韓宇

（包商銀行股份有限公司信息科技部，北京 100102）

【摘要】2016年是“十三五”的開局之年，也是全面建成小康社會決勝階段的開局之年，設(shè)施農(nóng)業(yè)產(chǎn)業(yè)將面臨更多的機遇和挑戰(zhàn)。在以往的研究中，針對物聯(lián)網(wǎng)對設(shè)施農(nóng)業(yè)影響的研究比較多，本文將以人工智能在設(shè)施農(nóng)業(yè)領(lǐng)域應(yīng)用為視角，分析人工智能對設(shè)施農(nóng)業(yè)的潛在發(fā)展優(yōu)勢。

施農(nóng)業(yè)是集種植、農(nóng)業(yè)裝備等多領(lǐng)域為一體的系統(tǒng)工程，是一種在人為可控環(huán)境下進行的高效農(nóng)業(yè)生產(chǎn)方式，具有成套的生產(chǎn)技術(shù)、完整的設(shè)施裝備和生產(chǎn)規(guī)范[1]。近幾年，隨著信息技術(shù)的發(fā)展，物聯(lián)網(wǎng)技術(shù)逐漸被應(yīng)用到農(nóng)業(yè)生產(chǎn)和科研中，這是現(xiàn)代農(nóng)業(yè)依托新型信息化應(yīng)用的一次進步[2]。本文結(jié)合人工智能研究成果，著重介紹人工智能技術(shù)在設(shè)施農(nóng)業(yè)種植領(lǐng)域方面的應(yīng)用前景，根據(jù)設(shè)施農(nóng)業(yè)產(chǎn)前、產(chǎn)中、產(chǎn)后3個階段，對現(xiàn)有研究成果進行了闡述。

人工智能概述

“人工智能”一詞是1956年在Dartmouth學(xué)會上提出。從那以后，研究者們發(fā)展了眾多理論和原理，人工智能的概念也隨之?dāng)U展。人工智能（Artificial Intelligence），英文縮寫為AI，它是研究用于模擬、延伸和擴展人的智能的理論、方法、技術(shù)及應(yīng)用系統(tǒng)的新型科學(xué)技術(shù)[3]。

作為計算機科學(xué)的一個重要分支，人工智能技術(shù)著眼于探索智能的實質(zhì)，模擬智能行為，最終制造出能以人類智能相似的方式做出反應(yīng)的智能機器。著名的美國斯坦福大學(xué)人工智能研究中心尼爾遜教授對人工智能下了這樣一個定義：“人工智能是關(guān)于知識的學(xué)科，即怎樣表示知識以及怎樣獲得知識并使用知識的科學(xué)?！倍硪晃幻绹槭±砉W(xué)院的溫斯頓教授認(rèn)為：“人工智能就是研究如何使計算機去做過去只有人才能做的智能工作?！边@些說法反映了人工智能學(xué)科的基本思想和基本內(nèi)容。人工智能自誕生以來，理論和技術(shù)日益成熟，應(yīng)用領(lǐng)域不斷擴大，可以設(shè)想，未來應(yīng)用了人工智能的科技產(chǎn)品，將會是人類智慧的“容器”。

隨著人工智能技術(shù)的日益成熟，人們意識到人類已經(jīng)具備了設(shè)計和建造智慧型設(shè)施農(nóng)業(yè)所需的硬件和軟件技術(shù)條件，結(jié)合設(shè)施農(nóng)業(yè)高投入高產(chǎn)出，資金、技術(shù)、勞動力密集型的特點，完成工廠化農(nóng)業(yè)生產(chǎn)已經(jīng)不是夢想[4]。依靠人工智能技術(shù)，作物可以在適宜的溫度、濕度、光照、水肥等設(shè)施環(huán)境下，生產(chǎn)優(yōu)質(zhì)、高產(chǎn)的農(nóng)產(chǎn)品，擺脫對自然環(huán)境的依賴，實現(xiàn)設(shè)施生產(chǎn)的高度智能化，提高農(nóng)業(yè)生產(chǎn)的效率，降低勞動成本[5]。

