人工智能在設施蔬菜中的應用

解福雙，費雅君

（浙江清華長三角研究院，浙江 嘉興 314000）

設施農業在現代農業中占有重要地位，是我國現代農業發展的標志。設施農業是設施和現代農業的組合，包括設施蔬菜、設施花卉、設施畜牧等產業，其中設施蔬菜的規模最大。設施蔬菜栽培通過人為控制環境因子，可以擺脫傳統農業自然條件的制約，從而實現高產、優質、高效的蔬菜生產。在設施設備中，節能日光溫室、塑料大棚溫室和普通日光溫室發展速度最快。發展集約型設施農業成為我國現代農業的發展趨勢。

人工智能在設施蔬菜領域的應用

人工智能技術在蔬菜產前階段的應用

人工智能在產前階段可以對土壤、作物品系等做出科學分析，幫助農民選擇適合的作物品系，為后續的農業生產提供保障。土壤分析[4]是蔬菜產前階段最重要的環節，通過分析土壤中的有機物、無機離子、微量元素等來指導后續施肥的用量以及種類；通過分析土壤的酸堿性來指導農民選擇肥料的類型，如堿性土壤，可以選擇加入一些腐植酸類肥料，作物只有在合適的酸堿條件下才能更好地吸收無機鹽，才能健康地生長發育；通過分析土壤的含水量，科學指導作物灌溉，避免濕度太大而引起病害；通過分析土壤中的微生物，可以對有害微生物提前預防，避免造成損失，同時合理利用土壤中有益微生物對農業生產更有利。Elgaali[5]利用非侵入型探地雷達成像技術來探測土壤，并用神經網絡分類器對土壤進行分類研究，建立了土壤特征與宜栽作物的關聯模型。Raju等[6]利用專家系統WBS-FLAB來評估土地改造措施，結果表明該方法可以為景觀規劃提供有效的信息。

人工智能技術在蔬菜產中階段的應用

人工智能在設施蔬菜產中階段的應用，主要是應用農業專家系統、農業機器人、人工神經網絡技術等。這些技術能科學指導農民更好地種植、管理，進而提高作物產量，實現農業的現代化、自主化管理，使農業生產不再是低級的體力勞動，而是機械化、自動化、科學化的新型產業。

專家系統擁有農業相關領域的知識儲備，能幫助農民解決生產中遇到的各類問題。國際上農業專家系統的研究始于20世紀70年代的美國，到了80年代中期農業專家系統不再只是病蟲害研究診斷系統，而開始轉向生產管理、生態種植、經濟分析、市場分析等方面。這一系統可以讓“農業專家”隨時指導每位從事農業生產活動的人，更好地實現資源合理化配置。

在設施蔬菜產中階段利用人工智能從事農業生產，不僅可以提高生產效率，而且減少勞動投入。在蔬菜生產的耕地、施肥、播種、移栽、定植、噴藥、采摘及其生長期間的環境控制均能實現智能化。蘇丹等[7]將UG、ADMAS軟件引入到夾持機構中，實現了夾持機構布局合理、夾緊力的計算同步優化，為夾持機構的穩定性設計提供了理論依據。張娓娓等[8]以農業機器人的采摘控制系統為研究平臺，基于滑覺傳感檢測技術設計了柔性采摘系統。試驗結果顯示，該系統運行穩定、可靠，對于實現蔬菜的無損采摘具有十分重要的意義。

非化學方式除草是生產綠色農產品的關鍵，智能除草機器人是一種能夠識別作物與雜草，并能快速除草的自動化除草裝備，能夠大大減少勞動力、降低成本、保護環境。胡煉等[9-10]提出一種基于視覺作物識別和定位的方法，利用像素累加曲線、正弦波曲線以及曲線標準偏差綜合獲取作物位置，結果表明該方法能夠適應不同天氣、不同作物，其中生菜識別率達到100%；同時，研制了一款爪齒除草裝置，通過軌道切換使傷苗率低于8%。張朋舉等[11]設計了八爪機械除草裝置，采用電磁鐵控制運動軌跡，使傷苗率低于10%。

人工智能技術在蔬菜產后階段的應用

人工智能在蔬菜產后階段的應用也有很廣闊的前景，已在產品質量分析、產品分類等方面有很好的應用。

隨著生活水平的提高，人們對食品安全問題越來越重視，農產品質量檢測也越來越受到關注，其中電子鼻檢測、圖像識別等應用到農產品檢測中。電子鼻檢測方法在操作難度、檢測時間、便攜性等方面都表現不俗。Arnold等[12]應用電子鼻系統測量新鮮度與微生物種類、數量和揮發性物質之間的聯系；Concina等[13]利用電子鼻技術檢測罐裝去皮的番茄，發現該電子鼻可以分辨番茄是否變質，還能對特殊污染物（如大腸桿菌）進行早期檢測。申廣榮等[14]利用HACCP設計了蔬菜安全生產決策系統，試驗對大蔥、甘藍、黃瓜、生菜、西蘭花進行了研究，以農戶或企業用戶的身份登錄后，用戶可以直接查詢或輸入大蔥產地環境水、土、氣等檢測數據，并選擇系統提供的有關標準，系統自動給出判斷結果；同樣，用戶可選擇檢測其產品所屬級別、重金屬和農藥殘留是否超標等。

