科研学习|论文解读——智慧农业——AI在农业领域的应用与展望

智慧农业——AI在农业领域的应用与展望

Smart Agriculture——Application and Prospect of AI in Agriculture

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  农业是我国的第一产业，自古以来就是国民经济的基础。民以食为天，农业关系到每个人的利益，关系到我们日常的饮食生活。因此，在人工智能深刻改变人类社会生活、改变世界的大背景下，AI赋能农业成为大势所趋。为推动AI赋能我国农业发展，文章首先就AI赋能的热门传统产业科研现状与AI赋能农业的科研现状进行对比，结合现阶段我国农业发展现状分析了AI赋能农业发展迟缓的原因并提出相应的解决措施；其次，对目前AI的主要技术方向进行综述，进而对AI在农业领域的应用模式进行探讨，从多个不同视角提出AI在农业领域的不同应用方向，为AI赋能农业提供发展思路。

关键词 人工智能；农业；人工智能主要技术方向；应用模式

中图法分类号 TP30

伴随着人工智能应用AlphaGo战胜世界围棋大师李世石、柯洁之后，人工智能从1956年麦卡赛提出以来再次成为时下人们热议的话题[1,2,3]。各国为抓住人工智能发展的重大战略机遇，形成本国人工智能发展的绝对优势，纷纷出台相关政策，推动人工智能研发与相关领域应用，引领“人工智能时代”。

在全球人工智能发展浪潮中，我国人工智能技术、产业和市场近几年的发展备受瞩目，表现出与发达国家近乎同步的态势[4,5]。在此大背景下，国内以BAT为代表的大型互联网企业开始纷纷布局人工智能。作为我国人工智能产业的佼佼者，在人工智能领域百度自2015年来投资总额超过200亿，在北京、硅谷等地建设三个深度学习实验室，2016年8月26日，经国家发改委批准，百度联合清华大学、北京航空航天大学组成“深度学习国家队”[6]，该国家队将在听觉、视觉感知和语言理解三个人工智能基础领域进行研究；腾讯于2017年发布《2017互联网科技创新白皮书》[7]，并相继成立人工智能联合实验室、腾讯AI Lab和腾讯AI Lab西雅图实验室；阿里作为电商巨头也不甘示弱，其基于其强大的云计算能力向外界提供AI开放平台与AI产品等[8]。2017年7月8日国务院印发《新一代人工智能发展规划》[9]，强调2020年前将本国人工智能产业进入全球价值链高端作为战略目标，新一代人工智能在智能制造、智能医疗、智慧城市、智能农业、国防建设等领域得以广泛应用。

人工智能在制造业、医疗、城市、国防、金融等领域纷纷展开布局，相关政策与应用纷纷出台，而与国家经济实力有着密切关系以及作为国家经济发展基础条件的农业[10-12]在与AI结合方面却推进缓慢。

本文的主要贡献如下：

1) 对国内学者在AI+各传统产业的研究情况进行比较分析，发现农业与人工智能结合存在问题，即AI赋能农业推进缓慢；

2) 对现阶段我国农业发展现状进行分析，找出AI赋能农业发展迟缓的原因，并提出针对性的应对措施；

3) 结合目前AI主要技术方向对AI在农业领域的应用模式进行探讨，从多个不同的视角提出AI在农业领域的多种应用方向；

4) 为AI赋能农业提供一些发展思路，推动AI在农业的应用.

