孫想，吳華瑞，朱華吉，顧靜秋

（1北京市農(nóng)林科學(xué)院信息技術(shù)研究中心，北京 100097；2國家農(nóng)業(yè)信息化工程技術(shù)研究中心，北京 100097；3農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)信息數(shù)字鄉(xiāng)村技術(shù)重點(diǎn)實(shí)驗(yàn)室，北京 100097）

0 引言

蔬菜是城鄉(xiāng)居民生活必不可少的重要農(nóng)產(chǎn)品，保障蔬菜供給是重大的民生問題。傳統(tǒng)蔬菜種植模式存在生產(chǎn)效率低、環(huán)境壓力大和種植風(fēng)險高的問題，勞動力老齡化和成本持續(xù)增高進(jìn)一步加深了因粗放的生產(chǎn)方式而導(dǎo)致的生產(chǎn)率低下的難題。高效、生態(tài)、精準(zhǔn)、智能的蔬菜生產(chǎn)方式創(chuàng)新是國內(nèi)蔬菜種植業(yè)未來發(fā)展的必由之路。蔬菜種植區(qū)域分布廣、環(huán)境復(fù)雜、品種繁多、影響因素眾多，精準(zhǔn)的監(jiān)測、決策和優(yōu)化控制極其困難。智能化管理技術(shù)結(jié)合農(nóng)藝與生產(chǎn)模型，處理分析蔬菜生產(chǎn)中產(chǎn)生的大量數(shù)據(jù)，并將分析結(jié)果以直觀的形式呈現(xiàn)給生產(chǎn)者與決策者，是解決上述難題的根本途徑。

蔬菜智能化管理技術(shù)是物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能、移動互聯(lián)網(wǎng)、云計(jì)算等技術(shù)在蔬菜種植領(lǐng)域的綜合應(yīng)用技術(shù)，通過對蔬菜種植生產(chǎn)、倉儲、流通、加工、市場等全產(chǎn)業(yè)鏈數(shù)據(jù)的采集、處理、挖掘、智能分析，構(gòu)建蔬菜種植智能化管理平臺和系統(tǒng)，提供全程智能化管理服務(wù)，從而優(yōu)化蔬菜種植資源配置，來解決蔬菜種植生產(chǎn)粗獷式管理帶來的資源利用率不高、生產(chǎn)效率低等問題，降低種植風(fēng)險。近年來，國內(nèi)外學(xué)者圍繞蔬菜溫、光、水、肥等種植管理模型開展了相關(guān)研究，積累了大量數(shù)據(jù)和模型知識，同時，隨著智能信息技術(shù)的發(fā)展與應(yīng)用，蔬菜智能化技術(shù)研究進(jìn)展主要聚焦在蔬菜生產(chǎn)數(shù)據(jù)感知監(jiān)測、蔬菜生產(chǎn)作業(yè)智能化提升、蔬菜智能服務(wù)技術(shù)等方面。目前智能信息技術(shù)在國內(nèi)蔬菜產(chǎn)業(yè)中已有初步應(yīng)用，但總體上仍處于示范階段。筆者通過對蔬菜智能化技術(shù)架構(gòu)、數(shù)據(jù)感知、智能處理、應(yīng)用服務(wù)的關(guān)鍵技術(shù)總結(jié)，討論蔬菜生產(chǎn)智能化管理技術(shù)發(fā)展面臨的挑戰(zhàn)，提出蔬菜生產(chǎn)智能化管理技術(shù)的發(fā)展建議，旨在為智能信息技術(shù)在蔬菜種植中的深入應(yīng)用提供支撐。

1 蔬菜生產(chǎn)智能化技術(shù)的總體架構(gòu)

蔬菜生產(chǎn)智能化技術(shù)架構(gòu)如圖1所示。智能管理是以采集的蔬菜數(shù)據(jù)為基礎(chǔ)，這些數(shù)據(jù)來源于互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、已有業(yè)務(wù)系統(tǒng)、專業(yè)數(shù)據(jù)庫、歷史數(shù)據(jù)等，通過數(shù)據(jù)感知接入接口，實(shí)現(xiàn)數(shù)據(jù)的聚合；數(shù)據(jù)存儲與計(jì)算層實(shí)現(xiàn)數(shù)據(jù)的存儲管理、融合查詢；分析挖掘?qū)油ㄟ^深度學(xué)習(xí)、預(yù)測、關(guān)聯(lián)分析、分類等數(shù)據(jù)模型的集成，結(jié)合蔬菜農(nóng)藝模型，支撐蔬菜智能管控服務(wù)。蔬菜智能化管理涉及的關(guān)鍵技術(shù)可劃分為3 個方面，一是圍繞在線精確監(jiān)測不準(zhǔn)、穩(wěn)定傳輸困難的問題，突破蔬菜產(chǎn)業(yè)數(shù)據(jù)精測穩(wěn)傳技術(shù)，實(shí)現(xiàn)蔬菜大數(shù)據(jù)的精準(zhǔn)獲取；二是圍繞現(xiàn)有核心決策技術(shù)難以滿足農(nóng)藝融合的需求，突破基于跨媒體大數(shù)據(jù)分析的蔬菜農(nóng)機(jī)農(nóng)藝融合模型和決策診斷方法，實(shí)現(xiàn)蔬菜產(chǎn)業(yè)全程智能化管控；三是圍繞蔬菜產(chǎn)業(yè)用戶和需求多元的現(xiàn)狀，提供精準(zhǔn)個性化的智能信息服務(wù)。

