「区域研究」美国智慧农业发展的启示

“智慧农业”的重要内容是人工智能、大数 据、物联网、机器人、云平台、基因编辑技术等，为 实现农业生产中的智能化和数据化，为提高农业 的生产效率和产能，而在农业生产的各个环节的 综合应用。农业发展的关键是科技，农业每年为美国带来约３３００亿美元的经济收入，农业不仅 是美国的主要产业，也是美国的经济基础。本 文通过分析美国智慧农业的主要内容及中国智慧 农业发展的现状与主要问题，从而提出美国智慧 农业对中国农业发展的启示。

１．１ 大规模发展智能机械化

美国农业机械智能化程度很高，利用无人驾 驶的农业机械播种、浇水、施肥、收获农作物，利用 无人机喷洒农药，从而帮助解决农业中的劳动力 成本问 题，提 高 生 产 效 率。在 美 国 农 业 成 本 中 ４０％是劳动力成本，由于缺乏劳动力，亚利桑那州 和加州等地区收入损失达数百万美元［１］。

ＨａｒｖｅｓｔＣＲＯＯＲｏｂｏｔｉｃｓ开发的农业智能机 械人很好地解决了草莓收获中劳动力缺乏的问 题，该 机 器 人 可 以 取 代 ３０ 名 农 民，一 天 可 收 获 ８英亩 （约 ３．２４ｈｍ２）草 莓。ＳｋｙＳｑｕｉｒｒｅｌＴｅｃｈ－ ｎｏｌｏｇｉｅｓＩｎｃ公司利用无人机的航空技术以及人 工 智 能，可 以 在 ２４ ｍｉｎ 内 扫 描 ５０ 英 亩 （约 ２０．２３ｈｍ２），节省了人力成本 ＳｋｙＳｑｕｉｒｒｅｌＴｅｃｈ－ ｎｏｌｏｇｉｅｓＩｎｃ公司首先利用人工智能为无人机规 划好合理路线，再利用计算机视觉记录将数据上 传至云端驱动器，使用算法来整合、分析获取的图像和数据，数据分析的准确率在９５％，该技术在 监测作物健康状况方面，大量节省了人力成本［１］。

预计到２０２７年，美国的农业无人机市场将达 到４．８ 亿 美 元，将 极 大 地 提 高 农 业 生 产 效 率。 ２０１４－２０２４年，美国农业工人预计将要下降６％， 将极大的降低劳动力成本。

１．２ 生物信息平台与育种技术的结合应用

美国 的 农 业 生 物 公 司 Ｂｅｎｓｏｎ ＨｉｌｌＢｉｏｓｙｓ－ ｔｅｍｓ简称 ＢＨＢ，２０１７年被评为全球前１００家从 事人 工 智 能 转 化 的 优 秀 前 沿 公 司，也 是 全 球 前 ５０家的农 业 新 科 技 公 司。该 公 司 创 始 人 Ｔｏｄｄ Ｍｏｃｋｌｅｒ和 Ｔｏｍ Ｂｒｕｔｎｅｌｌ都是农作物领域的科 学家。ＴｏｄｄＭｏｃｋｌｅｒ的研究领域是利用基因表 达序列和基因组序列来预测农作物在各种不同的 环境下如何调节自己的发育和生长。ＴｏｍＢｒｕｔ－ ｎｅｌｌ的研究领域是运用分子生物学技术提升作物 光合作用效率，借此提升作物产量。公司以计算 生物学和系统生物学为基础搭建了智能数据系 统，２０１６年公司把生物信息平台移动到云端创建 了“生物云 ＣｒｏｐＯＳ”。该平台的本质就是一个类 似于谷歌的搜索引擎，英文叫 ＣｏｇｎｉｔｉｖｅＥｎｇｌｉｎｅ。 通过大数据分析和云计算，结合最新的植物学研 究成果，改善和优化农作物的性状，通过人工智能 分析海量的相关作物信息和基因组数据，预测育 种方案。经过两年多的实验结果证明，其预测准 确率与传统手段相比提升了将近十倍，大大缩短 了育种时间，节省了育种成本，利用基因编辑技术 和计算机对农业育种行业产生了深远影响［１］。

使用人工智能和大数据进行育种的还有美国 的大型农业巨头孟山都、先正达、斯泰种业等，这 种育种技术变革最大的优势就在于，它大大提高 了育种的效率，使农业数据产生了巨大的商业价 值，极大的促进了育种技术的进步，实现了人工智能与农业育种的深度结合。

