基于农业的人工智能发展研究

序论：在您撰写基于农业的人工智能发展研究时，参考他人的优秀作品可以开阔视野，小编为您整理的1篇范文，希望这些建议能够激发您的创作热情，引导您走向新的创作高度。

０引言

根据联合国关于人口与饥饿的预测数据，到２０５０年，世界人口将增加２０亿，粮食生产力需要提高６０％才能满足人口增长所带来的粮食供给问题。目前，数字农业的不断发展推动了农业领域的精准化、自动化及远程化生产，实现农业生产效率和农作物产量的提升，在帮助缩小预期粮食需求方面正在发挥着积极作用，基于农业的人工智能也正在显现出其潜力。

１数字农业的发展历程

数字农业最早是２０世纪６０—８０年代欧美国家在将计算机规模化应用于农业生产的基础上提出来的。其中，２０世纪６０年代研究重点在农业数据的科学计算，促进农业科技的定量化；２０世纪７０年代发展重点在农业数据的处理，发展农业数据库；２０世纪８０年代重点研究农业知识工程、专家系统。进入２０世纪９０年代后，随着网络和通讯技术的高速发展，数字农业由美国科学院、工程院两院院士正式提出。欧美等国家通过计算机网络、遥感技术和地理信息系统技术来获取、处理和传递各类农业信息的应用技术已进入实用化阶段。我国数字农业在２０世纪９０年代才刚刚起步，１９９０年，国家科技部推出“８６３”计划，支持计算机研究“农业智能应用系统”；１９９８年，我国于中国科学院和中国工程院院士大会上提出了发展“数字中国”的战略，随后“数字农业”的探索与研究在中国全面展开；２００３年国家“８６３”计划将“大规模现代化农业数字化技术应用研究与开发”列为重大科技专项进行研究，取得阶段性成果；２０１３年开始，国家农业部在天津、上海、安徽三省市率先开展了物联网区域试验工程，对采集农业实时数据和物联网应用方面进行了探索；２０１５年，随着大数据的战略地位提高，农业大数据成为新焦点，《农业部关于推进农业农村大数据发展的实施意见》发布；２０１７年，农业部正式设立“数字农业”专项，加快中国农业现代化、数字化进程发展；２０１８年，《中共中央国务院关于实施乡村振兴战略的意见》《数字经济发展战略纲要》提出“要大力发展数字农业，实施数字乡村战略，推动农业数字化转型”，为加速发展数字农业指出了方向。２０２０年，农业农村部、中央网信办联合印发了《数字农业农村发展规划（２０２０—２０２５）》，对推进我国数字农业农村发展做出了顶层设计和系统谋划，对推动信息技术与农业农村全面深度融合、引领驱动乡村振兴具有重要意义［１］。随着国家对数字农业的支持与引导，我国在农业信息采集、动植物数字化虚拟设计、农业问题远程诊断、温室环境智能控制、数字化农业宏观监测等方面的研究应用上，都取得了重要的阶段性成果，通过不同类型地区应用示范，初步形成了中国数字农业技术框架和数字农业技术体系、应用体系和运行管理体系，促进了中国农业数字化和现代化进程［２］。

２人工智能在农业领域的实践和应用

人工智能通常被定义为机器执行与大脑相关的认知功能的能力，最终以人类智能相似的方式作出反应［３］。例如拥有学习、视觉、推理、感知、解决疑难点甚至与环境互动和发挥创造等能力。人工智能和农业原本看似平行的两条线，随着数字农业的发展却在不断靠近并融合。中国正在进入农业４．０时代，其最主要的特征之一就是数字技术将渗透到农业产前、产中、产后的方方面面。对农业４．０而言，数据将和土地、种子、劳动力、农业工具、资本等一样成为农业最重要的新型基础生产要素。２０１２—２０２１年，中国农业农村信息化建设过程中，积累了大量农业生产、农产品流通、质量安全溯源相关的数据和实施案例，这为人工智能在农业领域落地创造了基础条件。加快发展人工智能重塑传统农业将成为我国赢得全球农业科技竞争主动权的重要战略抓手。

