设施农业是集种植、农业装备等多领域为一体的系统工程，是一种在人为可控环境下进行的高效农业生产方式，具有成套的生产技术、完整的设施装备和生产规范[1].近几年，随着信息技术的发展，物联网技术逐渐被应用到农业生产和科研中，这是现代农业依托新型信息化应用的一次进步[2].本文结合人工智能研究成果，着重介绍人工智能技术在设施农业种植领域方面的应用前景，根据设施农业产前、产中、产后 3 个阶段，对现有研究成果进行了阐述。
　　
　　人工智能概述
　　
　　“人工智能”一词是 1956 年在 Dartmouth学会上提出。从那以后，研究者们发展了众多理论和原理，人工智能的概念也随之扩展。人工智能（Artificial Intelligence），英文缩写为 AI,它是研究用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的新型科学技术[3].
　　
　　作为计算机科学的一个重要分支，人工智能技术着眼于探索智能的实质，模拟智能行为，最终制造出能以人类智能相似的方式做出反应的智能机器。着名的美国斯坦福大学人工智能研究中心尼尔逊教授对人工智能下了这样一个定义：“人工智能是关于知识的学科，即怎样表示知识以及怎样获得知识并使用知识的科学。”而另一位美国麻省理工学院的温斯顿教授认为：“人工智能就是研究如何使计算机去做过去只有人才能做的智能工作。”这些说法反映了人工智能学科的基本思想和基本内容。人工智能自诞生以来，理论和技术日益成熟，应用领域不断扩大，可以设想，未来应用了人工智能的科技产品，将会是人类智慧的“容器”.
　　
　　随着人工智能技术的日益成熟，人们意识到人类已经具备了设计和建造智慧型设施农业所需的硬件和软件技术条件，结合设施农业高投入高产出，资金、技术、劳动力密集型的特点，完成工厂化农业生产已经不是梦想[4].依靠人工智能技术，作物可以在适宜的温度、湿度、光照、水肥等设施环境下，生产优质、高产的农产品，摆脱对自然环境的依赖，实现设施生产的高度智能化，提高农业生产的效率，降低劳动成本[5].
　　
　　人工智能在设施农业领域的应用
　　
　　人工智能技术在产前阶段的应用
　　
　　在设施农业产前阶段，凭借人工智能技术可对土壤、灌溉水量需求、作物品种质量鉴别等方面做出分析和评估，为农民做出科学指导，对后续的农业生产起到很好的保障作用。
　　
　　土壤分析是农业产前阶段最重要的工作之一，是实现定量施肥、宜栽作物选择、经济效益分析等工作的重要前提[6].在土壤分析等农业生产智能分析系统中，应用最广泛的技术就是人工神经网络（简称 ANN）。ANN 是模拟人脑神经元连接的，由大量简单处理单元经广泛并互连形成的一种网络系统，它可以实现对人脑系统的简化、抽象和模拟，具有人脑功能的许多基本特征。目前可以通过该技术分析土壤性质特征，并将其与宜栽作物品种间建立关联模型。土壤性质特征的探测主要是借助非侵入性的探地雷达成像技术，然后利用神经网络技术在无人指导的情况下对土壤进行分类研究，进而建立起土壤类别与宜栽作物的关联关系；土壤表层的黏土含量也可通过人工智能方法预测，该技术通过分析电磁感应土壤传感器获取的信号，使用深度加权方法从中提取土壤表层质地信息，然后使用ANN 预测土壤表层的黏土含量。
　　
　　传统农业对灌溉用水的使用量往往依靠经验，无法根据环境变化进行精确调节，对多目标灌溉规划问题也无能为力。人工智能技术可帮助人们选择合适的水源对作物进行灌溉，保证作物用水量，大大减轻灌溉问题对作物产量造成的不良影响。在美国，有专家研制出一个隐层的反馈前向ANN 模型和一个位于科罗拉多州地区阿肯色河流域的消费使用模型，使用它们可勘察区域气候变化对灌溉用水供应和需求可能产生的影响。在灌溉项目研究中，为了选择最好的折中灌溉规划策略，还可基于多目标线性规划优化，利用神经网络将非支配的灌溉规划策略加以分类，将这些策略分为若干个小类别。结果表明，在对多目标灌溉规划问题加以建模时，综合模型方法是有效的。
　　
　　人工智能技术在产中阶段的应用
　　
