岳學(xué)軍，蔡雨霖，王林惠，劉永鑫，王 健，洪金寶

(1 華南農(nóng)業(yè)大學(xué) 電子工程學(xué)院/人工智能學(xué)院，廣東 廣州 510642； 2 湖南科技學(xué)院電子與信息工程學(xué)院，湖南 永州 425199)

“農(nóng)情”是指農(nóng)作物生長(zhǎng)階段的環(huán)境、溫度、物質(zhì)、災(zāi)害等影響因素以及農(nóng)業(yè)外界條件與農(nóng)作物生產(chǎn)狀態(tài)的動(dòng)態(tài)跟蹤，是種植人員對(duì)農(nóng)業(yè)生產(chǎn)進(jìn)行增產(chǎn)方法的重要依據(jù)[1]。農(nóng)作物生長(zhǎng)的相關(guān)信息數(shù)據(jù)決定了農(nóng)產(chǎn)品的產(chǎn)量，進(jìn)而影響農(nóng)產(chǎn)品價(jià)格和農(nóng)民收入[2]。隨著信息技術(shù)在農(nóng)業(yè)領(lǐng)域的廣泛應(yīng)用，各種面向復(fù)雜應(yīng)用背景的農(nóng)業(yè)信息管理系統(tǒng)大量涌現(xiàn)，信息資源豐富，表現(xiàn)形式多樣，信息容量和處理要求已大大超出傳統(tǒng)處理方法的能力。如何有效采集、篩選和利用這些信息資源，充分體現(xiàn)農(nóng)業(yè)信息的時(shí)效性和綜合性，是農(nóng)業(yè)信息化亟待解決的問(wèn)題之一[3]。早期的農(nóng)情監(jiān)測(cè)設(shè)備為單機(jī)監(jiān)測(cè)，傳感器采集到的數(shù)據(jù)存儲(chǔ)在本地，需要定期安排專(zhuān)人通過(guò)USB接口轉(zhuǎn)存[4]，效率極其低下。近年來(lái)隨著智慧農(nóng)業(yè)的全球化推進(jìn)，先進(jìn)科學(xué)技術(shù)與農(nóng)業(yè)領(lǐng)域緊密結(jié)合，在新興概念“精準(zhǔn)農(nóng)業(yè)”中，農(nóng)產(chǎn)品質(zhì)量溯源系統(tǒng)、農(nóng)情預(yù)警系統(tǒng)、輔助決策系統(tǒng)等現(xiàn)代化農(nóng)業(yè)信息系統(tǒng)[5]對(duì)農(nóng)情信息數(shù)據(jù)感知和解析的依賴(lài)度正逐步提高。在農(nóng)業(yè)生產(chǎn)的過(guò)程中，農(nóng)情信息的智能感知及解析是關(guān)鍵環(huán)節(jié)，也是整個(gè)智慧化、信息化農(nóng)業(yè)的發(fā)展基礎(chǔ)。本文從農(nóng)情感知和信息解析2個(gè)方面來(lái)進(jìn)行綜述，分析探討了現(xiàn)代高新技術(shù)在農(nóng)業(yè)中的應(yīng)用現(xiàn)狀，并對(duì)未來(lái)農(nóng)業(yè)發(fā)展與科學(xué)技術(shù)的結(jié)合提出建議。

1 物聯(lián)網(wǎng)監(jiān)測(cè)與信息傳輸技術(shù)

1.1 農(nóng)業(yè)傳感器技術(shù)

傳感器技術(shù)是智慧農(nóng)業(yè)概念中的一項(xiàng)關(guān)鍵技術(shù)，是現(xiàn)代農(nóng)業(yè)信息化技術(shù)的核心。通過(guò)傳感器采集獲取各種農(nóng)情信息和數(shù)據(jù)，再經(jīng)由信號(hào)傳遞模塊和后臺(tái)解析技術(shù)，將抽象的農(nóng)情信息轉(zhuǎn)換成數(shù)字信號(hào)，實(shí)現(xiàn)被測(cè)對(duì)象物理量、化學(xué)量和生物量等非電量測(cè)量，對(duì)促進(jìn)農(nóng)業(yè)生產(chǎn)活動(dòng)的發(fā)展具有重要意義。

1.1.1 農(nóng)業(yè)監(jiān)測(cè)傳感器種類(lèi) 農(nóng)業(yè)傳感器種類(lèi)繁多，根據(jù)應(yīng)用場(chǎng)景大致可分為環(huán)境類(lèi)傳感器、農(nóng)業(yè)氣象類(lèi)傳感器、動(dòng)植物生長(zhǎng)狀態(tài)類(lèi)傳感器和農(nóng)機(jī)參數(shù)類(lèi)傳感器4大類(lèi)，具體分類(lèi)和對(duì)應(yīng)的功能如表1所示。農(nóng)用傳感器根據(jù)其應(yīng)用領(lǐng)域不同所采用的器件種類(lèi)也非常豐富，圖1為部分傳感器示意圖，其中，溫濕度傳感器、土壤水分傳感器和二氧化碳傳感器均屬于環(huán)境傳感器，而機(jī)油壓力傳感器、風(fēng)向風(fēng)速傳感器和植物徑流傳感器分別屬于農(nóng)機(jī)參數(shù)、農(nóng)業(yè)氣象和動(dòng)植物生長(zhǎng)狀態(tài)傳感器。在未來(lái)農(nóng)業(yè)智能感知領(lǐng)域，多傳感器互相配合，信息共享是智慧農(nóng)業(yè)的趨勢(shì)，可形成綜合性強(qiáng)、連動(dòng)性好、實(shí)時(shí)性高的智慧農(nóng)業(yè)傳感系統(tǒng)。

1.1.2 無(wú)線傳感網(wǎng)絡(luò) WSN中的傳感器通過(guò)無(wú)線方式通信，因此網(wǎng)絡(luò)設(shè)置靈活，設(shè)備位置可以隨時(shí)更改，還可以跟互聯(lián)網(wǎng)進(jìn)行有線或無(wú)線方式的連接。針對(duì)無(wú)線傳感網(wǎng)絡(luò)規(guī)劃與快速部署問(wèn)題，岳學(xué)軍等[6]研究了柑橘園射頻信號(hào)衰減模型并進(jìn)行了組網(wǎng)試驗(yàn)；曹惠茹等[7]研究了無(wú)線多媒體傳感網(wǎng)絡(luò)在通常工作環(huán)境下信號(hào)的傳播特性；2017年Cao等[8]提出了一種基于植保無(wú)人機(jī)的WSN云輔助數(shù)據(jù)收集策略，該方法傳輸快速且有著非常好的數(shù)據(jù)完整性；同年，該團(tuán)隊(duì)還提出了一種由傳感器節(jié)點(diǎn)、固定群領(lǐng)導(dǎo)和無(wú)人機(jī)－sink組成的無(wú)人機(jī)－無(wú)線傳感網(wǎng)絡(luò)協(xié)作框架，極大地優(yōu)化了“無(wú)人機(jī)+無(wú)線傳感”的工作模式[9]。

表1 農(nóng)業(yè)傳感器的具體類(lèi)型和功能Table 1 Specific types and functions of agricultural sensors

圖1 部分傳感器示意圖Fig. 1 The diagrams of some sensors

1.2 物聯(lián)網(wǎng)信息采集與傳輸技術(shù)

農(nóng)業(yè)物聯(lián)網(wǎng)是指通過(guò)農(nóng)業(yè)信息感知設(shè)備(傳感器件等)，按照約定協(xié)議，把農(nóng)業(yè)系統(tǒng)中動(dòng)植物生命體、環(huán)境要素、生產(chǎn)工具等物理部件和各種虛擬“物件”與互聯(lián)網(wǎng)連接起來(lái)，進(jìn)行信息交換和通訊，以實(shí)現(xiàn)對(duì)農(nóng)業(yè)對(duì)象和過(guò)程智能化識(shí)別、定位、跟蹤、監(jiān)控和管理的一種網(wǎng)絡(luò)[10]。圖2為農(nóng)業(yè)物聯(lián)網(wǎng)的基本結(jié)構(gòu)示意圖，分別展現(xiàn)了感知層、網(wǎng)絡(luò)層和應(yīng)用層的3種應(yīng)用場(chǎng)景，3個(gè)環(huán)節(jié)緊密結(jié)合、環(huán)環(huán)相扣，從實(shí)際農(nóng)田環(huán)境到監(jiān)控平臺(tái)、移動(dòng)端的信息傳輸和處理是物聯(lián)網(wǎng)農(nóng)業(yè)的核心思想。近年來(lái)，農(nóng)業(yè)物聯(lián)網(wǎng)一直是“全國(guó)兩會(huì)”的熱門(mén)話題。2020年2月5日國(guó)務(wù)院發(fā)布的“中央一號(hào)文件”中指出，要“依托現(xiàn)有資源建設(shè)農(nóng)業(yè)農(nóng)村大數(shù)據(jù)中心，加快物聯(lián)網(wǎng)、大數(shù)據(jù)、區(qū)塊鏈、人工智能、第五代移動(dòng)通信網(wǎng)絡(luò)、智慧氣象等現(xiàn)代信息技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用”。一些農(nóng)業(yè)物聯(lián)網(wǎng)試點(diǎn)項(xiàng)目如中國(guó)試點(diǎn)項(xiàng)目和歐洲試點(diǎn)項(xiàng)目，利用衛(wèi)星遙感技術(shù)幫助分析和監(jiān)測(cè)各種環(huán)境特征溫度、土壤參數(shù)和大規(guī)模農(nóng)業(yè)，有助于理解大規(guī)模實(shí)施問(wèn)題中的不同挑戰(zhàn)[11]。

