人工智能与数字农业创新

iNote-人工智能与数字农业创新

1. 农业变化新趋势

传统种养殖业的育种、灌溉、施肥、饲养、疾病防治、运输和销售等环节,均是以“人”为核心,主要依靠过去积累的经验或手艺来进行判断决策和执行,导致整体生产环节效率低、波动性大、农作物或农产品质量无法控制等问题。依靠传统生产要素的投入已经很难解决农业面临的挑战,必须将决策因素从“人”转换为“数据”,以数据为核心实现生产决策的管控和精准实施。

土地流转、农业规模化发展,新型农业经营主体的壮大,为推进人工智能技术农业创新应用提供了良好条件。

传统农业与数字农业比较

2. 数字农业是什么

针对农业人工智能,近年来,学术界相继提出了智慧农业、精准农业、设施农业、数据农业等一系列概念,但其本质都具有以下共同特点。

首先,基于农业实验数据和历史生产经验,充分运用知识表示、推理等技术,借鉴农业专家宝贵经验,构建农业智能模型系统;

其次,利用农业传感器件实时收集生产环境的基础运行参数信息;

再次,利用农业智能模型系统 对农业资源所产生的海量数据信息进行分析、挖掘、预测、呈现等,为农业管理者决策提供更加精准的服务,提升决策质量。

精准农业、数字农业、智慧农业、智能农业

在众多观点中,数字农业最易理解和被普遍接受,数字农业是按照绿色发展理念,将数字化信息作为新的农业生产要素,将互联网、物联网、云计算、 大数据、人工智能、智能设备与现代农业深度融合,实现农业生产全过程的信息感知、定量决策、智能控制、精准投入、个性化服务的新兴农业发展形态,能够大幅提升农业产业链运营效率并优化资源配置效率,是数字经济范畴下用数字化重组方式对传统产业进行变革和升级的典型应用之一。

3. 数字技术对农业效益提升明显,市场规模巨大

根据华为《联网农场智慧农业市场评估》,到2020年,数字农业的潜在市场规模有望由2015年的138亿美元增长至268亿美元,年复合增长率达 14.24%。

4. 数字经济提升产业效率能力已显,或渐成各国农业行业增加值中主要推动力

从数字农业领先国家的情况来看,各国均重视发展农业技术,同时因地制宜,各自开发出适合自身的数字农业成长路线。

根据中国信息通信研究院发布的《G20 国家数字经济发展研究报告(2017 年)》, 2016年,G20 国家农业数字经济占行业增加值比重排名中,整体来看,欧美 国家、东亚国家排名较高,第一名英国数字农业占行业增加值比重高达25.1%,德国、韩国分别以21.3%、14.7%与英国位列前三位,而美国、日本、法国位列第 4-6 位,农业数字经济占比均超过 10%。我国位列第九,占比也超过了5%。

4.1. 美国:优质自然禀赋与先进技术奠定数字农业全球领先地位

美国是世界上农业最发达的国家,也是世界上最大的农产品出口国,农业约占其GDP的1.2%。

20 世纪80年代初,美国最早提出了精准农业的概念,美国拥有世界最大的农业网络系统AGNET,信息网络覆盖全美 46个州,以及加拿大6个省和其他 7个国家,信息联通美国农业部、15个州的农业署、36 所大学和大量的农业企业,使农业信息能够即时转播、实时传递。美国41.6%的家庭农场、46.8%的奶牛场和 52%的年轻农场主通过计算机进行网络信息联络,有专业的农业技术服务组织将农业信息提供给农民,服务于农业生产管理和精细化耕作。

美国AGNET Crop Scape

农业技术的进步是推动美农业生产力提高的主要力量。现在,美国农场主常使用复杂的技术(机器人,温度和湿度传感器,航拍图像和 GPS 技术)提高生产力。在成本几乎不变的情况使企业收入持续增长,也获得较高的市场竞争力。

4.2. 德国:高水平农机推动德国农业快速进入数字农业时代

德国是欧盟主要的农产品生产国之一,是世界上第三大农产品和食品出口国。德国农业发达,机械化程度高,是世界最大的农机出口国。德国农业经营模式以中、小型家庭农场为主,由于农业生产率和科学技术水平的提高,为扩大规模优势,农场被不断合并,数量不断减少。

德国是率先实施“工业4.0”的国家,而“数字农业”基本理念与“工业 4.0”基本相似。二者都需要通过物联网、大数据、云技术的应用,将数据由传感器从种植对象或养殖对象处收集,再上传至数字技术综合应用平台,进行处理后再分发会对应农机上。数字农业使德国农业效率进一步提高。

