人工智能在农业机械中的应用

序论：好文章的创作是一个不断探索和完善的过程，我们为您推荐一篇人工智能在农业机械中的应用范例，希望它们能助您一臂之力，提升您的阅读品质，带来更深刻的阅读感受。

人工智能作为计算机科学的一个重要分支，通常可以被概括成一种智能化的处理能力，能够和人一样感知、认知、决策、执行的程序或系统。随着科学技术不断发展，人工智能已应用于医疗、教育、金融等诸多领域，有效地推动了各领域高速发展[1]。农业是人类衣食住行的源泉，是人民生活的重要基础，是支撑国家经济的脊柱，也是国家稳定发展的“压舱石”。人工智能及物联网技术在智能农机、智慧农业的应用主要涉及传感检测、机器视觉、大数据处理等，以此实现自动监控、自主修正、智能调整[2]。其中，传感检测技术应用于智能农机对外界的环境感知及决策反馈，实时感知当前作业状态；机器视觉领域应用于农作物识别、杂草识别、病虫害识别、障碍目标检测以及路径规划等方面；而大数据处理技术则充分应用在无人化耕作、精准施肥喷药、智能收获领域中，实现农机与农艺的有机融合，保证各个作业环节的高效及高质量。本文主要介绍了人工智能赋能农业机械的主要技术及其在农业生产各环节中的具体应用，并针对当前存在的难题和机遇，提出了人工智能技术赋能农业领域的发展方向。

1人工智能赋能农机概述及意义

人工智能农业是指以自然语言处理、知识表现、智能搜索、推理、规划、机器学习、知识获取、组合调度问题、感知问题、模式识别、逻辑程序设计软计算、不精确和不确定的管理、人工生命、神经网络、复杂系统、遗传算法等为研究范畴，来实现知识表示、自动推理和搜索方法、机器学习和知识获取、知识处理系统、自然语言理解、计算机视觉、自动程序设计等方面研究成果，最终用于参与到农业耕、种、管、收生产全过程解决无人化耕作、病虫害精准识别及防治、智能收获等有关农业生产问题的未来智慧农业生产方式[3]。人工智能技术将会改变人类的生产方式、生活方式，其在农业生产中也将会有越来越多的应用，必然会先从最适合且最能为农业生产带来便利和成本节省的方向开始。人工智能技术的不断成熟，使得拥有强大算力的芯片不仅仅出现在服务器端，人工智能的应用还会延伸至终端应用场景。基于机器学习的视觉识别及以各类传感器为基础的农业大数据收集、分析、应用为精准农业生产过程带来了很大的想象空间。由人工智能技术赋能驱动的农业机械产品，将利用机器学习而具备在作业现场自我智能决策的能力，可将产品的智能控制提升到一个新的高度。由人工智能技术驱动的农业，将会使机器更加智能化，可节省人力、降低劳动强度、节省农资消耗成本、保证环保增效创收，其功能及特色能为用户带来切实的收益。随着进一步的市场推广，整机销量增加，农业生产大数据加速积累，数据挖掘以使农业大数据应用到智慧农业将成为新的社会效益点。

2人工智能赋能农机的应用现状

全球农业产业正处于技术革命的风口浪尖，人工智能将为农业的未来带来革命性的变化。美国迪尔公司（JohnDeere）是世界上最大的农机巨头，也是精细农业的领导者。2017年9月，该公司收购了人工智能初创公司蓝河科技（BlueRiverTechnology），基于人工智能对收获机的损失率、含杂率进行监测[4]，利用图像识别技术来获取农作物的生长状况，通过机器学习，分析和判断杂草及病虫害，实现精准施肥喷药，比传统种植方式减少了90%的农药化肥使用量[5]。加拿大VineView公司可在云端利用人工智能技术分析无人机捕获的图像和数据，尤其是根据葡萄叶的图像分析葡萄树疾病的隐患[6]。海沃德公司（AboundantRobotics）在不破坏苹果树和苹果的前提下可达到一秒一个的采摘速度。苹果采摘机器人可通过摄像装置获取果树照片，用图片识别技术定位适合采摘的苹果，再用机械手臂和真空管道进行采摘，不会伤到果树和苹果[7]。人工智能技术在我国现代农业生产中应用的时间相对较短，但近年来，农业人工智能发展非常迅速，在精准施肥喷药、智能收获等领域出现了许多成功案例。如在2019年10月30日青岛国际农业机械展览会上，中联重科人工智能小麦机、水稻机、植保机等新品全新亮相[8]。人工智能小麦机、水稻机上全方位搭载视觉摄像头、传感器等多种智能元件，在作业过程中可实时感知作物倒伏、密度、潮湿度、品种等特征信息，控制系统根据实时收集的信息进行智能决策，并通过末端执行器实现实时的智能调整，如自动控制割台、脱粒滚筒转速、整车作业速度等。人工智能植保机，喷杆上装载多个视觉摄像头，能够实时感知田间作物的杂草病虫害情况及作物生长态势等信息，控制系统通过推断计算形成最佳施肥喷药方案，实时控制电控喷头的开闭及流量，从而达到最佳的施肥喷药效果，确保肥料及农药利用最大化，减少浪费和环境污染。