圖1 蔬菜智能化管理技術(shù)架構(gòu)

1.1 蔬菜生產(chǎn)數(shù)據(jù)精測穩(wěn)傳技術(shù)

蔬菜生產(chǎn)數(shù)據(jù)精確監(jiān)測和穩(wěn)定傳輸是智能服務(wù)的保障，監(jiān)測數(shù)據(jù)主要包括蔬菜種植環(huán)境、土壤、植物個體生理、植物群體狀態(tài)、農(nóng)機(jī)裝備作業(yè)等，可通過遙感、無人機(jī)、地面?zhèn)鞲衅鬟M(jìn)行動態(tài)感知與識別。

蔬菜生產(chǎn)環(huán)境和墑情數(shù)據(jù)主要通過氣象站監(jiān)測獲取，個體生長形態(tài)可通過視頻和圖像分析獲取[1]，群體狀態(tài)主要通過衛(wèi)星或無人機(jī)遙感結(jié)合田間光譜儀進(jìn)行綜合分析，已有研究報道了蔬菜品種識別[2]、長勢、成熟度[3]、產(chǎn)量、營養(yǎng)、病蟲害監(jiān)測。光照強(qiáng)度、空氣溫濕度、土壤墑情等參數(shù)對于蔬菜種植管理具有重要參考價值，穩(wěn)定的物聯(lián)網(wǎng)監(jiān)測傳輸系統(tǒng)是實(shí)現(xiàn)數(shù)據(jù)實(shí)時、時序和連續(xù)采集的基礎(chǔ)。在野外農(nóng)田數(shù)據(jù)傳輸技術(shù)研究方面，已有研究采用了NB-IoT 通信、低功率廣域物聯(lián)網(wǎng)(LPWAN)、多網(wǎng)融合節(jié)點(diǎn)定位等技術(shù)[4-6]保障大范圍農(nóng)田感知數(shù)據(jù)的傳輸質(zhì)量和效率。為了保障監(jiān)測設(shè)備野外供電，光伏發(fā)電、太陽能供電等方式得到了應(yīng)用。蔬菜生產(chǎn)數(shù)據(jù)精測穩(wěn)傳技術(shù)為蔬菜生產(chǎn)現(xiàn)場數(shù)據(jù)實(shí)時精準(zhǔn)獲取奠定了基礎(chǔ)。

1.2 蔬菜生產(chǎn)智能化管理技術(shù)研究進(jìn)展

1.2.1 蔬菜病害圖像診斷技術(shù)病害的發(fā)生往往對蔬菜生產(chǎn)造成不可逆轉(zhuǎn)的損失，嚴(yán)重影響蔬菜的產(chǎn)量和品質(zhì)。在預(yù)防的前提下，及時發(fā)現(xiàn)并準(zhǔn)確地判斷病害類型，選用合適的農(nóng)藥進(jìn)行精準(zhǔn)施治具有重要的實(shí)際生產(chǎn)意義。

國內(nèi)外學(xué)者利用圖像處理和機(jī)器視覺技術(shù)進(jìn)行蔬菜病蟲害圖像診斷的相關(guān)研究較多，該項(xiàng)技術(shù)的應(yīng)用可降低蔬菜種植人員對植保專家的依賴，減少由于診斷不及時造成的病害防治延誤。在實(shí)際生產(chǎn)應(yīng)用中，蔬菜病害發(fā)病的形狀位置多變，圖像背景復(fù)雜，傳統(tǒng)人工設(shè)計(jì)的特征越來越難以準(zhǔn)確識別規(guī)模龐大的病害圖像數(shù)據(jù)。近年來，機(jī)器學(xué)習(xí)、深度學(xué)習(xí)、遷移學(xué)習(xí)、強(qiáng)化學(xué)習(xí)等方法，已經(jīng)應(yīng)用于蔬菜病蟲害圖像提取與病斑分割[8-10]、圖像分類[11-12]、病蟲害識別[13-14]工作中。深度學(xué)習(xí)利用具有隱藏層的人工神經(jīng)網(wǎng)絡(luò)，不依靠圖像分割與特征提取自動完成高層次的特征學(xué)習(xí)，已經(jīng)成為蔬菜病害智能防治的研究熱點(diǎn)[15-16]。此外，生長環(huán)境參數(shù)（土壤溫濕度、pH、空氣溫濕度等）與病害發(fā)生密切相關(guān)，融合結(jié)構(gòu)化生長環(huán)境參數(shù)與非結(jié)構(gòu)化圖像特征的病害診斷技術(shù)進(jìn)一步提高了病害識別的準(zhǔn)確度[17]。另外，農(nóng)業(yè)物聯(lián)網(wǎng)的邊緣計(jì)算設(shè)備、嵌入式設(shè)備、移動設(shè)備等硬件資源普遍受限，需要解決基于深度網(wǎng)絡(luò)的蔬菜病害圖像識別模型參數(shù)量大、訓(xùn)練時間長、存儲成本與計(jì)算成本過高等問題，有學(xué)者提出改進(jìn)型的多尺度殘差(Multi-scale ResNet)輕量級病害識別模型[18]，為基于深度網(wǎng)絡(luò)模型的病害識別系統(tǒng)的邊緣部署提供了思路。