德国数字农业

德国政府重视数字农业发展,由大型企业牵头研发“数字农业”技术。据德国机械和设备制造联合会的统计,德国2016年在农业技术方面的投入为54亿欧元。作为欧盟成员,德国同时受益欧盟数字化战略。2016年,欧盟提出“欧洲工业数字化”(Digitizing European Industry, DEI)战略,该战略希望通过推动对传统产业的数字化改造,提升欧盟在包括农业等多个传统行业的整体竞争力。德国大型企业如拜尔等专注基于农业智能机械和装备,不仅开发数字农业管理平台,还可提供实施数字农场改造项目的服务,打通农业全环节以为农民提供数字农业综合解决方案。

4.3. 以色列:恶劣环境倒逼数字农业技术提升以实现资源可持续利用

以色列天然水资源短缺、降水稀少,有三分之二的地区被定义为半干旱或干旱地区,建国初期80%的粮食靠进口。 经过农业现代化进程,截至 2016年,以实现了本国生产可满足自身95%的需求。

资源匮乏迫使国家聚力提高农业效率,为挖掘大数据潜力刺激数字农业发展。为使资源应用效率最大化,以色列农业部等政府部门通常利用宏观手段支持农业科技创新,包括技术的开发和农业新技术公司的创业。数据是做出有效利用资源决策的重要依据,因此为获得数据,围绕水利灌溉技术、农业自动化、机械化和信息化等技术的先进应用随之诞生,并帮助以色列农业效率实现了进一步的提高。目前,农业是以色列大类产业中生产力最高的产业,根据以色列农业农村发展部数据,以1995 年为始点,自2000 年后,农业生产效率便一路腾飞,高居制造业、交通与信息业、贸易与商业、建筑业生产力之上。

以色列农业科技创业公司

节约+高效始终是以色列数字农业的主题。资源紧缺使以色列农民较其它农业发达国家更加关注粮食安全、气候变暖以及世界水资源减少等危机。现在以色列各个年龄段的农民都明白,使用现代技术不仅有助于开发减少的农业资源,即水、田地和人力资源,还可以提高产量,节省农业开支,并将产品废弃物减少到几个百分点。

近年来,以色列越来越多的 农业领域正在通过热像仪,传感器,无人机,卫星图像,多转子和探头进行技术监测。数据24小时都可被收集和传输直接发送给农民,大幅提高了农民相应速度,有助于在使农民任何时刻都可根据实际数据进行决策,从而最大限度地减少了极端天气条件下的农业损害、最大限度地提高农业产量。

5. 乡村振兴+5G时代来临,我国数字农业机会几何

5.1. 现状:数字农业发展相对滞后,数字化转型刚开始

根据中国信息通信研究院发布的《中国数字经济发展与就业白皮书(2019 年)》。三产中,我国农业数字经济占农业整体比重的平均值为7.30%,较去年增0.72pct,而工业为 18.30%(+1.09pct),服务业为 35.90%(+3.28pct)。与工业和服务业相比,农业不仅数字化水平处于相对较低位置,数字化速度也相对较慢。农业各细分行业中,数字经济占比程度从高到低依次为林产品、渔产品、农产品、畜牧产品,均低于大多数服务业和工业行业,农业存在较大数字化提升空间。

5.2. 政策利好:乡村振兴+补贴激励,为数字农业发展带路

农业相关政策持续的倾斜对于数字农业的发展形成长期的利好。

在2011年国务院发布了《全国农业农村信息化发展“十二五”规划》之后,国家更是加大了对于数字农业发展的支持,连续多年的中央一号文件都提到了农业信息化、现代化等内容。

2014 年,中央一号文件首次提出“建设以农业物联网和精准装备为重点的农业全程信息化和机械化技术体系”,将物联网建设作为农业信息化的重点工程。

2015 年后关于农业数字化的政策出台频率不断加快,体现出国家层面对于传统农业进行数字化升级的重视度不断提升。

2017年7月,国务院印发了《新一代人工智能发展规划》,明确提出:“发展智能农业、 建立典型农业大数据智能决策分析系统,开展智能农 场、智能化植物工厂、智能牧场、智能渔场、智能果园、农产品加工智能车间、农产品绿色智能供应链等集成应用示范”

根据《“十三五”全国农业农村 信息化发展规划》提出的发展目标,到 2020 年,农业生产智能化水平大幅提升,物联网等信息技术应用比例达到 17%以上,年均增速达到10.8%。