3人工智能赋能农机的应用实例

3.1无人化耕作

无人化耕作（拖拉机），可通过机器视觉获取地理位置及周边环境信息，判断地头边界、农作物和障碍物，规划作业路径，对整车控制器发出相应执行指令，实现直线行驶、田间掉头、农具自动升降等自动驾驶功能。直线行驶：通过机器视觉及GPS定位系统，获取当前地理位置及周边环境信息，检测作业垅边界或待收获作物边界，智能调节作业车速及转向，实现高精度直线行驶。田间掉头：通过机器视觉，识别地头边界，智能推荐掉头操作，控制功能部件及行走、转向系统执行相应掉头动作。农具自动升降：通过机器视觉，检测整机距离田间地头的实时距离，智能判断合适的农具升降位置，控制农具液压系统实现自动升降。

3.2精准施肥喷药

精准施肥喷药（植保机），建立灭草类、除虫类、施肥类及相关农药大数据库。将农业机械作业控制算法与基于人工智能和机器视觉识别及深度机器学习的硬件平台融合，辨识杂草与作物，识别害虫及位置，判别作物长势，实现精准施肥喷药。杂草、害虫识别：通过机器视觉技术实时辨识杂草与作物，识别害虫及位置，并对其进行标记。精准施肥喷药：根据杂草、害虫主动识别结果以及作物生长态势，控制电磁阀开闭及流量，实现精准施肥喷药。

3.3智能收获

智能收获（小麦机、水稻机），建立收获作物种类的数据库并基于人工智能分析；将农业机械作业控制算法与基于人工智能和机器视觉识别及深度机器学习的硬件平台融合，根据不同作物及地况，匹配合理的收获速度，智能调节拨禾轮、割台、脱粒滚筒、风机、筛板等部件，优化损失率、含杂率、破碎率，实现智能收获。拨禾轮智能升降：根据割台高度、作物倒伏及长势、作物喂入及堵塞情况，智能调节拨禾轮高度。拨禾轮智能调速：根据作物长势状况和喂入状态，智能调节拨禾轮转速。割台智能升降：根据作业地况、作物倒伏及长势、作物喂入及堵塞情况，智能调节割台高度。脱粒滚筒智能调速：根据收获作物种类、作物成熟度和产量、风机转速，智能调节脱粒滚筒转速。风机智能调速：根据收获作物种类、含杂率、破碎率、损失率等收获指标，智能调整风机转速。筛板开片角度智能调速：根据收获作物种类、含杂率、损失率等收获指标，智能调整上筛、下筛、尾筛的开片角度。损失率/含杂率/破碎率优化：利用谷物损失传感器、机器视觉技术实时分析功能参数指标，并根据指标智能调整整机相关部件参数。

3.4人工智能控制器研制

研制低成本、多用途的通用型人工智能计算设备。以现有的AI基础硬件为参考，针对农机的共性需求，例如视觉计算、导航定位、自动控制，在满足AI推理性能、定位及控制精度、适配必要传感器的条件下，大力降低硬件成本，提高性价比。研制高性能、高可靠的专用型人工智能控制器。以通用型人工智能计算设备为基础，针对智能感知、精准控制、自动驾驶、无人作业等多个人工智能模块，以及视觉、GPS/北斗、雷达等多种传感器数据处理，研制高性能、高可靠、专用于某一类农机的人工智能控制器。针对收获机械，研制能够同时适配8路以上视觉相机并实时运行其视觉感知算法，能够运行基于GPS/北斗、雷达、视觉等三种以上传感信息融合的高精度导航定位算法，能够运行割台/拨禾轮高度、滚筒/风机转速等参数优化算法的专用AI控制器，实现高性能执行AI算法、高可靠运行AI系统。针对植保机械，研制能够同时适配10路以上视觉相机并实时运行其视觉感知算法，能够处理GPS/北斗、视觉、雷达等三种以上传感信息，能够根据视觉识别结果及车速实现精准控制作业喷头开、闭的专用AI控制器，实现高性能运行AI感知算法、高可靠精准控制作业部件。针对耕作机械，研制能够同时适配6路以上视觉相机并实时运行其视觉感知算法，能够处理GPS/北斗、视觉、雷达等三种以上传感信息，能够支持5G、云平台传输，能够智能控制深翻、深松、耙地、平地作业，能够智能控制直线行驶、地头掉头等无人驾驶的专用控制器，实现高性能执行AI算法、高可靠数据传输和系统运行。

