智慧农业(中英文)

人工智能在水产养殖中研究应用分析与未来展望 | Open Access

李道亮, 刘畅

2020, 2(3): 1-20. doi:10.12133/j.smartag.2020.2.3.202004-SA007

摘要 ( 5462 )

HTML ( 7181)

PDF (2843KB) ( 6637 )

参考文献 | 相关文章 | 计量指标

中国水产养殖的生产模式已由粗放型向集约型转变，生产结构不断调整升级，生产水平不断提高。但较低的劳动生产率、生产效率和资源利用率，低质量的水产品以及缺乏安全保障等问题都严重制约中国水产养殖业的快速发展。利用现代信息技术，研究智能设备来实现精确、自动化和智能化的水产养殖，提高渔业生产力和资源利用率是解决上述矛盾的主要途径。水产养殖中的人工智能是研究利用计算机实现水产养殖的过程，也就是利用机器和计算机监视水下生物的生长，进行问题判断、讨论和分析，提出养殖相关决策，完成自动化养殖。为深入了解人工智能技术在水产养殖中的研究发展现状，本文从水产养殖的生命信息获取、水产生物生长调控与决策、鱼类疾病预测与诊断、水产养殖环境感知与调控，以及水产养殖水下机器人5个具体方面入手，结合生产中面临的实际问题，分析了人工智能在水产养殖中的研究应用现状和技术特点；阐述了人工智能应用的主要技术手段和原理，总结了近年来人工智能技术在水产养殖中的最新应用研究进展，分析了当前人工智能技术在水产养殖发展中面临的主要问题和挑战，并提出了推动水产养殖转型的主要建议，以期为加速推进中国渔业数字化、精准化和智慧化提供参考。

奶牛跛行自动识别技术研究现状与挑战 | Open Access

韩书庆, 张晶, 程国栋, 彭英琦, 张建华, 吴建寨

2020, 2(3): 21-36. doi:10.12133/j.smartag.2020.2.3.202006-SA003

摘要 ( 1729 )

HTML ( 725)

PDF (1720KB) ( 907 )

参考文献 | 相关文章 | 计量指标

奶牛跛行是奶牛发生肢蹄病的外在表现。人工识别跛行奶牛存在效率低、成本高、主观性强等问题。奶业对奶牛跛行自动识别技术需求日益强烈。本文从机器视觉技术、压力分布测量技术、可穿戴技术、行为分析技术和跛行分类技术5个方面，分析了奶牛跛行自动识别技术的原理、功能、特点及研究现状。总结发现，当前奶牛跛行自动识别技术研究大多集中在传感器研发和算法开发，而性能验证和决策支持的研究较少，面临的主要挑战包括高质量跛行识别数据获取难度大，缺乏早期跛行识别技术手段，奶牛个体差异干扰模型识别精度，牧场非结构化环境对识别系统性能要求高，以及技术应用效果难评估等。因此，为促进奶牛跛行自动识别技术的发展，建议推动牧场跛行监测数据共享，研究奶牛个体跛行判别模型的构建方法，开发融合跛行检测、体况评分等多功能的一体化智能通道，并分析评价跛行自动识别技术应用在保障动物福利、环境生态、粮食安全等方面的重要意义。

蛋鸡设施养殖环境质量评价预测模型构建方法及性能测试 | Open Access

李华龙, 李淼, 詹凯, 刘先旺, 杨选将, 胡泽林, 郭盼盼

2020, 2(3): 37-47. doi:10.12133/j.smartag.2020.2.3.202003-SA010

摘要 ( 958 )

HTML ( 502)

PDF (2140KB) ( 637 )

