智慧農業——AI在農業領域的應用與展望 （未發表，需轉載或引用請提前告知）

智慧農業——AI在農業領域的應用與展望

馬鑫

 

Smart Agriculture——Application and Prospect of AI in Agriculture

 

Ma Xin1

 

Abstract Agriculture is China's primary industry and has been the foundation of the national economy since ancient times. People eat for food, so agriculture is related to the interests of everyone and to our daily diet. Therefore, under the background that artificial intelligence profoundly changes the life of human society and changes the world, AI empowers agriculture to become the trend of the times. In order to promote AI to energize the development of China's agriculture, the paper firstly compares the current status of AI-enriched traditional industry research with the research status of AI-energy agriculture, and analyzes the reasons for the slow development of AI-energy agriculture in light of the current situation of China's agricultural development., and proposes corresponding solutions; Secondly, the paper summarizes the main technical directions of AI, and then discusses the application mode of AI in the agricultural field. It proposes different application directions of AI in the agricultural field from different perspectives, and provides development ideas for AI energizing agriculture.

Key words  artificial intelligence; agriculture; the main technical directions of AI ; application mode

摘要  農業是我國的第一產業，自古以來就是國民經濟的基礎。民以食爲天，農業關係到每個人的利益，關係到我們日常的飲食生活。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賦能農業成爲大勢所趨。爲推動AI賦能我國農業發展，文章首先就AI賦能的熱門傳統產業科研現狀與AI賦能農業的科研現狀進行對比，結合現階段我國農業發展現狀分析了AI賦能農業發展遲緩的原因並提出相應的解決措施；其次，對目前AI的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在農業領域的不同應用方向，爲AI賦能農業提供發展思路。

關鍵詞 人工智能；農業；人工智能主要技術方向；應用模式

中圖法分類號 TP30

 

伴隨着人工智能應用AlphaGo戰勝世界圍棋大師李世石、柯潔之後，人工智能從1956年麥卡賽提出以來再次成爲時下人們熱議的話題[1,2,3]。各國爲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，推動人工智能研發與相關領域應用，引領“人工智能時代”。

在全球人工智能發展浪潮中，我國人工智能技術、產業和市場近幾年的發展備受矚目，表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爲代表的大型互聯網企業開始紛紛佈局人工智能。作爲我國人工智能產業的佼佼者，在人工智能領域百度自2015年來投資總額超過200億，在北京、硅谷等地建設三個深度學習實驗室，2016年8月26日，經國家發改委批准，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]，該國家隊將在聽覺、視覺感知和語言理解三個人工智能基礎領域進行研究；騰訊於2017年發佈《2017互聯網科技創新白皮書》[7]，並相繼成立人工智能聯合實驗室、騰訊AI Lab和騰訊AI Lab西雅圖實驗室；阿里作爲電商巨頭也不甘示弱，其基於其強大的雲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]，強調2020年前將本國人工智能產業進入全球價值鏈高端作爲戰略目標，新一代人工智能在智能製造、智能醫療、智慧城市、智能農業、國防建設等領域得以廣泛應用。

人工智能在製造業、醫療、城市、國防、金融等領域紛紛展開佈局，相關政策與應用紛紛出臺，而與國家經濟實力有着密切關係以及作爲國家經濟發展基礎條件的農業[10-12]在與AI結合方面卻推進緩慢。

本文的主要貢獻如下：

1) 對國內學者在AI+各傳統產業的研究情況進行比較分析，發現農業與人工智能結合存在問題，即AI賦能農業推進緩慢；

2) 對現階段我國農業發展現狀進行分析，找出AI賦能農業發展遲緩的原因，並提出針對性的應對措施；

3) 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，從多個不同的視角提出AI在農業領域的多種應用方向；

4) 爲AI賦能農業提供一些發展思路，推動AI在農業的應用.

1 AI產業應用現狀

從人類文明的源頭開始，人類世界經歷了三次工業革命。第一次工業革命於18世紀60年代起，結束於19世紀40年代，蒸汽機的出現，使得生產效率大大提升；第二次工業革命，也就是我們所說的電器時代，工業中心由原來的紡織業轉變爲重工業；第三次工業革命爲信息技術革命，原子能、計算機等高新技術的出現又進一步提高了人們的生產力。而在當今社會，人工智能風生水起，各個國家的政府和互聯網企業紛紛搶佔人工智能高地，下一個工業革命的時代即 “人工智能的時代”即將來臨。