1.2.2 蔬菜生產(chǎn)環(huán)境和水肥智能調(diào)控技術(shù)溫、光、水、土等環(huán)境參數(shù)是影響蔬菜生長發(fā)育的重要因素，而參數(shù)之間相互影響的機(jī)理較為復(fù)雜，建立融合作物生理需求的蔬菜生產(chǎn)環(huán)境和水肥管理模型是蔬菜生產(chǎn)智能調(diào)控急需解決的問題之一。國內(nèi)外關(guān)于蔬菜智能管理模型的研究，主要圍繞水分[19]、養(yǎng)分[20-21]、光照[22-24]、溫度[25-27]對蔬菜生長與品質(zhì)影響的相關(guān)調(diào)控和預(yù)測模型展開。蔬菜生產(chǎn)水肥一體化、溫室小環(huán)境監(jiān)測預(yù)警和自動調(diào)控等技術(shù)產(chǎn)品應(yīng)用廣泛，但依據(jù)單一參數(shù)進(jìn)行環(huán)境和水肥調(diào)控的傳統(tǒng)模式仍是主導(dǎo)模式，上述模型的研究為蔬菜多參數(shù)綜合調(diào)控奠定了基礎(chǔ)。

如圖2所示，綜合蔬菜環(huán)境、土壤、茬口、長勢等多因子協(xié)同調(diào)控技術(shù)是未來提升蔬菜生產(chǎn)能力的關(guān)鍵技術(shù)之一。

圖2 多因子協(xié)同調(diào)控實(shí)例

1.2.3 蔬菜生產(chǎn)管理智能決策技術(shù)隨著物聯(lián)網(wǎng)、智能化處理技術(shù)的發(fā)展，蔬菜生產(chǎn)管理智能決策應(yīng)用模式實(shí)現(xiàn)了突破，解決了原有決策系統(tǒng)知識和數(shù)據(jù)更新不及時等問題。如圖3 所示，利用實(shí)時采集的環(huán)境、土壤、作物生理等數(shù)據(jù)，結(jié)合蔬菜標(biāo)準(zhǔn)化生產(chǎn)流程、知識庫和歷史生產(chǎn)管理數(shù)據(jù)，采用邏輯回歸、決策樹、支持向量機(jī)、神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)、深度神經(jīng)網(wǎng)絡(luò)等算法，進(jìn)行蔬菜生產(chǎn)農(nóng)情預(yù)警、病害診斷、水肥藥決策、標(biāo)準(zhǔn)化生產(chǎn)、經(jīng)營管理等決策服務(wù)指導(dǎo)蔬菜生產(chǎn)，是當(dāng)前研究熱點(diǎn)。

圖3 蔬菜生產(chǎn)智能決策流程

（1）蔬菜農(nóng)情預(yù)警。蔬菜對于溫度最敏感，各種蔬菜的生長與發(fā)育和產(chǎn)品器官的形成對溫度都有要求，溫度低作物生長緩慢，光照的調(diào)節(jié)需與溫度相互配合，而濕度的調(diào)節(jié)要根據(jù)季節(jié)、作物、溫度和濕度狀況進(jìn)行判斷，主要是防止沾濕和降低空氣濕度，植物沾濕如減少2～3 h以上，即可抑制大部分病害的發(fā)生。

蔬菜農(nóng)情預(yù)警主要集中在3 個方面。①環(huán)境預(yù)警。對設(shè)施蔬菜蒸散量與葉面積指數(shù)、環(huán)境溫度、濕度、光照等參數(shù)進(jìn)行多序列比對關(guān)聯(lián)分析，對蔬菜需水量進(jìn)行預(yù)測，對小環(huán)境適宜性進(jìn)行預(yù)警[28]。②長勢預(yù)警。將無線網(wǎng)絡(luò)測距系統(tǒng)與預(yù)測引擎相結(jié)合，主動預(yù)測判斷蔬菜葉片發(fā)育、質(zhì)量等長勢參數(shù)是否異常，預(yù)測潛在的作物功能異常，及時采取補(bǔ)救措施[29]。③病害預(yù)警。根據(jù)蔬菜生長氣象因子、生育期、初始菌源量等數(shù)據(jù)，構(gòu)建設(shè)施蔬菜病害預(yù)測模型，通過實(shí)時監(jiān)測環(huán)境氣象數(shù)據(jù)完成對蔬菜病害的及時預(yù)警[30]。

（2）蔬菜水肥決策。一般蔬菜的種植周期包括播種、定植、初果、采收等環(huán)節(jié)，通常需要進(jìn)行4～7 次灌水，平均每次灌水層厚度在75～90 mm，這種灌溉方式往往造成水資源浪費(fèi)。對于精準(zhǔn)灌溉，需要定量計(jì)算作物不同時期的灌水量、需水量與作物系數(shù)。采用“土壤含水量+蒸發(fā)蒸騰量+作物長勢”的綜合決策方式在陸地甘藍(lán)灌溉決策中應(yīng)用效果良好，在系統(tǒng)的復(fù)雜度、成本控制、灌溉精度方面具有綜合優(yōu)勢。