圖2 農(nóng)業(yè)物聯(lián)網(wǎng)基本結(jié)構(gòu)Fig. 2 Basic organization of agricultural internet of things

物聯(lián)網(wǎng)主要由感知層、網(wǎng)絡(luò)層和應(yīng)用層3層結(jié)構(gòu)組成，它是互聯(lián)網(wǎng)計(jì)算模式的進(jìn)一步發(fā)展。在物聯(lián)網(wǎng)發(fā)展的過(guò)程中，農(nóng)業(yè)一直是物聯(lián)網(wǎng)應(yīng)用的重要領(lǐng)域，物聯(lián)網(wǎng)技術(shù)的加成使得農(nóng)業(yè)生產(chǎn)、銷(xiāo)售、管理和服務(wù)等整個(gè)產(chǎn)業(yè)鏈有了新的發(fā)展方式。物聯(lián)網(wǎng)的監(jiān)測(cè)模式有利于對(duì)農(nóng)作物的整體把握，我國(guó)近些年不斷在物聯(lián)網(wǎng)農(nóng)業(yè)領(lǐng)域深耕下，亦形成自己的一套農(nóng)業(yè)產(chǎn)業(yè)統(tǒng)籌和規(guī)劃策略。以四川盆地的玉米地生產(chǎn)為例，胡亮等[12]設(shè)計(jì)了一個(gè)基于物聯(lián)網(wǎng)的玉米病害環(huán)境監(jiān)測(cè)系統(tǒng)，該系統(tǒng)在感知層利用傳感器技術(shù)實(shí)時(shí)采集環(huán)境數(shù)據(jù)，再通過(guò)傳輸層的4G移動(dòng)通信網(wǎng)絡(luò)實(shí)現(xiàn)遠(yuǎn)距離傳輸，基于四川農(nóng)畜育種攻關(guān)云服務(wù)平臺(tái)，應(yīng)用數(shù)據(jù)庫(kù)技術(shù)和云服務(wù)技術(shù)實(shí)現(xiàn)數(shù)據(jù)的存儲(chǔ)和管理，最后在應(yīng)用層采用B/S模式完成數(shù)據(jù)展示工作。該系統(tǒng)實(shí)現(xiàn)了對(duì)玉米生產(chǎn)地環(huán)境和生長(zhǎng)狀態(tài)相關(guān)數(shù)據(jù)的快速、精準(zhǔn)、實(shí)時(shí)、自動(dòng)測(cè)量等功能，極大地降低了生產(chǎn)管理過(guò)程的人力和資源成本，提高了工作效率和玉米產(chǎn)值。

農(nóng)業(yè)物聯(lián)網(wǎng)一體化互聯(lián)模式在農(nóng)情監(jiān)測(cè)方面以更加精細(xì)和系統(tǒng)的方式讓人類(lèi)實(shí)現(xiàn)對(duì)農(nóng)業(yè)生產(chǎn)活動(dòng)中各要素的認(rèn)知和管控，對(duì)農(nóng)田、水產(chǎn)、果園等集中化農(nóng)業(yè)場(chǎng)景制定出合理高效的應(yīng)對(duì)方法，對(duì)突發(fā)情況進(jìn)行監(jiān)控并且實(shí)時(shí)反饋到云臺(tái)服務(wù)器等，極大地提高了人類(lèi)對(duì)農(nóng)業(yè)動(dòng)植物生命本質(zhì)的認(rèn)知能力、先進(jìn)農(nóng)業(yè)生產(chǎn)系統(tǒng)的調(diào)控能力和自然災(zāi)害的預(yù)防能力。

2 基于物聯(lián)網(wǎng)的農(nóng)情信息智能感知技術(shù)

2.1 農(nóng)田土壤信息感知技術(shù)

土壤的質(zhì)量決定了當(dāng)?shù)厝藗兊纳詈蜕a(chǎn)方式，是人類(lèi)賴(lài)以生存的物質(zhì)基礎(chǔ)。良好的土壤環(huán)境不僅能夠促進(jìn)農(nóng)作物茁壯成長(zhǎng)，還與人類(lèi)身體健康有著密切的聯(lián)系[13-14]。隨著科技的進(jìn)步，對(duì)土壤各項(xiàng)信息的監(jiān)測(cè)技術(shù)也逐漸走向現(xiàn)代化和信息化，以確保在農(nóng)業(yè)生產(chǎn)中有合格的土壤環(huán)境。圖3a為奧地利POTTINGER公司的車(chē)載綜合土壤傳感器TSM，可以實(shí)時(shí)地掃描土壤表層和深層土質(zhì)結(jié)構(gòu)，得到不同區(qū)塊的壓實(shí)度、含水率、電導(dǎo)率和土壤類(lèi)型等；圖3b為美國(guó)精密種植(Precision planting)公司的Smart firmer傳感器和Delta force壓力傳感器，能夠采集土壤的有機(jī)質(zhì)含量、溫度和濕度信息以及土壤的硬度信息。

圖3 土壤傳感器Fig. 3 Soil sensors

智慧農(nóng)業(yè)的全球化推進(jìn)促使農(nóng)業(yè)從業(yè)人員、生產(chǎn)人員、各大研究機(jī)構(gòu)以及大型企業(yè)等對(duì)土壤信息檢測(cè)方法展開(kāi)了大量研究。在土壤含水量檢測(cè)方面，Antonucci等[15]使用主動(dòng)紅外熱成像法實(shí)現(xiàn)了實(shí)驗(yàn)室和現(xiàn)場(chǎng)的土壤含水量快速檢測(cè)；蔡坤等[16-17]也分別基于RC網(wǎng)絡(luò)相頻特性和基于LVDS傳輸線延時(shí)檢測(cè)技術(shù)設(shè)計(jì)了土壤含水率傳感器，前者具有快速檢測(cè)的優(yōu)點(diǎn)，而后者在精準(zhǔn)度上有更好的表現(xiàn)。在土壤有機(jī)質(zhì)和化學(xué)元素檢測(cè)方面，國(guó)外有比利時(shí)列日大學(xué)的Genot等[18]使用近紅外反射光譜法檢測(cè)土壤有機(jī)質(zhì)含量；Hong等[19]采用毛細(xì)管氣相色譜－電子捕獲檢測(cè)器和質(zhì)量選擇性檢測(cè)器(MSD)同時(shí)測(cè)定土壤浸出液中的2，4－二氯苯氧乙酸 (2，4－D)、3，6－二氯－2－甲氧基苯甲酸 (麥草畏)和 (2－(4－氯－2－甲基苯氧基)丙酸 (甲基丙酸)。在國(guó)內(nèi)，鄧小蕾等[20]和李民贊等[21]基于鹵鎢燈光源和多路光纖法設(shè)計(jì)了土壤全氮含量檢測(cè)儀；秦琳等[22]利用杜馬斯燃燒法和凱氏定氮法測(cè)定土壤有效態(tài)成分來(lái)分析標(biāo)準(zhǔn)物質(zhì)的全氮含量，實(shí)現(xiàn)了土壤中氮元素的有效檢測(cè)；王儒敬等[23]和張俊卿等[24]設(shè)計(jì)了土壤鉀離子非接觸電導(dǎo)檢測(cè)裝置，基于光譜、卷積神經(jīng)網(wǎng)絡(luò)、深度稀疏學(xué)習(xí)等方法對(duì)土壤全鉀含量進(jìn)行預(yù)測(cè)；李頡等[25]和張俊寧等[26]利用近紅外光譜法分析了北京典型耕作土壤的養(yǎng)分信息，研究了基于激光誘導(dǎo)擊穿光譜的土壤鉀素檢測(cè)方法，應(yīng)用傅里葉變換近紅外光譜技術(shù)分析了土樣的全鉀含量；代艷娜等[27]通過(guò)將同位素內(nèi)標(biāo)法定量結(jié)合超高效液相色譜－串聯(lián)質(zhì)譜法，建立了測(cè)定土壤中滅蠅胺及其代謝物殘留的方法；楊學(xué)靈等[28]建立了用超聲提取土壤和沉積物中異丙胺的分析方法，具有回收率、精密度和準(zhǔn)確度高的優(yōu)點(diǎn)。在土壤信息的傳輸和反饋方面，陳二陽(yáng)等[29]針對(duì)傳統(tǒng)的土壤環(huán)境參數(shù)物聯(lián)網(wǎng)采集模塊存在的可擴(kuò)展性低、實(shí)時(shí)性差、數(shù)據(jù)可靠性不高等問(wèn)題，以CC2530芯片為ZigBee組網(wǎng)核心，以 STM3為MCU，使用JSON刻畫(huà)傳感器的參數(shù)和狀態(tài)數(shù)據(jù)，同時(shí)提出了一種基于感知源信任評(píng)價(jià)的可靠數(shù)據(jù)保障模型；岳學(xué)軍等[30]等設(shè)計(jì)了一種基于土壤墑情的自動(dòng)灌溉控制系統(tǒng)，該系統(tǒng)能準(zhǔn)確監(jiān)測(cè)土壤墑情信息并通過(guò)采集節(jié)點(diǎn)經(jīng)互聯(lián)網(wǎng)上傳至服務(wù)器，實(shí)時(shí)性強(qiáng)，控制性能好。彭煒?lè)宓萚31]優(yōu)化了丘陵地區(qū)農(nóng)田土壤信息監(jiān)測(cè)系統(tǒng)，能夠?qū)ι降剞r(nóng)田各區(qū)域進(jìn)行土壤酸堿度實(shí)時(shí)監(jiān)測(cè)。

