中国是世界上最大的农业国家之一，农业领域的生产形势和发展前景与人民生活水平息息相关。随着我国种植产品需求的不断增加，传统的种植方式和管理体系已经不能满足当前的需求水平，因此智慧农业是我国农业发展的必然趋势。中国农业经历了手工农业、机械农业、生物农业和智能农业四个阶段。在农业生产初级阶段，由于人工技术和机械化水平的限制，我国种植业生产仍面临资源浪费、农药配置不合理、作物产量低、种植技术水平低等问题。人工智能可以为上述问题提供有效的解决方案。

作者|陈天李希

一、中国智慧农业市场的规模

预计到2020年，中国智慧农业市场规模有望达到268亿美元，较2015年增长近一倍，复合年增长率高达14.3%，未来趋势将稳步持续增长。中国的智慧农业虽然起步较晚，但发展迅速。处于快速发展阶段的中国智慧农业，依靠国家政策的大力支持和科研人员的持续参与，其市场规模将在农业智能分析、农业决策系统、农业机器人、精准作业四大主要应用领域持续扩大。

二、我国农业种植领域的主要技术

物联网技术:是指将物体联网，利用信息传感设备进行信息共享、交换和通信，并实现远程控制、智能识别、定位、跟踪、监管等功能，提高整个农业的效率和降低成本。利用物联网技术可以有效实现农业数据挖掘，构建农业生产决策系统。

自然语言处理:以自由文本、表格、图片、视频、数据库等形式存在于农业领域数据。被结构化和处理以便于计算机识别。提炼相关概念，整理句子，按不同领域分类，进入数据库，进行智能处理，建立数据共享大平台。

信息检索:借助检索工具，利用信息检索技术为种植户提供所需信息，包括信息采集、信息过滤、信息获取、信息标引、信息检索等环节。用户可以从信息集中快速找到所需信息，提高搜索的准确性和灵活性。

计算机视觉是指利用计算机实现人的视觉功能，对不同的农作物进行感知、识别和判断。不同产品识别的应用，如杂草识别、害虫识别，研发除草机器人构建精准智能除草系统，研发无人机喷洒装置提高害虫识别精度，精准施肥、灌溉、喷洒农作物，提高效率，大幅减少环境污染，开发不同类型机器人精准识别瓜果叶片、采摘、嫁接等。

机器学习:通过利用现有的农业大数据系统，对计算机模型进行训练，从而实现对种植生产结果、资源配置等诸多方面的模拟和预测。

大数据技术是指能够从农业的不同方面快速获取有价值的信息，如农业区域数据、季节数据和周期数据。通过大数据技术挖掘有效数据，根据数据和以往经验选择最佳决策。

三、人工智能在农业种植领域的应用分布

4.人工智能在农业种植领域的应用案例简介

腾讯:腾讯成立iGrow团队，利用大数据技术采集环境数据，构建人工智能系统，将农业专家的知识和经验自然融入系统，实现AI的有效介入。智能检测分析土壤成分，选择合适的作物品种。通过大数据等技术，分析预测作物的市场周期需求，指导种植品种的选择。通过深度学习、云计算、大数据分析和机器学习，筛选和改良作物基因，提高产量和抗虫性。

中国科学院、安徽省农业科学院合肥智能机械研究所:通过大数据技术和深度学习技术，对自然条件下的水稻病虫害图像进行智能识别，开发了水稻病虫害智能识别与服务系统。解决了农作物生产中盲目施药、病虫害监测能力不足的问题。利用计算机视觉技术识别作物品种、病害程度和杂草生长情况，可以实现智能防控和管理，减少经济损失。在一定程度上减少除草剂和农药的使用，提高农产品的安全性，减少对环境的影响。

阿里巴巴云:ET农业大脑，其主要功能模块包括:大数据、云计算和人工智能模型构建。利用大数据技术构建共享数据库，对种植相关数据进行降噪和统一管理；农业大脑还为用户提供了多种种植状态预测模型，可以结合数据库中的数据进行训练，从而生成个性化的生长曲线和产量预测系统；云计算为数据管理和模型训练提供了计算机计算能力的保障。

DJI:发布T16植保无人机，通过计算机视觉采集耕作地貌、种植密度等种植状态信息，并以此信息为基础，实现更大面积的动态化、个性化应用种植。

动词 人工智能技术在农业种植领域的局限性

具有人工智能背景的人才储备较低:目前，由于智能种植领域兼具数字和人工智能背景的人才相对短缺，人工智能无法在我国农业领域广泛推广；

员工缺乏应用人工智能技术的意愿:由于智能农业设备研发较早，投资金额大，回收期长，国内很多中小型农业个体经营户对智能农业设备的使用意愿不足，一定程度上阻碍了人工智能在种植领域的发展；

市场集中化导致进入壁垒更高:目前无论是人工智能技术的发展，还是大型数据库的建设，都高度集中化，大型企业依靠资金和人才优势，不断提高进入壁垒。由于自身技术资金的限制，新企业很难打开发展局面。

六、人工智能技术在农业种植领域的发展趋势

自动化技术在种植方面将有更深层次的应用:人工智能技术将广泛应用于农业中的重复劳动，用机器代替人工，对农作物进行精准采摘、嫁接、分拣等一系列动作，缩短农民工作时间，提高劳动效率。

更高效的人才培养方式:随着大数据和物联网技术的不断成熟，信息共享方式将更加多样化，从而降低人才培养成本，提高人才输出效率。

随着技术的发展，科研产量的稳定性提高:人工智能可以实现更准确的产量预测，构建更科学的种植流程，从而提高企业在种植领域的研究效率，节约研究成本，提高科研产量的稳定性。