基于信息與智能新技術的智慧種植建設初探

摘 要：近年來，以無人機、物聯網、云計算與移動邊緣計算和深度學習為代表的信息與智能新技術的出現，為構建智慧種植從而實現精準智慧農業提供了技術基礎。本文對信息與智能新技術賦能智慧農業研究現狀進行調研，并提出了面向智慧農業的智能信息環概念，分析了其涉及的功能要素，隨后以構建雷波縣“雷波臍橙”智慧栽培為例，闡述了基于智能信息環的智能臍橙栽培系統初步方案設計。相關工作為構建更詳細技術方案并建立示范基地可行性奠定了基礎，也有助于建立可持續智慧農業。

關鍵詞：物聯網；云計算；邊緣計算；智慧農業

1引言

由于我國可耕種土地面積小、但人口規模較大，保證糧食或農產品高產高質至關重要。然而，現實情況是，相對于發達國家而言，我國農業技術和實踐相對落后，糧食或農產品產值和單位土地產量嚴重低于發達國家。為了在有限自然資源下應對這些挑戰，迫切需要在農業技術和實踐上不斷探索創新。

近年來，以無人機、物聯網、云計算與深度學習等為代表的信息與智能新技術不斷涌現和革新，對各行業發展都帶來極大促進作用。農業作為一個古老行業，也受益于這些技術的變革性發展。譬如，基于無人機及搭載的高清攝像頭，不但可以對農作物健康狀態進行遠程調查，還可以評估種植土地面積及農作物產量等。利用物聯網技術將各種農業機械設備或傳感器連接起來，在互聯網上收集和分發數據，并利用云計算平臺對這些數據進行分析和處理，可以為農民和生產者提供新方法并輔助農業生產決策。

本文旨在探索基于信息與智能新技術賦能的精準智慧農業種植系統設計，包括無人機技術、物聯網技術、云計算與邊緣計算技術以及深度學習等。其中，無人機作為部署農業專用傳感器數據采集器，將采集數據通過物聯網匯聚到邊緣云、遠端云或后端管理服務器平臺，這些平臺利用深度學習完成農作物（如臍橙果樹）生長態勢和生長環境分析，將原始采集和分析數據推送給農技專家，為種植人員提供作業決策輔助并將作業指令下發給作業控制器。

2現狀調研

通過調研信息與智能技術賦能智慧農業論文，了解到目前已有一些系統性研究成果。下面對相關技術在智慧農業中研究現狀進行論述。

在無人機技術賦能智慧農業方面，湯繼發對植保無人機在現代智慧農業建設中的應用開展研究[1]，重點分析了安徽省潁上縣植保無人具體應用情況。黃益敬針對農業植保無人機在我國農作物病蟲害防治上越來越廣泛的現實情況，闡述了農業植保無人機的主要優點和發展方向，分析了植保無人機在智慧農業及農險理賠中的相關應用[2]。

在物聯網賦能智慧農業或智慧種植研究方面，施連敏等人結合農業智能化生產實際情況設計了智慧農業物聯網架構[3]，主要包括感知層，網絡層和應用層。夏波等人通過對智慧農業國內外發展現狀、物聯網在智慧農業中的應用現狀分析，并對物聯網技術在智慧農業發展提出建議[4]。張新等人提出利用無線傳感器網絡、無線Mesh寬帶網絡和視頻實時監控等技術對農業大棚進行監測，完成大棚農作物種植的科學化[5]。

在云計算賦能智慧農業與智慧種植方面，彭秀媛等人將云計算在農業領域的基礎運用賦予實踐，闡述了遼寧省農科院信息中心搭設的私有云計算試驗平臺[6]。張曉璐面向物聯網在傳統農業中的應用需求，提出了基于人工智能和云計算的智慧農業平臺，并通過實際應用環境部署驗證了所提模型的有效性[7]。黃成龍等人介紹了邊緣計算在農業中的應用背景，歸納了邊緣計算在農業上的主要應用場景及相關智能農業裝備，調研了現有常用邊緣計算設備及性能參數，總結了適合邊緣計算的主流深度學習算法及模型壓縮方法[8]。

在基于深度學習的智慧農業研究方面，呂盛坪等人對深度學習在農業中應用研究成果進行綜述，重點論述了現有研究的研究對象與目的、數據來源、類間差異、預處理、數據擴增、模型框架以及性能對比等[9]。傅隆生等人對深度學習在農業信息領域的應用進行歸納和梳理，并討論深度學習的優點和局限性，進而展望深度學習的發展趨勢[10]。

由上述現狀調研可知，當前針對信息與智能新技術賦能智慧農業討論大多關注智慧農業特定農業生產過程。與現有研究不同，本文聚焦于融合信息與智能新技術的智慧農業系統設計，并以雷波縣臍橙栽培為例介紹系統方案設計。

3基于信息與智能新技術的智慧栽培系統方案設計

本節介紹所提出的基于信息與智能新技術的智慧栽培系統設計方案。具體地，首先，提出面向智慧農業的智能信息環概念；隨后，以雷波縣主要經濟作物臍橙栽培為例，闡述基于信息與智能技術以“智能信息環”為核心的智慧栽培技術方案。

