创新农业 共享未来——大家谈

无论对于科研还是实践，创新是第一动力。 无论社会如何发展，粮食生产都必须放在第一位。无论国际环境如何变化，农业永远是人类命运共同体的纽带。 2023 年11 月2 日至4 日，2023 世界农业科技创新大会在北京市平谷区金海湖国际会展中心成功召开。大会围绕“粮食安全与未来农业”主题，邀请具有全球影响力的科学家、 教育家和企业家， 共话世界农业科技创新领域前沿话题，共享最新成果，推动产学研合作与成果转化，培育全球农业发展新动能。

尹力

北京市委书记尹力在2023 世界农业科技创新大会上致辞说，粮食安全是事关人类生存的根本性问题。 中国用不足全球9%的耕地，养育了世界近1/5 的人口，为全球粮食安全贡献了中国力量、提供了中国方案。 当前，我们正在推进中国式现代化， 加快建设农业强国。 北京作为中国首都，将充分发挥科技、教育、 人才优势， 全力打造农业科技创新高地，为推进农业现代化、丰富世界粮仓插上科技的翅膀。 我们将紧跟世界农业科技前沿，加大关键核心技术攻关， 加快建设具有全球影响力的农业中关村，与各方加强联合攻关，不断形成原创性、引领性成果。 深入推进产学研用协同，在“种业之都”建设进程中，与各方加强种业市场需求对接，深化创新链、产业链、供应链三链联动， 推动更多科技成果落地转化，更好释放农业科技潜能。 发挥北京科技服务能力和创新资源优势， 持续优化科技创新环境，营造优良的农业创新生态，积极融入全球农业科技创新网络， 强化企业创新主体地位， 支持国内外知名涉农科技企业在京布局发展， 为全球农业科技创新人才搭建追逐梦想的舞台。

唐仁健

农业农村部党组书记、部长唐仁健在2023世界农业科技创新大会上致辞说，中国政府历来高度重视农业科技创新，深入实施创新驱动发展战略，锚定建设农业强国目标，加快推进农业科技自立自强，稳产保供科技支撑扎实有力，农业可持续发展技术加快推广应用，底盘技术研发攻关迈出坚实步伐，科技交流合作取得丰硕成果。当前，以生物技术、信息技术为特征的新一轮农业科技革命正在孕育新的重大突破。希望各方采取一致行动，以更加高效、更加绿色、 更加智能的农业科技来保障粮食安全、促进农业可持续发展。 围绕基础前沿和共性关键技术领域，联合攻克农业科技难题。 携手推动成果互惠共享，以更大力度推广粮食绿色增产、智能种植养殖、生态循环农业等适用技术模式。 共同促进科技人才交流，拓展农业科技交流广度深度。

（来源《北京日报》）

可进行智能环境检测的智慧农业物联网管理

2023 年11 月2—4 日， 在2023 世界农业科技创新大会分论坛智慧农业论坛上，国内外专家齐聚一堂，共话智慧农业技术、应用、前景等，令人振奋、向往。因篇幅所限，仅摘选部分内容。

2023 世界农业科技创新大会分论坛智慧农业论坛现场

兰玉彬

法国欧洲科学院院士、 俄罗斯自然科学院院士、华南农业大学电子工程学院人工智能学院院长

主题：《精准农业航空技术在生态无人农场中的应用》

精准农业航空技术是为了让数字农业迈向“田间不见农人影，唯有农机兀自忙”的未来农业景象。精准农业航空， 主要是通过无人机空中遥感对地面作业对象进行信息获取，来实现精准作业。 以施药技术为例， 用无人机对田间的农作物和果树进行信息获取，以实现精准施药的目的。

农用无人机经历了从手动操控到半自动化、自动化、智能化的飞跃发展过程，它体现的技术多式多样，特别是在智能规划航线、仿地飞行、无人机避障、夜间飞行等方面。

首先介绍一下农用无人机。 2020 年，我国的植保无人机是10 万架，作业面积突破10 亿亩次。在航空植保统防统治方面， 农用无人机比农民的自防效果提高10%~20%，减少农药使用20%~30%，农药利用率提高10%以上。农用无人机在中国得到了各方面的提升，电动植保无人机从技术到应用，在国际上领先。

