基于邊緣計(jì)算的AI-IoT智慧農(nóng)業(yè)綜合節(jié)能系統(tǒng)研究

摘要 智慧農(nóng)業(yè)是將云計(jì)算、物聯(lián)網(wǎng)、人工智能以及大數(shù)據(jù)等現(xiàn)代信息技術(shù)融入農(nóng)業(yè)生產(chǎn)活動(dòng)中，通過(guò)對(duì)農(nóng)業(yè)生產(chǎn)及其環(huán)境的智能感知和數(shù)據(jù)分析，實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)精準(zhǔn)化管理。基于邊緣計(jì)算的AI-IoT，研究了一種智慧農(nóng)業(yè)綜合節(jié)能系統(tǒng)，實(shí)現(xiàn)了農(nóng)業(yè)生產(chǎn)及氣候數(shù)據(jù)監(jiān)測(cè)，進(jìn)行灌溉、施肥、施藥智能控制，以科學(xué)手段指導(dǎo)農(nóng)業(yè)生產(chǎn)，降低生產(chǎn)投入，實(shí)現(xiàn)節(jié)能環(huán)保的綠色生產(chǎn)。

關(guān)鍵詞 智慧農(nóng)業(yè);智能物聯(lián)網(wǎng);邊緣計(jì)算;綜合節(jié)能

中圖分類(lèi)號(hào) S126 文獻(xiàn)標(biāo)識(shí)碼 A

文章編號(hào) 0517-6611（2025）06-0227-05

doi：10.3969/j.issn.0517-6611.2025.06.051

Study on AI-IoT Intelligent Agriculture Integrated Energy Saving System Based on Edge Computing

ZHU Yu-ye SONG Ling-ling LIU Jian2 et al

（1.Binzhou Polytechnic， Binzhou， Shandong 256603;2.Yellow River Delta National Agricultural High-tech Demonstration Park， Binzhou， Shandong 256603）

Abstract Intelligent agriculture is the integration of modern information technologies， such as cloud computing， the Internet of Things， artificial intelligence and big data into agricultural production activities.Through intelligent perception and data analysis of agricultural production and its environment， we achieved precise management of agricultural production.Based on AI-IoT of edge computing， a smart agriculture comprehensive energy saving system was studied， which realized agricultural production and climate data monitoring， carried out intelligent control of irrigation， fertilization and pesticide application， guided agricultural production by scientific means， reduced production input， and realized green production of energy conservation and environmental protection.

Key words Intelligent agriculture;AI-IoT;Edge computing;Comprehensive energy saving

智慧農(nóng)業(yè)是運(yùn)用云計(jì)算、物聯(lián)網(wǎng)、人工智能以及大數(shù)據(jù)等先進(jìn)技術(shù)手段，對(duì)農(nóng)業(yè)生產(chǎn)實(shí)現(xiàn)可視化、標(biāo)準(zhǔn)化、精準(zhǔn)化、智能化的新型農(nóng)業(yè)生產(chǎn)模式［1］，是現(xiàn)代信息技術(shù)綜合應(yīng)用的結(jié)果。智慧農(nóng)業(yè)的實(shí)質(zhì)是通過(guò)傳感和信息采集系統(tǒng)對(duì)農(nóng)業(yè)生產(chǎn)過(guò)程中溫度、氣候條件、土壤等自然環(huán)境因素，施肥、施藥、灌溉等人為因素進(jìn)行實(shí)時(shí)監(jiān)測(cè)， 獲取農(nóng)作物生長(zhǎng)狀況、生長(zhǎng)環(huán)境、病蟲(chóng)害等信息數(shù)據(jù)，利用智能技術(shù)和專(zhuān)家系統(tǒng)進(jìn)行分析決策，從而對(duì)農(nóng)作物生長(zhǎng)及其環(huán)境進(jìn)行人為干涉，達(dá)到實(shí)現(xiàn)對(duì)資源的合理利用、降低生產(chǎn)成本、改善生態(tài)環(huán)境、提高農(nóng)作物產(chǎn)量和質(zhì)量的目的［2］。