人工智能在設(shè)施農(nóng)業(yè)領(lǐng)域的應(yīng)用

人工智能技術(shù)在產(chǎn)前階段的應(yīng)用

在設(shè)施農(nóng)業(yè)產(chǎn)前階段，憑借人工智能技術(shù)可對土壤、灌溉水量需求、作物品種質(zhì)量鑒別等方面做出分析和評估，為農(nóng)民做出科學(xué)指導(dǎo)，對后續(xù)的農(nóng)業(yè)生產(chǎn)起到很好的保障作用。

土壤分析是農(nóng)業(yè)產(chǎn)前階段最重要的工作之一，是實現(xiàn)定量施肥、宜栽作物選擇、經(jīng)濟效益分析等工作的重要前提[6]。在土壤分析等農(nóng)業(yè)生產(chǎn)智能分析系統(tǒng)中，應(yīng)用最廣泛的技術(shù)就是人工神經(jīng)網(wǎng)絡(luò)（簡稱ANN）。ANN是模擬人腦神經(jīng)元連接的，由大量簡單處理單元經(jīng)廣泛并互連形成的一種網(wǎng)絡(luò)系統(tǒng)，它可以實現(xiàn)對人腦系統(tǒng)的簡化、抽象和模擬，具有人腦功能的許多基本特征。目前可以通過該技術(shù)分析土壤性質(zhì)特征，并將其與宜栽作物品種間建立關(guān)聯(lián)模型。土壤性質(zhì)特征的探測主要是借助非侵入性的探地雷達成像技術(shù)，然后利用神經(jīng)網(wǎng)絡(luò)技術(shù)在無人指導(dǎo)的情況下對土壤進行分類研究，進而建立起土壤類別與宜栽作物的關(guān)聯(lián)關(guān)系；土壤表層的黏土含量也可通過人工智能方法預(yù)測，該技術(shù)通過分析電磁感應(yīng)土壤傳感器獲取的信號，使用深度加權(quán)方法從中提取土壤表層質(zhì)地信息，然后使用ANN預(yù)測土壤表層的黏土含量。

傳統(tǒng)農(nóng)業(yè)對灌溉用水的使用量往往依靠經(jīng)驗，無法根據(jù)環(huán)境變化進行精確調(diào)節(jié)，對多目標(biāo)灌溉規(guī)劃問題也無能為力。人工智能技術(shù)可幫助人們選擇合適的水源對作物進行灌溉，保證作物用水量，大大減輕灌溉問題對作物產(chǎn)量造成的不良影響。在美國，有專家研制出一個隱層的反饋前向ANN模型和一個位于科羅拉多州地區(qū)阿肯色河流域的消費使用模型，使用它們可勘察區(qū)域氣候變化對灌溉用水供應(yīng)和需求可能產(chǎn)生的影響。在灌溉項目研究中，為了選擇最好的折中灌溉規(guī)劃策略，還可基于多目標(biāo)線性規(guī)劃優(yōu)化，利用神經(jīng)網(wǎng)絡(luò)將非支配的灌溉規(guī)劃策略加以分類，將這些策略分為若干個小類別。結(jié)果表明，在對多目標(biāo)灌溉規(guī)劃問題加以建模時，綜合模型方法是有效的。

人工智能技術(shù)在產(chǎn)中階段的應(yīng)用

在設(shè)施農(nóng)業(yè)產(chǎn)中階段，主要應(yīng)用是農(nóng)業(yè)專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)技術(shù)、農(nóng)業(yè)機器人等。這些技術(shù)能夠幫助農(nóng)民更科學(xué)地種植農(nóng)作物并對溫室大棚進行合理的管理，指導(dǎo)農(nóng)民科學(xué)種植，提高作物產(chǎn)量。這些人工智能技術(shù)的使用推進了農(nóng)業(yè)現(xiàn)代化的發(fā)展，提高了農(nóng)業(yè)生產(chǎn)的效率，使農(nóng)業(yè)生產(chǎn)更加機械化、自動化、規(guī)范化。

