Page 234 - 农产品质量检验检测与质量控制

农产品质量检验检测与质量控制
Quality Inspection, Testing and Quality Control of Agricultural Products

检测与农产品分级、动物识别与姿态检测领域等。深度学习无需人工对图像中的农情
信息进行提取与分类，但其有效性依赖于海量的数据库。农业相关信息的数据缺乏，
是深度学习在农业领域发展的主要瓶颈。
可见光波段可获得农情的局部信息，而成像与光谱相结合的图谱技术，可获得紫
外光、可见光、近红外光和红外光区域的图像信息。其中，高光谱成像技术可以探测

目标的二维几何空间和光谱信息，获得百位数量级的高分辨率窄波段图像数据；多光
谱成像技术对不同的光谱分离进行多次成像，通过不同光谱下物体吸收和反射的程度，
来采集目标对象在个位或十位数量级的光谱图像。基于多光谱图像和高光谱图像的农

情解析，可有效弥补可见光图像感知的不足。
根据与感知对象的距离，感知方式有近地遥感、航空遥感和卫星遥感等。因具
有面积广、时效性强等特点，20 世纪 30 年代起遥感技术就开始服务于农业，首先应
用这一技术的是美国，人们将其用于农场的高空拍摄，照片供农业调查使用。相对于
西方国家，亚洲地区运用遥感技术较晚，但近些年来遥感技术在某些方面也有了超前

突破。
2. 农业物联网技术
农业物联网可以实时获取目标作物或农业装置设备的状态，监控作业过程，实现

设备间、设备与人的泛在连接，做到对网络上各个终端、节点的智能化感知、识别和
精准管理。农业物联网将成为全球农业大数据共享的神经脉络，是智能化的关键一环。
随着人工智能应用领域的拓展，越来越多的应用和设备在边缘和端设备上开发部
署，且更加注重实时性，边缘计算成为新兴万物互联应用的支撑平台已是大势所趋。
对于农业应用领域，智能感知与精准作业一体化的系统尤其需要边缘智能，无人机精

准施药是边缘人工智能的最佳应用场景。物联网设备类型复杂多样、数量庞大且分布
广泛，由此带来网络速度、计算存储、运维管理等诸多挑战。云计算在物联网领域并
非万能，但边缘计算可以拓展云边界，云端又具备边缘节点所没有的计算能力，两者

可形成天然的互补关系。将云计算、大数据、人工智能的优势拓展到更靠近端侧的边
缘节点，打造云 − 边 − 端一体化的协同体系，实现边缘计算和云计算融合才能更好解
决物联网的实际问题。多个功能节点之间通过无线通信形成一个连接的网络，即无线
传感器网络（Wireless sensornetwork，WSN）。无线传感器网络主要包括传感器节点
和 Sink 节点，如图 9-1 所示。采用 WSN 建设农业监测系统，全面获取风、光、水、电、

热和农药喷施等数据，实现实时监测与调控，可有效提高农业集约化生产程度和生产
种植的科学性，为作物产量提高与品质提升带来极大的帮助。

• 220 •