一座蔬菜大棚中的智能调节设备

　　“人工智能与大数据技术是我们发展现代农业、智慧农业核心的基础技术。”日前，农业科学农业信息研究所（以下简称信息所）所长孙坦研究员走上农科讲坛，为与会者作了题为“大数据驱动的智慧农业”的报告。

　　人工智能与大数据的农业应用场景

　　孙坦指出，智慧农业不是凭空出现的，但是智慧农业具备产业化的市场标准、颠覆式转变是在人工智能技术出现之后。分析发现，智慧农业领域以大数据和人工智能为基础和主要驱动力。

　　农业领域的人对传统病虫害防治场景都非常熟悉。但是在智慧农业的环境下，病虫害防治将呈现另外一种景象：悉尼大学研发的针对苹果进行精准打药的智能机器人，首先通过图像识别病虫害的位置，之后根据识别结果，对病虫害进行精准打药。

　　再来看智慧农业的果品采摘场景：日本松下公司研发的西红柿采摘机器人，通过图像识别算法获取西红柿的位置、颜色和形状等信息，并精准采摘成熟的西红柿。

　　“智慧农业实际上也被称为农业3.0，核心特点是数据加智能，广泛地通过智能感知系统获取相关的信息和数据，然后通过对所获取的数据分析、整理和挖掘驱动群决策。它的智能化程度非常高，使用智能机械。”孙坦说。

　　如果分析国内外目前关于智慧农业的研究动态将会发现，2015—2017年SCI关于智慧农业的发文和被引情况中，其发文量在倍增，被引量增长也非常明显。

　　“说明智慧农业已经成为研究热点，但研究水平相对较低。”孙坦指出。继续分析发现，智慧农业非常强调数据的重要性和精准性，主要应用是农业的可视化远程诊断、远程控制、灾变预警等智能管理。

　　如果对比智慧农业和人工智能的关键词，会发现它们的重复率非常低。“这也说明人工智能技术在农业研究领域的应用还不是特别充分，仍然是以3S技术、传感器、农业物联网、农业远程自动控制为主要研究对象。”孙坦说。

　　大数据在农业领域另一个重要应用是计算育种：首先遴选种质资源和基因资源，然后收集它们的表型数据，把表型数据和基因数据进行融合，接着进行组装映射。在映射过程中，标记和确认感兴趣的用于育种的材料，也就是它的基因片段，然后进入到分子育种阶段。

　　“这种模式在未来会成为计算育种或者育种专家一个重要的助手、工具，甚至是替代性的工具。”孙坦指出。

　　面向区域的整体技术解决方案

　　在简单考察了国际上关于智慧农业的情况之后，信息所根据研究布局和特长，选择了大数据的融合治理与并行计算、机器视觉与表型、农业模型和全局数据管理、信息控制，以及计算育种为重点发展方向。

　　孙坦介绍，在大数据驱动的智慧农业的基本范式上，信息所推出了1+1+N的模式：一个智慧农业大数据中心，支撑一个智慧农业大数据决策指挥平台，带动N个面向区域特色的智慧农业的具体应用。从主体决策上来讲，包括生产经营者、消费者和管理者；从要素上来讲，涵盖农业投入品、产出品和废弃物。

　　具体而言，首先，需要做数字农业系统，完成数字农业的本底资源的数字化才能为智慧农业提供基础支撑。然后主要是智慧农场、智慧牧场和现代农业产业园区等应用；在政府监管方面，包括土地管理、农资监管、补贴、扶贫、信贷、保险、环保监管、食品安全等，都要融入到整个数字农业的产业系统之中。最后，产生的所有数据进入到大数据中心，融汇整理和挖掘之后，再反过来去支撑生产、管理以及消费系统。“这是我们面向区域的一个整体技术解决方案。”孙坦说。

　　在模型建设和机器视觉与表型深度学习的基础上，建立全局的大数据管理平台。例如智慧农业果园管理平台，把政府的监管、电子商务、质量溯源、监测控制应用和整个生产过程都集成到一个平台上。

　　孙坦认为，智慧农业的模型必须为农业节本提质增效发挥作用。只有有了模型，才能让自动化农业装上中国芯，才会让它有脑，实现智能。

　　“我们之所以很看重机器视觉与表型，是因为它是一种低投入，并且是可以有效替代人工劳动力的技术解决方案；之所以很看重全局数据控制和信息管理，是因为我们站在区域以及农业和其他产业的相互关联的视角上，去解决整个过程中的数据分析、控制、挖掘以至于决策支持，并进行传递。”孙坦说。

　　不过，孙坦也指出了目前智慧农业领域的技术瓶颈：农业物联网缺乏智慧；农业传感器投入高，质量不稳定；劳动力替代问题尚无定论；流程控制和全局管理问题。

　　他认为解决方案包括：要坚持大数据驱动，坚持多源数据的融汇；加强流程信息管理；走软件替代硬件的道路，降低成本；做动态的智慧决策。

　　因此，智能模型技术是跨越农业互联网、实现智慧农业不可或缺的核心和基础；机器视觉与表型技术是很重要的手段和渠道；全产业链的信息管理和控制，是发挥大数据全局治理优势，支持各个环节、局部和整体不同范围决策的一个重要基础。