聯(lián)合國2020 年 11 月公布的總?cè)丝跒?78 億。據(jù)估計，這個數(shù)字到 2030 年將達(dá)到 85 億，到 2050 年將達(dá)到 99 億。隨著總?cè)丝诘目焖僭鲩L，全球食品消費也在快速增長。農(nóng)業(yè)的產(chǎn)量已經(jīng)比三年前的產(chǎn)量高出約 17%。然而，世界上約有 8.21 億人缺乏糧食保障。迅速增加農(nóng)業(yè)或糧食產(chǎn)量以滿足不斷增長的糧食供應(yīng)需求并非易事。

隨著全球人口的增長，糧食和農(nóng)業(yè)組織計算出，到 2050 年，農(nóng)業(yè)產(chǎn)量需要增加 70%才能養(yǎng)活世界不斷增長的人口。為了實現(xiàn)可持續(xù)農(nóng)業(yè)生產(chǎn)，農(nóng)業(yè)部門需要采用區(qū)塊鏈、物聯(lián)網(wǎng)和人工智能等智能技術(shù)輔助農(nóng)業(yè)生產(chǎn)。如果我們可以從農(nóng)場生成大量數(shù)據(jù)并使用這些數(shù)據(jù)來推動一些農(nóng)業(yè)決策。它可以幫助解決全球范圍內(nèi)的大部分食品問題。例如，如果我們可以使農(nóng)場能夠為該地區(qū)的土壤濕度、溫度和濕度、水的可用性以及農(nóng)場周圍的其他環(huán)境因素構(gòu)建數(shù)據(jù)集或地圖，它將支持智能農(nóng)業(yè)、精準(zhǔn)農(nóng)業(yè)、垂直農(nóng)業(yè)等。

數(shù)據(jù)驅(qū)動的農(nóng)業(yè)已被證明可以提高作物產(chǎn)量、降低成本并確?？沙掷m(xù)性。這些不僅限于農(nóng)業(yè)，而且對于畜牧業(yè)面臨的若干挑戰(zhàn)也有潛在的解決方案。

智慧農(nóng)業(yè)生態(tài)

智慧農(nóng)場基于物聯(lián)網(wǎng)可穿戴設(shè)備的全面監(jiān)控，由固件、人工智能、衛(wèi)星圖像和區(qū)塊鏈技術(shù)提供支持，為農(nóng)民提供有關(guān)健康、位置、喂養(yǎng)和他們的動物的繁殖條件。

大數(shù)據(jù)使農(nóng)業(yè)從業(yè)者和相關(guān)行業(yè)能夠獲取有關(guān)影響農(nóng)業(yè)生產(chǎn)的不同因素的信息，并在日常農(nóng)業(yè)中做出有效的決策。大型工廠化農(nóng)場采用了物聯(lián)網(wǎng)和區(qū)塊鏈等不同技術(shù)，旨在在農(nóng)業(yè)實踐中提高產(chǎn)量。區(qū)塊鏈技術(shù)正在農(nóng)業(yè)食品供應(yīng)鏈的管理中實施，以提供所有操作的透明度、安全性、穩(wěn)定性和可靠性等功能。

物聯(lián)網(wǎng)協(xié)助農(nóng)業(yè)生產(chǎn)和供應(yīng)鏈各個階段的數(shù)據(jù)收集，對農(nóng)業(yè)、加工、物流和營銷過程中收集的數(shù)據(jù)進(jìn)行大數(shù)據(jù)分析。例如，移動農(nóng)業(yè)專家系統(tǒng)和農(nóng)業(yè)預(yù)測分析都依賴大數(shù)據(jù)為種植者提供精準(zhǔn)農(nóng)業(yè)的智能建議，精準(zhǔn)的風(fēng)險評估可以幫助農(nóng)業(yè)從業(yè)者更好地應(yīng)對農(nóng)業(yè)風(fēng)險，包括生產(chǎn)風(fēng)險、市場風(fēng)險、制度風(fēng)險以及伴隨的個人和貨幣風(fēng)險。此外，大數(shù)據(jù)可用于解決食品安全、供應(yīng)管理、食品安全以及食品損失和浪費等存在的挑戰(zhàn)。