2.2 農(nóng)田環(huán)境信息感知技術(shù)

農(nóng)田環(huán)境信息感知是指對(duì)農(nóng)業(yè)生態(tài)環(huán)境實(shí)時(shí)監(jiān)控以及和農(nóng)業(yè)生產(chǎn)活動(dòng)相關(guān)的環(huán)境監(jiān)測(cè)。通過(guò)對(duì)與植被和農(nóng)作物生長(zhǎng)密切相關(guān)的水、氣、光照、熱量等農(nóng)業(yè)氣象環(huán)境因子進(jìn)行監(jiān)測(cè)并采集信息，及時(shí)掌握大田的環(huán)境因素，從而為農(nóng)業(yè)生產(chǎn)等相關(guān)管理工作提供相應(yīng)的科學(xué)數(shù)據(jù)和決策依據(jù)。典型的延伸應(yīng)用有大田氣候科學(xué)研究、農(nóng)業(yè)氣象預(yù)報(bào)服務(wù)、農(nóng)業(yè)災(zāi)害預(yù)警服務(wù)、農(nóng)田小氣候監(jiān)測(cè)系統(tǒng)等。圖4展現(xiàn)了一些常見(jiàn)的監(jiān)測(cè)氣象站。

圖4 農(nóng)業(yè)氣象站Fig. 4 Agricultural meteorological stations

溫室氣象感知技術(shù)目前已經(jīng)非常成熟且有很多成功的實(shí)踐案例。孫通[32]在大棚溫室環(huán)境下，借助農(nóng)業(yè)氣象物聯(lián)網(wǎng)技術(shù)，使各個(gè)溫室成為無(wú)線傳感器網(wǎng)絡(luò)檢測(cè)控制區(qū)，能夠全面測(cè)控蔬菜大棚中的環(huán)境變量(如溫度、空氣中水汽含量、通光量等)，達(dá)到有效改進(jìn)蔬菜品質(zhì)和調(diào)整生長(zhǎng)周期的目的。蔡坤等[33]設(shè)計(jì)了一種基于誤碼檢測(cè)機(jī)制的紅外光雨水傳感器，解決了傳統(tǒng)雨水傳感器在滴灌系統(tǒng)應(yīng)用中只能監(jiān)測(cè)降雨的開(kāi)始而不能監(jiān)測(cè)降雨結(jié)束的弊端，可以全面監(jiān)測(cè)雨水給農(nóng)田環(huán)境帶來(lái)的影響。王斌等[34]針對(duì)中小型養(yǎng)殖場(chǎng)的實(shí)際需求，利用臺(tái)達(dá)PLC及觸摸屏設(shè)計(jì)了一個(gè)自動(dòng)測(cè)控系統(tǒng)，實(shí)現(xiàn)對(duì)豬舍內(nèi)溫濕度和氨氣濃度等環(huán)境生態(tài)參數(shù)的監(jiān)測(cè)。Yue等[35]利用靜電紡絲簡(jiǎn)單、低成本和多功能性的優(yōu)勢(shì)，設(shè)計(jì)了基于ZnO-TiO2納米纖維靜電紡絲的高性能濕度傳感器，對(duì)相對(duì)濕度為1%～90%的變化范圍具有高靈敏性。

對(duì)于大規(guī)模農(nóng)田種植，農(nóng)田環(huán)境和氣象監(jiān)測(cè)的研究不僅可以讓農(nóng)業(yè)生產(chǎn)者預(yù)估氣候的變化，以便更好地控制生產(chǎn)活動(dòng)，提高產(chǎn)量；也是現(xiàn)代化農(nóng)業(yè)、智慧農(nóng)業(yè)邁出一大步的關(guān)鍵隘口。農(nóng)田環(huán)境和氣象監(jiān)測(cè)工作涉及范圍比較廣、涉及到的內(nèi)容也較多，具有數(shù)據(jù)量大的突出性特點(diǎn)[36]。衛(wèi)星遙感監(jiān)測(cè)技術(shù)和物聯(lián)網(wǎng)地面覆蓋監(jiān)測(cè)技術(shù)為農(nóng)田環(huán)境和氣象監(jiān)測(cè)提供巨大的助力，是現(xiàn)在以及未來(lái)的必然研究方向。前者具有探測(cè)范圍廣、信息反饋快、全局性把握強(qiáng)等特點(diǎn)，能夠快速準(zhǔn)確地收集農(nóng)田整體氣象特點(diǎn)，分析未來(lái)氣象趨勢(shì)；后者是基于“3S”技術(shù)、網(wǎng)絡(luò)技術(shù)、物聯(lián)網(wǎng)技術(shù)及各類(lèi)農(nóng)業(yè)傳感器構(gòu)建的地面?zhèn)鞲芯W(wǎng)[37]，能夠?qū)r(nóng)田地表各類(lèi)環(huán)境指標(biāo)全面覆蓋、精準(zhǔn)監(jiān)測(cè)，具有較強(qiáng)的系統(tǒng)性。

2.3 農(nóng)田病蟲(chóng)草害感知技術(shù)

在農(nóng)業(yè)生產(chǎn)的過(guò)程中，農(nóng)作物可能遭受到病蟲(chóng)草害的影響，甚至導(dǎo)致其無(wú)法順利生長(zhǎng)。所以，病蟲(chóng)草害的智能監(jiān)測(cè)和防治是農(nóng)業(yè)生產(chǎn)中的重要環(huán)節(jié)。2019年我國(guó)首個(gè)以作物病蟲(chóng)草害監(jiān)測(cè)預(yù)警為研究?jī)?nèi)容的機(jī)構(gòu)－西北農(nóng)林科技大學(xué)作物病蟲(chóng)草害監(jiān)測(cè)預(yù)警研究中心正式成立[38]，預(yù)示著我國(guó)防治病蟲(chóng)草害的工作由傳統(tǒng)人工防治轉(zhuǎn)型向信息化管理、智慧防治的未來(lái)發(fā)展趨勢(shì)。

目前，病蟲(chóng)害的檢測(cè)方法主要有熒光光譜法、高光譜成像、可見(jiàn)/近紅外光譜法和數(shù)字圖像處理等[14]。光譜技術(shù)對(duì)蘋(píng)果、柑橘、棗等蟲(chóng)害的無(wú)損檢測(cè)效果良好[39-41]。在病蟲(chóng)害監(jiān)測(cè)中向量機(jī)的使用也是一大熱點(diǎn)，Griffel等[42]基于光譜特征使用支持向量機(jī)來(lái)檢測(cè)感染病毒的馬鈴薯植株；Romer等[43]基于熒光光譜特征使用向量機(jī)來(lái)檢測(cè)小麥葉銹病；Kaur等[44]使用圖像處理和支持向量機(jī)技術(shù)對(duì)植物的葉面圖像檢測(cè)，并以此判斷植物病變情況，計(jì)算患病面積的百分比。許良鳳等[45]研究了基于深度學(xué)習(xí)的病蟲(chóng)害智能化識(shí)別系統(tǒng)，使用多分類(lèi)器融合的方法對(duì)玉米葉部病害進(jìn)行識(shí)別，構(gòu)建病害的深度學(xué)習(xí)模型，較好地判斷和預(yù)測(cè)玉米葉片受病蟲(chóng)害的概率和面積。與物聯(lián)網(wǎng)技術(shù)的結(jié)合是作物病蟲(chóng)草害防治的發(fā)展趨勢(shì)。趙小娟等[46]設(shè)計(jì)了基于物聯(lián)網(wǎng)的茶樹(shù)病蟲(chóng)害監(jiān)測(cè)預(yù)警系統(tǒng)，該系統(tǒng)將多媒體、計(jì)算機(jī)圖像識(shí)別、GIS等技術(shù)和自動(dòng)性誘儀、高清攝像機(jī)等硬件設(shè)備箱結(jié)合，實(shí)現(xiàn)了茶園環(huán)境數(shù)據(jù)，病蟲(chóng)害信息的自動(dòng)化監(jiān)測(cè)。朱靜波等[47]在病蟲(chóng)草害監(jiān)測(cè)和預(yù)警中應(yīng)用無(wú)線傳感器網(wǎng)絡(luò)，首創(chuàng)匯聚節(jié)點(diǎn)預(yù)處理原始數(shù)據(jù)，減輕了數(shù)據(jù)傳輸?shù)呢?fù)擔(dān)。

