关于人工智能与智慧农业的调研报告

1.智慧农业背景：

关于智慧农业的现实背景，世界的农业正在向智慧农业转型，智慧农业的应用模式就是将现代化的人工智能机械运用到基础农业的生产工作中。目前看来，我国的农业一方面的特点是出入自由、生产灵活、具有一定土地规模；另一方面，农业的生产模式也存在一定的局限性，农业生产模式是高投入高产出，生态环境负担较大，可持续性不强，并且经济效益相对比较低。另外，人工智能背景下发展智慧农业存在以下的问题：缺少懂得利用人工智能的人才；农业生产的规模下不利于运用人工智能；收集农业生产的信息资源较为困难；智慧农业和商业发展联系不足等。

经过60多年的演进，特别是在移动互联网、大数据、超级计算、传感网、脑科学等新理论新技术以及经济社会发展强烈需求的共同驱动下，人工智能加速发展，呈现出深度学习、跨界融合、人机协同、群智开放、自主操控等新特征。

人工智能农业在发展的过程中，已经在很多方面取得了较大的发展，特别是随着各种类型技术装备的投入，整体的产业规模也在很多方面取得了较大的发展。智慧农业的应用模式就是将现代化的人工智能机械运用到基础农业的生产工作中。将智能云端系统连接到各个农业设备上，相互交换信息数据，能够有效提高生产管理的效率和设备的利用率，进而降低了人力资本。将自动驾驶与智能农业设备进行结合，从而达到长时间不间断的工作状态，农民可以从劳动者转变为管理者，从而达到用更小的精力获得更大收益。

农业是关系国计民生的基础产业，人工智能是智慧农业的基石之一，智慧农业通过对整个农业生产进行智能化指导和评估，建设智慧农业是技术进步的必然产物，是乡村振兴的应势而为，数字技术正在破解“谁来种地、怎么种地”的问题，改变“面朝黄土背朝天”的劳作方式，让“知天而作”的智慧农业逐步变为现实。

2.智慧农业的国内外发展现状：

2.1智慧农业在国内的发展状况：

我国在“十四五”时期，《数字乡村发展行动计划》中明确提出发展智慧农业，将新一代信息技术与农业生产、经营、管理和服务加速融合，发展数字化、智能化、系统化的现代农业模式。与发达国家相比，我国智慧农业建设尚处于起步发展阶段，各方面配套政策仍需进一步完善。当下，农业传感器、农业人工智能、农业大数据、农业遥感、高端智能农机装备制造等技术成为各国农业科技竞争的关键核心领域。“知彼知己， 百战不殆 。”如何实现智慧农业科技自立自强，亟需对中外智慧农业相关政策与战略行动进行比较分析，以期为我国制定加快智慧农业发展的相关政策提供方向性指导。

我国在推进智慧农业建设方面十分重视重大工程牵引。全国层面看，我国先后实施了北斗系统精准农业重大应用示范、农业物联网区域试验、信息进村入户试点、农业农村大数据应用试点、电子商务进农村示范、农业电子商务试点、“互联网 +”农产品出村进城工程试点等工程，旨在通过试点示范实现“以点带面”，推动区域智慧农业发展。 其中，农业农村部自2017起实施的数字农业试点项目，截至2019年年底累计中央投资11.5亿元，重点建设了数字农业创新中心、单品种全产业链大数据和数字农业试点县等 3 类项目共计92个项目。通过这些工程项目的示范带动，现代信息技术在我国种养业得到了初步应用，尤其在农情监测、农机精准作业与监管、动植物疫病远程诊断、无人机植保、 精准饲喂等方面取得了积极成效。从地区层面看，涌现了北京智慧农园、长沙智慧农业示范区、济南智慧农业试验区、广东省“5G+”智慧农业试验区、福建省现代农业智慧园建设项目等区域智慧农业建设工程，为其他地方推动智慧农业落地提供借鉴。开展智慧农业相关技术产品补贴，提高受众群体参与积极性农业新技术由于高成本、高风险、作用效果不明等特点很难得到广泛推广，需要国家出台相应的补贴政策。智慧农业作为新技术、新模式，具有投入成本大、投资回报周期长、使用的技术门槛高等特点，需要政府进行一定程度的调控以促进这类技术的推广应用，其中技术补贴就是一个有效的调控工具。

