智慧農(nóng)業(yè)驅(qū)動(dòng)蔬菜產(chǎn)業(yè)變革研究

劉 君，王學(xué)偉

（濰坊科技學(xué)院·山東省高校設(shè)施園藝實(shí)驗(yàn)室 山東濰坊 262700）

蔬菜是“菜籃子”工程的重要組成部分，是人民群眾的日常膳食營(yíng)養(yǎng)必需品。傳統(tǒng)的蔬菜產(chǎn)業(yè)生產(chǎn)經(jīng)營(yíng)管理技術(shù)落后，需要花費(fèi)大量的勞動(dòng)成本和時(shí)間成本，已經(jīng)不能滿足當(dāng)前蔬菜產(chǎn)業(yè)的發(fā)展需求。依托智慧農(nóng)業(yè)驅(qū)動(dòng)蔬菜產(chǎn)業(yè)變革，借助于各種先進(jìn)技術(shù)，能夠切實(shí)保障蔬菜的品質(zhì)和產(chǎn)量，推動(dòng)蔬菜生產(chǎn)流通全過程的有序進(jìn)行。

1 相關(guān)概念界定

1.1 智慧農(nóng)業(yè)

從古至今，農(nóng)業(yè)在人類歷史上一直扮演著至關(guān)重要的角色，因?yàn)樗鼘?duì)人類物種的生存至關(guān)重要。在這一時(shí)期，它經(jīng)歷了許多演變，從幾千年前的動(dòng)植物馴化，到幾百年前采用輪作和其他先進(jìn)的耕作方法，再到近幾十年來采用人造肥料和殺蟲劑。

智慧農(nóng)業(yè)是近年來隨著科學(xué)技術(shù)的發(fā)展而產(chǎn)生的，它是以信息和通信技術(shù)為基礎(chǔ)的，旨在提高生產(chǎn)率和提高最終產(chǎn)品的質(zhì)量，同時(shí)降低生產(chǎn)成本，實(shí)現(xiàn)利潤(rùn)最大化和生產(chǎn)成本最小化，使用無人機(jī)、無人地面車輛、圖像處理、機(jī)器學(xué)習(xí)、大數(shù)據(jù)、云計(jì)算和無線傳感器網(wǎng)絡(luò)等最新技術(shù)[1-2]，收集天氣數(shù)據(jù)、監(jiān)測(cè)作物生長(zhǎng)、早期檢測(cè)作物疾病、實(shí)現(xiàn)作物智能采摘，促進(jìn)農(nóng)業(yè)生產(chǎn)和管理變革發(fā)展，推動(dòng)農(nóng)業(yè)進(jìn)入一個(gè)新時(shí)代。

1.2 蔬菜產(chǎn)業(yè)

蔬菜是人民日常生活的必需品，在膳食營(yíng)養(yǎng)結(jié)構(gòu)中不可缺少。所謂蔬菜產(chǎn)業(yè)，顧名思義，就是在農(nóng)業(yè)經(jīng)濟(jì)中占有重要地位的涉及蔬菜的產(chǎn)前、產(chǎn)中和產(chǎn)后全過程的產(chǎn)業(yè)。蔬菜產(chǎn)業(yè)屬于種植業(yè)中最具活力的產(chǎn)業(yè)，科技創(chuàng)新是促進(jìn)其可持續(xù)發(fā)展的重要支撐，實(shí)現(xiàn)蔬菜產(chǎn)業(yè)的智慧化、標(biāo)準(zhǔn)化、規(guī)模化、科技化、現(xiàn)代化非常重要。當(dāng)前，智慧蔬菜產(chǎn)業(yè)正在蓬勃發(fā)展，但是目前一些地區(qū)的蔬菜產(chǎn)業(yè)仍是勞動(dòng)力密集型管理，現(xiàn)代化程度不高，蔬菜全產(chǎn)業(yè)鏈流程復(fù)雜，影響因素眾多，提升蔬菜產(chǎn)業(yè)數(shù)字化智慧化程度是蔬菜產(chǎn)業(yè)高質(zhì)量高效率發(fā)展的迫切需求。新一代信息技術(shù)的發(fā)展使得通過技術(shù)驅(qū)動(dòng)來輔助蔬菜產(chǎn)業(yè)進(jìn)行管理決策和指導(dǎo)生產(chǎn)成為可能。因此，為保障蔬菜產(chǎn)業(yè)安全穩(wěn)定發(fā)展，需要研究智慧農(nóng)業(yè)驅(qū)動(dòng)蔬菜產(chǎn)業(yè)變革，以產(chǎn)業(yè)興旺引領(lǐng)鄉(xiāng)村振興。

2 智慧農(nóng)業(yè)在驅(qū)動(dòng)蔬菜產(chǎn)業(yè)變革中的常用技術(shù)

技術(shù)旨在通過減少勞動(dòng)強(qiáng)度和精確操作來改變農(nóng)民工作的方式，可以成為農(nóng)民的眼睛，幫助他們準(zhǔn)確地識(shí)別疾病或低產(chǎn)區(qū)，在田間執(zhí)行各種任務(wù)，如播種、除草、噴灑或采摘，幫助農(nóng)民工作和決策。

2.1 無人機(jī)

近幾年來，人們開始使用自主技術(shù)來監(jiān)測(cè)大片蔬菜的生長(zhǎng)情況。該領(lǐng)域的新技術(shù)趨勢(shì)是無人機(jī)，它能夠提供遙感、雜草檢測(cè)、灌溉、噴施等應(yīng)用[3]。其中，無人機(jī)遙感可以從可見光、近紅外、熱光譜相機(jī)或激光掃描儀捕獲的圖像提供適當(dāng)?shù)男畔ⅲ糜谶h(yuǎn)程監(jiān)控蔬菜生長(zhǎng)狀態(tài)，農(nóng)民可以在短時(shí)間內(nèi)鳥瞰蔬菜種植園，全面評(píng)估潛在的問題。雜草檢測(cè)就是利用無人機(jī)來檢測(cè)雜草，從而降低農(nóng)民的勞動(dòng)強(qiáng)度。此外，利用無人機(jī)可以灌溉和噴施，實(shí)現(xiàn)蔬菜的大面積灌溉，同時(shí)在適當(dāng)時(shí)機(jī)精準(zhǔn)噴施肥料或農(nóng)藥。無人機(jī)也有一些缺點(diǎn)，比如能源消耗，這限制了它們?cè)谝巴夤ぷ鞯臅r(shí)間。此外，為了更具自主性，應(yīng)該在沒有人為干預(yù)的情況下對(duì)其進(jìn)行更多的研究，并在此基礎(chǔ)上制定新的監(jiān)管規(guī)則。

2.2 無人地面車輛

在農(nóng)業(yè)領(lǐng)域，無人地面車輛正在邁出第一步，它們有望減少勞動(dòng)強(qiáng)度，提高野外作業(yè)的準(zhǔn)確性。無人地面車輛可以在田間執(zhí)行各種任務(wù)，如播種、采摘、除草、噴灑、修剪和蔬菜監(jiān)測(cè)[4]。現(xiàn)有的無人地面車輛已經(jīng)在許多蔬菜上進(jìn)行了測(cè)試，包括辣椒、黃瓜、西紅柿、蘆筍、甜菜等。

