王 超，鄭海新

(福建省農(nóng)業(yè)科學院培訓中心/數(shù)字農(nóng)業(yè)研究所，福建 福州 350003)

計算機應(yīng)用技術(shù)在我國最早出現(xiàn)大約是1945年，到20世紀70年代后，計算機才被廣泛地應(yīng)用于社會經(jīng)濟各領(lǐng)域：如數(shù)值計算、信息處理、辦公自動化、信息化(互聯(lián)網(wǎng))、設(shè)計輔助、影視娛樂等。在科學技術(shù)快速發(fā)展的背景下，各行各業(yè)都在拓展計算機的應(yīng)用，最早在1940年左右[1]，美國已經(jīng)開始在農(nóng)業(yè)領(lǐng)嘗試計算機技術(shù)處理農(nóng)業(yè)自動化的設(shè)計。之后隨著科技應(yīng)用的不斷發(fā)展，計算機技術(shù)被廣泛應(yīng)用于作物生產(chǎn)、畜禽養(yǎng)殖、農(nóng)業(yè)機械、農(nóng)業(yè)經(jīng)濟與信息技術(shù)、農(nóng)產(chǎn)品加工、環(huán)境監(jiān)測與控制、作物倉儲管理、作物產(chǎn)量預測等方面。計算機技術(shù)不僅推動農(nóng)業(yè)科研和農(nóng)業(yè)機械自動化向現(xiàn)代高優(yōu)農(nóng)業(yè)邁進，同時也逐步形成農(nóng)業(yè)科技領(lǐng)域里的特殊分支，成為農(nóng)業(yè)現(xiàn)代化不可缺少的重要技術(shù)手段。

1 計算機技術(shù)在農(nóng)業(yè)中應(yīng)用現(xiàn)狀

1.1 農(nóng)業(yè)信息系統(tǒng)

農(nóng)業(yè)信息系統(tǒng)是我國農(nóng)業(yè)領(lǐng)導部門和農(nóng)業(yè)科研單位普遍建立的系統(tǒng)，是由數(shù)據(jù)庫軟件搭建主體，提供農(nóng)業(yè)類信息服務(wù)資訊，具有信息檢索和編輯等功能。例如，農(nóng)業(yè)部開發(fā)和建設(shè)了農(nóng)業(yè)經(jīng)營管理信息系統(tǒng)、農(nóng)村能源及環(huán)境監(jiān)測管理信息系統(tǒng)；中國農(nóng)業(yè)科學院計算中心與農(nóng)業(yè)部計劃司統(tǒng)計處合作開發(fā)的全國農(nóng)業(yè)經(jīng)濟統(tǒng)計資料數(shù)據(jù)庫；中國農(nóng)業(yè)科學院科技文獻信息中心建成的中國農(nóng)業(yè)文獻信息數(shù)據(jù)庫；農(nóng)牧漁業(yè)科技成果數(shù)據(jù)庫和CABI和AGRIS數(shù)據(jù)庫；中國農(nóng)業(yè)科學院作物科學研究所國家作物品質(zhì)信息中心建立的“中國作物品質(zhì)信息網(wǎng)”等。這些種類繁多的農(nóng)業(yè)信息數(shù)據(jù)庫實現(xiàn)了農(nóng)業(yè)資訊的高效率采集、條理化分類和便捷的資源共享，在各自的領(lǐng)域發(fā)揮著重要的作用。

1.2 作物模擬系統(tǒng)