我國人工智能的主要應用領域集中於工業、醫療、城市、金融、政務等領域，爲深入瞭解我國人工智能在各傳統產業的應用現狀，文章分別以{年 between (2009,2018 and 主題=人工智能 or 主題=AI and 摘要=[行業名稱] and [該行業常用的其他稱呼]}爲查找條件，在中國知網查找相關研究者對於工業、醫療、城市、金融、政務和農業等AI應用主要領域的論文發表數量，通過數據蒐集與整理可得圖1和圖2。從圖1中可見，農業作爲國家經濟發展的基礎性產業，左右着國民經濟全局的發展，歷年來受到相關學者的高度重視，科研型論文數量基本保持持續性走高，而對於AI+農業的相關科研論文數量較少，雖在2016年有較爲明顯的上升，但其受重視程度仍然不足；從圖2中可以發現，2016年開始AI在各個領域的應用明顯加快，其中以政務、金融和醫療領域最爲突出，相比之下AI在農業領域的應用略顯後勁不足，且2017年科研論文的發文量有小幅度的下降。

2 AI賦能農業的發展困境及應對措施

自改革開放以來，我國工業化和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，從一個落後的農業國一躍成爲實力雄厚的工業化國家。從我國曆來出臺的各項政策可以看出，我國十分重視農業發展，對農業領域資金投入較大，導致農產品附加值低於其他產業，故很多地方政府忽視農業發展[13-14]，導致AI賦能農業進行緩慢，長此以往，農業的基礎性地位受到衝擊，農業發展堪憂。因此，只有發現制約AI賦能農業發展的屏障，逐個擊破，纔能有效推進AI賦能農業，進一步解放生產力。

2. 1 AI賦能農業發展困境

1) 傳統農業耕作思想根深蒂固

“耕作經驗”是代表性的農業耕作思想，農民依靠一輩輩流傳下來的耕作經驗進行農業生產，若AI進入農業領域，將極大的改變我國農民傳統的耕作方式，同時，我國廣大農村地區農業勞動者的整體文化素質仍然較低，農民難以應用AI，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，多數地區政府僅注重蠅頭小利，追求經濟效益，僅僅重視農作物的產量而對農業信息化建設置之不理，極度缺乏農業相關數據收集的信息化設備，造成缺少“餵養”AI數據的現狀，導致AI賦能農業過程推進緩慢。

3) 閒置務農人口無法有效安置

每一次工業革命都伴隨着勞動力結構的調整，當AI與農業結合，勢必會造成農村務農人口的大量閒置，加之這一部分農村勞動力文化素質較低且缺乏再就業技能，故對這一部分勞動力的安置是一個十分頭疼的問題。

4) 農村耕地未成規模化

2018年國家雖出臺相關政策對農村用地分散問題進行整治，如：房屋整治，修建一體化社區；農業用地收購補貼；閒置土地收回等措施，但治理效果依舊不明顯。分散化的農田用地，導致農業機械化和信息化操作成本大幅度上升，導致AI賦能農業成本大幅度上升，AI賦能農業捉襟見肘。

5)  AI科研成果與農業發展實際需求脫節

AI的科研成果是由相關高校研究人員、研究所科研人員或科技巨頭公司科研人員研發的人工智能農業應用產品，相關資金投入方爲能儘快獲得研究成果，投入大量資金，打造高水平科研團隊和研究場所等硬件和軟件設施，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) 構建農村社區學習站

爲解農村用地分散問題，國家出臺相應政策劃地修建社區，但實際情況是社區的各項功能及其不完善，就連最基本的休閒娛樂設施都積極缺乏。因此，爲更好的提高務農人員的整體文化宿舍和專業化技能，應在農村社區修建社區學習站，提供：農業圖書閱覽室（圖3）、計算機閱覽室（圖4）等配套實施；定期進行農業前沿知識科普講座，提高農業務農人員的整體素質、技能和思想水平。

2) 發揮政府的領導帶頭作用

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賦能農業進程遲緩的省、市、鎮進行通報批評，對個別不作爲的領導幹部降職或撤職處理；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爲獎勵。

3) 推進農村招商引資

趙本山拍攝的《鄉村愛情》中“象牙山”式的發展模式，值得相關農村地區借鑑。鄉鎮一級政府應有所作爲，招商引資，鼓勵相關企業家到農村地區投資建廠，帶動廣大農村地區發展，有效安置因農村用地徵收或AI賦能農業所帶來的閒置農村勞動力。

4) 建立鄉鎮產學研工作交流基地

建立鄉鎮產學研基地，爲AI方面的高等院校、科技公司、科研團隊等（類比西部大開發）提供可供科研和參觀交流的固定場所，並提供配套科研資金和AI賦能農業科研的示範性農田，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

