計算機技術在農業現代化中的應用前景分析

王 超，鄭海新

(福建省農業科學院培訓中心/數字農業研究所，福建 福州 350003)

計算機應用技術在我國最早出現大約是1945年，到20世紀70年代后，計算機才被廣泛地應用于社會經濟各領域：如數值計算、信息處理、辦公自動化、信息化(互聯網)、設計輔助、影視娛樂等。在科學技術快速發展的背景下，各行各業都在拓展計算機的應用，最早在1940年左右[1]，美國已經開始在農業領嘗試計算機技術處理農業自動化的設計。之后隨著科技應用的不斷發展，計算機技術被廣泛應用于作物生產、畜禽養殖、農業機械、農業經濟與信息技術、農產品加工、環境監測與控制、作物倉儲管理、作物產量預測等方面。計算機技術不僅推動農業科研和農業機械自動化向現代高優農業邁進，同時也逐步形成農業科技領域里的特殊分支，成為農業現代化不可缺少的重要技術手段。

1 計算機技術在農業中應用現狀

1.1 農業信息系統

農業信息系統是我國農業領導部門和農業科研單位普遍建立的系統，是由數據庫軟件搭建主體，提供農業類信息服務資訊，具有信息檢索和編輯等功能。例如，農業部開發和建設了農業經營管理信息系統、農村能源及環境監測管理信息系統；中國農業科學院計算中心與農業部計劃司統計處合作開發的全國農業經濟統計資料數據庫；中國農業科學院科技文獻信息中心建成的中國農業文獻信息數據庫；農牧漁業科技成果數據庫和CABI和AGRIS數據庫；中國農業科學院作物科學研究所國家作物品質信息中心建立的“中國作物品質信息網”等。這些種類繁多的農業信息數據庫實現了農業資訊的高效率采集、條理化分類和便捷的資源共享，在各自的領域發揮著重要的作用。

1.2 作物模擬系統

作物生長模擬技術最早是從工業生產的工程分析里獲得靈感，隨著時代的發展，現在已逐步使用計算機來完成數據分析。其原理是通過對作物生長到收成的一整個過程進行詳細的數據采集，對比大量的分析結果后，模擬出作物的動態生長。我國早在1983年，高亮之等[1]就在美國發表了“苜薯生產的農業氣象計算機模擬模式(ALFAM0D)”。此后，中科院上海植物生理研究所建立了“水稻群體物質生產的計算機模擬模型”；中國農科院農業氣象研究所將CERES——玉米模型漢化；江蘇省農科院建成了“水稻栽培計算機模擬優化決策系統(RCSODS)”[1]；中國農科院研制出的“棉花生產管理模擬系統”，將棉花的生長周期、水肥管理和環境變量相結合，從而制定出適合不同區域的高產栽培優化方案。

1.3 農業專家系統

農業專家系統是一種使用人工智能，也就是現代普遍統稱的計算機智能，通過將總類繁多的訊息進行歸類總結，特別是農業專家在工作領域積累的大量生產經驗，構建出各種資料數據及數學模型，從而建立的計算機應用系統。農業專家系統在作物栽培、水肥灌溉、植物保護和市場銷售管理等方面都有著顯著的應用需求。70年代末美國依利諾斯大學開發了大豆病害診斷專家系統PLANT/ds和預測玉米黑地老虎危害的專家系統PLANT/cd；美國農業部和密西西州立大學及克萊姆大學共同創建了棉花作物管理推理系統COMAX；日本千葉大學研發了番茄病害診斷專家系統MICCS等[2]。80年代中后期，我國也自行組建了多個農業專家系統，例如中國科學院、中國農業科學院作物所、中國農業科學院農業氣象所等單位分別推出“作物施肥專家系統”、“小麥育種專家系統”、“玉米育種專家系統”、“防御東北地區玉米低溫冷害專家系統(PMLTCD)”等實用專家系統，它們代替專家群體走向地頭，進入農家，用先進適用的農業技術培訓農業技術人員，指導農民科學種田，這是科技普及的一項重大突破。

