李明曉 馬鑫 張宏利 周毛莉 王建仁 段剛龍

摘 要：農(nóng)業(yè)是我國第一產(chǎn)業(yè)，自古以來就是國民經(jīng)濟的基礎。民以食為天，農(nóng)業(yè)關系到每個人的利益，關系到人們的日常飲食生活。因此，在人工智能深刻改變?nèi)祟惿鐣睢⒏淖兪澜绲拇蟊尘跋?，AI賦能農(nóng)業(yè)成為大勢所趨。為進一步推動我國農(nóng)業(yè)發(fā)展，首先介紹AI產(chǎn)業(yè)應用現(xiàn)狀，結(jié)合我國農(nóng)業(yè)發(fā)展情況分析AI賦能農(nóng)業(yè)發(fā)展遲緩的原因并提出相應解決措施;其次，對目前AI主要技術方向進行綜述，進而對AI在農(nóng)業(yè)領域的應用模式進行探討，從多個不同視角提出AI在農(nóng)業(yè)領域的應用方向，為AI賦能農(nóng)業(yè)提供發(fā)展思路。

關鍵詞：人工智能;智慧農(nóng)業(yè);產(chǎn)業(yè)應用

DOI： 10. 11907/rjdk.191065

開放科學（資源服務）標識碼（OSID）：

中圖分類號：TP3-0

文獻標識碼：A

文章編號：1672-7800（2020）001-0055-04

0 引言

在人工智能應用AlphaGo戰(zhàn)勝世界圍棋大師李世石、柯潔之后，人工智能再次成為人們熱議的話題[1-3]。各國為抓住人工智能發(fā)展的重大戰(zhàn)略機遇，形成本國人工智能發(fā)展的絕對優(yōu)勢，紛紛出臺相關政策，以推動人工智能研發(fā)與相關應用領域發(fā)展，引領“人工智能時代”。

在全球人工智能發(fā)展浪潮中，我國的人工智能技術、產(chǎn)業(yè)近幾年發(fā)展備受矚目，呈現(xiàn)出與發(fā)達國家近乎同步的態(tài)勢[4-5]。在此大背景下，國內(nèi)以BAT為代表的大型互聯(lián)網(wǎng)企業(yè)紛紛布局人工智能產(chǎn)業(yè)。作為我國人工智能產(chǎn)業(yè)的佼佼者，百度自2015年以來在人工智能領域的投資總額超過200億元，并在北京、硅谷等地建設了3個深度學習實驗室。2016年8月26日，經(jīng)國家發(fā)改委批準，百度聯(lián)合清華大學、北京航空航天大學組成“深度學習國家隊”[6]，在聽覺、視覺感知及語言理解3個人工智能基礎領域開展研究;騰訊于2017年發(fā)布《2017互聯(lián)網(wǎng)科技創(chuàng)新白皮書》[7]，并相繼成立人工智能聯(lián)合實驗室、騰訊AI Lab和騰訊AILab西雅圖實驗室;阿里作為電商巨頭也不甘示弱，基于其強大的云計算能力向外界提供AI開放平臺與AI產(chǎn)品等[8]。2017年7月8日，國務院印發(fā)《新一代人工智能發(fā)展規(guī)劃》[9]，將本國人工智能產(chǎn)業(yè)2020年前進入全球價值鏈高端作為戰(zhàn)略目標，新一代人工智能在智能制造、智能醫(yī)療、智慧城市、智能農(nóng)業(yè)、國防建設等領域逐步得到推廣應用。

近年來，人工智能在制造業(yè)、醫(yī)療、國防、金融等領域的應用發(fā)展迅速，相關政策也相繼出臺，而與國家經(jīng)濟實力有著密切關系以及作為國家經(jīng)濟發(fā)展基礎條件的農(nóng)業(yè)[10-12]在與AI結(jié)合方面進展緩慢。