為了給無人地面車輛提供操作能力，必須為它配備各種儀器，最重要的設(shè)備是攝像機(jī)。即使是普通的攝像機(jī)也可以成為無人地面車輛的眼睛，因?yàn)橛?jì)算機(jī)視覺技術(shù)使其能夠在田間自主移動(dòng)，并執(zhí)行所需的任務(wù)，如播種、采摘，以及區(qū)分作物和雜草。此外，紅外線攝像機(jī)可以用來檢測(cè)蔬菜葉片的水分或潛在的疾病。此外，傳感器技術(shù)被用于為無人地面車輛提供測(cè)量土壤濕度或pH 值等功能。無人地面車輛還能夠與氣象站通信，了解預(yù)報(bào)或從知識(shí)管理系統(tǒng)下載數(shù)據(jù)，并在實(shí)地采取相應(yīng)行動(dòng)。無人地面車輛可以成群工作，也可以與無人機(jī)合作執(zhí)行復(fù)雜的任務(wù)，將帶來勞動(dòng)力的減少，減少對(duì)環(huán)境的影響。與現(xiàn)有重型機(jī)械相比，小型無人地面車輛能避免大量土壤被壓實(shí)。雖然無人地面車輛可以每天連續(xù)作業(yè)，但與人工作業(yè)相比，其作業(yè)速度仍然非常緩慢。此外，它們?cè)谥T如采摘和除草等任務(wù)中的準(zhǔn)確性仍然是一個(gè)懸而未決的問題。

2.3 無線傳感器網(wǎng)絡(luò)

無線傳感器網(wǎng)絡(luò)將是整個(gè)智慧基礎(chǔ)設(shè)施的支柱，負(fù)責(zé)從傳感器收集數(shù)據(jù)并實(shí)現(xiàn)設(shè)備的互聯(lián)互通。無線連接在智能農(nóng)業(yè)中至關(guān)重要，因?yàn)閹缀跛羞B接的設(shè)備都需要無線接收或發(fā)送數(shù)據(jù)。根據(jù)所需的帶寬、傳輸距離和可用的能源消耗，需要選擇不同的技術(shù)。ZigBee 是一種用于小距離無線傳感器網(wǎng)絡(luò)的協(xié)議，它的功耗較低，因此主要用于室內(nèi)活動(dòng)，如溫室監(jiān)測(cè)、農(nóng)藥和肥料控制以及智能灌溉系統(tǒng)。WiFi 是一種常用于家庭和辦公網(wǎng)絡(luò)的無線局域網(wǎng)，它適用于需要高帶寬的應(yīng)用，如無人機(jī)和無人地面車輛的實(shí)施。蜂窩網(wǎng)絡(luò)3G/4G 以及5G，用于通過部署在田間的傳感器收集數(shù)據(jù)，5G 提供低延遲、可靠性和高帶寬，這在人身安全至關(guān)重要的智慧農(nóng)機(jī)裝備的使用中非常重要，它支持設(shè)備對(duì)設(shè)備的實(shí)時(shí)通信，并支持大量設(shè)備。Sigfox 能夠在農(nóng)村地區(qū)進(jìn)行長(zhǎng)達(dá)40 km 的遠(yuǎn)距離數(shù)據(jù)傳輸，但數(shù)據(jù)傳輸速率非常低。NB IoT 作為蜂窩系統(tǒng)的標(biāo)準(zhǔn)，旨在以低數(shù)據(jù)速率和低能耗服務(wù)農(nóng)業(yè)物聯(lián)網(wǎng)設(shè)備。無線傳感器網(wǎng)絡(luò)從蔬菜生長(zhǎng)的源頭起在各個(gè)階段進(jìn)行檢測(cè)記錄和全程追蹤，實(shí)現(xiàn)蔬菜全產(chǎn)業(yè)鏈的可追溯，從源頭上確保蔬菜的正常生長(zhǎng)和品質(zhì)安全。無線傳感器網(wǎng)絡(luò)與互聯(lián)網(wǎng)實(shí)現(xiàn)互聯(lián)互通，能夠遠(yuǎn)程操控蔬菜生長(zhǎng)環(huán)境中的傳感器，實(shí)現(xiàn)蔬菜生產(chǎn)過程的智能化。

2.4 圖像處理

人工統(tǒng)計(jì)、手動(dòng)測(cè)量調(diào)查分析蔬菜特征及各項(xiàng)生理指標(biāo)具有工作量大、耗費(fèi)時(shí)間長(zhǎng)、成本高等特點(diǎn)。此外，由于不能實(shí)時(shí)監(jiān)測(cè)，測(cè)量結(jié)果會(huì)產(chǎn)生一定的誤差，結(jié)果不可靠。基于以上幾點(diǎn)原因，隨著自動(dòng)成像技術(shù)的發(fā)展，采用圖像處理技術(shù)可以對(duì)蔬菜的長(zhǎng)勢(shì)、病蟲害情況以及當(dāng)前光照度等情況進(jìn)行分析，分析處理后得到蔬菜生長(zhǎng)的詳細(xì)參數(shù)，最后分析所得的數(shù)據(jù)可以用于蔬菜長(zhǎng)勢(shì)的決策診斷。從無人機(jī)、衛(wèi)星或地面?zhèn)鞲衅鞑东@的可見光譜、近紅外、多光譜、高光譜、熱成像、激光掃描儀或合成孔徑雷達(dá)中的相機(jī)圖像需要圖像處理技術(shù)，才能獲得有用的信息。圖像處理技術(shù)對(duì)蔬菜監(jiān)測(cè)和產(chǎn)量估計(jì)很有價(jià)值。

2.5 機(jī)器學(xué)習(xí)

機(jī)器學(xué)習(xí)使機(jī)器能夠?qū)W習(xí)，從而代替菜農(nóng)來進(jìn)行蔬菜生產(chǎn)，協(xié)助菜農(nóng)分析問題，還可以向菜農(nóng)提供科學(xué)決策。當(dāng)前機(jī)器學(xué)習(xí)在蔬菜生產(chǎn)中的應(yīng)用主要是通過圖像處理技術(shù)分析圖像信息，結(jié)合機(jī)器學(xué)習(xí)算法提取圖像的關(guān)鍵特征并進(jìn)行計(jì)算和預(yù)測(cè)。一個(gè)典型的機(jī)器學(xué)習(xí)算法是從一個(gè)學(xué)習(xí)過程開始的，在這個(gè)過程中，系統(tǒng)用多組數(shù)據(jù)進(jìn)行訓(xùn)練。經(jīng)過這一過程，得到分類或預(yù)測(cè)規(guī)則，可以用新的輸入?yún)?shù)來預(yù)測(cè)相應(yīng)的輸出[5]，如圖1 所示。

圖1 典型的機(jī)器學(xué)習(xí)算法的過程

智慧農(nóng)業(yè)任務(wù)積累了大量來自不同來源的數(shù)據(jù)，這些數(shù)據(jù)需要經(jīng)過處理才能獲得有用的信息。因此，基于機(jī)器學(xué)習(xí)的系統(tǒng)是一個(gè)合適的解決方案，因?yàn)樗哂刑幚泶罅枯斎牒吞幚矸蔷€性任務(wù)的能力[6]。此外，近年來，深度學(xué)習(xí)在圖像處理和數(shù)據(jù)分析等領(lǐng)域得到了廣泛的應(yīng)用，并取得了良好的效果和巨大的發(fā)展?jié)摿ΑＩ疃葘W(xué)習(xí)是經(jīng)典機(jī)器學(xué)習(xí)的一個(gè)擴(kuò)展[7]，在預(yù)測(cè)模型中增加了更多的復(fù)雜性，并通過多個(gè)層次使用允許層次表示的各種函數(shù)來轉(zhuǎn)換輸入數(shù)據(jù)集，使其具備更好的學(xué)習(xí)能力、更高的性能和精度。機(jī)器學(xué)習(xí)和深度學(xué)習(xí)技術(shù)被用于蔬菜產(chǎn)業(yè)的各種任務(wù)中，包括作物監(jiān)測(cè)、水管理、疾病識(shí)別和雜草分類等。