國(guó)外已經(jīng)形成了3種典型的智慧農(nóng)業(yè)模式，即美國(guó)智能化精準(zhǔn)農(nóng)業(yè)模式、日本集約化精耕模式和西歐模式。當(dāng)前美國(guó)智慧農(nóng)業(yè)創(chuàng)造了僅以1%農(nóng)業(yè)人口成就農(nóng)業(yè)大國(guó)的奇跡［3］。日本在政府和社會(huì)各界的共同努力下利用智慧農(nóng)業(yè)擺脫農(nóng)業(yè)勞動(dòng)力短缺的約束， 農(nóng)業(yè)生產(chǎn)效率又有了極大提高， 農(nóng)業(yè)和農(nóng)村的發(fā)展煥發(fā)新的活力［4］。智慧農(nóng)業(yè)是我國(guó)農(nóng)業(yè)根本出路，從2014年起，國(guó)家陸續(xù)出臺(tái)了諸多有關(guān)支持和指導(dǎo)智慧農(nóng)業(yè)建設(shè)的文件，推動(dòng)現(xiàn)代農(nóng)業(yè)發(fā)展，加快數(shù)字農(nóng)業(yè)的建設(shè)，加強(qiáng)物聯(lián)網(wǎng)技術(shù)和大數(shù)據(jù)在農(nóng)業(yè)生產(chǎn)上的應(yīng)用。當(dāng)前，國(guó)內(nèi)智慧農(nóng)業(yè)現(xiàn)狀如下：①智慧農(nóng)業(yè)場(chǎng)所的設(shè)立較少且不很完善；②智慧農(nóng)業(yè)系統(tǒng)設(shè)備、設(shè)計(jì)和平臺(tái)技術(shù)水平低、不完備；③智慧農(nóng)業(yè)智能網(wǎng)絡(luò)建設(shè)不足，節(jié)點(diǎn)智能化低；④智慧農(nóng)業(yè)建設(shè)中相關(guān)專(zhuān)業(yè)人才稀缺問(wèn)題突出；⑤智慧農(nóng)業(yè)新的智能要求不斷提升［5］。

2021年12月28日，國(guó)務(wù)院印發(fā)《“十四五”節(jié)能減排綜合工作方案》，方案要求完善實(shí)施能源消費(fèi)強(qiáng)度和總量雙控，推動(dòng)能源利用效率大幅提高，實(shí)現(xiàn)節(jié)能降碳減污協(xié)同增效、生態(tài)環(huán)境質(zhì)量持續(xù)改善［6-7］。到2025年，農(nóng)村生活污水治理率達(dá)到40%，秸稈綜合利用率穩(wěn)定在86%以上，主要農(nóng)作物化肥、農(nóng)藥利用率均達(dá)到43%以上，畜禽糞污綜合利用率達(dá)到80%以上，綠色防控、統(tǒng)防統(tǒng)治覆蓋率分別達(dá)到55%、45%，京津冀及周邊地區(qū)大型規(guī)模化養(yǎng)殖場(chǎng)氨排放總量削減5%［8］。為達(dá)到此目標(biāo)，實(shí)現(xiàn)農(nóng)業(yè)地理環(huán)境和生態(tài)環(huán)境的質(zhì)量持續(xù)改善，智慧農(nóng)業(yè)建設(shè)勢(shì)在必行。

利用邊緣計(jì)算和AI-IoT技術(shù)賦能智慧農(nóng)業(yè)達(dá)到減少農(nóng)業(yè)投入，減少碳排放，實(shí)現(xiàn)綜合節(jié)能目的，是當(dāng)前智慧農(nóng)業(yè)建設(shè)中一項(xiàng)非常重要且能利用現(xiàn)有技術(shù)發(fā)展?fàn)顟B(tài)可以實(shí)現(xiàn)的任務(wù)，現(xiàn)實(shí)意義重大。鑒于此，筆者介紹了基于邊緣計(jì)算的AI-IoT智慧農(nóng)業(yè)綜合節(jié)能系統(tǒng)的架構(gòu)、片區(qū)規(guī)劃，分析了其試驗(yàn)測(cè)試結(jié)果，旨在以科學(xué)手段指導(dǎo)農(nóng)業(yè)生產(chǎn)，降低生產(chǎn)投入，實(shí)現(xiàn)節(jié)能環(huán)保的綠色生產(chǎn)。