　　在设施农业产中阶段，主要应用是农业专家系统、人工神经网络技术、农业机器人等。这些技术能够帮助农民更科学地种植农作物并对温室大棚进行合理的管理，指导农民科学种植，提高作物产量。这些人工智能技术的使用推进了农业现代化的发展，提高了农业生产的效率，使农业生产更加机械化、自动化、规范化。
　　
　　专家系统是指应用于某一专门领域，拥有该领域相当数量的专家级知识，能模拟专家的思维，能达到专家级水平，能像专家一样解决困难和复杂问题的计算机（软件）系统。国际上农业专家系统的研究始于 20 世纪 70 年代末期的美国，1983 年日本千叶大学研制出 MTCCS（番茄病虫害诊断专家系统），到了 20 世纪 80 年代中期，农业专家系统不再是单一的病虫害诊断系统，美国、日本、中国等国家也相继转向开发涉及农业生产管理、经济分析、生态环境等方面的农业专家系统。农业科研人员把人工智能中的专家系统技术应用到农业生产中，开发出了农业专家系统。它可代替农业专家走进生产温室，在各地区具体指导农民科学种植农作物，这是科技普及的一项重大突破。
　　
　　在设施生产中可以使用机器人来代替农民进行作物采收，不仅可以降低劳动成本，也可以提高工作效率。Wolfgang Heinemann 等人研发出的具有独特设计结构的采收机器人，该机器人可以在无需人类干扰的情况下自动采收白芦笋。为了保证机器人能够精确行进，它使用了 2 个独立的速度控制轮和级联控制结构（其中包含了一个内部的定位误差控制器和一个外部的横向偏置控制器）。借助 PID 算法①，机器人系统可以分析自己的运动轨迹，优化驱动电机的控制参数，保证系统能够稳定自主的运行。
　　
　　在中国，应用人工智能技术的智能杂草识别喷雾系统已经得到了长足发展。图像分析系统通过分析田间图像的颜色模型，根据色差分量②颜色特征实现杂草实时识别，并基于 Canny 算子对识别到的杂草进行边缘检测，提取其特征参数，配合超生测距等技术可以精确控制喷头位置及用药量[7].该技术的应用可以大大提高除草剂的经济性，对保护环境也大有益处。
　　
　　人工智能技术在产后阶段的应用
　　
　　人工智能技术在设施农业产后阶段也有相当多的应用前景。
　　
　　在农产品分类方面人工智能技术能提供很好的支持。张嘏伟[8]等提出了一种基于图像识别的番茄分类方法，该方法根据番茄的表面缺陷、颜色、形状和大小，使用遗传算法训练的多层前馈神经网络对番茄进行分类，并与 BP 训练神经网络③进行了比较。结果表明，遗传算法在训练次数和准确性上都具有优势。谢静[9]等对图像识别分类中的图像预处理方法进行了研究，包括图像噪声去除方法、图像分割方法、边缘提取方法等。
　　
　　提出了使用改进的 canny 算法④和当量直径法相结合来检测水果大小的新思路，并使用模糊聚类方法处理 gabor 滤波器提取水果表面缺陷特征，对水果表面缺陷进行了分类。
　　
　　随着社会的发展，人民生活水平的提高，广大消费者及国家都对食品安全问题越来越重视，农产品质量检测方法也在不断进步。图像识别、电子鼻等技术都应用在了农产品检测中。李洪涛[10]等利用人工嗅觉装置，模拟人的嗅觉形成过程分析、识别和检测农产品在腐败过程中释放的不同特征气体。其制作了小型化的传感器阵列并利用半导体制冷片搭建了一个 PID 温度控制系统，保证传感器正常工作的温度及湿度。在当前技术的发展下，科学家们以彩色计算机视觉系统为重要技术手段，综合运用图像处理、人工神经网络、遗传算法、模拟退火算法以及决策树、专家系统等人工智能领域的技术，研究出了众多实现农产品品质检测和自动分级的新方法。
　　
　　草莓、葡萄等农产品很容易破损和受伤，依靠人工采摘和搬运，不仅增加了劳动成本，也影响农产品采摘后的品质。结合磁流变（MR）流体技术，工程师们设计出了一种可用于搬运农产品的磁机器人手爪，该手爪经过精确设计，可以搬运胡萝卜、草莓、西兰花和葡萄等不同形状食品，而且不会在食物表面留下任何淤痕和凹陷。为了让机器人手爪更为快速、准确地工作，在磁流变手爪的基础上结合力传感技术开发出了更为灵活、智能的新型手爪。