2.6 大數(shù)據(jù)

大數(shù)據(jù)，顧名思義，就是相對(duì)于常規(guī)簡(jiǎn)單數(shù)據(jù)而言的，是需要利用高性能計(jì)算設(shè)備進(jìn)行存儲(chǔ)和處理的海量復(fù)雜的數(shù)據(jù)集合。農(nóng)業(yè)大數(shù)據(jù)在蔬菜產(chǎn)業(yè)中的應(yīng)用涵蓋了蔬菜的育種、栽培、灌溉、噴施、預(yù)警、采摘和銷售等全產(chǎn)業(yè)鏈條之中[8]。課題組在山東省蔬菜之鄉(xiāng)壽光市的實(shí)地調(diào)查發(fā)現(xiàn)，在蔬菜產(chǎn)前規(guī)劃、產(chǎn)中管理、產(chǎn)后收獲的全過程中，種植戶需要進(jìn)行40 余項(xiàng)決策，而且這些決策絲絲入扣，緊密銜接。利用大數(shù)據(jù)，蔬菜種植戶可以利用智能手機(jī)足不出戶掌握蔬菜生長(zhǎng)狀況和周圍環(huán)境數(shù)據(jù)，以便在管理時(shí)做到科學(xué)決策。同時(shí)，海量的大數(shù)據(jù)信息，是離不開相應(yīng)的硬件設(shè)施支撐的。在蔬菜種植基地大范圍安裝無線傳感器網(wǎng)絡(luò)，會(huì)生成土壤pH值、土壤溫濕度、空氣溫濕度等各種形式的海量數(shù)據(jù)。與此同時(shí)，無人機(jī)、無人地面車輛也會(huì)在運(yùn)行過程中產(chǎn)生海量的圖像數(shù)據(jù)。具體來說，大數(shù)據(jù)在蔬菜產(chǎn)業(yè)的應(yīng)用包括6 個(gè)步驟，如圖2 所示。

圖2 大數(shù)據(jù)在蔬菜產(chǎn)業(yè)中的應(yīng)用

（1）從傳感器、無人機(jī)、無人地面車輛或開放數(shù)據(jù)中進(jìn)行數(shù)據(jù)采集；（2）采用云平臺(tái)、分布式文件系統(tǒng)、混合式文件系統(tǒng)和數(shù)據(jù)倉(cāng)庫(kù)將收集的數(shù)據(jù)進(jìn)行存儲(chǔ)；（3）采用無線連接和云平臺(tái)進(jìn)行數(shù)據(jù)傳輸；（4）采用標(biāo)準(zhǔn)化、可視化、匿名化或機(jī)器學(xué)習(xí)算法實(shí)施數(shù)據(jù)轉(zhuǎn)換；（5）對(duì)數(shù)據(jù)進(jìn)行分析，包括產(chǎn)前決策、產(chǎn)中管理、建立產(chǎn)量模型和執(zhí)行蔬菜全產(chǎn)業(yè)鏈的決策等；（6）將大數(shù)據(jù)運(yùn)用于蔬菜電子商務(wù)交易中，結(jié)合蔬菜種植面積、種植結(jié)構(gòu)、產(chǎn)量、品種、質(zhì)量、口味、價(jià)格等各維度數(shù)據(jù)，利用數(shù)據(jù)可視化技術(shù)實(shí)現(xiàn)數(shù)據(jù)營(yíng)銷。

2.7 云計(jì)算

為了存儲(chǔ)傳感器以及無人機(jī)和無人地面車輛產(chǎn)生的大量數(shù)據(jù)，基于云計(jì)算的基礎(chǔ)設(shè)施是必不可少的。大數(shù)據(jù)和云計(jì)算是相互依賴的，因?yàn)榇罅康臄?shù)據(jù)應(yīng)該被存儲(chǔ)、處理，存儲(chǔ)和處理也可以利用額外的計(jì)算資源實(shí)時(shí)進(jìn)行，以方便最終用戶訪問。云計(jì)算可以提供大量的存儲(chǔ)和計(jì)算資源，而且這些資源可以在任何時(shí)間從任何地方可靠地獲得[9]。云計(jì)算除了和大數(shù)據(jù)相互配合發(fā)揮作用之外，還適用于許多其他場(chǎng)合。例如，云計(jì)算的集中控制適合于從田間部署的傳感器收集數(shù)據(jù)，并以可視化的形式提供數(shù)據(jù)分析。云計(jì)算同時(shí)可以提供土壤監(jiān)測(cè)、智能灌溉、疾病或昆蟲檢測(cè)和農(nóng)場(chǎng)管理系統(tǒng)等應(yīng)用程序。

2.8 機(jī)器人

機(jī)器人是融合計(jì)算機(jī)、機(jī)械、電子信息、自動(dòng)化等學(xué)科的智能機(jī)械裝備。現(xiàn)有的農(nóng)業(yè)機(jī)器人通常是在模仿、移植和改造工業(yè)機(jī)器人的基礎(chǔ)上進(jìn)行研發(fā)。機(jī)器人在蔬菜領(lǐng)域的應(yīng)用能夠?qū)崿F(xiàn)種植、嫁接、耕作、除草、施肥、噴藥、采摘、分揀和包裝等任務(wù)，并已經(jīng)出現(xiàn)了多種機(jī)器人產(chǎn)品[10]，讓蔬菜從農(nóng)田到餐桌的整個(gè)全產(chǎn)業(yè)鏈實(shí)現(xiàn)智能化機(jī)器人技術(shù)的應(yīng)用，解決新形勢(shì)下農(nóng)業(yè)勞動(dòng)力短缺的問題，大幅提升蔬菜產(chǎn)業(yè)科技含量。相對(duì)于當(dāng)前發(fā)展較為成熟的工業(yè)機(jī)器人來說，農(nóng)業(yè)機(jī)器人的發(fā)展受到復(fù)雜的農(nóng)業(yè)生產(chǎn)環(huán)境以及種類各異的作業(yè)對(duì)象的制約，仍然需要結(jié)合人工智能、圖像處理、機(jī)器學(xué)習(xí)等提高其技術(shù)實(shí)力。

3 智慧農(nóng)業(yè)在驅(qū)動(dòng)蔬菜產(chǎn)業(yè)變革中的具體應(yīng)用

在智慧農(nóng)業(yè)驅(qū)動(dòng)蔬菜產(chǎn)業(yè)變革中，能夠摒棄傳統(tǒng)蔬菜產(chǎn)業(yè)經(jīng)營(yíng)模式的劣勢(shì)，從蔬菜全產(chǎn)鏈角度提高蔬菜生產(chǎn)經(jīng)營(yíng)效率，如圖3 所示。有必要從全產(chǎn)業(yè)鏈角度（產(chǎn)前、產(chǎn)中、產(chǎn)后）出發(fā)，分析新技術(shù)在蔬菜產(chǎn)業(yè)變革中的具體應(yīng)用，進(jìn)一步助推蔬菜產(chǎn)業(yè)的全鏈條健康持續(xù)發(fā)展。