1 系統(tǒng)架構(gòu)

灌溉、施肥、施藥是農(nóng)業(yè)生產(chǎn)管理中3項(xiàng)重要的田間作業(yè)，作業(yè)的精細(xì)化程度和作業(yè)時(shí)長(zhǎng)直接關(guān)系著水、肥和藥的浪費(fèi)，關(guān)系著對(duì)環(huán)境的直接污染程度，將其換算成碳排放，就是過(guò)量的碳排放。田間的溫度、濕度、蒸發(fā)量和作物種類(lèi)決定著灌溉的投放量；作物的生長(zhǎng)速度、營(yíng)養(yǎng)狀況、表面色澤等因素決定著施肥的投放種類(lèi)和間隔；田間的蟲(chóng)口密度、害蟲(chóng)種類(lèi)和作物種類(lèi)等決定著施藥的投放種類(lèi)、時(shí)長(zhǎng)和間隔。合理調(diào)度這3項(xiàng)作業(yè)的投放間隔、時(shí)長(zhǎng)和種類(lèi)能夠降低水、肥和藥投放總量，從而降低總碳排放。智慧農(nóng)業(yè)利用傳感器技術(shù)、物聯(lián)網(wǎng)等技術(shù)與傳統(tǒng)農(nóng)業(yè)的深度結(jié)合，能夠有效地對(duì)田間作物信息和環(huán)境信息進(jìn)行實(shí)時(shí)監(jiān)測(cè)，利用智能技術(shù)進(jìn)行自動(dòng)化和智能化科學(xué)管理，減少了農(nóng)民的勞動(dòng)，提升了農(nóng)業(yè)生產(chǎn)率［8-9］。該項(xiàng)目擬在現(xiàn)有智慧農(nóng)業(yè)基礎(chǔ)上，進(jìn)一步深化研究，將邊緣計(jì)算和AI技術(shù)相融合運(yùn)用于灌溉、施肥、施藥作業(yè)控制和影響因素監(jiān)測(cè)、分析、推理，從而決定灌溉、施肥、施藥作業(yè)的投放強(qiáng)度、時(shí)間、種類(lèi)以及投放頻率，達(dá)到降低消耗、減少污染，實(shí)現(xiàn)綜合節(jié)能的目的［10］。

由圖1可知，該預(yù)測(cè)系統(tǒng)的總體架構(gòu)包含5個(gè)主要模塊，即片區(qū)投放強(qiáng)度預(yù)測(cè)模塊、片區(qū)投放時(shí)間預(yù)測(cè)模塊、片區(qū)投放種類(lèi)預(yù)測(cè)模塊、相鄰片區(qū)數(shù)據(jù)收集模塊、片區(qū)環(huán)境預(yù)測(cè)模塊。片區(qū)作物狀態(tài)信息包括片區(qū)布控單元（FMU）收集的作物生長(zhǎng)速度、營(yíng)養(yǎng)狀況、表面色澤等，片區(qū)作物病蟲(chóng)害監(jiān)測(cè)單元（DPMU）收集的蟲(chóng)口密度、害蟲(chóng)種類(lèi)、霉菌種類(lèi)與孢子密度、病毒種類(lèi)與繁殖速度等信息。片區(qū)內(nèi)外，每次灌溉、施肥、施藥作業(yè)的投放強(qiáng)度、時(shí)間、種類(lèi)等信息都記錄在相應(yīng)項(xiàng)數(shù)據(jù)庫(kù)系統(tǒng)中。片區(qū)環(huán)境檢測(cè)包括空氣的溫度、濕度、陽(yáng)光照射強(qiáng)度、淺層地表的溫度和濕度等。片區(qū)環(huán)境、投放強(qiáng)度、投放時(shí)間、投放種類(lèi)和周?chē)瑓^(qū)投放影響的預(yù)測(cè)計(jì)算均采用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)（RBF-NN）進(jìn)行處理。所有經(jīng)過(guò)處理的預(yù)測(cè)信息提供給自動(dòng)投放控制處理服務(wù)器進(jìn)行投放處理，或調(diào)整投放參數(shù)，或保持投放參數(shù)不變。根據(jù)實(shí)時(shí)檢測(cè)的數(shù)據(jù)進(jìn)行適當(dāng)?shù)恼{(diào)整預(yù)設(shè)投放參數(shù)，可以有效杜絕過(guò)量投放和不精準(zhǔn)投放，特別是降低淺投放造成的超調(diào)投放，這使得總體投放平滑化、均勻化，投放設(shè)施和設(shè)備能夠在最佳的工作狀態(tài)，從而降低能耗，減少碳排放。

