Page 244 - 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

为强劲，年度农业机器人相关论文数量从 2014 年开始超过美国跃居第一。从研究热
点来看，中国更关注收获机器人、采摘机器人和农业施药无人机的研究，而美国、澳
大利亚、荷兰和英国等更关注挤奶机器人，以色列和日本较为关注收获机器人，德国
与意大利关注喷灌机器。国外农业人工智能研究起步早，技术较完善，各种智能装备
发展也较全面，国内对农业人工智能的研究起步相对较晚，且大多处于理论研究阶段。
目前，国内很多研究机构和企业在探索无人农场，建设了无人农场的示范区。例如广

州极飞科技将农业无人机、遥感无人机、农业无人车、农业物联网、农机自驾仪、智
慧农业系统等最前沿的技术带到了一些农村地区，试图改变盲目、粗放、效率低下的
农业生产方式，提升生产效率。
3. 我国面临的挑战

农业人工智能技术已成为合理利用农业资源、提高农作物产量和品质、降低生产
成本、改善生态环境、实现农业可持续发展的前沿性农业科学研究热点。我国农业正
处于由传统农业生产技术向现代农业技术转型的阶段，发展农业人工智能技术还存在
诸多挑战。
（1）技术落后
技术上与发达国家的差距导致我国农业自动化程度和集约化水平较低，容易在农

业人工智能基础理论、核心算法以及关键设备、高端芯片、重大产品与系统、软件与
接口等方面形成短板。例如已有农业传感器种类较少，缺失作物本体信息传感器，且
传感器的关键零部件都需要从国外进口。
在农业数据分析领域，主要是基于模式识别和深度学习的农业应用，如病虫害识
别等，基于过程分析的数据挖掘技术研究比较缺乏。农业大数据挖掘是从大量的、不

完全的、有噪声的、模糊的、随机的农业数据中提取出隐含在其中的、人们事先不知
道的、但又是有潜在有用的农情信息和作物生长规律的过程。农业大数据分析中，具
有挑战性的是基于过程分析和历史信息的农作物生长预测的问题。
基于无人机遥感实现精准农业航空施药或播种，是精准农业领域的关键技术。目
前无人机施药作业还未实现真正的变量喷施，其中一个原因是无人机作业处方图的生
成技术尚未成熟。要生成无人机作业处方图，需要对无人机遥感图像进行农情分析并

建模。但不同作物以及不同生长周期的作物生长形态迥异，农情分析模型不具备通用
性，限制了精准化作业的发展。
（2）基础设施不够完善
适应农业人工智能发展的基础设施如农业物联网，政策法规如农业数据共享机制，

标准体系如农事作业标准等方面亟待建设和完善。
（3）人才缺乏
农业科研投入、相关领域人才储备缺乏，人工智能尖端人才远远不能满足需求。

• 230 •