專家系統(tǒng)是指應(yīng)用于某一專門領(lǐng)域，擁有該領(lǐng)域相當(dāng)數(shù)量的專家級知識，能模擬專家的思維，能達到專家級水平，能像專家一樣解決困難和復(fù)雜問題的計算機（軟件）系統(tǒng)。國際上農(nóng)業(yè)專家系統(tǒng)的研究始于20世紀(jì)70年代末期的美國，1983年日本千葉大學(xué)研制出MTCCS（番茄病蟲害診斷專家系統(tǒng)），到了20世紀(jì)80年代中期，農(nóng)業(yè)專家系統(tǒng)不再是單一的病蟲害診斷系統(tǒng)，美國、日本、中國等國家也相繼轉(zhuǎn)向開發(fā)涉及農(nóng)業(yè)生產(chǎn)管理、經(jīng)濟分析、生態(tài)環(huán)境等方面的農(nóng)業(yè)專家系統(tǒng)。農(nóng)業(yè)科研人員把人工智能中的專家系統(tǒng)技術(shù)應(yīng)用到農(nóng)業(yè)生產(chǎn)中，開發(fā)出了農(nóng)業(yè)專家系統(tǒng)。它可代替農(nóng)業(yè)專家走進生產(chǎn)溫室，在各地區(qū)具體指導(dǎo)農(nóng)民科學(xué)種植農(nóng)作物，這是科技普及的一項重大突破。

在設(shè)施生產(chǎn)中可以使用機器人來代替農(nóng)民進行作物采收，不僅可以降低勞動成本，也可以提高工作效率。Wolfgang Heinemann等人研發(fā)出的具有獨特設(shè)計結(jié)構(gòu)的采收機器人，該機器人可以在無需人類干擾的情況下自動采收白蘆筍。為了保證機器人能夠精確行進，它使用了2個獨立的速度控制輪和級聯(lián)控制結(jié)構(gòu)（其中包含了一個內(nèi)部的定位誤差控制器和一個外部的橫向偏置控制器）。借助PID算法①，機器人系統(tǒng)可以分析自己的運動軌跡，優(yōu)化驅(qū)動電機的控制參數(shù)，保證系統(tǒng)能夠穩(wěn)定自主的運行。

在中國，應(yīng)用人工智能技術(shù)的智能雜草識別噴霧系統(tǒng)已經(jīng)得到了長足發(fā)展。圖像分析系統(tǒng)通過分析田間圖像的顏色模型，根據(jù)色差分量②顏色特征實現(xiàn)雜草實時識別，并基于Canny算子對識別到的雜草進行邊緣檢測，提取其特征參數(shù)，配合超生測距等技術(shù)可以精確控制噴頭位置及用藥量[7]。該技術(shù)的應(yīng)用可以大大提高除草劑的經(jīng)濟性，對保護環(huán)境也大有益處。

人工智能技術(shù)在產(chǎn)后階段的應(yīng)用

人工智能技術(shù)在設(shè)施農(nóng)業(yè)產(chǎn)后階段也有相當(dāng)多的應(yīng)用前景。

在農(nóng)產(chǎn)品分類方面人工智能技術(shù)能提供很好的支持。張嘏偉[8]等提出了一種基于圖像識別的番茄分類方法，該方法根據(jù)番茄的表面缺陷、顏色、形狀和大小，使用遺傳算法訓(xùn)練的多層前饋神經(jīng)網(wǎng)絡(luò)對番茄進行分類，并與BP訓(xùn)練神經(jīng)網(wǎng)絡(luò)③進行了比較。結(jié)果表明，遺傳算法在訓(xùn)練次數(shù)和準(zhǔn)確性上都具有優(yōu)勢。謝靜[9]等對圖像識別分類中的圖像預(yù)處理方法進行了研究，包括圖像噪聲去除方法、圖像分割方法、邊緣提取方法等。提出了使用改進的canny算法④和當(dāng)量直徑法相結(jié)合來檢測水果大小的新思路，并使用模糊聚類方法處理gabor濾波器提取水果表面缺陷特征，對水果表面缺陷進行了分類。