設(shè)施蔬菜水肥一體化技術(shù)是借助壓力灌溉系統(tǒng)將完全水溶性固體肥料或液體肥料，按照作物生長各階段對養(yǎng)分的需求、土壤養(yǎng)分的供給狀況、作物長勢，適時、均勻、按需輸送到作物根部，實(shí)現(xiàn)節(jié)水、節(jié)肥、增產(chǎn)、提效。其一般決策流程如圖4 所示，包括通過機(jī)器學(xué)習(xí)方法或數(shù)據(jù)挖掘發(fā)現(xiàn)作物需水和需肥規(guī)律，建立水肥管理制度和專家知識庫，通過以知識和實(shí)時監(jiān)測數(shù)據(jù)為驅(qū)動水肥調(diào)節(jié)動態(tài)決策方法應(yīng)用[31]，實(shí)現(xiàn)水肥精準(zhǔn)施用。

圖4 蔬菜水肥一體化決策流程

（3）蔬菜生產(chǎn)專家系統(tǒng)。當(dāng)前，蔬菜生產(chǎn)智能專家系統(tǒng)已有推廣應(yīng)用[32]，專家系統(tǒng)核心部件包括數(shù)據(jù)庫、知識庫、模型庫、推理機(jī)等，其中推理機(jī)的實(shí)現(xiàn)與知識表示方法緊密相關(guān)，常用的知識表示方式有加權(quán)模糊邏輯、確定性知識表示、MYCIN知識表示、兩級不確定性知識表示、本體知識表示[33]等。目前，蔬菜生產(chǎn)專家系統(tǒng)研發(fā)仍停留在基于專家知識的查詢[34]、產(chǎn)生式規(guī)則推理或單一的多媒體特征識別與匹配方面，很少涉及到多結(jié)構(gòu)、多形態(tài)、多參數(shù)數(shù)據(jù)決策，知識發(fā)現(xiàn)與更新機(jī)制滯后。蔬菜生產(chǎn)決策與品種、密度、茬口、目標(biāo)產(chǎn)量等種植參數(shù)，土壤溫濕度、空氣溫濕度、光照、二氧化碳等生長環(huán)境參數(shù)，苗情、病蟲害發(fā)生、營養(yǎng)狀況等實(shí)時長勢，以及水、肥、營養(yǎng)、植保管理等密切相關(guān)，與現(xiàn)勢數(shù)據(jù)、歷史數(shù)據(jù)挖掘分析緊密融合的協(xié)同生產(chǎn)決策將是未來發(fā)展的方向之一。

1.2.4 蔬菜生產(chǎn)智能作業(yè)蔬菜生產(chǎn)中移栽、收獲等環(huán)節(jié)人工勞動強(qiáng)度大、作業(yè)效率不高，很多學(xué)者開展了蔬菜播種、育苗、嫁接[35]、移栽[36-37]、植保、收獲[38]方面的農(nóng)機(jī)技術(shù)智能裝備研發(fā)。針對當(dāng)今農(nóng)業(yè)人口老齡化的現(xiàn)狀，急需通過智能化、無人化作業(yè)技術(shù)應(yīng)用，提高蔬菜生產(chǎn)耕整地、移栽、植保、水肥、采收、加工等環(huán)節(jié)作業(yè)效率，緩解用工荒的問題。

田間智能作業(yè)過程中，機(jī)器視覺、神經(jīng)網(wǎng)絡(luò)、多光譜技術(shù)被廣泛應(yīng)用于菜壟識別[39]、雜草識別[43]、植株識別、病害識別中。李亞軍等[40]提出一種基于機(jī)器視覺的葉菜類蔬菜菜壟識別算法，算法在自然綜合光照條件下導(dǎo)航基準(zhǔn)線提取成功率為97.5%。劉波等[41]發(fā)現(xiàn)紅邊波段對雜草有著顯著的識別能力，設(shè)計(jì)了低成本的雜草識別系統(tǒng)。孟慶寬等[42]提出基于輕量化二階段檢測模型的多類蔬菜幼苗檢測方法，對小目標(biāo)作物以及葉片遮擋作物的識別較好，且具有良好的泛化性能和魯棒性。

在小湯山國家現(xiàn)代農(nóng)業(yè)科技示范基地，開展了農(nóng)業(yè)農(nóng)村部2020十大引領(lǐng)性技術(shù)“蔬菜規(guī)?；a(chǎn)人機(jī)智能協(xié)作技術(shù)”示范。如圖5所示，該項(xiàng)技術(shù)構(gòu)建了以衛(wèi)星、雷達(dá)、無人機(jī)、傳感器等為載體的天空地立體化監(jiān)測傳感網(wǎng)絡(luò)，在甘藍(lán)全程無人化作業(yè)實(shí)際生產(chǎn)中得到有效驗(yàn)證，實(shí)現(xiàn)了露地甘藍(lán)耕整地、起壟/移栽、水肥灌溉、植保打藥和采收的全程智能化無人作業(yè)。通過該技術(shù)，能夠減少人工投入成本，平均減少水、肥、藥施用量，節(jié)本增效效果顯著[44]。