6. 数字农业商业化应用及案例

6.1. 设计育种

种业是国际农业竞争的战略高地,设计育种是融合农业育种与生物信息、大数据、人工智能等前沿学科领域,分子设计育种是未来竞争的主阵地。

人工智能与设计育种

通过基因测试整合遗传变异数据实现作物性状调控基因的快速挖掘与表型精准预测;通过基因编辑改造基因合成回路,使作物具备新的抗逆、高产等生物学性状;通过人工智能设计育种方案创建智能组合优良等位基因数量性状位点的育种设计方案。

6.2. 种植管理

杭州云合智联科技有限公司建立以种植者为中心的服务体系,融合农业科技和数字技术,打造种植“工具箱”。为种植者提供基于作物和商业洞察的种植方案,引导农场主平衡时间与资源投入,有效地降低生产成本、增强综合生产能力。

人工智能应用于种植管理

在种植环节,为帮助农场摆脱人力依赖,构建集环境生理监控、作物模型分析和精准调节为一体的智能农业系统,依靠物联网和人工智能实现智能排产、智能监测、智能作业,进行农产品的差异化生产。

在生产管理环节,通过大数据与人工智能进行经营决策的“数字化”制定,提高效能,实现可预测可调整、产量和质量并重的种植。

6.3. 农业机器人

6.3.1. 嫁接机器人

对于西瓜、番茄等一些具有重茬病害的作物来说,种苗嫁接是实现低成本持续种植的重要方法,但是种苗嫁接面临用工难,成活率难保证的问题。

日本的TGR 嫁接技术研究院研发的一款专门用于葫芦科作物执行嫁接工作的智能机器人。可以自动检测出合适嫁接幼苗以及有缺陷的幼苗并跳过这些有缺陷的幼苗。这种嫁接机器人的接枝成功率在98%。

6.3.2. 除草机器人

农田杂草与农作物竞争空间养分,有些杂草还是农作物病虫害的宿主。长时间使用除草剂已经对农田造成了土壤板结,杂草抗逆性等问题,用人工除草也不现实。

除草机器人利用机器视觉识别土壤和植物,经过去除土壤背景、苗草分离、定位目标,铲除杂草等步骤可以实现不间断除草作业。

6.3.3. 采摘机器人

人工采摘水果成本太高,集中成熟期还面临人工短缺等问题。采摘机器人一直是机器人领域的重点。比利时OCTINION开发的草莓采摘机器人采用Dribble自主平台,无需要对种植设施改造即可实现温室内导航,利用计算机视觉系统可精准判断草莓成熟度,3秒完成一次采摘,采摘和分拣质量与熟练工人相媲美。

6.3.4. 无人驾驶拖拉机

2016年凯斯把Magnum T8大马力拖拉机升级改装为自动驾驶拖拉机,可自主作业或与传统农机协同作业,可以通过雷达、测距激光和视频摄像头,侦测并避开障碍物,自主或手动规划路径,远程控制监测拖拉机和农具作业燃油或种子耗尽前,可自主回到基地进行补给。

6.3.5. 播种机器人

美国爱荷华州的发明家David Dorhout研发的智能播种机器人Prospero,通过探测装置获取土壤信息,通过内置算法得出最优化的播种密度,完成自动播种。不同Prospero机器人还可以编队作业,大大提高效率。

6.4. 病虫害检测

美国孟山都公司与DataRobot机器人公司合作研发出一种能够准确检测和分类植物害虫与疾病的图像识别算法,准确率高达95.7%,无论速度还是准确率,都远远超过农业专家。

美国数据农业技术公司Resson利用AI开发出一种智能图像识别算法,准确地监测和分类植物害虫与疾病。分析虫情趋势,发出虫情预警。

人工智能应用于病虫害识别

中国杭州云合智联科技有限公司利用利用UAV携带多光谱成像传感器采集植被信息,经图像识别算法准确监测和分类植物病虫和健康程度,30分钟可完成300亩农作物检测,精确度高达95%。

6.5. 农产品无损检测

利用图像处理技术在不损坏检测对象的前提下,利用水果外部特征和内部结构所引起的物化反应变化,探测其性质和数量变化进行无损检测,获取农产品表面尺寸、形状、颜色等物理参数,对农产品进行质量评估和分级。