1 AI產(chǎn)業(yè)應用現(xiàn)狀

我國人工智能應用主要集中在工業(yè)、醫(yī)療、金融、政務等領域，為深入了解我國人工智能在各傳統(tǒng)產(chǎn)業(yè)應用現(xiàn)狀，本文分別以{年between（2009，2018 and主題=人工智能or主題=AI and摘要=[行業(yè)名稱]and[該行業(yè)常用的其它稱呼]}為查找條件，在中國知網(wǎng)查找AI主要應用領域發(fā)文數(shù)量，對數(shù)據(jù)進行搜集與整理后得到圖1、圖2。

由圖1可見，農(nóng)業(yè)作為國家經(jīng)濟發(fā)展的基礎性產(chǎn)業(yè)，左右著國民經(jīng)濟全局的發(fā)展，歷年來受到相關學者的高度重視，科研論文數(shù)量持續(xù)增加，而針對AI+農(nóng)業(yè)的科研論文數(shù)量較少，雖在2016年有較為明顯的上升，但其受重視程度仍然不足。從圖2中可以發(fā)現(xiàn)，從2016年開始，AI在各個領域的應用明顯增多，其中以政務、金融與醫(yī)療領域最為突出，相比之下，AI在農(nóng)業(yè)領域的應用略顯后勁不足，2017年科研論文發(fā)文量甚至小幅下降。

2 AI賦能農(nóng)業(yè)發(fā)展困境及應對措施

改革開放以來，我國工業(yè)化與城市化水平不斷提高，國民經(jīng)濟結(jié)構不斷完善，綜合國力顯著增強，從一個落后的農(nóng)業(yè)國一躍成為實力雄厚的工業(yè)化國家。從我國歷年出臺的各項政策可以看出，我國對農(nóng)業(yè)發(fā)展十分重視，資金投入量較大，因農(nóng)產(chǎn)品附加值低于其它產(chǎn)業(yè)，故很多地方政府忽視農(nóng)業(yè)發(fā)展[13-14]，導致AI賦能農(nóng)業(yè)進展緩慢。長此以往，農(nóng)業(yè)的基礎性地位可能受到?jīng)_擊，農(nóng)業(yè)領域發(fā)展堪憂。因此，只有發(fā)現(xiàn)制約AI賦能農(nóng)業(yè)發(fā)展的障礙，并逐個擊破，才能有效推進AI賦能農(nóng)業(yè)發(fā)展，進一步解放生產(chǎn)力。

2.1 AI賦能農(nóng)業(yè)發(fā)展困境

（1）傳統(tǒng)農(nóng)耕思想根深蒂固。“耕作經(jīng)驗”是代表性的農(nóng)業(yè)耕作思想，農(nóng)民大多依靠祖輩流傳下來的耕作經(jīng)驗進行農(nóng)業(yè)生產(chǎn)，若AI進入農(nóng)業(yè)領域，將極大地改變我國農(nóng)民傳統(tǒng)耕作方式。但目前我國廣大農(nóng)村地區(qū)農(nóng)業(yè)勞動者整體文化素質(zhì)仍然較低，缺乏AI技術應用能力，而AI人才又普遍流向大中型城市。

（2）農(nóng)業(yè)信息化水平低。長期以來，多數(shù)地區(qū)政府為了追求經(jīng)濟效益，僅重視農(nóng)作物產(chǎn)量而忽視農(nóng)業(yè)信息化建設，極度缺乏收集農(nóng)業(yè)相關數(shù)據(jù)的信息化設備。由于AI必需的數(shù)據(jù)量不足，導致AI賦能農(nóng)業(yè)推進緩慢。

（3）閑置務農(nóng)人口無法有效安置。每一次工業(yè)革命都伴隨著勞動力結(jié)構調(diào)整，當AI與農(nóng)業(yè)結(jié)合，勢必會造成農(nóng)村務農(nóng)人口的大量閑置，加上這一部分農(nóng)村勞動力文化素質(zhì)較低且缺乏再就業(yè)技能，故對相關勞動力的安置是一個棘手問題。