参考文献 | 相关文章 | 计量指标

蛋鸡设施养殖环境质量对蛋鸡的健康生长和生产性能的提升至关重要。蛋鸡养殖环境是多环境因子相互影响制约的复杂非线性系统，凭借单一的养殖环境参数难以对环境质量做出准确有效的评价。针对上述问题，本研究综合蛋鸡设施养殖环境的温度、湿度、光照强度、氨气浓度等多个环境影响因子，在布谷鸟搜索算法优化神经网络（CS-BP）预测模型的基础上，构建了改进的CS-BP的蛋鸡设施养殖环境质量评价预测模型。将构建的改进CS-BP预测模型与BP神经网络、遗传算法优化BP神经网络（GA-BP）、粒子群算法优化BP神经网络（PSO-BP）3种深度学习方法进行性能参数分析比对，结果表明：改进CS-BP评价预测模型的平均绝对误差（MAE）、平均相对误差（MAPE）和决定系数（R²）分别为0.0865、0.0159和0.8569，其各项指标性能均优于上述3种对比模型，该模型具有较强的模型泛化能力和较高的预测精度。对改进CS-BP的蛋鸡设施养殖环境质量评价模型进行测试，其分类准确率达0.9333以上。本研究构建的模型可以为蛋鸡设施养殖环境质量提供更加全面有效的科学评价，对实现蛋鸡生产环境的最优控制，促进蛋鸡生产性能的提升具有重要意义。

设施温室影像采集与环境监测机器人系统设计及应用 | Open Access

郭威, 吴华瑞, 朱华吉

2020, 2(3): 48-60. doi:10.12133/j.smartag.2020.2.3.202007-SA006

摘要 ( 1201 )

HTML ( 1984)

PDF (2668KB) ( 1044 )

参考文献 | 相关文章 | 计量指标

中国设施园艺近30年来发展迅速，面积目前居世界首位，但由于务农人数呈下降趋势，如何用“机器代替人力”成为当前研究热点。为实现设施温室生产的数据感知环节作物影像和环境监测数据精细化采集，本研究设计了一套多自由度设施温室影像采集与环境监测机器人系统。机器人由感知中枢、决策中枢和执行中枢三部分构成，分别进行机器视角环境感知、数据分析与决策指令生成和动作执行。在感知层实现多角度图像、实时视频和监测数据网格化精确采集，为作物多源异构数据精细化汇聚奠定基础；传输层通过无线网桥将监测数据与控制指令汇聚至本地数据中心；数据处理层通过作物基础模型分析进行控制指令反馈信息，同时对上传图像进行预处理；最终在应用层提供web端和手机端智能服务。系统可广泛地应用在设施温室生产与研究中，用于黄瓜、番茄、大棚桃等作物的全生育期图像、实时视频和监测数据收集与分析处理，已在北京小汤山国家精准农业基地7号日光温室、石家庄市农林科学研究院5号日光温室进行示范应用，取得了较好的效果。

利用图像和机器学习检测大豆作物幼苗期玉米杂苗 | Open Access

FLORESPaulo, MATHEWJithin, JAHANNusrat, STENGERJohn

2020, 2(3): 61-74. doi:10.12133/j.smartag.2020.2.3.202007-SA002

摘要 ( 1818 )

HTML ( 2685)

PDF (1967KB) ( 1595 )

参考文献 | 相关文章 | 计量指标

在大豆-玉米轮作生产过程中，玉米杂苗会与大豆苗竞争水和肥料，而且很容易遮住大豆苗，影响害虫（如玉米根虫）的防控，降低大豆品质。因此，在大豆幼苗期及时检测出玉米杂苗并对其进行处理非常重要。传统的人工检测方法主观性强、效率低，传感器和算法的发展为自动检测玉米杂苗提供了更好的解决方案。本研究在温室环境下模仿田间条件，待玉米和大豆发芽后，连续5天用因特尔RealSense D435相机采集彩色图像，并人工裁剪幼苗图像区域，在此基础上对图像进行分割和去噪。在采集图像形状、色彩和纹理特征值后，对所采集的特征值进行权重分析，保留前10种重要的特征值导入基于特征的机器学习算法中进行模型训练和预测。预测结果表明，支持向量机模型（SVM）、神经网络（NN）和随机森林（RF）的预测精度分别为85.3%，81.5%和82.6%。将数据集导入GoogLeNet和VGG-16 两种深度学习模型进行训练，预测精度分别为96.0%和96.2%。VGG-16 模型在区分大豆幼苗和玉米杂苗中有较好的表现，彩色图像和VGG-16 模型组成的系统可以自动检测大豆生长过程中玉米杂苗的情况，为农民提供准确的信息，帮助其进行生产决策和田间管理。