1.1 預(yù)測(cè)系統(tǒng)的分層結(jié)構(gòu)

由圖2可知，預(yù)測(cè)系統(tǒng)有4個(gè)層次組成，即基礎(chǔ)設(shè)施層、網(wǎng)絡(luò)層、服務(wù)層、應(yīng)用層。每層信息僅通過(guò)服務(wù)訪問(wèn)點(diǎn)（SAP）傳遞。SAP擔(dān)任上下2層直接信息交換的端口或者控制門(mén)。

1.1.1 基礎(chǔ)設(shè)施層。基礎(chǔ)設(shè)施包括所有類(lèi)型的設(shè)備，如傳感器、FMU、DPMU、邊緣計(jì)算設(shè)備等。MAS部署在這些設(shè)備中用于收集數(shù)據(jù)，并提供給邊緣計(jì)算設(shè)備進(jìn)行分析和提煉。處理后的數(shù)據(jù)存儲(chǔ)并發(fā)送至網(wǎng)絡(luò)層進(jìn)行共享。

1.1.2 網(wǎng)絡(luò)層。網(wǎng)絡(luò)層主要負(fù)責(zé)利用4G、5G、WLAN等通信技術(shù)，為使用物聯(lián)網(wǎng)通信提供無(wú)縫連接。

1.1.3 服務(wù)層。服務(wù)層主要負(fù)責(zé)基于AI的預(yù)測(cè)和服務(wù)提供，由4個(gè)子模塊組成，即片區(qū)環(huán)境預(yù)測(cè)、投放時(shí)間預(yù)測(cè)、投放強(qiáng)度預(yù)測(cè)、投放種類(lèi)預(yù)測(cè)。該層使用基于徑向基函數(shù)的神經(jīng)網(wǎng)絡(luò)進(jìn)行上述信息預(yù)測(cè)，這些預(yù)測(cè)信息與相鄰片區(qū)進(jìn)行共享并存儲(chǔ)在云中。

1.1.4 應(yīng)用層。應(yīng)用層根據(jù)收到的預(yù)測(cè)信息，決策灌溉、施肥和施藥投放參數(shù)是否修改。若要修改，將修改參數(shù)變更到自動(dòng)投放控制系統(tǒng)執(zhí)行修改，否則保持原參數(shù)不變，執(zhí)行既定的投放任務(wù)。

1.2 基于MAS的數(shù)據(jù)收集與分析

采用多代理系統(tǒng)（MAS）進(jìn)行數(shù)據(jù)收集、分析和處理。在片區(qū)每一個(gè)環(huán)境檢測(cè)、FMU和DPMU內(nèi)都部署1個(gè)智能代理，同時(shí)在各個(gè)預(yù)測(cè)模塊也部署智能代理。環(huán)境檢測(cè)內(nèi)智能體負(fù)責(zé)收集、分析和傳遞大氣和土壤信息；FMU和DPMU內(nèi)智能體負(fù)責(zé)收集、分析和傳遞作物狀態(tài)信息和病蟲(chóng)害信息。由圖3可知，每個(gè)模塊內(nèi)智能代理進(jìn)行數(shù)據(jù)分析和處理，并與其他模塊進(jìn)行信息交換，完成預(yù)測(cè)任務(wù)，同時(shí)將數(shù)據(jù)保存到數(shù)據(jù)庫(kù)內(nèi)。最后，依賴(lài)數(shù)據(jù)庫(kù)和歷史數(shù)據(jù)庫(kù)由邊緣計(jì)算設(shè)備估計(jì)出最優(yōu)投放參數(shù)，并提供給自動(dòng)投放控制系統(tǒng)進(jìn)行投放作業(yè)。