1 AI产业应用现状

从人类文明的源头开始，人类世界经历了三次工业革命。第一次工业革命于18世纪60年代起，结束于19世纪40年代，蒸汽机的出现，使得生产效率大大提升；第二次工业革命，也就是我们所说的电器时代，工业中心由原来的纺织业转变为重工业；第三次工业革命为信息技术革命，原子能、计算机等高新技术的出现又进一步提高了人们的生产力。而在当今社会，人工智能风生水起，各个国家的政府和互联网企业纷纷抢占人工智能高地，下一个工业革命的时代即 “人工智能的时代”即将来临。

我国人工智能的主要应用领域集中于工业、医疗、城市、金融、政务等领域，为深入了解我国人工智能在各传统产业的应用现状，文章分别以{年 between (2009,2018 and 主题=人工智能 or 主题=AI and 摘要=[行业名称] and [该行业常用的其他称呼]}为查找条件，在中国知网查找相关研究者对于工业、医疗、城市、金融、政务和农业等AI应用主要领域的论文发表数量，通过数据搜集与整理可得图1和图2。从图1中可见，农业作为国家经济发展的基础性产业，左右着国民经济全局的发展，历年来受到相关学者的高度重视，科研型论文数量基本保持持续性走高，而对于AI+农业的相关科研论文数量较少，虽在2016年有较为明显的上升，但其受重视程度仍然不足；从图2中可以发现，2016年开始AI在各个领域的应用明显加快，其中以政务、金融和医疗领域最为突出，相比之下AI在农业领域的应用略显后劲不足，且2017年科研论文的发文量有小幅度的下降。

2 AI赋能农业的发展困境及应对措施

自改革开放以来，我国工业化和城市化水平不断提高。国民经济结构不断完善，综合国力显著增强，从一个落后的农业国一跃成为实力雄厚的工业化国家。从我国历来出台的各项政策可以看出，我国十分重视农业发展，对农业领域资金投入较大，导致农产品附加值低于其他产业，故很多地方政府忽视农业发展[13-14]，导致AI赋能农业进行缓慢，长此以往，农业的基础性地位受到冲击，农业发展堪忧。因此，只有发现制约AI赋能农业发展的屏障，逐个击破，才能有效推进AI赋能农业，进一步解放生产力。

2. 1 AI赋能农业发展困境

1) 传统农业耕作思想根深蒂固

“耕作经验”是代表性的农业耕作思想，农民依靠一辈辈流传下来的耕作经验进行农业生产，若AI进入农业领域，将极大的改变我国农民传统的耕作方式，同时，我国广大农村地区农业劳动者的整体文化素质仍然较低，农民难以应用AI，而AI人才又普遍流向大中型城市。

2) 农业信息化水平低

长期以来，多数地区政府仅注重蝇头小利，追求经济效益，仅仅重视农作物的产量而对农业信息化建设置之不理，极度缺乏农业相关数据收集的信息化设备，造成缺少“喂养”AI数据的现状，导致AI赋能农业过程推进缓慢。

3) 闲置务农人口无法有效安置

每一次工业革命都伴随着劳动力结构的调整，当AI与农业结合，势必会造成农村务农人口的大量闲置，加之这一部分农村劳动力文化素质较低且缺乏再就业技能，故对这一部分劳动力的安置是一个十分头疼的问题。

4) 农村耕地未成规模化

2018年国家虽出台相关政策对农村用地分散问题进行整治，如：房屋整治，修建一体化社区；农业用地收购补贴；闲置土地收回等措施，但治理效果依旧不明显。分散化的农田用地，导致农业机械化和信息化操作成本大幅度上升，导致AI赋能农业成本大幅度上升，AI赋能农业捉襟见肘。

5)  AI科研成果与农业发展实际需求脱节

AI的科研成果是由相关高校研究人员、研究所科研人员或科技巨头公司科研人员研发的人工智能农业应用产品，相关资金投入方为能尽快获得研究成果，投入大量资金，打造高水平科研团队和研究场所等硬件和软件设施，却忽视了农业发展的真实诉求，导致AI应用难以落地。

2. 2 AI赋能农业应对措施

1) 构建农村社区学习站

为解农村用地分散问题，国家出台相应政策划地修建社区，但实际情况是社区的各项功能及其不完善，就连最基本的休闲娱乐设施都积极缺乏。因此，为更好的提高务农人员的整体文化宿舍和专业化技能，应在农村社区修建社区学习站，提供：农业图书阅览室（图3）、计算机阅览室（图4）等配套实施；定期进行农业前沿知识科普讲座，提高农业务农人员的整体素质、技能和思想水平。