农用无人机作为农业机器人，是产业应用最大的黑科技，近些年国外农用无人机发展迅速，如“大疆”“极飞”大量出口，在国外销售的比例大幅提升。无论是大型作物还是果园方面，农用无人机都得到了很多应用。

其次介绍一下精准农业航空技术与装备。我带领的几百人研究团队，涉及的领域非常广。 我们在多种农作物如小麦、花生、棉花病虫害的监测，对线虫的检测，自然灾害评估和耕地分类，以及无人机在高光谱和遥感的柑橘黄龙病监测等方面做了多年探索。另外还在无人机遥感技术识别水稻杂草和对靶精准施药方面做了大量研究工作。

无人机的智能技术体现在仿地飞行系统、一控多机、变量喷洒、远程作业数据、高精准的系统上，对此我们开发了农业航空的大数据平台，特别是监控系统，以及智能化的作业平台。 在水稻、小麦、高大密植作物上的应用，特别是在棉花田间管理的工作上有重大突破。

未来，应用人工智能和芯片等高新技术，遥感和作业将一次完成，成为察打一体机。“十三五”国家重点专项就是地面与航空高空植保装备， 无人机不排斥地面机器的应用， 特别是对于高秆作物和高密果园，空中无人机很难有好的效果，通过和地面相结合，空地协同感知来喷施作业，效果就会好很多。

最后是生态无人农场模式的探索与实践。 生态无人农场是将农用无人机技术落地应用， 打造首个无人农场。我们选择了山东省淄博的朱台镇做实验，探索未来谁种地、种好地的问题。 生态化农业、绿色循环农业以及无人化作业三大部分构成生态无人农场的体系。 在模式方面，有绿色防控技术体系、生态沃土技术和农田生态系统。生态无人农场占地4000多亩，包括智慧猪场、智慧牛场、智慧渔场，以及无人化作业的大田，通过绿色循环，从地面铺设管道和过滤技术，来实现生态无人农场全方位的探索。

远程操控大数据云平台就是生态无人农场的智慧云大脑，这个智慧云大脑在大学里，并不在农场。我们通过智慧云大脑远程操控农场里的农机，以及智慧牛场的作业， 真正实现“田间不见农人影，唯有农机兀自忙”的真实景象。

兰玉彬在论坛上发言

赵春江

中国农业工程学会名誉理事长、中国工程院院士、国家农业信息化工程技术研究中心首席科学家

主题：《智慧农业技术创新发展》

智慧农业是综合应用信息技术、 智能装备技术形成的一种新的高效率的生产模式。 它对于提高农业生产力，特别是提高资源利用效率，以及在温室气体排放、保护农田环境方面，都具有非常重要的意义。 目前，智慧农业已经成为国际前瞻，并进行了战略性布局，美国、欧盟和日本都已有自己的发展战略。 农业传感器、数据科学、农业人工智能、 农业物联网和机器人等各个方面都有相应的战略规划，从而推动智慧农业创新发展。

从工程应用角度来看智慧农业关键科技，我个人理解包含6 个方面。

一是农业传感器与信息采集系统。 二是农业卫星遥感与无人机系统。无人机除了获取信息，还可以打药、播种、施肥、授粉。三是农业大数据与机器智能。四是农业模型与算法。五是农业智能化装备与农业机器人。 六是智慧农场集成技术。

从“卡脖子”角度来考虑，有三个问题需要尽快解决。

第一是农业高端传感器是实施智慧农业的信息之源。没有传感器，我们就得不到信息。全球农业传感器每年的产值是2.6 万亿元，而我国的市场占有率只有4.2%。我国的农业传感器主要依赖进口，目前已耗资460 亿元进口600 万支，所以未来传感器的需求量是很大的。未来我们通过核心技术的攻关，实现传感器的自主可控，提高我国的创新能力，这也是全球发展智慧农业的核心点。未来的创新发展需要产学研结合才能从根本上解决问题。

第二是农业大数据智能化，主要是计算智能。计算智能怎么来？是用数据加模型和算法。如果算力比较强的话，就需要提高速度。 所以，未来首先要关注农业数据的价值。 现在农业数据与工业数据不同的地方，就是农业有生性。所以未来农业一定与地理位置、空间位置有紧密的关系，必须把农业所有情况和空间位置紧密关联。 不同的生态区，同一作物生长发育的特点不同，施肥的管理和各种管理措施也会不同。

