农业人工智能的现状与应用综述

刘双印，黄建德，黄子涛，徐龙琴，罗智杰

（1.仲恺农业工程学院信息科学与技术学院，广东 广州 510225；2.仲恺农业工程学院 / 广东省高校智慧农业工程技术研究中心，广东 广州 510225；3.仲恺农业工程学院 / 广州市农产品质量安全溯源信息技术重点实验室，广东 广州 510225）

0 引言

人工智能作为计算机科学的一个重要分支，通常可以将其简单概括成一种智能化的处理能力，能够和人一样感知、认知、决策、执行的人工程序或系统。随着科学技术发展的不断加快，人工智能已渗透在许多领域当中，如医疗、教育、金融等，有效地推动了各领域的发展，并取得了显著的成绩[1]。农业是人类衣食住行的源泉，是人民生活的重要基础，是支撑国家经济的脊柱，也是国家稳定发展的保障。在我国，人工智能在农业方面的应用主要涉及检测、图像处理、模式识别等。其中，机器视觉领域应用于农业机器人的运动障碍目标检测以及路径识别、农作物识别、长势以及病虫害检测、杂草识别、果蔬品质检测以及自动采摘等方面。大数据处理技术充分应用在农业养殖和市场销售领域中，最为核心的功能之一是具有专业知识和决策能力的专家系统，能够对农作物的生产链进行实时的监管控制，保证作物的产出量。本文主要介绍农业人工智能的主要技术，以及在农业领域的应用，并针对当前存在的难题和机遇，提出了人工智能技术在农业领域中的发展方向。

1 农业人工智能概述

在21世纪初，人工智能技术便开始了在农业相关领域的推广和探索，但由于当时技术水平有限，并未带来太多实质性的进展。近年来，人工智能技术在工业方面的表现突出，使农业迎来了新的变革机遇，人工智能技术较为成熟地应用于耕作、播种、栽培等方面的专家系统。随着物联网和图像识别技术的成熟与发展，近10年推出了智能采摘机器人、智能检测土壤、果实分拣、气候灾难预警、检测病虫害等智能识别系统。从实际应用的效果来看，将人工智能与农业机械技术相融合，可广泛应用于农业的耕整、种植、采摘等环节，极大提高劳动生产率、土地产出率和资源利用率[2]。

2 人工智能在农业领域应用的意义

自改革开放以来，我国农业取得了瞩目的成绩，有力地推动了我国经济高速增长，但仍存在诸多亟待解决的问题：①生产环境污染严重；②自动化水平低，节水农业发展滞后；③农村劳动从业者老龄化严重；④资源利用率、生产效益低下，农业竞争力不强；⑤农业生产缺乏有效监管，使得农产品质量安全问题日益突出。因此现代农业发展转型迫在眉睫。

在种植业方面，利用大数据技术收集分析农业数据，根据实际的应用场景建立专家模型，可预测农田灌溉深度[3],自适应地调节相关设备，避免因农户主观行为而造成的灌溉水量过多或过少，以及灌溉深度过深或过浅而影响灌溉网络性能的现象。特别是基于大数据建立的专家模型可用于不同环境条件下预测参考蒸散量[4,5]，与灌溉系统相结合可加强农田管理系统的稳定性。此外，在农业物联网监测控制系统的管理下，无人机拍摄的实时照片和远程人造卫星获取的图像可以反馈农作物的成熟程度，与天气监测模型结合[6]，能够更早进行农作物产量预测。精准农业中的人工智能技术还可将图像处理、目标分类和人工神经网络算法应用于农业领域中图像疾病区域[7]，采用计算机视觉系统可以对重叠的农产品进行计数[8]，提高准确度。结合各类智能化农业机械，可有效缩短作业时间，解决劳动力不足的问题、并能够实现土壤质量和虫害的监控,实现自动耕作，自动适量施肥给药、自动灌溉、自动收获、自动储藏、自动上线的一体化生产链。人工智能与不同技术的结合，可进一步拓宽人工智能在农业领域的应用渠道。例如，与作物的生命周期评价相结合，可预测作物的产出以及对环境的影响[9]；与近红外光谱技术结合则可提高甘蔗含氮量测量的准确性[10]。