作物生長模擬技術(shù)最早是從工業(yè)生產(chǎn)的工程分析里獲得靈感，隨著時代的發(fā)展，現(xiàn)在已逐步使用計算機來完成數(shù)據(jù)分析。其原理是通過對作物生長到收成的一整個過程進行詳細的數(shù)據(jù)采集，對比大量的分析結(jié)果后，模擬出作物的動態(tài)生長。我國早在1983年，高亮之等[1]就在美國發(fā)表了“苜薯生產(chǎn)的農(nóng)業(yè)氣象計算機模擬模式(ALFAM0D)”。此后，中科院上海植物生理研究所建立了“水稻群體物質(zhì)生產(chǎn)的計算機模擬模型”；中國農(nóng)科院農(nóng)業(yè)氣象研究所將CERES——玉米模型漢化；江蘇省農(nóng)科院建成了“水稻栽培計算機模擬優(yōu)化決策系統(tǒng)(RCSODS)”[1]；中國農(nóng)科院研制出的“棉花生產(chǎn)管理模擬系統(tǒng)”，將棉花的生長周期、水肥管理和環(huán)境變量相結(jié)合，從而制定出適合不同區(qū)域的高產(chǎn)栽培優(yōu)化方案。

1.3 農(nóng)業(yè)專家系統(tǒng)

農(nóng)業(yè)專家系統(tǒng)是一種使用人工智能，也就是現(xiàn)代普遍統(tǒng)稱的計算機智能，通過將總類繁多的訊息進行歸類總結(jié)，特別是農(nóng)業(yè)專家在工作領(lǐng)域積累的大量生產(chǎn)經(jīng)驗，構(gòu)建出各種資料數(shù)據(jù)及數(shù)學模型，從而建立的計算機應(yīng)用系統(tǒng)。農(nóng)業(yè)專家系統(tǒng)在作物栽培、水肥灌溉、植物保護和市場銷售管理等方面都有著顯著的應(yīng)用需求。70年代末美國依利諾斯大學開發(fā)了大豆病害診斷專家系統(tǒng)PLANT/ds和預測玉米黑地老虎危害的專家系統(tǒng)PLANT/cd；美國農(nóng)業(yè)部和密西西州立大學及克萊姆大學共同創(chuàng)建了棉花作物管理推理系統(tǒng)COMAX；日本千葉大學研發(fā)了番茄病害診斷專家系統(tǒng)MICCS等[2]。80年代中后期，我國也自行組建了多個農(nóng)業(yè)專家系統(tǒng)，例如中國科學院、中國農(nóng)業(yè)科學院作物所、中國農(nóng)業(yè)科學院農(nóng)業(yè)氣象所等單位分別推出“作物施肥專家系統(tǒng)”、“小麥育種專家系統(tǒng)”、“玉米育種專家系統(tǒng)”、“防御東北地區(qū)玉米低溫冷害專家系統(tǒng)(PMLTCD)”等實用專家系統(tǒng)，它們代替專家群體走向地頭，進入農(nóng)家，用先進適用的農(nóng)業(yè)技術(shù)培訓農(nóng)業(yè)技術(shù)人員，指導農(nóng)民科學種田，這是科技普及的一項重大突破。

1.4 農(nóng)機化視覺系統(tǒng)

農(nóng)業(yè)機械化是農(nóng)業(yè)現(xiàn)代化的重要標志，計算機視頻輔助機器人在農(nóng)業(yè)上的應(yīng)用為實現(xiàn)田間管理機械化創(chuàng)造了條件，如播種、施肥、行間噴霧、行間碎土、鋤草和收獲等，大大提高播種和作業(yè)精度，減少收獲損失，節(jié)約種子、肥料和農(nóng)藥。美國學者Parrish和Goksel[3]在1977年的一項研究中，探討了僅依靠機器人的視覺作為三維坐標系定位，并應(yīng)用在水果采摘技術(shù)上的可行性論述。1985年，Harren等[4]人研制了一種基于球坐標系的機器人用于水果收獲；1987年美國普渡大學的Miles教授等[5]人使用具有機器人視覺系統(tǒng)的Puma 560型機器人，配備CAD系統(tǒng)設(shè)計的一種幼苗移栽抓取器，成功實現(xiàn)了智能化幼苗移栽。學者Hwang等[6]人也設(shè)計了辣椒幼苗移栽系統(tǒng)。1997年日本Have 等[7]發(fā)明了直線圖像分光儀，很快被投入到農(nóng)田作物的行列檢測應(yīng)用中；2000年，荷蘭農(nóng)業(yè)環(huán)境工程研究所[8]研發(fā)了一種可移動的黃瓜收獲機器人樣機；1995年我國學者周云山等[9]研究了利用吸盤系統(tǒng)開發(fā)蘑菇采摘機器人樣機；2001年上海交通大學機器人研究所劉成良等[10]人研制了一套嫁接機器人的視覺系統(tǒng)，該系統(tǒng)應(yīng)用在瓜果秧苗嫁接上，靠軟件系統(tǒng)來判斷秧苗頭尾方向，從而完成智能化秧苗嫁接。在英國，水果成熟度的傳感器已應(yīng)用于計算機分析，實現(xiàn)了水果的快速分級[11]；歐洲已研制出分析玫瑰質(zhì)量、分行切枝玫瑰的機械視覺系統(tǒng)。