未来基于数据可以做很多事情，比如可以进行病害和虫害的智能识别。 现在农业领域有7000 多种病害和虫害，每年造成约360 亿元的损失。因此，我们需要做好植保工作。 美国的科研基金1/3 用于植保，1/3 用于种子，其余用于其他农用科技，意义非常大。例如，应用大数据机器学习模型，可以精准诊断水稻的叶瘟病，还可以实现在线识别。 在线识别精度与学习的样本有很大的关系。动物行为分析也可以基于大数据进行分析，动物的喜怒哀乐和特殊反应及动作，都可以作为判断动物健康与否以及繁殖的重要特征。

第三是智能化的农机装备。现在农业技术发展很快，国内农机产值达5000 亿元。 从全球化来看，自动化的拖拉机、机器人、UAV（无人机）是农业领域高端的智能装备。这几种装备年复合增长率超过了2 位数，增长速度非常快。 这说明智慧农业的发展对装备的需求是非常大的。一是智能，二是精准，三是高效，这3 个方面体现得非常突出。 此外，特定场景的智能化装备也会快速发展。 高度智能化的机器，具有高速度、高质量、高效率的特点，这“三高”对农机智能装备提出了非常高的要求。 在远程监测条件下，人不在农机作业现场，让机器自己完成作业，实现无人化或少人化。

赵春江在论坛上发言

智慧农业的关键技术很大一部分与人工智能分不开，特别是农业自主无人工厂。AI 正在改变科学研究和各个领域，将很快成为研究的工具，我们关注人工智能，包括数据分析、模式识别、实验设计和药物发现、计算模拟等方面。 目前新一代人工智能重点包括五大方向。 第一是大数据智能；第二是跨媒体智能；第三是混合增强智能；第四是群体智能；第五是自主智能系统。

相信通过人工智能的技术， 对我们发展智慧农业大有好处。

张漫

中国农业大学信息与电气工程学院院长主题：《智慧农业与农业机器人》

智能农机装备或农业机器人是实现智慧农业的重要途径， 所以我们研究团队在近20 多年的时间里，一直在围绕农业机器人开展相关技术创新。

农业机器人的关键技术是自主导航，涉及定位、路径规划、信息感知。 因为有环境信息的感知，才能进行障碍物的避障。机器人之间还涉及协同作业，有时需要多个机器人协同完成任务，所以需要有通信。机器人在感知到环境信息以后， 需要根据感知到的环境信息进行减速或绕行， 这就是决策和执行。 同时，随着机器人技术的发展，自主学习也是机器人一个很关键的技术， 它能够通过一些先验知识不断更新，通过人工智能的方法提高自主学习能力。

（1）表型机器人。

番茄幼苗的表型机器人是基于ROS 系统，采用单线激光雷达进行环境建图和路径规划，在机械臂上搭载一个相机，进行番茄的测量。

这项技术在大田中受光照影响比较严重。 采用三维的激光雷达获取3D 点云数据，避障采用的是单线的激光雷达，遇到障碍物以后进行环境信息的实时感知，遇到障碍物以后进行绕行。

（2）收获机器人。

基于机器人平台，番茄收获机器人通过手眼协同，识别番茄位置， 通过加持器和柔性手抓进行番茄的抓取。 在这项技术里，主要是番茄果实的识别，判别番茄的成熟度， 如果是串收的西红柿， 需要判别果梗的位置，进行机械臂的轨迹规划，进而实现准确的采摘。

小麦收获机器人是在小麦收割机上搭载一个冲击式的谷物流量传感器， 收割机在收获的同时，能够采集谷物的流量数据，进而能得到这块田地的产量数据。 得到的原始数据就可以进行空间变异性和时间变异性的分析，为后面的变量施肥和变量管理提供决策依据。