针对成本收益问题带来的智慧农业技术推广应用难问题，我国正逐步探索智慧农业相关技术产品补贴机制。如在2017年我国开始试点推行的植保无人机购置补贴中，从事植保作业的农业生产经营组织可获得每架植保无人机购置补贴金额1万元至3万元，在国家购机补贴与地方补贴基础上，大部分地区植保无人机只需原价的三分之一。同年农业用北斗终端纳入多个省级农机购置财政资金补贴范围，如甘肃对4种农业用北斗终端进行补贴，补贴额度在 300元到 27000元不等。从地区层面看，江苏省宜兴市将水产物联网列入农机补贴名录，大大激活了水产养殖户建设水产物联网的积极性。总之，农业部门通过有效发挥财政出资的杠杆和引导作用，积极带动了社会资本参与智慧农业相关技术的推广应用，促进了智慧农业的可持续发展。

2.2 智慧农业在国外的发展状况：

美国作为信息化与农业现代化最为领先的国家，十分重视现代信息技术在农业领域的应用。早在20世纪80年代，美国提出“精确农业”的发展构想。1982年，美国开始研发自动驾驶拖拉机，自此开启了研发高科技、高性能、智能化农业 机器人的先河。近年来，美国围绕精准农业、农业人工智能、传感器、农业大数据等领域开展了国家层面的战略部署。如2018年，美国发布《美国先进制造业领导战略》，提出要加快传感器、机器人 以及数字技术在粮食方面的应用；2019 年美国国家科学院发布了《至 2030 年推动食品和农业研究的科 学突破》，提出加强农业传感器的研发、集成与应用，实现数字农业高端化发展。

近年来，为应对气候变化和食品安全问题，欧盟十分重视智慧农业技术在推动农业可持续发展方面的应用，针对农业大数据、精准农业、农业人工智能等领域出台了相应的战略计划与行动。2014 年 荷兰、丹麦、法国等6国合作开展智慧农业典型代表项目 ——“Smart Agri Food”，旨在通过在欧盟 FIWARE 开源平台设计和研发规模化智能农业应用软件（Smart Apps）。2016年，欧盟“地平线 2020”计划资助的“阿波罗计划 ”（Apollo program）利用对地观测数据，为小农户搭建精准农业服务平台，服务内容包括监测农作物的生长状况和病虫害情况、 土壤湿度、地表温度和植物的光合作用情况，并计算出灌溉、耕种时间、产量等数据。2019年 6月，欧盟针对农业机器人推出了“agROBfood”项目，以此建立基于人工智能的智慧农业生态体系。总体看，欧盟在推动智慧农业建设上源于农业农村可持续发展的目标导向，强调智慧农业作为智慧乡村建设的重要方面，通过对农业生产数字化、智能化的支持，让民众与社会力量主动参与到农业农村发展当中，以此增进民众健康福祉、提升农产品国际竞争力。

