趙 鐸，周桂霞，趙勝雪,2

(1.黑龍江八一農(nóng)墾大學(xué) 工程學(xué)院，黑龍江 大慶 163319； 2.黑龍江省現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)技術(shù)小麥協(xié)同創(chuàng)新推廣體系，黑龍江 齊齊哈爾 161006)

0 引言

糧食生產(chǎn)在國民經(jīng)濟(jì)中一直處于基礎(chǔ)地位，糧食作為人類生存發(fā)展的基礎(chǔ)，絕大多數(shù)的食物供給來自于本土農(nóng)作物種植。我國目前人口數(shù)超過14億，保障我國居民日常糧食的及時(shí)供給問題首當(dāng)其沖。智慧農(nóng)業(yè)能通過物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、云計(jì)算等創(chuàng)新技術(shù)將傳統(tǒng)農(nóng)業(yè)下依靠大量勞動(dòng)力才能完成農(nóng)耕作業(yè)的生產(chǎn)模式轉(zhuǎn)變?yōu)槭r(shí)省力且能達(dá)到“可控制”的智能化、機(jī)械化生產(chǎn)模式，有助于提高農(nóng)業(yè)生產(chǎn)效率，推進(jìn)耕地資源合理利用，有效改善農(nóng)業(yè)生態(tài)環(huán)境，避免造成不必要的水肥資源浪費(fèi)，節(jié)省時(shí)間和人力成本，告別傳統(tǒng)繁重的勞動(dòng)作業(yè)，操作便捷，且有助于提升農(nóng)作物品質(zhì)，保障食品安全，令農(nóng)戶收益增多。

1 黑龍江發(fā)展智慧農(nóng)業(yè)的重要性

黑龍江是我國農(nóng)業(yè)大省,是全國最重要的商品糧基地和糧食戰(zhàn)略后備基地,農(nóng)業(yè)，特別是糧食生產(chǎn)在全國占有重要的戰(zhàn)略地位,肩負(fù)著保障國家糧食安全、生態(tài)安全的重任。黑龍江省的智慧農(nóng)業(yè)發(fā)展道路有利于實(shí)現(xiàn)對(duì)資源集約節(jié)約利用，解決經(jīng)濟(jì)發(fā)展和農(nóng)村資源有限的矛盾問題，保障未來人口基數(shù)大幅增加時(shí)所要面臨的糧食供應(yīng)問題，解決農(nóng)村生態(tài)環(huán)境惡化、污染嚴(yán)重的問題及未來構(gòu)建健全完善的現(xiàn)代農(nóng)業(yè)產(chǎn)業(yè)體系問題。

2 方法

為保證原始數(shù)據(jù)的全面、準(zhǔn)確和高可信度，選擇了中國知網(wǎng)作為數(shù)據(jù)源。檢索到的“黑龍江智慧農(nóng)業(yè)”作為一個(gè)數(shù)據(jù)集，年份范圍為2012—2022年。此外，數(shù)據(jù)類型被設(shè)置為文章，因此不包括非學(xué)術(shù)論文(如報(bào)告和會(huì)議文件)。最后，選擇了2 255篇論文進(jìn)行研究。根據(jù)CiteSpace獲得的統(tǒng)計(jì)數(shù)據(jù)，CiteSpace是目前應(yīng)用最廣泛的知識(shí)圖譜工具，用于挖掘、分析和可視化科學(xué)研究文獻(xiàn)的分析軟件。使用CiteSpace V軟件，版本為5.8.R3(64位)，通過在知網(wǎng)中獲得的原始數(shù)據(jù)繪制各種知識(shí)地圖，通過關(guān)鍵詞突發(fā)檢測可視化來分析研究趨勢。

3 研究現(xiàn)狀

3.1 機(jī)構(gòu)與關(guān)鍵詞分析

3.1.1 機(jī)構(gòu)分析

圖1顯示了一個(gè)由國內(nèi)研究頻率較高的機(jī)構(gòu)組織和作者組成的網(wǎng)絡(luò)。每個(gè)節(jié)點(diǎn)代表不同的組織機(jī)構(gòu)單位和作者。節(jié)點(diǎn)越大，出版物的頻率越高，同時(shí)這也間接反映出該組織機(jī)構(gòu)作出了比較權(quán)威且突出的貢獻(xiàn)。排名前五的組織機(jī)構(gòu)依次是河南工業(yè)大學(xué)、黑龍江省科學(xué)院、黑龍江農(nóng)墾紅興隆管理局宣傳部、黑龍江農(nóng)墾總局黨委宣傳部及東北農(nóng)業(yè)大學(xué)，由此說明國內(nèi)的機(jī)構(gòu)在智慧農(nóng)業(yè)領(lǐng)域有很好的影響力。從CiteSpace顯示的組織機(jī)構(gòu)網(wǎng)絡(luò)圖譜中可以得出結(jié)論：各組織機(jī)構(gòu)目前暫無節(jié)點(diǎn)連接，即當(dāng)下高校和研究所等其他單位的研究較為獨(dú)立。

