智慧農(nóng)業(yè)發(fā)展背景

智慧農(nóng)業(yè)發(fā)展背景中國(guó)農(nóng)業(yè)經(jīng)歷了原始農(nóng)業(yè)、傳統(tǒng)農(nóng)業(yè)、現(xiàn)代農(nóng)業(yè)、智慧農(nóng)業(yè)的逐漸過(guò)渡。智慧農(nóng)業(yè)充分應(yīng)用現(xiàn)代信息技術(shù)成果，集成應(yīng)用計(jì)算機(jī)3S人工智能在農(nóng)業(yè)領(lǐng)域中的應(yīng)用歷程人工智能（ArtificialIntelligence，AI）是研究、開(kāi)發(fā)用于模擬、現(xiàn)代農(nóng)業(yè)的發(fā)展已離不開(kāi)以人工智能為代表的信息技術(shù)的支持，人工智能在農(nóng)業(yè)領(lǐng)域中的應(yīng)用歷程可以分為以下幾個(gè)階段：第一階段：萌芽期（20世紀(jì)70年代末至80年代末）2070EdwardA.FeigenbaumAES（AgricultureExpertSystem）也稱為以知識(shí)庫(kù)為基礎(chǔ)的系統(tǒng)（noldgesdSystm,S，是一個(gè)（或一組）智能計(jì)算機(jī)程1978。20世紀(jì)80年代中期至80年代末，農(nóng)業(yè)專家系統(tǒng)從單一的病蟲(chóng)害診斷轉(zhuǎn)向生產(chǎn)管理、經(jīng)濟(jì)分析決策、生態(tài)環(huán)境、農(nóng)產(chǎn)品市場(chǎng)銷售管理等。如COMAX/GOSSYM是美國(guó)最為成功的一個(gè)農(nóng)業(yè)專家系統(tǒng)，用于向棉19851986年，Gunasekaran等在對(duì)玉米籽粒裂紋的研究中發(fā)現(xiàn)，運(yùn)用計(jì)算機(jī)視覺(jué)檢測(cè)技術(shù)中的高速濾波法可將裂紋與其他部位進(jìn)行識(shí)別區(qū)分，其檢測(cè)精度高達(dá)14hlor等不斷開(kāi)展此方面的相應(yīng)研究，但其分級(jí)效率仍較低。1985年，Sarkar1989等在桃的分級(jí)2080育種、病蟲(chóng)害防治、生產(chǎn)管理、節(jié)水灌溉、農(nóng)產(chǎn)品評(píng)價(jià)等方面。在2080第二階段：快速發(fā)展期（20世紀(jì)90年代）2090ESPRIT一些輔助農(nóng)業(yè)專家系統(tǒng)開(kāi)發(fā)平臺(tái)應(yīng)運(yùn)而生，如CALEXSELECT、、MICCSFARMSCAPE、、GLA& NUTBAL、年，Liao等在玉米籽粒的分類中引入了神經(jīng)網(wǎng)絡(luò)方法來(lái)提高其分類的準(zhǔn)確率。1994年，Liao等對(duì)玉米粒的顏色及表面缺陷進(jìn)行實(shí)時(shí)分級(jí)研究，其分級(jí)速度仍較慢。1997年，Ni等通過(guò)圖年，Choi等將彩色圖1999年，Chtioui等以粗糙集理論作為模式分類工具，通過(guò)計(jì)算機(jī)視覺(jué)技1991年開(kāi)始研究鮮蝦圖像的形態(tài)學(xué)特征和頻譜1995等利用計(jì)算機(jī)視覺(jué)技術(shù)對(duì)顏色的識(shí)別來(lái)控制烘烤食品的質(zhì)量，并取得了較好效果。Seida等對(duì)機(jī)器視覺(jué)技術(shù)運(yùn)用于飲料容器質(zhì)量檢測(cè)的可行性進(jìn)行了研究。Jia1998等運(yùn)用計(jì)年，Shinizu等利用機(jī)器視覺(jué)和近紅外光連續(xù)采集植株圖像，成功分析得出其白晝的生長(zhǎng)率。1996年，Casady等利用數(shù)字圖像處理技術(shù)獲得了水稻植株的高度等等研究發(fā)現(xiàn)葉片的形態(tài)學(xué)特征60%~80%；此外還研究R-G-B特征能很好地區(qū)分非植物與植物的背景，Zhang等提出同時(shí)使用形狀和顏色分析識(shí)別小麥田間雜草的方法。1997年，Giles等研制出一種裝1999等研制出由計(jì)算機(jī)視覺(jué)系統(tǒng)、精準(zhǔn)噴施系統(tǒng)等構(gòu)成的智能雜草控制系等利用彩色共生矩陣法和神經(jīng)網(wǎng)絡(luò)技593%1991Kubota公司成功研制出用于橘子采摘機(jī)器人的機(jī)械手。