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)對設施農(nóng)業(yè)影響的研究比較多，本文將以人工智能在設施農(nóng)業(yè)領域應用為視角，分析人工智能對設施農(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、完整的設施裝備和生產(chǎn)規(guī)范[1]。近幾年，隨著信息技術的發(fā)展，物聯(lián)網(wǎng)技術逐漸被應用到農(nóng)業(yè)生產(chǎn)和科研中，這是現(xiàn)代農(nóng)業(yè)依托新型信息化應用的一次進步[2]。本文結合人工智能研究成果，著重介紹人工智能技術在設施農(nóng)業(yè)種植領域方面的應用前景，根據(jù)設施農(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擴展。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、技術及應用系統(tǒng)的新型科學技術[3]。

作為計算機科學的一個重要分支，人工智能技術著眼于探索智能的實質，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的智能機器。著名的美國斯坦福大學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：“人工智能是關于知識的學科，即怎樣表示知識以及怎樣獲得知識并使用知識的科學?！倍硪晃幻绹槭±砉W院的溫斯頓教授認為：“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科的基本思想和基本內容。人工智能自誕生以來，理論和技術日益成熟，應用領域不斷擴大，可以設想，未來應用了人工智能的科技產(chǎn)品，將會是人類智慧的“容器”。

隨著人工智能技術的日益成熟，人們意識到人類已經(jīng)具備了設計和建造智慧型設施農(nóng)業(yè)所需的硬件和軟件技術條件，結合設施農(nóng)業(yè)高投入高產(chǎn)出，資金、技術、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，作物可以在適宜的溫度、濕度、光照、水肥等設施環(huán)境下，生產(chǎn)優(yōu)質、高產(chǎn)的農(nóng)產(chǎn)品，擺脫對自然環(huán)境的依賴，實現(xiàn)設施生產(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]。

人工智能在設施農(nóng)業(yè)領域的應用

人工智能技術在產(chǎn)前階段的應用

在設施農(nóng)業(yè)產(chǎn)前階段，憑借人工智能技術可對土壤、灌溉水量需求、作物品種質量鑒別等方面做出分析和評估，為農(nóng)民做出科學指導，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，應用最廣泛的技術就是人工神經(jīng)網(wǎng)絡（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分析土壤性質特征，并將其與宜栽作物品種間建立關聯(lián)模型。土壤性質特征的探測主要是借助非侵入性的探地雷達成像技術，然后利用神經(jīng)網(wǎng)絡技術在無人指導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聯(lián)關系；土壤表層的黏土含量也可通過人工智能方法預測，該技術通過分析電磁感應土壤傳感器獲取的信號，使用深度加權方法從中提取土壤表層質地信息，然后使用ANN預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)境變化進行精確調節(jié)，對多目標灌溉規(guī)劃問題也無能為力。人工智能技術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，還可基于多目標線性規(guī)劃優(yōu)化，利用神經(jīng)網(wǎng)絡將非支配的灌溉規(guī)劃策略加以分類，將這些策略分為若干個小類別。結果表明，在對多目標灌溉規(guī)劃問題加以建模時，綜合模型方法是有效的。

人工智能技術在產(chǎn)中階段的應用

在設施農(nóng)業(yè)產(chǎn)中階段，主要應用是農(nóng)業(yè)專家系統(tǒng)、人工神經(jīng)網(wǎng)絡技術、農(nóng)業(yè)機器人等。這些技術能夠幫助農(nóng)民更科學地種植農(nóng)作物并對溫室大棚進行合理的管理，指導農(nóng)民科學種植，提高作物產(chǎn)量。這些人工智能技術的使用推進了農(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)是指應用于某一專門領域，擁有該領域相當數(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70年代末期的美國，1983年日本千葉大學研制出MTCCS（番茄病蟲害診斷專家系統(tǒng)），到了20世紀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)技術應用到農(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)具體指導農(nóng)民科學種植農(nóng)作物，這是科技普及的一項重大突破。

在設施生產(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)出的具有獨特設計結構的采收機器人，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)控制結構（其中包含了一個內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，應用人工智能技術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可以精確控制噴頭位置及用藥量[7]。該技術的應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。

人工智能技術在產(chǎn)后階段的應用

人工智能技術在設施農(nóng)業(yè)產(chǎn)后階段也有相當多的應用前景。

在農(nóng)產(chǎn)品分類方面人工智能技術能提供很好的支持。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，使用遺傳算法訓練的多層前饋神經(jīng)網(wǎng)絡對番茄進行分類，并與BP訓練神經(jīng)網(wǎng)絡③進行了比較。結果表明，遺傳算法在訓練次數(shù)和準確性上都具有優(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和當量直徑法相結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)品質量檢測方法也在不斷進步。圖像識別、電子鼻等技術都應用在了農(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。在當前技術的發(fā)展下，科學家們以彩色計算機視覺系統(tǒng)為重要技術手段，綜合運用圖像處理、人工神經(jīng)網(wǎng)絡、遺傳算法、模擬退火算法以及決策樹、專家系統(tǒng)等人工智能領域的技術，研究出了眾多實現(xiàn)農(nóng)產(chǎn)品品質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。結合磁流變（MR）流體技術，工程師們設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、準確地工作，在磁流變手爪的基礎上結合力傳感技術開發(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、機器學習以及機器人學都在蓬勃發(fā)展。人工智能的未來就是在智能感知的前提下，結合大數(shù)據(jù)技術自主學習，幫助人們做出決策、代替重復性工作。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)技術在設施農(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，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)則是機器學習的書本。設施農(nóng)業(yè)是物聯(lián)網(wǎng)、云計算、人工智能三大技術結合應用的領域之一，它們的結合顛覆了傳統(tǒng)農(nóng)業(yè)生產(chǎn)方式。

面對眾多的新技術、新成果，把它們投入到生產(chǎn)中去才是關鍵。如何讓技術能夠適應中國復雜的農(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、云計算技術等高新技術在農(nóng)業(yè)生產(chǎn)中所面臨的問題。設施農(nóng)業(yè)高產(chǎn)出高投入的特點，正適合應用這些新技術，這樣既可以讓新技術有實踐的機會，又可以讓其他涉農(nóng)用戶對新技術有直觀的感知，這對技術進步和技術推廣都很有幫助[13]。

人工智能技術雖然前景光明，但其應用的研究才剛剛起步，離目標還很遠。未來，人工智能技術可以更好地為人們服務，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.信息技術在農(nóng)業(yè)領域的應用分析[J].東北農(nóng)業(yè)大學學報，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)中的應用進展[J].福建農(nóng)業(yè)學報，2013，28（6）：609-614.

[4]姜芳，曾碧翼.設施農(nóng)業(yè)物聯(lián)網(wǎng)技術的應用探討與發(fā)展建議[J].農(nóng)業(yè)網(wǎng)絡信息，2013（5）：10-12.

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

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

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

[8]張嘏偉.計算機視覺系統(tǒng)在番茄品質識別與分類中的研究[D].保定：河北農(nóng)業(yè)大學，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，2011.

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

[11]張震，劉學瑜.我國設施農(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.信息技術在農(nóng)業(yè)領域的應用分析[J].東北農(nóng)業(yè)大學學報，2008，39（3）：125-128.