1.5 追溯信息系統(tǒng)

追溯信息系統(tǒng)是以信息處理為技術(shù)基礎(chǔ)的質(zhì)量安全保障體系，通過運用信息技術(shù)，將追溯關(guān)鍵點與質(zhì)量控制點有機結(jié)合，從生產(chǎn)崗位信息采集到產(chǎn)品追溯信息查詢?nèi)绦畔⒒芾淼囊惑w化專用軟件系統(tǒng)，它包括定制子系統(tǒng)、采集子系統(tǒng)、匯總子系統(tǒng)和查詢子系統(tǒng)。從20世紀80年代末開始，隨著全球性農(nóng)產(chǎn)品質(zhì)量安全事件的不斷發(fā)生，人們逐漸把可追溯系統(tǒng)應(yīng)用于農(nóng)產(chǎn)品質(zhì)量安全控制體系當中。國際物品編碼協(xié)會(GSI)開發(fā)出用于農(nóng)產(chǎn)品跟蹤與追溯的全球統(tǒng)一標識(EAN·UCC)系統(tǒng)，該體系在歐洲已成功應(yīng)用于農(nóng)產(chǎn)品可追溯系統(tǒng)的建立和實施；歐盟的農(nóng)產(chǎn)品可追溯系統(tǒng)最早應(yīng)用于牛肉產(chǎn)品的可追溯系統(tǒng)；美國的農(nóng)產(chǎn)品可追溯系統(tǒng)主要是企業(yè)自愿建立；日本農(nóng)產(chǎn)品可追溯系統(tǒng)應(yīng)用方面不僅制定了相關(guān)法規(guī)，而且在零售階段，大部分超市已經(jīng)安裝了產(chǎn)品可追溯終端，供消費者查詢信息使用；英國政府建立了基于互聯(lián)網(wǎng)的家畜跟蹤系統(tǒng)(CTS)；加拿大從2002年開始實施強制性牛肉制品標識制度；我國農(nóng)墾農(nóng)產(chǎn)品質(zhì)量追溯系統(tǒng)開發(fā)，對農(nóng)產(chǎn)品從生產(chǎn)源頭到消費市場實施精細化管理，全程記錄下種植養(yǎng)殖戶在生產(chǎn)、加工、流通各個環(huán)節(jié)的質(zhì)量安全信息，使農(nóng)產(chǎn)品質(zhì)量有了較強的可追溯性。

1.6 植物生長監(jiān)測系統(tǒng)