1.4 農機化視覺系統

農業機械化是農業現代化的重要標志，計算機視頻輔助機器人在農業上的應用為實現田間管理機械化創造了條件，如播種、施肥、行間噴霧、行間碎土、鋤草和收獲等，大大提高播種和作業精度，減少收獲損失，節約種子、肥料和農藥。美國學者Parrish和Goksel[3]在1977年的一項研究中，探討了僅依靠機器人的視覺作為三維坐標系定位，并應用在水果采摘技術上的可行性論述。1985年，Harren等[4]人研制了一種基于球坐標系的機器人用于水果收獲；1987年美國普渡大學的Miles教授等[5]人使用具有機器人視覺系統的Puma 560型機器人，配備CAD系統設計的一種幼苗移栽抓取器，成功實現了智能化幼苗移栽。學者Hwang等[6]人也設計了辣椒幼苗移栽系統。1997年日本Have 等[7]發明了直線圖像分光儀，很快被投入到農田作物的行列檢測應用中；2000年，荷蘭農業環境工程研究所[8]研發了一種可移動的黃瓜收獲機器人樣機；1995年我國學者周云山等[9]研究了利用吸盤系統開發蘑菇采摘機器人樣機；2001年上海交通大學機器人研究所劉成良等[10]人研制了一套嫁接機器人的視覺系統，該系統應用在瓜果秧苗嫁接上，靠軟件系統來判斷秧苗頭尾方向，從而完成智能化秧苗嫁接。在英國，水果成熟度的傳感器已應用于計算機分析，實現了水果的快速分級[11]；歐洲已研制出分析玫瑰質量、分行切枝玫瑰的機械視覺系統。

1.5 追溯信息系統

追溯信息系統是以信息處理為技術基礎的質量安全保障體系，通過運用信息技術，將追溯關鍵點與質量控制點有機結合，從生產崗位信息采集到產品追溯信息查詢全程信息化管理的一體化專用軟件系統，它包括定制子系統、采集子系統、匯總子系統和查詢子系統。從20世紀80年代末開始，隨著全球性農產品質量安全事件的不斷發生，人們逐漸把可追溯系統應用于農產品質量安全控制體系當中。國際物品編碼協會(GSI)開發出用于農產品跟蹤與追溯的全球統一標識(EAN·UCC)系統，該體系在歐洲已成功應用于農產品可追溯系統的建立和實施；歐盟的農產品可追溯系統最早應用于牛肉產品的可追溯系統；美國的農產品可追溯系統主要是企業自愿建立；日本農產品可追溯系統應用方面不僅制定了相關法規，而且在零售階段，大部分超市已經安裝了產品可追溯終端，供消費者查詢信息使用；英國政府建立了基于互聯網的家畜跟蹤系統(CTS)；加拿大從2002年開始實施強制性牛肉制品標識制度；我國農墾農產品質量追溯系統開發，對農產品從生產源頭到消費市場實施精細化管理，全程記錄下種植養殖戶在生產、加工、流通各個環節的質量安全信息，使農產品質量有了較強的可追溯性。

1.6 植物生長監測系統

利用計算機視覺技術對植物生長進行監測具有無損、快速、實時等特點，它不僅可以檢測設施內植物的葉面積、莖稈直徑、葉柄夾角等外部生長參數，還可以根據果實表面顏色判別其成熟度，以及作物缺水缺肥等情況[12]。在植物外部生長參數的測量方面：1987年Mayer等人[13]利用數字圖像來分析幾種作物的葉面積、莖稈直徑、葉柄夾角，率先在此領域開展研究。1991年學者Shimizu和Oshita[14]采用圖形處理的方法對植物的伸長率在3個維度上進行了無損傷測量。1992年，美國學者Trooien[15]探索了利用圖像處理方法測量馬鈴薯葉面積的方法。1995年荷蘭Wageningen大學的Vanhenten[16]研究了植物葉冠相對覆蓋率與植物干重之間的關系，建立了3種數學模型。1995年陳曉光等[17]利用機器視覺技術分析和判別蔬菜苗生長信息。在果實成熟度的檢測方面：1995年韓國學者Choi等[18]根據美國農業部(USDA)關于番茄成熟度的分級標準，利用彩色圖像處理技術把新鮮番茄分為6個等級；1996年美國伊利諾伊大學的John教授[19]對彩色視覺系統特性進行了研究，指出：在多種顏色模型中，HSI(色調、飽和度、光照強度)顏色模型與人眼感覺顏色的原理相似。2000年張長利等[20]利用遺傳算法訓練的多層前饋神經網絡實現番茄成熟度的自動判別的研究。在植物營養成分的監測方面：1992年Seginer等[21]研究發現完全長成型的番茄葉子的運動與缺水情況及CO 吸收率幾乎成線性相關，監測結果可用來作為灌溉系統的控制信息。1996年AhmadI等[22]利用彩色圖像信息評價缺水和缺氮對玉米生長的影響，建立了RGB值與HSI值之間的色度坐標變換關系。1995年，京都大學教授 Hiroshi與美國學者Shimizu[23]合作，設計了一種利用CCD攝像機與紅外照明設備組成的計算機視覺系統，并用此系統對植物生長進行監測分析。

