文／莊 磊

中國自古以來就是一個以農(nóng)耕為基礎(chǔ)的農(nóng)業(yè)大國。晉·陳壽《三國志·魏書·楊阜傳》里對農(nóng)業(yè)的重要性是這樣描述的：“致治在于任賢，興國在于務(wù)農(nóng)”。這句話的意思就是：達到大治在于任用賢才，興旺國家在于盡力發(fā)展農(nóng)業(yè)。農(nóng)業(yè)的興旺是國家發(fā)展和穩(wěn)定的基礎(chǔ)。

伴隨著近代幾次工業(yè)革命，現(xiàn)代化的機械在農(nóng)業(yè)領(lǐng)域里得到了長足的應(yīng)用，從而大大促進了農(nóng)業(yè)的發(fā)展，使糧食產(chǎn)量也大幅增加，但是農(nóng)業(yè)生產(chǎn)的成本也相應(yīng)提高了很多，另外農(nóng)業(yè)病蟲害的問題也制約著農(nóng)業(yè)的發(fā)展。如何能打破成本及病蟲害對農(nóng)業(yè)發(fā)展的桎梏，其根本在于如何利用科技的力量去解決這些問題，人工智能技術(shù)就是解開這些問題的一把鑰匙。

人工智能，大家已經(jīng)不再陌生，特別是相當多的人工智能應(yīng)用已深入到人們的生活和生產(chǎn)中。當下我們在關(guān)注人工智能技術(shù)在教育、醫(yī)療、生活、金融等領(lǐng)域的應(yīng)用和給人們生活帶來的巨大變化時，往往忽視了人工智能在農(nóng)業(yè)領(lǐng)域的應(yīng)用。其實從上世紀70年代開始，我國的專家系統(tǒng)技術(shù)（人工智能）就已經(jīng)在我國的農(nóng)業(yè)領(lǐng)域開始應(yīng)用了。

那么，人工智能在農(nóng)業(yè)領(lǐng)域中發(fā)揮了哪些作用呢？現(xiàn)在就簡單介紹一下檢測技術(shù)在選種中的應(yīng)用，智能種植在栽培中的應(yīng)用，人工智能在病蟲害監(jiān)控、土壤灌溉中的應(yīng)用。

種子的好壞對莊稼的種植和收獲，起到了決定性的因素，所以如何選擇優(yōu)質(zhì)的種子進行栽培是提升農(nóng)業(yè)產(chǎn)量的重中之重，因此利用人工智能的圖像分析技術(shù)及神經(jīng)網(wǎng)絡(luò)等非破壞性的方法對種子進行準確的評估，對提高農(nóng)產(chǎn)品產(chǎn)量和質(zhì)量起到了很好的保障作用。

傳統(tǒng)的農(nóng)業(yè)生產(chǎn)需要耗費巨大的人力和物力，人們需要親力親為進行播種、育苗、護理、采摘、分揀等環(huán)節(jié)，需要很多的勞動力來完成傳統(tǒng)農(nóng)業(yè)各環(huán)節(jié)的工作，引入人工智能后可以大大緩解這些工序?qū)θ肆Φ囊?，只要幾個人管理機器人就可以實現(xiàn)大規(guī)模的農(nóng)業(yè)生產(chǎn)作業(yè)，實現(xiàn)農(nóng)業(yè)種植的智能化和自動化，并提高農(nóng)業(yè)生產(chǎn)的效率及利潤率。

傳統(tǒng)農(nóng)業(yè)在檢測農(nóng)作物的生長、病蟲害的防治及雜草的辨別，都是通過有經(jīng)驗的勞動者憑著經(jīng)驗和肉眼的觀察進行的，這就導致有些問題無法預防。比如，經(jīng)驗的判斷并不是100%正確，另外就是有專人的盯防也不可能照顧所有的種植單元，會出現(xiàn)延誤或誤判病蟲害。人工智能技術(shù)的引入可以在農(nóng)作物生長過程中做到全面的監(jiān)控、掃描及分析，保證農(nóng)作物豐產(chǎn)豐收。

傳統(tǒng)的土壤灌溉技術(shù)往往依靠種植經(jīng)驗來進行灌溉。眾所周知，中國絕大部分地區(qū)缺少水資源，如何可以更好地利用水資源，并有效地進行土壤灌溉提高糧食產(chǎn)量是我們亟待解決的問題。人工神經(jīng)網(wǎng)絡(luò)具備機器學習的能力，能夠根據(jù)檢測得到的氣候指數(shù)和當?shù)氐乃臍庀笥^測數(shù)據(jù)，選擇最佳灌溉規(guī)劃策略，通過對土壤濕度的實時監(jiān)控，利用周期灌溉、自動灌溉等多種方式，提高灌溉精準度和水的利用率，這樣既能節(jié)省用水又能保證農(nóng)作物具有良好的生長環(huán)境。

雖然人工智能已經(jīng)開始應(yīng)用于農(nóng)業(yè)領(lǐng)域，但是與其他行業(yè)中人工智能技術(shù)的成功應(yīng)用相比，還有很多不足。很多農(nóng)耕地區(qū)和農(nóng)業(yè)設(shè)備生產(chǎn)商還沒有引入人工智能，究其原因包括：獲取農(nóng)業(yè)領(lǐng)域的數(shù)據(jù)比其他行業(yè)獲取相關(guān)數(shù)據(jù)要難很多；農(nóng)業(yè)生產(chǎn)統(tǒng)計和量化應(yīng)用困難，農(nóng)業(yè)環(huán)境變化對人工智能在農(nóng)業(yè)上的測試、驗證和推廣更加困難；缺乏既懂農(nóng)業(yè)又懂人工智能技術(shù)的復合型人才等。