智慧農業——Al在農業領域的應用與展望

李明曉 馬鑫 張宏利 周毛莉 王建仁 段剛龍

摘 要：農業是我國第一產業，自古以來就是國民經濟的基礎。民以食為天，農業關系到每個人的利益，關系到人們的日常飲食生活。因此，在人工智能深刻改變人類社會生活、改變世界的大背景下，AI賦能農業成為大勢所趨。為進一步推動我國農業發展，首先介紹AI產業應用現狀，結合我國農業發展情況分析AI賦能農業發展遲緩的原因并提出相應解決措施;其次，對目前AI主要技術方向進行綜述，進而對AI在農業領域的應用模式進行探討，從多個不同視角提出AI在農業領域的應用方向，為AI賦能農業提供發展思路。

關鍵詞：人工智能;智慧農業;產業應用

DOI： 10. 11907/rjdk.191065

開放科學（資源服務）標識碼（OSID）：

中圖分類號：TP3-0

文獻標識碼：A

文章編號：1672-7800（2020）001-0055-04

0 引言

在人工智能應用AlphaGo戰勝世界圍棋大師李世石、柯潔之后，人工智能再次成為人們熱議的話題[1-3]。各國為抓住人工智能發展的重大戰略機遇，形成本國人工智能發展的絕對優勢，紛紛出臺相關政策，以推動人工智能研發與相關應用領域發展，引領“人工智能時代”。

在全球人工智能發展浪潮中，我國的人工智能技術、產業近幾年發展備受矚目，呈現出與發達國家近乎同步的態勢[4-5]。在此大背景下，國內以BAT為代表的大型互聯網企業紛紛布局人工智能產業。作為我國人工智能產業的佼佼者，百度自2015年以來在人工智能領域的投資總額超過200億元，并在北京、硅谷等地建設了3個深度學習實驗室。2016年8月26日，經國家發改委批準，百度聯合清華大學、北京航空航天大學組成“深度學習國家隊”[6]，在聽覺、視覺感知及語言理解3個人工智能基礎領域開展研究;騰訊于2017年發布《2017互聯網科技創新白皮書》[7]，并相繼成立人工智能聯合實驗室、騰訊AI Lab和騰訊AILab西雅圖實驗室;阿里作為電商巨頭也不甘示弱，基于其強大的云計算能力向外界提供AI開放平臺與AI產品等[8]。2017年7月8日，國務院印發《新一代人工智能發展規劃》[9]，將本國人工智能產業2020年前進入全球價值鏈高端作為戰略目標，新一代人工智能在智能制造、智能醫療、智慧城市、智能農業、國防建設等領域逐步得到推廣應用。

近年來，人工智能在制造業、醫療、國防、金融等領域的應用發展迅速，相關政策也相繼出臺，而與國家經濟實力有著密切關系以及作為國家經濟發展基礎條件的農業[10-12]在與AI結合方面進展緩慢。

1 AI產業應用現狀

我國人工智能應用主要集中在工業、醫療、金融、政務等領域，為深入了解我國人工智能在各傳統產業應用現狀，本文分別以{年between（2009，2018 and主題=人工智能or主題=AI and摘要=[行業名稱]and[該行業常用的其它稱呼]}為查找條件，在中國知網查找AI主要應用領域發文數量，對數據進行搜集與整理后得到圖1、圖2。

由圖1可見，農業作為國家經濟發展的基礎性產業，左右著國民經濟全局的發展，歷年來受到相關學者的高度重視，科研論文數量持續增加，而針對AI+農業的科研論文數量較少，雖在2016年有較為明顯的上升，但其受重視程度仍然不足。從圖2中可以發現，從2016年開始，AI在各個領域的應用明顯增多，其中以政務、金融與醫療領域最為突出，相比之下，AI在農業領域的應用略顯后勁不足，2017年科研論文發文量甚至小幅下降。

2 AI賦能農業發展困境及應對措施

改革開放以來，我國工業化與城市化水平不斷提高，國民經濟結構不斷完善，綜合國力顯著增強，從一個落后的農業國一躍成為實力雄厚的工業化國家。從我國歷年出臺的各項政策可以看出，我國對農業發展十分重視，資金投入量較大，因農產品附加值低于其它產業，故很多地方政府忽視農業發展[13-14]，導致AI賦能農業進展緩慢。長此以往，農業的基礎性地位可能受到沖擊，農業領域發展堪憂。因此，只有發現制約AI賦能農業發展的障礙，并逐個擊破，才能有效推進AI賦能農業發展，進一步解放生產力。