2 計算機應用存在的問題

當今，計算機技術在各領域的應用已成為推動技術創新、提高勞動效能的重要手段。雖然我國計算機在農業方面的應用逐年增多，但與發達國家相比仍然存在一定差距。具體表現為：(1)水平低，能應用于農業生產的計算機技術有限，大部分技術還處于研究、小試、樣機階段。(2)投入少，各級政府對信息產業的研發投入不足。(3)成本高，農村個體經營模式無法承載高額的計算機設備投入，優質不優價也阻礙了新技術的推廣應用。(4)培訓弱，許多偏遠地區沒有開展信息技術培訓，農村人口因文化水平偏低，對計算機應用能力普遍較弱，這樣不但阻礙了農業的發展，也使農民在競爭激烈的市場環境中處于被動地位。

3 計算機技術在農業的發展趨勢

3.1 精準農業

精準農業是20世紀80年代初國際農業領域發展起來的一門跨學科新興綜合技術，其特點是通過GPS、GIS、RS技術和自動化技術的綜合應用，按照農作物生長的田間每一個操作單元具體條件準確計算，提出投入產出轉換效率，從而相應調整化肥、農藥等物質投入，避免過量施用化學產品而帶來污染風險，達到減少投入，增加收入，保護農業生態環境的目的。它是一種超前性的高新技術農業，是世界農業現代化發展的新趨勢。近年來，我國農業生產將從資源消耗型、粗放管理型向節約型、優化精確控制型轉化，土壤、作物、農產品安全和農業機械化等把質量問題、效益問題、農民增收和環境保護問題始終作為近期農業研究的重點。

3.2 智能溫室

以微型計算機為核心的溫室綜合環境控制系統，可經由傳感器檢測，根據溫室植物生長要求，對溫室內的溫濕度、光照度、二氧化碳濃度、營養液或水肥濃度等的需求，實現對各個環節的智能調控。溫室種植里常用的遮陰幕，就可以通過無級調節的天窗通風系統和濕簾與風扇配套的降溫系統進行室內控溫。使用軟件系統控制熱風機或熱水鍋爐對溫室進行加熱，使用灌溉系統進行定時定量的作物澆灌，還有二氧化碳施肥系統和各種先進的智能型農業機械已經越來越頻繁的出現在現代溫室的設計需求里。工作人員僅需在計算機上輸入作物的各項參數，系統在結合農業專家系統，通過傳感器檢測之后，隨時自動調整出最適合作物生長的環境。這些系統的操作，已不再是簡單的計算機數據輸入控制，而是能夠基于地域和環境變化，更加動態地人工智能控制。

3.3 農業機械化

科技進步帶動現代高效農業向更深層次發展，隨著農村勞動力轉移，人力成本不斷攀升，大力發展農業現代化就必須走農業機械與高科技相結合的道路。計算機技術與農業機械化相結合，是農業機械化發展的必然趨勢，它將促進農機具的自動化和智能水平進一步提高，向優質、高效、安全、簡便、經濟的方向發展。農業機械計算機管理專家系統、計算機控制田間機械作業、計算機視覺在農業機器人上的應用、計算機控制的自動土壤測量分析系統、作物病蟲害監測預警和防控系統等高新技術的普及和應用，將為農業現代化插上騰飛的翅膀。

參考文獻:

[1] 張芳，羅保華，蔣蘭翎. 計算機技術在現代農業中的應用[J]. 科技與社會，2006(3)：60-61.