與其他行業(yè)類似，農(nóng)業(yè)行業(yè)通過采用融合技術(shù)來追求創(chuàng)新。大數(shù)據(jù)和人工智能已經(jīng)在整個行業(yè)展示了它們的潛力和用途。

人工智能

在農(nóng)業(yè)食品行業(yè)中有許多使用 AI 和 ML 的實例，自動化框架可以在幾秒鐘內(nèi)收集關(guān)于單個食品的大量數(shù)據(jù)并進(jìn)行快速分析。人工智能在農(nóng)業(yè)部門的一些主要領(lǐng)域得到了應(yīng)用，例如供應(yīng)鏈管理、土壤、作物、疾病和病蟲害管理。

大數(shù)據(jù)分析

大數(shù)據(jù)分析被概括為一個系統(tǒng)，其中尖端分析方法對龐大的數(shù)據(jù)集進(jìn)行操作。它是兩個技術(shù)實體的組合海量數(shù)據(jù)集，以及包括數(shù)據(jù)挖掘、統(tǒng)計、人工智能、預(yù)測分析、自然語言處理（NLP）等在內(nèi)的分析工具類別的集合，構(gòu)成了商業(yè)智能的重要組成部分。

大數(shù)據(jù)已成為學(xué)術(shù)研究和工業(yè)領(lǐng)域廣泛研究的對象，例如，大數(shù)據(jù)正被用于亞馬遜等大服務(wù)行業(yè)等眾多領(lǐng)域，以了解客戶行為和需求，從而更準(zhǔn)確地相應(yīng)地調(diào)整產(chǎn)品價格，提高運(yùn)營效率并降低個人成本。甚至社交網(wǎng)站 Facebook、Twitter 和其他網(wǎng)站也利用大數(shù)據(jù)分析來研究用戶的社交行為、興趣和社交關(guān)系，然后制定個性化功能。在智能交通系統(tǒng)中，大數(shù)據(jù)技術(shù)可以處理期間產(chǎn)生的海量多樣復(fù)雜的數(shù)據(jù)，為交通系統(tǒng)中的駕駛員和乘客提供安全、優(yōu)質(zhì)的設(shè)施。在農(nóng)業(yè)領(lǐng)域，大數(shù)據(jù)顯示了解決農(nóng)業(yè)面臨的許多挑戰(zhàn)，從而提高農(nóng)業(yè)生產(chǎn)質(zhì)量和數(shù)量的巨大潛力。大數(shù)據(jù)分析可用于確定土壤質(zhì)量、病蟲害干擾、需水量，并可預(yù)測作物的收獲時間。

大數(shù)據(jù)特征（10v）

海量數(shù)據(jù)在農(nóng)業(yè)中的應(yīng)用，不僅限于初級種植，而且在提升整個供應(yīng)鏈的有效性方面也扮演著重要的角色，從而減少對糧食安全的擔(dān)憂。

農(nóng)業(yè)中的機(jī)器學(xué)習(xí)

有許多關(guān)于不同的機(jī)器學(xué)習(xí)算法的文獻(xiàn)，這些算法已被用于農(nóng)業(yè)的不同應(yīng)用領(lǐng)域。與人工神經(jīng)網(wǎng)絡(luò)相比，SVR 表現(xiàn)出對異常值和噪聲存在的穩(wěn)健性，具有更好的估計精度。深度學(xué)習(xí)技術(shù)是農(nóng)業(yè)圖像數(shù)據(jù)集分割應(yīng)用最有潛力的模型。

機(jī)器學(xué)習(xí)在精準(zhǔn)農(nóng)業(yè)中遇到的最具體的挑戰(zhàn)是可變的時空分辨率和由于物聯(lián)網(wǎng)設(shè)備故障、通信故障、惡劣天氣阻止遙感圖像采集。機(jī)器學(xué)習(xí)可以根據(jù)數(shù)據(jù)填補(bǔ)缺失的信息。

