农业大数据是大数据理念、技术和方法在农业方面的实践,是跨行业、跨专业、跨业务的数据分析与挖掘,以及数据可视化的具体展示。人工智能技术是推动智慧农业发展的核心力量之一,在农业领域的应用潜力巨大。大数据与人工智能技术的应用将推进农业智能化发展,促进农业精细化管理,提高农业工作者的生产效率。
《智慧农业(中英文)》期刊实时关注当前农业领域热点研究技术,在2020年第3期组织出版了“农业大数据与人工智能”专题。本专题刊登9篇来自中国农业大学、中国科学院、美国北达科他州州立大学、中国农业科学院、国家农业信息化工程技术研究中心等单位专家团队稿件,希望能对感兴趣的读者们有所启发。
李道亮教授团队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,分析了其面临主要问题和挑战,并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个方面分析了人工智能在水产养殖中的应用现状和技术特点。
吴建寨研究员团队从机器视觉技术、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,指出了奶牛跛行自动识别研究方向和面临的挑战。
李淼和詹凯研究员团队综合设施蛋鸡养殖环境多影响因子,构建了改进的谷鸟搜索算法优化神经网络CS-BP与蛋鸡设施养殖环境质量评价预测模型,实现了蛋鸡生产环境的最优控制,促进了蛋鸡生产性能的提升。
吴华瑞研究员团队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,可广泛地应用在设施温室生产与研究中,在北京小汤山国家精准农业基地取得了较好的应用示范效果。
张昭博士团队将相机采集作物彩色图像特征导入机器学习算法中进行模型训练和精度预测,发现VGG-16模型在区分大豆幼苗和玉米杂苗中有较好的表现。
王玉亭博士和王振营研究员团队建立了夜蛾图像数据库,包含草地贪夜蛾在内的7种夜蛾科成虫10,177幅图像,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,识别准确率均超过了98%。
张燕博士团队引入核相互子空间法,建立了番茄叶部病害快速识别模型CCHKMSM,并分别以PlantVillage图像和实际场景下采集的病虫害图像数据集开展算法验证试验,结果表明CCHKMSM模型识别准确率高且计算量小,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。
于合龙教授团队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,该算法提高了不同距离簇首的能耗均衡性能,实现了大规模农田复杂环境长时间、高效、稳定的数据采集监测。
为解决蔬菜价格预测精度不高的问题,吴华瑞研究员团队以黄瓜为例分析了影响价格的供给、需求、流通等因素,构建了Lasso回归方法与BP神经网络相结合的组合模型L-BPNN,实现了黄瓜短期价格高精度预测。