農(nóng)田雜草的感知技術(shù)主要是基于視覺(jué)特征來(lái)進(jìn)行分析，運(yùn)用圖像技術(shù)和光譜法對(duì)雜草和作物進(jìn)行分離，精確定位雜草位置，精準(zhǔn)対靶控制。Watchareeruetai等[48]使用單目相機(jī)，利用紋理和顏色來(lái)檢測(cè)雜草；Wajahat等[49]使用單目相機(jī)，基于葉片顏色和邊緣形狀特征進(jìn)行雜草檢測(cè)；Bakhshipour等[50]在雜草識(shí)別系統(tǒng)中加入了視覺(jué)神經(jīng)網(wǎng)絡(luò)技術(shù)，為雜草識(shí)別提供了新方法和新思路。Louargant[51]等結(jié)合空間信息和光譜信息對(duì)農(nóng)作物雜草早期檢測(cè)采用無(wú)監(jiān)督分類(lèi)算法；David等[52]開(kāi)發(fā)了一個(gè)可快速部署的雜草分類(lèi)系統(tǒng)，該系統(tǒng)不需要提前確定農(nóng)田中存在的雜草種類(lèi)，通過(guò)直接使用可視化數(shù)據(jù)來(lái)實(shí)現(xiàn)雜草定位，極大地降低了工作難度，提高了智能化水平。

2.4 作物生長(zhǎng)信息感知技術(shù)

無(wú)論是對(duì)農(nóng)田土壤、空氣環(huán)境進(jìn)行監(jiān)測(cè)，亦或是對(duì)病蟲(chóng)草害的及時(shí)處理，其本質(zhì)都是為了作物有一個(gè)良好的生長(zhǎng)發(fā)育狀況和長(zhǎng)勢(shì)。作物的生長(zhǎng)特性反映了其內(nèi)部生理狀態(tài)和外部形態(tài)特征，對(duì)作物生長(zhǎng)過(guò)程中的生理生長(zhǎng)狀態(tài)進(jìn)行監(jiān)控有助于指導(dǎo)農(nóng)業(yè)生產(chǎn)活動(dòng)。圖5展示了一些常用的作物生理生長(zhǎng)狀態(tài)感知手段和相關(guān)傳感技術(shù)。植物生長(zhǎng)的內(nèi)部生理狀態(tài)主要表現(xiàn)在徑流速度、激素、葡糖糖等小分子和pH的變化，外部形態(tài)主要表現(xiàn)為葉面積、根莖、桿徑特征。

圖5 作物生理狀態(tài)感知技術(shù)Fig. 5 Perception technology of crop physiological state

2.4.1 內(nèi)部生理狀態(tài)感知 徑流速度感知主要采用熱技術(shù)方法，包括熱擴(kuò)散、熱平衡、熱場(chǎng)變形等方法。激素類(lèi)感知主要采用電化學(xué)的方法，其優(yōu)點(diǎn)是靈敏性好、測(cè)量范圍大、準(zhǔn)確度高以及成本低等。葡萄糖檢測(cè)的經(jīng)典方法是利用葡萄糖氧化酶催化葡萄糖氧化生成過(guò)氧化氫，再用辣根過(guò)氧化物酶催化生成有色產(chǎn)物，然后用分光光度法進(jìn)行檢測(cè)，該方法的主要缺點(diǎn)是含有致癌物質(zhì)并污染環(huán)境[53]。在葉綠素的檢測(cè)中，常常運(yùn)用光譜技術(shù)結(jié)合超聲波、圖像處理、機(jī)器視覺(jué)等方法來(lái)進(jìn)行。Jones等[54]使用多光譜成像傳感器檢測(cè)葉綠素含量和濃度，并且使用超聲波傳感器估算植被高度以提高葉綠素含量檢測(cè)精度；Baresel等[55]將光譜技術(shù)和數(shù)字圖像處理技術(shù)結(jié)合用于葉綠素含量檢測(cè)；孫紅等[56]研究了基于近紅外光譜技術(shù)的葉綠素含量檢測(cè)方法；岳學(xué)軍等[57]基于高光譜構(gòu)建了柑橘葉片中葉綠素?zé)o損檢測(cè)模型，可快速無(wú)損地對(duì)柑橘葉片葉綠素含量進(jìn)行精確的定量檢測(cè)，為柑橘不同生長(zhǎng)期的營(yíng)養(yǎng)監(jiān)測(cè)提供理論依據(jù)。對(duì)葉片其他元素含量的檢測(cè)，馮偉等[58]基于高光譜遙感特征進(jìn)行小麥葉片含氮量檢測(cè)、小麥氮素積累動(dòng)態(tài)檢測(cè)等技術(shù)研究；黃雙萍等[59-61]和岳學(xué)軍等[62-63]分別構(gòu)建了基于高光譜的磷元素預(yù)測(cè)模型、基于流形學(xué)習(xí)算法的柑橘葉片氮含量估測(cè)模型以及基于反射光譜的鉀水平預(yù)測(cè)模型，試驗(yàn)相對(duì)誤差小、預(yù)測(cè)模型可靠，為作物生理感知技術(shù)的進(jìn)展提供了技術(shù)基礎(chǔ)。

2.4.2 外部形態(tài)特征感知 葉面積的測(cè)量大多采用激光傳感器來(lái)進(jìn)行。這種傳感器可以通過(guò)掃描植物冠層和葉片結(jié)構(gòu)來(lái)快速獲取葉片表面的點(diǎn)云數(shù)據(jù)。這些點(diǎn)云數(shù)據(jù)體現(xiàn)了葉片的生長(zhǎng)規(guī)律，非常適用于建立模型和后續(xù)分析。其他的一些外部特征如桿徑、果徑等也有大量其余的方法，陳學(xué)深等[64]在研究水田環(huán)境下稻株的識(shí)別和定位問(wèn)題時(shí)，提出了一種觸覺(jué)感知方法，根據(jù)稻草辨識(shí)的力學(xué)差異及除草的生理高度，確定了感知梁的抗彎剛度，并進(jìn)行了傳感器標(biāo)定。

3 基于大數(shù)據(jù)融合的農(nóng)情信息解析技術(shù)

3.1 多源農(nóng)情信息數(shù)據(jù)庫(kù)技術(shù)

智慧農(nóng)業(yè)即信息農(nóng)業(yè)、數(shù)據(jù)農(nóng)業(yè)，農(nóng)業(yè)數(shù)據(jù)是智能分析和決策的必要前提和基礎(chǔ)，隨著智慧農(nóng)業(yè)的技術(shù)推進(jìn)，農(nóng)業(yè)數(shù)據(jù)所涉及的范圍也越來(lái)越廣泛，數(shù)據(jù)結(jié)構(gòu)和種類(lèi)也日漸豐富。農(nóng)業(yè)數(shù)據(jù)庫(kù)是一切農(nóng)業(yè)信息工作的承載點(diǎn)，加強(qiáng)對(duì)數(shù)據(jù)庫(kù)技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用探索，可以有效促進(jìn)農(nóng)業(yè)信息化管理水平的提高，并且為信息化科學(xué)管理提供更加廣闊的空間。

數(shù)據(jù)庫(kù)技術(shù)與建設(shè)工程學(xué)、遙感技術(shù)、地理信息學(xué)等技術(shù)相結(jié)合，形成了很多新的數(shù)據(jù)庫(kù)產(chǎn)品技術(shù)，如通用數(shù)據(jù)庫(kù)技術(shù)、空間數(shù)據(jù)庫(kù)以及遙感影像數(shù)據(jù)庫(kù)技術(shù)等[65]。1)通用數(shù)據(jù)庫(kù)技術(shù)：包括關(guān)系數(shù)據(jù)庫(kù)系統(tǒng)、對(duì)象數(shù)據(jù)庫(kù)系統(tǒng)和對(duì)象關(guān)系數(shù)據(jù)庫(kù)系統(tǒng)3種數(shù)據(jù)庫(kù)系統(tǒng)模式。關(guān)系數(shù)據(jù)庫(kù)系統(tǒng)是一種簡(jiǎn)單的二維表，僅能處理數(shù)值和字符串，沒(méi)有豐富的數(shù)據(jù)類(lèi)型，也不支持高性能的存儲(chǔ)和查詢，但它是數(shù)據(jù)庫(kù)系統(tǒng)的標(biāo)準(zhǔn)和基礎(chǔ)；對(duì)象數(shù)據(jù)庫(kù)系統(tǒng)是隨著面向?qū)ο蠹夹g(shù)方法漸漸與數(shù)據(jù)庫(kù)相結(jié)合而成，其繼承了關(guān)系數(shù)據(jù)庫(kù)技術(shù)，又在其基礎(chǔ)上延伸了多種數(shù)據(jù)庫(kù)類(lèi)型，如分布式數(shù)據(jù)庫(kù)、工程數(shù)據(jù)庫(kù)和多媒體數(shù)據(jù)庫(kù)等；對(duì)象關(guān)系數(shù)據(jù)庫(kù)結(jié)合了前兩者的特點(diǎn)，發(fā)展了面向?qū)ο蟮慕Ｄ芰?，從而提高了操作?fù)雜數(shù)據(jù)的能力，是第3代數(shù)據(jù)庫(kù)的發(fā)展產(chǎn)品。2)空間數(shù)據(jù)庫(kù)技術(shù)：農(nóng)情監(jiān)測(cè)數(shù)據(jù)信息中絕大部分?jǐn)?shù)據(jù)都與空間位置密不可分，因此數(shù)據(jù)庫(kù)與地理信息系統(tǒng)結(jié)合形成的空間數(shù)據(jù)庫(kù)是農(nóng)情監(jiān)測(cè)數(shù)據(jù)庫(kù)技術(shù)中的重要一環(huán)?？臻g數(shù)據(jù)具有多維復(fù)雜性，包括數(shù)據(jù)屬性、空間位置和數(shù)據(jù)隨時(shí)間變化等特征，空間數(shù)據(jù)庫(kù)技術(shù)則相應(yīng)地保存了這些數(shù)據(jù)以及它們的特征，與傳統(tǒng)數(shù)據(jù)庫(kù)不同，空間數(shù)據(jù)庫(kù)通常包含這些空間拓?fù)浣Y(jié)構(gòu)或者距離信息，擁有復(fù)雜的多維空間索引算法。3)遙感影像數(shù)據(jù)庫(kù)技術(shù)：衛(wèi)星技術(shù)的發(fā)展使得遙感影像的數(shù)據(jù)信息快速增長(zhǎng)，應(yīng)運(yùn)而生的便是與之相應(yīng)的影像數(shù)據(jù)庫(kù)技術(shù)。目前遙感影像數(shù)據(jù)庫(kù)研究的前沿和熱點(diǎn)依然是影像壓縮技術(shù)、影像分片存儲(chǔ)技術(shù)和影像索引技術(shù)等。在充分利用GIS、RS和其他新興技術(shù)的前提下，國(guó)內(nèi)外建立了多個(gè)成功的大型遙感影像數(shù)據(jù)庫(kù)系統(tǒng)，如Google Earth影像地圖服務(wù)系統(tǒng)、Mircrosoft Virtual Earth以及Digital NGP等。