3.1 面向智慧農業的智能信息環

智慧農業是以安全、高效、高品質和高產量農產品生產為目標一個智能系統，從功能元素角度進行分析，智慧農業是一個以農業生產場所為依托，包含六個功能元素的閉環系統，如圖1所示，具體每個功能元素的內涵和作用闡述如下。

感知：其目的在于獲取農作物生長態勢及生長環境數據，主要由農業傳感器實現，包括農作物生命信息傳感器和環境傳感器。生命信息傳感器通過檢測農作物生長過程中的植物信息元素和農藥化肥等元素含量；環境傳感器主要對農作物生長環境如水分、土壤、空氣等進行監控和分析，及時了解環境變化。典型的農業傳感器包括溫度傳感器、濕度傳感器、光電傳感器和壓力傳感器等。

通信傳輸：其目的在于將采集到的農作物生長態勢及生長環境數據通過各類通信媒介傳輸到云端或后臺服務器，并將管理后臺/管理服務器以及邊緣智能決策服務器的指令控制信息傳輸給傳感執行單元。在智慧農業應用場景中，信息傳輸手段包括傳統有線和現代無線傳輸方式。從業務角度分析，智慧農業應用中通信傳輸業務表現出非對稱性、突發和業務持續時間長等。隨著以“萬物互聯”作為目標的5G技術逐漸走向成熟，可以預期其在智慧農業中將發揮重要作用。

存儲：其目的在于將采集到農作物生長態勢及生長環境等數據進行有效存儲，從而便于后續對農作物全生命周期分析。在智慧農業中需要采集和存儲的數據非常多，涉及農業生產全部過程以及農作物全生命周期，如種子、農作物生長周期態勢、農作物生長環境等。如何實現數據的高效存取是關鍵。

分析/計算：其目的在于通過對農業生產和農作物全生命周期數據的有效分析，從而更好地輔助農業生產決策行為，數據分析需求包括農作物生長狀態分析、病蟲害分析以及生產過程有效性分析等。由于在農業生產過程中，影響農作物生長的內外因素眾多，然而，由于內外因素數據采集能力受限，使得智慧農業數據分析可能面臨有限可用數據下的高可靠性分析需求的挑戰。因此，如何實現有效的因果關系挖掘、可靠數據分析等是難點。

管理決策：其目的在于利用存儲數據和分析結果來完成農業生產決策，這種決策貫穿于農業生產全過程和農作物生長全生命周期，如選種、土壤培養、水土環境、施肥、農藥噴灑、光照調控等。在智慧農業系統建設初期，這種決策依賴于農技專家。隨著人工智能技術特別是深度學習和知識圖譜技術的發展，可以將農技專家知識形成專家系統或知識庫，并構造智能化的決策系統或決策支持系統。由于農業生產全過程涉及要素多，對農業生產決策行量化是一個復雜行為過程，需要大量專業性實驗以獲得第一手資料從而建立有效模型建立。

執行/行動：其目的是執行決策單元的動作，以實現對農作物或農作物生長環境的有效控制。執行單元是一個包含執行機構和控制器的功能單元，其設計具有典型的控制對象依賴特性，典型執行控制單元如噴灌控制單元、農藥噴灑控制單元以及光照控制單元等。在智慧農業系統中，執行單元的可靠性是關鍵。

3.2 基于智能信息環的智能栽培系統

本節以雷波縣主要經濟作物“雷波臍橙”為例，論述如何有效融合無人機、物聯網、邊云計算以及人工智能等技術，以構建基于智慧信息環的智慧種植系統。

傳感器與控制系統：實現對臍橙樹苗生長態勢和環境要素進行監測，并通過連接噴灌和噴灑控制單元實現臍橙栽培澆水、施肥和打農藥過程，主要完成智慧農業信息環中“感知和執行/行動”功能。其中，樹苗生長態勢感知主要采用無人機搭配和田間部署高清攝像頭圖像采集獲得，環境要素監測包括土壤及微量元素和氣象等。氣象傳感器主要包括溫濕度和光照度傳感器。系統設計需要考慮傳感器部署方式，包括部署位置、密度以及系統供能方式等。此外，由于這些傳感器構成獨立微系統并通過無線方式將采集數據發送到匯聚或接入點。因此，還需要考慮傳感系統的供電方式和信息傳輸方式。對于前者，雖然電池供電可靠性高，但對于土壤監測類傳感器頻繁更換電池導致工作量較大，可考慮采用磁感應/微波傳能方式無線充電等。在信息傳輸技術上，考慮采用窄帶物聯網（NB-IoT）技術和LoRa等技術。