　　
　　该手爪可在 410~530 ms 内抓握 50~700 g 重量的农作物，还能显着减少细菌的交叉感染。
　　
　　人工智能发展前景
　　
　　近年来，人工智能技术已经取得了长足的进步，语音识别、自然语言识别、计算机视觉、自动推理、数据挖掘、机器学习以及机器人学都在蓬勃发展。人工智能的未来就是在智能感知的前提下，结合大数据技术自主学习，帮助人们做出决策、代替重复性工作。在农业方面出现全天候全自动平台，实现农业生产的全自动化[11].物联网技术在设施农业中已经得到普及，在温室大棚中的大量智能传感器是机器感知的基础，而感知则是智能实现的前提之一，通过感知，农业数据源源不断地汇集在一起。云计算的发展为大数据存储和大规模并行计算提供了可能[12],而数据则是机器学习的书本。设施农业是物联网、云计算、人工智能三大技术结合应用的领域之一，它们的结合颠覆了传统农业生产方式。
　　
　　面对众多的新技术、新成果，把它们投入到生产中去才是关键。如何让技术能够适应中国复杂的农业生产环境，同时还要面对不同知识水平的用户，这些都是人工智能技术、云计算技术等高新技术在农业生产中所面临的问题。设施农业高产出高投入的特点，正适合应用这些新技术，这样既可以让新技术有实践的机会，又可以让其他涉农用户对新技术有直观的感知，这对技术进步和技术推广都很有帮助[13].
　　
　　人工智能技术虽然前景光明，但其应用的研究才刚刚起步，离目标还很远。未来，人工智能技术可以更好地为人们服务，改善人们的生活，并带来巨大的社会和经济效益[14].在人工智能的引领下，农业已迈入数字和信息化的崭新时代，借助其技术优势来提高农业生产的经济效益，是全面实现农业生产现代化、智能化、信息化的必由之路。
　　
　　参考文献
　　
　　[1] 李雪 , 肖淑兰 , 赵文忠 , 等 . 信息技术在农业领域的应用分析 [J].东北农业大学学报 ,2008,39（3）：125-128.
　　
　　[2] 施连敏 , 陈志峰 , 盖之华 , 等 . 物联网在智慧农业中的应用 [J].农机化研究 ,2013（6）：250-252.
　　
　　[3] 刘现 , 郑回勇 , 施能强 , 等 . 人工智能在农业生产中的应用进展 [J].福建农业学报 ,2013,28（6）：609-614.
　　
　　[4] 姜芳 , 曾碧翼 . 设施农业物联网技术的应用探讨与发展建议 [J].农业网络信息 ,2013（5）：10-12.
　　
　　[5] 陈超 , 张敏 , 宋吉轩 , 等 . 我国设施农业现状与发展对策分析 [J].河北农业科学 ,2008,12（11）：99-101.
　　
　　[6] 邹承俊 . 物联网技术在蔬菜温室大棚生产中的应用 [J]. 物联网技术 ,2013（8）：18-24.
　　
　　[7] 石礼娟 . 基于可见光 / 近红外光谱的稻米质量快速无损检测研究 [D]. 武汉 : 华中农业大学 ,2011.
　　
　　[8] 张嘏伟 . 计算机视觉系统在番茄品质识别与分类中的研究 [D].保定 : 河北农业大学 ,2005.
　　
　　[9] 谢静 . 基于计算机视觉的苹果自动分级方法研究 [D]. 合肥 :安徽农业大学 ,2011.
　　
　　[10] 李洪涛 . 基于农产品品质检测的专用电子鼻系统的设计与研究 [D]. 杭州 : 浙江大学 ,2010.
　　
　　[11] 张震 , 刘学瑜 . 我国设施农业发展现状与对策 [J]. 农业经济问题 ,2015（5）：64-70.
　　
　　[12] 施连敏 . 物联网在智慧农业中的应用 [J]. 农机化研究 ,2013（6）：250-252.
　　
　　[13] 崔文顺 . 云计算在农业信息化中的应用及发展前景 [J]. 农业工程 ,2012（1）：40-43.
　　
　　[14] 李雪 . 信息技术在农业领域的应用分析 [J]. 东北农业大学学报 ,2008,39（3）：125-128.

 

TAG标签： 设施     农业     发展中