书签 分享 收藏 举报 版权申诉 / 140

类型中国人工智能学会:2016中国人工智能系列白皮书——智能农业(140页).pdf

  • 上传人:理理
  • 文档编号:64897
  • 上传时间:2016-12-02
  • 格式:PDF
  • 页数:140
  • 大小:2.41MB
  • 配套讲稿:

    如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。

    特殊限制:

    部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。

    关 键  词:
    中国 人工智能 学会 2016 系列 白皮书 智能 农业 140
    资源描述:

    《中国人工智能学会:2016中国人工智能系列白皮书——智能农业(140页).pdf》由会员分享,可在线阅读,更多相关《中国人工智能学会:2016中国人工智能系列白皮书——智能农业(140页).pdf(140页珍藏版)》请在三个皮匠报告文库上搜索。

    1、中国人工智能系列白皮书 中国人工智能系列白皮书中国人工智能系列白皮书 -智能农业智能农业 中国人工智能学会中国人工智能学会 二二一六年九月一六年九月 中国人工智能系列白皮书 目 录 第 1 章 智能农业发展背景 .1 1.1 人工智能在农业领域中的应用历程 . 1 1.2 智能农业及其发展趋势 . 8 第 2 章 农业智能分析 .12 2.1 农业数据挖掘 . 12 2.1.1 农业数据挖掘特点 . 12 2.1.2 农业网络数据挖掘 . 13 2.1.3 农业数据挖掘应用 . 16 2.2 农业数据语义分析 . 18 2.2.1 农业数据语义模型 . 18 2.2.2 农业数据存储模型 .

    2、19 2.2.3 农业数据知识发现 . 20 2.2.4 农业数据语义检索 . 21 2.2.5 分布式农业知识协同构建 . 21 2.3 农业病虫害图像识别 . 22 2.3.1 基于机器视觉的农业病虫害自动监测识别系统框架 23 2.3.2 农业病虫害图像采集方法 . 24 2.3.3 农业病虫害图像预处理 . 26 2.3.4 农业病虫害特征提取与识别模型构建 . 27 2.3.5 农业病虫害模式识别 . 28 2.4 动物行为分析 . 29 2.5 农产品无损检测 . 34 2.5.1 农产品的无损检测 . 35 2.5.2 农产品无损检测主要方法与基本原理 . 36 2.5.3 无损

    3、检测在农产品质量检测中的应用 . 38 1 中国人工智能系列白皮书 2.5.4 问题与展望 . 38 第 3 章 典型农业专家系统与决策支持 .40 3.1 作物生产决策系统 . 40 3.1.1 作物生产决策支持系统的概念与功能 . 40 3.1.2 作物决策支持系统的发展 . 41 3.1.3 我国作物决策支持系统发展状况 . 41 3.1.4 作物生产决策支持系统的发展趋势 . 42 3.1.5 作物生产决策支持系统的存在问题 . 43 3.1.6 作物生产决策支持系统的发展措施建议错误错误! !未定义书未定义书签。签。 3.2 作物病害诊断专家系统 . 45 3.2.1 病害诊断知识表

    4、达 . 45 3.2.2 作物病害描述模糊处理 . 47 3.2.3 病害诊断知识推理 . 47 3.2.4 基于图像识别的作物病害诊断 . 48 3.3 水产养殖管理专家系统 . 49 3.3.1 问题与挑战 . 49 3.3.2 主要进展 . 51 3.3.3 发展趋势 . 错误错误! !未定义书签。未定义书签。 3.4 动物健康养殖管理专家系统 . 54 3.4.1 妊娠母猪电子饲喂站 . 54 3.4.2 哺乳母猪精准饲喂系统 . 56 3.4.3 个体奶牛精准饲喂系统 . 57 3.4.4 畜禽养殖环境监测系统 . 58 3.5 多民族语言农业生产管理专家系统 . 59 3.5.1

    5、多民族语言智能农业即时翻译系统结构 . 59 3.5.2 多民族语言农业智能信息处理系统机器翻译流程 . 60 3.5.3 多民族语言农业信息平台中的翻译关键技术 . 62 2 中国人工智能系列白皮书 3.5.4 多民族语言农业智能信息处理系统机器翻译结果 . 63 3.6 农业空间信息决策支持系统 . 66 第 4 章 典型农业机器人 .71 4.1 茄果类嫁接机器人 . 74 4.1.1 研究背景意义 . 74 4.1.2 国内外研究现状 . 74 4.1.3 关键技术与研究热点 . 76 4.1.4 案例分析 . 77 4.1.5 存在问题与发展策略 . 78 4.2 果蔬采摘机器人 .

    6、 79 4.2.1 研究背景意义 . 79 4.2.2 国内外研究现状 . 79 4.2.3 关键技术与研究热点 . 80 4.2.4 案例分析 . 81 4.2.5 存在问题与发展策略 . 82 4.3 大田除草机器人 . 83 4.3.1 研究背景意义 . 83 4.3.2 国内外研究现状 . 84 4.3.3 关键技术与研究热点 . 84 4.3.5 存在问题与发展策略 . 86 4.4 农产品分拣机器人 . 87 4.4.1 农产品分拣机器人发展现状 . 88 4.4.2 农产品分拣机器人的应用特点和支撑技术 . 90 4.4.3 主要问题和建议 . 92 第 5 章 农业精准作业技术

    7、 .94 5.1 拖拉机自动导航 . 94 5.2 农机作业智能测控 . 97 3 中国人工智能系列白皮书 5.3 果树对靶施药 . 101 5.3.1 我国果园施药作业现状 . 101 5.3.2 基于靶标探测的智能施药 . 102 5.3.3 靶标探测技术 . 102 5.3.4 对靶施药的经济性与环保性 . 106 5.4 设施蔬菜水肥一体化 . 106 5.4.1 水肥一体化在设施蔬菜中的应用 . 107 5.4.2 智能灌溉施肥设备 . 108 5.4.3 设施蔬菜水肥一体化发展趋势 . 110 5.5 设施环境智能调控 . 112 5.5.1 温室环境与作物信息采集 . 112 5

    8、.5.2 温室作物生长发育模型和小气候预测模型 . 115 5.5.3 温室智能环境控制理论 . 116 5.5.4 测控装备及平台构建方面 . 117 5.6 农用无人机自主作业 . 117 5.6.1 农用无人机自主作业需求背景 . 117 5.6.2 农业无人机自主作业技术特点 . 118 5.6.3 农业无人机自主作业发展现状 . 119 5.6.4 抓住机遇迎接挑战人工智能技术的挑战 . 122 第 6 章 智能农业展望 . 123 6.1 当前农业发展需求分析 . 123 6.2 发展重点与建议 . 123 4 中国人工智能系列白皮书 第 1 章 智能农业发展背景 中国农业经历了原

    9、始农业、传统农业、现代农业、智能农业的逐渐过渡。智能农业充分应用现代信息技术成果,集成应用计算机与网络技术、物联网技术、音视频技术、3S 技术、无线通信技术及专家智慧与知识,实现农业可视化远程诊断、远程控制、灾害预警等职能管理。本章从人工智能在农业领域的应用历程与智能农业发展趋势两方面阐述了智能农业作为一种高新技术与农业生产相结合的产业,是农业可持续发展的重要途径,通过高科技投入和管理,获取资源的最大节约和农业产出的最佳效益,实现农业的科学化、标准化、定量化、高效化。 1.1 人工智能在农业领域中的应用历程 人工智能(Artificial Intelligence,AI)是研究、开发用于模拟、

    10、延伸和扩展人的智能理论、方法、技术及应用系统的一门学科。人工智能是计算机科学的一个分支,它试图了解智能的实质,并生产出一种新的能以人类智能相似的方式做出反应的智能机器, 该领域研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,农业是其重要的应用领域之一。 现代农业的发展已离不开以人工智能为代表的信息技术的支持,人工智能技术贯穿于农业生产产前、产中、产后,以其独特的技术优势提升农业生产技术水平,实现智能化的动态管理,减轻农业劳动强度,展示出巨大的应用潜力1。将人工智能技术应用于农业生产中,已经取得了良好的应用成效。比如农业专

    11、家系统2,农民可利用它及时查询在生产中所遇到的问题;农业机器人3,可代替农民从事繁重的农业劳动,在恶劣的环境中持续劳动,大大提高农业生产效率,节省劳动力;计算机视觉识别技术能用于检验农产品的外观品质,检验效率高,可替代传统人工视觉检验法,从而提高农业劳动效率4-6。 1 中国人工智能系列白皮书 人工智能在农业领域中的应用历程可以分为以下几个阶段: 第一阶段:萌芽期(第一阶段:萌芽期(20 世纪世纪 70 年代末至年代末至 80 年代末)年代末) 20 世纪 70 年代末,美国为代表的欧美国家率先开始了农业信息化的应用研究, 以专家系统为代表的人工智能应用开始在农业领域萌芽。专家系统之父 Edw

    12、ard A. Feigenbaum 提出:农业专家系统 AES ( Agriculture Expert System) 也 称 为 以 知 识 库 为 基 础 的 系 统(Knowledge Based System, KBS) ,是一个(或一组)智能计算机程序,运用人工智能并集成了地理信息系统、信息网络、智能计算、机器学习、 知识发现、 优化模拟等多方面高新技术, 汇集农业领域知识、模型和专家经验等,采用适宜的知识表示技术和推理策略,运用多媒体技术并能以信息网络为载体,向农业生产管理提供咨询服务,指导科学种田,在一定程度上代替农业专家,对于提高作物产量,改善品质,提高农业管理的智能化决策水

    13、平具有重要意义。这一阶段的发展研究,以欧、美及日本等发达国家为主,开发系统主要是面向农作物的病虫害诊断。 最早是美国伊利诺斯大学的植物病理学家和计算机学家于 1978 年共同开发的大豆病害诊断专家系统 LPANT/ds。20 世纪80 年代中期至 80 年代末,农业专家系统从单一的病虫害诊断转向生产管理、经济分析决策、生态环境、农产品市场销售管理等。如COMAX/GOSSYM 是美国最为成功的一个农业专家系统,用于向棉花种植者推荐棉田管理措施。 日本对人工智能在农业上的作用给予了高度重视,如东京大学西红柿栽培管理专家咨询系统、培养液管理专家系统、 温室黄瓜栽培管理专家系统等。 这一阶段开始,

    14、农业机器人和计算机视觉技术等人工智能技术也开始应用于农业领域,并取得了一定的成果。在农作物种子质量检测取得较大进展。1985 年,Zayas 等通过采集的种子图像,利用种子表面光的特性,基于统计图像的处理分析与识别技术来区分小麦品种。1986 年,Gunasekaran 等在对玉米籽粒裂纹的研究中发现,运用计算2 中国人工智能系列白皮书 机视觉检测技术中的高速滤波法可将裂纹与其他部位进行识别区分,其检测精度高达 90%。 在农产品分级与加工方向, 早在 1984 年, Thylor等运用模拟摄像机和线扫描进行苹果自动损伤判定试验, 证明了将计算机视觉技术应用于自动分级的可行性。在随后几年中,T

    15、hylor 等不断开展此方面的相应研究,但其分级效率仍较低。1985 年,Sarkar等首次将数字图像分析与模式识别技术运用于西红柿的品质分级, 并取得了较好的精确度,但其速度较慢。1989 年,Miller 等在桃的分级研究中,运用图像亮度校正和区域分割的方法,采用近红外方式对没有明显边缘损伤的图像进行识别, 其自动分级效果达到了当时美国农业部的相关标准,并得到推广应用。20 世纪 80 年代,我国农业专家系统开始起步, 虽起步较晚, 但发展很快, 涉及作物栽培、 品种选择、育种、病虫害防治、生产管理、节水灌溉、农产品评价等方面。在20 世纪 80 年代初,浙江大学进行过蚕育种专家系统的研究

    16、,1985 年由中国科学院人工智能所开发的“砂姜黑土小麦施肥专家咨询系统”在安徽省淮北平原得到很好的推广应用。其后,各地高校、研究所和农科院相继开发了许多农业专家系统。 第二阶段:快速发展期(第二阶段:快速发展期(20 世纪世纪 90 年代)年代) 20 世纪 90 年代,伴随着人工智能技术的蓬勃发展,人工智能在农业中的应用也进入快速发展期。在专家系统领域,陆续出现了美国哥伦比亚大学梯田专家系统, 日本的温室控制专家系统, 英国 ESPRIT 支持下的水果保鲜系统,德国的草地管理专家系统,埃及农垦部支持的黄瓜栽培与柑橘栽培生产管理专家系统, 希腊的六种温室作物病虫害和缺素诊断的多语种专家系统等

    17、。为加快农业专家系统开发效率,一些辅助农业专家系统开发平台应运而生,如 CALEX SELECT、PALMS 、 MICCSFARMSCAPE 、 PCYield 、 GLA & NUTBAL 、WHEATMAN 等,大大缩短了专家系统开发的周期,成为农业专家系统研究的重要方向。 3 中国人工智能系列白皮书 这一阶段计算机视觉技术在农业中取得了较大进展, 如在农产品分级方向,1992 年,Liao 等在玉米籽粒的分类中引入了神经网络方法来提高其分类的准确率。1994 年,Liao 等对玉米粒的颜色及表面缺陷进行实时分级研究,其分级速度仍较慢。1997 年,Ni 等通过图像处理技术获取三维信息的

    18、方法对玉米籽粒进行分级, 但该系统的检测精度及用时离实际应用仍有较大距离。1998 年,Choi 等将彩色图像处理技术运用于番茄品质的分级,其分级效率高于人工检测。1999年,Chtioui 等以粗糙集理论作为模式分类工具,通过计算机视觉技术检测评价蚕豆品质,其分类结果具有较好的一致度。在农产品的加工应用中,Ling 等于 1991 年开始研究鲜虾图像的形态学特征和频谱特征,发现根据频谱特征确定下刀位置较为有效,为鲜虾去头加工的自动化提供了可靠依据。1995 年,Moconnell 等利用计算机视觉技术对颜色的识别来控制烘烤食品的质量,并取得了较好效果。Seida 等对机器视觉技术运用于饮料容

    19、器质量检测的可行性进行了研究。Jia 等提出将图像处理算法应用于鳍类鱼的加工。1998 年,Tao 等运用计算机视觉技术进行鸡肉中骨头碎片及污染物的无损快速检测, 并研制出相关设备。在植物生长监测方向,1995 年,Shinizu 等利用机器视觉和近红外光连续采集植株图像,成功分析得出其白昼的生长率。1996 年,Casady 等利用数字图像处理技术获得了水稻植株的高度等形态特征信息,使利用计算机视觉获得植株高度成为可能。在农作物病虫害检测方向, 1995 年, Woebbecke 等研究发现叶片的形态学特征可用于识别双子叶与单子叶植物,准确率在 60% 80%;此外还研究发现,彩色图像的 R

    20、-G-B 特征能很好地区分非植物与植物的背景,从而将其运用于田间杂草的探测控制。Zhang 等提出同时使用形状和颜色分析识别小麦田间杂草的方法。1997 年,Giles 等研制出一种装有机器视觉导向系统的喷雾装置,能对成行作物实施精量喷雾,该系统不仅节约农药,提高施药效率,还可大大减少对环境的污染。基于4 中国人工智能系列白皮书 机器视觉的杂草识别技术在国外已经进入实用阶段。1999 年,Lee 等研制出由计算机视觉系统、精准喷施系统等构成的智能杂草控制系统,该系统可根据植物形状特征的差异识别作物和杂草,并确定杂草的位置以进行精准喷施。Burks 等利用彩色共生矩阵法和神经网络技术对土壤和 5

    21、 种杂草进行识别研究,分类准确率达 93%。在机器人领域,融合了计算机视觉技术,果蔬采摘机器人成为人工智能的新兴领域。1991 年,日本 Kubota 公司成功研制出用于橘子采摘机器人的机械手。1995 年,周云山等将计算机视觉技术应用于蘑菇识别,使蘑菇生产从苗床管理到收获分类的全过程基本实现自动化, 但离实际推广应用仍有一定距离。1996 年,近藤等研制出采用双目视觉方法定位果实的番茄采摘机器人,能准确识别果实与树叶,而当可采摘番茄被茎叶遮挡时,机械手难以避开茎叶等障碍物完成采摘。1997 年,德田胜等研制出一套运用机器视觉技术检测西瓜成熟度的机器视觉系统,用于控制采摘机器人适时自动采摘西瓜

    22、。中国农业大学为国内农业机器人技术早期研发单位之一, 研制出的自动嫁接机器人已成功进行了试验性嫁接生产,解决了蔬菜幼苗的柔嫩性、易损性和生长不一致性等难题,可用于黄瓜、西瓜、甜瓜等幼苗的嫁接,形成了具有自主知识产权的自动化嫁接技术。 我国 1996-2005 年期间,在国家 863 计划的持续支持下,系统开展了以农业专家系统为核心的智能化农业信息技术应用示范工程, 该项目以智能信息技术直接服务“三农”为目标,按照智能系统开发平台、共性关键技术、应用示范区和研发基地建设四个层次进行组织实施。全国共研发出 5 个农业智能系统开发平台,70 多个应用框架,200 多个本地化农业专家系统,涉及粮食、果

    23、树、蔬菜、畜牧、水产等不同农业领域,建立了 23 个省级应用示范区,取得了重大的社会经济效益,形成了我国特有的“电脑农业” ,全面推动了我国农业智能信息技术的应用发展。2003 年 12 月, “中国 863 电脑农业5 中国人工智能系列白皮书 (Agricultural Expert System in China) ” 在日内瓦举办的世界信息首脑峰会上获峰会大奖(World Summit Award) ,标志着我国利用智能化农业信息技术改造传统农业做出的巨大贡献得到了世界的承认。 第三阶段:规模应用期(第三阶段:规模应用期(2000 至今)至今) 进入 21 世纪,农业劳动力不断向其他产业

    24、转移, 农业劳动力结构性短缺和日趋老龄化渐已成为全球性问题,通过人工智能技术,提高生产力,成为农业领域的研究与应用热点,人工智能在许多农业领域出现了规模应用。 设施农业、精确农业和高新技术的快速发展,特别是人工作业成本的不断攀升,为农业机器人的进一步发展提供了新的动力和可能。如果蔬采摘不仅季节性强、劳动量大,而且作业费用高,人工收获的费用通常占全程生产费用的 50%左右, 因此采摘机器人在日本、 美国、荷兰等国家已有初步使用。例如,2000 年,荷兰农业环境工程研究所研制出移动式黄瓜采摘机器人样机, 在实验室和温室中的采摘试验效果良好。VanHenten 等对温室黄瓜收获机器人机械手的运动结构

    25、进行优化设计,并提供了一种评价和优化该运动机构的客观方法、优化结果发现,4 臂 4 自由度 PPRR 机器手最适合于温室黄瓜的收获。计算机视觉的应用进一步成熟。到 2011 年,Zapotoczny 采用神经网络的方法对春、冬季不同质量等级的 11 个小麦品种进行试验,使用图像处理分析技术进行分类鉴别的准确率高达 100%。近十几年来,我国科研人员对计算机视觉技术在农作物种子质量检测的应用方面作了大量研究。2004 年,周红等运用计算机视觉技术提取玉米种子的外形轮廓,为玉米种子的进一步分级识别提供依据。2008 年,万鹏等提出利用计算机视觉系统代替人眼识别整粒及碎大米粒形的方法,并设计了一套基

    26、于计算机视觉技术的大米粒形识别装置, 该装置对完整米粒、碎米的识别准确率分别为 98.67%、92.09%。在农产品分级方面,计算机视觉水果分级自动化系统得到了广泛应用,国外已将部6 中国人工智能系列白皮书 分成果应用于实际生产中。2002 年,Yun 等成功研制出一种谷粒快速分级系统,每分钟检测 200 颗谷粒,其分级准确率达 98.9%。2011年,Mathanker 等发现使用机器学习分类器 AdaBoost 和支持向量机(Support Vector Machine,SVM) 的方法可提高核桃分级检测的精度。我国将计算机视觉技术应用于水果等的检测分级相对较晚, 但由于借鉴了其他国家的研

    27、究成果,发展速度比较快。研究大田作物病虫草害的自动识别与测定技术, 建成自动化控制系统以防治田间杂草与病虫害,也是计算机视觉技术在作物生产中较为重要的应用研究领域。农业航空是现代农业人工智能应用的重要组成部分,农业无人机在美国、日本等发达国家早已使用,应用在农田植被数据监测、农田土壤分析及规划、农田喷洒方面的研究等多个方面。我国自 2008 年无锡汉和第一架植保无人机面试以来,无人机行业如雨后春笋般的发展。主要应用在土壤湿度监测、农田喷洒、植被覆盖度的监测等方向7。 在这一时期,特别是 2009 年“感知中国”的目标提出后,作为人工智能集成应用的农业物联网和无人机开始迅速发展。物联网、移动互联

    28、、大数据、云计算、空间信息技术、智能装备技术开始进行深入融合,人工智能成为核心技术承担优化、决策的任务。2010 年国家发改委启动了物联网产业化规划, 规划未来我国十年到二十年的物联网发展重大专项, 其中将精细农牧业列为规划专项的一个很重要的内容。随后国家发改委、农业部、财政部决定在黑龙江农垦开展大田种植物联网应用示范、北京市开展设施农业物联网应用示范、江苏省无锡市开展养殖业物联网应用示范, 并将这 3 个项目作为国家物联网应用示范工程智能农业项目,农业部在天津、上海、安徽三省市组织实施了农业物联网的区域试验工程, 这些国家和部委项目的实施引领与促进了人工智能技术在农业领域中的规模化应用发展,

    29、 提高了我国农业现代化水平。 7 中国人工智能系列白皮书 人工智能技术在我国农业领域广泛应用,把农业带入数字化、信息化和智能化的崭新时代。但人工智能在农业领域应用研究任重道远,离我们追求的目标还有很大距离,核心技术有待重大突破,应用成本需要大幅度降低。 以人工智能技术为核心的现代信息技术及智能装备技术在农业领域的应用, 逐渐形成了现代农业发展的新业态智能农业,这是农业未来的一场深刻变革。 1.2 智能农业发展趋势 智能农业按照工业发展理念,充分应用现代信息技术成果,以信息和知识为生产要素,通过互联网、物联网、云计算、大数据、智能装备等现代信息技术与农业深度跨界融合, 实现农业生产全过程的信息感

    30、知、定量决策、智能控制、精准投入和工厂化生产的全新农业生产方式与农业可视化远程诊断、远程控制、灾害预警等职能管理,是农业信息化发展从数字化到网络化再到智能化的高级阶段, 是继传统农业(1.0) 、机械化农业(2.0) 、生物农业(3.0)之后,中国农业 4.0的核心内容8。 1.2.1 智能农业智能农业在中国的研究进展在中国的研究进展 智能化农业信息技术研究始于 80 年代初,包括施肥专家咨询系统、栽培管理专家系统等。其中,施肥专家咨询系统是根据实测的土壤理化参数或土壤肥力、地力参数以及地理分布,评估肥力水平,利用施肥量与各种农作物产量的关系,土壤区划、土壤类型以及不同生态条件下肥料运筹、 施

    31、肥时期与施肥方法, 化肥投入与产出比的肥效,非正常情况下的补救措施等。 栽培管理专家系统是根据各个农作物的不同生育期、生理特点、不同的生态条件、作物品种、播种期、密度、灌水等进行科学的农事安排,包括品种选择、种子筛选准备、整地、播种、 田间管理与收获等栽培部分, 优化肥料与产量关系的施肥部分,合理灌排、优化水分与产量关系的灌溉部分,病虫害发生发展规律和8 中国人工智能系列白皮书 消长关系的植保部分,农业气候的发生规律、气候与农作物生长期的产量关系的气象服务部分等,指导农民进行科学生产和管理。 我国农业正向知识高度密集型的现代农业发展,相继出现了“有机农业” 、 “生态农业” 、 “持续农业”

    32、、 “智能农业” 等替代型现代农业,智能农业的出现为现代农业的发展指明了方向9-11。我国“智能农业”技术的应用较发达国家要落后 20 年以上,甚至有些地方还是一片空白。近年来,信息技术飞速发展,其在农业上的应用也得以重视。目前,我国北京、上海等地已开展了智能农业的研究应用,例如,在京郊小汤山智能农业基地, 由北京师范大学遥感与地理信息系统研究中心、 中国科学院地理科学与资源研究所热红外遥感实验室以及北京市农林科学院联合实施的大型定量遥感联合试验和北京农业信息技术研究中心,根据国家 973 项目与智能农业示范项目的总体要求,在小麦病害的高光谱遥感检测和预测预报试验等方面, 都取得了大量试验数据

    33、。但目前我国关于智能农业的研究应用还处于起步阶段。 1.2.2 智能农业存在的问题智能农业存在的问题 智能农业已成为合理利用农业资源、提高农作物产量和品质、降低生产成本、 改善生态环境及农业可持续发展的前沿性农业科学研究热点之一12-14。目前,我国农业仍处于由传统农业向现代农业转变的过程中,与国外智能农业条件比较,还存在诸多不利因素。例如地形复杂,机械化和集约化水平不高,信息技术及其装备薄弱,农民素质不高等;此外,实施智能农业,前期的仪器、设备、装置等的成本投入相对过高,也影响了智能农业在我国的发展。 1. 我国智能农业科技含量我国智能农业科技含量、发展水平发展水平较低较低 我国智能农业相关

    34、领域的研究起步比较晚,投入低,较农业发达国家而言仍具有不小的差距。同时,智能农业的产业链仍比较单薄,相关设备的生产、安装、实施、维护一整套环节都比较薄弱,整体农9 中国人工智能系列白皮书 业机械化水平与发达国家相比仍有不小的差距,科技含量低,导致农业自动化程度、集约化水平偏低。 2. 农业生产方式农业生产方式、效率效率较落后较落后 我国智能农业起点较低, 效率仍处于一个较低水平, 如生产效率、劳动产比率、 资源利用率等一些农业生产核心数据都可以反映出这个问题的严重性。另一方面,我国资源短缺与资源利用率低的矛盾日益加剧, 这就要求我国走一条集约化的、 可持续发展的现代化农业道路。 3. 农业抵御

    35、自然灾害能力较弱农业抵御自然灾害能力较弱 我国是一个农业自然灾害频发的国家,由于设备陈旧,防灾设施缺乏,农业抵御自然灾害的能力较低,看天吃饭的尴尬处境仍未得到有效改变,一旦发生大规模的自然灾害,将会造成重大损失,粮食产量大幅下降,甚至绝收等。 4. 农业科研投入农业科研投入、相关领域人才储备缺乏相关领域人才储备缺乏 无论是从科研经费,还是其他的奖励政策来说,国家历来对农业与工业的重视度不在同一水平线上, 客观上导致了我国农业长期处于落后的现状。我国智能农业起步比较晚,并且受传统观念影响,只有极小部分科研人员愿意投入到这一领域, 导致相关领域的技术人员储备不足,影响了智能农业事业的迅速崛起。 1

    36、.2.3 智能农业的发展前景智能农业的发展前景 智能农业已成为合理利用农业资源、提高农作物产量和品质、降低生产成本、 改善生态环境及农业可持续发展的前沿性农业科学研究热点之一。目前,我国农业仍处于由传统农业向现代农业转变的过程中, 与国外智能农业条件比较, 还存在诸多不利因素。 例如地形复杂,机械化和集约化水平不高, 信息技术及其装备薄弱, 农民素质不高等;此外,实施智能农业,前期的仪器、设备、装置等的成本投入相对过高,也影响了智能农业在我国的发展。 10 中国人工智能系列白皮书 针对上述问题,我国发展智能农业必须分步推行,从应用较为成熟、投资较小的阶段性成果开始,逐步配套提高精准程度15。在

    37、技术上,首先发展 3S 集成技术,开发应用软件,再研制智能控制的装备和农机具; 在技术实施过程中, 先进行人工采集信息, 常规机械操作,逐步过渡到半自动化、自动化作业;在推广上,先在受自然条件影响小、时空差异不大和工业化程度较高的设施农业生产中应用,在大规模的农场和农业高新技术综合开发试验区实践, 然后才向有条件的农村和农户渗透。这样,既可使我国的智能农业与国际接轨,又符合我国的国情,逐步形成自身特点。 在农业生产环节, 智能农业技术对农业生产各种要素实行数字化设计、智能化控制、精准化运行、科学化管理,促进生产要素的优化配置,提高农业生产力,推动农业生产向集约化、规模化、精准化转变;在农业经营

    38、环节,智能农业通过“互联网+”电子商务等模式,发展农业新业态,促进农业一二三产业融合发展,促进农民收入持续较快增长;在农村信息服务方面,智能农业技术可以实现农业农村信息服务的个性化、精准化,提高服务效能。随着我国土地流转、农业模化化发展、新型农业经营主体壮大,智能农业技术必将成为我国发展现代农业、改变传统农业生产方式、提高效率和效益、推进农业三产融合发展的重大选择。 在智能农业装备方面,主要集中在农业专用传感器与仪器仪表、农业大数据与云计算、智能化植物生产工厂、农业机器人、农业精准作业与智能装备、农业物联网等智能化农机装备构建技术研究,逐步从粗放式过渡到智能化、 自动化为标志的集约化发展与制造

    39、业转型的阶段16,17。按照智能制造试点示范所包含的智能工厂、数字化车间、智能装备、智能新业态、智能化管理、智能化服务等六个维度的要求来构建智能化农机装备制造体系,是未来智能装备发展的方向,为智能化农机发展提供支撑与保障。11 中国人工智能系列白皮书 第 2 章 农业智能分析 物联网、互联网等技术与农业生产、加工、流通等各环节紧密结合,产生了大量多源异构的农业数据,并且这些数据仍在呈指数方式增长。如何采用数据挖掘与智能分析技术与手段发现或提取其中的有效信息与潜在价值,实现农业生产经营过程的整体信息化管控,在一定程度上加速转变农业生产方式,提高生产水平与效率,对于发展与实现现代农业具有重要意义。

    40、本章在分析综合分析农业数据挖掘的现状和需求基础上,从农业数据语义分析、农业病虫害图像识别、动物行为分析以及农产品无损检测等方面介绍讨论了农业典型数据挖掘的知识模型、处理方法与分析技术,并对未来的发展方向进行展望。 2.1 农业数据挖掘 现代农业发展过程中数据呈爆炸式增长, 尤其是随着移动互联网和物联网技术的发展,在农业生产、流通与交易过程中,农业资源、环境、多样化的生产经营方式不断产生全量超大规模、多源异构、实时变化的农业数据,产生的大量数据既包含价值密度低的数据块,也包含价值密度高的数据块,需要从这些数据中寻求科学规律、有用知识,快速抽取出模式、关联、变化、异常特征与分布结构,利用自然语言处

    41、理、信息检索、机器学习等技术挖掘抽取知识,把数据转化为智慧的方法学,指导农业生产经营是农业数据挖掘的价值所在。 2.1.1 农业数据挖掘特点农业数据挖掘特点 农业数据挖掘可称为数据库中的知识发现, 是指从农业数据库的大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的过程。原始农业数据可以是结构化的,如关系数据库中的数据;也可以是半结构化的,如文本、图形和图像数据;甚至是分布在网络上的异构型农业数据,如农业技术、农产品市场价格、农业视频等。 12 中国人工智能系列白皮书 通过数据挖掘发现的知识可以被用于:精准农业生产,提高农业生产过程中的科学化管理、精准化监控和智能化决策;农业水资源、农业生

    42、物资源、土地资源以及生产资料资源的优化配置、合理开发以实现高效高产的可持续绿色发展;农业生态环境管理,实现土壤、水质、污染、大气、气象、灾害等智能监测;农产品和食品安全管理与服务,包括市场流通领域、物流、产业链管理、储藏加工、产地环境、供应链与溯源等精准定位与智能服务;设施监控和农业装备智能调度、远程诊断、设备运行和实施工况监控等。 2.1.2 农业网络数据挖掘农业网络数据挖掘 农业网络数据挖掘就是以 WEB 信息资源为对象,以信息检索的方式为用户提供所需信息,它包括信息收集、信息过滤、信息存取、信息索引、信息检索等环节。互联网上存有海量的农业信息资源,据不完全统计,在国内农业领域现有各种网站

    43、 3 万余个,内容涉及实用技术、供求信息、价格信息、农业资讯、农业视频等多个主题。这些农业资源网站信息集中,专业性强,服务有针对性。另外,一些综合类和商务类网站,如阿里巴巴、淘宝、阿拉丁等提供了大量的农产品供求、农资市场、农业设备等特定的农业数据,对网络中海量存在的数据进行挖掘入库,后期进行智能分析对于现代农业发展具有现实意义。 农业网络数据挖掘工具的典型代表有美国农业网络信息中心(AGNIC)与美国普林斯顿建立的 Agriscape Search,法国的 Hyltel Multimedia,中国科学院合肥智能机械研究所研发的“农搜” 、华南农业大学的“华农在线” 、中国农业科学院“农搜” 、

    44、国家农业信息化工程技术研究中心的“Agsoso”等。最早网络数据抓取采用基于 Html网页库的关键词匹配方法,由于网页里包含了很多广告、与当前页面无关的链接等垃圾信息,导致查准率较低。因此,在抓取网页的同时进行 Web 信息抽取(Web Information Extraction)使“Agsoso”等工具信息的查准率大幅提高。 13 中国人工智能系列白皮书 Web 信息抽取技术能够从 Web 页面所包含的非结构或半结构的信息中识别用户感兴趣的数据,并将其转化为更为结构化、语义更为清晰的格式。常用的信息抽取模型有基于隐马尔可夫模型 Hidden Markov Model(HMM)的抽取方法,该

    45、方法要求大量的训练实例,处理速度较慢; 基于本体的抽取方法是利用本体这个比较成熟的刻画领域的技术手段,对抽取页面的类型进行描述及设计匹配规则,该方法与抽取的 Web 页面格式无关,但本体库的构建工作量非常大;基于规则的文本信息抽取模型也需要先构造抽取规则, 从手工标记的训练例中推导出一个抽取规则集。 目前“Agsoso”已经整合了农业科技、特色农产品、农业生产资料、农业社会经济、农业自然资源、农业产品、农产品市场、农民专业合作社、 农业企业、 农业视频等 14 个分类, 59 个主题信息库, 6.8TB数据资源,实现了农产品数据集市挖掘、基于规则的包装器专题信息抽取模型、农业信息专题词库更新算

    46、法、无序数据的大样本学习机制等技术的应用, 为农业知识来源的最大频繁项目集和信息熵集合提供了数据仓库基础。 2.1.3 农业感知数据挖掘农业感知数据挖掘 除了农业网络数据之外,在农业产业链前端以及农业生产过程中,农业生产活动也产生了大量的农业过程数据,该部分的数据主要通过各类物联网感知设备、自动控制设备、智能农机具包括人工操作记录等方式进行采集与收集,这里统称为农业感知数据。不同于农业网络数据,农业感知数据的来源繁多,数据结构与类型复杂多样,多维特征间关联十分紧密, 这些都对农业感知数据挖掘提出了很高的要求。 农业生产过程的主体是生物,存在多样性、变异性和不确定性,因此农业感知数据存在季节性、

    47、地域性、时效性、综合性、多层次性等特点;而在具体应用场景上也涉及不同专业的多个领域,如气象、14 中国人工智能系列白皮书 动植物育种、土地管理、产量分析图、畜禽饲养、土壤水肥、植物保护等。随着物联网数据的不断积累,挖掘分析方法对大数据的处理方法与传统小样本的分析方法有着本质的不同,而且对挖掘深度、数据可视化与实时性等方面都有了更高的要求。 美国的农场主通过安装 Climate Corporation 公司的气象数据软件,可以获得农场范围内的实时天气信息,如温度、湿度、风力、雨水等,同时结合天气模拟、植物构造和土质分析得出优化决策,帮助农场主从生产规划、种植前准备、种植期管理、采收等各环节做出优

    48、化决策。 来自美国硅谷的 Solum 公司致力于提供精细化农业服务, 其开发的软硬件系统能够实现高效、精准的土壤抽样分析,以帮助种植者在正确的时间、 正确的地点进行精确施肥, 帮助农民提高生产效益。美国 FarmLogs 公司帮助农民通过移动终端,如 Pad 就可以实现上传农场数据,并获取分析结果,使农场管理更加便捷,同时正在开发基于大数据分析,具备智能预测功能的农作物轮作优化的产品。由国家信息化工程技术研究中心等研发组建的“金种子育种云平台” ,面向科研单位和育种企业需求,在采集试验状态、谱系等相关数据的上,提供包括种质资源管理、 试验规划、 性状采集、 品种选育、 系谱管理、数据分析等育种

    49、过程数据分析与服务,并在隆平高科、山东圣丰种业等成功应用。 目前农业感知大数据挖掘主要还是针对不同领域利用数据挖掘技术解决生产中的问题。 其基本架构包括三部分: 农业数据挖掘模型、农业数据挖掘工具集和农业数据挖掘服务。其中,农业数据挖掘模型主要用于数据的特征提取与模型构建; 农业数据挖掘工具集提供了大量的数据预处理算法和数据挖掘算法; 农业数据挖掘服务则以服务的形式提供了针对不同领域、不同用户的个性化数据挖掘与推荐方法。 15 中国人工智能系列白皮书 2.1.4 农业数据挖掘应用农业数据挖掘应用 2.1.4.1 育种数据挖掘 在人类早期简单的种植和采收活动中, 就开始孕育作物驯化育种的思维。在

    50、源于西欧的近代育种技术和理论出现之前,作物育种都是通过天然杂交和变异产生一些符合人类生产需求的作物品种。 随着遗传学、分子生物学、生物统计学等学科发展,作物育种研究产生了海量多种类型的数据,整合和最大化利用这些生物学数据,无疑对现代育种研究具有不可估量的重要意义。据不完全统计,我国现有的农作物资源中含有水果、蔬菜等 200 种作物,其中包含的品种数更是达到40 万种,人们可以通过数据挖掘技术根据丰富的种植经验和积累从这些众多的品种资源数据库中挖掘出适宜、优质的品种来进行培育。 农作物品种选育呈多元化发展态势, 高产是新品种选育的永恒主题,品质改良是新品种选育的重点,病虫害抗性是新品种选育的重要

    展开阅读全文
    提示  三个皮匠报告文库所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:中国人工智能学会:2016中国人工智能系列白皮书——智能农业(140页).pdf
    链接地址:https://www.sgpjbg.com/baogao/64897.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 联系我们 - 行业研究网

    copyright@ 2008-2013        长沙景略智创信息技术有限公司版权所有
    网站备案/许可证号:湘ICP备17000430号-2