2.1 AI賦能農業發展困境

（1）傳統農耕思想根深蒂固。“耕作經驗”是代表性的農業耕作思想，農民大多依靠祖輩流傳下來的耕作經驗進行農業生產，若AI進入農業領域，將極大地改變我國農民傳統耕作方式。但目前我國廣大農村地區農業勞動者整體文化素質仍然較低，缺乏AI技術應用能力，而AI人才又普遍流向大中型城市。

（2）農業信息化水平低。長期以來，多數地區政府為了追求經濟效益，僅重視農作物產量而忽視農業信息化建設，極度缺乏收集農業相關數據的信息化設備。由于AI必需的數據量不足，導致AI賦能農業推進緩慢。

（3）閑置務農人口無法有效安置。每一次工業革命都伴隨著勞動力結構調整，當AI與農業結合，勢必會造成農村務農人口的大量閑置，加上這一部分農村勞動力文化素質較低且缺乏再就業技能，故對相關勞動力的安置是一個棘手問題。

（4）耕地分散。2018年國家雖出臺了相關政策對農村用地分散問題進行整治，但治理效果欠佳。分散化的農田用地，導致農業機械化與信息化操作成本大幅上升，因而使AI賦能農業成本也大幅上升。

（5）AI科研成果與農業發展實際需求脫節。AI科研成果是由高校、研究院所或科技巨頭公司科研人員研發的人工智能應用產品，相關資金投入方為能盡快獲得研究成果，投入大量資金打造高水平科研團隊與研究場所等軟硬件設施，卻忽視了農業發展的真實訴求，導致AI應用難以落地。

2.2 AI賦能農業應對措施

（1）建設農村社區學習站。為更好地提高務農人員的整體文化素質和專業化技能，應在農村社區修建社區學習站，建設農業圖書閱覽室、計算機閱覽室等配套設施;定期進行農業前沿知識科普講座，以提高務農人員的整體素質、專業技能與思想水平。

（2）發揮政府的引導示范作用。政府應積極推動AI賦能農業發展，對農業信息化發展、農村用地分散整治或AI賦能農業進展遲緩的省、市、鎮進行通報批評，對個別不作為的領導干部作降職或撤職處理;對農業信息化建設進展明顯、農村用地整治效果顯著或AI賦能農業推進迅速的省、市、鎮進行通報表揚，給予相關建設資金作為獎勵。

（3）推進農村招商引資。鄉鎮一級政府可通過招商引資鼓勵相關企業到農村地區投資建廠，帶動廣大農村地區發展，以有效安置因農村用地征收或AI賦能農業帶來的閑置農村勞動力。

（4）建立鄉鎮產學研工作交流基地。建立鄉鎮產學研基地，為從事AI領域研究的高等院校、科技公司、科研團隊提供用于科研與參觀交流的固定場所，并提供配套科研資金以及用于農業科研的示范性農田，以提高AI產品與農業需求的結合程度。

3 現階段AI主要技術方向

人工智能自1956年提出至今，在60多年的時間里，其相關理論與技術日益成熟，應用領域也逐步擴大[15]，主要應用領域包括：

（1）計算機視覺。計算機視覺是指使用計算機及相關設備對生物視覺進行模擬。其通過將圖像社區裝置（如攝像頭等）攝取的目標轉化為圖像信號，并依據像素的分布和亮度、三原色等信息將其轉變為數字信號。程序通過對這些數據進行目標特征提取等操作，判斷圖像的位置、分類等結果，從而對相關設備進行控制。

（2）語音處理。語音處理是指語音發聲過程、語音信號統計特征、語音自動識別、機器合成以及語音感知等多種處理技術的總稱。目前的語音處理技術主要應用于用戶身份確認，以擺脫文字密碼或圖案式的認證模塊;人機交互，用于實現語音的流程控制及情感陪護等。

（3）自然語言處理。人類的多種智能都與語言有著密切關系。自然語言處理主要解決機器翻譯、語義理解、情感分析等問題，目前主要應用于機器翻譯（google、有道等）、聊天機器人等。

（4）規劃決策系統。規劃決策系統用于規劃制訂工作中包含的組織目的、分階段目標、措施及資源配置等事項的決策，其不僅涉及從一組替換方案中選擇一個，而是同時涉及替換方案的提出與選擇，其實質就是選擇、提出或產生替換方案[18]。

