浅析人工智能在农业领域中的应用

2023-09-02吴金凤

新疆农机化 2023年3期

吴金凤，王楠

（信阳农林学院，河南信阳市 464000）

0 引言

农业是人类生存与发展的重要基础，随着全球人口的持续增长，农业生产面临着巨大的挑战。然而传统农业已经难以满足现代农业生产的需要，在这种背景下，人工智能技术成为了农业创新的关键驱动力。本文将从智能种植、智能养殖、农产品质量检测和精准农业四个方面对人工智能在农业中的应用进行阐述。

1 智能种植

智能种植利用人工智能技术对农作物种植进行精细化管理，以提高农作物的产量和质量。通过大量数据的收集、分析和预测，智能种植系统可以为农作物提供合适的水分、养分和光照等生长条件。王伟利用人工智能技术进行农作物种植管理，将植物生长情况在线转化为参数上传到计算机，农户可以实时观察西红柿生长情况并实现在线控制。日光温室种植通过传感器进行一体化循环作业，数据分析可以帮助发现并反馈西红柿生长过程中的问题[1]。张传帅在设施园区建设智能水肥一体化系统，科学地对草莓进行浇水施肥，助力草莓生长[2]。仇文超通过搭载各种传感器的移动机器人对作物进行了全方位的数据采集，实现了高效、准确的数据采集[3]。张治力提出棉花精量播种、无人机打药、高效节水滴灌、采棉机采收，全程基本实现机械化、智能化作业[4]。魏焘使用数据挖掘技术对玉米的生长数据进行了分析，得出了影响玉米产量的关键，包括温度、湿度、土壤酸碱度等，为作物的智能化管理提供了理论基础。通过对作物生长数据进行分析和建模，可以实现对作物生长的预测，为作物的智能化管理提供更加精准的决策依据。作物生长预测主要涉及模型建立和模型参数的优化等方面[5]。汪斌超通过时间序列模型观察小麦从播种到生长的这段时间的气候产量，达到对小麦总产量的预测[6]。智能种植技术在农业生产各阶段的应用使农业生产更加精细化、个性化，并有助于实现绿色、可持续发展。

2 智能养殖

在畜牧业中，人工智能技术被广泛应用于动物健康状况监测、饲养管理和繁殖等方面。通过对动物行为及生长数据等信息的实时监测和分析，智能养殖系统可以为动物提供个性化的饲养方案，提高动物福利和生产效率[7]。牧原企业使用了多种传感器对猪舍的环境参数进行了数据采集，包括温度、湿度和氨气浓度等指标，并通过对数据的分析实现了对猪舍环境的自动化控制[8]。智能机器人对鸡舍进行了数据采集，并通过对数据的分析实现了对鸡舍温度、湿度等参数的自动化控制[9]。梅威达使用了机器学习技术对肉鸡的生长情况进行了分析，包括生长速度、饲料摄入量等指标，并通过对数据的分析得出了科学依据，为肉鸡的智能化管理提供了不同生长阶段的生长规律[10]。陈澜的研究聚焦于基于自适应模糊神经网络模型的预测方法。此预测模型以水域温度和鱼类的平均体重作为输入变量，采用钟形函数作为隶属度函数。通过模糊神经网络建立了投喂量与这两个因素之间的关联。同时采用组合算法对模糊规则参数进行训练，最终实现了对投喂量的预测。这种方法在无需监控的情况下为鱼类提供科学投喂，节约了人力资源，并为合理投喂提供了技术和理论依据[11]。

3 智能农产品质量检测

农产品质量检测是指对农产品的物理、化学、生物等方面的质量指标进行检测和评价，保障农产品的安全和质量，在农产品质量检测领域，人工智能技术的应用主要涉及视觉识别和光谱分析等方面。通过这些技术，可以快速、准确地对农产品的品质和安全状况等进行评估。徐广飞在论文中提出了一种基于RGB 三原色的R 通道处理策略，此方法能够准确识别苹果的尺寸和缺陷，同时确保检测系统的可靠性和稳定性。为了使采集到的苹果果梗或果尊保持垂直状态，可以采用连续采集手段获取果实图像，接着利用多帧图像计算苹果缺陷的面积。此外，建议开发一种新型输送装置以提高苹果分级的准确性[12]。纪莹莹成功地实现了对西红柿表面缺陷的自动检测。利用计算机视觉技术进行西红柿分级时能够准确提取果皮颜色、尺寸、形状以及瑕疵等特征信息。然后通过对西红柿表面图像特征进行分析，运用模糊理论完成对西红柿的综合分级任务[13]。池生宝使用了深度学习技术对水稻的病害进行了识别和分类，通过对水稻病害的图像进行处理和分析，实现了对水稻病害的自动化检测[14]。肖焱堃利用电化学传感器对葡萄酒中的酒精含量进行检测，通过对其化学成分的分析实现了葡萄酒酒精含量的自动检测[15]。许童桐等人将视觉、听觉和触觉等虚拟自然场景融合，为试验者提供沉浸式体验。这种方法可以与食品感官技术相结合，辅助分析市场新产品并了解试验者的喜好[16]。施行结合机器学习和深度学习方法，针对红提串分别建立了紧实度、成熟度及破损检测分级模型，并根据实际需求进行综合分级，然后将分级模型导入安卓手机，便于果农和消费者对红提进行准确、客观的分级识别[17]。因此目前智能检测技术利用计算机视觉、光谱分析、电化学传感器等技术可以对苹果、西红柿和葡萄酒等产品的尺寸、颜色、成熟度、瑕疵和等进行检测。

4 精准农业

精准农业[18]旨在通过人工智能技术实现农业生产资源管理。主要应用领域涵盖土壤监测、气象预测和灌溉管理等。在精准农业中，数据采集至关重要，利用各种传感器和设备收集农田气象、土壤、作物生长等信息为数据分析和决策提供基础，同时传感器数据的精确性和可靠性对数据分析和决策具有重要影响。李凡对激光雷达采集的三维点云数据进行预处理、农业地面去除、点云聚类、多目标跟踪等操作，检测农田中所有障碍物的空间和运动状态信息，为农业机械避障提供保障。针对单目视觉采集的RGB图像，利用YOLOV3 深度学习方法提取农田场景下障碍物类别，最终通过特征融合获取农田障碍物的整体信息[19]。李英伦利用统计分析技术对该区域内土壤四层水分含量数据进行线性分析，随后应用ARCGIS 软件对试验田地块的土壤水分含量数据展开三维可视化研究，最后将辅助插件集成到ARCGIS 软件中，实现优化试验田地块土壤水分含量数据三维可视化效果[20]。此外，刘兴波等对土地进行定级区分，对区域内相关数据进行了采集、计算、验证和除错等操作，计算出该区域板块土地价格，实施空间聚类，最终确定土地级别[21]。王望来等运用智能灌溉技术实现农田的自动化管理，通过分析农田的气象和土壤等数据实现农田的精确灌溉，提升农业生产效益和品质[22]。王春颖等采用机器学习技术分析和预测农田作物生长状况，通过数据分析和决策树构建为农业生产决策提供支持[23]。总之，精准农业技术通过各种数据分析和智能算法，为农业生产提供了有力支持，有助于提高农业生产效率和产品质量。