圖5 蔬菜規(guī)模化生產(chǎn)人機(jī)智能協(xié)作技術(shù)流程

1.3 蔬菜產(chǎn)業(yè)智能信息服務(wù)技術(shù)研究進(jìn)展

隨著物聯(lián)網(wǎng)、互聯(lián)網(wǎng)、大數(shù)據(jù)等技術(shù)在蔬菜領(lǐng)域的不斷應(yīng)用，通過實(shí)用技術(shù)資源、互聯(lián)網(wǎng)海量信息、“專家—農(nóng)技人員—農(nóng)民”問答數(shù)據(jù)等集成互聯(lián)，為蔬菜種植、經(jīng)營、管理人員提供精準(zhǔn)的個性化信息服務(wù)，是解決農(nóng)業(yè)科技信息供需不暢的有效手段。

1.3.1 蔬菜信息個性化推薦服務(wù)農(nóng)業(yè)信息種類多樣、分類復(fù)雜、更新快，具有地域性、時效性和周期性的特點(diǎn)，信息服務(wù)面臨著信息過載、針對性不強(qiáng)、精準(zhǔn)度不高的問題。引入農(nóng)業(yè)領(lǐng)域技術(shù)、市場、政策、農(nóng)資等專業(yè)詞庫，開展文本語義分析方法、用戶畫像、興趣模型等技術(shù)研究[45-47]，通過對用戶注冊信息得出顯性特征（如職業(yè)、種植類型、文化水平、地理位置等），根據(jù)用戶瀏覽操作記錄提取用戶隱性特征（如性格偏好、種植經(jīng)驗(yàn)、農(nóng)情農(nóng)事等），進(jìn)而建立情境融合的用戶行為興趣模型，并采用協(xié)同過濾的產(chǎn)生式推薦方法實(shí)現(xiàn)用戶信息的按需精準(zhǔn)推送。

1.3.2 蔬菜知識問答服務(wù)農(nóng)業(yè)知識服務(wù)是解決農(nóng)民生產(chǎn)實(shí)際問題和提升蔬菜生產(chǎn)標(biāo)準(zhǔn)化程度的有效手段。海量農(nóng)業(yè)數(shù)據(jù)分散異構(gòu)，很難從中獲取到直觀有價值的信息。知識圖譜可以將離散的信息進(jìn)行語義關(guān)聯(lián)，把復(fù)雜的農(nóng)業(yè)知識可視化，基于知識圖譜的農(nóng)業(yè)智能問答系統(tǒng)[48-49]，能夠通過知識圖譜建立實(shí)體間關(guān)系，提高了問答準(zhǔn)確性和有效性。金寧等[50]針對“中國農(nóng)技推廣”問答社區(qū)日增提問數(shù)據(jù)近萬條，數(shù)據(jù)特征稀疏、規(guī)范性差導(dǎo)致文本分類難的問題，提出了基于BiGRU_MulCNN的農(nóng)業(yè)問答問句分類技術(shù)，對用戶提問進(jìn)行自動分類正確率達(dá)95.9%。趙瑞雪等[51]針對大數(shù)據(jù)環(huán)境下農(nóng)業(yè)科技知識服務(wù)供需脫節(jié)的問題，研究設(shè)計(jì)“數(shù)據(jù)+需求”雙輪驅(qū)動的知識服務(wù)供給模式，研制了“普惠+專題+定制”的多場景農(nóng)業(yè)專業(yè)知識服務(wù)系統(tǒng)。

1.3.3 蔬菜大數(shù)據(jù)分析服務(wù)蔬菜大數(shù)據(jù)涉及到產(chǎn)前規(guī)劃、育苗、移栽、田間管理、植保、采收、市場、加工、儲藏、運(yùn)輸?shù)拳h(huán)節(jié)相關(guān)的上下游產(chǎn)業(yè)，基于大數(shù)據(jù)開展生產(chǎn)、市場決策分析服務(wù)是破解小農(nóng)戶和大市場對接的技術(shù)手段之一?；谑卟藘r格預(yù)測推薦的大數(shù)據(jù)系統(tǒng)[52]，使用大數(shù)據(jù)技術(shù)對蔬菜市場價格、需求趨勢進(jìn)行預(yù)測，對價格走勢的監(jiān)測，指導(dǎo)農(nóng)業(yè)生產(chǎn)，避免盲目種植，同時通過預(yù)測蔬菜價格、分析營收、輔助相關(guān)決策等，及時抓住商機(jī)以及進(jìn)行風(fēng)險規(guī)避，帶動農(nóng)戶增收。孫想等[53]提出蔬菜產(chǎn)業(yè)大數(shù)據(jù)平臺建設(shè)框架，從蔬菜產(chǎn)業(yè)數(shù)據(jù)來源、采集處理、挖掘分析、平臺服務(wù)4 個方面進(jìn)行了研究分析，通過大數(shù)據(jù)為蔬菜生產(chǎn)、加工、貿(mào)易、市場流通、消費(fèi)等產(chǎn)業(yè)環(huán)節(jié)提供服務(wù)。

