涨知识!“十问十答”,什么是智慧农业?

发展智慧农业

有三个核心的要素

即算力、算法和数据

算力是指计算能力

是发展智慧农业的物质基础

也是未来国家之间竞争的核心

数据是核心支撑

智慧农业在生产中能落地应用

关键是要有决策模型

模型是由能真实反映

作物生长规律的机理模型

归纳科学的经验模型

和来源于现实生产数据形成的

数据模型三者的融合

数据模型形成的关键是数据

尤其是生成式模型

需要生产中大量全生命周期的

真实数据讲行训练和优化

甚至我们可以简单的理解为

模型是数据跑出来的

一个成熟的农业模型

通常需要经讨数千次的训练

才能在生产当中应用

这就像人类的大脑

需要大量的实践训练

才能成为行家里手一样

目前我们的模型难以落地

主要的原因就在于

我们很多的高校、院所和企业

很少愿意花大量的

人力、物力、财力

采集形成海量数据

构建模型

实验室的数据

可以用于算法研究

但不可能形成模型

在大田设施生产

物流加工、数字化育种、知识服务

等农业的方方面面

都已经有了一定的应用

比如在大田生产方面

我们突破了环境长势精准感知

生长调控智能决策

水肥药精准管控

智能农机精准作业

等一系列关键技术

建立了水稻、小麦、油菜

等大田作物全生命周期农情

天空地一体化的监测技术体系

也构建了动态调控模型

和决策支持系统

耕种收智能装备系统

也初步的探索、建立了

一些无人农场

实现了大田生产的少人化

在设施园艺方面

围绕番茄、草莓等高附加值果蔬作物

开展了多源数据动态精准获取

核心算法模型构建

智能装备研发创制

管控平台集成开发等关键技术

打造了集基质、种苗

肥液、装备、系统、服务—体的

场景+链式的整体技术解决方案

在生产当中已经得到广泛的应用

在水产养殖方面

聚焦大闸蟹等

水产养殖过程中水体环境、水草长势

本体行为等关键要素

开展养殖全过程多源异构数据

动态精准采集、水质因子分析和预测

产量品质预测分析及市场监测

养殖环境动态监测

全产业链大数据

与知识服务平台系统研发等

关键技术攻关

建立了以数据为核心

以智能为驱动的

养殖信息动态精准测控技术体系

我国智慧农业发展

还存在着技术供给不足

主体对技术的采纳能力不足

缺乏适应智慧农业推广应用的

运营模式和商业模式等等

智彗农业发展属于技术驱动型

在技术层面

主要体现在四个“缺”

一是源头缺“数”

数据积累时间短

类型覆盖度、数据质量参差不齐

难以满足模型构建的需要

二是决策缺“脑”

如果说农业机械化

实现的是体力替代

那么智慧农业

实现的一定是智力替代

农业的智改数转核心

是要有一颗智慧的大脑

也就是模型

模型缺失，就谈不上智慧

具有自主知识产权且实用的

数据分析方法和生产管控模型缺失

难以支撑智能决策需要

三是落地缺“腿”

表现在水肥一体化、环控系统、服务云平台

等智能装备系统的

精准性、稳定性、实用性不够

四是应用缺“魂”