1995年，周云山等將計(jì)算機(jī)視覺(jué)技術(shù)應(yīng)用于蘑菇識(shí)別，使蘑年，近藤等研制出采用雙目視覺(jué)方法定年，德田勝等研制出一套運(yùn)用機(jī)器視覺(jué)技術(shù)檢測(cè)西瓜成熟度的機(jī)器視覺(jué)1996-20058635個(gè)農(nóng)業(yè)智能系統(tǒng)開(kāi)發(fā)平臺(tái)，70多個(gè)應(yīng)用框架，200多個(gè)本地化農(nóng)業(yè)專家系統(tǒng)，涉及糧食、果樹(shù)、蔬菜、畜牧、水產(chǎn)23個(gè)省級(jí)應(yīng)用示范區(qū)，取得了重大的社會(huì)能信息技術(shù)的應(yīng)用發(fā)展。203年283電腦農(nóng)業(yè)（griulurlExprtSystminhin峰會(huì)上獲峰會(huì)大獎(jiǎng)（orldSuitrd，標(biāo)志著我國(guó)利用智能化農(nóng)業(yè)信息技術(shù)改造傳統(tǒng)農(nóng)業(yè)做出的巨大貢獻(xiàn)得到了世界的承認(rèn)。第三階段：規(guī)模應(yīng)用期（2000至今）2150%年，荷蘭農(nóng)業(yè)環(huán)境工程研究等對(duì)溫室黃瓜收獲機(jī)器人機(jī)械手的運(yùn)動(dòng)結(jié)構(gòu)進(jìn)4PPRR年，Zapotoczny采用神經(jīng)網(wǎng)絡(luò)個(gè)小麥品種進(jìn)行試驗(yàn)，使用圖100%。近十幾年來(lái)，我國(guó)科研人員對(duì)計(jì)算機(jī)視覺(jué)技術(shù)在農(nóng)作物種子質(zhì)量檢測(cè)的應(yīng)用方面作了大量研究。2004年，周紅等運(yùn)用計(jì)算機(jī)視覺(jué)技術(shù)提取玉米種子的外形輪廓，為玉米種子的進(jìn)一步分級(jí)識(shí)別提供依據(jù)。2008年，萬(wàn)鵬等提出利用計(jì)算機(jī)視覺(jué)系統(tǒng)代替人眼識(shí)別整粒及碎大米粒形的方法，98.67%、92.09%。在農(nóng)產(chǎn)品分級(jí)分成果應(yīng)用于實(shí)際生產(chǎn)中。2002等成功研制出一種谷粒快20098.9%年，MathankerAdaBoost和支持向量機(jī)(SupportMachine,SVM)的方法可提高核桃分級(jí)檢測(cè)的精度。業(yè)航空是現(xiàn)代農(nóng)業(yè)人工智能應(yīng)用的重要組成部分，農(nóng)業(yè)無(wú)人機(jī)在美國(guó)分2008年無(wú)錫漢和第一架植保無(wú)人機(jī)面試以來(lái)，無(wú)人機(jī)行業(yè)如雨后春筍般的發(fā)展。主要應(yīng)用在土壤濕度監(jiān)測(cè)、農(nóng)田噴灑、植被覆蓋度的監(jiān)測(cè)等方向[7]。在2009年“感知中國(guó)”的目標(biāo)提出后，作為年國(guó)3個(gè)項(xiàng)目作為國(guó)家物聯(lián)網(wǎng)息化和智能化的嶄新時(shí)代。但人工智能在農(nóng)業(yè)領(lǐng)域應(yīng)用研究任重道智慧農(nóng)業(yè)發(fā)展趨勢(shì)（1（20（304.0的核心內(nèi)容[8]。智慧農(nóng)業(yè)在中國(guó)的研究進(jìn)展80年代初，包括施肥專家咨詢系20農(nóng)林科學(xué)院聯(lián)合實(shí)施的大型定量遙感聯(lián)合試驗(yàn)和北京農(nóng)業(yè)信息技術(shù)研究中心，根據(jù)國(guó)家973項(xiàng)目與智慧農(nóng)業(yè)示范項(xiàng)目的總體要求，在智慧農(nóng)業(yè)存在的問(wèn)題過(guò)程中，與國(guó)外智慧農(nóng)業(yè)條件比較,還存在諸多不利因素。例如地形復(fù)雜,機(jī)械化和集約化水平不高，信息技術(shù)及其裝備薄弱，農(nóng)民素質(zhì)我國(guó)智慧農(nóng)業(yè)科技含量、發(fā)展水平較低我國(guó)智慧農(nóng)業(yè)相關(guān)領(lǐng)域的研究起步比較晚，投入低，較農(nóng)業(yè)發(fā)達(dá)國(guó)家而言仍具有不小的差距。同時(shí)，智慧農(nóng)業(yè)的產(chǎn)業(yè)鏈仍比較單薄，相關(guān)設(shè)備的生產(chǎn)、安裝、實(shí)施、維