中国智慧农业技术发展现状、挑战与展望

智慧农业的发展依赖于传感器与感知系统、决策模型与算法、智慧化平台等关键底层技术支撑。这些技术具有通用性，能够服务于多种农业应用场景，构成智慧农业的技术底座。

传感器与感知系统是智慧农业的数据基石，国内在该领域已取得一系列突破。一是农业传感器技术研发进展显著。在环境信息感知方面，针对空气温湿度、光照强度、CO2等气体浓度、土壤温湿度等关键环境指标，已实现相关感知器件的深度研究与产品国产化替代。由国家农业信息化工程技术研究中心研制的土壤养分传感器“知土”已达到国际先进水平；在动植物生命信息感知方面，作物领域聚集于表型、叶绿素、重金属胁迫等专用传感器研发，植物柔性传感器成为近年研究热点。动物领域则持续推进智能耳标、可穿戴设备的迭代升级，并在动物采食、运动等行为以及体温、体重等生态感知技术上成果显著；在农产品品质感知方面，国内相关研究起步较晚，但近年基于近红外光谱、高光谱技术的农产品内外部品质传感器研究进展迅速，电子鼻、电子舌等模拟人类感官的品质感知技术成果涌现；在农机感知方面，已有研究主要集中于农机工况与作业感知领域，集成多传感器的农机作业智能监测终端达到国际先进水平。二是自主国产农业卫星遥感技术体系已形成。资源1-3号卫星、高分系列遥感卫星、吉林一号等小卫星的成功发射为农业大尺度遥感研究提供支撑。目前，国内农业卫星遥感技术研发主要集中于耕地等资源调查、农作物长势监测与估产、农业灾害监测等关键领域。三是农业无人机遥感技术达到国际领先。依托中国在全球多旋翼无人机技术的主导地位，农业无人机在“田块-农场”精细尺度遥感应用中开始发挥重要作用。已有研发重点集中在中小尺度的农作物估产与长势诊断、病虫害监测等领域。例如，大疆研发的农业遥感无人机搭载高分辨率可见光与多光谱相机，可高效识别田间作物长势、缺苗、杂草分布、倒伏等情况。

决策模型与算法是智慧农业的核心大脑，国内针对模型算法的研究持续深化。一是农业基础算法优化不断深入。算法是发掘农业数据价值的关键，其研究重点主要集中于支持向量机、决策树等机器学习算法，卷积神经网络、循环神经网络、Transformer等深度学习算法，以及遗传算法、粒子群算法、蚁群算法等进化算法的优化与融合。并基于算法创新开展了动植物基因组选择、土壤养分测定、农作物产量评估、农作物病虫害识别、动物声音识别、农机视觉导航等诸多研究，以有效提升农业评估识别的精度与效率。二是动植物模型向多因子系统耦合发展。其中，作物模型主要涵盖对作物生育期进程、干物质生产与分配、产量形成、品质形成等的模拟，并由仅关注作物生理形态的单一模型，逐步向包含作物、气候、土壤、水文、病虫害等多因子耦合的综合模型演变。动物模型则着力于建立遗传基因、性别、营养水平、环境条件等参数与动物体重体尺、产仔数等生长繁育性状之间一般性规律关联的生长模型。三是农业人工智能（artificial intelligence，AI）大模型开发处于起步探索阶段。随着以ChatGPT为代表的生成式人工智能兴起，国内高校院所开始探索推动农业AI大模型的开源。例如，北京市农林科学院研发的“农科小智2.0”，能够初步实现农业病虫害诊断、农技咨询问答、农产品市场行情、农产品电商智能客服等多种语义理解和交互服务。

在现代信息技术支撑下，国内智能育种、智慧农场、智能温室、智慧牧场、智慧渔场、农产品智慧供应链等智慧农业场景应用不断加速拓展深化，为农业转型升级提供强大动能。

1）基础模型算法研究支撑不足。国内农业模型算法等基础研究起步较晚，过度依赖国外开源算法与软件，尚未形成有影响力的农业人工智能开源软件库。动植物生理生态模型算法的准确性和泛化能力不足，部分已构建的模型算法难以适应各种复杂的农业应用场景，导致对农业数据的高效处理和深度知识挖掘能力受限，整体处于技术“跟跑”阶段。

2）高端专用传感器、机器人等国产化替代任务艰巨。目前，中国农业感知环节仍依赖传统人工或低端设备，农业表型信息获取设备整体处于技术追随地位，国产农业传感器稳定性和数据分辨率有待提升，高端专用传感器对外依存度仍达80%以上。农业智能控制与农业机器人关键技术及核心零部件主要依赖进口，在负载动力换挡、无级变速、视觉系统、柔性执行器件等领域研发薄弱，大型大马力高端智能农机装备、丘陵山区适用小型智能农机装备研发滞后。

3）基于多学科的技术集成不够。由于农业固有的生物性、分散性、多样性与复杂性特点，在其数字化智能化发展中，对跨学科技术综合集成需求大。但国内现有智慧农业领域的科学研究对农学、计算机科学、农业工程、环境科学、生命科学、管理学等多学科知识融合不足；虽然技术的点上突破较多，但是围绕农业全产业链的技术集成研究难度高、创新成果少，缺乏可规模化推广的综合性智慧农业解决方案，导致智慧农业的整体技术优势未能充分发挥。

1）科技成果落地转化难度大。国内高校及科研院所在智慧农业领域的研究普遍以项目导向为主，相关科研活动缺乏产业需求的有效牵引，导致大量科研成果处于“高枝青果”状态，与实际应用脱节。且国内农业科技成果转化机制不健全，针对智慧农业相关技术产品中试、熟化的专业性平台支持不足，缺乏必要装备条件与技术服务，导致科研与推广、成果与市场之间的互动性不强、联动效果不足。 

1）政策保障体系有待完善。数据是智慧农业发展的基础要素，但国内在涉农数据要素确权、流通与交易等方面的管理规范还不健全。同时，支撑人工智能等前沿技术与农业深度融合的专项政策体系未充分建立，针对人工智能伦理规范、国家安全及公平竞争等方面风险管控缺乏制度约束。财政投入机制也亟需优化，当前对智慧农业这一前瞻技术依赖型产业的资金支持强度不足，缺乏长周期、稳定性资金保障。