智慧农业已成为各国抢占农业科技制高点的重点方向。智慧农业已成为当今世界现代农业发 展的趋势所在。美国、英国、日本、欧盟等国家和地区纷纷对智慧农业科技进行战略布局，重点围绕农业机器人、农业物联网、农业人工智能、农业大数据等领域相继推出发展计划，积极推动云计算、大数据、物联网等新兴信息技术在农业生产、经营、 加工、销售等环节的深度融合与创新应用。中国自党的十八大以来对智慧农业建设亦作出系列决策部署，乡村振兴战略、数字乡村战略、大数据战略、质量兴农战略等国家战略均从不同层面明确发展智慧农业，政策取向逐渐由“强基础”向“重应用”转变。 国内外对智慧农业的支持有异曲同工之处。尽管国内外在支持智慧农业建设方面各有侧重，但始终围绕基础设施、资源整合、技术研发、技术应用示范等领域展开，尤其在技术研发应用领域，国内外均将农业人工智能、农业大数据、农业物联网等技术列入本国重点支持的研发计划当中。从政策的差异性看,-国外更加注重智慧农业与解决劳动力短缺、实现绿色 发展相结合；而国内则重视通过重大工程牵引与试点示范，推动智慧农业与乡村振兴战略相结合，旨在通过试点示范推动智慧农业成果落地。

3.关键人工智能技术及其原理

3.1灌溉用水分析及控制(神经元与神经网络)

智慧农业的特点是对农业生产环境实时、自动、精准的监测与控制。现代农业生产中，灌溉用水供需 分析和控制主要解决的问题是，在确保农作物成长所 需用水量条件下，减少因灌溉水量不足或过多所导致 农作物旱涝情况的发生，保证农作物高产高收。采用 人工智能技术的智能灌溉控制系统可有效解决这个问 题，它主要通过具有极强学习能力的人工神经网络 (ANN, Artificial Neural Network)等人工智能方法，对 农产品用水需求量进行分析，也可以对水文气象指数、气候数据等进行挖掘分析，为智能灌溉控制系统提供 最有效的灌溉策略。此外，智能灌溉系统可利用物联网技术在监测控制区域部署无线网络、传感器节点、 灌溉设备，感知土壤水分，对土壤质量实时监测，来设置科学合理的灌溉水量，针对不同环境灵活选择自动灌溉、定时灌溉、周期灌溉等多种不同的灌溉模式，在保证农产品生长的同时，也节约了灌溉用水量。该系统集专家系统技术、自动控制技术、通讯 技术、传感器技术等高新技术于一体，可以实时监测土壤墒情，可以实现周期灌溉、定时灌溉、自动灌溉等多种模式，节省了灌溉用水，又能保证农作物良好的生长环境。用户可根据需要灵活选用灌溉模式，提高灌溉精准度和水的利用率。

3.2土壤成分检测与分析(人工神经网络)

土壤成分及肥沃程度分析是现代农业产前工作的重要组成部分，为农作物产量提供了贡献。目前与国外发达农业国家近80%的贡献率相比，我国土壤肥力对农作物产量的平均贡献率仅有50%。因此，对土壤成分检测分析，调整农作物生产结构，选择适宜种植的作物品种，进行合理的耕作施肥，是保障农作物高质高产的前提。此时，采用探地雷达成像技术及其非侵入性得到土壤检测图像，转换成数字信号，借助人工神经网络方法 （ANN） 对图像数字信号做进一步处理和分析，获得土壤表层载土的含量。当前，土壤成分检测一般是使用检测设备来进行，土壤成分分析主要是依靠软件来实现，可结合人工抽样分析来验证检测数据的可靠性。通过人工智能方法可帮助种植企业、农户获得准确合理的施肥时间、施肥地点进行科学施肥，达到高产出、低成本的目标。