隨著對來自無人駕駛飛行器和衛(wèi)星的大量航拍圖像的訪問不斷擴(kuò)大，卷積神經(jīng)網(wǎng)絡(luò)（CNN）可以在這些信息的分析中發(fā)揮重要作用，以提取重要信息。例如數(shù)據(jù)的預(yù)處理和分析。由于無人機(jī)可以積累大量非結(jié)構(gòu)化數(shù)據(jù)，基于大數(shù)據(jù)的工具（分析工具）和云計算具有提高數(shù)據(jù)處理效率、提供高數(shù)據(jù)安全性和可擴(kuò)展性以及最小化成本的潛力。基于云計算的應(yīng)用程序作為一種潛在的解決方案，具有較低的前期成本、計算資源的熟練利用和服務(wù)成本。

了解土壤的質(zhì)地、結(jié)構(gòu)和化學(xué)性質(zhì)等不同特征有助于農(nóng)業(yè)從業(yè)者選擇最優(yōu)質(zhì)的作物在他們的農(nóng)場種植。研究土壤、物聯(lián)網(wǎng)和其他傳感器網(wǎng)絡(luò)的這些特征，以及基于 ML 的大數(shù)據(jù)技術(shù)，如聚類和分類方法來標(biāo)記土壤數(shù)據(jù)。

農(nóng)業(yè)環(huán)境中的大數(shù)據(jù)運(yùn)行周期

在技術(shù)先進(jìn)的大型工業(yè)農(nóng)場中，田間管理看起來與傳統(tǒng)農(nóng)場不同，管理系統(tǒng)通過獲取其內(nèi)部可變性（包括時間和空間方面）的好處來處理實際田間數(shù)據(jù)，從而采用智能決策?，F(xiàn)場數(shù)據(jù)采集是通過部署物聯(lián)網(wǎng)設(shè)備、遙感和其他傳感器網(wǎng)絡(luò)來完成的。從物聯(lián)網(wǎng)傳感器網(wǎng)絡(luò)收集的有關(guān)土壤、作物、天氣或環(huán)境的數(shù)據(jù)存儲在本地或云存儲中。使用基于機(jī)器學(xué)習(xí)的大數(shù)據(jù)算法來提取重要信息。

除傳統(tǒng)傳感器外，不同的物聯(lián)網(wǎng)傳感器用于作物監(jiān)測并從中收集所需的重要數(shù)據(jù)。這些傳感器設(shè)備可以直接部署在農(nóng)田、農(nóng)業(yè)機(jī)器人、自主平臺、機(jī)器或氣象站中。人造衛(wèi)星遙感通過遠(yuǎn)程訪問現(xiàn)場數(shù)據(jù)，在精準(zhǔn)農(nóng)業(yè)的發(fā)展中發(fā)揮了重要作用。

無人機(jī)（無人機(jī)和遙控飛機(jī)）在農(nóng)業(yè)生產(chǎn)中的應(yīng)用逐漸增加，作為衡量可持續(xù)農(nóng)業(yè)管理的有效方法允許種植者、農(nóng)業(yè)工程師和農(nóng)藝師協(xié)助簡化他們的程序，利用強(qiáng)大的信息分析來獲得一些關(guān)鍵意見。無人機(jī)在確定合適的作物推薦、植物和種群的出現(xiàn)方面使對大面積農(nóng)田進(jìn)行仔細(xì)的作物監(jiān)測變得更加容易，因為更精確的數(shù)據(jù)可以幫助做出關(guān)于重新種植、修剪和間伐活動以及產(chǎn)量估算的決策。

在近端傳感中，地面平臺如無人地面車輛（UGV）和靠近作物操作的機(jī)器人增加了獲取數(shù)據(jù)的準(zhǔn)確性， UGV 應(yīng)用需要實時數(shù)據(jù)，例如雜草檢測和清除、選擇性農(nóng)藥噴灑、土壤分析、害蟲控制和作物偵察。