圖3 智慧農(nóng)業(yè)驅(qū)動(dòng)蔬菜產(chǎn)業(yè)變革的具體應(yīng)用

3.1 產(chǎn)前階段

3.1.1 產(chǎn)前蔬菜智能育種 在蔬菜產(chǎn)前階段，不同品種的蔬菜的生產(chǎn)季節(jié)、生長(zhǎng)周期、耐熱性都存在較大差異，所以，需要通過育種來增強(qiáng)蔬菜對(duì)于環(huán)境的適應(yīng)性，盡量避免由于環(huán)境因素而影響品質(zhì)和產(chǎn)量，實(shí)現(xiàn)蔬菜智能育種是蔬菜產(chǎn)前不可或缺的環(huán)節(jié)。在蔬菜育種過程中，育種專家需要精確測(cè)量各種表型數(shù)據(jù)，從中找出具有優(yōu)良性狀的品種。傳統(tǒng)的蔬菜育種方法效率低下，很難篩選出最優(yōu)品種。利用圖像處理、機(jī)器學(xué)習(xí)和大數(shù)據(jù)技術(shù)可以對(duì)蔬菜表型數(shù)據(jù)進(jìn)行精準(zhǔn)快速的測(cè)量和分析，精準(zhǔn)選育高產(chǎn)抗病的優(yōu)質(zhì)品種。彭彥昆等[11]提出了一種番茄種子圖像分級(jí)的算法，分級(jí)準(zhǔn)確率高達(dá)90.48%，實(shí)現(xiàn)了番茄種子的無損傷分級(jí)。張晗等[12]基于機(jī)器視覺識(shí)別白菜種子的10 個(gè)顏色特征和6 個(gè)形狀特征，從而分析種子活力與圖像特征之間的聯(lián)系，以此為依據(jù)實(shí)現(xiàn)優(yōu)良白菜種子的篩選，成功選育出的種子發(fā)芽率高達(dá)69.43%。

3.1.2 產(chǎn)前土壤成分檢測(cè) 土壤成分直接關(guān)系到蔬菜能否正常成長(zhǎng)，與蔬菜的品質(zhì)和產(chǎn)量存在密切聯(lián)系。利用土壤傳感器，可以實(shí)時(shí)測(cè)量土壤表層和深層的有機(jī)質(zhì)含量、養(yǎng)分組成、電導(dǎo)率、溫濕度等信息[13]。還有一些學(xué)者結(jié)合深度學(xué)習(xí)、卷積神經(jīng)網(wǎng)絡(luò)和光譜技術(shù)對(duì)土壤成分進(jìn)行精準(zhǔn)分析和判斷[14-16]，確定土壤酸堿度、溫濕度，以決定土壤成分是否適合蔬菜種植，為蔬菜產(chǎn)前種植提供最佳的土壤施肥方案提供了堅(jiān)實(shí)的理論基礎(chǔ)。

3.1.3 產(chǎn)前灌溉耗水預(yù)測(cè) 在以往的種植方式中，蔬菜的產(chǎn)前灌溉主要是憑借菜農(nóng)的經(jīng)驗(yàn)來進(jìn)行的，很難根據(jù)具體的菜園種植精準(zhǔn)分析，從而造成灌溉耗水量不容易控制，不利于蔬菜的正常生長(zhǎng)。為了實(shí)現(xiàn)精準(zhǔn)灌溉，需要采用人工智能技術(shù)精準(zhǔn)分析蔬菜產(chǎn)前灌溉耗水情況，使用分散的傳感器來監(jiān)測(cè)土壤、水體和微氣候因素，根據(jù)監(jiān)測(cè)數(shù)據(jù)來跟蹤需水量，由土壤濕度閾值調(diào)節(jié)自動(dòng)滴灌水量，保證灌溉耗水量達(dá)到適合蔬菜正常生長(zhǎng)的最佳標(biāo)準(zhǔn)。同時(shí)，結(jié)合大數(shù)據(jù)技術(shù)可以對(duì)降水、天氣、環(huán)境等相關(guān)因子進(jìn)行大數(shù)據(jù)分析，構(gòu)建灌溉模型，實(shí)現(xiàn)科學(xué)灌溉。

3.2 產(chǎn)中階段

3.2.1 蔬菜生長(zhǎng)監(jiān)測(cè) 傳統(tǒng)監(jiān)測(cè)蔬菜生長(zhǎng)情況的方式是采用菜農(nóng)直接診斷法，主要是依據(jù)菜農(nóng)的經(jīng)驗(yàn)，通過菜農(nóng)對(duì)植株進(jìn)行肉眼觀察，直觀判別植株是否正常生長(zhǎng)。直觀地說，任何一種蔬菜在生長(zhǎng)過程中出現(xiàn)問題時(shí)，均會(huì)表現(xiàn)出一定的癥狀，從而可以通過這些對(duì)應(yīng)的癥狀來判斷其生長(zhǎng)狀態(tài)。然而，菜農(nóng)直接診斷的過程中會(huì)存在較強(qiáng)的主觀性，根據(jù)有限的經(jīng)驗(yàn)進(jìn)行肉眼觀測(cè)效率非常低下，甚至有時(shí)不能直觀地反映植株的實(shí)際生長(zhǎng)狀態(tài)。因此，有必要借助科學(xué)的方法嚴(yán)格監(jiān)測(cè)蔬菜生長(zhǎng)狀態(tài)。

依托智慧農(nóng)業(yè)的快速發(fā)展，尤其是計(jì)算機(jī)視覺技術(shù)的發(fā)展，同時(shí)結(jié)合大數(shù)據(jù)技術(shù)，可以建立蔬菜生長(zhǎng)中水分、養(yǎng)分、病蟲害等不同指標(biāo)之間的關(guān)系模型，進(jìn)行定量分析和定性分析，實(shí)現(xiàn)對(duì)蔬菜生長(zhǎng)狀態(tài)的智能化監(jiān)測(cè)。例如，北京佳格天地科技有限公司、北京愛種網(wǎng)絡(luò)科技有限公司、北京天安公司、北京市農(nóng)林科學(xué)研究院農(nóng)業(yè)信息與經(jīng)濟(jì)研究所、山東省農(nóng)業(yè)信息中心等都主動(dòng)追趕智慧農(nóng)業(yè)潮流，建設(shè)了農(nóng)業(yè)大數(shù)據(jù)平臺(tái)，精準(zhǔn)監(jiān)測(cè)作物生長(zhǎng)狀況，通過對(duì)種植環(huán)境、長(zhǎng)勢(shì)情況、土壤墑情等海量數(shù)據(jù)的分析，提供農(nóng)事操作建議，入選農(nóng)業(yè)農(nóng)村部《農(nóng)業(yè)農(nóng)村大數(shù)據(jù)實(shí)踐案例》。