（3）鸡舍巡检机器人。

如果工厂化养殖里出现病鸡和死鸡， 将会对工厂造成极大的损失，因此需要人工每天去巡检。 如果有了巡检机器人，每天定时完成这项作业，可以在很大程度上代替人工劳动。 在这个基础上，开发了第一代鸡舍巡检机器人， 这个机器人搭载了热成像仪和可见光， 构成了识别系统， 搭载在机器人上进行巡检。 第二代机器人采用了更高精度的电机和雷达，同时对外观进行了改进。

（4）多机协同系统作业机器人。

张漫在论坛上发言

通常需要多个机器人协同完成一项作业任务。这里以主从跟随型的多机协同为例， 来介绍一下协同型自动导航系统的机器人。收割机是主机，运粮车是从机，我们开发了相应的终端软件，可以实时获取主机和从机的作业轨迹，进行合理的规划。多个机器人协同作业时，会互相成为障碍物。基于视觉的障碍物识别与避障研究采用全景相机作为识别传感器，障碍物监测精度为95.5%，识别速度能达到毫秒级。

未来，研究主要从自主感知、自主学习、自主决策出发，主要包括复杂环境下的自主感知、多场景的自主学习，不断提高机器人的智能化程度，同时提高协同作业和人机交互的性能。

吴才聪

中国农业大学信息与电气工程学院大数据系教授

主题：《农机作业大数据挖掘与应用》

精准农业要求实现定点定量定时，“北斗”刚好可以提供精准的PNT 服务， 也就是定位导航和授时功能，“北斗” 在农业中的应用是一个非常好的应用。 过去10 年，“北斗”在农业领域主要应用于农机的自动驾驶、精准作业、作业监测、运维管理、农机大数据和海洋渔业等方面。

首先是数据来源。 农业机械主要是动力机械，比如在收割机、拖拉机上安装“北斗”定位终端。 这个终端将数据传送到农机制造企业， 农机制造企业再把数据实时推送给研究室。 我们在农机上安装两类终端，一类是远程监测终端，定位精度可以达到米级和亚米级。另一类是自动驾驶终端，定位精度可以达到厘米级。 我们的数据主要来自亚米级的终端。 基于这些终端构建了一个大数据机房和大数据平台，目前接入的各类终端大约有71 万台。

有了这些农机的轨迹数据和工况数据， 就可以面向三个层次开展大数据的挖掘和应用，包括宏观、中观和微观三个层面。宏观是针对农业农村部，包括地方的农业农村部门， 它们主要关注的是国家所在省市农机作业的总体进展。中观是针对农机企业，我国法律规定，农机企业在销售农机一年内，要提供免费的“三包”（包修、包退、包换）服务。 这样农机企业可以知道客户和产品的具体位置， 一旦客户发现问题，能及时联络到农机企业，农机企业可以就近调度应急维修资源和人员，为客户提供紧急维修服务，保障农机的持续作业。从微观层面来看，很多机手希望了解当前区域的农业机械的热点分布情况， 从而决定自己跨区作业的转移方向。

因此，在农机大数据基础上，可以围绕中国比较紧急的作业，如三夏期间的小麦收割，进行数据分析并采取相应的措施。 在华北平原地带，每年的五月初至六月底收小麦，收完小麦以后，马上要整地或耕种玉米，这个时候抢收抢种非常紧急。 我们围绕小麦收割的热点，制作了麦收快讯。 根据位置数据制作了农机在线数量的分布图，从5 月下旬持续一个月时间，每个阶段收割机的数量都可以清楚地看到。 通过这种方法可以实现定量监测，基本上每年的高峰期是在6 月1 日到6 月11 日，这11 天小麦收割机在线数量是最多的。 通过该方法监测出每天的小麦收割机的总体分布情况，为国家和地方层面关注农收并采取相应措施提供了一定借鉴。

吴才聪在论坛上发言

针对每台农机和每个区域的农机，都可以进行作业时长、作业里程、作业面积、作业收入方面的数据统计，从一个点的数据，最后可以得到每台农机或每个区域农机的收入、成本和利润情况。 我们每年会做一些有趣的事情，比如统计每天的作业冠军和收获季作业冠军，收获季作业冠军一年可收割4000 多亩。

在一些基础性的研究工作方面，可以利用平均作业面积估算整个国家活跃的收割机数量， 进而分析赚钱背后的移动规律。 中央电视台播发的麦收快讯，以及农业农村部的官网发布的麦收快讯数据，均来源于重点实验室所做的大数据分析结果。