隨著社會的發(fā)展，人民生活水平的提高，廣大消費者及國家都對食品安全問題越來越重視，農(nóng)產(chǎn)品質(zhì)量檢測方法也在不斷進步。圖像識別、電子鼻等技術(shù)都應(yīng)用在了農(nóng)產(chǎn)品檢測中。李洪濤[10]等利用人工嗅覺裝置，模擬人的嗅覺形成過程分析、識別和檢測農(nóng)產(chǎn)品在腐敗過程中釋放的不同特征氣體。其制作了小型化的傳感器陣列并利用半導(dǎo)體制冷片搭建了一個PID溫度控制系統(tǒng)，保證傳感器正常工作的溫度及濕度。在當(dāng)前技術(shù)的發(fā)展下，科學(xué)家們以彩色計算機視覺系統(tǒng)為重要技術(shù)手段，綜合運用圖像處理、人工神經(jīng)網(wǎng)絡(luò)、遺傳算法、模擬退火算法以及決策樹、專家系統(tǒng)等人工智能領(lǐng)域的技術(shù)，研究出了眾多實現(xiàn)農(nóng)產(chǎn)品品質(zhì)檢測和自動分級的新方法。

草莓、葡萄等農(nóng)產(chǎn)品很容易破損和受傷，依靠人工采摘和搬運，不僅增加了勞動成本，也影響農(nóng)產(chǎn)品采摘后的品質(zhì)。結(jié)合磁流變（MR）流體技術(shù)，工程師們設(shè)計出了一種可用于搬運農(nóng)產(chǎn)品的磁機器人手爪，該手爪經(jīng)過精確設(shè)計，可以搬運胡蘿卜、草莓、西蘭花和葡萄等不同形狀食品，而且不會在食物表面留下任何淤痕和凹陷。為了讓機器人手爪更為快速、準(zhǔn)確地工作，在磁流變手爪的基礎(chǔ)上結(jié)合力傳感技術(shù)開發(fā)出了更為靈活、智能的新型手爪。該手爪可在410～530 ms內(nèi)抓握50～700 g重量的農(nóng)作物，還能顯著減少細菌的交叉感染。

人工智能發(fā)展前景

近年來，人工智能技術(shù)已經(jīng)取得了長足的進步，語音識別、自然語言識別、計算機視覺、自動推理、數(shù)據(jù)挖掘、機器學(xué)習(xí)以及機器人學(xué)都在蓬勃發(fā)展。人工智能的未來就是在智能感知的前提下，結(jié)合大數(shù)據(jù)技術(shù)自主學(xué)習(xí)，幫助人們做出決策、代替重復(fù)性工作。在農(nóng)業(yè)方面出現(xiàn)全天候全自動平臺，實現(xiàn)農(nóng)業(yè)生產(chǎn)的全自動化[11]。物聯(lián)網(wǎng)技術(shù)在設(shè)施農(nóng)業(yè)中已經(jīng)得到普及，在溫室大棚中的大量智能傳感器是機器感知的基礎(chǔ)，而感知則是智能實現(xiàn)的前提之一，通過感知，農(nóng)業(yè)數(shù)據(jù)源源不斷地匯集在一起。云計算的發(fā)展為大數(shù)據(jù)存儲和大規(guī)模并行計算提供了可能[12]，而數(shù)據(jù)則是機器學(xué)習(xí)的書本。設(shè)施農(nóng)業(yè)是物聯(lián)網(wǎng)、云計算、人工智能三大技術(shù)結(jié)合應(yīng)用的領(lǐng)域之一，它們的結(jié)合顛覆了傳統(tǒng)農(nóng)業(yè)生產(chǎn)方式。

