一座蔬菜大棚中的智能調節設備
“人工智能與大數據技術是我們發展現代農業、智慧農業核心的基礎技術。”日前，中國農業科學院農業信息研究所（以下簡稱信息所）所長孫坦研究員走上農科講壇，為與會者作了題為“大數據驅動的智慧農業”的報告。
人工智能與大數據的農業應用場景
孫坦指出，智慧農業不是憑空出現的，但是智慧農業具備產業化的市場標準、顛覆式轉變是在人工智能技術出現之后。分析發現，智慧農業領域以大數據和人工智能為基礎和主要驅動力。
農業領域的人對傳統病蟲害防治場景都非常熟悉。但是在智慧農業的環境下，病蟲害防治將呈現另外一種景象：悉尼大學研發的針對蘋果進行精準打藥的智能機器人，首先通過圖像識別病蟲害的位置，之后根據識別結果，對病蟲害進行精準打藥。
再來看智慧農業的果品采摘場景：日本松下公司研發的西紅柿采摘機器人，通過圖像識別算法獲取西紅柿的位置、顏色和形狀等信息，并精準采摘成熟的西紅柿。
“智慧農業實際上也被稱為農業3.0，核心特點是數據加智能，廣泛地通過智能感知系統獲取相關的信息和數據，然后通過對所獲取的數據分析、整理和挖掘驅動群決策。它的智能化程度非常高，使用智能機械。”孫坦說。
如果分析國內外目前關于智慧農業的研究動態將會發現，2015—2017年SCI關于智慧農業的發文和被引情況中，其發文量在倍增，被引量增長也非常明顯。
“說明智慧農業已經成為研究熱點，但研究水平相對較低。”孫坦指出。繼續分析發現，智慧農業非常強調數據的重要性和精準性，主要應用是農業的可視化遠程診斷、遠程控制、災變預警等智能管理。
如果對比智慧農業和人工智能的關鍵詞，會發現它們的重復率非常低。“這也說明人工智能技術在農業研究領域的應用還不是特別充分，仍然是以3S技術、傳感器、農業物聯網、農業遠程自動控制為主要研究對象。”孫坦說。
大數據在農業領域另一個重要應用是計算育種：首先遴選種質資源和基因資源，然后收集它們的表型數據，把表型數據和基因數據進行融合，接著進行組裝映射。在映射過程中，標記和確認感興趣的用于育種的材料，也就是它的基因片段，然后進入到分子育種階段。
“這種模式在未來會成為計算育種或者育種專家一個重要的助手、工具，甚至是替代性的工具。”孫坦指出。
面向區域的整體技術解決方案
在簡單考察了國際上關于智慧農業的情況之后，信息所根據研究布局和特長，選擇了大數據的融合治理與并行計算、機器視覺與表型、農業模型和全局數據管理、信息控制，以及計算育種為重點發展方向。
孫坦介紹，在大數據驅動的智慧農業的基本范式上，信息所推出了1+1+N的模式：一個智慧農業大數據中心，支撐一個智慧農業大數據決策指揮平臺，帶動N個面向區域特色的智慧農業的具體應用。從主體決策上來講，包括生產經營者、消費者和管理者；從要素上來講，涵蓋農業投入品、產出品和廢棄物。
具體而言，首先，需要做數字農業系統，完成數字農業的本底資源的數字化才能為智慧農業提供基礎支撐。然后主要是智慧農場、智慧牧場和現代農業產業園區等應用；在政府監管方面，包括土地管理、農資監管、補貼、扶貧、信貸、保險、環保監管、食品安全等，都要融入到整個數字農業的產業系統之中。最后，產生的所有數據進入到大數據中心，融匯整理和挖掘之后，再反過來去支撐生產、管理以及消費系統。“這是我們面向區域的一個整體技術解決方案。”孫坦說。
在模型建設和機器視覺與表型深度學習的基礎上，建立全局的大數據管理平臺。例如智慧農業果園管理平臺，把政府的監管、電子商務、質量溯源、監測控制應用和整個生產過程都集成到一個平臺上。
孫坦認為，智慧農業的模型必須為農業節本提質增效發揮作用。只有有了模型，才能讓自動化農業裝上中國芯，才會讓它有腦，實現智能。
“我們之所以很看重機器視覺與表型，是因為它是一種低投入，并且是可以有效替代人工勞動力的技術解決方案；之所以很看重全局數據控制和信息管理，是因為我們站在區域以及農業和其他產業的相互關聯的視角上，去解決整個過程中的數據分析、控制、挖掘以至于決策支持，并進行傳遞。”孫坦說。
不過，孫坦也指出了目前智慧農業領域的技術瓶頸：農業物聯網缺乏智慧；農業傳感器投入高，質量不穩定；勞動力替代問題尚無定論；流程控制和全局管理問題。
他認為解決方案包括：要堅持大數據驅動，堅持多源數據的融匯；加強流程信息管理；走軟件替代硬件的道路，降低成本；做動態的智慧決策。
因此，智能模型技術是跨越農業互聯網、實現智慧農業不可或缺的核心和基礎；機器視覺與表型技術是很重要的手段和渠道；全產業鏈的信息管理和控制，是發揮大數據全局治理優勢，支持各個環節、局部和整體不同范圍決策的一個重要基礎。