我们的重点实验室围绕物质能量和信息构建了一些行业贡献平台， 来研发相应的动态调度模型，并开发了移动送油的试点应用，从三个维度保障农业生产，来提高农业的确定性。

宋茜

中国农业科学院农业资源与农业区划研究所副研究员

主题:《智慧果园关键技术研究与应用》

水果作为种植业中继粮食和蔬菜之后的第三大产业，在农民增收和经济发展中发挥着重要的作用。 因此，在此背景下，发展智慧果园推进数字技术与果业的深度融合，已经成为果业发展和转型的重要抓手。 然而智慧果园在发展和建设中，实际上面临诸多挑战。

首先，从果园信息获取的要素上来讲，目前获取的信息要素并不全。 现在大多研究以果园的地理环境和长势、面积等群体参数为主。 针对果树数量、产量，特别是杂草识别和水肥诊断的研究不足。特别是果园信息获取的精度也不高，获取手段以传感器和平台为主。 我们在突破果园信息获取处理和作业的技术短板上，急需开展重大攻关。

数据成为关键的生产要素， 果园数据从哪里来？ 数据如何处理、如何应用？ 研究团队首先利用空田地一体化果园智能感知体系整合了物联网、无人机和移动平台的移动互联平台， 集成了遥感等技术，构建了地形、土壤等多维参数，以及果园、果树和果实多主体的全链条、 全要素的信息感知技术体系。

针对数据如何处理问题，研究团队围绕果园、果树和果实“三位一体”的多维信息挖掘和信息技术，构建了融航天遥感、 航空遥感和地面遥感为一体的多参数、多指标的信息获取和研究体系。在宏观尺度上，基于高分和哨兵数据的结合，充分挖掘果树的物候期， 结合红外波段的特点， 构建了果园的识别模型。在县域尺度上开展了山东烟台栖霞苹果、广西南宁市武鸣区柑橘种植空间分布的信息获取。 针对果树，特别是不同的果园类型，利用果树的光谱和几何特征等，构建了不同的识别框架，有效破解了密集果园下果树识别的难题，识别精度提高到94.7%。

其次，在果实识别上，我们针对果树的标注和检测技术、 中心地位等关键技术环节也进行了研究。 针对数据样本不足和获取难的问题，开展了果实跨域自动化标注方法。通过原始域和目标域来生成一个转换器，基于这种模式的转变，有效地生成了真标签和假标签，提高了果树的识别能力。目前，我们通过视频的序列影像的实时数据采集，从跟踪结果来看，能达到94%的精度。 总体而言，精度比较高，计算量较少，速度相对较快。

宋茜在论坛上发言

最后，我们在数据驱动的智能装备和作业信息服务方面开展了一些工作。针对果园进行了一系列作业装备的研发。我们研发了云边端一体化的田间服务一体机，我们称它为田间小精灵，它的主要功能是在果园中进行精准数据获取。通过自带网络通信能力和互联互通多机协同作业，能够打通数据链条，支撑数据的获取，驱动智能农机的变量作业。

此外， 我们还研发了水肥一体化的灌溉系统，通过该系统能够精准决策灌溉量和灌溉时间，省钱省时省力。

基于植保作业来驱动智能装备，实现了无人喷药的机器人作业。 针对果园地形，通过果树精准定位，以及病虫害处方图来驱动智能作业和喷药。 跟随运输机器人的果园“小工兵”主要通过智能跟随和搬运解决农民老龄化的问题， 协助农户施肥、锄草和运输果蔬，降低了农民的劳动强度。

在智慧果园的生产数据的管理和服务平台的研发上，我们不断挖掘创新推动数字技术的落地发展，向着无人化果园的农场前进。

张琳

北京市商汤科技开发有限公司新兴创业业务副总裁、智慧遥感总经理

主题:《AI 助农·智赋乡村》

人工智能技术是未来智慧农业发展的技术原动力。 商汤科技作为中国原创人工智能平台公司，创业9 年以来， 一直坚持以深厚的学术积累和原创技术为核心， 在全球科技竞争中肩负为国家占领全球人工智能高地的使命， 企业的发展非常感谢国家的支持。 2018 年商汤科技入选科学技术部授予的第一批人工智能开放创新平台，2021 年在香港完成了IPO 上市， 也是当年全球第一家成功实现上市的人工智能企业。