國(guó)外在數(shù)據(jù)采集和分析研究的基礎(chǔ)上，建設(shè)了相關(guān)的農(nóng)情數(shù)據(jù)庫(kù)，利用最新的數(shù)據(jù)庫(kù)技術(shù)管理和共享相關(guān)的農(nóng)情信息。美國(guó)先后建立了包括AGRICOLA、AGRIS、BIOSIS Preview、PestBank、CMS MBR (生物網(wǎng))、國(guó)家海洋與人氣管理局?jǐn)?shù)據(jù)庫(kù)NOAA、農(nóng)業(yè)網(wǎng)絡(luò)信息中心等在內(nèi)的多個(gè)大型數(shù)據(jù)庫(kù)系統(tǒng)和網(wǎng)絡(luò)信息中心，積累了大量的農(nóng)業(yè)信息資源[66]。德國(guó)也非常重視農(nóng)業(yè)數(shù)據(jù)庫(kù)管理系統(tǒng)的建設(shè)，各州農(nóng)業(yè)局開(kāi)發(fā)數(shù)據(jù)管理系統(tǒng)、電視文本顯示服務(wù)系統(tǒng)和植保數(shù)據(jù)系統(tǒng)，向農(nóng)戶提供農(nóng)作物生產(chǎn)技術(shù)、病蟲(chóng)害預(yù)防和防治技術(shù)以及農(nóng)業(yè)生產(chǎn)資料市場(chǎng)信息等[67]。法國(guó)農(nóng)業(yè)部收錄具有代表性的涉農(nóng)網(wǎng)站，并通過(guò)網(wǎng)絡(luò)平臺(tái)集成，定期或不定期發(fā)布政策、統(tǒng)計(jì)數(shù)據(jù)、市場(chǎng)動(dòng)態(tài)等農(nóng)業(yè)信息以實(shí)現(xiàn)農(nóng)業(yè)數(shù)據(jù)共享[68]。

國(guó)內(nèi)學(xué)者對(duì)農(nóng)情數(shù)據(jù)庫(kù)技術(shù)及系統(tǒng)的開(kāi)發(fā)也進(jìn)行了深入研究。方利等[69-70]開(kāi)展了多源海量統(tǒng)計(jì)遙感數(shù)據(jù)庫(kù)研究，制定了統(tǒng)計(jì)遙感基礎(chǔ)地理數(shù)據(jù)庫(kù)標(biāo)準(zhǔn)，設(shè)計(jì)了統(tǒng)計(jì)遙感基礎(chǔ)地理數(shù)據(jù)庫(kù)結(jié)構(gòu)及要素的編碼體系，并基于 PowerDesigner設(shè)計(jì)數(shù)據(jù)庫(kù)模型；同時(shí)，在統(tǒng)計(jì)遙感數(shù)據(jù)庫(kù)建設(shè)過(guò)程中綜合利用了影像編目、元數(shù)據(jù)管理和數(shù)據(jù)轉(zhuǎn)換等技術(shù)，多方式實(shí)現(xiàn)了多源統(tǒng)計(jì)遙感數(shù)據(jù)的集成與管理。此外，我國(guó)通過(guò)科技平臺(tái)項(xiàng)目建設(shè)，先后建成了各行業(yè)的科學(xué)數(shù)據(jù)中心，比如中國(guó)農(nóng)業(yè)科學(xué)院農(nóng)業(yè)資源與農(nóng)業(yè)區(qū)劃研究所建成了MODIS-R衛(wèi)星數(shù)據(jù)共享數(shù)據(jù)揮、中國(guó)科學(xué)院地面站建立了負(fù)責(zé)接收和管理的數(shù)據(jù)共享平臺(tái)、中國(guó)氣象局建立了氣象數(shù)據(jù)共享中心等，中國(guó)農(nóng)業(yè)科學(xué)院等多家單位收集和整理了我國(guó)歷史以來(lái)的重要農(nóng)業(yè)信息，并建設(shè)成了國(guó)家級(jí)的數(shù)據(jù)庫(kù)中心，通過(guò)網(wǎng)絡(luò)對(duì)外免費(fèi)共享[65]。

3.2 云計(jì)算與大數(shù)據(jù)分析技術(shù)

互聯(lián)網(wǎng)+大數(shù)據(jù)+云計(jì)算與農(nóng)業(yè)的結(jié)合，使當(dāng)前現(xiàn)代化農(nóng)業(yè)發(fā)展已經(jīng)從數(shù)字化、網(wǎng)絡(luò)化進(jìn)入到以數(shù)據(jù)深度挖掘與融合應(yīng)用為特征的智慧化階段，傳統(tǒng)農(nóng)業(yè)進(jìn)程正在向集約化、精準(zhǔn)化、智能化轉(zhuǎn)變。圖6為農(nóng)業(yè)大數(shù)據(jù)技術(shù)的工作框架示意圖。

圖6 農(nóng)業(yè)大數(shù)據(jù)技術(shù)Fig. 6 The technology of agricultural big data

3.2.1 農(nóng)業(yè)大數(shù)據(jù) 農(nóng)業(yè)大數(shù)據(jù)就是把各類(lèi)農(nóng)業(yè)數(shù)據(jù)進(jìn)行采集、匯總、存儲(chǔ)和關(guān)聯(lián)分析，從中整合新要素、發(fā)掘新資源、發(fā)現(xiàn)新知識(shí)、創(chuàng)造新價(jià)值的一種農(nóng)業(yè)新業(yè)態(tài)。農(nóng)業(yè)大數(shù)據(jù)時(shí)代，不僅可以通過(guò)建立綜合的數(shù)據(jù)平臺(tái)調(diào)控農(nóng)業(yè)生產(chǎn)，還可以記錄分析農(nóng)業(yè)種植養(yǎng)殖過(guò)程以及農(nóng)產(chǎn)品流通過(guò)程中的動(dòng)態(tài)變化，通過(guò)分析數(shù)據(jù)、總結(jié)經(jīng)驗(yàn)，制定一系列調(diào)控和管理措施，使農(nóng)業(yè)發(fā)展高效有序。從農(nóng)業(yè)市場(chǎng)需求來(lái)看，農(nóng)業(yè)大數(shù)據(jù)可用于指導(dǎo)農(nóng)事生產(chǎn)、預(yù)測(cè)農(nóng)產(chǎn)品市場(chǎng)需求、輔助農(nóng)業(yè)決策、規(guī)避風(fēng)險(xiǎn)等目的；從農(nóng)業(yè)生產(chǎn)環(huán)節(jié)來(lái)看，農(nóng)業(yè)大數(shù)據(jù)可以利用傳感器采集氣候、土壤大數(shù)據(jù)，提供農(nóng)戶最佳的栽種管理決策，協(xié)助農(nóng)民有效管理農(nóng)地，如美國(guó)EarthRisk公司利用其旗艦產(chǎn)品TempRisk對(duì)60年的氣象歷史觀測(cè)數(shù)據(jù)基于820億次計(jì)算，進(jìn)行天氣分析識(shí)別和預(yù)測(cè)，最長(zhǎng)可以提前40 d生成冷熱天氣概率，極大地加強(qiáng)了農(nóng)情預(yù)警[71]；從農(nóng)產(chǎn)品經(jīng)銷(xiāo)溯源上看，無(wú)論是供應(yīng)鏈經(jīng)濟(jì)還是食品安全，妥善利用大數(shù)據(jù)技術(shù)平臺(tái)，可以實(shí)現(xiàn)從田間到餐桌的每一個(gè)過(guò)程追蹤，讓管理過(guò)程簡(jiǎn)潔、透明、高效、安全，如可以根據(jù)花生仁的元素特征數(shù)據(jù)得到花生的原產(chǎn)地，溯源正確率90%以上，具有很高的可靠性[72]。