（4）耕地分散。2018年國家雖出臺了相關政策對農(nóng)村用地分散問題進行整治，但治理效果欠佳。分散化的農(nóng)田用地，導致農(nóng)業(yè)機械化與信息化操作成本大幅上升，因而使AI賦能農(nóng)業(yè)成本也大幅上升。

（5）AI科研成果與農(nóng)業(yè)發(fā)展實際需求脫節(jié)。AI科研成果是由高校、研究院所或科技巨頭公司科研人員研發(fā)的人工智能應用產(chǎn)品，相關資金投入方為能盡快獲得研究成果，投入大量資金打造高水平科研團隊與研究場所等軟硬件設施，卻忽視了農(nóng)業(yè)發(fā)展的真實訴求，導致AI應用難以落地。

2.2 AI賦能農(nóng)業(yè)應對措施

（1）建設農(nóng)村社區(qū)學習站。為更好地提高務農(nóng)人員的整體文化素質(zhì)和專業(yè)化技能，應在農(nóng)村社區(qū)修建社區(qū)學習站，建設農(nóng)業(yè)圖書閱覽室、計算機閱覽室等配套設施;定期進行農(nóng)業(yè)前沿知識科普講座，以提高務農(nóng)人員的整體素質(zhì)、專業(yè)技能與思想水平。

（2）發(fā)揮政府的引導示范作用。政府應積極推動AI賦能農(nóng)業(yè)發(fā)展，對農(nóng)業(yè)信息化發(fā)展、農(nóng)村用地分散整治或AI賦能農(nóng)業(yè)進展遲緩的省、市、鎮(zhèn)進行通報批評，對個別不作為的領導干部作降職或撤職處理;對農(nóng)業(yè)信息化建設進展明顯、農(nóng)村用地整治效果顯著或AI賦能農(nóng)業(yè)推進迅速的省、市、鎮(zhèn)進行通報表揚，給予相關建設資金作為獎勵。

（3）推進農(nóng)村招商引資。鄉(xiāng)鎮(zhèn)一級政府可通過招商引資鼓勵相關企業(yè)到農(nóng)村地區(qū)投資建廠，帶動廣大農(nóng)村地區(qū)發(fā)展，以有效安置因農(nóng)村用地征收或AI賦能農(nóng)業(yè)帶來的閑置農(nóng)村勞動力。

（4）建立鄉(xiāng)鎮(zhèn)產(chǎn)學研工作交流基地。建立鄉(xiāng)鎮(zhèn)產(chǎn)學研基地，為從事AI領域研究的高等院校、科技公司、科研團隊提供用于科研與參觀交流的固定場所，并提供配套科研資金以及用于農(nóng)業(yè)科研的示范性農(nóng)田，以提高AI產(chǎn)品與農(nóng)業(yè)需求的結(jié)合程度。

3 現(xiàn)階段AI主要技術方向

人工智能自1956年提出至今，在60多年的時間里，其相關理論與技術日益成熟，應用領域也逐步擴大[15]，主要應用領域包括：

（1）計算機視覺。計算機視覺是指使用計算機及相關設備對生物視覺進行模擬。其通過將圖像社區(qū)裝置（如攝像頭等）攝取的目標轉(zhuǎn)化為圖像信號，并依據(jù)像素的分布和亮度、三原色等信息將其轉(zhuǎn)變?yōu)閿?shù)字信號。程序通過對這些數(shù)據(jù)進行目標特征提取等操作，判斷圖像的位置、分類等結(jié)果，從而對相關設備進行控制。

（2）語音處理。語音處理是指語音發(fā)聲過程、語音信號統(tǒng)計特征、語音自動識別、機器合成以及語音感知等多種處理技術的總稱。目前的語音處理技術主要應用于用戶身份確認，以擺脫文字密碼或圖案式的認證模塊;人機交互，用于實現(xiàn)語音的流程控制及情感陪護等。

（3）自然語言處理。人類的多種智能都與語言有著密切關系。自然語言處理主要解決機器翻譯、語義理解、情感分析等問題，目前主要應用于機器翻譯（google、有道等）、聊天機器人等。