無人機：實現傳感器采集數據收集并通過接入基站完成數據入網并匯聚到管理后臺或云服務器進行處理，其完成智慧農業信息環中“通信傳輸”功能。由于雷波臍橙栽培主要位于山地環境，臍橙樹苗高矮不一，因而要求無人機具備復雜環境飛行與避障能力。此外，無人機平臺選擇、載荷功能設計和飛行路徑規劃也是關鍵。無人機平臺確定了其載荷能力，對無人機滯空時間和飛行距離等具有重要影響；本系統中，無人機主要完成臍橙樹苗生長態勢感知以及其他傳感器采集數據匯聚傳輸，因而載荷主要是高清攝像頭與通信載荷。由于臍橙栽培園傳感器系統通信體制以NB-IoT和LoRa為主，而且雷波縣臍橙栽培園區4G網絡覆蓋相對較好，因而無人機平臺通信設備以這三類及互聯設備為主。

通信基站/回傳鏈路/骨干鏈路：實現無人機采集數據的入網，通過運營商部署的通信基站、回傳鏈路和骨干鏈路將數據傳輸到邊緣/云計算服務器或管理后臺/管理服務器以完成智慧種植必要的分析與計算，其完成智慧農業信息環中“通信傳輸”功能。由于雷波縣地處小涼山并位于金沙江北岸，而臍橙栽培園主要位于山地環境，目前運營商部署的網絡以4G網絡為主，已經能夠滿足臍橙栽培各類傳感器數據回傳需求。

邊緣/云計算服務器：通過部署在網絡入口處（基站或網絡邊緣）和遠端云計算資源來，以滿足果木栽培、生長態勢和環境監測中需要實時和非實時處理的計算密集型任務，其完成智慧農業信息環中“存儲”和“分析計算”功能。其中，邊緣服務器對需要即時處理的栽培園數據進行分析計算，可以避免實時性計算任務遠端云計算導致響應時間過長及時效性差問題，還可以避免非實時計算密集型任務對骨干網通信速率過大需求導致網絡過載問題。在本文所討論的臍橙栽培中，實時計算密集型任務主要是果園日常視頻監控與數據分析業務，而非實時性計算密集型任務主要是臍橙生長數據分析業務。借助于邊緣計算服務器和遠端云計算服務器，可以滿足臍橙樹苗與果實各生長過程的監測與數據分析需求。

管理后臺及管理服務器：通過遠程采集的臍橙栽培園、臍橙生長過程以及臍橙栽培過程控制數據，實現臍橙栽培過程數字化，通過部署深度學習算法，如病蟲害監測與識別等，以及深度強化學習控制算法，如智能化噴灌，實現對臍橙栽培園智能管控和臍橙栽培過程精細化控制，該后臺和服務器完成智慧農業信息環中“存儲”和“管理決策”功能。臍橙栽培工序多，包括土肥水管理、整形修枝、保花保果、夏秋防落果以及果樹過度生長控制等，此外，臍橙生長和產果周期相對較長。這使得智能臍橙栽培需要采集存儲數據較多，對上述過程整體進行控制管理難度較大，因為涉及到的樣本數據采集難度大。因此，在建設初期，主要是對病蟲害監測等進行智能化監測控制，并且在控制策略上主要依靠農業技師或果木專家知識指導，即引入專家知識以實現控制過程的半自動化；隨著栽培園采集和樣本數據逐漸增多，在具有足夠多的模型訓練數據后，建立基于專家知識輔助的智能化管理與決策系統。

4結論

本文對信息與智能新技術下的智慧農業的發展現狀進行調研，并基于此提出了面向智慧農業信息環的基本概念，分析了其涉及的功能要素，隨后以構建雷波縣“雷波臍橙”智慧栽培為例，闡述了基于智慧農業信息環的智慧臍橙栽培系統初步方案設計。在后續工作中，將進一步細化相關技術方案，并探索建立示范基地的可行性。

參考文獻：

[1]湯繼發. 植保無人機在現代智慧農業建設中的應用研究[J]. 農業工程技術， 2021， 041（021）：53-54，57.

[2]黃益敬. 無人機在現代智慧農業發展中的應用研究[J]. 南方農機， 2022， 53（15）：4.

[3]施連敏， 陳志峰， 蓋之華. 物聯網在智慧農業中的應用[J]. 農機化研究， 2013， 35（6）：3.

[4]夏波， 劉志琴. 淺析物聯網在智慧農業的發展[J]. 通訊世界， 2015（4）：2.

[5]張新， 陳蘭生， 趙俊. 基于物聯網技術的智慧農業大棚設計與應用[J]. 中國農機化學報， 2015， 36（5）：6.

[6]彭秀媛， 王昕， 盧闖，等. 云計算在農業領域的應用研究[J]. 農業網絡信息， 2011（2）：3.

[7]張曉璐. 基于人工智能和云計算的智慧農業平臺設計研究[J]. 蘭州文理學院學報：自然科學版， 2022， 36（6）：5.

[8]黃成龍，柯宇曦，華向東，楊俊雅，孫夢雨，楊萬能.邊緣計算在智慧農業中的應用現狀與展望[J].農業工程學報，2022，38（16）：224-234

[9]呂盛坪， 李燈輝， 冼榮亨. 深度學習在我國農業中的應用研究現狀[J]. 計算機工程與應用， 2019， 55（20）：11.

[10]傅隆生， 宋珍珍， Zhang，等. 深度學習方法在農業信息中的研究進展與應用現狀[J]. 中國農業大學學報， 2020（2）：16.