中国人工智能系列白皮书-智慧农业

目 第1章智慧农业发展背景 1.1人工智能在农业领域中的应用历程1.2智慧农业及其发展趋势8 第2章农业智能分析122.1农业数据挖掘122.1.1农业数据挖掘特点122.1.2农业网络数据挖掘132.1.3农业数据挖掘应用162.2农业数据语义分析182.2.1农业数据语义模型182.2.2农业数据存储模型，192.2.3农业数据知识发现202.2.4农业数据语义检索212.2.5分布式农业知识协同构建212.3农业病虫害图像识别222.3.1基于机器视觉的农业病虫害自动监测识别系统框架232.3.2农业病虫害图像采集方法242.3.3农业病虫害图像预处理262.3.4农业病虫害特征提取与识别模型构建272.3.5农业病虫害模式识别282.4动物行为分析292.5农产品无损检测342.5.1农产品的无损检测352.5.2农产品无损检测主要方法与基本原理362.5.3无损检测在农产品质量检测中的应用38 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，403.1作物生产决策系统403.1.1作物生产决策支持系统的概念与功能403.1.2作物决策支持系统的发展413.1.3我国作物决策支持系统发展状况413.1.4作物生产决策支持系统的发展趋势423.1.5作物生产决策支持系统的存在问题433.1.6作物生产决策支持系统的发展措施建议错误！未定义书签。3.2作物病害诊断专家系统：：453.2.1病害诊断知识表达453.2.2作物病害描述模糊处理473.2.3病害诊断知识推理473.2.4基于图像识别的作物病害诊断483.3水产养殖管理专家系统493.3.1问题与挑战493.3.2主要进展513.3.3发展趋势..523.4动物健康养殖管理专家系统543.4.1妊娠母猪电子饲喂站543.4.2哺乳母猪精准饲喂系统563.4.3个体奶牛精准饲喂系统573.4.4畜禽养殖环境监测系统583.5多民族语言农业生产管理专家系统593.5.1多民族语言智慧农业即时翻译系统结构593.5.2多民族语言农业智能信息处理系统机器翻译流程.：603.5.3多民族语言农业信息平台中的翻译关键技术：，62 3.5.4多民族语言农业智能信息处理系统机器翻译结果：，633.6农业空间信息决策支持系统66 第4章典型农业机器人714.1茄果类嫁接机器人744.1.1研究背景意义744.1.2国内外研究现状744.1.3关键技术与研究热点764.1.4案例分析774.1.5存在问题与发展策略784.2果蔬采摘机器人.794.2.1研究背景意义794.2.2国内外研究现状794.2.3关键技术与研究热点804.2.4案例分析814.2.5存在问题与发展策略824.3大田除草机器人834.3.1研究背景意义834.3.2国内外研究现状844.3.3关键技术与研究热点844.3.5存在问题与发展策略864.4农产品分机器人874.4.1农产品分机器人发展现状884.4.2农产品分栋机器人的应用特点和支撑技术904.4.3主要问题和建议92第5章农业精准作业技术945.1拖拉机自动导航945.2农机作业智能测控97 1015.3果树对靶施药5.3.1我国果园施药作业现状1015.3.2基于靶标探测的智能施药1025.3.3靶标探测技术1025.3.4对靶施药的经济性与环保性1065.4设施蔬菜水肥一体化1065.4.1水肥一体化在设施蔬菜中的应用1075.4.2智能灌溉施肥设备1085.4.3设施蔬菜水肥一体化发展趋势1105.5设施环境智能调控：1125.5.1温室环境与作物信息采集1125.5.2温室作物生长发育模型和小气候预测模型1155.5.3温室智能环境控制理论1165.5.4测控装备及平台构建方面1175.6农用无人机自主作业1175.6.1农用无人机自主作业需求背景，1175.6.2农业无人机自主作业技术特点：1185.6.3农业无人机自主作业发展现状.1195.6.4抓住机遇迎接挑战人工智能技术的挑战122 第6章智慧农业展望123 6.1当前农业发展需求分析1236.2发展重点与建议123 第1章智慧农业发展背景 中国农业经历了原始农业、传统农业、现代农业、智慧农业的逐过渡。智慧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慧农业发展趋势两方面阐述了智慧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（ArtificialIntelligence，AI）是研究、开发用于模拟、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"。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。 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（20世纪70年代末至80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明芽。专家系统之父EdwardA.Feigenbaum提出：农业专家系统AES （KnowledgeBasedSystem，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求平具有重要意义。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。最早是美国病害诊断专家系统LPANT/ds。20世纪 80年代中期至80年代未，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，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 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，Thylor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，1985年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（20世纪90年代） 20世纪90年代，伴随着人工智能技术的蓬勃发展，人工智能在依业中的应用也进人快速发展期。在专家系统领域，陆续出现了美国部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相橘裁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。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CALEXSELECT、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。 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，Lia0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，Lia0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，Ta0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-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 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