在畜牧业方面，搭载物联网技术的人工智能畜牧养殖场，可以由大量传感设备和视频监控设备实时、动态地监测畜禽的生长环境和生命特征表现，整合畜牧业的数据信息，通过计算机控制系统进行智能化分析和决策，最终产生相应的指令，实现精准饲养，防治疾病，做到科学养殖畜禽。佩戴具有跟踪技术设备的牲畜，在户外放养时能够通过无线通信技术在终端机器获取其实时位置，实现无人工监视的新形式放养。在加工产业链上，利用无线射频识别、二维码等技术可定位加工产品的来源，物流信息等，实现产品可溯源，保证食品的质量，如图1所示。

图1 动物食品安全可溯源系统Fig.1 Traceability system of animal food safety

在农产品的市场营销方面，人工智能也扮演着重要的角色。通过互联网技术与人工智能的融合[11]，能够更加适应农业产业迎来的规模经营、合作共赢的新阶段，提升核心竞争力，确保质量安全，实现农民增收。互联网及人工智能技术可以汇聚农业生产、消费等方面的大数据，可以动态跟踪并分析当前市场的产品需求情况，准确把握农产品的产量，避免农民盲目跟风生产或缺乏对市场需求的认知而造成的供过于求或供不应求的现象。

3 人工智能在农业领域的应用情况

3.1 产前阶段

3.1.1 农作物选种

在农业生产过程中，农作物选种很大程度上决定了最终产量及质量，因此，农作物选种是农作物生产过程中非常重要的一个环节。人工智能技术可通过收集优良种子性状及其对应数据，构建分类模型，有效提升种子质量的鉴定速度，并通过后期种植结果不断丰富建模数据，修正模型误差，进一步保证鉴定效果。此外，还可以利用人工智能对种植环境、种植需求等进行分析，帮助种植者选择最适合的种子类型，提升农业生产收益[12]。

3.1.2 土壤成分检测分析

人工智能技术可对土壤传感器收集到的可溶性盐含量、地表水分蒸发量、土壤湿度等数据通过人工神经网络进行预测分析，决策各类农作物所适宜的最佳土壤。另外，也可利用人工智能技术预测土壤表层的黏土含量。通过深度加权方法从土壤传感器获取的信号中提取土壤表层地质信息，再使用人工神经网络预测土壤表层的黏土含量[13]。

3.1.3 农田灌溉用水分析

以往农民通常根据种植经验粗略把握灌溉用水量，不能根据多变的种植环境条件针对性地进行调整，在多作物灌溉方面更是无计可施。通过人工智能技术对农作物用水需求量进行分析，可以科学地指导农户灌溉，保证作物有水可依，极大程度减轻洪涝或干旱灾害对作物造成的不良影响[14]。此外，智能灌溉系统与传感器、灌溉设备连接后，可对土壤含水量进行实时监控，据此选择最合适的灌溉模式进行作物灌溉。

3.2 产中阶段

3.2.1 病虫害识别

农作物生长过程中经常会遇到一些病虫害，种类多、影响大，且时常爆发成灾，影响农作物正常生长，严重者会降低农作物品质和产量。人工智能技术可利用图像识别[15]、红外传感器检测、声音特征检测、雷达检测等技术，采用特定的计算机算法和模型，对农业的光谱或图像信号进行挖掘，对农业病虫害进行识别、预警，并提供参考解决方案。

3.2.2 农田杂草处理

农作物生长过程中，杂草会与农作物争夺土壤养分、生存空间及光照，此外，还会传播虫害等。以往主要的除草方式是化学除草，通过大面积喷洒除草剂实现除草，但长时间使用除草剂会让杂草的抗药性增强，对环境也会造成污染，还会引起农产品农药残留超标，导致消费者食物中毒。集成了车载传感器、车载摄像等设备的农田除草机器人，能够通过分析图像数据对杂草进行筛选，实现物理除草。