3.2.2 云計(jì)算技術(shù) “云計(jì)算”是一種超級(jí)計(jì)算技術(shù)，它的核心在于利用高速的網(wǎng)絡(luò)運(yùn)輸功能，將處理完的數(shù)據(jù)從計(jì)算機(jī)終端服務(wù)器中轉(zhuǎn)移到“云”端上進(jìn)行存儲(chǔ)。這里的“云”指的便是虛擬化的計(jì)算機(jī)終端存儲(chǔ)資源地，個(gè)人用戶和企業(yè)用戶不需要花費(fèi)大量的資金購(gòu)買(mǎi)昂貴的硬件，而是通過(guò)租賃或者花費(fèi)少量的資金購(gòu)買(mǎi)超級(jí)計(jì)算機(jī)集群的“云服務(wù)”就可以獲取超強(qiáng)計(jì)算能力，完成對(duì)計(jì)算機(jī)數(shù)據(jù)儲(chǔ)存的所有需求，這就是“云計(jì)算”帶給用戶全新的一種商業(yè)化模式[73]。崔曉軍等[74]利用云計(jì)算技術(shù)對(duì)溫州市的農(nóng)業(yè)大數(shù)據(jù)平臺(tái)進(jìn)行研究，建立了大數(shù)據(jù)中心、大數(shù)據(jù)統(tǒng)計(jì)分析模型以及大數(shù)據(jù)可視化平臺(tái)。上海市也依托云服務(wù)中心建設(shè)項(xiàng)目，采用vSphere虛擬化技術(shù)，通過(guò)新增硬件并與原設(shè)備結(jié)合的方式，完成了上海農(nóng)業(yè)云服務(wù)中心的建設(shè)，在保護(hù)已有投資、盤(pán)活存量資產(chǎn)、提高系統(tǒng)建設(shè)速度、提升農(nóng)業(yè)業(yè)務(wù)系統(tǒng)穩(wěn)定性與便捷性等方面，取得了明顯的社會(huì)和經(jīng)濟(jì)效益。

3.2.3 大數(shù)據(jù)分析技術(shù) 大數(shù)據(jù)和大數(shù)據(jù)技術(shù)是不同的概念，前者是后者的承載、后者是前者的開(kāi)發(fā)應(yīng)用。大數(shù)據(jù)技術(shù)的開(kāi)發(fā)與應(yīng)用非常重要，數(shù)據(jù)只有經(jīng)過(guò)不斷分析提煉才能形成珍貴的價(jià)值，農(nóng)業(yè)大數(shù)據(jù)也不例外，需要進(jìn)行相應(yīng)數(shù)據(jù)預(yù)處理，才能降低噪聲和復(fù)雜性，增強(qiáng)數(shù)據(jù)可操作性，通過(guò)關(guān)聯(lián)規(guī)則等挖掘分析，從海量數(shù)據(jù)的千絲萬(wàn)縷聯(lián)系中找出規(guī)律和價(jià)值所在[75]。農(nóng)業(yè)大數(shù)據(jù)清洗技術(shù)的關(guān)鍵在于利用相關(guān)手段把“臟數(shù)據(jù)”變成符合質(zhì)量標(biāo)準(zhǔn)的數(shù)據(jù)。隨著農(nóng)業(yè)行業(yè)大數(shù)據(jù)愈來(lái)愈龐大和復(fù)雜，大數(shù)據(jù)清洗技術(shù)也逐漸由人為和程序完成轉(zhuǎn)為云計(jì)算的方式；而農(nóng)業(yè)大數(shù)據(jù)關(guān)聯(lián)分析和預(yù)測(cè)技術(shù)主要過(guò)程就是在龐大的數(shù)據(jù)中找出其中的頻率模式、關(guān)聯(lián)性、相關(guān)性以及其中的因果關(guān)系，從而發(fā)現(xiàn)某種農(nóng)業(yè)現(xiàn)象的規(guī)律和結(jié)論等。

3.3 農(nóng)情信息智能解析算法

機(jī)器學(xué)習(xí)是近年來(lái)的技術(shù)趨勢(shì)，因其強(qiáng)大的數(shù)據(jù)處理能力和學(xué)習(xí)成長(zhǎng)能力，眾多實(shí)際問(wèn)題得到了空前高效的解決方式，農(nóng)業(yè)領(lǐng)域目前已經(jīng)應(yīng)用到農(nóng)產(chǎn)品質(zhì)量檢測(cè)和分級(jí)、雜草和植物病蟲(chóng)害檢測(cè)、土壤分析等方面。機(jī)器學(xué)習(xí)在農(nóng)業(yè)生產(chǎn)中的應(yīng)用加快了農(nóng)業(yè)信息化和智能化進(jìn)程。機(jī)器學(xué)習(xí)分為監(jiān)督學(xué)習(xí)、非監(jiān)督學(xué)習(xí)、半監(jiān)督學(xué)習(xí)和強(qiáng)化學(xué)習(xí)4種，表2根據(jù)每種方式中的不同算法進(jìn)行分類(lèi)，列舉了每種算法的突出優(yōu)點(diǎn)及其在農(nóng)業(yè)中的具體應(yīng)用。

表2 智能解析部分算法及優(yōu)點(diǎn)Table 2 Some algorithms and advantages of intelligent analysis

3.3.1 監(jiān)督學(xué)習(xí)算法 監(jiān)督學(xué)習(xí)是根據(jù)已有的數(shù)據(jù)集得出輸入和輸出之間的關(guān)系，并訓(xùn)練得到一個(gè)最優(yōu)模型。監(jiān)督學(xué)習(xí)中有學(xué)習(xí)和推理2個(gè)過(guò)程，如圖7所示。訓(xùn)練數(shù)據(jù)既有特征(輸入)又有標(biāo)簽(輸出)，通過(guò)機(jī)器訓(xùn)練，讓機(jī)器可以找到特征和標(biāo)簽之間的聯(lián)系，這便是學(xué)習(xí)的過(guò)程；而在面對(duì)只有特征沒(méi)有標(biāo)簽的數(shù)據(jù)時(shí)，又能根據(jù)學(xué)習(xí)結(jié)果判斷出標(biāo)簽，這便是推理的過(guò)程。研究人員利用對(duì)樸素貝葉斯算法分別對(duì)鳶尾花的花型特征、核桃仁、藍(lán)莓生長(zhǎng)階段進(jìn)行分級(jí)分類(lèi)，測(cè)試精度均為90%以上，證明該算法對(duì)簡(jiǎn)單分級(jí)分類(lèi)不僅簡(jiǎn)單快速，而且具有穩(wěn)定分類(lèi)和可靠性高的優(yōu)點(diǎn)[76-79]。如果追求更高的精度，則可以采用K－近鄰算法，該算法在油菜籽和藍(lán)莓生長(zhǎng)階段的分級(jí)中，分類(lèi)精度分別達(dá)到了98.0%[68]和 97.8%[80]。

圖7 機(jī)器學(xué)習(xí)典型算法步驟Fig. 7 The steps of typical algorithm of machine learning

3.3.2 非監(jiān)督學(xué)習(xí)算法 與監(jiān)督學(xué)習(xí)不一樣的是，非監(jiān)督學(xué)習(xí)算法只有輸入變量，沒(méi)有輸出變量，其目標(biāo)是對(duì)數(shù)據(jù)中潛在的結(jié)構(gòu)和分布建模，以便對(duì)數(shù)據(jù)進(jìn)一步學(xué)習(xí)。由于沒(méi)有輸出的參照，所以非監(jiān)督學(xué)習(xí)的目標(biāo)重心并不是在學(xué)習(xí)和推理上，而是對(duì)輸入的數(shù)據(jù)進(jìn)行聚類(lèi)和關(guān)聯(lián)分析，比如新聞推送按照內(nèi)容不同分為財(cái)經(jīng)、娛樂(lè)、體育等，這便是聚類(lèi)算法，旨在發(fā)現(xiàn)數(shù)據(jù)中內(nèi)在的分組。K－均值聚類(lèi)算法是非監(jiān)督學(xué)習(xí)的重要算法。羅匡男等[81]在研究三七葉片2種病斑時(shí)，通過(guò)改變初始簇中心，選擇距離絕對(duì)值最大的向量作為初始簇中心點(diǎn)的K－均值聚類(lèi)算法來(lái)提高分類(lèi)的準(zhǔn)確度；劉永娟等[82]在對(duì)玉米抽雄期進(jìn)行觀測(cè)時(shí)，使用改進(jìn)的K－均值聚類(lèi)算法對(duì)玉米雄穗的灰度圖像聚類(lèi)分割，并以此分析生長(zhǎng)時(shí)期；Zhang 等[83]在對(duì)作物圖像的病蟲(chóng)害進(jìn)行特征識(shí)別中，使用 K－均值聚類(lèi)算法分割圖像，獲取病蟲(chóng)害信息的形狀和顏色特征，識(shí)別率較高。研究表明，在解決聚類(lèi)問(wèn)題上，該算法簡(jiǎn)單快速，能夠高效處理比較大的數(shù)據(jù)集。