1.3.4 蔬菜質(zhì)量追溯信息服務(wù)通過互聯(lián)網(wǎng)、條形碼、RFID、GPS 等方式，采集蔬菜產(chǎn)品全生命周期相關(guān)的種子、肥料、水土、重金屬、氣象、種植與采收、質(zhì)量檢測、包裝加工、運(yùn)輸配送、市場銷售等數(shù)據(jù)，通過統(tǒng)一編碼技術(shù)對蔬菜產(chǎn)品進(jìn)行批次標(biāo)識，建立生鮮蔬菜質(zhì)量安全溯源系統(tǒng)，從而實(shí)現(xiàn)蔬菜產(chǎn)品質(zhì)量的管理和追溯。另外，利用區(qū)塊鏈技術(shù)的不可篡改、去信任化和分布存儲等特性，基于區(qū)塊鏈技術(shù)[54]的蔬菜認(rèn)證與溯源模型及相關(guān)系統(tǒng)[55]已經(jīng)得到應(yīng)用。

2 蔬菜生產(chǎn)智能化管理技術(shù)面臨的挑戰(zhàn)

2.1 蔬菜生產(chǎn)數(shù)據(jù)精確監(jiān)測與穩(wěn)定傳輸難

國內(nèi)蔬菜生產(chǎn)經(jīng)營主體規(guī)模小并且分散，仍以小農(nóng)戶模式為主，在生產(chǎn)標(biāo)準(zhǔn)化、精細(xì)化、自動化方面還比較薄弱，產(chǎn)業(yè)規(guī)?；潭鹊拖拗屏耸卟松a(chǎn)經(jīng)營數(shù)據(jù)的可獲取性。數(shù)據(jù)精確監(jiān)測和穩(wěn)定傳輸是蔬菜生產(chǎn)智能化管理的基礎(chǔ)，在蔬菜物聯(lián)網(wǎng)感知傳輸環(huán)節(jié)，傳感器設(shè)備存在感知數(shù)據(jù)精度低、惡劣自然環(huán)境下不穩(wěn)定等問題，導(dǎo)致實(shí)際應(yīng)用效果不佳；在傳輸環(huán)節(jié)，存在大規(guī)模菜田傳感器網(wǎng)絡(luò)供電、傳輸干擾、傳輸協(xié)議缺乏規(guī)范性等問題，難以保證數(shù)據(jù)網(wǎng)絡(luò)傳輸?shù)姆€(wěn)定性；農(nóng)業(yè)傳感器標(biāo)準(zhǔn)化程度不高，感知數(shù)據(jù)的融合應(yīng)用缺乏可循標(biāo)準(zhǔn)，不同廠商設(shè)備數(shù)據(jù)的異構(gòu)性，阻礙了感知數(shù)據(jù)有效地融合利用。

2.2 滿足農(nóng)藝要求的蔬菜生產(chǎn)智能分析模型技術(shù)缺乏

蔬菜品種眾多、種植區(qū)域廣、生產(chǎn)環(huán)境復(fù)雜、經(jīng)營管理環(huán)節(jié)多，但農(nóng)藝生產(chǎn)模型和智能化分析技術(shù)融合程度不高，蔬菜生產(chǎn)智能化程度仍需進(jìn)一步提升。目前智能化技術(shù)與蔬菜生產(chǎn)經(jīng)營領(lǐng)域的結(jié)合仍處于初始階段，設(shè)施蔬菜環(huán)境調(diào)控、水肥一體化、質(zhì)量追溯、農(nóng)技服務(wù)等系統(tǒng)得到應(yīng)用，但由于蔬菜產(chǎn)業(yè)地域廣泛性、生產(chǎn)設(shè)施差異性、環(huán)境氣象多變性、品種多樣性導(dǎo)致蔬菜生產(chǎn)智能分析模型普適性差，簡單直接地套用難以適應(yīng)外界生產(chǎn)因素變化，蔬菜生產(chǎn)智能分析技術(shù)落后于市場應(yīng)用需求，不能滿足實(shí)際生產(chǎn)要求。提升蔬菜產(chǎn)業(yè)的智能化程度，還需要在關(guān)鍵的智能化管理技術(shù)上取得突破，增加深度學(xué)習(xí)、知識計(jì)算、大數(shù)據(jù)分析等技術(shù)在蔬菜領(lǐng)域應(yīng)用的深度和廣度。

2.3 蔬菜產(chǎn)業(yè)鏈數(shù)據(jù)關(guān)聯(lián)和智能分析能力弱

當(dāng)前對蔬菜智能化管理技術(shù)研究往往只針對生產(chǎn)經(jīng)營中的某一個或局部的過程，缺乏面向蔬菜全產(chǎn)業(yè)的智能化解決方案。隨著大數(shù)據(jù)智能技術(shù)的發(fā)展，蔬菜產(chǎn)業(yè)數(shù)據(jù)的不斷積累，為全產(chǎn)業(yè)鏈智能信息服務(wù)提供了可能性。但目前蔬菜大數(shù)據(jù)還大多分散在不同的經(jīng)營主體和管理部門中，還未形成互聯(lián)互通的數(shù)據(jù)資源池，而且由于蔬菜產(chǎn)業(yè)鏈各環(huán)節(jié)數(shù)字化發(fā)展程度不同，數(shù)據(jù)分布規(guī)模和質(zhì)量差異較大，產(chǎn)前、產(chǎn)中、產(chǎn)后，生產(chǎn)、管理、市場等數(shù)據(jù)割裂，數(shù)據(jù)鏈條和產(chǎn)業(yè)鏈條無法有效貫通和協(xié)同，數(shù)據(jù)雖多，但難以挖掘并獲得其中隱含的有價值的信息用于指導(dǎo)蔬菜產(chǎn)業(yè)的發(fā)展。