利用計算機視覺技術(shù)對植物生長進行監(jiān)測具有無損、快速、實時等特點，它不僅可以檢測設(shè)施內(nèi)植物的葉面積、莖稈直徑、葉柄夾角等外部生長參數(shù)，還可以根據(jù)果實表面顏色判別其成熟度，以及作物缺水缺肥等情況[12]。在植物外部生長參數(shù)的測量方面：1987年Mayer等人[13]利用數(shù)字圖像來分析幾種作物的葉面積、莖稈直徑、葉柄夾角，率先在此領(lǐng)域開展研究。1991年學者Shimizu和Oshita[14]采用圖形處理的方法對植物的伸長率在3個維度上進行了無損傷測量。1992年，美國學者Trooien[15]探索了利用圖像處理方法測量馬鈴薯葉面積的方法。1995年荷蘭Wageningen大學的Vanhenten[16]研究了植物葉冠相對覆蓋率與植物干重之間的關(guān)系，建立了3種數(shù)學模型。1995年陳曉光等[17]利用機器視覺技術(shù)分析和判別蔬菜苗生長信息。在果實成熟度的檢測方面：1995年韓國學者Choi等[18]根據(jù)美國農(nóng)業(yè)部(USDA)關(guān)于番茄成熟度的分級標準，利用彩色圖像處理技術(shù)把新鮮番茄分為6個等級；1996年美國伊利諾伊大學的John教授[19]對彩色視覺系統(tǒng)特性進行了研究，指出：在多種顏色模型中，HSI(色調(diào)、飽和度、光照強度)顏色模型與人眼感覺顏色的原理相似。2000年張長利等[20]利用遺傳算法訓練的多層前饋神經(jīng)網(wǎng)絡(luò)實現(xiàn)番茄成熟度的自動判別的研究。在植物營養(yǎng)成分的監(jiān)測方面：1992年Seginer等[21]研究發(fā)現(xiàn)完全長成型的番茄葉子的運動與缺水情況及CO 吸收率幾乎成線性相關(guān)，監(jiān)測結(jié)果可用來作為灌溉系統(tǒng)的控制信息。1996年AhmadI等[22]利用彩色圖像信息評價缺水和缺氮對玉米生長的影響，建立了RGB值與HSI值之間的色度坐標變換關(guān)系。1995年，京都大學教授 Hiroshi與美國學者Shimizu[23]合作，設(shè)計了一種利用CCD攝像機與紅外照明設(shè)備組成的計算機視覺系統(tǒng)，并用此系統(tǒng)對植物生長進行監(jiān)測分析。

2 計算機應(yīng)用存在的問題

當今，計算機技術(shù)在各領(lǐng)域的應(yīng)用已成為推動技術(shù)創(chuàng)新、提高勞動效能的重要手段。雖然我國計算機在農(nóng)業(yè)方面的應(yīng)用逐年增多，但與發(fā)達國家相比仍然存在一定差距。具體表現(xiàn)為：(1)水平低，能應(yīng)用于農(nóng)業(yè)生產(chǎn)的計算機技術(shù)有限，大部分技術(shù)還處于研究、小試、樣機階段。(2)投入少，各級政府對信息產(chǎn)業(yè)的研發(fā)投入不足。(3)成本高，農(nóng)村個體經(jīng)營模式無法承載高額的計算機設(shè)備投入，優(yōu)質(zhì)不優(yōu)價也阻礙了新技術(shù)的推廣應(yīng)用。(4)培訓弱，許多偏遠地區(qū)沒有開展信息技術(shù)培訓，農(nóng)村人口因文化水平偏低，對計算機應(yīng)用能力普遍較弱，這樣不但阻礙了農(nóng)業(yè)的發(fā)展，也使農(nóng)民在競爭激烈的市場環(huán)境中處于被動地位。

3 計算機技術(shù)在農(nóng)業(yè)的發(fā)展趨勢

3.1 精準農(nóng)業(yè)