3.3植保作业智能化（深度卷积神经网络识别）

植保作业智能化是依托现代信息技术通过对农业生产环境的智能感知和数据分析，实现植保作业的可视化诊断和精准化管理，是植保作业的最高形态。目前山东省农业植保部门的作物病害预警模型已经能够整合“面”上的遥感信息、“点”上的气象信息、大田调查数据以及病害早期症状监测信息，实现了植保作业智能化，从而精准指导病害防治。在农业病害识别中，安装部署无人机，获取自然环境中监控区域的彩色图像， 然后在计算机上使用深度卷积神经网络识别图像中的病害。在实际应用中，无人机植保作业对不同地形、地块大小和作物高度具备极强的适应性，能够实现均匀喷施，提高喷药效率。利用无人机进行植保作业能够有效应对因作物生长后期植株高大、分枝众多等因素导致的传统植保机械工作困难的问题。另外，随着计算机视觉以及深度学习算法的不断发展，图像识别的准确率不断提高，农民已经逐渐开始用智能手机来检测农作物病害。综上，当前植保作业智能化为作物病虫害监测提供了新型更为智能的方式，与传统方式相比，大幅提升了监测准确率和覆盖范围，并且减少了人力物力开销。

3.4 智能感知(深度学习算法, 图谱技术)

智能感知技术是农业人工智能的基础，其技术领域涵盖了传感器、数据分析与建模、图谱技术和遥感技术等。传感器赋予机器感受万物的功能，是农业人工智能发展的一项关键技术。多种传感器组合在一 起，使得农情感知的信息种类更加多元化，对于智慧农业至关重要。得益于三大传感器技术 (传感器结构设计、传感器制造技术、信号处理技术) 的发展，现在可以测量以前无法获取的数据，并得到影响作物产量、品质的多重数据，进而辅助决策。当 前在农业中使用较多的有温湿度传感器、光照度传感器、气体传感器、图像传感器、光谱传感器等，检测农作物营养元素、病虫害的生物传感器较少。通过图像传感器获取动植物的信息，是目前农业人工智能广泛使用的感知方式。新兴纳米传感器、生物芯片传感器等在农业上的应用，目前大多还处于研究阶段。深度学习算法是图像的农情分析与建模的利器。当前基于深度学习的农业领域应用较广泛，如植物识别与检测、病虫害诊断与识别、遥感区域分类与监测、果实载体检测与农产品分级、动物识别与姿态检测领域等。深度学习无需人工对图像中的农情信息进行提取与分类，但其有效性依赖于海量的数据库。农业相关信息的数据缺乏，是深度学 习在农业领域发展的主要瓶颈。 可见光波段可获得农情的局部信息，而成像与 光谱相结合的图谱技术，可获得紫外光、可见光、近红外光和红外光区域的图像信息。其中，高光谱成 像技术可以探测目标的二维几何空间和光谱信息，获得百位数量级的高分辨率窄波段图像数据；多光谱成像技术对不同的光谱分离进行多次成像，通过不同光谱下物体吸收和反射的程度，来采集目标对象在个位或十位数量级的光谱图像。基于多光谱图像和高光谱图像的农情解析，可有效弥补可见光图像感知的不足。根据与感知对象的距离，感知方式有近地遥感、航空遥感和卫星遥感等。因具有面积广、时效性 强等特点，20世纪30年代起遥感技术就开始服务于农业，首先应用这一技术的是美国，人们将其用于农场的高空拍摄，照片供农业调查使用。相对于方国家，亚洲地区运用遥感技术较晚，但近些年来遥感技术在某些方面也有了超前突破。

4.未来发展趋势：

智慧农业是农业现代化生产力的具体体现，近年来，国家非常重视智慧农业的发展，出台了很多支持政策。同时，互联网的快速发展也助推智慧农业逐步走向成熟，互联网、大数据、人工智能等新技术正逐步应用到农 业现代化生产中，传统农业方式已经逐步转变为高产、高效、低耗、优质、生态和安全的智慧农业模式。赵春江指出，未来我国智慧农业发展是以提高 主要农业产业的劳动生产率、资源利用率和土地产出率为目标，重点突破农业传感器、农业大数据和人工智能、农业智能控制与农业机器人等智慧农业关键核 心技术和产品，实现技术产品自主化；集成建立“信 息感知、定量决策、智能控制、精准投入、个性化服务” 的智慧农业产业技术体系，建成智慧农场，建立农产品智慧供应链，实现农业生产智能化、管理 数字化、服务网络化，农产品流通智慧化、农业农村信息服务个性化，推进知识替代经验、机器替代人工，培育农业智能装备、农业信息服务、农产品可信流通等新产业。