2.4 蔬菜智能化管理成套技術(shù)系統(tǒng)與產(chǎn)品少

國內(nèi)還缺乏實(shí)用化的蔬菜生產(chǎn)智能化管理系統(tǒng)及裝備，大棚、日光溫室等設(shè)施比較簡單，設(shè)施內(nèi)的水、光、溫度等達(dá)不到綜合調(diào)控的要求，國外技術(shù)與裝備與國內(nèi)蔬菜生產(chǎn)栽培模式匹配度不高，價格昂貴、運(yùn)維成本高，尤其是生產(chǎn)知識模型本地化困難。目前國內(nèi)研究人員圍繞蔬菜生產(chǎn)環(huán)節(jié)，從感知、決策、調(diào)控作業(yè)等方面開展了理論技術(shù)研究與裝備研制取得了進(jìn)展，例如基于物聯(lián)網(wǎng)技術(shù)的設(shè)施蔬菜生產(chǎn)環(huán)境監(jiān)測控制系統(tǒng)、水肥一體化智能灌溉系統(tǒng)、智能化蔬菜集中育苗系統(tǒng)、露地蔬菜質(zhì)量安全追溯系統(tǒng)等，部分技術(shù)產(chǎn)品已開始應(yīng)用推廣。

3 發(fā)展趨勢展望與建議

蔬菜智能化管理與蔬菜品種、栽培模式、調(diào)控與作業(yè)設(shè)備緊密關(guān)聯(lián)。筆者闡述了智能化信息技術(shù)在蔬菜生產(chǎn)環(huán)境感知傳輸、生產(chǎn)決策與調(diào)控、智能信息服務(wù)等領(lǐng)域研究和應(yīng)用技術(shù)進(jìn)展情況，深度分析了在上述領(lǐng)域應(yīng)用中仍存在的待解決問題和困難。蔬菜品種和栽培模式多，氣候條件、地理位置、區(qū)域環(huán)境等因素的不確定性制約著智能化技術(shù)在蔬菜種植中的大范圍應(yīng)用，目前蔬菜生產(chǎn)智能化應(yīng)用還處于試驗(yàn)階段，高效低成本的建設(shè)模式仍在不斷探索中，還未有效地轉(zhuǎn)化為產(chǎn)業(yè)。但蔬菜產(chǎn)業(yè)數(shù)字化、精準(zhǔn)化、智能化的重大需求和人工智能、物聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)、大數(shù)據(jù)技術(shù)迅猛發(fā)展的態(tài)勢為蔬菜智能化管理技術(shù)發(fā)展提供了一次重要機(jī)遇。

3.1 構(gòu)建蔬菜生產(chǎn)監(jiān)測、分析、反饋?zhàn)鳂I(yè)的管理閉環(huán)，加速提升蔬菜生產(chǎn)管理智能化水平

發(fā)展蔬菜農(nóng)機(jī)農(nóng)藝配套化、規(guī)?；?、輕簡化、標(biāo)準(zhǔn)化技術(shù)，推動蔬菜生產(chǎn)農(nóng)機(jī)和農(nóng)藝、機(jī)械化和信息化相融合。將傳感器、機(jī)器視覺、多光譜等技術(shù)結(jié)合，進(jìn)一步提升蔬菜個體和群體生物信息、環(huán)境信息的自動化采集能力，擴(kuò)大采集范圍，提高采集精度和時效性，彌補(bǔ)單一技術(shù)獲取信息存在監(jiān)測不到位的情況?；谑卟松L發(fā)育規(guī)律的光、水、電、熱、肥等多因子、多環(huán)節(jié)智能調(diào)控模型，實(shí)現(xiàn)蔬菜生產(chǎn)現(xiàn)場數(shù)據(jù)自動感知與多因素協(xié)同決策，有助于蔬菜科學(xué)生產(chǎn)、精確水肥藥施用，提高農(nóng)業(yè)資源利用效率。在播種、育苗、嫁接、移栽、植保、水肥實(shí)施、采收、運(yùn)輸、分級、加工等環(huán)節(jié)形成成套化智能作業(yè)設(shè)備，降低農(nóng)業(yè)從業(yè)人員勞動強(qiáng)度，形成可復(fù)制、可推廣的蔬菜標(biāo)準(zhǔn)化生產(chǎn)服務(wù)智能化模式和實(shí)施方案，提高蔬菜產(chǎn)業(yè)現(xiàn)代化高技術(shù)水平，實(shí)現(xiàn)機(jī)器代替人力、電腦代替人腦、科學(xué)決策代替生產(chǎn)經(jīng)驗(yàn)的轉(zhuǎn)變。