3.3.3 半監(jiān)督學(xué)習(xí)算法 半監(jiān)督式學(xué)習(xí)是一種監(jiān)督式學(xué)習(xí)與非監(jiān)督式學(xué)習(xí)相結(jié)合的一種學(xué)習(xí)方法，擁有大部分特征數(shù)據(jù)(輸入)和少部分的標(biāo)簽數(shù)據(jù)(輸出)，可以使用非監(jiān)督式學(xué)習(xí)發(fā)現(xiàn)和學(xué)習(xí)特征數(shù)據(jù)的結(jié)構(gòu)關(guān)系，并使用監(jiān)督式學(xué)習(xí)對(duì)無(wú)標(biāo)簽的數(shù)據(jù)進(jìn)行標(biāo)簽的推理。徐郵郵等[84]在獲取山東泰安市周邊的94個(gè)土壤樣本光譜和含水量實(shí)測(cè)數(shù)據(jù)基礎(chǔ)上，利用半監(jiān)督模糊識(shí)別模型建立土壤含水量的光譜估測(cè)模型，充分利用了樣本中確定性與不確定性的信息，使土壤含水量推理估測(cè)具有很高的可靠性。吳四茜[85]在相似青梅品級(jí)分類(lèi)問(wèn)題的研究中引入半監(jiān)督學(xué)習(xí)這一典型的機(jī)器視覺(jué)分類(lèi)技術(shù)，運(yùn)用大量獲取相對(duì)簡(jiǎn)單的無(wú)標(biāo)簽相似青梅樣本特征信息與少量有標(biāo)簽樣本特征信息相結(jié)合，克服了有標(biāo)簽樣本獲取困難、數(shù)量少等問(wèn)題的限制，緩解了有標(biāo)簽樣本數(shù)據(jù)之間缺乏相關(guān)性的現(xiàn)狀，增強(qiáng)了有標(biāo)簽樣本訓(xùn)練的認(rèn)知模型的魯棒性。

3.3.4 強(qiáng)化學(xué)習(xí)算法 強(qiáng)化學(xué)習(xí)的本質(zhì)是解決決策問(wèn)題，即自動(dòng)決策和連續(xù)決策的問(wèn)題程序在一個(gè)問(wèn)題的處理上嘗試所有可能的解決方案，記錄不同方案執(zhí)行后的結(jié)果并試著找出最好的一次嘗試，這便是強(qiáng)化學(xué)習(xí)的過(guò)程。這一過(guò)程主要包括4個(gè)元素，即Agent、環(huán)境狀態(tài)、行動(dòng)和獎(jiǎng)勵(lì)。該算法的核心在于“獎(jiǎng)勵(lì)”和“懲罰”機(jī)制，當(dāng)執(zhí)行的方案較優(yōu)時(shí)，獲得“高分”反饋，反之獲得“低分”反饋，在整個(gè)學(xué)習(xí)過(guò)程中，通過(guò)反饋信息獲得更多的累計(jì)“獎(jiǎng)勵(lì)分?jǐn)?shù)”，不斷調(diào)整解決方案，以便獲得最好的結(jié)果。該算法一般用于農(nóng)業(yè)控制上，如農(nóng)機(jī)自主巡航、噴施控制、大田和果園灌溉等。Zhou等[86]應(yīng)用強(qiáng)化學(xué)習(xí)設(shè)計(jì)了機(jī)器人自主獲取導(dǎo)航控制策略方法，使機(jī)器人能夠不斷適應(yīng)動(dòng)態(tài)變化的導(dǎo)航環(huán)境，并且在自制式移動(dòng)機(jī)器人平臺(tái)上開(kāi)展了試驗(yàn)，結(jié)果表明機(jī)器人可以在實(shí)際導(dǎo)航環(huán)境中自動(dòng)獲取更優(yōu)的導(dǎo)航策略，完成預(yù)期的導(dǎo)航任務(wù)；Sun等[87]提出了一種基于強(qiáng)化學(xué)習(xí)的可變速率灌溉控制方法，開(kāi)發(fā)了基于神經(jīng)網(wǎng)絡(luò)的土壤水位和作物產(chǎn)量快速模型，對(duì)不同地理位置和作物類(lèi)型的模擬表明，基于作物產(chǎn)量和水資源消耗所提出的方法可以顯著增加收益，為智慧灌溉控制提供了一種選擇。

4 農(nóng)情信息智能決策技術(shù)

為了解決計(jì)算機(jī)自動(dòng)組織和協(xié)調(diào)的多模型運(yùn)行，對(duì)大量農(nóng)業(yè)數(shù)據(jù)庫(kù)中的數(shù)據(jù)存儲(chǔ)和處理達(dá)到更高效、更準(zhǔn)確的決策能力，出現(xiàn)了智能決策技術(shù)的概念并快速投入實(shí)踐。智能決策技術(shù)旨在大量的農(nóng)業(yè)生產(chǎn)信息數(shù)據(jù)中挖掘最有價(jià)值的信息和規(guī)律，對(duì)農(nóng)業(yè)生產(chǎn)過(guò)程進(jìn)行判斷和智能指導(dǎo)，最大化提高農(nóng)業(yè)生產(chǎn)效率。常見(jiàn)的智能決策技術(shù)包括變量作業(yè)決策、路徑規(guī)劃決策和多機(jī)協(xié)同作業(yè)決策。

4.1 變量作業(yè)決策

變量作業(yè)一直是智慧農(nóng)業(yè)的重點(diǎn)研究對(duì)象，尤其體現(xiàn)在變量噴霧和變量施肥上。被模塊化植入了變量噴霧系統(tǒng)的Arrow-F1000(圖8a)[88]和根據(jù)果樹(shù)樹(shù)形特點(diǎn)研制的新型風(fēng)送變量噴霧機(jī)(圖8b)[89]均能夠進(jìn)行自主決策，實(shí)現(xiàn)變量噴霧的功能，根據(jù)大數(shù)據(jù)和專(zhuān)家知識(shí)，合理控制噴施量，形成自主判斷、智能控制的智慧化模式。曾立[90]利用植株特征和植株與機(jī)器人的相對(duì)位置進(jìn)行噴施決策，通過(guò)提取采集到的植株圖像特征，再經(jīng)過(guò)模糊控制算法，利用PWM模塊調(diào)節(jié)噴施量。苑嚴(yán)偉等[91]設(shè)計(jì)了變量配肥施肥機(jī)和小麥精量播種變量施肥機(jī)，開(kāi)發(fā)了基于作業(yè)處方圖的氮磷鉀配比施肥決策支持系統(tǒng)。赫云鵬[92]設(shè)計(jì)了一個(gè)基于GIS技術(shù)的玉米變量施肥自動(dòng)決策系統(tǒng)，該系統(tǒng)可以完成玉米地地塊邊界測(cè)繪、劃分網(wǎng)格區(qū)域、標(biāo)記采樣點(diǎn)以及制作變量施肥圖等一系列工作。

4.2 路徑規(guī)劃決策

路徑規(guī)劃通常指全局的路徑規(guī)劃，在農(nóng)業(yè)中的應(yīng)用一般體現(xiàn)在農(nóng)業(yè)機(jī)械裝備上，在作業(yè)區(qū)域全覆蓋的前提下，對(duì)作業(yè)的效率、能耗和環(huán)境保護(hù)等參數(shù)進(jìn)行優(yōu)化，計(jì)算出最合理的行走路線。Karen等[93]基于拖拉機(jī)導(dǎo)航設(shè)計(jì)的決策支持系統(tǒng)實(shí)現(xiàn)了效率最高、燃料最省、盈利較高的路徑規(guī)劃。Hameed[94]提出了一種多目標(biāo)優(yōu)化覆蓋的路徑規(guī)劃方法，其突出的優(yōu)點(diǎn)是成本較低。劉剛等[95]以空載或滿載時(shí)間最短為基準(zhǔn)，提出了一種基于GNSS的農(nóng)田自動(dòng)導(dǎo)航方法。孟志軍等[96]提出了一種面向農(nóng)田作業(yè)機(jī)械的地塊全面覆蓋路徑規(guī)劃方法，其主要特點(diǎn)是農(nóng)田被劃分為不同區(qū)域，以此來(lái)分塊選擇不同的路徑規(guī)劃目標(biāo)。對(duì)于全區(qū)域覆蓋路徑規(guī)劃而言，考慮的不僅是轉(zhuǎn)彎路徑而且包括農(nóng)田區(qū)域內(nèi)的所有行駛軌跡，目前的規(guī)劃方案有S型、口字型、回字型和對(duì)角型4種，如圖9所示[97]。

圖8 果園變量噴霧機(jī)Fig. 8 The variable sprayers used in orchard

圖9 全區(qū)域覆蓋路線規(guī)劃策略Fig. 9 The route planning strategies for full-area coverage

4.3 多機(jī)協(xié)同作業(yè)決策

現(xiàn)代農(nóng)機(jī)的2種不同發(fā)展方向：一是超大型化和復(fù)雜化；二是多臺(tái)小型農(nóng)機(jī)協(xié)同作業(yè)。多機(jī)協(xié)同作業(yè)對(duì)具有嚴(yán)格的作業(yè)窗口期或要求搶種搶收的意義重大[14]。Chi等[98]研究了日本水稻、大豆和小麥等農(nóng)業(yè)多機(jī)器人系統(tǒng)，包括種植、播種、聯(lián)合收割機(jī)等多種協(xié)同作業(yè)裝備。曹如月等[99]基于蟻群算法研究了多機(jī)協(xié)同作業(yè)任務(wù)規(guī)劃，建立了多機(jī)協(xié)同作業(yè)任務(wù)分配模型。郭娜等[100]基于領(lǐng)航－跟隨結(jié)構(gòu)提出了一種收獲機(jī)群協(xié)同導(dǎo)航控制方法，該方法在建立收獲機(jī)群運(yùn)動(dòng)學(xué)模型的基礎(chǔ)上，結(jié)合反饋線性化理論和滑模控制理論，設(shè)計(jì)了漸近穩(wěn)定的路徑跟蹤控制律和隊(duì)形保持控制律。曹如月等[101]基于Web-GIS設(shè)計(jì)了多機(jī)協(xié)同作業(yè)遠(yuǎn)程監(jiān)控平臺(tái)，對(duì)各農(nóng)機(jī)進(jìn)行決策分析和任務(wù)調(diào)度，從而實(shí)現(xiàn)多機(jī)協(xié)同作業(yè)