目前，智慧农业发展仍处于初级阶段，但5G、人工智能技术在其他行业已有许多成功应用的案例。人工智能在特定的环境中应用具有良好的效果，具有场景性，难以快速普及推广。如何使5G、人工智能技术在智慧农业中广泛应用，从农业种植、生产中收集数据、提取信息，寻找隐藏在海量数据中趋势、相关性，揭示农业生产发展规律以及可能的应用前景，都需要我们广大科研者不懈的努力，攻坚克难。相信在不远的未来，人工智能将和农业现代技术更好地融合，进而帮助农业生产者节约资源、提高产出、提升效率、降低污染，促进农业可持续发展。

2022 年中央一号文件指出，物联网、人工智能以及大数据等关键技术支持，将促进农业信息数据化，推进数据农业的有效实践。近年来，农业农村部积极推动智慧农业和乡村数字建设，作为乡 村振兴战略、国家信息化发展的重要组成部分，统筹部署实施。下一步，农业农村部将持续谋划实施智慧农业工程，推进物联网、人工智能、区块链等新一代信息技术与农业深度融合，加快农业全产业链数字化转型。我国各级政府也出台了 若干文件从政策上积极支持智慧农业的发展，但江汉平原智慧农业目前还基本处于初级发展阶段随着数字化技术的不断普及，人工智能的广泛运用，现代农业机械化水平不断提升，智慧农业将是农业发展的必然趋势，智慧农业的发展和普及也将是传统农业发展的一次重要革命。尤其是在国家多项政策支持鼓励下，数字技术促进乡村振兴、智能育种、智能装备等技术不断快速 发展，在农业生产中的种植、养殖、加工、储存、销售等过程中都会逐步运用。在将来的智慧农业中，大数据信息必将渗透农业全产业链，从种子、肥料开始，到田间的管理以及其后的废弃物处理过程，将体现出信息科技对农业产业发展的支撑作用，智能化设备将得到广泛应用。智慧农业发 展必然趋势就是农业无人化、少人化的操作实景，信息化科技推动农业生产方式变革，对农业种植、养殖业进行工厂化生产、加工和销售，实现农业产业链上合作企业的共同利益。

5.总结

综上所述，随着国家政策的大力支持，国家对于智慧农业的高质量发展也给予了特别的关注，科技的进步和互联网的普及，自动控制技术和人工智能的运用，为智慧农业的发展提供了前所未有的机遇，为经济的持续增长提供了无穷的动力。

目前来看，智慧农业发展仍然处于初级阶段，但人工智能技术在其他行业已有许多成功应用的案例。人工智能在特定的环境中应用具有良好的效果，但它具有场景性，很难快速普及推广。如何使人工智能技术在智慧农业中广泛应用，从农业种植、生产中收集数据以及提取信息，寻找隐藏在海量数据中的相关性，揭示农业生产发展规律以及可能的应用前景，都需要广大科研者不懈的努力，攻坚克难。

农业是关系国计民生的基础产业，人工智能是智慧农业的基石之一，智慧农业对农业的发展非常重要，建设智慧农业是技术进步的必然产物，是乡村振兴的应势而为，数字技术正在破解“谁来种地、怎么种地”的问题，改变“面朝黄土背朝天”的劳作方式，让“知天而作”的智慧农业逐步变为现实。

我相信，在不远的未来，人工智能将和农业现代技术可以更好地融合，继续帮助农业生产者节约资源、提高产出、提升效率，促进农业可持续发展。智慧农业的推进，并不是一次简简单单的技术进步，也并非农业系统的一家的力量就能够完成，需要社会去整合资源，各行各业协调发展，形成符合我国国情的智慧农业体系，才能推动我国智慧农业长期有效健康发展。