1.3 基于RBF-NN模型的預(yù)測(cè)算法

使用徑向基函數(shù)神經(jīng)網(wǎng)絡(luò) （RBF-NN） 模型來(lái)實(shí)現(xiàn)預(yù)測(cè)。由圖4可知，RBF-NN預(yù)測(cè)模型由1個(gè)具有1層隱藏層的前饋神經(jīng)網(wǎng)絡(luò)組成。該模型采用監(jiān)測(cè)到的實(shí)時(shí)數(shù)據(jù)和歷史作業(yè)數(shù)據(jù)，生成預(yù)測(cè)數(shù)據(jù)進(jìn)行投放參數(shù)修改。預(yù)測(cè)模型用高斯函數(shù)作為激活函數(shù)。RBF-NN 模型由2個(gè)階段組成：①訓(xùn)練過(guò)程中，采用基函數(shù)參數(shù)建模無(wú)條件數(shù)據(jù)密度。高斯模型的協(xié)方差矩陣期望算法用于確定RBF-NN的訓(xùn)練中心。②采用Moore-Penrose 的廣義偽逆計(jì)算輸出和隱藏層之間的權(quán)重。使用RBF-NN算法對(duì)投放時(shí)間、強(qiáng)度和種類(lèi)進(jìn)行預(yù)測(cè)，增加擴(kuò)展能力，減少訓(xùn)練和學(xué)習(xí)時(shí)間，提高預(yù)測(cè)精度。

2 片區(qū)規(guī)劃

2.1 片區(qū)設(shè)定

作物控制片區(qū)共分為4個(gè)層次，用于進(jìn)行管理控制。片區(qū)劃分首先按照作物種類(lèi)及其種植地域進(jìn)行劃分，大片區(qū)稱(chēng)為頂層片區(qū)或0層片區(qū)。在頂層片區(qū)內(nèi)，按照土壤自然環(huán)境差別進(jìn)行區(qū)域劃分，分割后的片區(qū)稱(chēng)為1層片區(qū)。1層片區(qū)內(nèi)，根據(jù)灌溉、施肥和施藥的投放有效作用范圍進(jìn)行分割，形成2層片區(qū)。根據(jù)灌溉、施肥和施藥劃分的2層片區(qū)的大小和范圍可以相同，也可以不同。若2層片區(qū)面積比較大，則細(xì)分為3層片區(qū)。3層片區(qū)的劃分是按照環(huán)境監(jiān)測(cè)、FMU和DPMU等監(jiān)測(cè)設(shè)施的有效作用范圍和最佳布置數(shù)量進(jìn)行。監(jiān)測(cè)設(shè)施布置數(shù)量和3層片區(qū)大小相互影響。在最初的3層片區(qū)劃分的基礎(chǔ)上，在AI系統(tǒng)的幫助下，可以根據(jù)作物狀態(tài)監(jiān)測(cè)結(jié)果和綜合節(jié)能效果進(jìn)行動(dòng)態(tài)調(diào)整。

2.2 環(huán)境監(jiān)測(cè)、FMU、DPMU部署

環(huán)境監(jiān)測(cè)是對(duì)大氣、光照和土壤狀態(tài)的監(jiān)測(cè)。由于大氣和光照變換的影響范圍很大，所以部署數(shù)量較少，在頂層片區(qū)或1層片區(qū)上布置1～2個(gè)觀測(cè)點(diǎn)即可。當(dāng)頂層片區(qū)過(guò)大時(shí)，在1層片區(qū)部署。1個(gè)土壤狀態(tài)的監(jiān)測(cè)點(diǎn)作用范圍較小，單點(diǎn)覆蓋小于0.67 hm2。需在2或3層片區(qū)上部署一定數(shù)量的監(jiān)測(cè)點(diǎn)。在系統(tǒng)實(shí)際運(yùn)行過(guò)程中，可根據(jù)監(jiān)測(cè)結(jié)果，進(jìn)行動(dòng)態(tài)調(diào)整監(jiān)測(cè)點(diǎn)的作用范圍。FMU為作物生長(zhǎng)狀態(tài)的監(jiān)測(cè)單元，其部署根據(jù)作物不同和監(jiān)測(cè)項(xiàng)目，部署在2或3層片區(qū)上，部署數(shù)量根據(jù)監(jiān)測(cè)結(jié)果進(jìn)行動(dòng)態(tài)調(diào)整。DPMU為病蟲(chóng)害監(jiān)測(cè)單元，由于病蟲(chóng)害初期發(fā)生地域范圍較小，因此在部署數(shù)量上最多，甚至0.07 hm2地上就需布置9個(gè)監(jiān)測(cè)點(diǎn)，因?yàn)檫@樣才能迅速捕捉病蟲(chóng)害的初期發(fā)展?fàn)顟B(tài)。當(dāng)系統(tǒng)運(yùn)行到一定狀態(tài)，可以根據(jù)AI的范圍建議進(jìn)行適當(dāng)調(diào)整。

