技术。这也是智慧农业发展的四大关键技术。

智能农业机械重大产品研制。突破信息感知、决策智控、试验检测、精细生产管控等应用基础及节能环保拖拉机、精量种植、变量植保与高效收获装备等关键共性核心技术，重点是农业机器人；创制关键共性核心技术装置与系统。

典型农业大数据智能分析决策系统。包括农业资源管理、生态环境监测、农情会商、农产品市场预测和农民个性服务等。

设施农业大棚

强化科技应用开发。主要从五个方面开展重点工程建设。

智能农业支撑平台建设工程。开发建设智能农业平台、组建国际智能农业研究院、组建智能农业产业服务平台。

智能农业技术创新工程。加快低成本、低功耗、高精度，稳定可靠、适合农业复杂特殊环境条件的新型物联网传感器的研发；突破智能化农业关键装备，实现控制智能化、操作自动化；开展人工智能知识处理与利用技术研究。

智能农业应用创新工程。开展智能农业大数据应用创新；开展农产品质量安全监管追溯创新；开展智能农业电子商务应用创新。

智能农业应用示范工程。开展设施园艺、水产养殖、畜禽养殖、现代种业、智能农机等智能应用示范。采用田间自动导航系统、机器视觉系统等精准农业研究成果，实现农业机械作业的高效率、高质量、低能耗和改善操作者的舒适性与安全性。建立智能农机的大数据平台，利用人工智能统筹安排农机调度，实现农机跨区作业科学调度；构建由定位系统、土地信息采集系统、遥感监测系统、农业专家系统、智能化农机系统、环境监测系统等智能系统构成的精准农业，提高农机智能水平；应用农机智能监控终端，实施农机定位耕种、平地、整地、深松等作业技术体系，推广农作物“种、水、肥、药”一体化精准作业技术、农田废弃物处理技术，提高农机作业质量和效率，实现精准智能、自动高效。加快实现“一控两减三基本”目标，保护和改善生态环境。

智能农业国际合作工程。主要建设国际智能农业示范园区和开展一些国际合作项目。

加强人才队伍建设。将高端人才队伍建设作为人工智能发展的重中之重，坚持培养和引进相结合，完善人工智能教育体系，加强人才储备和梯队建设，特别是加快引进和培养全球顶尖人才和青年人才，形成我国人工智能人才高地。具体措施包括：培育高水平人工智能创新人才和团队；加大高端人工智能人才引进力度；建设人工智能学科。