精準農(nóng)業(yè)是20世紀80年代初國際農(nóng)業(yè)領(lǐng)域發(fā)展起來的一門跨學科新興綜合技術(shù)，其特點是通過GPS、GIS、RS技術(shù)和自動化技術(shù)的綜合應(yīng)用，按照農(nóng)作物生長的田間每一個操作單元具體條件準確計算，提出投入產(chǎn)出轉(zhuǎn)換效率，從而相應(yīng)調(diào)整化肥、農(nóng)藥等物質(zhì)投入，避免過量施用化學產(chǎn)品而帶來污染風險，達到減少投入，增加收入，保護農(nóng)業(yè)生態(tài)環(huán)境的目的。它是一種超前性的高新技術(shù)農(nóng)業(yè)，是世界農(nóng)業(yè)現(xiàn)代化發(fā)展的新趨勢。近年來，我國農(nóng)業(yè)生產(chǎn)將從資源消耗型、粗放管理型向節(jié)約型、優(yōu)化精確控制型轉(zhuǎn)化，土壤、作物、農(nóng)產(chǎn)品安全和農(nóng)業(yè)機械化等把質(zhì)量問題、效益問題、農(nóng)民增收和環(huán)境保護問題始終作為近期農(nóng)業(yè)研究的重點。

3.2 智能溫室

以微型計算機為核心的溫室綜合環(huán)境控制系統(tǒng)，可經(jīng)由傳感器檢測，根據(jù)溫室植物生長要求，對溫室內(nèi)的溫濕度、光照度、二氧化碳濃度、營養(yǎng)液或水肥濃度等的需求，實現(xiàn)對各個環(huán)節(jié)的智能調(diào)控。溫室種植里常用的遮陰幕，就可以通過無級調(diào)節(jié)的天窗通風系統(tǒng)和濕簾與風扇配套的降溫系統(tǒng)進行室內(nèi)控溫。使用軟件系統(tǒng)控制熱風機或熱水鍋爐對溫室進行加熱，使用灌溉系統(tǒng)進行定時定量的作物澆灌，還有二氧化碳施肥系統(tǒng)和各種先進的智能型農(nóng)業(yè)機械已經(jīng)越來越頻繁的出現(xiàn)在現(xiàn)代溫室的設(shè)計需求里。工作人員僅需在計算機上輸入作物的各項參數(shù)，系統(tǒng)在結(jié)合農(nóng)業(yè)專家系統(tǒng)，通過傳感器檢測之后，隨時自動調(diào)整出最適合作物生長的環(huán)境。這些系統(tǒng)的操作，已不再是簡單的計算機數(shù)據(jù)輸入控制，而是能夠基于地域和環(huán)境變化，更加動態(tài)地人工智能控制。

3.3 農(nóng)業(yè)機械化

科技進步帶動現(xiàn)代高效農(nóng)業(yè)向更深層次發(fā)展，隨著農(nóng)村勞動力轉(zhuǎn)移，人力成本不斷攀升，大力發(fā)展農(nóng)業(yè)現(xiàn)代化就必須走農(nóng)業(yè)機械與高科技相結(jié)合的道路。計算機技術(shù)與農(nóng)業(yè)機械化相結(jié)合，是農(nóng)業(yè)機械化發(fā)展的必然趨勢，它將促進農(nóng)機具的自動化和智能水平進一步提高，向優(yōu)質(zhì)、高效、安全、簡便、經(jīng)濟的方向發(fā)展。農(nóng)業(yè)機械計算機管理專家系統(tǒng)、計算機控制田間機械作業(yè)、計算機視覺在農(nóng)業(yè)機器人上的應(yīng)用、計算機控制的自動土壤測量分析系統(tǒng)、作物病蟲害監(jiān)測預警和防控系統(tǒng)等高新技術(shù)的普及和應(yīng)用，將為農(nóng)業(yè)現(xiàn)代化插上騰飛的翅膀。

參考文獻:

[1] 張芳，羅保華，蔣蘭翎. 計算機技術(shù)在現(xiàn)代農(nóng)業(yè)中的應(yīng)用[J]. 科技與社會，2006(3)：60-61.

[2] 曹永華．計算機技術(shù)在農(nóng)業(yè)上的應(yīng)用[J]. 科技成果縱橫，1994(4)：19-21.