5 問(wèn)題與建議

農(nóng)情信息感知與解析作為精細(xì)農(nóng)業(yè)工作中的重要一環(huán)，對(duì)指導(dǎo)農(nóng)業(yè)生產(chǎn)、保障農(nóng)民增收和穩(wěn)定農(nóng)業(yè)發(fā)展具有重要意義[102]。本文從農(nóng)情感知技術(shù)和信息解析技術(shù)2個(gè)方面展開(kāi)綜述，分別介紹了當(dāng)前應(yīng)用在農(nóng)業(yè)領(lǐng)域的高新技術(shù)，如傳感器、物聯(lián)網(wǎng)、大數(shù)據(jù)技術(shù)和機(jī)器學(xué)習(xí)算法等。精準(zhǔn)、智慧農(nóng)業(yè)的發(fā)展目前正處于最關(guān)鍵也是最艱難的階段，對(duì)農(nóng)情信息的掌控和處理是其中的核心所在，隨著工業(yè)技術(shù)的發(fā)展和農(nóng)業(yè)現(xiàn)代化程度的提高，科學(xué)技術(shù)在農(nóng)業(yè)上的應(yīng)用越來(lái)越廣泛，這也促進(jìn)了農(nóng)情感知與解析技術(shù)的變革和更新，但同時(shí)也存在著一些問(wèn)題需要不斷地發(fā)展創(chuàng)新，以適應(yīng)農(nóng)業(yè)發(fā)展新常態(tài)[37]。

5.1 農(nóng)業(yè)傳感器技術(shù)存在的問(wèn)題

智慧農(nóng)業(yè)的發(fā)展離不開(kāi)傳感器技術(shù)，現(xiàn)代信息技術(shù)的高速發(fā)展也推動(dòng)著農(nóng)業(yè)傳感器技術(shù)的快速發(fā)展，其前景非常廣闊。目前農(nóng)用傳感器的應(yīng)用仍然存在很多問(wèn)題：1)傳感器的性價(jià)比問(wèn)題，市面上大多數(shù)性能好的傳感器價(jià)格較為昂貴，對(duì)一般農(nóng)戶的農(nóng)業(yè)生產(chǎn)活動(dòng)幫助不大，所以，對(duì)于傳感器在一般農(nóng)業(yè)的全面應(yīng)用還有距離；2)傳感器的技術(shù)水平有限，實(shí)時(shí)性和連續(xù)性有限，信息獲取難免出現(xiàn)有誤差、不完整等問(wèn)題，限制著智慧農(nóng)業(yè)的整體發(fā)展和推廣；3)傳感器的壽命也是一直以來(lái)被關(guān)注的問(wèn)題，大多數(shù)農(nóng)用傳感器的工作環(huán)境都在室外，長(zhǎng)期暴露在陽(yáng)光和雨露當(dāng)中，導(dǎo)致使用壽命短，維護(hù)費(fèi)用較高；4)目前農(nóng)業(yè)中多數(shù)的無(wú)線傳感網(wǎng)絡(luò)拓?fù)溥€是基站星型拓?fù)湫徒Y(jié)構(gòu)，并不是真正意義的無(wú)線傳感網(wǎng)絡(luò)，傳感器的無(wú)線可感知化和無(wú)線傳輸水平不高。

5.2 今后發(fā)展建議

5.2.1 農(nóng)情感知方面 傳感技術(shù)的發(fā)展水平制約著整體感知技術(shù)的發(fā)展水平，只有不斷改革和創(chuàng)新傳感器技術(shù)和無(wú)線傳感技術(shù)，朝多功能高性價(jià)比的傳感器和實(shí)時(shí)高效的傳感網(wǎng)絡(luò)方向進(jìn)行研究，才能讓獲取的農(nóng)情信息可靠度得到高質(zhì)量的保證；同時(shí)，要促進(jìn)物聯(lián)網(wǎng)和互聯(lián)網(wǎng)等高新技術(shù)在農(nóng)情感知應(yīng)用上的緊密結(jié)合，保證農(nóng)情數(shù)據(jù)信息的實(shí)時(shí)性和傳遞性，加強(qiáng)農(nóng)田數(shù)據(jù)監(jiān)督管理并有效地進(jìn)行農(nóng)業(yè)生產(chǎn)決策，提高產(chǎn)業(yè)鏈產(chǎn)值和農(nóng)業(yè)行業(yè)整體價(jià)值。

5.2.2 信息解析技術(shù)方面 數(shù)據(jù)是經(jīng)過(guò)不斷提煉和分析才能產(chǎn)生價(jià)值，對(duì)于農(nóng)業(yè)數(shù)據(jù)的解析是農(nóng)業(yè)信息化、自動(dòng)化和智慧化的前提，目前信息解析技術(shù)主要包括大數(shù)據(jù)、云計(jì)算、圖像處理、神經(jīng)網(wǎng)絡(luò)和機(jī)器學(xué)習(xí)等相關(guān)技術(shù)。1)由于農(nóng)業(yè)問(wèn)題的復(fù)雜特性，模塊化處理方式是數(shù)據(jù)解析技術(shù)的總體發(fā)展趨勢(shì)，將多源異構(gòu)的農(nóng)業(yè)數(shù)據(jù)按不同時(shí)空特性區(qū)分開(kāi)，分類(lèi)分析再進(jìn)行匯總、歸納和決策；2)明確信息解析技術(shù)在農(nóng)業(yè)上的需求導(dǎo)向，針對(duì)不同的農(nóng)業(yè)問(wèn)題深入發(fā)展相關(guān)技術(shù)，更加貼合農(nóng)情和現(xiàn)代化農(nóng)業(yè)理念；3)信息解析技術(shù)的發(fā)展和人才素質(zhì)水平密切相關(guān)，要重視科研人員對(duì)現(xiàn)代化信息技術(shù)的學(xué)習(xí)和研發(fā)，擴(kuò)大現(xiàn)有信息技術(shù)人員的知識(shí)面和專(zhuān)業(yè)素養(yǎng)，形成研究人員專(zhuān)業(yè)深度化和個(gè)人專(zhuān)業(yè)知識(shí)綜合化的局面，從源頭上提升農(nóng)業(yè)信息解析技術(shù)的整體水平。

5.2.3 農(nóng)業(yè)數(shù)據(jù)庫(kù)技術(shù)方面 在未來(lái)農(nóng)業(yè)的信息化、智慧化推進(jìn)過(guò)程中，農(nóng)業(yè)數(shù)據(jù)庫(kù)技術(shù)具有重要的地位。1)加強(qiáng)數(shù)據(jù)庫(kù)數(shù)據(jù)的易檢性和共享性，減少數(shù)據(jù)傳播過(guò)程中的阻力，增強(qiáng)數(shù)據(jù)的時(shí)效性和便易性；2)加強(qiáng)數(shù)據(jù)庫(kù)技術(shù)的安全性，從設(shè)計(jì)和管理層入手，重視數(shù)據(jù)的安全性，讓特有的信息能得到應(yīng)有的保障；3)提高數(shù)據(jù)庫(kù)的質(zhì)量標(biāo)準(zhǔn)，結(jié)合當(dāng)?shù)貙?shí)際農(nóng)情，控制審核數(shù)據(jù)庫(kù)建庫(kù)標(biāo)準(zhǔn)，提高農(nóng)業(yè)數(shù)據(jù)庫(kù)質(zhì)量，促進(jìn)數(shù)據(jù)庫(kù)的快速有效地進(jìn)步；4)強(qiáng)化數(shù)據(jù)庫(kù)管理，在數(shù)據(jù)庫(kù)運(yùn)行過(guò)程中加強(qiáng)檢查和維護(hù)，確保數(shù)據(jù)庫(kù)的正常運(yùn)作，避免系統(tǒng)故障造成數(shù)據(jù)錯(cuò)誤或數(shù)據(jù)丟失等現(xiàn)象。

5.2.4 智能決策技術(shù)方面 智能決策技術(shù)的應(yīng)用必將在我國(guó)農(nóng)業(yè)信息化建設(shè)的進(jìn)程中產(chǎn)生極大地助力。1)繼續(xù)加深與高新技術(shù)的融合(如物聯(lián)網(wǎng)、大數(shù)據(jù)、神經(jīng)網(wǎng)絡(luò)技術(shù)等)，技術(shù)水平?jīng)Q定了智能決策技術(shù)的可靠度和可信度，在智慧農(nóng)業(yè)的全面推進(jìn)下，切實(shí)加強(qiáng)技術(shù)結(jié)合與技術(shù)創(chuàng)新；2)構(gòu)建智能化決策機(jī)制，合理制定農(nóng)業(yè)生產(chǎn)決策的相關(guān)要求與標(biāo)準(zhǔn)規(guī)范，加強(qiáng)信息互通、信息共享的理念，讓農(nóng)業(yè)決策規(guī)范化甚至制度化。