人工智能技术随着ChatGPT 等生成式AI 技术的爆发，已经迈向了2.0 时代。 这主要归功于大算力和大数据形成的巨大突破，推动人工智能进入大模型的时代。 在2.0 时代，我们认为科技生产的范式出现了新变化， 过去80%的内容， 无论是文字、图片、诗篇还是编程都是由人工生产的。 在2.0时代， 我们认为80%有价值的内容是由大模型直接生产或者由机器直接生成， 剩下的20%是由人工通过各种提示工程，比如输入一些关键词优化来实现最终的结果。

在农业遥感方面的AI 创新。在农业上对于遥感数据的应用非常普遍， 但是传统遥感存在精度、时效、泛化能力差等问题，这导致了农业遥感数据在很多应用场景上的局限性。相较于传统的遥感技术，AI遥感技术在各个方面已经解决了很多问题。 性能提升很显著，比如对于县域地块识别，智能遥感技术只需要8 小时就可以完成所有的数据分析处理， 但是传统遥感解译却需要65 天。同时传统遥感解译无法实现标准的统一，自动化程度也会受限，所以AI 的泛化能力非常好，实现了各种问题的突破。

在作物识别的AI 算法上， 目前对于主粮作物和大宗经济作物可以做到精细化识别。 已经有了水稻、玉米、小麦三大主粮作物全自动化识别模型，大豆、 棉花这些经济作物也可以做到自动化识别。模型不仅可以适配十米数据， 对于亚米级的数据也可以做到精准适配。

在农业生产方面， 我们结合决策类AI 的技术，以农业种植AI 大模型为切入口，通过视觉感知类的AI 遥感数据分析，包括无人机、田间物联网数据的采集，结合农艺师的专家经验和知识库训练水稻、玉米、小麦等以大田种植为主的农业种植大模型。未来只要输入和种植数据相关的信息， 通过计算机的大模型处理，就可以自动生成各种专业的种植建议，指导农户科学开展各种农事操作， 驱动自动化的灌溉设施、无人机作业，实现种植的智能化升级。

目前开展的AI 应用具体有以下几个方面。

第一， 面向粮食生产安全的监管开发了一系列应用，通过AI 遥感，包括政府数据的汇聚，可以高时效、低成本地对区域进行精准的监测。再结合历史数据和空间数据， 在系统上对粮食种植的任务进行比对，支持春播、夏播等一系列农事作业的有序开展。

张琳在论坛上发言

第二， 在非农非粮的监测上也有很好的实践经验。 我们通过比对， 可以直接对耕地的农业设施建设、占用耕地的行为等非农化的建设行为做到精准发现，而且可以做到区块级的勾画识别。这些数据对于监管部门开展点对点的工作非常有价值。

第三，在金融服务方面，AI 遥感技术也可以显著提高遥感数据应用的及时性。 基于AI 遥感大模型可以扩大高时效和低成本的耕地规模，并进行作物长势分析、灾害数据的分析。 政府部门可以基于这些数据和保险公司的各种理赔承保业务做数据交叉核验，保险公司可以利用这些数据对自己承保理赔的业务做数据核验， 将新的AI 技术服务在农业保险上，把“三农”保障工作落到实处。

第四，在农村的人才培育上，AI 技术也有较好的应用前景。 结合农业的语料库，面向农业开展专项化的大语言模型训练， 实现对农业技术支持的自主学习，自动汇集农机知识库，为农业技术应用提供大模型的支撑。 未来农民可以打破时间的限制，与数字人进行无缝衔接，进行24 小时的沟通。还可以通过数字人视频的生成技术， 结合AI 文案生成、 文生图等能力，将农业技术知识制作成短视频，以更加灵活和生动的方式为农民提供农业的技术咨询。

还可通过最新的三维内容生成平台技术，实现高效率、低成本，在大场景范围内的三维建模和精细物体的建模，使农产品数字化宣传、营销应用打开新的技术应用的想象空间。

（根据会务组录音整理）