自1956年人工智能提出至今60多年的時間裏，人工智能的相關理論與技術日益成熟、可以應用的領域也逐步擴大，可以設想，未來人工智能產品將會是人類智慧的容器[15]。也正因爲如此，人工智能的應用纔會越來越廣泛。

1) 計算機視覺

計算機視覺的主要用途爲代替人眼來進行觀察和判斷。其通過將圖像社區裝置（如：攝像頭等）攝取的目標轉化爲圖像信號，並依據像素的分佈和亮度、三原色等信息轉變爲數字信號；程序通過對這些數據進行目標特徵提取等操作，判斷圖像的位置、分類等結果來控制相關的設備。目前其主要應用於：無人駕駛汽車、殘次品零件的識別與定位、監控與跟蹤、人臉識別等領域。

2) 語音處理

語音處理主要用來研究語音的發聲過程、語義的理解和語音的合成等多種處理技術的總稱。目前的語音處理技術主要應用於用戶的身份確認，用以擺脫文字密碼或圖案式的認證模塊；人機交互，用以實現語音的流程控制和情感陪護等。目前主要應用於：軟件登錄聲音鎖、智能手機語音交互等領域。

3) 自然語言處理

語言是人類區別去其他動物的本質，在所有的生物當中，只有人類才具有語言能力。人類的多種智能鬥魚語言有着密切的關係。因此，自然語言處理同樣是人工智能當中一個十分重要的領域。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。目前主要應用於：機器翻譯（google、有道等）、聊天機器人等。

4) 規劃決策系統

規劃決策系統是對規劃制訂工作中所包含的組織目的、分階段目標、措施和資源配置等事項的決策，它不僅一般地涉及從一組替換方案中選擇一個，而同時要涉及替換方案的提出和選擇，其實質就是選擇、提出或產生替換方案[16]。目前的主要應用於：交通規劃、城鄉規劃、個人理財等。

5) 大數據/統計分析

大數據分析是基於機器學習與深度學習算法層的一個人工智能的技術方向，主要解決的問題是從海量的半結構化或者非結構化數據當中挖掘出潛在的一些供高層或中層管理者使用的有價值的信息。目前主要應用於：ERP系統、電子商務系統等。

 

4 AI賦能農業的主要應用方向

1) 農作物選種

農作物的選種，在很大程度上決定了生產的高低和農作物抗逆性大小，從而影響廣大農民的生產效益和國家糧食產量的穩定。以馬鈴薯爲例（其後各應用方向若不作特殊說明，均已馬鈴薯爲例），在進行實際種植操作之前需要精選種薯等操作。傳統的農村種植僅僅依靠個人經驗進行操作，當AI賦能農業，可藉助攝像頭或其他圖像獲取手段獲取大量優質馬鈴薯圖片，通過計算機視覺技術對圖片進行分析處理，提取優質種薯的目標特徵，訓練選種模型進行選種，側方法相對於人工選種速度更快、準確率更高。

2) 土壤鹽鹼度分析

土壤爲農作物提供養分和水分，同時也爲作爲的根系伸展、固持提供介質，同時也是儲存養分和供應養分的工廠，而且在土壤中的各種養分都進行着一些列的生物化學和物理的轉化作用。然而，土壤鹽鹼化將使得土壤板結和肥力下降，嚴重阻礙農作物吸收養分，阻礙作物生長。AI賦能農業，可通過對土壤傳感器收集到的土壤可溶性鹽（鈉、鉀等的硫酸鹽，氯化物，碳酸鹽等）含量、地表水分蒸發量、土壤溼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，判斷當前土壤的情況，以便農戶採取相應的措施。

3) 農田除草

近年來，無人駕駛汽車是一個十分熱門的話題。其主要通過車載傳感器來感知車輛周圍的環境，並根據所獲得的道路、車輛信息和障礙物信息，控制車輛的轉向和速度，從而使得車輛能夠安全、可靠的在公路上形式。在農業中，農作物的生長過程，雜草不僅與農作物爭奪光照、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]。那麼當AI賦能農業，是否可以換一種思路，通過將車載傳感器、車載攝像、圖像識別技術等集成與一個小型的農田除草機器人，通過分析圖像數據判斷哪種植物是雜草，哪種植物是農作物，藉助傳感器進行避障除草。此舉將大大降低除草農藥的使用量，不管是對保護環境還是降低農產品的農藥含量都有十分顯著的作用。