１．３ 人工智能与大数据的应用

人工智能和大数据深刻地影响着农业的发 展，是智慧农业的方向。农业数据蕴含着巨大的 市场潜力，人工智能的机器学习算法极其依赖数 据的多少，数据越多做出的模型越准确，预测和判 断越精准。

美国堪萨 斯 州 的 农 业 数 据 公 司 Ｆａｒｍｏｂｉｌｅ， 以每年１２５０美元的使用费用，把一种可以装在 绝大多数农业机械设备上，用来记录设备运行情 况的被动连接器 ＰａｓｓｉｖｅＵｐｌｉｎｋＣｏｎｎｅｃｔｉｏｎ简称 ＰＵＣ，销售给农场主。该连接器把农场的所有设 备产生的数据传至云端，然后利用人工智能进行 汇总分析，农场主便可以通过数据来进一步优化 自己的生产。同时 Ｆａｒｍｏｂｉｌｅ公司以每英亩２美 元的价格用付费购买的形式，将该农场产生的数 据提供给肥料公司或者农业机械厂家等，厂家可 以利用该数据来调整自己的产品［１］。农场主提供 数据赚取的费用，有的时候甚至超过了设备的使 用费。对于农场主来说，创造利润的不仅仅是农 产品，宝贵的农业数据更是会在未来创造出巨大 价值。

位于佛罗里达的 ＡＧＥＲｐｏｉｎｔ公司，利用重量 只有４．５ｋｇ的名为 ＧＭＬ１００的农用激光雷达， 采用光谱成像技术专门采集、分析农业数据。收 集果树在整个生长过程中的外形数据，再利用收 集的数据制作的数据分析软件包 ＧｒｏｖｅＴｒａｃｋｅｒ， 可以对收集来的大量数据进行智能分析，根据果 树的高度、树*宽度、树冠的宽度、树叶的密度、 叶子的颜色、果实的颜色、果实的形态等信息，估 算出当年果树的产量和分析出果树的健康状况。 该公司采集的大量数据还可作为当地农民申请保 险赔偿的重要依据［１］。

孟山都 旗 下 的 农 业 数 据 公 司 ＴｈｅＣｌｉｍａｔｅ Ｃｏｒｐｏｒａｔｉｏｎ和拜耳旗下的数字农业公司 Ｘａｒｖｉｏ， 充分利用农业数据帮助农民整合田间、土壤、天气 的数据，并以此数据通过人工智能分析调整种植 方案，分 析 农 作 物 健 康 情 况，推 荐 病 虫 害 防 治 措施。

美国的数据公司作为数据的采集者、管理者 和使用者，从原本简单的出售信息采集设备，延伸 到全面长期的为农业用户进行数据管理及制定数 据使用方案服务。农业生产者利用大数据优化自 己的决策，从而获得更大的农业收益。在未来的智慧农业中，数据蕴含着巨大的潜在价值。

１．４ 机器人与传统农业的结合应用

美国的农业机械公司充分利用计算机视觉监 测和人工智能深度学习，通过大量的图像数据支 撑，不仅使得机械设备可以监测和分析农田的具 体情况，还可以自行做出决策从而解决问题。美 国农业机械公司 ＢｌｕｅＲｉｖｅｒＴｅｃｈｎｏｌｏｇｙ开发的 Ｓｅｅ＆ Ｓｐｒａｙ机器人，原理是在农田喷洒设备上 安装摄像头，利用现在人们熟知的“人脸识别技 术”，实时获取现场画面，通过人工智能深度学习， 判断面前的是农作物还是杂草，如果是杂草就定 点小范围喷洒除草剂，同时还可以给那些生长比 较缓慢的农作物及时补充化肥。现在美国每年* 虫剂的使用量超过１０亿磅（４５．３６万ｔ），因除草 剂使用的普遍性，对除草剂有抗性的杂草达２５０ 多种，根据美国杂草协会研究，仅玉米和大豆作物 由于不受控制的杂草，农民每年损失预计就高达 ４３０亿美元。ＢｌｕｅＲｉｖｅｒＴｅｃｈｎｏｌｏｇｙ的机器人将 减少农作物上８０％的化学品使用量，除草剂的支 出减少９０％，为农民创造了巨大的利润空间。