[2] 曹永華．計算機技術在農業上的應用[J]. 科技成果縱橫，1994(4)：19-21.

[3] PARRISH E A JR, GOKSEL A K．Pictorial pattern recognition applied to fruit harvesting[J]. Transactions of ASAE，1977，20(5):822-827.

[4] HARRELL R C，ADSIT P D ，SLAUGHTER D C．Real-time vision servering of a robotic tree fruit harvester[J]. ASAE，1985(85)：3550.

[5] KUTZ L J，M ILES G E，HAMMER P A ，et al． Robotic Transplanting of Bedding Plants[J]. Transactions of ASAE，1987，30(3):886-590.

[6] HWANG H, SISTLER F E．Arobotic pepper transplanter[J]. Trans of the ASAE，1986，29(1)：2-5.

[7] 沈明霞，姬長英．農業機器人視覺導航技術發展與展望[J]. 農業機械學報，2001，32(1)：109-111.

[8] 周增產，BONTSEMA J，KOLLENBURG-CRISAN L. 荷蘭黃瓜收獲機器人的研究開發[J]. 農業工程學報，2001，17(8)：77-80.

[9] 周云山，李強，李紅英，等. 計算機視覺在蘑菇采摘機器人上的應用[J]. 農業工程學報，1995，11(4)：27-32.

[10] 劉成良，王紅永，曹其新，等. 秧苗嫁接機器人視覺與識別的研究[J]. 農業機械學報，2001，32(4)，38-41.

[11] 王德雙. 農機化計算機應用的意義與發展前景[J]. 農機使用與維修，2011(3)：7.

[12] 滕光輝，李長纓. 計算機視覺技術在工廠化農業中的應用[J]. 中國農業大學學報，2002，7(2)：62-67.

[13] MEYER G E, DAVION D A. An electronic image plant growth measurement system[J]. Transactions of ASAE，1987，30(1)：242-248.

[14] SHMIZU H, OSHITAL S. Measurement of elongation rate of plants[M]. HASHIMOTO Y, DAY W. Mathematical and Control Applications in Agriculture and Horticulture. New York：Pergamon Press，1991.

[15] TROOIEN T P，HEERMANN D F．Measuremont and simulation of potato Leaf area.using image processing.Ⅱ.Measurement[J].Transaction of the ASAE，1992，35(5)：l719-1721.

[16] VAN HENTEN E J．Non-Destructive Crop Measurement By Image Processing For Crop Growth Contro1[J].J of Agriculture Engineering Research，1995(61)：97-105.

[17] 陳曉光，于海業，周云山，等．應用圖像處理技術進行蔬菜苗特征量識別[J]. 農業工程學報，1995，11(4)：23-26.

[18] CHOI K, LEE G, HAN Y J，et al．Tomato maturity evaluation using color image analysis[J]. Transaction of the ASAE，1995，38(1)：171-176.

[19] CHANG Y C, REID J F．Characterization of a color vision system[J]. Transaction of the ASAE，1996，39(1)：263-273.

[20] 張長利，房俊龍，潘偉．用遺傳算法訓練的多層前饋神經網絡對番茄成熟度進行自動檢測的研究[J]. 農業工程學報，2001，17(3)：153-156.

[21] SEGINER I，ELSTER R T. Plant wilt detection by computer vision tracking of leaf tips [J]. Transaction of the ASAE，1992，35(5)：1911-1917.

[22] AHMAD I S，REID J F．Evaluation of color representations for maizeimage[J]. J of Agricultural Engineering Research, 1996(63):185-196.

[23] SHIMIZU H,HEINS R D. Computer-Vision-Based System For Plant Growth Analysis[J]. Transaction of the ASAE，1993，38(3)：959-964.