基于深度学习与特征可视化方法的草地贪夜蛾及其近缘种成虫识别 | Open Access

魏靖, 王玉亭, 袁会珠, 张梦蕾, 王振营

2020, 2(3): 75-85. doi:10.12133/j.smartag.2020.2.3.202008-SA001

摘要 ( 1775 )

HTML ( 851)

PDF (1962KB) ( 1567 )

参考文献 | 相关文章 | 计量指标

草地贪夜蛾是对粮食安全具有巨大威胁的害虫，早发现、早防治对虫情控制具有重要意义。目前，利用深度学习方法进行草地贪夜蛾及其近缘种成虫识别的相关研究存在数据量严重偏小的情况，有可能造成模型未能真正学习到草地贪夜蛾及其近缘种成虫的环形纹、肾形纹等关键视觉特征。针对上述问题，本研究在建立包含草地贪夜蛾在内的7种夜蛾科成虫，10,177幅图像组成的数据库基础上，采用迁移学习方式建立了VGG-16、ResNet-50和DenseNet-121，3种夜蛾成虫识别深度学习模型，并用相同的测试集测试了所有模型。结果表明，构建的模型识别准确率均超过了98%。此外，本研究用特征可视化技术展现了模型习得的特征，并验证了这些特征和专家进行人工识别的关键视觉特征的一致性——ResNet-50和DenseNet-121的平均特征识别率在85%左右，进一步支持了用深度学习进行草地贪夜蛾成虫实时识别的可行性。研究发现，不同模型对夜蛾科成虫视觉特征的学习能力不一样，在评价模型时不能仅看识别率，还需要加入视觉特征识别率指标对模型的学习内容进行评价。本研究通过试验证明可视化分析可以直观认识模型的特征学习情况，可为行业内或其他领域的研究人员提供参考。

基于核相互子空间法的番茄叶部病害快速识别模型 | Open Access

张燕, 李庆学, 吴华瑞

2020, 2(3): 86-97. doi:10.12133/j.smartag.2020.2.3.202009-SA001

摘要 ( 828 )

HTML ( 532)

PDF (1950KB) ( 653 )

参考文献 | 相关文章 | 计量指标

近年来，基于叶片图像的番茄病害识别研究受到广泛关注。本研究利用番茄叶部病害图像中病斑的颜色和纹理的差异，通过提取番茄病害叶片图像的颜色矩（CM）、颜色聚合向量（CCV）和方向梯度直方图（HOG）等颜色纹理特征，引入核相互子空间法（KMSM），建立了番茄叶部病害快速识别模型（CCHKMSM）。该模型首先通过高斯核函数，将从不同类别叶部病害图像数据中抽取的颜色及纹理特征映射到高维空间；然后对映射的高维空间进行主成分分析，建立非线性病害特征空间；最后基于非线性特征空间最小正则角对病害进行识别。本研究分别以公共农业病虫害数据集PlantVillage中的9种番茄病害类和1类健康番茄叶片图像，以及实际场景下采集的3种叶部病虫害图像数据集开展算法验证试验。基于PlantVillage的试验结果表明，当每类样本集数量为350张时，本研究所提出的CCHKMSM模型识别率达到100%，模型训练时间为0.1540 s，平均识别时间为0.013 s；同时，在样本数量150张到1000张的测试区间内，模型平均识别率为99.14%。该识别率高于其他典型的机器学习模型，与基于深度学习的识别方法相当。基于实际复杂场景下采集病害图像集的实验中，通过对原始图像切割分块后，对各病害的平均识别率为96.21%。试验结果表明，本研究提出的CCHKMSM模型识别准确率高且计算量小，其训练时间和测试时间都远低于深度学习等方法。该方法对系统要求低，具有在手持设备、边缘计算终端等低配置感知系统中的应用潜力。

基于粒子群与模拟退火协同优化的农田物联网混合多跳路由算法 | Open Access

孙浩然, 孙琳, 毕春光, 于合龙

2020, 2(3): 98-107. doi:10.12133/j.smartag.2020.2.3.202007-SA001

摘要 ( 622 )

HTML ( 172)