2) 发挥政府的领导带头作用

政府应积极推动AI赋能农业发展，对农业信息化发展、农村用地分散整治或AI赋能农业进程迟缓的省、市、镇进行通报批评，对个别不作为的领导干部降职或撤职处理；对农业信息化建设进展明显、农村用地整治效果显著或AI赋能农业推进迅速的省、市、镇进行通报表扬，给予相关建设资金作为奖励。

3) 推进农村招商引资

赵本山拍摄的《乡村爱情》中“象牙山”式的发展模式，值得相关农村地区借鉴。乡镇一级政府应有所作为，招商引资，鼓励相关企业家到农村地区投资建厂，带动广大农村地区发展，有效安置因农村用地征收或AI赋能农业所带来的闲置农村劳动力。

4) 建立乡镇产学研工作交流基地

建立乡镇产学研基地，为AI方面的高等院校、科技公司、科研团队等（类比西部大开发）提供可供科研和参观交流的固定场所，并提供配套科研资金和AI赋能农业科研的示范性农田，提高AI产品与农业需求的结合程度。

3 现阶段AI主要技术方向

自1956年人工智能提出至今60多年的时间里，人工智能的相关理论与技术日益成熟、可以应用的领域也逐步扩大，可以设想，未来人工智能产品将会是人类智慧的容器[15]。也正因为如此，人工智能的应用才会越来越广泛。

1) 计算机视觉

计算机视觉的主要用途为代替人眼来进行观察和判断。其通过将图像社区装置（如：摄像头等）摄取的目标转化为图像信号，并依据像素的分布和亮度、三原色等信息转变为数字信号；程序通过对这些数据进行目标特征提取等操作，判断图像的位置、分类等结果来控制相关的设备。目前其主要应用于：无人驾驶汽车、残次品零件的识别与定位、监控与跟踪、人脸识别等领域。

2) 语音处理

语音处理主要用来研究语音的发声过程、语义的理解和语音的合成等多种处理技术的总称。目前的语音处理技术主要应用于用户的身份确认，用以摆脱文字密码或图案式的认证模块；人机交互，用以实现语音的流程控制和情感陪护等。目前主要应用于：软件登录声音锁、智能手机语音交互等领域。

3) 自然语言处理

语言是人类区别去其他动物的本质，在所有的生物当中，只有人类才具有语言能力。人类的多种智能斗鱼语言有着密切的关系。因此，自然语言处理同样是人工智能当中一个十分重要的领域。自然语言处理主要解决机器翻译、语义理解、情感分析等问题。目前主要应用于：机器翻译（google、有道等）、聊天机器人等。

4) 规划决策系统

规划决策系统是对规划制订工作中所包含的组织目的、分阶段目标、措施和资源配置等事项的决策，它不仅一般地涉及从一组替换方案中选择一个，而同时要涉及替换方案的提出和选择，其实质就是选择、提出或产生替换方案[16]。目前的主要应用于：交通规划、城乡规划、个人理财等。

5) 大数据/统计分析

大数据分析是基于机器学习与深度学习算法层的一个人工智能的技术方向，主要解决的问题是从海量的半结构化或者非结构化数据当中挖掘出潜在的一些供高层或中层管理者使用的有价值的信息。目前主要应用于：ERP系统、电子商务系统等。

4 AI赋能农业的主要应用方向

1) 农作物选种

农作物的选种，在很大程度上决定了生产的高低和农作物抗逆性大小，从而影响广大农民的生产效益和国家粮食产量的稳定。以马铃薯为例（其后各应用方向若不作特殊说明，均已马铃薯为例），在进行实际种植操作之前需要精选种薯等操作。传统的农村种植仅仅依靠个人经验进行操作，当AI赋能农业，可借助摄像头或其他图像获取手段获取大量优质马铃薯图片，通过计算机视觉技术对图片进行分析处理，提取优质种薯的目标特征，训练选种模型进行选种，侧方法相对于人工选种速度更快、准确率更高。