面對眾多的新技術(shù)、新成果，把它們投入到生產(chǎn)中去才是關(guān)鍵。如何讓技術(shù)能夠適應(yīng)中國復(fù)雜的農(nóng)業(yè)生產(chǎn)環(huán)境，同時還要面對不同知識水平的用戶，這些都是人工智能技術(shù)、云計算技術(shù)等高新技術(shù)在農(nóng)業(yè)生產(chǎn)中所面臨的問題。設(shè)施農(nóng)業(yè)高產(chǎn)出高投入的特點，正適合應(yīng)用這些新技術(shù)，這樣既可以讓新技術(shù)有實踐的機會，又可以讓其他涉農(nóng)用戶對新技術(shù)有直觀的感知，這對技術(shù)進步和技術(shù)推廣都很有幫助[13]。

人工智能技術(shù)雖然前景光明，但其應(yīng)用的研究才剛剛起步，離目標(biāo)還很遠。未來，人工智能技術(shù)可以更好地為人們服務(wù)，改善人們的生活，并帶來巨大的社會和經(jīng)濟效益[14]。在人工智能的引領(lǐng)下，農(nóng)業(yè)已邁入數(shù)字和信息化的嶄新時代，借助其技術(shù)優(yōu)勢來提高農(nóng)業(yè)生產(chǎn)的經(jīng)濟效益，是全面實現(xiàn)農(nóng)業(yè)生產(chǎn)現(xiàn)代化、智能化、信息化的必由之路。

參考文獻

[1]李雪，肖淑蘭，趙文忠，等.信息技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用分析[J].東北農(nóng)業(yè)大學(xué)學(xué)報，2008，39（3）：125-128.

[2]施連敏，陳志峰，蓋之華，等.物聯(lián)網(wǎng)在智慧農(nóng)業(yè)中的應(yīng)用[J].農(nóng)機化研究，2013（6）：250-252.

[3]劉現(xiàn)，鄭回勇，施能強，等.人工智能在農(nóng)業(yè)生產(chǎn)中的應(yīng)用進展[J].福建農(nóng)業(yè)學(xué)報，2013，28（6）：609-614.

[4]姜芳，曾碧翼.設(shè)施農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)的應(yīng)用探討與發(fā)展建議[J].農(nóng)業(yè)網(wǎng)絡(luò)信息，2013（5）：10-12.

[5]陳超，張敏，宋吉軒，等.我國設(shè)施農(nóng)業(yè)現(xiàn)狀與發(fā)展對策分析[J].河北農(nóng)業(yè)科學(xué)，2008，12（11）：99-101.

[6]鄒承俊.物聯(lián)網(wǎng)技術(shù)在蔬菜溫室大棚生產(chǎn)中的應(yīng)用[J].物聯(lián)網(wǎng)技術(shù)，2013（8）：18-24.

[7]石禮娟.基于可見光/近紅外光譜的稻米質(zhì)量快速無損檢測研究[D].武漢：華中農(nóng)業(yè)大學(xué)，2011.

[8]張嘏偉.計算機視覺系統(tǒng)在番茄品質(zhì)識別與分類中的研究[D].保定：河北農(nóng)業(yè)大學(xué)，2005.

[9]謝靜.基于計算機視覺的蘋果自動分級方法研究[D].合肥：安徽農(nóng)業(yè)大學(xué)，2011.

[10]李洪濤.基于農(nóng)產(chǎn)品品質(zhì)檢測的專用電子鼻系統(tǒng)的設(shè)計與研究[D].杭州：浙江大學(xué)，2010.

[11]張震，劉學(xué)瑜.我國設(shè)施農(nóng)業(yè)發(fā)展現(xiàn)狀與對策[J].農(nóng)業(yè)經(jīng)濟問題，2015（5）：64-70.

[12]施連敏.物聯(lián)網(wǎng)在智慧農(nóng)業(yè)中的應(yīng)用[J].農(nóng)機化研究，2013（6）：250-252.

[13]崔文順.云計算在農(nóng)業(yè)信息化中的應(yīng)用及發(fā)展前景[J].農(nóng)業(yè)工程，2012（1）：40-43.

[14]李雪.信息技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用分析[J].東北農(nóng)業(yè)大學(xué)學(xué)報，2008，39（3）：125-128.