圖1 國內(nèi)在做智慧農(nóng)業(yè)研究的組織機(jī)構(gòu)

3.1.2 關(guān)鍵詞分析

關(guān)鍵詞作為對(duì)學(xué)術(shù)論文研究熱點(diǎn)的高度概括，既是論文的核心，同時(shí)又能代表目前學(xué)科領(lǐng)域內(nèi)的研究重點(diǎn)。通過對(duì)相關(guān)出版物中的關(guān)鍵詞總結(jié)和分析，能描述一個(gè)領(lǐng)域的主題。表1列出了出版物中出現(xiàn)頻率最高的30個(gè)關(guān)鍵詞，與智慧農(nóng)業(yè)密切相關(guān)的主要概念分布廣泛。其中“物聯(lián)網(wǎng)”“智慧農(nóng)業(yè)”“互聯(lián)網(wǎng)+”“無人機(jī)”“農(nóng)業(yè)”出現(xiàn)的頻率較高，這說明智慧農(nóng)業(yè)相關(guān)的智能裝備技術(shù)是研究者關(guān)注的熱點(diǎn)，有利于促進(jìn)智慧農(nóng)業(yè)領(lǐng)域的進(jìn)一步發(fā)展。如何利用物聯(lián)網(wǎng)技術(shù)提升農(nóng)業(yè)生產(chǎn)效率，做到精細(xì)作業(yè)是研究人員關(guān)注的另一大問題，如“深度學(xué)習(xí)”、移動(dòng)通信技術(shù)“l(fā)ora”、“信息化”和“大數(shù)據(jù)”。

表1 智慧農(nóng)業(yè)前30位關(guān)鍵詞

3.2 關(guān)鍵詞突現(xiàn)分析

圖2顯示了智慧農(nóng)業(yè)領(lǐng)域出版物中的突現(xiàn)關(guān)鍵詞，表明在一段時(shí)間內(nèi)關(guān)鍵詞的頻率急劇增加。淺色基線上的深色線段表示關(guān)鍵詞的頻率突然增加，深色線段的位置表示突發(fā)的時(shí)間段。爆發(fā)的關(guān)鍵詞表示在該時(shí)間段內(nèi)相關(guān)話題是最活躍的，或者出版物增長是最快的，同時(shí)也是研究人員關(guān)注和研究的。因此，突現(xiàn)關(guān)鍵詞是明確該領(lǐng)域進(jìn)一步發(fā)展的重要標(biāo)志，為該領(lǐng)域的進(jìn)一步發(fā)展指明了方向。對(duì)數(shù)據(jù)集“智慧農(nóng)業(yè)”“黑龍江”(2012—2022)中文章中的關(guān)鍵詞進(jìn)行了突變分析，共檢測出774個(gè)獨(dú)特的關(guān)鍵詞，提取了強(qiáng)度最大的4個(gè)突現(xiàn)關(guān)鍵詞。

根據(jù)圖2對(duì)突現(xiàn)關(guān)鍵詞的分析，智慧農(nóng)業(yè)的研究趨勢明顯呈現(xiàn)兩個(gè)時(shí)期：2016—2017年、2020—2022年。“農(nóng)業(yè)”是第一時(shí)期突現(xiàn)的關(guān)鍵詞，是智慧農(nóng)業(yè)必不可少的研究方向。 在第二時(shí)期，數(shù)字鄉(xiāng)村成為中央政府帶頭強(qiáng)調(diào)的農(nóng)業(yè)工作領(lǐng)域的重點(diǎn)內(nèi)容，如“鄉(xiāng)村振興”，已被廣泛研究。其次，“深度學(xué)習(xí)”強(qiáng)度得分5.17，是第二時(shí)期突現(xiàn)力較高的關(guān)鍵詞，是智慧農(nóng)業(yè)領(lǐng)域的一個(gè)重要方向。深度學(xué)習(xí)在物聯(lián)網(wǎng)中被廣泛應(yīng)用，用于感知環(huán)境、農(nóng)作物及畜禽識(shí)別、病蟲害監(jiān)測預(yù)警等方向，提升精細(xì)農(nóng)業(yè)的智慧種植養(yǎng)殖。隨著智能裝備的不斷應(yīng)用，黑龍江省智能農(nóng)機(jī)產(chǎn)業(yè)也得到大力研究和發(fā)展，黑龍江省的智慧農(nóng)業(yè)領(lǐng)域具有廣闊的發(fā)展應(yīng)用前景。