（4）規(guī)劃決策系統(tǒng)。規(guī)劃決策系統(tǒng)用于規(guī)劃制訂工作中包含的組織目的、分階段目標、措施及資源配置等事項的決策，其不僅涉及從一組替換方案中選擇一個，而是同時涉及替換方案的提出與選擇，其實質(zhì)就是選擇、提出或產(chǎn)生替換方案[18]。

（5）大數(shù)據(jù)/統(tǒng)計分析。大數(shù)據(jù)分析是基于機器學習與深度學習算法層的一個人工智能技術方向，主要解決的問題是從海量的半結(jié)構化（結(jié)構變化較大的結(jié)構化數(shù)據(jù)）或非結(jié)構化數(shù)據(jù)（圖片、聲音、視頻等）中挖掘出一些潛在的可供管理者使用的有價值的信息。

（6）上提模型。上提模型是指基于各種方法的實際運行效果，預測其對個人影響力的一種預測模型。以上提模型實施定位營銷為例，上提模型相比傳統(tǒng)模型，能夠剔除營銷名單中絕對會購買商品與絕對不購買商品的用戶，由于該類用戶無論是否對其投放廣告.最后是否購買的結(jié)果都是確定的，從而減少營銷投入成本。

4 AI賦能農(nóng)業(yè)主要應用方向

（1）農(nóng)作物選種。農(nóng)作物選種在很大程度上決定了糧食產(chǎn)量與農(nóng)作物抗逆性，從而影響廣大農(nóng)民的生產(chǎn)效益及國家糧食產(chǎn)量的穩(wěn)定。因此，可通過搜集優(yōu)良種子性狀及其對應數(shù)據(jù)，構建分類模型，對未知種子進行篩選，保留具有優(yōu)良形狀的種子，并通過后期種植結(jié)果不斷豐富建模數(shù)據(jù)，修正模型誤差。

（2）土壤鹽堿度分析。土壤為農(nóng)作物提供養(yǎng)分和水分，然而土壤鹽堿化將導致土壤板結(jié)與肥力下降，嚴重阻礙農(nóng)作物生長。AI賦能農(nóng)業(yè)，可通過對土壤傳感器收集到的土壤可溶性鹽（含鈉、鉀的硫酸鹽，氯化物，碳酸鹽等）含量、地表水分蒸發(fā)量、土壤濕度等數(shù)據(jù)通過訓練好的人工神經(jīng)網(wǎng)絡模型（ANN）進行預測分析，判斷當前土壤情況，以便農(nóng)戶采取相應措施。

（3）農(nóng)田除草。在農(nóng)作物生長過程中，雜草不僅會與農(nóng)作物爭奪光照、生存空間與營養(yǎng)物質(zhì)，還會傳播病蟲害，釋放有毒物質(zhì)造成糧食減產(chǎn)[17]。因此，可采用集成車載傳感器、車載攝像等設備的農(nóng)田除草機器人，通過分析圖像數(shù)據(jù)對雜草進行篩選，借助傳感器進行避障除草。此舉將大大降低除草農(nóng)藥使用量，對于保護環(huán)境以及降低農(nóng)產(chǎn)品農(nóng)藥含量都具有十分顯著的作用。

（4）農(nóng)作物病蟲害預測。農(nóng)作物病蟲害是我國主要農(nóng)業(yè)災害之一，具有種類多、影響大，且時常暴發(fā)成災的特點，對我國國民經(jīng)濟，特別是農(nóng)業(yè)生產(chǎn)造成了重大損失[18]。因此，可通過圖像采集設備獲取病害特征圖像，在計算機視覺技術的輔助下獲取病害特征，并構建支持向量機模型（ SVM），以確定病害種類、病害程度、問題所在區(qū)域等;通過聲音獲取設備獲取農(nóng)田間害蟲聲音特征，并在語音處理技術幫助下，借助已通過害蟲叫聲訓練好的模型進行語音識別，預測農(nóng)作物蟲害。