圖像識(shí)別和表型識(shí)別在品質(zhì)保障、病蟲害防控中都有廣泛應(yīng)用。尤其是針對(duì)蔬菜生長(zhǎng)過程中病蟲害、營(yíng)養(yǎng)元素缺失等癥狀，在癥狀肉眼難以辨別時(shí)就能夠及時(shí)進(jìn)行智能化診斷，無需等到癥狀明顯時(shí)由專家確診，實(shí)現(xiàn)蔬菜生長(zhǎng)狀態(tài)的早期監(jiān)測(cè)預(yù)警，從而大幅度降低生產(chǎn)損失。例如，由美國(guó)加利福尼亞的IntelinAir 公司研發(fā)的“Crop Intelligence”、賓夕法尼亞州州立大學(xué)研發(fā)的“PlantVillage Nuru”，德國(guó)公司研發(fā)的“Plantix”高效農(nóng)業(yè)生產(chǎn)平臺(tái)等，采集田間生長(zhǎng)數(shù)據(jù)進(jìn)行作物健康狀況識(shí)別，使用深度神經(jīng)網(wǎng)絡(luò)降低誤報(bào)率[17]。國(guó)內(nèi)首款將人工智能技術(shù)應(yīng)用于農(nóng)作物病蟲害診斷的工具是由深圳市豐農(nóng)數(shù)智農(nóng)業(yè)科技有限公司（曾用名：深圳市識(shí)農(nóng)智能科技有限公司）研發(fā)的“識(shí)農(nóng)”APP，人們只要拿起手機(jī)拍攝病蟲害感染區(qū)域就能精準(zhǔn)識(shí)別病蟲害，并獲取相應(yīng)的防控建議。隨后病蟲害識(shí)別APP 的研發(fā)受到更多公司的重視，各種APP 層出不窮，包括：杭州睿坤科技有限公司研發(fā)了“慧植農(nóng)當(dāng)家”APP，廣西慧云信息技術(shù)有限公司研發(fā)了“耘眼”APP，浙江托普云農(nóng)科技股份有限公司研發(fā)了“見蟲”APP，中國(guó)農(nóng)業(yè)大學(xué)研發(fā)了“植保家”APP 等[18-19]。這些APP 都能夠利用智能手機(jī)實(shí)現(xiàn)復(fù)雜背景下的病蟲害圖像識(shí)別，為種植戶提供了隨時(shí)隨地使用的便利，為病蟲害科學(xué)防控提供了依據(jù)。此外，在生產(chǎn)實(shí)踐中，部分地區(qū)嘗試?yán)弥脖o人機(jī)防治病蟲害，利用無人機(jī)遙感監(jiān)測(cè)蔬菜的種植狀況，建設(shè)智慧化無人農(nóng)場(chǎng)。

3.3.2 蔬菜生產(chǎn)管理 蔬菜的生產(chǎn)管理具體涵蓋澆水、施肥、除草、病蟲害治理等蔬菜生產(chǎn)全過程，整個(gè)過程需要耗費(fèi)大量的精力，關(guān)系到蔬菜的品質(zhì)和產(chǎn)量能否達(dá)到預(yù)期要求。依托智慧農(nóng)業(yè)，科學(xué)做好蔬菜生產(chǎn)管理工作，能夠有效提高管理效率。眾多學(xué)者已經(jīng)開始利用先進(jìn)的物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能技術(shù)研發(fā)出蔬菜智能化節(jié)水灌溉施肥設(shè)備、雜草智能化檢測(cè)算法、智能化殺蟲設(shè)備、病蟲害綠色防控裝備等[20]。菜農(nóng)使用傳感器收集數(shù)據(jù)并對(duì)其進(jìn)行分析以預(yù)測(cè)使用多少肥料、何時(shí)收獲等，精準(zhǔn)做出數(shù)據(jù)驅(qū)動(dòng)的決策。

影響蔬菜生產(chǎn)管理的因素眾多，涉及土壤、灌溉、噴藥、施肥、除草等，菜農(nóng)僅憑現(xiàn)有經(jīng)驗(yàn)進(jìn)行生產(chǎn)決策是不足的，而借助于大數(shù)據(jù)就能夠進(jìn)行科學(xué)決策。例如，國(guó)外蔬菜領(lǐng)域的大數(shù)據(jù)應(yīng)用經(jīng)典案例包括Farmlogs、Climate Corp、Climate View 等[21-22]，可以幫助農(nóng)民跟蹤土壤成分、降水量、溫濕度等各種指標(biāo)，對(duì)各種指標(biāo)數(shù)據(jù)進(jìn)行建模分析，從而為種植戶提供灌溉、施肥、除草、收獲等決策參考，讓農(nóng)民能夠及時(shí)發(fā)現(xiàn)和解決生產(chǎn)中的問題；國(guó)內(nèi)的“蜻蜓農(nóng)服”“農(nóng)管家”“農(nóng)技耘”等，能夠?qū)崟r(shí)采集蔬菜生產(chǎn)中的各種數(shù)據(jù)，讓種植戶享受到“全天候、保姆式”的農(nóng)業(yè)生產(chǎn)服務(wù)。

與此同時(shí)，大數(shù)據(jù)技術(shù)結(jié)合智能機(jī)器人裝備的使用，可以有效提高蔬菜生產(chǎn)管理效率，大幅降低勞動(dòng)力成本。例如，美國(guó)Blue River Technologies 公司研發(fā)的Lettuce Bot 機(jī)器人能夠拍攝植株的照片，利用人工智能算法檢測(cè)出是否存在雜草，植株種植距離是否過密或過稀，以此精準(zhǔn)消滅雜草，及時(shí)調(diào)整植株生長(zhǎng)間距。此外，在國(guó)內(nèi)實(shí)際生產(chǎn)中也有應(yīng)用實(shí)例。比如，坐落于壽光洛城街道的壽光智慧農(nóng)業(yè)科技園中有負(fù)責(zé)水肥控制、授粉、采摘、分揀、巡檢等工作的機(jī)器人，負(fù)責(zé)統(tǒng)管的機(jī)器人可以收集園區(qū)內(nèi)所有機(jī)器人的數(shù)據(jù)信息并從中提取有價(jià)值的信息，以此指導(dǎo)所有機(jī)器人進(jìn)一步發(fā)出精準(zhǔn)指令。

3.2.3 蔬菜產(chǎn)量預(yù)測(cè) 所謂蔬菜產(chǎn)量，就是某特定條件下每單位種植面積產(chǎn)出的農(nóng)作物的量，受到溫度、光照、土壤、施肥、灌溉等一系列因素的綜合影響。蔬菜產(chǎn)量估測(cè)可幫助農(nóng)民結(jié)合蔬菜產(chǎn)量和市場(chǎng)實(shí)際需求科學(xué)設(shè)計(jì)種植計(jì)劃和銷售渠道，也是判斷蔬菜種植管理水平的重要根據(jù)，還是國(guó)家制定蔬菜宏觀調(diào)控政策和經(jīng)濟(jì)發(fā)展計(jì)劃的決策依據(jù)，為政府指導(dǎo)和調(diào)整農(nóng)業(yè)生產(chǎn)系統(tǒng)以及提高農(nóng)業(yè)生產(chǎn)效率提供輔助參考。蔬菜的產(chǎn)量受到栽培、水肥、種植密度、氣候等復(fù)雜環(huán)境因素的影響。傳統(tǒng)的蔬菜產(chǎn)量估測(cè)方法主要依賴于人工，受主觀因素影響較大。為了解決這個(gè)問題，研究人員利用計(jì)算機(jī)視覺技術(shù)的優(yōu)勢(shì)，結(jié)合遙感數(shù)據(jù)、蔬菜生長(zhǎng)因子或圖像特征，對(duì)作物生物學(xué)信息進(jìn)行實(shí)時(shí)監(jiān)測(cè)和智能分析，建立蔬菜估產(chǎn)深度學(xué)習(xí)模型[23]，并指導(dǎo)蔬菜生產(chǎn)，實(shí)現(xiàn)蔬菜種植的智能化和精細(xì)化管理。