4) 農作物病蟲害預測

農作物病蟲害是我國的主要農業災害之一，它具有種類多、影響大、並時常暴發成災的特點，其發生範圍和嚴重程度對我國國民經濟、特別是農業生產常造成重大損失[18]。當AI賦能農業，可通過如攝像頭等圖像採集設備獲取病害特徵圖像，在計算機視覺技術的輔助下獲取病害特徵，構建支持向量機模型，確定農作物病害種類、病害程度、問題所在區域等；通過聲音獲取設備，獲取農田間害蟲叫聲特徵，在語音處理技術的幫助下，藉助已經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

在悠久的農業生產厲害中，化肥的使用一直是我國農業生產當中的一個重要環節，也是爲我國人口解決溫飽問題提供的保障[19]。當長期以來，農業施肥存在施肥方法不科學、肥料利用率低、肥料使用不對症、化肥用量過多等問題，嚴重製約着農作物的生長。當AI賦能農業，人們可以通過土壤分析結果，藉助無人機進行定點定量施肥，有效提高肥料的利用率，提高農作物產量。

6) 農作物藥物噴灑

我國大多數地區傳統的農作物藥物噴灑方式仍然是採用人力罐背式噴灑，機械化程度高一點的地區採用機械加壓人工噴灑，但該種方式不僅效果不明顯，而且農藥的實際用量不好掌握造成環境污染和農作物農藥殘留超標，另外，該種方式的人力成本很高，特別是炎熱的夏天農田透風性差，農民需要頂着烈日在農田中進行藥物噴灑。當AI賦能農業，人們能夠通過農作物病蟲害監測所得的結果，藉助無人機技術實施定點或定區域藥物噴灑，該種方式操作簡單且高效環保[20]。目前，大疆、零度這兩家廠商在該應用方向已開始產業佈局。

7) 農田問題解決專家系統

農田問題解決專家系統類似於iPhone中人工智能交互系統Siri類似。該專家系統通過語音處理技術對農戶諮詢問題進行語音理解，通過後臺在農業問題專家信息數據庫中檢索匹配相關信息，可通過語音合成的方式以類人語言說出，也可通過固定頁面的方式進行展現，爲農戶的種植進行輔助。

8) 農作物產量預測

通過綜合往年的如溫度、溼度、光照、水分、土壤元素、作物種類等多種農田信息，藉助大數據挖掘技術，通過如FP-Growth關聯規則挖掘算法構建關聯分析模型，找到影響農作物產量的關鍵因素，將往年關鍵因素數據與農作物產量數據作爲預測模型訓練集，藉助訓練好的模型對後期農作物產量進行準確預測。

9) 農作物採收

農作物採收機器人是人工智能系統在農作物採收上的典型應用，機器人採收不僅能提高採收效率，還可以確保採收的質量[21]。但是，該技術應當具體問題具體分析，針對外漏型農作物（如：玉米、桃子等）能夠通過成熟農作物圖像訓練預測模型對即將採摘的農作物進行預測，判斷其是否成熟，然後再通過機械臂進行採摘。但針對馬鈴薯等根莖類農作物，即使能夠訓練模型，也無從預測農作物的成熟狀態，該種方法並不適用。

10) 農作物價格預測

農作物的價格無時無刻不牽動着每一個農民的心。因此，通過歷年的農產品種類及其對應的價格、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，對農產品當年的價格進行預測。但AI在該方向的應用存在一個嚴重的問題，即當大多數的農田均採用價格預測系統，是否會出現某種農作物大批量種植？其他農作物產量下降？這是一個值得研究和思考的問題。

5 總結

農業是國民經濟的基礎，是經濟發展的基礎，是社會安定的基礎，是國家自立的基礎。在人工智能迅速發展的今天，其深刻影響着國民經濟和社會的方方面面，同時也必將爲我國農業的發展注入新的生機與活力。本文分析了國內學者在AI+各傳統產業的研究情況，發現我國AI賦能農業推進緩慢的問題，結合現階段我國農業發展現狀找出AI賦能農業發展遲緩的原因，並提出相應的應對措施；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，從多個不同的視角提出AI在農業領域的多種應用方向，爲AI賦能農業提供一些發展思路，以期推動AI在農業的應用。

參 考 文 獻

1. Zuo Weimin. Some Thoughts on the Application Prospect of Legal Artificial Intelligence in China[J]. Tsinghua Law, 2018(2).

(左衛民. 關於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).)

1. Zhang Xingwang. Looking at the Influence and Application of Artificial Intelligence to Libraries from AlphaGo[J]. Books and Information, 2017(03): 43-50.