PDF (1518KB) ( 468 )

参考文献 | 相关文章 | 计量指标

农业无线传感器网络对农田土壤、环境和作物生长的多源异构信息的获取起关键作用。针对传感器在农田中非均匀分布且受到能量制约等问题，本研究提出了一种基于粒子群和模拟退火协同优化的农田物联网混合多跳路由算法（PSMR）。首先，通过节点剩余能量和节点度加权选择簇首，采用成簇结构实现异构网络高效动态组网。然后通过簇首间多跳数据结构解决簇首远距离传输能耗过高问题，利用粒子群与模拟退火协同优化方法提高算法收敛速度，实现sink节点加速采集簇首中的聚合数据。对算法的仿真试验结果表明，PSMR算法与基于能量有效负载均衡的多路径路由策略方法（EMR）相比，无线传感器网络生命周期提升了57%；与贪婪外围无状态路由算法（GPSR-A）相比，在相同的网络生命周期内，第1个死亡传感器节点推迟了两轮，剩余能量标准差减少了0.04 J，具有良好的网络能耗均衡性。本研究提出的PSMR算法通过簇首间多跳降低远端簇首额外能耗，提高了不同距离簇首的能耗均衡性能，为实现大规模农田复杂环境的长时间、高效、稳定地数据采集监测提供了技术基础，可提高农业物联网的资源利用效率。

基于Lasso回归和BP神经网络的蔬菜短期价格预测组合模型研究 | Open Access

喻沩舸, 吴华瑞, 彭程

2020, 2(3): 108-117. doi:10.12133/j.smartag.2020.2.3.202008-SA003

摘要 ( 1250 )

HTML ( 447)

PDF (1295KB) ( 1214 )

参考文献 | 相关文章 | 计量指标

蔬菜是居民生活饮食的重要组成部分，蔬菜价格预测存在着价格波动幅度大、影响因素复杂多样、精度不高等难点。本研究以黄瓜为研究对象，分析了影响黄瓜价格的供给、需求、流通等因素，引入Lasso回归模型对影响因素进行筛选，获得12项关联度较大的因素。在此基础上，构建了一种基于影响因素的Lasso回归方法与BP神经网络相结合的组合模型（L-BPNN），开展黄瓜短期价格预测，并与Lasso回归模型、BP神经网络模型、RBF神经网络模型等回归分析和智能分析方法等进行了对比验证研究。结果表明：使用L-BPNN模型预测黄瓜价格，其平均相对误差最小，仅为0.66%，比Lasso回归模型、BP神经网络模型和RBF神经网络模型分别低64.52%、82.11%和86.2%，具有较高的预测精度。本研究结果实现了黄瓜的短期价格预测，也可推广到其他蔬菜品种，对于保障菜农收入、稳定蔬菜市场价格等具有重要意义。

基于无人机多光谱遥感的夏玉米叶面积指数估算方法 | Open Access

邵国敏, 王亚杰, 韩文霆

2020, 2(3): 118-128. doi:10.12133/j.smartag.2020.2.3.202006-SA001

摘要 ( 1285 )

HTML ( 792)

PDF (3246KB) ( 1016 )

参考文献 | 相关文章 | 计量指标

无人机多光谱遥感技术可以快速、无损地监测农作物叶面积指数（LAI）。为研究水分胁迫条件下，利用无人机多光谱植被指数估算夏玉米LAI的可行性，本研究基于无人机多光谱遥感系统，结合同时期实地采集的夏玉米LAI，选择5种植被指数，包括归一化差值植被指数（NDVI）、土壤调节植被指数（SAVI）、增强型植被指数（EVI）、绿度归一化植被指数（GNDVI）和抗大气指数（VARI），作为模型输入参数，使用随机森林回归算法建立全生育期不同灌溉条件下大田玉米冠层植被指数与LAI之间的关系模型，并与一元线性回归和多元线性回归算法建立的模型进行对比分析。结果表明，在充分灌溉条件下，植被指数的多元线性回归模型可以较好地估算LAI（R²= 0.83）；在水分胁迫条件下，植被指数的随机森林回归模型可以较好地估算LAI（R²= 0.74~0.87），水分胁迫因素对该模型影响较小，且NDVI和VARI对估算LAI的贡献最大。上述结果表明基于无人机多光谱遥感技术，使用随机森林回归算法估算多种灌溉条件下的夏玉米LAI是可行的。该研究为实现快速、准确地监测全生育期不同灌溉条件下的大田夏玉米LAI提供了技术和方法支持。