利用大數(shù)據(jù)技術(shù)結(jié)合遙感數(shù)據(jù)可以分析包括種植環(huán)境、天氣狀況、農(nóng)機(jī)參數(shù)等在內(nèi)的各種農(nóng)情大數(shù)據(jù)，為蔬菜產(chǎn)量預(yù)測(cè)提供依據(jù)。例如，美國(guó)農(nóng)作物觀察生產(chǎn)商Crop Watch 聯(lián)合相關(guān)部門的政策大數(shù)據(jù)、經(jīng)濟(jì)大數(shù)據(jù)以及產(chǎn)量的歷史數(shù)據(jù)，可以精準(zhǔn)預(yù)測(cè)當(dāng)年產(chǎn)量。再如，意大利融合衛(wèi)星遙感數(shù)據(jù)，考慮天氣、降雨、地質(zhì)土壤調(diào)查數(shù)據(jù)，構(gòu)建了作物產(chǎn)量預(yù)測(cè)系統(tǒng)，能夠有效應(yīng)對(duì)差異化的作物物候、復(fù)雜化的農(nóng)田分布和多變性的農(nóng)田休整等問題，繪制出清晰的作物產(chǎn)量空間分布圖[24]，同時(shí)也可以預(yù)測(cè)可能發(fā)生的自然災(zāi)害，農(nóng)民就能夠有針對(duì)性地調(diào)整種植方案和購(gòu)買農(nóng)業(yè)保險(xiǎn)，減少不良因素對(duì)產(chǎn)量和收益造成的損失。

3.3 產(chǎn)后階段

3.3.1 蔬菜智能采摘 蔬菜種類多、質(zhì)量大，采收和運(yùn)輸需要密集的勞力，從而造成高昂的人工成本，且對(duì)務(wù)農(nóng)人員的體力也有較高的要求，未來誰來采摘蔬菜也是影響該產(chǎn)業(yè)可持續(xù)發(fā)展的重要因素。對(duì)于采收傳送這些人工效率低的環(huán)節(jié)，需要加強(qiáng)機(jī)械手、運(yùn)輸車、智慧化和一體化的智能采摘設(shè)備的研發(fā)。研究人員結(jié)合先進(jìn)的機(jī)器人和人工智能技術(shù)，實(shí)現(xiàn)蔬菜的智能采摘，在短時(shí)間內(nèi)快速采摘成熟蔬菜，減少勞動(dòng)力投入[25]。智能采摘機(jī)器人能夠利用攝像裝置獲取蔬菜照片進(jìn)行識(shí)別，研發(fā)先進(jìn)的人工智能算法來檢測(cè)蔬菜采摘部位的位置，用于指導(dǎo)機(jī)器人進(jìn)行無損采摘，典型案例包括：日本的番茄采摘機(jī)器人，荷蘭的黃瓜采摘機(jī)器人，日本研制的草莓采摘機(jī)器人，英國(guó)的蘑菇采摘機(jī)器人。與此同時(shí)，國(guó)內(nèi)蔬菜采摘機(jī)器人的研發(fā)也取得重大進(jìn)展，如中國(guó)農(nóng)業(yè)大學(xué)、華南農(nóng)業(yè)大學(xué)、浙江大學(xué)、南京農(nóng)業(yè)大學(xué)、北京工業(yè)大學(xué)、上海交通大學(xué)、沈陽(yáng)農(nóng)業(yè)大學(xué)等高校已成功研制出采摘番茄、草莓、茄子、黃瓜等蔬菜的采摘機(jī)器人[26]。

雖然當(dāng)前蔬菜智能采摘裝置已經(jīng)能夠大幅提高采摘成功率，但在試驗(yàn)過程中仍存在著漏采、傷菜現(xiàn)象。今后研究旨在更好地適應(yīng)非結(jié)構(gòu)化的種植環(huán)境及多樣化的作業(yè)需求，不斷改進(jìn)智能采摘裝備和算法，以提高采摘效率和避免現(xiàn)行采摘方式對(duì)蔬菜的傷害。

3.3.2 蔬菜智能分揀 蔬菜中摻雜的雜草或者腐敗葉片會(huì)嚴(yán)重影響蔬菜的外觀和銷售。以往的人工蔬菜分揀方法效率低下，經(jīng)常出現(xiàn)漏揀或誤揀。鑒于此，需要依托智慧農(nóng)業(yè)技術(shù)，研發(fā)蔬菜智能分揀算法和設(shè)備，分析不同種類蔬菜的顏色、營(yíng)養(yǎng)元素含量、酸堿性等，以此來進(jìn)行特征提取、無損檢測(cè)和智能分級(jí)[27]。具體來說，需要結(jié)合計(jì)算機(jī)視覺技術(shù)，建立蔬菜葉片圖像數(shù)據(jù)集，采用先進(jìn)的人工智能深度學(xué)習(xí)算法對(duì)蔬菜中存在的異物以及不同等級(jí)的蔬菜進(jìn)行智能識(shí)別。

當(dāng)前蔬菜智能分揀不僅在學(xué)術(shù)領(lǐng)域取得了較大進(jìn)展[28]，而且在實(shí)踐領(lǐng)域也已經(jīng)有了應(yīng)用案例。例如，北京工業(yè)大學(xué)基于百度飛槳平臺(tái)研發(fā)了一款智能農(nóng)作物分揀機(jī)[29]，蔬東坡蔬菜配送系統(tǒng)推出的智能分揀秤[30]，日本研發(fā)的黃瓜分揀機(jī)[31]，等等。尤其是近幾年隨著深度學(xué)習(xí)技術(shù)的發(fā)展，國(guó)內(nèi)外已經(jīng)研發(fā)了許多類似的蔬菜智能分揀設(shè)備[32]。利用智能分揀設(shè)備，農(nóng)民僅需把待分揀農(nóng)作物放到履帶上，農(nóng)作物沿著履帶滑入分揀箱，分揀箱就能夠智能檢測(cè)蔬菜類別和等級(jí)，最后不同類別和等級(jí)的蔬菜就會(huì)通過推桿進(jìn)入相對(duì)應(yīng)的籃子。蔬菜分揀機(jī)能夠智能識(shí)別不同作物，堅(jiān)固耐用，操作簡(jiǎn)單，應(yīng)用廣泛，可以用于無損分揀裝運(yùn)不同大小個(gè)體的蔬菜果實(shí)等。已有研究的局限性在于設(shè)備的檢測(cè)速度不夠快，下一步的研究需要考慮不同種類和不同等級(jí)蔬菜的市場(chǎng)需求、持有成本、運(yùn)輸成本等因素來不斷改進(jìn)相關(guān)算法，提高分揀速度和性能。

3.3.3 蔬菜質(zhì)量追溯 蔬菜質(zhì)量安全問題直接關(guān)系到人民幸福和國(guó)家富強(qiáng)，需要引起高度重視。依托智慧農(nóng)業(yè)發(fā)展，加強(qiáng)蔬菜質(zhì)量追溯體系建設(shè)，將菜農(nóng)、蔬菜經(jīng)銷商、蔬菜供銷社、相關(guān)農(nóng)業(yè)企業(yè)等全部納入追溯體系之中，實(shí)現(xiàn)蔬菜全產(chǎn)業(yè)鏈的質(zhì)量溯源，并做到不同地區(qū)之間的平臺(tái)共建和資源共享。與此同時(shí)，采用地理信息系統(tǒng)、云計(jì)算、物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、區(qū)塊鏈等新一代信息技術(shù)，結(jié)合智能化倉(cāng)儲(chǔ)物流模式，做好蔬菜質(zhì)量安全預(yù)警工作，保障蔬菜“從田間地頭到居民餐桌”供應(yīng)鏈的全過程的質(zhì)量安全。隨著蔬菜領(lǐng)域海量數(shù)據(jù)的激增和互聯(lián)網(wǎng)公司的發(fā)展，京東、阿里巴巴、百度、騰訊開始跨界布局農(nóng)業(yè)領(lǐng)域，與蔬菜基地合作，競(jìng)相推進(jìn)蔬菜質(zhì)量智慧溯源系統(tǒng)建設(shè)，完善蔬菜全產(chǎn)業(yè)鏈質(zhì)量追溯體系，并在分析消費(fèi)者行為的基礎(chǔ)上持續(xù)優(yōu)化蔬菜質(zhì)量追溯體系。