3.2.3 农作物施肥给药

在传统的农业生产中，农户很难使肥料发挥其最大的作用，容易出现施肥不当而造成肥害、烧苗、植株萎蔫等现象。通过人工智能对土壤成分进行分析，依据分析结果，借助农业机器人或无人机进行定点定量施肥，可以提高农业肥料的利用率，从而提高农作物的产量。同样，在治疗虫害方面，农户很难根据作物的生理状况给药，但通过人工智能的图像识别等技术，能够判断作物的虫害程度及种类，实现精准、适量的靶向打药，如图2所示。

图2 作物给药系统框架Fig.2 Framework of crop drug delivery system

3.2.4 专家系统

农业专家系统[16]在农业的管理、分析、决策方面起着重要作用，能够引领农户科学种植。农业专家系统利用人工智能中的大数据分析方法将农业领域相关的数据资料集成数据库，融合机器学习建立数学模型。农业专家系统利用这些数据，能有效地解决农户在种植过程中存在的问题。

3.2.5 农作物嫁接

农作物的嫁接相对复杂，需要考虑的因素众多。在农业智能领域[17]，智能机器人完成嫁接的过程是一种全自动的模式，可以自动检测出适合嫁接的幼苗，分辨出有缺陷的幼苗，并跳过有缺陷的幼苗。此类嫁接机器人的接枝成功率可以高达98%。

3.2.6 农作物采收

当前，农作物采收大多可以通过具备机器视觉、感知、操作等多项功能的采收机器人实现。采收机器人系统框图如图3所示。在配置有定位技术的情况下，智能机器人可按照期望的轨迹行进，避免与农作物碰撞而造成农作物损坏。采收过程中，机器人手臂的彩色摄像装置可检测果实的成熟度，此外，内置的压力传感器能够防止采摘过程中压力过大损坏果实。智能机器人可在农忙季节快速对农作物进行抢收，节约更多的人力和时间。

图3 采收机器人的系统框图Fig.3 System block diagram of harvesting robot

3.2.7 农产品产量预测

通过大数据对往年的温度、湿度、光照、水分、土壤元素、作物种类等农田信息进行挖掘，构建多维度的数学模型，找出影响作物产量的关键因素，再将往年的采收数据作为训练集输入到模型中，通过训练完善预测模型，从而把控采收过程需要投入的劳动力量。

3.3 产后阶段

3.3.1 农产品检验

农产品采收后，需要进行质量检验，检验合格方可进行农产品的销售工作。智能化农产品检验机器能够通过图像处理[18]、光学、电子鼻等技术对农产品进行分类，并筛选出不合格的农产品。然后将质量合格的农产品进行包装并送往存储仓或进入销售阶段。智能化的分类以及方便、快捷的品质检验保证了农产品的新鲜度。

3.3.2 农产品的互联网销售

利用互联网销售可为农户带来更多的机遇，拓宽盈利渠道。同时，利用互联网、大数据和人工智能技术，收集消费者的购买倾向以及市场的农产品销量信息，通过对这些信息进一步挖掘、分析，得到市场的供需关系，实时汇报给平台或农户，帮助用户了解农产品的市场行情，灵活制定生产销售策略，降低企业风险，实现利益最大化。另外，在互联网的背景下，农业物流管理体系[19]也为农产品的销售贡献了一份力量，对现代农业的深化和发展产生深远的影响。

4 国内外农业人工智能的应用现状

4.1 国外发展现状

在发达国家，人工智能技术得到了农业科学家和企业的重视，不断深化研究理论和应用，逐步成为农业服务业的技术顶梁柱。经过数十年的发展，人工智能技术已应用于现代农业中的土壤水肥管理，虫害、自然灾害预测防治，畜禽养殖管理，水产养殖管理，植被保护以及互联网销售等领域[20]。

在土壤探测和作物害虫防护领域，美国加州的IntelinAir公司开发的一款农业无人机，能够利用类似核磁共振成像技术拍下土壤照片，通过电脑智能分析，确定土壤的肥沃程度，精准判断适宜栽种的农作物。由德国PEAT公司开发的名为Plantix的深度学习应用软件，可根据用户智能手机拍摄的图像识别不同的农作物，还可以识别240多种病虫害[21]。加拿大VineView公司可在云端使用人工智能分析无人机捕获的图像和数据，尤其是根据葡萄叶的图像分析葡萄树疾病的隐患。