（5）農(nóng)田施肥。在傳統(tǒng)農(nóng)業(yè)生產(chǎn)中，化肥的使用一直存在施肥方法不科學、肥料利用率低、用量不當?shù)葐栴}，嚴重影響農(nóng)作物生長。因此，可通過土壤分析結(jié)果，借助無人機進行定點定量施肥，以有效提高肥料利用率，提高農(nóng)作物產(chǎn)量。

（6）農(nóng)作物藥物噴灑。我國大多數(shù)地區(qū)的農(nóng)作物藥物噴灑方式仍然是采用人力罐背式噴灑，或機械加壓人工噴灑，該方式不僅人力成本高、效率低，且容易造成環(huán)境污染與農(nóng)藥殘留。使用AI技術，人們能夠通過農(nóng)作物病蟲害監(jiān)測所得結(jié)果，借助無人機技術實施定點或定區(qū)域藥物噴灑。該方式操作簡單，且高效環(huán)保[19]。

（7）農(nóng)田問題解決專家系統(tǒng)。該專家系統(tǒng)首先利用語音處理技術對農(nóng)戶咨詢的問題進行理解，然后在農(nóng)業(yè)問題專家信息數(shù)據(jù)庫中檢索匹配相關信息，并通過語音合成的方式以類人語言說出，也可通過固定頁面方式展示，為農(nóng)戶種植提供輔助手段。

（8）農(nóng)作物產(chǎn)量預測。通過綜合往年溫度、濕度、光照、水分、土壤元素、作物種類等農(nóng)田信息，借助大數(shù)據(jù)挖掘技術，利用FP-Growth關聯(lián)規(guī)則挖掘算法等構建關聯(lián)分析模型，找到影響農(nóng)作物產(chǎn)量的關鍵因素，并將往年關鍵因素數(shù)據(jù)與農(nóng)作物產(chǎn)量數(shù)據(jù)作為預測模型訓練集，借助訓練好的模型對后期農(nóng)作物產(chǎn)量進行預測。

（9）農(nóng)作物采收。農(nóng)作物采收機器人是人工智能系統(tǒng)在農(nóng)作物采收上的典型應用，機器人采收不僅能提高采收效率，還可以確保采收質(zhì)量[20]。但針對外露型農(nóng)作物（如玉米、桃子等）需要先通過成熟農(nóng)作物圖像訓練預測模型，對即將采摘的農(nóng)作物進行預測，判斷其是否成熟，再使用機械臂進行采摘。

（10）農(nóng)作物價格預測。農(nóng)作物價格無時無刻不牽動著每一個農(nóng)民的心，因此可利用歷年農(nóng)產(chǎn)品種類及其對應價格、需求量、國內(nèi)實際產(chǎn)量、進口量等多種數(shù)據(jù)訓練神經(jīng)網(wǎng)絡預測模型，對農(nóng)產(chǎn)品當年價格進行預測。但AI在該方向的應用存在一個問題，即當大多數(shù)農(nóng)田均采用價格預測系統(tǒng)時，是否會出現(xiàn)某種農(nóng)作物大批量種植、其它農(nóng)作物產(chǎn)量下降的情況，這是一個值得研究和思考的問題。

5 結(jié)語

農(nóng)業(yè)深刻影響著國民經(jīng)濟以及社會的方方面面，在人工智能技術迅速發(fā)展的今天，必將為我國農(nóng)業(yè)發(fā)展注入新的生機與活力。本文分析了AI產(chǎn)業(yè)應用現(xiàn)狀，找出AI賦能農(nóng)業(yè)發(fā)展遲緩的原因，并提出相應解決措施;結(jié)合目前AI主要技術方向?qū)I在農(nóng)業(yè)領域的應用模式進行探討，從不同視角提出AI在農(nóng)業(yè)領域的多個應用方向，為AI賦能農(nóng)業(yè)提供一些發(fā)展思路，以期推動AI在農(nóng)業(yè)領域的應用發(fā)展。

參考文獻：

[1] 左衛(wèi)民.關于法律人工智能在中國運用前景的若干思考[J].清華法學，2018（2）：108-124.

[2] 張興旺.從AlphaCo看人工智能給圖書館帶來的影響與應用[J].圖書與情報，2017（3）：43-50.