圖2 智慧農(nóng)業(yè)中突現(xiàn)關(guān)鍵詞

3.3 關(guān)鍵詞聚類分析

關(guān)鍵詞聚類可展現(xiàn)出該領(lǐng)域不同研究方向的熱點(diǎn)。通過CiteSpace的對(duì)數(shù)似然比(LLR)算法得到關(guān)鍵詞共現(xiàn)類聚，這些聚類的內(nèi)部牢固附著。從聚類的結(jié)果中可明確特定領(lǐng)域的研究內(nèi)容、研究方向和研究趨勢。圖3是關(guān)鍵詞聚類圖，其中有774個(gè)節(jié)點(diǎn)和1 019個(gè)連接，拓?fù)渚W(wǎng)絡(luò)密度為0.002 7，節(jié)點(diǎn)之間的連接數(shù)大于自身的連接數(shù)，說明該領(lǐng)域的關(guān)鍵詞關(guān)系密切，即不同的研究方向和研究內(nèi)容有不同的交叉和融合，通常用平均剪影來評(píng)價(jià)聚類。結(jié)果表明：Modularity Q=0.892 6，表示聚類效果非常顯著。平均剪影=0.813 2,其表明聚類結(jié)果非?？煽?。最終一共得到20個(gè)聚類，聚類大小與聚類數(shù)成反比，節(jié)點(diǎn)大小與引用頻率成正比。相關(guān)研究大致涵蓋了人工智能(如#0app、#9深度學(xué)習(xí)、#19機(jī)器學(xué)習(xí))；物聯(lián)網(wǎng)(如#1物聯(lián)網(wǎng)、#21監(jiān)控系統(tǒng))；智能農(nóng)機(jī)裝備(#5農(nóng)業(yè)、#11智慧農(nóng)業(yè))?？梢钥闯?，在智慧農(nóng)業(yè)領(lǐng)域內(nèi)智能化技術(shù)仍是研究重點(diǎn)。通過人工智能及物聯(lián)網(wǎng)等研究，促進(jìn)了精細(xì)農(nóng)業(yè)的發(fā)展(如#11智慧農(nóng)業(yè)、#16遙感；)從而改善智慧農(nóng)業(yè)下機(jī)械和人工作業(yè)造成的作業(yè)誤差。

圖3 關(guān)鍵詞聚類群集視圖

通過關(guān)鍵詞聚類和突現(xiàn)檢測，從人工智能與智慧農(nóng)業(yè)(如#0app、#9深度學(xué)習(xí)、#19機(jī)器學(xué)習(xí))、物聯(lián)網(wǎng)與智慧農(nóng)業(yè)(如#2物聯(lián)網(wǎng)、#21監(jiān)控系統(tǒng))、智能裝備與智慧農(nóng)業(yè)(如#5農(nóng)業(yè)、#11智慧農(nóng)業(yè))3個(gè)方面來對(duì)智慧農(nóng)業(yè)領(lǐng)域的發(fā)展和演變進(jìn)行綜述概括。

3.3.1 人工智能技術(shù)

人工智能技術(shù)的關(guān)鍵就是通過對(duì)人類思維的模擬，對(duì)農(nóng)業(yè)生產(chǎn)過程中產(chǎn)生的問題進(jìn)行正確分析和解決，Zhang H等[1]人,提出基于對(duì)象的深度學(xué)習(xí)生態(tài)環(huán)境要素分類方法，是通過訓(xùn)練一個(gè)深度卷積神經(jīng)網(wǎng)絡(luò)(DCNN)用來區(qū)分不同的環(huán)境因素，再通過訓(xùn)練的DCNN來提取子圖像的深度特征，結(jié)果表明，該方法的分類精度達(dá)到了96.77%，但是該算法的問題就是難以從圖像層面上區(qū)分極度相似的生態(tài)環(huán)境，相似元素較多，如裸地和濕地；Zhou Z等[2]提出一種基于卷積神經(jīng)網(wǎng)絡(luò)(CNN)的Landsat-8多光譜遙感圖像花生種植面積提取方法，結(jié)果表明，CNN結(jié)構(gòu)總體精度為96.42%。Kappa效率為0.944，利用CNN對(duì)作物進(jìn)行多光譜圖像作物識(shí)別，在農(nóng)業(yè)遙感分類中具有較大潛力。

3.3.2 物聯(lián)網(wǎng)技術(shù)