在畜禽养殖领域，日本Farmnote公司开发的一款用于奶牛身上的可穿戴设备Farmnote Color，可以实时收集每头奶牛的个体信息。这些数据信息通过配套的软件进行分析，采用人工智能技术分析奶牛是否出现生病、排卵或是生产的情况，并将相应信息自动推送给农户，以便得到及时处理。农户也可将已知的自家牛群的信息集成到Farmnote的系统中，从而进一步提高牛群个体体征数据分析的准确性。

4.2 国内发展现状

人工智能技术在我国现代农业生产中应用的时间相对较短，但近几年，农业人工智能发展非常迅速，出现了许多成功案例，如北京农业局开发的TRM-FZ1多通道光辐照监测系统，拥有自动巡回测试与记录温室内的二氧化碳浓度、光照、土壤含水量、温湿度等重要参数的分布及变化的能力[22]。

阿里云的ET农业大脑在农业种植方面能够对农产品产量和质量进行预测，分析市场供需关系，形成智能化的种植计划，以销定产。通过建立农作物生长模型，指定农作物的全生长周期水肥方案，实现实时的水肥决策，有效降低水肥成本，提高农作物产量。采用图像识别技术能够实现大田农作物的资产盘点，为订单农业的订单匹配提前做计划。

5 农业人工智能发展存在的问题与推动的措施

在农业领域，人工智能技术虽已迈入并有所应用，但与其他领域相对而言，农业领域里人工智能的应用略逊一筹。过去人工智能在农业生产体系中的投入占比较小，无法得到明显的技术推进和深层的改动优化。作为一项专业性很强的综合工程，农业人工智能需要大量的资金投入和前期工作。我国人工智能与农业领域深度融合和推广应用仍面临着多重挑战，如农村网络基础设施薄弱、在农业技术层面的应用仍处在起步阶段、研发的智能农业机器人还不具备适应不同作业条件的能力，难以在现实农业生产中投入使用等。在农业人工智能领域，需要政府主导做好相关的工作准备，将农业这项实体经济与人工智能深度融合[23]。要解决这些问题，需要政府从基础设施、技术供给、产业需求等多方面入手，全面促进人工智能与农业领域的深度融合，探索现代农业高质量发展的有效路径。

人工智能的核心是智能算法，但在农业领域中所涉及的差异性因素较多，各种实地情况复杂，难以采用单一的模型去适应所有农场的需求。为了应对不同的环境，需要对各种参数、要求等进行调整，其工作量大，工作难度高[24]。因此，农业人工智能系统的开发者需要针对实际的农业场景进行模型的调整与优化。

此外，为了让农业人工智能更好地发展，需要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[25-27]。

6 农业人工智能发展的展望

新一代人工智能将会有更广的应用，更好的数据运算能力，更精准的预测能力。而通信技术的快速发展也给人工智能技术提供了良好的平台，当前通信技术正从4G向5G过渡，5G时代的来临，意味着人工智能、互联网、大数据、物联网等技术将会有更加宽广的发展空间。5G与人工智能的融合将会促进智慧农业的快速发展[28]。利用5G网络的高速度、低功耗、低延时以及泛在网特性将可完成无人机等基础设施巡检，实现精准农业。

此外，在各种农业人工智能设备工作中，各种数据集将更加快速的上传至云端，提高了实时性并能更快得到反馈。人工智能技术可以用于提高粮食产量、减少浪费。在实验室和研究中心，机器学习算法能够帮助培育更好的植物基因，创造更安全、更高效的农作物保护产品和化肥，并且开发更多的农产品[29]。虽然现代农业产业与人工智能的融合还有许多困难需要克服，但是以人工智能为核心的智慧农业发展已是大势所趋。

7 结论

现代农业的发展深刻影响着国民经济和社会的各个领域。目前，人工智能技术正在迅速发展，为我国建设现代化的智慧农业发展道路和模式提供了强大的支持。人工智能在农业生产产前、产中、产后阶段均有广泛应用，在产前阶段可以进行灌溉控制、土壤成分检测和分析、种子质量检测等应用；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。随着人工智能技术的持续发展，我国现代农业的建设也必将不断前进，人工智能中的各种技术在农业领域的应用程度会不断加深，促进智慧农业的实现。