（5）大數據/統計分析。大數據分析是基于機器學習與深度學習算法層的一個人工智能技術方向，主要解決的問題是從海量的半結構化（結構變化較大的結構化數據）或非結構化數據（圖片、聲音、視頻等）中挖掘出一些潛在的可供管理者使用的有價值的信息。

（6）上提模型。上提模型是指基于各種方法的實際運行效果，預測其對個人影響力的一種預測模型。以上提模型實施定位營銷為例，上提模型相比傳統模型，能夠剔除營銷名單中絕對會購買商品與絕對不購買商品的用戶，由于該類用戶無論是否對其投放廣告.最后是否購買的結果都是確定的，從而減少營銷投入成本。

4 AI賦能農業主要應用方向

（1）農作物選種。農作物選種在很大程度上決定了糧食產量與農作物抗逆性，從而影響廣大農民的生產效益及國家糧食產量的穩定。因此，可通過搜集優良種子性狀及其對應數據，構建分類模型，對未知種子進行篩選，保留具有優良形狀的種子，并通過后期種植結果不斷豐富建模數據，修正模型誤差。

（2）土壤鹽堿度分析。土壤為農作物提供養分和水分，然而土壤鹽堿化將導致土壤板結與肥力下降，嚴重阻礙農作物生長。AI賦能農業，可通過對土壤傳感器收集到的土壤可溶性鹽（含鈉、鉀的硫酸鹽，氯化物，碳酸鹽等）含量、地表水分蒸發量、土壤濕度等數據通過訓練好的人工神經網絡模型（ANN）進行預測分析，判斷當前土壤情況，以便農戶采取相應措施。

（3）農田除草。在農作物生長過程中，雜草不僅會與農作物爭奪光照、生存空間與營養物質，還會傳播病蟲害，釋放有毒物質造成糧食減產[17]。因此，可采用集成車載傳感器、車載攝像等設備的農田除草機器人，通過分析圖像數據對雜草進行篩選，借助傳感器進行避障除草。此舉將大大降低除草農藥使用量，對于保護環境以及降低農產品農藥含量都具有十分顯著的作用。

（4）農作物病蟲害預測。農作物病蟲害是我國主要農業災害之一，具有種類多、影響大，且時常暴發成災的特點，對我國國民經濟，特別是農業生產造成了重大損失[18]。因此，可通過圖像采集設備獲取病害特征圖像，在計算機視覺技術的輔助下獲取病害特征，并構建支持向量機模型（ SVM），以確定病害種類、病害程度、問題所在區域等;通過聲音獲取設備獲取農田間害蟲聲音特征，并在語音處理技術幫助下，借助已通過害蟲叫聲訓練好的模型進行語音識別，預測農作物蟲害。

（5）農田施肥。在傳統農業生產中，化肥的使用一直存在施肥方法不科學、肥料利用率低、用量不當等問題，嚴重影響農作物生長。因此，可通過土壤分析結果，借助無人機進行定點定量施肥，以有效提高肥料利用率，提高農作物產量。

（6）農作物藥物噴灑。我國大多數地區的農作物藥物噴灑方式仍然是采用人力罐背式噴灑，或機械加壓人工噴灑，該方式不僅人力成本高、效率低，且容易造成環境污染與農藥殘留。使用AI技術，人們能夠通過農作物病蟲害監測所得結果，借助無人機技術實施定點或定區域藥物噴灑。該方式操作簡單，且高效環保[19]。

（7）農田問題解決專家系統。該專家系統首先利用語音處理技術對農戶咨詢的問題進行理解，然后在農業問題專家信息數據庫中檢索匹配相關信息，并通過語音合成的方式以類人語言說出，也可通過固定頁面方式展示，為農戶種植提供輔助手段。

（8）農作物產量預測。通過綜合往年溫度、濕度、光照、水分、土壤元素、作物種類等農田信息，借助大數據挖掘技術，利用FP-Growth關聯規則挖掘算法等構建關聯分析模型，找到影響農作物產量的關鍵因素，并將往年關鍵因素數據與農作物產量數據作為預測模型訓練集，借助訓練好的模型對后期農作物產量進行預測。

（9）農作物采收。農作物采收機器人是人工智能系統在農作物采收上的典型應用，機器人采收不僅能提高采收效率，還可以確保采收質量[20]。但針對外露型農作物（如玉米、桃子等）需要先通過成熟農作物圖像訓練預測模型，對即將采摘的農作物進行預測，判斷其是否成熟，再使用機械臂進行采摘。