2.3 智能代理、邊緣計(jì)算設(shè)備部署

智能代理作為最基礎(chǔ)的處理單元，具有收集、分析傳感數(shù)據(jù)以及傳遞信息的功能，須在每個(gè)監(jiān)測(cè)點(diǎn)部署。邊緣計(jì)算設(shè)備進(jìn)行的計(jì)算活動(dòng)高于智能代理，擁有部分AI計(jì)算功能，在每層片區(qū)上均需布置。邊緣計(jì)算設(shè)備的種類(lèi)和級(jí)別按照片區(qū)等級(jí)進(jìn)行設(shè)置。

3 試驗(yàn)與測(cè)試

濱州黃河三角洲高效生態(tài)產(chǎn)業(yè)現(xiàn)代技術(shù)研究院成立于2010年7月，主要從事高效生態(tài)產(chǎn)業(yè)有重大影響的關(guān)鍵技術(shù)和共性技術(shù)組織科研攻關(guān)和產(chǎn)業(yè)開(kāi)發(fā)，現(xiàn)已成為魯北地區(qū)智慧農(nóng)業(yè)產(chǎn)業(yè)技術(shù)研究中心，已建成基于IoT的土壤數(shù)據(jù)采集系統(tǒng)、智慧灌溉系統(tǒng)、智慧農(nóng)機(jī)設(shè)施等智慧農(nóng)業(yè)基礎(chǔ)設(shè)施。因此，該項(xiàng)目選擇高效生態(tài)產(chǎn)業(yè)現(xiàn)代技術(shù)園區(qū)作為試驗(yàn)基地，對(duì)上述系統(tǒng)進(jìn)行綜合試驗(yàn)。選取園區(qū)管理的66.67 hm2耕地作為采集和投放區(qū)，按照上述系統(tǒng)要求進(jìn)行部署設(shè)置。對(duì)玉米和小麥進(jìn)行對(duì)比種植試驗(yàn)，其中灌溉、施肥和施藥作業(yè)都能有效節(jié)約其用量，結(jié)果見(jiàn)表1。從表1可以看出，試驗(yàn)組與對(duì)照的產(chǎn)量變化沒(méi)有明顯差異，其差別主要是由土地本身不同造成的。從灌溉用水量看，試驗(yàn)組小麥和玉米比對(duì)照用水量分別少14.15%、12.98%，可以明顯看出智能系統(tǒng)的節(jié)約作用。從用藥量來(lái)看，試驗(yàn)組小麥和玉米比對(duì)照用藥量分別少55.67%、46.50%，因此智慧系統(tǒng)大大降低了農(nóng)業(yè)使用量，非常利于大氣環(huán)保和降低土壤污染。從用肥量來(lái)看，試驗(yàn)組小麥和玉米比對(duì)照分別少22.62%、27.84%，明顯減少了化肥的用量，降低了對(duì)土壤的污染投放。總體來(lái)看，智慧系統(tǒng)的使用可以極大程度降低灌溉、施肥和施藥用量，特別是農(nóng)藥用量，既達(dá)到了環(huán)保要求，又達(dá)到了節(jié)能效果，實(shí)現(xiàn)了綜合節(jié)能目的。

4 結(jié)語(yǔ)