土壤有机质含量高光谱估测模型构建及精度对比 | Open Access

刘恬琳, 朱西存, 白雪源, 彭玉凤, 李美炫, 田中宇, 姜远茂, 杨贵军

2020, 2(3): 129-138. doi:10.12133/j.smartag.2020.2.3.201912-SA004

摘要 ( 1095 )

HTML ( 390)

PDF (1642KB) ( 822 )

参考文献 | 相关文章 | 计量指标

土壤有机质含量对作物的生长发育有着显著影响。为实现对苹果果园土壤有机质含量快速、实时估测，本研究以山东省烟台市栖霞市苹果园为研究区，采集100个土壤样本，利用ASD FieldSpec3便携式地物光谱仪获取其高光谱反射率，利用定量化学方法测定土壤有机质含量。采用移动平均法对高光谱数据进行预处理，分析果园土壤的反射光谱特征，研究光谱反射率与其有机质含量的相关关系，筛选土壤有机质含量的敏感波长并构建光谱指数后，分别建立多元线性回归模型（MLR）、支持向量机（SVM）和随机森林（RF）模型，并对模型精度进行验证比较。结果表明，筛选出的土壤有机质含量的敏感波长为678、709、1931、1939、1996和2201 nm。用筛选出的波长构建光谱参数，最终构建的光谱指数分别为NDSI_{（678，709）}、NDSI_{（678，1931）}、NDSI_{（678，2201）}、NDSI_{（709，1939）}和NDSI_{（1939，2201）}。建立的MLR、SVM和RF回归模型中，以RF模型精度最优，其校正样本集R²为0.8804，RMSE为0.1423，RPD达到2.25；验证模型的R²为0.7466，RMSE为0.1266，RPD为1.79，建立的RF定量模型反演苹果果园土壤有机质含量效果较好。因此，可以利用RF方法快速预测苹果果园土壤有机质含量，了解土壤养分分布状况，指导农民合理施肥，从而提高果园生产管理效率。

卫星遥感估产技术在大豆区域收入保险中的应用 | Open Access

陈爱莲, 李家裕, 张圣军, 朱玉霞, 赵思健, 孙伟, 张峭

2020, 2(3): 139-152. doi:10.12133/j.smartag.2020.2.3.202006-SA002

摘要 ( 1158 )

HTML ( 805)

PDF (4211KB) ( 1091 )

参考文献 | 相关文章 | 计量指标

本研究针对中国近年来重点发展的创新型区域收入保险缺少第三方实时客观产量数据的问题，引入了卫星遥感估产技术，探讨其应用模式和适用性。以山东省嘉祥县大豆区域收入保险为例，基于哨兵2号卫星遥感数据提取大豆种植地块，计算归一化植被指数（NDVI）和作物生理参数，结合气象卫星遥感数据与实地抽样测产数据，建立了多参数线性回归模型估算大豆产量。研究结果显示，卫星遥感获取的研究区大豆种植面积为124 km²，与当地农业局上报的127 km²相差3 km²；采用实测地块验证，种植分布地块遥感识别精度达90%；产量估算结果显示，2018年8月23日大豆结荚期的NDVI和9月7日大豆鼓粒期的NDVI对大豆单产的解释度最佳，多参数回归模型计算全区平均产量为244,500 kg/km²，与常年299,800 kg/km²相比，体现了受灾严重的农情；产量估算数据与实测数据之间的回归系数达0.92，可满足应用需求。结果表明，基于哨兵2号卫星遥感数据能够准确识别研究区大豆种植分布，并能在大豆收获后最快一周完成产量估算，指导保险公司的理赔工作。

专题导读——农业大数据与人工智能 | Open Access

李淼, 吴华瑞

2020, 2(3): 0-1.

摘要 ( 1567 )

PDF (140KB) ( 417 )

当期目录