（10）農作物價格預測。農作物價格無時無刻不牽動著每一個農民的心，因此可利用歷年農產品種類及其對應價格、需求量、國內實際產量、進口量等多種數據訓練神經網絡預測模型，對農產品當年價格進行預測。但AI在該方向的應用存在一個問題，即當大多數農田均采用價格預測系統時，是否會出現某種農作物大批量種植、其它農作物產量下降的情況，這是一個值得研究和思考的問題。

5 結語

農業深刻影響著國民經濟以及社會的方方面面，在人工智能技術迅速發展的今天，必將為我國農業發展注入新的生機與活力。本文分析了AI產業應用現狀，找出AI賦能農業發展遲緩的原因，并提出相應解決措施;結合目前AI主要技術方向對AI在農業領域的應用模式進行探討，從不同視角提出AI在農業領域的多個應用方向，為AI賦能農業提供一些發展思路，以期推動AI在農業領域的應用發展。

參考文獻：

[1] 左衛民.關于法律人工智能在中國運用前景的若干思考[J].清華法學，2018（2）：108-124.

[2] 張興旺.從AlphaCo看人工智能給圖書館帶來的影響與應用[J].圖書與情報，2017（3）：43-50.

[3] 唐振韜，邵坤，趙冬斌，等.深度強化學習進展：從AlphaGo到AI-phaGo Zero[J].控制理論與應用，2017，34（ 12）：1529-1546.

[4] 楊丹輝，鄧洲.人工智能發展的重點領域和方向[J].人民論壇，2018（2）：22-24.

[5] ACEMOGLU D， RESTREPO P.Artificial intelligence， automationand work[ EB/OL].https： //www.nher.org/papers/w24196.pdf

[6] 張迪，魯寧，李宜展，等.智能視覺感知與理解研究態勢分析[J].計算機工程與應用，2018，54（19）：18-25，33.

[7] 機器人技術與應用編輯部.2017騰訊全球合作伙伴大會開幕[J].機器人技術與應用，2017（6）：11.

[8] 王宇.阿里云在歐洲推出云服務及AI方案[J].計算機與網絡，2018（5）：74-75.

[9] 中國政府網.國務院印發《新一代人工智能發展規劃》[J].廣播電視信息，2017（8）：8.

[10]湯春強，陳恩紅.轉型期農業發展對經濟增長的影響[J].農村經濟與科技，2018（4）：176.

[11]吳春麗.我國農業機械信息化發展現狀及信息技術應用[J].現代農業科技，2018（2）：171.

[12]ZHANG X， LI Z. Development of the national management and basicoperations for agriculture[M]. China's Rural Development Road， 2017.

[13]葛文瑩.新時代我國農業發展困境研究[J].鄉村科技，2018（2）： 13-14.

[14]韓文龍，陳航.地方政府投資與產業結構變遷的區域差異性[J].重慶三峽學院學報，2018，1：72-79.

[15] 智慧工廠編輯部.工業4.0時代是AI時代？[J].智慧工廠，2017（8）：28-29.

[16] 楊斌.軟科學大辭典[M].北京：中國社會科學出版社，1991.

[17] 李燕敏，祁顯濤，劉昌林，等.除草劑抗性農作物育種研究進展[J].作物雜志，2017（2）：1-6.

[18] 簡俊凡，何宏昌，王曉飛，等，農作物病蟲害遙感監測綜述[J].測繪通報，2018（ 9）：24-28.

[19] 牛沐萱.大疆引領農業植保無人機行業[J].農經，2018（6）：73-75.

[20]毛林，王坤，成維莉.人工智能技術在現代農業生產中的應用[J].農業網絡信息，2018，263（5）：16-20.

（責任編輯：黃健）

作者簡介：李明曉（1998-），女，西安理工大學經濟與管理學院碩士研究生，研究方向為會計信息化與大數據;馬鑫（1995-），男，西安理工大學經濟與管理學院碩士研究生，研究方向為機器學習、深度學習和大數據;張宏利（1994-），女，西安理工大學經濟與管理學院碩士研究生，研究方向為機器學習和大數據;周毛莉（1993-），女，西安理工大學經濟與管理學院碩士研究生，研究萬向為數據分析;王建仁（1961-），男，西安理工大學經濟與管理學院副教授，研究方向為商務智能與決策支持;段剛龍（1977-），男，西安理工大學經濟與管理學院副教授，研究方向為數據挖掘、決策支持。本文通訊作者：馬鑫。·