[3] 唐振韜，邵坤，趙冬斌，等.深度強化學習進展：從AlphaGo到AI-phaGo Zero[J].控制理論與應用，2017，34（ 12）：1529-1546.

[4] 楊丹輝，鄧洲.人工智能發(fā)展的重點領域和方向[J].人民論壇，2018（2）：22-24.

[5] ACEMOGLU D， RESTREPO P.Artificial intelligence， automationand work[ EB/OL].https： //www.nher.org/papers/w24196.pdf

[6] 張迪，魯寧，李宜展，等.智能視覺感知與理解研究態(tài)勢分析[J].計算機工程與應用，2018，54（19）：18-25，33.

[7] 機器人技術與應用編輯部.2017騰訊全球合作伙伴大會開幕[J].機器人技術與應用，2017（6）：11.

[8] 王宇.阿里云在歐洲推出云服務及AI方案[J].計算機與網(wǎng)絡，2018（5）：74-75.

[9] 中國政府網(wǎng).國務院印發(fā)《新一代人工智能發(fā)展規(guī)劃》[J].廣播電視信息，2017（8）：8.

[10]湯春強，陳恩紅.轉(zhuǎn)型期農(nóng)業(yè)發(fā)展對經(jīng)濟增長的影響[J].農(nóng)村經(jīng)濟與科技，2018（4）：176.

[11]吳春麗.我國農(nóng)業(yè)機械信息化發(fā)展現(xiàn)狀及信息技術應用[J].現(xiàn)代農(nóng)業(yè)科技，2018（2）：171.

[12]ZHANG X， LI Z. Development of the national management and basicoperations for agriculture[M]. China's Rural Development Road， 2017.

[13]葛文瑩.新時代我國農(nóng)業(yè)發(fā)展困境研究[J].鄉(xiāng)村科技，2018（2）： 13-14.

[14]韓文龍，陳航.地方政府投資與產(chǎn)業(yè)結(jié)構變遷的區(qū)域差異性[J].重慶三峽學院學報，2018，1：72-79.

[15] 智慧工廠編輯部.工業(yè)4.0時代是AI時代？[J].智慧工廠，2017（8）：28-29.

[16] 楊斌.軟科學大辭典[M].北京：中國社會科學出版社，1991.

[17] 李燕敏，祁顯濤，劉昌林，等.除草劑抗性農(nóng)作物育種研究進展[J].作物雜志，2017（2）：1-6.

[18] 簡俊凡，何宏昌，王曉飛，等，農(nóng)作物病蟲害遙感監(jiān)測綜述[J].測繪通報，2018（ 9）：24-28.

[19] 牛沐萱.大疆引領農(nóng)業(yè)植保無人機行業(yè)[J].農(nóng)經(jīng)，2018（6）：73-75.

[20]毛林，王坤，成維莉.人工智能技術在現(xiàn)代農(nóng)業(yè)生產(chǎn)中的應用[J].農(nóng)業(yè)網(wǎng)絡信息，2018，263（5）：16-20.

（責任編輯：黃?。?/p>

作者簡介：李明曉（1998-），女，西安理工大學經(jīng)濟與管理學院碩士研究生，研究方向為會計信息化與大數(shù)據(jù);馬鑫（1995-），男，西安理工大學經(jīng)濟與管理學院碩士研究生，研究方向為機器學習、深度學習和大數(shù)據(jù);張宏利（1994-），女，西安理工大學經(jīng)濟與管理學院碩士研究生，研究方向為機器學習和大數(shù)據(jù);周毛莉（1993-），女，西安理工大學經(jīng)濟與管理學院碩士研究生，研究萬向為數(shù)據(jù)分析;王建仁（1961-），男，西安理工大學經(jīng)濟與管理學院副教授，研究方向為商務智能與決策支持;段剛龍（1977-），男，西安理工大學經(jīng)濟與管理學院副教授，研究方向為數(shù)據(jù)挖掘、決策支持。本文通訊作者：馬鑫。·