即缺乏系统性、针对性的整体技术解决方案

及配套的模式、机制等保障

我国智慧农业技术创新

在传感器、数据采集与治理

算法模型、控制系统、智能装备等方面

还有许多关键核心技术需要突破

譬如

在高质量数据形成环节

大气、土壤和本体数据的采集方式

传感器的布设、数据的标准化

多元异构数据的融合等

诸多技术难题还有待突破

在智慧管控环节

包括对温 光 水 气 肥

及能源的智能决策与系统控制

等方面的算法模型还很缺乏

一些关键环节的算法没有突破

能应用的模型更是少之又少

目前我们已经在应用的模型

包括DeepSeek、豆包等

其实都是大语言模型

真正能够用于智慧生产的

垂直模型仍然不是很多

国外的一些模型

比如说设施农业等

在中国有一些应用

但存在以下三个方面的突出问题

一是由于品种特性、生产的环境条件不同

适应性比较差

二是由于技术封锁

国外的模型对我们来说

其实是一个黑匣子

我们无法优化、迭代、升级

三是还存在着数据安全等问题

智能装备和农作机器人

是实现生产智慧化的

末端执行机构

近年来，采摘机器人、巡检机器人

除草机器人以及具身机器人

都是农业机器人的研究热点

江苏院智慧农业团队

主要围绕巡检和采摘机器人

进行研发

目前已经完成了第三代样机

巡检机器人和采摘机器人

是农业生产中非常重要的

两个机器人系统

目前主要的攻关内容

包括轻量化的通用底盘

精准定位与自主巡航

图像识别、末端执行器

路径规划等等

比如采摘机器人的末端采摘机构

不同的果实，像苹果、草莓

特点不同

采取的方式方法差别很大

另外，集成时，车-臂-手-眼的协同

也是一个很重要的技术难题

具身机器人

是未来的一个重要方向

其研发需要我们突破传统的思维模式

譬如说，拖拉机

我们应该打破传统的

对部件进行智能化改造路径依赖

按照第一性原理

彻底颠覆传统机械结构

以分布式电驱动+模块化软件架构

为核心

去除传统复杂传动系统

70%的零部件

实现高度的简化

而每一个车轮我们可以采取

能独立驱动的分布式设计

适配不同场景的复杂地形

不仅能服务农业生产

还可以拓展到军事、物流等领域

智慧管控云平台

是一种基于云计算技术的

应用平台

主要用于连接各种智能设备

提供智能计算、决策、控制和管理功能

江苏农科院历时五年时间

自主研发的“智小农”云平台

已经在设施果蔬、大田灌溉、设施水产养殖

等场景中得到广泛应用

比如说，智小农 设施果蔬

智慧化管控平台

就包含了环境控制、水肥管理

农事操作、预测预警、质量溯源

智能问答、用户管理

等模块

已经非常成熟

在生产当中已经得到广泛的应用

知识服务是以用户需求为导向

通过对信息进行系统收集

筛选 整合 加工及研究分析

最终形成解决方案

以满足知识需求的

一种服务形式

江苏农科院智慧农业团队

以产业需求为导向

深入产业一线

绘制产业画像，捕捉服务需求

利用检索增强生成

文本分类，大语言模型

等前沿技术

攻关农业知识智能问答

关键核心技术

整合文本 视频 音频

等农业产业多源异构知识资源

打通农业产业

需求-服务-资源 链条

构建了面向产业发展的

知识服务体系

目前

江苏农科院已经研制了

亚夫问答

长三角农业科技服务云平台

等知识服务平台

形成了包括智能问答、农情快报

科技信息动态监测、农业科技态势分析

竞争力评价等系列产品

为产业发展提供了

精细化的知识服务

建立智慧农业技术创新的新范式

我们要解决新技术的落地应用

首先要解决创新端的

创新范式问题

要建立 场景驱动+链式创新的

科研范式

推动科技创新

与产业创新深度融合

传统创新当中

我们往往关注的是点创新

提供的是一些单项技术

这些技术在实验室

小区试验中效果很好

但是在大面积生产应用时

由于上下游的技术耦合性

技术本身的经济性存在不足

往往难以推广

场景驱动的创新

就要求我们的科研要在

现实生产场景中进行

要多因素综合考虑

多学科交叉融合

全域下系统构建

实现创新、创业和创意的有效融通

形成一定规模和尺度下的

整体技术解决方案

从而实现从产量到品质

单一产品到综合产出

效率到效益的

根本转变

绿色化 智能化

是未来农业现代化的基本特征

随着现代信息技术的快速迭代

智慧农业将很快

在农业生产管理等环节

替代人工经验

实现少人化

部分环节还会做到无人化

推动智慧农业快速发展

首先要注重梯度推进

要在一些设施种养

高附加值

经济发达和农民信息化技术

掌握比较好的地区和产业

率先去的突破

然后逐步推开

其次要打造应用场景和模式

根据目前农业生产主体

信息技术素养不高这一现实

探索一种适应智慧农业的

技术推广模式

建立一批示范基地

加速智慧农业技术的落地应用

第三是要通过场景化

沉浸式培训

提高经营主体的技术采纳能力

我们传统的课堂授课

观摩考察等技术培训方式

难以培养高素质的信息技术人才

要遴选一些

信息化素养相对比较好的年轻人

到智慧农业生产场景中

实训学习

通过沉浸式的学习

掌握每一个环节的技术

同时

我们要加大农业大模型的研发力度

降低AI的应用门槛