4 智慧農(nóng)業(yè)驅(qū)動(dòng)蔬菜產(chǎn)業(yè)變革面臨的挑戰(zhàn)

4.1 技術(shù)推廣應(yīng)用難

現(xiàn)階段，各種先進(jìn)技術(shù)在工業(yè)、服務(wù)業(yè)、物流業(yè)、醫(yī)療衛(wèi)生等行業(yè)已經(jīng)得到廣泛應(yīng)用，智能工場(chǎng)、智能制造、智能物流、智能醫(yī)療等發(fā)展迅速。但是先進(jìn)技術(shù)在智慧農(nóng)業(yè)尤其是智慧蔬菜產(chǎn)業(yè)中的應(yīng)用較少。當(dāng)前蔬菜種植基地使用的各種設(shè)備仍然不能滿足智慧農(nóng)業(yè)的需求，智能化的育種、除草、采摘等設(shè)備仍然停留在實(shí)驗(yàn)室驗(yàn)證階段，尚未推廣到田間地頭。智慧農(nóng)業(yè)能夠幫助菜農(nóng)提供遠(yuǎn)程監(jiān)控蔬菜的生長(zhǎng)狀況以及農(nóng)場(chǎng)內(nèi)環(huán)境溫濕度等指標(biāo)的變化，但是成本較高，主要應(yīng)用于科學(xué)研究，尚未落地實(shí)施。已有的通信協(xié)議僅對(duì)智能農(nóng)場(chǎng)內(nèi)短距離覆蓋區(qū)域有效，通信成本較高，一旦設(shè)備電池用完就會(huì)導(dǎo)致數(shù)據(jù)傳輸停滯，存在一定的服務(wù)質(zhì)量和網(wǎng)絡(luò)延遲問題，不利于應(yīng)用在大面積的智能農(nóng)場(chǎng)中。

4.2 設(shè)備運(yùn)行性能低

蔬菜產(chǎn)業(yè)利潤(rùn)率不高，但是設(shè)備運(yùn)行成本高，包括安裝成本和運(yùn)營(yíng)成本。安裝成本涵蓋了構(gòu)建智能環(huán)境所需的智慧農(nóng)業(yè)軟硬件設(shè)施費(fèi)用。運(yùn)營(yíng)成本包括與網(wǎng)關(guān)和云服務(wù)器之間的數(shù)據(jù)共享和維護(hù)相關(guān)的成本。雖然某些運(yùn)營(yíng)商提供具有受限功能的免費(fèi)流量包，但鏈接智慧農(nóng)業(yè)設(shè)備的數(shù)量以及可存儲(chǔ)的信息量有限，功能和設(shè)備的增加會(huì)導(dǎo)致流量費(fèi)用的提高，數(shù)據(jù)傳輸存在較高的通信成本開銷。與此同時(shí)，設(shè)備運(yùn)行可靠性較低：昂貴的智慧農(nóng)業(yè)設(shè)備一般安裝在戶外，暴露于極端的環(huán)境因素中，可能遭受洪水和颶風(fēng)等不利天氣事件的影響，導(dǎo)致傳感器隨著時(shí)間的推移而損壞并且連接失敗。

4.3 算法速度精度低

現(xiàn)有的蔬菜播種、除草、采摘設(shè)備操作質(zhì)量不理想，精度和速度仍然需要提高。物聯(lián)網(wǎng)在智慧農(nóng)業(yè)中的應(yīng)用無疑解放了菜農(nóng)的雙手，但蔬菜病害檢測(cè)速度存在局限性，該領(lǐng)域需要進(jìn)一步研究。同時(shí)，蔬菜生長(zhǎng)監(jiān)測(cè)存在滯后性，僅能監(jiān)測(cè)蔬菜特定時(shí)間的需求，不能綜合考慮土壤、氣候、環(huán)境等因素。當(dāng)前智慧農(nóng)業(yè)采用的計(jì)算機(jī)視覺相關(guān)算法對(duì)蔬菜識(shí)別的速度和精度有待提高，有必要開發(fā)模型或算法來幫助菜農(nóng)盡早識(shí)別蔬菜生長(zhǎng)狀態(tài)，精準(zhǔn)監(jiān)測(cè)蔬菜葉片水分脅迫水平、營(yíng)養(yǎng)元素含量、病害可能發(fā)生概率等，以便及時(shí)做好灌溉施肥和農(nóng)藥噴灑，保證蔬菜的品質(zhì)和產(chǎn)量。

4.4 技術(shù)人才儲(chǔ)備少

阻礙智慧農(nóng)業(yè)驅(qū)動(dòng)蔬菜產(chǎn)業(yè)變革的一個(gè)重要因素是對(duì)智慧農(nóng)業(yè)及其相關(guān)技術(shù)缺乏足夠的認(rèn)識(shí)。智慧農(nóng)業(yè)所應(yīng)用的傳感器、物聯(lián)網(wǎng)、人工智能設(shè)備等需要既懂各種新興技術(shù)又懂農(nóng)業(yè)生產(chǎn)的新型農(nóng)業(yè)技術(shù)人才進(jìn)行操作，但是當(dāng)前智慧農(nóng)業(yè)領(lǐng)域的技術(shù)人才非常稀少，愿意服務(wù)農(nóng)村、扎根蔬菜產(chǎn)業(yè)的技術(shù)人才更為罕見。調(diào)研發(fā)現(xiàn)，大部分菜農(nóng)為中老年人，他們的文化水平較低，對(duì)智慧農(nóng)業(yè)的認(rèn)識(shí)不足，對(duì)新技術(shù)的接受能力較差，對(duì)智慧農(nóng)業(yè)設(shè)備的使用不能快速上手，影響了智慧農(nóng)業(yè)的建設(shè)和發(fā)展。

5 智慧農(nóng)業(yè)驅(qū)動(dòng)蔬菜產(chǎn)業(yè)變革發(fā)展路徑

智慧農(nóng)業(yè)驅(qū)動(dòng)蔬菜產(chǎn)業(yè)變革是一項(xiàng)系統(tǒng)性工程，離不開全方位的保障工作。鑒于此，結(jié)合現(xiàn)階段智慧農(nóng)業(yè)驅(qū)動(dòng)蔬菜產(chǎn)業(yè)變革的具體應(yīng)用和面臨的挑戰(zhàn)，提出“四步走”的發(fā)展路徑。