１．５ 区块链技术与物流供应链管理的结合应用

新的供应链管理模式及物流体系，也随着农 业数据量的不断增大而产生新的变化。在物流系 统中区块链技术的使用，大大提升了农业交易的 透明度和速度，提高了物流的效率。２０１６年成立 的美 国 Ａｇｒｉｄｉｇｉｔａｌ公 司，利 用 区 块 链 的 技 术 优 势，在全球范围内帮助农户管理交易数据和物流 信息。使得农产品的交易、储存、运输、汇款、金融 等变 得 透 明 且 可 追 踪。 其 成 立 至 今，吸 引 了 １０００名以上用户，２００多万ｔ谷物完成交易，成 交额高达４亿多美元［１］。

１．６ 信息共享平台的应用

在美国，同样的化肥、农药、种子，不同的农民 买到的价 格 差 异 很 大，最 高 甚 至 能 达 到 ３００％。 ２０１４ 年 成 立 的 美 国 ＦａｒｍｅｒｓＢｕｓｉｎｅｓｓＮｅｔｗｏｒｋ 公司简称 ＦＢＮ，建立起了使用亚马逊云平台服务 的信息共享平台，服务的农场超过５０００个。该 信息共享平台不仅使农业原材料价格透明化，而 且也帮助农民在平台上销售他们的农产品，从而 解决了农产品滞销问题，使得农产品的销售市场 更平稳。在平台上农民还可以看到其他农场主分 享的最新的耕种技术、耕种方案，在开始新的耕种 时让农场主做到心中有数。如果农场主上传作物 的健康状况、土壤质量状况、天气状况等数据，平台还会自动生成报告帮助农场主了解投入的成本 及预计可能得到的收益等［１］。

１．７ 室内农业和物联网的应用

２０１７年以来，美国的室内农业配合物联网的 应用发展很快，得到了众多投资公司的青睐。美 国农业创业公司 Ｐｌｅｎｔｙ，在大城市附近按照有机 模式立体种植新鲜蔬菜，不使用除草剂和农药。 Ｂ轮获得著名投资公司软银旗下的“愿景基金” ２亿美元的融资［１］。

１．８ 新技术与传统农业的结合应用

２０１８年，位 于 美 国 佛 罗 里 达 州 的 创 业 公 司 ＡｎｕｖｉａＰｌａｎｔＮｕｔｒｉｅｎｔｓ与美国最大的猪肉加工 企业 Ｓｍｉｔｈｆｅｌｄ．Ｆｏｏｄｓ 达 成 合 作。使 用 Ａｎｕｖｉａ ＰｌａｎｔＮｕｔｒｉｅｎｔｓ公司提供最新的专利技术把饲养 过程中产生的污水加工成固体有机颗粒肥料，不 仅方便运输还能减少养殖过程中的环境污染。这 项最新专利技术在传统农业中的应用，极大地提 高了有机肥的生产规模，使有机肥可以像人工化 学合成的各种肥料一样，被大规模廉价地使用［１］。

从全球范围内看，使用成熟的科技技术，利用 数据的力量提升农业的生产效率，在农业数字化、 智慧化的趋势下，在物流供应链管理、数据采集分 析、改造传统农业等方面，美国都走在了世界的 前列。

对于美国的智慧农业来说，大数据是公共基 础设施，由政府负责大数据系统的存储、建设、制 定规则，由商业大数据公司对数据深度挖掘，从而 利用其应用价值。

据美国 的 ＡｇＦｕｎｄｅｒ农 业 技 术 投 资 平 台 统 计，２０１７年，全球农业技术领域吸引投资最多的 主要包括农业机械设备、农业生物技术、农业交易 平台、农业管理基础设施（包括传感器和物联网）、 农业管理软件、新农场系统、农业信息平台、机器 人等 方 面。２０１７ 年 投 入 资 金 为 ２６ 亿 美 元，比 ２０１６年增长了３２％，是最近十年中增长幅度最快 的一年。这些农业技术领域的发展都要建立在大 数据的基础上，利用海量数据通过人工智能分析， 从而提高农业的生产效率［１］。

３．１ 中国智慧农业发展的现状

中国的水稻和小麦育种体系在全世界都是领 先的，在利用基因编辑技术优化农作物品种方面，也从未停止研究。

中国的农业主要是分散经营，智慧农业刚刚 起步。随着中国农业经营集中度的提高，结合中 国市场的特点，物流和供应链领域将逐渐进入数 字化管理，智慧农业的其他方面也在逐步发展。