[3] PARRISH E A JR, GOKSEL A K．Pictorial pattern recognition applied to fruit harvesting[J]. Transactions of ASAE，1977，20(5):822-827.

[4] HARRELL R C，ADSIT P D ，SLAUGHTER D C．Real-time vision servering of a robotic tree fruit harvester[J]. ASAE，1985(85)：3550.

[5] KUTZ L J，M ILES G E，HAMMER P A ，et al． Robotic Transplanting of Bedding Plants[J]. Transactions of ASAE，1987，30(3):886-590.

[6] HWANG H, SISTLER F E．Arobotic pepper transplanter[J]. Trans of the ASAE，1986，29(1)：2-5.

[7] 沈明霞，姬長英．農(nóng)業(yè)機器人視覺導航技術(shù)發(fā)展與展望[J]. 農(nóng)業(yè)機械學報，2001，32(1)：109-111.

[8] 周增產(chǎn)，BONTSEMA J，KOLLENBURG-CRISAN L. 荷蘭黃瓜收獲機器人的研究開發(fā)[J]. 農(nóng)業(yè)工程學報，2001，17(8)：77-80.

[9] 周云山，李強，李紅英，等. 計算機視覺在蘑菇采摘機器人上的應(yīng)用[J]. 農(nóng)業(yè)工程學報，1995，11(4)：27-32.

[10] 劉成良，王紅永，曹其新，等. 秧苗嫁接機器人視覺與識別的研究[J]. 農(nóng)業(yè)機械學報，2001，32(4)，38-41.

[11] 王德雙. 農(nóng)機化計算機應(yīng)用的意義與發(fā)展前景[J]. 農(nóng)機使用與維修，2011(3)：7.

[12] 滕光輝，李長纓. 計算機視覺技術(shù)在工廠化農(nóng)業(yè)中的應(yīng)用[J]. 中國農(nóng)業(yè)大學學報，2002，7(2)：62-67.

[13] MEYER G E, DAVION D A. An electronic image plant growth measurement system[J]. Transactions of ASAE，1987，30(1)：242-248.

[14] SHMIZU H, OSHITAL S. Measurement of elongation rate of plants[M]. HASHIMOTO Y, DAY W. Mathematical and Control Applications in Agriculture and Horticulture. New York：Pergamon Press，1991.

[15] TROOIEN T P，HEERMANN D F．Measuremont and simulation of potato Leaf area.using image processing.Ⅱ.Measurement[J].Transaction of the ASAE，1992，35(5)：l719-1721.

[16] VAN HENTEN E J．Non-Destructive Crop Measurement By Image Processing For Crop Growth Contro1[J].J of Agriculture Engineering Research，1995(61)：97-105.

[17] 陳曉光，于海業(yè)，周云山，等．應(yīng)用圖像處理技術(shù)進行蔬菜苗特征量識別[J]. 農(nóng)業(yè)工程學報，1995，11(4)：23-26.

[18] CHOI K, LEE G, HAN Y J，et al．Tomato maturity evaluation using color image analysis[J]. Transaction of the ASAE，1995，38(1)：171-176.

[19] CHANG Y C, REID J F．Characterization of a color vision system[J]. Transaction of the ASAE，1996，39(1)：263-273.

[20] 張長利，房俊龍，潘偉．用遺傳算法訓練的多層前饋神經(jīng)網(wǎng)絡(luò)對番茄成熟度進行自動檢測的研究[J]. 農(nóng)業(yè)工程學報，2001，17(3)：153-156.

[21] SEGINER I，ELSTER R T. Plant wilt detection by computer vision tracking of leaf tips [J]. Transaction of the ASAE，1992，35(5)：1911-1917.

[22] AHMAD I S，REID J F．Evaluation of color representations for maizeimage[J]. J of Agricultural Engineering Research, 1996(63):185-196.

[23] SHIMIZU H,HEINS R D. Computer-Vision-Based System For Plant Growth Analysis[J]. Transaction of the ASAE，1993，38(3)：959-964.