5.1 統(tǒng)籌規(guī)劃智慧農(nóng)業(yè)驅(qū)動(dòng)蔬菜全產(chǎn)業(yè)鏈變革路徑

智慧農(nóng)業(yè)驅(qū)動(dòng)蔬菜產(chǎn)業(yè)變革需要?dú)v經(jīng)孕育、孵化、發(fā)展和壯大的過程，必須統(tǒng)籌規(guī)劃，明確適合我國(guó)國(guó)情和各省省情的智慧農(nóng)業(yè)驅(qū)動(dòng)蔬菜全產(chǎn)業(yè)鏈變革路徑。一是實(shí)施產(chǎn)前階段智慧化變革。建設(shè)蔬菜全產(chǎn)業(yè)鏈大數(shù)據(jù)中心，通過遙感監(jiān)測(cè)等技術(shù)搜集蔬菜產(chǎn)前種植相關(guān)條件數(shù)據(jù)，研發(fā)基于人工智能數(shù)據(jù)挖掘的新型智能育種算法和設(shè)備。二是實(shí)施產(chǎn)中階段智慧化變革。逐步試點(diǎn)智慧種植基地，研發(fā)蔬菜種植階段數(shù)據(jù)采集專用的低成本傳感器并推廣應(yīng)用，建設(shè)“植物工廠”，大力發(fā)展除草、噴施、灌溉等智能農(nóng)機(jī)裝備，減輕人工作業(yè)負(fù)擔(dān)。三是實(shí)施產(chǎn)后階段智慧化變革。不斷優(yōu)化蔬菜產(chǎn)后采摘分揀算法和裝備，結(jié)合大數(shù)據(jù)、物聯(lián)網(wǎng)、區(qū)塊鏈和人工智能等技術(shù)構(gòu)建蔬菜質(zhì)量安全追溯體系，實(shí)現(xiàn)蔬菜質(zhì)量的全程監(jiān)測(cè)和風(fēng)險(xiǎn)評(píng)估。此外還需要加強(qiáng)對(duì)建成的智慧農(nóng)業(yè)示范項(xiàng)目進(jìn)行宣傳培訓(xùn)和落地實(shí)施，讓蔬菜種植戶實(shí)實(shí)在在地看到有效案例，引導(dǎo)他們積極使用智慧農(nóng)業(yè)相關(guān)系統(tǒng)和裝備，在應(yīng)用中也能實(shí)現(xiàn)技術(shù)的持續(xù)迭代更新，及時(shí)改進(jìn)和有效落實(shí)智慧農(nóng)業(yè)相關(guān)政策。

5.2 加快建設(shè)和升級(jí)新一代智慧農(nóng)業(yè)基礎(chǔ)設(shè)施體系

一是拓寬融資渠道，吸收社會(huì)閑散資金，建立蔬菜產(chǎn)業(yè)發(fā)展專項(xiàng)基金，為前期建設(shè)提供充足的資金儲(chǔ)備。二是各級(jí)政府加強(qiáng)政策引導(dǎo)，推進(jìn)智慧農(nóng)業(yè)與蔬菜產(chǎn)業(yè)的深度融合，建設(shè)一批智慧農(nóng)業(yè)試點(diǎn)示范項(xiàng)目，并及時(shí)進(jìn)行技術(shù)推廣，助推智慧農(nóng)業(yè)基礎(chǔ)設(shè)施和先進(jìn)技術(shù)落地實(shí)施。三是加快建設(shè)一批智慧蔬菜高科技園區(qū)，同時(shí)進(jìn)行定期監(jiān)測(cè)和評(píng)估，及時(shí)做好設(shè)備折舊，保證先進(jìn)設(shè)備的可操控性。四是制定并實(shí)施智能化農(nóng)機(jī)裝備購(gòu)置補(bǔ)貼政策，為設(shè)施蔬菜種植園區(qū)提供物聯(lián)網(wǎng)成套設(shè)備購(gòu)置補(bǔ)貼，減免智慧蔬菜種植基地設(shè)備流量費(fèi)用和農(nóng)機(jī)作業(yè)服務(wù)費(fèi)用，為種植戶提供網(wǎng)絡(luò)流量套餐優(yōu)惠。

5.3 加強(qiáng)培養(yǎng)專業(yè)技術(shù)人才和高水平科技創(chuàng)新團(tuán)隊(duì)

一是設(shè)立新型職業(yè)農(nóng)民培育計(jì)劃，通過下鄉(xiāng)服務(wù)、廣播宣傳、實(shí)操講解等多種方式引導(dǎo)農(nóng)民提升智慧農(nóng)業(yè)意識(shí)，對(duì)菜農(nóng)進(jìn)行智能手機(jī)、電腦的使用培訓(xùn)，讓傳統(tǒng)種植戶、返鄉(xiāng)創(chuàng)業(yè)人員、合作社成員都能掌握蔬菜種植基地智能化建設(shè)方法、互聯(lián)網(wǎng)使用方法及智能化裝備操作規(guī)程等。二是充分發(fā)揮涉農(nóng)高校的優(yōu)勢(shì)，引導(dǎo)涉農(nóng)高校主動(dòng)培養(yǎng)既懂農(nóng)業(yè)種植、又懂先進(jìn)技術(shù)的交叉復(fù)合型專業(yè)技術(shù)人才，吸引人才志愿投身于蔬菜產(chǎn)業(yè)變革發(fā)展，不斷壯大蔬菜產(chǎn)業(yè)高層次專業(yè)技術(shù)人才隊(duì)伍。三是重視對(duì)蔬菜產(chǎn)業(yè)新型經(jīng)營(yíng)主體的宣傳引導(dǎo)，使其主動(dòng)順應(yīng)蔬菜產(chǎn)業(yè)發(fā)展潮流，補(bǔ)齊蔬菜產(chǎn)業(yè)變革所需的能力短板，不斷提升自身技術(shù)應(yīng)用水平，成長(zhǎng)為蔬菜電商的主力軍。四是加強(qiáng)培養(yǎng)高水平創(chuàng)新人才和團(tuán)隊(duì)，積極和國(guó)際知名研究院所進(jìn)行聯(lián)合培養(yǎng)，構(gòu)建科研成果溝通互動(dòng)體系，培養(yǎng)智慧農(nóng)業(yè)學(xué)科領(lǐng)軍人才和科技創(chuàng)新團(tuán)隊(duì)，為智慧農(nóng)業(yè)驅(qū)動(dòng)蔬菜產(chǎn)業(yè)變革提供人才支撐。

5.4 大力實(shí)施卡脖子技術(shù)攻關(guān)項(xiàng)目和科研成果轉(zhuǎn)化

當(dāng)前，無人機(jī)、無人地面車輛、無線傳感器網(wǎng)絡(luò)、圖像處理、機(jī)器學(xué)習(xí)、大數(shù)據(jù)、云計(jì)算等技術(shù)已經(jīng)在蔬菜產(chǎn)業(yè)智能化發(fā)展中得到了廣泛的應(yīng)用，智慧農(nóng)業(yè)在驅(qū)動(dòng)蔬菜產(chǎn)業(yè)變革中的產(chǎn)前、產(chǎn)中和產(chǎn)后各階段都發(fā)揮出巨大作用。智慧農(nóng)業(yè)通過監(jiān)測(cè)、跟蹤和追蹤蔬菜生產(chǎn)全過程，強(qiáng)化蔬菜生產(chǎn)的管理。智慧農(nóng)業(yè)是蔬菜產(chǎn)業(yè)發(fā)展的大勢(shì)所趨，進(jìn)一步研究的領(lǐng)域包括無線傳感器網(wǎng)絡(luò)、無人駕駛區(qū)域車輛、農(nóng)業(yè)物聯(lián)網(wǎng)應(yīng)用、蔬菜生長(zhǎng)監(jiān)測(cè)、人工智能在農(nóng)業(yè)中的應(yīng)用、蔬菜智能化數(shù)據(jù)傳輸、蔬菜種植基地網(wǎng)絡(luò)架構(gòu)的改進(jìn)、云平臺(tái)與智能農(nóng)場(chǎng)的結(jié)合等等。另外，設(shè)置智慧蔬菜產(chǎn)業(yè)重點(diǎn)研發(fā)計(jì)劃專項(xiàng)，圍繞蔬菜生長(zhǎng)智能監(jiān)測(cè)和智能作業(yè)裝備等卡脖子領(lǐng)域，實(shí)施產(chǎn)學(xué)研協(xié)同攻關(guān)，以“邊創(chuàng)邊推、即研即推”提高推廣應(yīng)用效果，促進(jìn)科研成果轉(zhuǎn)化。