在產品分類方面，王松等[15]為解決協同過濾算法的稀疏性和可擴展問題，采用產品分類技術和Web技術對產品進行分類，結果表明能夠有效改善推薦質量，更好地為客戶提供個性化的推薦服務。姜偉等[16]對蔬菜自動識別系統設計和實現方法的硬件選型及結構搭建、軟件算法等進行研究，具體是：在相機捕捉目標物體后，系統會對圖像進行分割、顏色和紋理特征提取操作，將特征與實現訓練的特征庫（在線或離線）進行比較，最終輸出識別結果。經測試，該方法可靠易行，對日常蔬菜能夠達到81.5%的識別率，能夠實現在復雜環境下識別果蔬類別，可以有效地節約時間及經濟成本，具有現實意義。

人工智能的不足及難點分析

近年來人工智能產業的爆發式發展，也暴露了一系列問題。第一，核心尖端人才難引進[17]。近年來，我國為了引進高精尖人才投入很大，但只憑借高工資、高福利還不足以打動人心。主要原因是國內尚未形成學術研究和技術開發的良好環境，另一方面目前人才引進的方式單一。第二，市場戰略性人才不穩定。人工智能戰略性人才的競爭越來越激烈，然而市場上大多數的從業人員并未具備足夠的專業理論知識和核心技術，而且由于薪酬待遇的原因，他們可能會頻繁跳槽，這種不正常的人員流動現象，不僅不利于人才自身知識結構的積累，更會對產業造成不利影響。第三，專業性培訓機制不健全。目前我國教育培訓機構中關于人工智能方面的培訓只限于計算機相關領域，專業單一，不能為人才提供一個全面的知識體系。只有建立全面的培訓體系才能培養更多的專業人才，從而更好地為人工智能服務。

設施蔬菜栽培是近年來發展起來的集約化的綜合生產體系，通過人為控制環境，如光照、水分、溫度等，為蔬菜提供更好的生長環境，以利于提高產量，并且可以生產反季節蔬菜，進而增加收入，但在設施蔬菜標準化、設施自動化控制等方面還存在不少問題。設施蔬菜生產體系科技含量低，多以傳統經驗為主，缺乏標準化和自動化系統，與發達國家還有很大差距[18]。蔬菜設施生產需要高新技術支持，利用計算機網絡控制溫度、水分、光照，測定土壤成分，合理施肥，產后產品檢測、分類、包裝等，如何利用人工智能提高設施蔬菜的自動化程度，生產相關配套設施、環境控制技術等是未來急需解決的問題[19]。

前景

人工智能結合大數據將是大勢所趨。大數據幾乎在一夜間家喻戶曉，得到了企業、政府、學術界的一致青睞。2011年《Science》推出專刊《Dealing with Data》討論了數據流帶來的挑戰，指出如果能更有效地利用這些數據，人們將得到更多機會利用科學技術來推動社會發展。關于大數據概念[20]目前沒有統一的說法，IBM認為大數據有3個特征：體量浩大、模態繁多、生成快速。農業大數據就是運用大數據的理念、技術、方法來解決農業領域的問題，如農業信息的采集、存儲、計算等問題。由于農業大數據具有數據大、來源廣、動態強等特征，給數據的采集和整理帶來了困難，要想形成有序的農產品數據采集，必須采用有針對性的技術，特別是關于隱私數據的保護技術，保證信息安全，建立完善的農產品數據信息平臺。

近年來人工智能技術已經取得了長足的發展，未來人工智能與大數據結合，能夠幫助人們管理生產、代替重復性勞動。在建成農業自動化平臺的基礎上，通過智能感知系統，農業生產中的數據源源不斷地匯集到一起，如遙感衛星、無人機監測的數據，經加工、篩選后，向管理員推薦最合適的種植方案，實現全自動化的農業生產，大大提高工作效率、減少人工成本[21]。未來是人工智能的時代，也是農業發展的黃金時代，加強科技研發、提高設施蔬菜科技水平，開發出水肥一體化灌溉設備，精準施藥設備，蔬菜收割、清洗、質量檢測、包裝一體化設備，實現人工智能化蔬菜生產，減輕勞動量、提高生產效率，為中國蔬菜生產提供技術支持。

農業作為一國之本，如何利用農業大數據培養和支持一批農業重點領域和關鍵技術的創新，尤其是利用大數據和人工智能相結合促進智能化農業、現代農業的形成，有著誘人的前景。