(張興旺. 從AlphaGo看人工智能給圖書館帶來的影響與應用[J]. 圖書與情報,2017(03):43-50.)

1. Tang Zhentao, Shao Kun, Zhao Dongbin, Zhu Yuanheng. Progress in deep reinforcement learning: from AlphaGo to AlphaGo Zero [J]. Control Theory and Applications, 2017, 34(12): 1529-1546.

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

1. Yang Danhui, Deng Zhou. Key Fields and Directions of Artificial Intelligence Development[J]. People's Forum, 2018(2): 22-24.

(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.)

1. Acemoglu D, Restrepo P. Artificial Intelligence, Automation and Work[J]. Social Science Electronic Publishing, 2018.
2. Zhang Di, Lu Ning, Li Yizhan, Teng Fei, Wang Li. Analysis of Intelligent Visual Perception and Understanding Research Situation[J]. Computer Engineering and Applications, 2018, 54(19): 18-25+33.

(張迪,魯寧,李宜展,滕飛,王麗. 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.)

1. Anonymous. 2017 Tencent Global Partner Conference Opening [J]. Robotics Technology and Applications, 2017(6):11-11.

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

1. Wang Yu. Alibaba Cloud Launches Cloud Service and AI Solution in Europe[J]. Computer and Network, 2018(5).

(王宇. 阿里雲在歐洲推出雲服務及AI方案[J]. 計算機與網絡, 2018(5).)

1. China Government Network. The State Council issued the "New Generation Artificial Intelligence Development Plan" [J]. Radio and TV Information, 2017 (8): 8-8.

(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):8-8.)

1. Tang Chunqiang, Chen Sihong. The Impact of Agricultural Development on Economic Growth in Transitional Period[J]. Rural Economy and Technology, 2018(4).

(湯春強, 陳思紅. 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).)

1. Wu Chunli. Status Quo of Agricultural Machinery Informatization Development and Application of Information Technology in China[J]. Modern Agricultural Science and Technology, 2018(2):171-171.

(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):171-171.)

1. Zhang X, Li Z. Development of the National Management and Basic Operations for Agriculture[J]. 2018.
2. Ge Wenying. Research on the Dilemma of Agricultural Development in China in the New Era[J]. Village Science and Technology, 2018(02): 13-14.

(葛文瑩. 新時代我國農業發展困境研究[J]. 鄉村科技,2018(02):13-14.)

1. Han W, Chen H. Regional Differences of Local Government Investment and Industrial Structure Change[J]. Journal of Chongqing Three Gorges University, 2018.
2. The era of Industry 4.0 is the AI era? [J]. Smart Factory, 2017 (08): 28-29.

(. 工業4.0時代是AI時代?[J]. 智慧工廠,2017(08):28-29.)

1. Yang Bin. The Dictionary of Soft Science [M]. China Social Sciences Press, 1991.

(楊斌. 軟科學大辭典[M]. 中國社會科學出版社, 1991.)

1. Li Yanmin, Yan Xiantao, Liu Changlin, Liu Fang, Xie Chuanxiao. Research Progress in Herbicide Resistant Crop Breeding[J]. Chinese Journal of Crop Sciences, 2017(02):1-6.

(李燕敏,祁顯濤,劉昌林,劉方,謝傳曉. 除草劑抗性農作物育種研究進展[J]. 作物雜誌,2017(02):1-6.)

1. Jian Junfan, He Hongchang, Wang Xiaofei, Li Yue. Review of Remote Sensing Monitoring of Crop Diseases and Pests[J]. Bulletin of Surveying and Mapping, 2018(09): 24-28.

(簡俊凡,何宏昌,王曉飛,李月. 農作物病蟲害遙感監測綜述[J]. 測繪通報,2018(09):24-28.)

1. Wang Guibin, Cheng Xu, Wang Qi. Problems and Measures of Conventional Crop Fertilization[J]. Science & Technology Economics Guide, 2016(18).

(王貴彬, 程旭, 王琦. 常規農作物施肥存在的問題以及措施[J]. 科技經濟導刊, 2016(18).)

1. Niu Muzhen. Dajiang leads the agricultural plant protection drone industry [J]. Agricultural Economics, 2018 (6).

(牛沐萱. 大疆引領農業植保無人機行業[J]. 農經, 2018(6).)

1. Mao Lin, Wang Kun, Cheng Weili. Application of Artificial Intelligence Technology in Modern Agricultural Production[J]. Agriculture Network Information, 2018(05): 14-18.

(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(05):14-18.)