不同無線數(shù)據(jù)采集技術(shù)的應(yīng)用在農(nóng)業(yè)中創(chuàng)造了海量數(shù)據(jù)。由于農(nóng)場管理涉及多個田間參數(shù)，人們實際上很難管理復(fù)雜的農(nóng)業(yè)數(shù)據(jù)以做出更好的決策。在這種情況下，人工智能與深度學(xué)習(xí)、遺傳算法、機(jī)器學(xué)習(xí)或?qū)＜蚁到y(tǒng)可以輔助推理，建模能力可以在精準(zhǔn)農(nóng)業(yè)中發(fā)揮重要作用，有助于理解所有可用數(shù)據(jù)。經(jīng)濟(jì)型電子元件的普遍可用性將有利于包括小農(nóng)場主在內(nèi)的世界各地采用這些數(shù)字應(yīng)用程序。

精準(zhǔn)農(nóng)業(yè)中的大數(shù)據(jù)挑戰(zhàn)

1、數(shù)據(jù)收集挑戰(zhàn)

在精準(zhǔn)農(nóng)業(yè)用例中，大量數(shù)據(jù)來自不同來源。合并來自各種來源的數(shù)據(jù)引發(fā)了對信息質(zhì)量和信息合并問題的擔(dān)憂，而對收集到的海量信息的訪問引發(fā)了對安全和保護(hù)的擔(dān)憂。數(shù)據(jù)驅(qū)動技術(shù)要求使用未受污染且適用的信息。不完整的數(shù)據(jù)集會抹掉信息，而訓(xùn)練集中存在的異?；騼A向會影響模型精度。

2、大數(shù)據(jù)分析技術(shù)的挑戰(zhàn)

為了控制與精準(zhǔn)農(nóng)業(yè)或智能農(nóng)業(yè)相關(guān)的數(shù)據(jù)集，分析技術(shù)需要在一定程度上采用對齊和分布式手段，計算復(fù)雜度高。人工智能和分布式計算執(zhí)行程序的集成提供了處理海量數(shù)據(jù)的潛在方法。

3、管理不斷增長的數(shù)據(jù)和實時可擴(kuò)展性

在植物生長監(jiān)測期間，通過多個設(shè)備逐步生成大量圖像和視頻，這給存儲和處理所有這些數(shù)據(jù)帶來了一些挑戰(zhàn)。農(nóng)業(yè)中產(chǎn)生的大部分?jǐn)?shù)據(jù)都是無定形或半結(jié)構(gòu)化的，無法穩(wěn)定地存儲在 MySQL、SQL Server 等常用數(shù)據(jù)庫中。

總結(jié)

通過 ICT 的發(fā)展，信息的可訪問性不斷提高，這似乎有望通過提高模型的精確性和泛化能力來改進(jìn)不可或缺的決策創(chuàng)新。此外，從精準(zhǔn)農(nóng)業(yè)實踐產(chǎn)生的大量數(shù)據(jù)中學(xué)習(xí)，預(yù)計將為精準(zhǔn)農(nóng)業(yè)創(chuàng)造大量機(jī)會和轉(zhuǎn)型視角。隨著大數(shù)據(jù)的進(jìn)步，傳統(tǒng)的學(xué)習(xí)方法在處理海量異構(gòu)、多維、時空數(shù)據(jù)時自然不具備足夠的能力或可擴(kuò)展性。

除了精準(zhǔn)農(nóng)業(yè)外，人工智能、無人機(jī)、物聯(lián)網(wǎng)、機(jī)器人和大數(shù)據(jù)的自動化和應(yīng)用預(yù)計將在各種農(nóng)業(yè)領(lǐng)域發(fā)揮重要作用。采用高性能數(shù)據(jù)驅(qū)動的可擴(kuò)展學(xué)習(xí)方法可提供更好的實時決策能力并使各種農(nóng)業(yè)流程自動化，從而可以將傳統(tǒng)的農(nóng)場管理轉(zhuǎn)變?yōu)槿斯ぶ悄芟到y(tǒng)。

本文來源：IEEE