2) 土壤盐碱度分析

土壤为农作物提供养分和水分，同时也为作为的根系伸展、固持提供介质，同时也是储存养分和供应养分的工厂，而且在土壤中的各种养分都进行着一些列的生物化学和物理的转化作用。然而，土壤盐碱化将使得土壤板结和肥力下降，严重阻碍农作物吸收养分，阻碍作物生长。AI赋能农业，可通过对土壤传感器收集到的土壤可溶性盐（钠、钾等的硫酸盐，氯化物，碳酸盐等）含量、地表水分蒸发量、土壤湿度等数据通过训练好的人工神经网络模型（ANN）进行预测分析，判断当前土壤的情况，以便农户采取相应的措施。

3) 农田除草

近年来，无人驾驶汽车是一个十分热门的话题。其主要通过车载传感器来感知车辆周围的环境，并根据所获得的道路、车辆信息和障碍物信息，控制车辆的转向和速度，从而使得车辆能够安全、可靠的在公路上形式。在农业中，农作物的生长过程，杂草不仅与农作物争夺光照、生存空间与营养物质，还会传播病虫害，释放有毒物质造成粮食减产[17]。那么当AI赋能农业，是否可以换一种思路，通过将车载传感器、车载摄像、图像识别技术等集成与一个小型的农田除草机器人，通过分析图像数据判断哪种植物是杂草，哪种植物是农作物，借助传感器进行避障除草。此举将大大降低除草农药的使用量，不管是对保护环境还是降低农产品的农药含量都有十分显著的作用。

4) 农作物病虫害预测

农作物病虫害是我国的主要农业灾害之一，它具有种类多、影响大、并时常暴发成灾的特点，其发生范围和严重程度对我国国民经济、特别是农业生产常造成重大损失[18]。当AI赋能农业，可通过如摄像头等图像采集设备获取病害特征图像，在计算机视觉技术的辅助下获取病害特征，构建支持向量机模型，确定农作物病害种类、病害程度、问题所在区域等；通过声音获取设备，获取农田间害虫叫声特征，在语音处理技术的帮助下，借助已经通过害虫叫声训练好的模型进行语音识别，预测农作物虫害。

5) 农田施肥

在悠久的农业生产厉害中，化肥的使用一直是我国农业生产当中的一个重要环节，也是为我国人口解决温饱问题提供的保障[19]。当长期以来，农业施肥存在施肥方法不科学、肥料利用率低、肥料使用不对症、化肥用量过多等问题，严重制约着农作物的生长。当AI赋能农业，人们可以通过土壤分析结果，借助无人机进行定点定量施肥，有效提高肥料的利用率，提高农作物产量。

6) 农作物药物喷洒

我国大多数地区传统的农作物药物喷洒方式仍然是采用人力罐背式喷洒，机械化程度高一点的地区采用机械加压人工喷洒，但该种方式不仅效果不明显，而且农药的实际用量不好掌握造成环境污染和农作物农药残留超标，另外，该种方式的人力成本很高，特别是炎热的夏天农田透风性差，农民需要顶着烈日在农田中进行药物喷洒。当AI赋能农业，人们能够通过农作物病虫害监测所得的结果，借助无人机技术实施定点或定区域药物喷洒，该种方式操作简单且高效环保[20]。目前，大疆、零度这两家厂商在该应用方向已开始产业布局。

7) 农田问题解决专家系统

农田问题解决专家系统类似于iPhone中人工智能交互系统Siri类似。该专家系统通过语音处理技术对农户咨询问题进行语音理解，通过后台在农业问题专家信息数据库中检索匹配相关信息，可通过语音合成的方式以类人语言说出，也可通过固定页面的方式进行展现，为农户的种植进行辅助。