２．１人工智能正在成为现代农业发展的“新农具”农业是当今社会所有产业门类中数字化程度较低的一个领域，但在数字科技的赋能下，中国农业进入了发展快车道，农业数字基建初见成效。我国对农业农村信息化的财政支持力度不断加大，各地智慧农业、数字农业相关的政府采购项目呈现逐年增加的趋势。２０２０年全国县域农业农村信息化建设的财政投入总额达到３４１．４亿元，县均财政投入１２９２.３万元，较上年提升６５．３％。通过政府财政层面的大力推动，我国农业数字化基建正在被夯实。在政策的引导和鼓励下，智慧农业得到全社会的广泛关注。农业生产和农产品流通的颠覆性重构正在形成一个产业新风口，吸引着人工智能巨头持续跨界融入、加码农业数字化转型。以腾讯、华为、百度为例，这三家科技巨头企业近年来在农业领域不断尝试和探索。２０１８年，腾讯提出人工智能养猪解决方案，华为联手云洋数据人工智能精细呵护每棵作物，百度与雷沃重工合作以人工智能赋能农机制造；２０１９年，腾讯与中粮集团联合搭建“食品行业智能制造创新中心”，与中国农科院信息所成立智慧农业联合实验室及华为牵手北大荒推动农业产业数字化，与百度及京东方植物工厂合作推出人工智能植物工厂智能无土栽培解决方案；２０２０年，腾讯智慧种植方案落地辽宁、与新希望合作成立合资公司新腾致数，江苏淮安国家农业科技园区携手华为打造“５Ｇ＋ＧＥＴＡ”智慧农业示范基地，中道智联云加入百度人工智能加速器专注于中国生猪养殖全产业智能解决方案的研发与推广；２０２１年，腾讯安心生态联盟正式成立技术助力“数字兴农”，华为携手达华智能助力传统农业“云端”转型，百度携手华智生物共同推进中国智慧农业。除此之外，更多科技公司和风险投资机构开始关注并加入，为传统农业带来了大量的跨行业经验，为农业的数字化转型注入了强劲动力。以北斗导航、卫星遥感、无人机、无人车为代表的高科技产品正在进入农田、参与农事活动。科技赋能农业，使农业生产经营在一定程度上摆脱了靠天吃饭的宿命。越来越多的新型职业农民已经逐渐习惯通过各种智能ＡＰＰ辅助日常农事操作，进行耕地、播种、租赁农机、监测作物长势或动物异常行为、病虫害识别和诊断、产量预测等行为。在全新智慧农业生产体系下，筑牢农业数字基础之后，人工智能技术进入农业的新场景不断涌现，人工智能推动下的大批新型应用工具将成为新型职业农民群体最可靠的“新农具”之一。

２．２人工智能正与农业全产业链深度融合人工智能是数据密集型产业，数据的数量和质量是人工智能算法可靠性的基础，其本身还处于发展阶段。由于农业不同细分领域的数据采集难度、数据积累量、数据标准化程度存在比较明显的差异，使人工智能在农业细分领域的应用发展阶段也存在着差异。目前，人工智能技术在农业生产、农业机械装备、农业可控环境、农业金融、流通溯源等领域数据积累程度较高，数据质量相对较好，算法模型相对成熟，因而产品开发和应用程度也相对较高。尤其在农业生产领域的应用贯穿于生产全过程，包括农业生产前期、中期和后期各个阶段，实现了农业生产过程的自动化、智能化、动态化管理。随着对农业数据挖掘和利用的不断深入，生物数据开发成本逐渐降低，越来越多有价值的信息正在从生物数据库中被挖掘出来，这些生物属性相关的农业底层数据将会迅速积累，更加高效、精准的算法模型将被开发出来，尤其是与环境数据密切相关的作物生长模型和病虫害发展模型将被进一步完善。由这些生物数据支撑的相关领域，如动植物育种、动植物健康、动植物营养等版块将迅速成长，成为下阶段值得关注的农业人工智能潜力赛道。