4农业人工智能存在的问题及措施

随着大数据和物联网的发展，人工智能时代来临，各个行业都期待拥抱人工智能技术。但是人工智能领域的发展沿袭了数字经济在我国的发展惯性，更加偏爱消费市场。虽然传统行业早已开始探索“如何让实体经济与人工智能技术碰出商业价值”这一重大命题，但也如某些专家所言，“缺少真正的投入与行动”。虽然人工智能技术已经开始应用于农业领域，但是与其在金融、医疗、交通等领域上的成功应用相比，人工智能赋能农机的应用略显初级，大多农场、农机制造商还没有深入推进人工智能。原因在于农业领域的数据获取比其他行业要难，农业生产统计和量化应用困难，农业环境变化对人工智能技术在农业上的测试、验证和推广更加困难，既懂农业又懂人工智能技术的复合型人才稀少[9-10]。过去人工智能在农业生产体系中的投入占比较小，无法得到明显的技术推进和深层的改动优化。人工智能赋能农机需要大量的资金投入和前期工作，人工智能与农业领域深度融合和推广应用仍面临着多重挑战，如农村网络基础设施薄弱，在农业技术层面的应用仍处在起步阶段，研发的智能农机还不具备适应不同作业条件的能力，难以在现实农业生产中投入使用等。要推动人工智能在农业领域的深入融合与应用，应从基础研究、核心技术、科技应用和人才队伍建设四个方面发力。1）加强基础创新研究。整合全球智能农业技术资源，加强国际合作交流，建设智能农业协同研发创新平台。引进、消化国内外智能农业先进技术，集成创新一批具有自主知识产权的智能农业技术。2）突破关键核心技术。加快建立“信息感知、定量决策、智能控制、精准投入”的农业智能技术体系。智能农业关键技术研发包括了基于物联网的农情感知技术、基于大数据的农业分析技术、基于云计算的数据处理技术和信息技术与农业深度融合等。突破信息感知、决策智控、试验检测、精细生产管控等应用基础及无人化耕作、精准施肥喷药与智能收获装备等关键共性核心技术，创建关键共性核心技术装置与农业大数据智能分析决策系统。3）强化科技应用开发。加快低成本、低功耗、高精度，稳定可靠、适合农业复杂特殊环境条件的新型人工智能控制器、感知传感器及视觉设备的研发；开展人工智能知识处理与利用技术研究。4）加强人才队伍建设。将高端人才队伍建设作为人工智能发展的重中之重，坚持培养和引进相结合，完善人工智能教育体系，加强人才储备和梯队建设，特别是要加快引进和培养全球顶尖人才和青年人才，形成人工智能人才高地。

5结论

现代农业的发展深刻影响着国民经济和社会的各个领域。目前，智能农机发展迅猛，人工智能赋能农业机械的应用研究进一步深入。人工智能技术在无人化耕作、智能收获、精准施肥喷药等领域均有广泛应用，在无人化耕作过程中实现直线行驶、田间掉头、农具自动升降等自动驾驶功能；在精准施肥喷药过程中实时判别作物长势，感知杂草、虫害种类及位置，智能控制电控喷头开关，实现精准施肥喷药；在智能收获过程中使农机具备视觉感知能力，实时监控感知作物倒伏、籽粒破碎、籽粒含杂和籽粒损失等状况，在线决策实现对机器的智能化自动调整控制，最终实现机器的收获高质量、高效率、舒适性和智能化。与此同时，人工智能与农业领域深度融合和推广应用仍面临着多重挑战，存在资金投入需求大、网络基础设施薄弱、农机智能化水平不高等问题。基于此，课题组提出应从基础研究、核心技术、科技应用和人才队伍建设四个方面发力。随着物联网、大数据、云计算技术的持续发展，人工智能赋能农业机械的应用程度会不断加深，农业机械领域将迈入智能化的崭新时代。

参考文献：

[1]石依灵.人工智能技术在现代农业生产中的应用[J].南方农机，2019，50(14)：73.

[2]李道亮，杨昊.农业物联网技术研究进展与发展趋势分析[J].农业机械学报，2018，49(1)：1-20.

作者:唐明 黎鑫溢 梁鼎 单位:中联重科股份有限公司