人工智能在农业领域应用的制约因素及建议措施

2021-12-27魏浩冉陆冬梅杜茂宝

南方农业 2021年5期

魏浩冉，陆冬梅，姜姗，杜茂宝

（河北科技师范学院，河北秦皇岛 066004）

近年来，随着现代技术在农业领域的不断应用，农业生产现代化程度逐步提升，但受历史等因素的影响，我国农业仍存在很多问题，如土地资源短缺、农业生态环境恶化等。随着生活水平的不断提高，人们对农业提出了更高的要求，农业转型升级迫在眉睫，而农业转型升级的关键在于人工智能等新术在农业领域的应用与推广。

1 人工智能在农业领域的主要应用

1.1 智能感知技术

智能感知技术是人工智能实现的基础，各种传感器连接在一起，为数据分析和建模提供了多元化的数据。一些在过去无法获得的数据，现在依赖传感器结构、制造技术和信号处理技术三大技术可以进行测定，从而帮助农民作出更加合理的决策［1］。目前，传感器的应用以温度传感器、湿度传感器、光照传感器等为主，产品质量传感器、农药残留传感器应的用较少，而新兴的纳米传感器以及其他高端传感器还在研究阶段。

1.2 智能农业生产装备

先进的农业人工智能装备是集成制造、信息和智能技术的深度融合的产物。针对不同的农业生产环节、生产环境，目前已研发出农业无人机、农业机器人、农业无人车等先进农业人工智能装备。

1.2.1 农业无人机

农业无人机与人工智能结合，可以利用GPS 技术和人工遥控技术实现无人驾驶，利用先进的云计算和控制系统，合理规划工作流程，更加方便地解决针对大规模农田的测量以及农情检测的问题，也能更加精准地进行农药喷洒等植保活动，降低人工成本，提高生产效率。农业无人机技术的普及对建设数字农业基础设施、改变传统农业种管方式、实现农产品追溯及培育农业人工智能起着关键性作用。在我国，极飞科技自主研发的植保无人机具有高效精准播撒、全地形精准作业、RTK 厘米级定位等尖端无人机技术，真正实现了无人机技术在农业喷施和播种等环节的有效应用，从而为农业生产者降本增效［2］。

1.2.2 农业机器人

农用机器人可以在农业生产领域有广阔的应用，包括收获采摘、信息收集、农情巡查等方面，但我国土地的现实情况限制采摘机器人一类的大型机器人的使用，且对采摘机器人的使用也有品类限制。现阶段的采摘机器人还无法胜任茶叶一类需要精细采摘的农作物的采摘工作，所以越来越多的高科技农机企业投身于农业智能机器人的研发工作中去。

1.2.3 农业无人车

农用无人车是通过雷达、GPS、超声波等先进技术的结合来感知周围环境，经过计算终端的控制系统，实现自动驾驶、农资运输、农药喷洒等，在未来农业发展过程中有广阔的应用场景。

1.3 农业物联网技术

农业物联网是将各智能农业装备、人和各智能终端相连，实时感知农作物的状态、农业作业的状态，实行精准感知、精准管理为精准农业提供信息支撑和远程控制能力。同时，可以利用农业物联网为农业溯源体系提供支持，保障食品从农场到餐桌的安全和健康。将农业物联网渗透到农业生产的各个环节，可以连接土地、作物和生产者，提高消费者对农产品的信任，全面提高农产品价值。

1.4 智能专家系统

智能专家系统是指集成某领域专家知识及水平的数据库构成的智能计算机程序，用于处理农业生产领域的问题。在农业生产过程中，很多问题的解决需要经验积累和专业知识，普通农民在生产时，缺乏专业的能力和知识，需要农业领域的专家进行指导，但专家数量有限，无法满足大量农民的需求。而专家问询系统通过人工智能语言处理与知识数据库的结合，模拟专家进行一对一地解决农户问题，帮助农户快速解决农业生产中遇到的问题［3］。