２０１４年《政府工作报告》中首次写入大数据， 被称为中国大数据的元年。２０１５年通过《关于促 进大数据发展的行动纲要》规定促进大数据发展 的主要任务有，政府数据的开放共享，提升政府治 理能力，推动政府资源整合，推动产业创新发展。 ２０１６年中国出台了《农业农村大数据试点方案》， 预计通过３年的时间，由政府主导在全国建立起 花生、生 猪、大 蒜、柑 橘 等 农 产 品 的 大 数 据 信 息 库。《２０１６中国 大 数 据 交 易 产 业 白 皮 书》统 计， ２０１５年中国大数据的应用市场规模是１６亿元， 预计２０２０年中国政府大数据应用市场的规模，将 超过１９００亿元。２０１７年５月１７日，工信部张峰 在世界电信和信息社会日大会上表示，我国将进 一步推进基础数据资源部门，跨部门、跨区域共享 推进公共数据开放，提高数据应用效率和使用价 值，建设全国统一一体化的国家大数据中心［２］。

３．２ 中国智慧农业发展存在的主要问题

智慧农业中的人工智能机器学习算法极其依 赖数据的多少，数据越多，通过人工智能进行机器 学习算法建立模型做出的预测判断就越准确。

中国的农业数据来源、种类、数量都比较少， 进一步整合分析比较困难。目前中国农业数据的 主要来源是土壤监测和高空监测。土壤监测是利 用各种探测器记录土壤营养、湿度等指标。高空 监测是利用无人机或卫星图片监测农作物的生长 状况。野外田间的一部分数据采集困难，数量和 质量均不够，不能反映田间的真实状况。科研机 构和大学实验室的数据细致全面，但是因为大多 在培养箱和温室里无法反映大自然的真实环境， 所以也无法反映野外田间的真实状况。农业数据 一般储存在各个数据公司里，比较分散无法实现 共享，形不成规模效应，不利于统筹分析。人工智 能技术公司，对农业的行业知识的理解还有待提 高。想要发展智慧农业，最关键的是需要农业数 据公司不仅熟悉数据的收集、筛选、分析，更要深 刻的理解农业，让人工智能技术在农业行业转化 落地。

中国在大规模发展机械化、生物信息平台、室 内农业等方面均处于起步阶段。发展智慧农业的 配套规划协调不完善，而且一些关键性产品和技 术还不够成熟，基础设施建设成本较高制约发展， 专业技术人才缺乏，目前尚有很大的改进空间。

美国作为全球最大农业产品的出口国，历经 机械化和生物技术的技术变革，在大数据、人工智 能、现代生物技术、物联网等应用方面仍是世界领 先，其主要原因在于美国总是能把最新的技术应 用于农业的生产中。

我国智慧农业刚刚起步，农 业数字化管理和集中经营是大势所趋，应结合中 国实际情况，引进先进的技术和理念，提升农民收 入和农业生产效率。 从全球范围来看，未来的农业技术竞争将围 绕大数据展开，农业的生产过程正被大数据深刻 地影响。未来农民不仅可以出售自己的农产品， 还可以出售生产过程中产生的农业数据，这些农 业数据蕴藏着巨大的商业价值，农业竞争将围绕 数据展开。智慧农业的关键就是采集、分析、运用 真实的农业大数据，结合人工智能推动智慧农业 迅猛发展。

由于充分利用科技，使美国用不到总人口的 ２％的农业人口满足了国内３亿多人的农业市场， 同时还把农产品出口到众多的国家，占美国农业 总产值的２０％［１］。到２０１７年为止，中国的农业 人口占总人口的比例是１７．５％，差不多是美国的 １０倍，而中国的农业机械数量却只有美国的１／ ５［１］。学习美国的先进经验，不能靠单一增加农业 的机械数量，而要打造高度智能化，不依赖于人的 智慧农业。

中国农业机械企业经营缺乏系统性和长期规 划，容易只顾眼前利益，在全球化和科技化的趋势 面前，中国企业要进行系统全面的思考，遵守国际 通行的商业规则，加强诚信，建立全球科技前沿视 野，培养企业战略思维，系统规划智慧农业的发展 蓝图。

作者：李天华、陈宏毅

來源：黑龙江农业科学

欢迎大家在评论区交流分享

更多精彩资讯，请持续关注数字农业分会官方账号！