農(nóng)場想要實(shí)現(xiàn)智能化，需要裝備、農(nóng)業(yè)種植、養(yǎng)殖及管控云平臺(tái)系統(tǒng)形成一個(gè)實(shí)時(shí)傳遞數(shù)據(jù)信息的實(shí)體網(wǎng)絡(luò)，智能裝備再根據(jù)動(dòng)植物的實(shí)時(shí)狀態(tài)進(jìn)行靶向作業(yè)。物聯(lián)網(wǎng)會(huì)為這樣的作業(yè)條件提供技術(shù)支持，為生長調(diào)控提供準(zhǔn)確參數(shù)，提供智能裝備的狀態(tài)感知技術(shù)等。張麗鳳等[3]通過對(duì)比國內(nèi)外大型生鮮農(nóng)產(chǎn)品領(lǐng)域建立了典型追溯系統(tǒng)，如表2所示，并研究了農(nóng)產(chǎn)品溯源系統(tǒng)中物聯(lián)網(wǎng)技術(shù)的應(yīng)用進(jìn)展。

表2 國內(nèi)外大型生鮮農(nóng)產(chǎn)品領(lǐng)域典型追溯系統(tǒng)

物聯(lián)網(wǎng)技術(shù)與畜禽養(yǎng)殖相結(jié)合，逐漸成為畜牧業(yè)養(yǎng)殖的發(fā)展重心，如智能養(yǎng)豬需要智能飼喂系統(tǒng)(Velos)、環(huán)控系統(tǒng)、監(jiān)控系統(tǒng)協(xié)同合作，同時(shí)結(jié)合人工智能大數(shù)據(jù)分析才能發(fā)揮最大的作用。宣君[4]基于時(shí)分復(fù)用組建LoRa無線傳感星型網(wǎng)絡(luò)，從節(jié)點(diǎn)將母豬信息與豬舍環(huán)境通過LoRa傳輸?shù)絽R聚節(jié)點(diǎn)。母豬思維決策專家系統(tǒng)通過母豬及豬舍環(huán)境能精準(zhǔn)決策每日飼喂量，并準(zhǔn)確傳輸至飼喂器進(jìn)行下料。

3.3.3 智能裝備技術(shù)

智能農(nóng)機(jī)裝備具備智能化控制系統(tǒng)，不僅能完成耕作、收獲、灌溉和病蟲害防治等傳統(tǒng)作業(yè)，還能完成土壤信息采集及農(nóng)作物產(chǎn)量采集工作，為精準(zhǔn)農(nóng)業(yè)提供技術(shù)支持。雖然智能裝備在智慧農(nóng)業(yè)領(lǐng)域里的作業(yè)效率高，但仍存在以下幾方面問題。1)智能裝備的計(jì)量與信息采集不配套，如畜禽自動(dòng)飼喂與飲水裝備之間的不協(xié)調(diào)造成智能化精準(zhǔn)飼喂難以實(shí)現(xiàn)；2)針對(duì)現(xiàn)有設(shè)備的清理和檢修問題依舊存在，如在目前畜禽養(yǎng)殖中的部分清糞工作強(qiáng)度大，設(shè)備檢修難；3)種植養(yǎng)殖環(huán)境管理粗放，信息化作業(yè)水平不足導(dǎo)致的效率低下、環(huán)境嚴(yán)重污染及設(shè)備落后[5]；4)當(dāng)前的智能裝備需要與種植養(yǎng)殖模式相結(jié)合，如限位欄的豬圈結(jié)構(gòu)無法使用ESF(Electronic Sow Feeding,母豬電子飼喂站)[6]；5)通過每臺(tái)智能裝備上控制面板對(duì)系統(tǒng)參考系數(shù)進(jìn)行調(diào)控或通過設(shè)備反饋的數(shù)據(jù)進(jìn)行采集分析和可視化展示，需要從業(yè)者具備一定的綜合素質(zhì)與智能知識(shí)來維護(hù)整套設(shè)備系統(tǒng)的運(yùn)行。

4 總結(jié)與展望

本研究介紹了智慧農(nóng)業(yè)領(lǐng)域的詳細(xì)科學(xué)圖譜分析結(jié)果。通過CiteSpace分析了2012—2022年期間發(fā)表的2 255篇文章，突出了高度活躍的研究領(lǐng)域。從上述文獻(xiàn)綜述中可以看出，研究人員為了提升智慧農(nóng)業(yè)領(lǐng)域中的技術(shù)發(fā)展做出了各種努力。因此，使農(nóng)作物長勢或病害及畜禽環(huán)境識(shí)別等問題都得到了不同程度的改善。人工智能技術(shù)和物聯(lián)網(wǎng)技術(shù)在智慧農(nóng)業(yè)中如何更加精準(zhǔn)的實(shí)現(xiàn)智能識(shí)別與監(jiān)控的問題，仍然是人們關(guān)注的焦點(diǎn)，智慧農(nóng)業(yè)下智能裝備的智能控制仍有廣闊的研究空間。