智慧農(nóng)業(yè)發(fā)展背景

智慧農(nóng)業(yè)發(fā)展背景中國農(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)用計算機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、開發(fā)用于模擬、現(xiàn)代農(nóng)業(yè)的發(fā)展已離不開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階段：第一階段：萌芽期（20世紀70年代末至80年代末）2070EdwardA.FeigenbaumAES（AgricultureExpertSystem）也稱為以知識庫為基礎(chǔ)的系統(tǒng)（noldgesdSystm,S，是一個（或一組）智能計算機程1978。20世紀80年代中期至80年代末，農(nóng)業(yè)專家系統(tǒng)從單一的病蟲害診斷轉(zhuǎn)向生產(chǎn)管理、經(jīng)濟分析決策、生態(tài)環(huán)境、農(nóng)產(chǎn)品市場銷售管理等。如COMAX/GOSSYM是美國最為成功的一個農(nóng)業(yè)專家系統(tǒng)，用于向棉19851986年，Gunasekaran等在對玉米籽粒裂紋的研究中發(fā)現(xiàn)，運用計算機視覺檢測技術(shù)中的高速濾波法可將裂紋與其他部位進行識別區(qū)分，其檢測精度高達14hlor等不斷開展此方面的相應(yīng)研究，但其分級效率仍較低。1985年，Sarkar1989等在桃的分級2080育種、病蟲害防治、生產(chǎn)管理、節(jié)水灌溉、農(nóng)產(chǎn)品評價等方面。在2080第二階段：快速發(fā)展期（20世紀90年代）2090ESPRIT一些輔助農(nóng)業(yè)專家系統(tǒng)開發(fā)平臺應(yīng)運而生，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)方法來提高其分類的準確率。1994年，Liao等對玉米粒的顏色及表面缺陷進行實時分級研究，其分級速度仍較慢。1997年，Ni等通過圖年，Choi等將彩色圖1999年，Chtioui等以粗糙集理論作為模式分類工具，通過計算機視覺技1991年開始研究鮮蝦圖像的形態(tài)學(xué)特征和頻譜1995等利用計算機視覺技術(shù)對顏色的識別來控制烘烤食品的質(zhì)量，并取得了較好效果。Seida等對機器視覺技術(shù)運用于飲料容器質(zhì)量檢測的可行性進行了研究。Jia1998等運用計年，Shinizu等利用機器視覺和近紅外光連續(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等提出同時使用形狀和顏色分析識別小麥田間雜草的方法。1997年，Giles等研制出一種裝1999等研制出由計算機視覺系統(tǒng)、精準噴施系統(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器人的機械手。1995年，周云山等將計算機視覺技術(shù)應(yīng)用于蘑菇識別，使蘑年，近藤等研制出采用雙目視覺方法定年，德田勝等研制出一套運用機器視覺技術(shù)檢測西瓜成熟度的機器視覺1996-20058635個農(nóng)業(yè)智能系統(tǒng)開發(fā)平臺，70多個應(yīng)用框架，200多個本地化農(nóng)業(yè)專家系統(tǒng)，涉及糧食、果樹、蔬菜、畜牧、水產(chǎn)23個省級應(yīng)用示范區(qū)，取得了重大的社會能信息技術(shù)的應(yīng)用發(fā)展。203年283電腦農(nóng)業(yè)（griulurlExprtSystminhin峰會上獲峰會大獎（orldSuitrd，標志著我國利用智能化農(nóng)業(yè)信息技術(shù)改造傳統(tǒng)農(nóng)業(yè)做出的巨大貢獻得到了世界的承認。第三階段：規(guī)模應(yīng)用期（2000至今）2150%年，荷蘭農(nóng)業(yè)環(huán)境工程研究等對溫室黃瓜收獲機器人機械手的運動結(jié)構(gòu)進4PPRR年，Zapotoczny采用神經(jīng)網(wǎng)絡(luò)個小麥品種進行試驗，使用圖100%。近十幾年來，我國科研人員對計算機視覺技術(shù)在農(nóng)作物種子質(zhì)量檢測的應(yīng)用方面作了大量研究。2004年，周紅等運用計算機視覺技術(shù)提取玉米種子的外形輪廓，為玉米種子的進一步分級識別提供依據(jù)。2008年，萬鵬等提出利用計算機視覺系統(tǒng)代替人眼識別整粒及碎大米粒形的方法，98.67%、92.09%。在農(nóng)產(chǎn)品分級分成果應(yīng)用于實際生產(chǎn)中。2002等成功研制出一種谷?？?0098.9%年，MathankerAdaBoost和支持向量機(SupportMachine,SVM)的方法可提高核桃分級檢測的精度。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)無人機在美國分2008年無錫漢和第一架植保無人機面試以來，無人機行業(yè)如雨后春筍般的發(fā)展。主要應(yīng)用在土壤濕度監(jiān)測、農(nóng)田噴灑、植被覆蓋度的監(jiān)測等方向[7]。在2009年“感知中國”的目標提出后，作為年國3個項目作為國家物聯(lián)網(wǎng)息化和智能化的嶄新時代。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（1（20（304.0的核心內(nèi)容[8]。智慧農(nóng)業(yè)在中國的研究進展80年代初，包括施肥專家咨詢系20農(nóng)林科學(xué)院聯(lián)合實施的大型定量遙感聯(lián)合試驗和北京農(nóng)業(yè)信息技術(shù)研究中心，根據(jù)國家973項目與智慧農(nóng)業(yè)示范項目的總體要求，在智慧農(nóng)業(yè)存在的問題過程中，與國外智慧農(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)我國智慧農(nóng)業(yè)科技含量、發(fā)展水平較低我國智慧農(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)達國家而言仍具有不小的差距。同時，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、實施、維