8) 农作物产量预测

通过综合往年的如温度、湿度、光照、水分、土壤元素、作物种类等多种农田信息，借助大数据挖掘技术，通过如FP-Growth关联规则挖掘算法构建关联分析模型，找到影响农作物产量的关键因素，将往年关键因素数据与农作物产量数据作为预测模型训练集，借助训练好的模型对后期农作物产量进行准确预测。

9) 农作物采收

农作物采收机器人是人工智能系统在农作物采收上的典型应用，机器人采收不仅能提高采收效率，还可以确保采收的质量[21]。但是，该技术应当具体问题具体分析，针对外漏型农作物（如：玉米、桃子等）能够通过成熟农作物图像训练预测模型对即将采摘的农作物进行预测，判断其是否成熟，然后再通过机械臂进行采摘。但针对马铃薯等根茎类农作物，即使能够训练模型，也无从预测农作物的成熟状态，该种方法并不适用。

10) 农作物价格预测

农作物的价格无时无刻不牵动着每一个农民的心。因此，通过历年的农产品种类及其对应的价格、需求量、国内实际产量、进口量等多种数据训练神经网络预测模型，对农产品当年的价格进行预测。但AI在该方向的应用存在一个严重的问题，即当大多数的农田均采用价格预测系统，是否会出现某种农作物大批量种植？其他农作物产量下降？这是一个值得研究和思考的问题。

5 总结

农业是国民经济的基础，是经济发展的基础，是社会安定的基础，是国家自立的基础。在人工智能迅速发展的今天，其深刻影响着国民经济和社会的方方面面，同时也必将为我国农业的发展注入新的生机与活力。本文分析了国内学者在AI+各传统产业的研究情况，发现我国AI赋能农业推进缓慢的问题，结合现阶段我国农业发展现状找出AI赋能农业发展迟缓的原因，并提出相应的应对措施；结合目前AI主要技术方向对AI在农业领域的应用模式进行探讨，从多个不同的视角提出AI在农业领域的多种应用方向，为AI赋能农业提供一些发展思路，以期推动AI在农业的应用。

参 考 文 献

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

(左卫民. 关于法律人工智能在中国运用前景的若干思考[J]. 清华法学, 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.

(张兴旺. 从AlphaGo看人工智能给图书馆带来的影响与应用[J]. 图书与情报,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.

(唐振韬,邵坤,赵冬斌,朱圆恒. 深度强化学习进展:从AlphaGo到AlphaGo Zero[J]. 控制理论与应用,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.

(杨丹辉, 邓洲. 人工智能发展的重点领域和方向[J]. 人民论坛, 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.

(张迪,鲁宁,李宜展,滕飞,王丽. 智能视觉感知与理解研究态势分析[J]. 计算机工程与应用,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腾讯全球合作伙伴大会开幕[J]. 机器人技术与应用, 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. 阿里云在欧洲推出云服务及AI方案[J]. 计算机与网络, 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.

(中国政府网. 国务院印发《新一代人工智能发展规划》[J]. 广播电视信息, 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).

(汤春强, 陈思红. 转型期农业发展对经济增长的影响[J]. 农村经济与科技, 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.

(吴春丽. 我国农业机械信息化发展现状及信息技术应用[J]. 现代农业科技, 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.

(葛文莹. 新时代我国农业发展困境研究[J]. 乡村科技,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.

(. 工业4.0时代是AI时代?[J]. 智慧工厂,2017(08):28-29.)

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

(杨斌. 软科学大辞典[M]. 中国社会科学出版社, 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,祁显涛,刘昌林,刘方,谢传晓. 除草剂抗性农作物育种研究进展[J]. 作物杂志,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.

(简俊凡,何宏昌,王晓飞,李月. 农作物病虫害遥感监测综述[J]. 测绘通报,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).

(王贵彬, 程旭, 王琦. 常规农作物施肥存在的问题以及措施[J]. 科技经济导刊, 2016(18).)

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

(牛沐萱. 大疆引领农业植保无人机行业[J]. 农经, 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,成维莉. 人工智能技术在现代农业生产中的应用[J]. 农业网络信息,2018(05):14-18.)