1.5 农业认知计算

人工智能的认知计算能够模仿和学习人类的认知能力，从而实现自主学习和独立思考，为人们提供了一个类似“智库”的系统，甚至超出了人类的认知能力。农业认知计算系统以有限的人力收集、处理和理解大规模数据，减少人力参与农业工作，提高工作效率，协助农业生产和贸易活动。该系统基于认知分析，可以为农业提供决策支持，促进智能农业的发展。目前，认知计算在农业领域还没有形成规模，但由于其强烈的人工智能特性，应用前景十分乐观。

2 制约农业领域人工智能发展的因素

2.1 在农业领域的人工智能技术水平落后

我国人工智能的水平与发达国家相比仍有一定差距，农业自动化和集约化是我国农业人工智能的短板，在集成电路、高端芯片和核心算法方面较发达国家还有很大差距。例如，在农业传感器领域，应用在农业生产环境探测方面的传感器已经比较丰富，但针对农作物自身信息的传感器较少，造成农业数据的缺乏，导致技术发展缓慢。

2.2 农业与人工智能复合型人才缺乏

我国目前处于农业转型的关键时期，对农业领域的高端人才需求量大，但在我国高等教育体系中，农业领域人才培养与现实农业的发展脱节，无法适应我国农业发展需要。同时，人工智能领域的尖端人才也不能满足农业人工智能发展需求，人工智能领域技术门槛高，短时间难以建立完善的人才培养体系，而且人工智能技术更迭快，人才数量远远不足。此外，人工智能与农业的复合型人才更是缺乏，鉴于农业的低效益性以及人工智能与农业结合的复杂性，使得农业与其他行业争夺人工智能人才的过程中不占优势。

2.3 农业人工智能的基础设施相对落后

农业人工智能中很多技术实现的前提是土地大规模整合，但我国农业实行农村家庭承包责任制，碎片化经营是我国农业的主要特点，这极大地限制了农业人工智能的应用，导致智能化机械装备无法使用，无法实现规模经济。同时，类似农业物联网等有助于农业人工智能发展的配套政策等基础设施也比较缺乏。

3 促进人工智能应用于农业的措施

3.1 推进农业生产智能控制技术研发。

加快智能感知、识别和促进农业生产经营决策模型的研究和发展。针对农业种植和育种的应用场景的不同，基于多源数据融合过程的农业决策支持方法，建立田间作物、温室、畜禽、水产养殖等领域整个产业链的决策管理和智能控制模型，借助5G 物联网，实现基于数据驱动下管理的“农业大脑”智能决策系统。

3.2 扩大农业与人工智能领域人才的培养规模

人才是农业人工智能快速发展的关键，各农业院校可根据我国农业现代化的发展趋势进行教学改革。1）可与类似极飞科技、优必选等人工智能领域企业实行校企合作，开设针对农业的人工智能专业，解决农民生产过程中的实际问题，为农业人工智能的推广和应用提供人才支持。2）应积极鼓励各科技企业培养具有农业背景的复合型人才，以便农业人工智能的进一步发展。

3.3 加快农业人工智能的基础设施建设

农业人工智能的应用离不开丰富的数据基础和实时的网络响应。农业基础设施不完善会造成农业数据采集成本高，很大程度上限制了机器学习在场景中的应用广度和深度。因此，必须注重农业物联网和农村5G 基础设施的建设，通过智能农业传感器等基础设施提高供水水平，建设农业生产信息化和数字化工程，引入农业数据共享机制，为人工智能农业装备的大规模应用提供基础和条件。

3.4 加强人工智能装备与整体计算架构的完善

针对农业生产需求，加快人工智能装备的普及，逐步提高资源利用率和农业产出率，提高经济效益。例如，农业无人机可以促进农业和其他行业之间的跨境技术整合，加快农业现代化的步伐。1）要考虑开发专用设备，降低成本，提高机器硬件方面的适应性。在软件方面，支持二次开发和扩展，为人机协作和多机协作提供良好的平台。2）构建基于云架构的“农业大脑”智能决策系统，在云平台提供存储和存储计算服务、边缘计算、物联网终端进行实时动态管理、云边缘农业机器人的协同决策支持。3）要想农业领域的人工智能机器人承担更多的工作，成为农业生产过程中的重要组成部分，需要同时推动动态人工智能、物联网、大数据、虚拟感知系统、多传感器融合及人机融合等新技术的发展和应用。