在鄉(xiāng)村振興背景下，智慧農(nóng)業(yè)的發(fā)展也迎來(lái)了新機(jī)遇。該研究設(shè)計(jì)并實(shí)現(xiàn)了一種基于邊緣計(jì)算的智能物聯(lián)網(wǎng)農(nóng)業(yè)綜合節(jié)能智慧系統(tǒng)。該系統(tǒng)采用傳感器技術(shù)對(duì)農(nóng)業(yè)生產(chǎn)和環(huán)境數(shù)據(jù)進(jìn)行實(shí)時(shí)采集，通過(guò)物聯(lián)網(wǎng)絡(luò)進(jìn)行數(shù)據(jù)傳輸，利用邊緣計(jì)算進(jìn)行智能處理，對(duì)數(shù)據(jù)進(jìn)行實(shí)時(shí)分析及挖掘，準(zhǔn)確地對(duì)用水、給藥、施肥等用量進(jìn)行預(yù)測(cè)及決策，達(dá)到綜合節(jié)能效果，促進(jìn)農(nóng)業(yè)可持續(xù)發(fā)展。

參考文獻(xiàn)

［1］ 劉建波，李紅艷，孫世勛，等.國(guó)外智慧農(nóng)業(yè)的發(fā)展經(jīng)驗(yàn)及其對(duì)中國(guó)的啟示［J］.世界農(nóng)業(yè)，2018（11）：13-16.

［2］ 中國(guó)信息通信研究院政策與經(jīng)濟(jì)研究所，中國(guó)人民大學(xué)智慧農(nóng)業(yè)與數(shù)字鄉(xiāng)村發(fā)展研究中心.中國(guó)智慧農(nóng)業(yè)發(fā)展研究報(bào)告：新一代信息技術(shù)助力鄉(xiāng)村振興［EB/OL］.（2021-12）［2023-04-25］.http：//www.caict.ac.cn/kxyj/qwfb/ztbg/202201/P020220104495485440718.pdf.

［3］ 周路.中美智慧農(nóng)業(yè)的比較分析與啟示［J］.中國(guó)集體經(jīng)濟(jì)，2020（20）：167-168.

［4］ 郝宇.智慧農(nóng)業(yè)的國(guó)際經(jīng)驗(yàn)與中國(guó)鏡鑒［J］.深圳社會(huì)科學(xué)，2024，7（1）：43-56.

［5］ 宋亞蒙.智慧農(nóng)業(yè)中節(jié)水灌溉技術(shù)應(yīng)用：以河南省為例［J］.南方農(nóng)機(jī)，2024，55（2）：94-97.

［6］ 楊波，王玉.農(nóng)業(yè)氣候監(jiān)測(cè)及智能控制系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)［J］.黑龍江科學(xué)，2023，14（24）：95-97.

［7］ 國(guó)務(wù)院關(guān)于印發(fā)“十四五”節(jié)能減排綜合工作方案的通知［J］.資源再生，2022（1）：54-58.

［8］ 張輝，曾婉君，黃琴，等.智慧農(nóng)業(yè)建設(shè)成效與發(fā)展研究［J］.合作經(jīng)濟(jì)與科技，2022（8）：28-29.

［9］ 吳思佳.基于“智能農(nóng)業(yè)云”項(xiàng)目的智慧農(nóng)業(yè)發(fā)展新模式研究［J］.南方農(nóng)機(jī)，2023，54（24）：116-118.

［10］ 傅瑜佳，泮晨濤，邢雨，等.大數(shù)據(jù)背景下基于物聯(lián)網(wǎng)的智慧農(nóng)業(yè)與鄉(xiāng)村振興發(fā)展［J］.價(jià)值工程，2023，42（34）：160-162.

基金項(xiàng)目 濱州市農(nóng)社領(lǐng)域科技創(chuàng)新政策引導(dǎo)計(jì)劃項(xiàng)目（2022SHFZ015）。

作者簡(jiǎn)介 朱玉業(yè)（1970—），女，山東鄒平人，教授，碩士，從事智慧農(nóng)業(yè)研究。*通信作者，教授，碩士，從事計(jì)算機(jī)算法研究。

收稿日期 2024-01-11