３现阶段影响农业人工智能发展的问题分析

３．１农业碎片化经营导致农业数据生产成本较高在家庭联产承包责任制的影响下，一段时间以来我国农业的基本情况是从事农业生产的人数众多，这种小农为主的生产经营呈现极度碎片化。直接导致众多农业生产参与者的行为无法统一，生产过程难以标准化，农业底层数据量大但数据价值相对较低，数据清选难度相对较大。导致农业数据的生产成本增加，从而影响人工智能产品的推广和应用。

３．２农业的多头监管导致数据互联互通难度大从种子到餐桌的农业产前、产中、产后各个环节涉及到农产品生产、食品加工、食品安全、市场流通等众多环节。就目前而言，众多环节的监管部门都在建设各自的数据平台。然而各级部门、各主体之间数据标准不统一的问题比较严重，不同来源的数据共享机制没有建立。在当前的管理体制下，各农业主管部门的涉农大数据流动性、共享性差，数据互联互通形成全国“一张网”实施难度大。

３．３农业人工智能高水平复合型人才匮乏近年来，我国人工智能发展迅速，但具备丰富经验的人才仍相对缺乏。这已经成为制约当前我国人工智能行业快速发展的瓶颈之一。一方面，北京、上海、深圳、杭州聚集了全国８０％以上的人工智能人才，其他城镇和农村地区的人才匮乏问题非常严重；另一方面，农业人工智能需要既懂数字技术又懂农业技术的人才，这样的高水平复合型人才数量明显不足。在此种背景下，高素质人才及能力可能成为一种共享资源，企业之间利用这些共享资源联合开展技术攻关或项目服务将成为重要的合作模式。

３．４农业数据安全及监管薄弱目前，我国数字农业尚处于基础建设阶段。尽管如此，近几年在政策、经济、技术等多重因素的推动下，我国数字农业版块的发展非常活跃，已经在不同经营主体中积累了海量的农业数据。与其他行业相比，农业从业者在享受大数据成果和数据服务的同时，数据安全意识普遍较弱，农业数据安全问题尚未得到足够重视。全国统一的农业数据安全监管平台和标准体系亟待建立。

３．５传统旧农意识制约新技术应用发展近几年，随着“新农人”的不断涌现，我国农业从业者文化科技水平有了明显提高，但是就整体而言与发达国家相比依然存在着明显的差距。当前我国农业从业者从整体看依然以四五十岁的农民为主，这部分人群平均受教育程度只有７～８年，接受过高等教育的很少，就算只接受过专业农业知识培训的人员比例也比较少，知识的储备量很有限，旧农意识根深蒂固，导致农民对新产品、新技术的不理解、不支持，甚至是不接受。由于农业从业者对现代农业中的数字技术的不了解，特别是人工智能这种传统观念里的跨界应用，初期投资较大，短期内收益又不明显，也进一步导致从业者参与意愿不高，因而制约了其在农业领域的应用和发展。

４结语

人工智能在农业领域应用还处在起步阶段，其发展还面临着诸多问题和挑战，但其已经显示出巨大的潜在应用市场。随着我国土地经营权流转的持续推进，适度规模化经营模式逐渐成形，对农业数据挖掘和利用持续深入，相关政策和监管不断完善，以及从业者旧农意识的改变，在可预见的未来，基于农业的人工智能技术将充分展现其优势，从信息感知、定量决策、智能控制、远程诊断、病虫害预测预报等方面帮助农业有效提升资源利用效率、提高农作物产量和品质、降低生产成本、改善农业生态环境，助力农业可持续发展。

参考文献：

［１］王雪．我国数字农业发展现状及未来展望［Ｊ］．黑龙江粮食，２０２０（６）：４６－４７．

［２］马丽．浅谈数字农业［Ｊ］．云南农业，２０２０（７）：２３－２４．［３］赵春江．人工智能引领农业迈入崭新时代［Ｊ］．中国农村科技，２０１８（１）：２９－３１．

作者:陈立志单位:黑龙江省农业机械工程科学研究院