6.6. 植物工厂

植物工厂通过物联网采集温室内实时环境数据,利用大数据分析和人工智能进行智能化调控、精细化施肥,可达到提高产量、改善品质、 节省人力、提高经济效益的目的。

未来,人类长期驻扎火星,同样需要智能植物工厂提供食物。

植物工厂为太空移民提供食物

6.7. 畜牧养殖

加拿大的Cainthus机器视觉公司通过农场的摄像装置获得牛脸以及身体状况的图像信息,通过深度学习对牛的情绪和健康状况进行分析,帮助养殖场判断牛的身体状况。

荷兰的Connecterra通过奶牛身上的可穿戴设备,结合固定探测器收集数据,可以实现健康分析、发情期探测等功能。

7. 人工智能在农业领域面临的挑战

7.1. 农村网络基础设施薄弱

全球农村网络整体性能情况不到城镇的20%,大部分农田附近,移动网络信号不够稳定或根本不存在很难在农田部署农业物联网设施,严重影响农业人工智能实施的效果与质量。特朗普发你对华为制裁,导致美国农村地区运营商无法采购部署低廉通讯设备,会进一步延缓美国农业智能化发展。

7.2. 缺乏足够的农业数据

多数人工智能应用集中于工业自动控制、智慧城市、智慧教育等商业化程度高、运营效益好的领域,相关AI公司、设备制造商以及服务提供商还没有大力发展农业领域的AI应用。其原因是AI公司需要依靠大量数据累积、迭代和自动标注形成良性循环,并在实践中进行适当训练。由于作物生长的周期性规律,大规模数据只能每年产生或使用一次。农业生物对象的知识和模型的获得往往需要几十年甚至上百年的研究积累。这种行业特征严重制约了AI公司从事农业人工智能应用研发的积极性。

7.3. 采用精益方法推广农业人工智能的风险

精益方法论的核心是生产系统能够快速适应用户需求变化。然而,在农业生产领域,地理位 、周围环境、气候水土、病虫害、生物多样性、复杂的微生物环境等,都在影响着农作物生产。因此,一个特定生产环境中测试成功的农业AI模型,未必能够大范围推广,外界环境变化后,如何调整算法和模型是农业人工智能公司面临的巨大挑战,这需要来自行业间以及农学家间更多的协作。同时,农民也不会冒险在其土地采用全新技术,总是希望在大规模推广前亲自体验到新产品或者新技术在自己土地上拥有上佳表现。因此,精益方法论的“快速进入市场”和“快速扩张”策略不太适合农业人工智能发展模式。

8. 人工智能在农业中的应用展望

农业特点的人工智能主要是四个方面,一是大数据智能,即大数据驱动与知识引导相结合的数据挖掘技术;二是体协同智能,即集群智能和多体协同智能;三是智能感知与识别,即多模态感知、融合表达与跨体认知技术;四是混合增强智能,即人机融合(“人在回路”)的智能。

8.1. 大数据智能

大数据智能是数据挖掘与人工智能技术的深度融合应用大数据智能技术,可以从与农业生产过程密切相关的属性数据和空间数据中找出隐藏的规律,按规律制定正确的精准农业策略。

8.2. 跨媒体智能

随着人类文明的进步以及科技的发展,信息的传播也逐渐从文字、图像、音频、视频等单一媒体形态逐步过渡到相互融合的多媒体形态,这一过程也越来越显现跨媒体特性,而如何实现跨媒体分析与推理就成为了研究和应用的关键问题。农业机器视觉系统是实现跨媒体分析与推理的核心,应用跨媒体智能,提高光谱、视频等图像的分析与处理能力,提升病虫害诊断水平。

8.3. 群体智能

人类群体、大数据、物联网已实现深度互联,群体智能正深刻改信息物理世界,群体智能将会极大促进农产品电商、安全追溯、流通管理。

8.4. 混合增强智能与自主智能

由于人类面临的许多问题具有不确定性、脆弱性和开放性,任何智能程度的机器都无法完全取代人类,这就需要将人的作用或人的认知模型引入到人工智能系统中,形成混合增强智能的形态。人工智能无法取代人类,人类认知模型与人工智能相结合形成的混合增强智能将会极大促进无人驾驶、农业机器人等应用。

9. 参考文献

StaffordV.John Precision agriculture’15 [书籍]. wageningen academic publishers, 2015.

ZhangQin precision agriculture technology for crop farming [书籍]. crc press, 2015.

陈桂芬 大数据时代人工智能技术在农业领域的研究进展 [文章] // 中国农业文摘. - 2019年. - 卷 1.

天风证券 数字农业方兴未艾,谁将成为关键入口 [报告]. - 2019.

赵春江 人工智能引领农业迈入新时代 [文章] // 中国农业信息. - 2018年. - 卷 01.

创业
发表于 2019-06-29,更新于 2024-03-28 阅读量: