【行业分析】AI加持的精准农业—未来中国农业转型的风向标!
智慧农业
  
2020-06-11 14:57:08
[ 导读 ] 未来,精准农业的AI化趋势将更加显著。

中国早在20世纪90年代,就开始了精准农业的应用研究,但因国内农业的特殊性及农业技术较低的因素,难以大面积应用推广。2013年,德国提出工业4.0的概念,明确信息化技术在工业中的应用。以物联网、大数据、移动互联、云计算技术为支撑和手段的现代农业形态——农业4.0也随着提出。

在技术的成熟与成本下降,国内农业面临人力不足、农田灌溉浪费与缺水并存、农业科技投入不足且农业耕作粗放的背景下,“精准农业”也成为国内农业转型升级的风向。从官方到民间,这一概念常被提起,各地政府也纷纷推出示范项目。

什么是精准农业?

精准农业的缘起还得益于战争。上世纪90年代初,随着海湾战争的结束,GPS技术进入民用化,美国、加拿大一些农业科研部门提出了精准农业的设想;加之互联网将传统农业带入数字信息时代,精准农业逐渐成为当今世界农业发展的新潮流。

精准农业是一个农业应用和实践体系,包括信息采集-信息解码-投入优化-田间实践的良性循环,其中信息和数据是精准农业最核心部分首先要采集作物相关信息, 以及影响作物生长的外界信息,再通过一系列软件应用技术,进行信息的统计分析解读,并以网站或手机App 的方式呈现给农业相关人员,包括种植者或农技服务人员等,来指导农业田间实践活动,达到精准种植、精准灌溉、精准喷施等目的,以获取最高产量和最大经济效益。

用通俗的话来说,精准农业的理念就是需要多少给多少,需要什么给什么;精准农业的具体含义就是按照农业操作每一单元的具体条件,精细淮确地调整各项农业管理措施,在每一生产环节最大限度地优化各项农业投入,以获取最大经济效益和环境效益。

中国化肥信息中心主任陈丽表示,未来精准农业将是发展方向,信息技术在农业领域的全面应用会取得很大的作用未来,遥感、全球定位系统、计算机技术等技术将与地理学、农学等学科高度融合,从而实现提高资源利用率、降低成本、改善生态环境等目的。

精准农业的构成有哪些?

精准农业由多个系统组成,即全球定位系统、农田信息采集系统、农田遥感监测系统、农田地理信息系统、农业专家系统、智能化农机具系统、环境监测系统、系统集成、网络化管理系统和培训系统。

1、全球定位系统。精准农业广泛采用了GPS系统什么是精准农业用于信息获取和实施的准确定位。为了提高精度广泛采用了 DGPS(Differential Global Positioning System)技术,即所谓“差分校正全球卫星定位技术”。它的特点是定位精度高,根据不同的目的可自由选择不同精度的GPS系统。

2、地理信息系统GIS。精准农业离不开 GIS(GeographicalInformation System)的技术支持,它是构成农作物精准管理空间信息数据库的有力工具,田间信息通过GIS系统予以表达和处理,是精准农业实施的重要。

3、遥感系统RS。遥感技术(Remote Sensing)是精准农业田间信息获取的关键技术,为精准农业提供农田小区内作物生长环境、生长状况和空间变异信息的技术要求。

4、作物生产管理专家决策系统。它的核心内容是用于提供作物生长过程模拟、投入产出分析与模拟的模型库;支持作物生产管理的数据资源的数据库;作物生产管理知识、经验的集合知识库;基于数据、模型、知识库的推理程序;人机交互界面程序等。

5、田间肥力、墒情、苗情、杂草及病虫害监测及信息采集处理技术设备。

6、带GPS系统的智能化农业机械装备技术。如带产量传感器及小区产量生成图的收获机械;自动控制精密播种、施肥、洒药机械等等。

国内外精准农业的发展

美国:高级信息化精准农业

美国是世界上最早研究与应用精准农业技术的国家,在20世纪90年代中期,美国就进行了土壤结构密度传感技术、土壤传导性技术、电磁感应技术等农业工程领域的研究,这些技术现在已经陆续在农业生产中使用,对土壤元素测定、农作物产量监测、施肥变量反应等耕作技术起到实质性推动,美国约有200多万个农场,其中有60%-70%采用了精准农业技术。从农业本身看,精准农业主要应用于美国中西部大豆、小麦、玉米和部分经济作物。

美国精准农业发展模式其核心是技术层面,将现代化的信息技术、农业技术与工程技术进行了有机的结合,体现了精准农业所要求的时间与空间差异,在此基础上,通过农田地理信息系统提供的地理信息确定作物的最佳生产模型,决定依据不同作物的差异,采用卫星定位,智能机械,智能施肥、灌溉、喷洒农药等,最大限度地优化各项农业投入,同时也保护了农业生态环境及土地资源。

美国的精准农业追求的不是集约化时代下的高产,而是强调单位面积的投入与产出的最佳比例,强调效益,因此,更加注重农业投入、农业产出、生态环境以及精准技术等不同要素的互动,互动的结果决定了效益。其效益主要体现在两个方面,一是通过减少投入来提高农作物的产量与品质,二是保护生态环境,减少农业耕种中化学物质滥用造成的环境污染。近两年,美国农业企业纷纷瞄准“大数据”在农业管理的应用。

以色列:发达的温室技术与节水灌溉

在20世纪70年代之前,以色列的农产品还是大量依靠进口,其后,以色列依据本国的自然资源条件,调整了农作物种植结构,减少了对土地资源要求高的粮食作物种植,积极发展温室技术,改种产值高的花卉、蔬菜及水果,大大改善了其农业生产状况。以色列的温室技术从20世纪70年代至今,完全实现了智能化与自动化,一个温室大约4000㎡,从播种开始到收获,全过程电脑控制,基本上不需要人力,而且将滴灌技术引入温室系统,进一步提高了花卉、蔬菜等农作物的产量。

以色列大部分地区干旱少雨,土地贫瘠,提高水资源的利用率是以色列解决农业发展的最大问题,因此,节水技术研究一直是以色列农业科学中最显要的课题。从20世纪中期开始,以色列政府大规模进行水利建设,将北部水源引入到沙漠纵深,将地下水抽取连成全国网络,在此基础上积极发展节水灌溉技术。滴灌与喷灌是以色列的节水灌溉技术的主要形式,发展到今天,已经是第七代技术,广泛运用于温室、沙漠地带、绿化带等区域,由于其全国的地下水已经形成了联网,建立节水灌溉设施相对比较容易。

以色列十分重视农作物育种技术的开发与改变,依据市场的需求,不断开发高效无公害及抗病虫害农作物种子,利用生物工程技术开发的新品种能够降低对农药和化肥的依赖,保证能在自然状态下生长,其良种开发技术位居世界前列。以色列在节水灌溉技术发展的同时,还开发出水肥一体化技术,灌溉与施肥同时进行,这种精准技术是建立在对土壤品质及作物生长过程的监测之上,实现了节水、灌溉与平衡施肥的统一化。

中国:需求空间爆发的前夕

中国早在20世纪90年代,就开始了精准农业的应用研究,先后在北京、上海、新疆、黑龙江等13 个地方实现了大面积应用。

以新疆生产建设兵团为例,从1999年提出精准灌溉、施肥、播种、收获及环境动态监控开始,到2003年已基本形成比较完善的精准农业技术体系,在棉花生产的大面积应用中获得了极大的经济、社会及生态效益:平均单产122千克,增产17%;实施半精量播种的棉田,播种量由原来的6千克降为4千克;氮肥的利用率可以提高7%一8%,磷肥的利用率可以提高3%一5%;单个职工管理棉花的面积从20一25亩提高到100一150亩,劳动生产率是原来的5一7倍。

近年来,中国农业部还推出116 项农业物联网应用模式,旨在将物联网作为实施“互联网+ 现代农业” 行动的一项根本性措施,加快推广应用,充分发挥其在节水、节药、节肥、节劳动力等方面的作用,提高土地产出率、资源利用率和劳动生产率,促进农业产销向智能化、精准化、网络化方向转变。

中国规模化土地流转正在稳步推进,据农业部数据显示,截至2014年底,全国土地流转面积达4.03亿亩,比2013年增长18.3%,流转面积占家庭承包经营耕地面积的30.4%,预计2015年流转面积将达5亿亩。据北美农业发展历史及经验显示,在农业规模化、集约化的过程中,精准农业的需求是会持续增长,中国市场在经历10多年的培育后,已经处于需求空间爆发的前夕。

人工智能加持下的精准农业

在速览精准农业发展的近三十年的进程里,我们不难看出,精准农业的概念和内涵是在不断丰富变化的。精准农业的核心概念是精确的数据监测、处理与精准种养殖模型的应用。伴随着GPS、计算机、IOT物联网技术的成熟,越来越先进的技术手段运用在精准农业的技术链条中。

伴随着近几年,人工智能技术从高校、企业的研究所实验室走向田间地头,人工智能技术正在和农业生产的各个环节的融合正在产生出越来越多的硕果。如果用一句话总结就是:AI的融入,正在让精准农业更加精准。

例如识别能力的提升。

此前精准农业的概念中,对于精准的一个重要定义更多是通过广泛收集农场数据,实现品种、种植方式上的因地制宜。但随着深度学习下的图像识别技术发展,精准的对象也可以更一步细化。在植物病虫害识别,农产品成熟度判断及分类分拣、动物身体状况(发情期、健康程度判断)识别等生产环节,为农业生产者提供帮助。

例如加拿大一家名为Cainthus的企业就应用“牛脸识别”结合算法,帮助农场主更好的发现奶牛的健康状况、发情状况等。在类似解决方案中,还可以通过传感器识别奶牛步态,帮助农场主识别出跛脚奶牛。

更典型的案例,还有通过无人机获取农作物的各类图像,再通过智能分析发现影响农作物产量的异常现象,比如:杂草的入侵、农作物养分不足、天气灾害以及病虫害等。让农业生产者更及时准备应对方案。

对于大规模养殖、种植来说,这种细致到“只”的模式,显然可以极大的提升精准农业的效率

还有机械智能化程度提高。

此前在精准农业概念中,自动化机械的应用就是重点。只是单纯的自动化往往只适用于广袤土地,能应对的工作也相对单一而简单。

但如今随着机械智能能力的提高以及与传感器的协作,很多以往只能由人类进行的采摘、分拣等等也能由机械代劳。像是农业机器人公司Abundant Robotics推出的苹果采摘机器人,可以在不破坏苹果树和苹果的前提下可以达到一秒一个的采摘速度。这种机器人可以通过摄像装置获取果树的照片,用图片识别技术去定位那些适合采摘的苹果。

尤其这类机械正在变得越来越小型化,对于应用场地的要求也随之降低,或许很快精准农业就将不再是广袤土地的专属。

又比如预测能力的提升。

在精准农业的3S中,对于遥感图像的应用一直是重点。但实际上遥感图像由于体量庞大,一直很难被处理利用,更多时候遥感图像仅仅能起到观测+决策协助的作用。

但人工智能这几年的发展,首先解决的就是算力问题。当AI+遥感越来越普及,遥感在精准农业中的发挥空间也越来越大了。美国Descartes Labs公司通过人工智能和深度学习技术,利用大量与农业相关的卫星图像数据,分析其与农作物生长之间的关系,从而对农作物的产量做出精准预测。据测算,这家公司预测的玉米产量比传统预测方法准确率高出99%。

可以说随着预测能力的提升,精准农业正在逐渐从人类决策发展到AI与人类共同决策。

精准农业与AI的未来

未来,精准农业的AI化趋势将更加显著。同时我们也能看到,除了种植、养殖这一个端口,农业产业链的其他端口也在不断与物联网、海量大数据、云计算、区块链等新一代信息技术结合,和精准农业一起联结起来构成一组新技术链条。

比如我们可以看到,销售大数据的反馈下,种植者可以提前预知市场上哪些农作物更受欢迎,提前做出准备。又比如有了智能供应链,农作物生产、物流、销售的环节可以被更好地打通,减少中间流程消耗的成本。

不论对于消费者还是农业从业者,AI与精准农业带来的改变都刚刚开始。

站在2020 新十年的起点,我们对于精准农业以及当下农业+AI的全景式盘点,至少可以得到两件有意义的结论:

一、精准农业作为一种已经被证明成功的现代农业生产系统,尤其随着AI的加入,其精准度的逐步提高,将更加适用于我国这样地貌、气候都更加丰富的农业情况。

二、人工智能技术为精准农业未来发展提供了更加丰富的应用场景和更加高效的解决方案。育种+AI、种植机械+AI、遥感预测+AI、植保无人机+AI、采摘+AI、农产品运输、销售+AI,农业生产流通及消费的一切环节,都正在被AI的能力改变。尤其中国凭借丰富的电商、物流大数据累积,可以在多个环节提升农业的效率。

来源:农业物联网

更多干货、市场分析、重磅案例、实战课程欢迎订阅 [农业行业观察]公众号:nyguancha

 收藏 0  赞 0

相关文章