3.2 強(qiáng)化科技創(chuàng)新服務(wù)，推動蔬菜社會化應(yīng)用服務(wù)模式落地

強(qiáng)化科技創(chuàng)新服務(wù)，引導(dǎo)科技、資金、人才、信息等現(xiàn)代生產(chǎn)要素聚集，將農(nóng)業(yè)標(biāo)準(zhǔn)化生產(chǎn)、農(nóng)副產(chǎn)品加工、倉儲物流以及休閑觀光體驗(yàn)等相關(guān)產(chǎn)業(yè)有機(jī)融合。建立多個蔬菜品種的種植土壤、環(huán)境、投入條件、種植規(guī)模、水肥藥配方的標(biāo)準(zhǔn)化方案，吸收撮合社會化服務(wù)資源與產(chǎn)業(yè)需求，支持大宗蔬菜產(chǎn)業(yè)社會化服務(wù)組織開展“線上+線下”的托管技術(shù)服務(wù)，創(chuàng)新融合“智能決策、專家遠(yuǎn)程咨詢、標(biāo)準(zhǔn)示范田對照”的“互聯(lián)網(wǎng)+專家系統(tǒng)”、“物聯(lián)網(wǎng)+大數(shù)據(jù)”應(yīng)用服務(wù)模式，解決技術(shù)服務(wù)中農(nóng)業(yè)專家與農(nóng)技服務(wù)人員數(shù)量不足、地域品種覆蓋不全等問題，實(shí)現(xiàn)標(biāo)準(zhǔn)化生產(chǎn)管理、合理農(nóng)資投入、緩解勞動力短缺、增加農(nóng)民收入的目標(biāo)，形成促進(jìn)區(qū)域現(xiàn)代農(nóng)業(yè)轉(zhuǎn)型發(fā)展的新動能。

3.3 加快大數(shù)據(jù)智能技術(shù)在蔬菜全產(chǎn)業(yè)鏈關(guān)鍵環(huán)節(jié)中的應(yīng)用，實(shí)現(xiàn)價值鏈高端延伸

隨著深度學(xué)習(xí)、知識計(jì)算、群體智能等人工智能技術(shù)在蔬菜領(lǐng)域深層次運(yùn)用，大數(shù)據(jù)技術(shù)將更適應(yīng)數(shù)據(jù)領(lǐng)域的具體需求，利用大數(shù)據(jù)分析、機(jī)器視覺、深度神經(jīng)網(wǎng)絡(luò)等改進(jìn)算法，建立病害、蟲害、水肥、營養(yǎng)、環(huán)境等早期預(yù)警模型系統(tǒng)，為蔬菜智能生產(chǎn)管理提供指導(dǎo)。通過多個區(qū)域蔬菜種植品種、茬口、規(guī)模、上市時間、銷售流向、地頭價、批發(fā)價，以及冷庫、加工、運(yùn)輸、中介服務(wù)能力等數(shù)據(jù)的采集分析，實(shí)現(xiàn)蔬菜育苗量和種子銷售量動態(tài)監(jiān)測、病蟲害和氣象災(zāi)害智能預(yù)警、蔬菜價格趨勢分析、上市期及產(chǎn)量預(yù)測等服務(wù)。構(gòu)建標(biāo)準(zhǔn)化的適宜蔬菜領(lǐng)域的大數(shù)據(jù)標(biāo)準(zhǔn)及應(yīng)用管理體系，定期發(fā)布產(chǎn)品質(zhì)量、價格指數(shù)、數(shù)字信用產(chǎn)品，培育一批專業(yè)的數(shù)字產(chǎn)業(yè)運(yùn)營商，用產(chǎn)業(yè)化的思維構(gòu)建產(chǎn)供銷一體化服務(wù)能力與行業(yè)標(biāo)準(zhǔn)，沉淀蔬菜產(chǎn)業(yè)生態(tài)運(yùn)營能力。

4 結(jié)語

智能化是現(xiàn)代農(nóng)業(yè)發(fā)展的要素。蔬菜智能化管理已經(jīng)成為蔬菜產(chǎn)業(yè)向集約化、精準(zhǔn)化和智能化發(fā)展的關(guān)鍵技術(shù)。在此背景之下，出臺了《農(nóng)業(yè)綠色發(fā)展技術(shù)導(dǎo)則（2018—2030 年）》等一系列政策措施，提出要發(fā)展智慧型農(nóng)業(yè)技術(shù)模式，如研發(fā)天空地種養(yǎng)生產(chǎn)智能感知、智能分析與管控技術(shù)，推廣應(yīng)用數(shù)字農(nóng)業(yè)智能管理技術(shù)、智慧農(nóng)業(yè)生產(chǎn)技術(shù)及模式、智慧設(shè)施農(nóng)業(yè)技術(shù)等。開展蔬菜生產(chǎn)智能化管理關(guān)鍵技術(shù)研究，加強(qiáng)智能信息技術(shù)在蔬菜生產(chǎn)、經(jīng)營、管理和服務(wù)等方面的創(chuàng)新應(yīng)用，這些都為蔬菜產(chǎn)業(yè)智慧發(fā)展提供了良好的發(fā)展環(huán)境。當(dāng)前，應(yīng)加強(qiáng)人工智能、大數(shù)據(jù)、農(nóng)業(yè)自動化等技術(shù)與蔬菜產(chǎn)業(yè)的深度融合，提升蔬菜全產(chǎn)業(yè)鏈數(shù)據(jù)采集、處理和分析挖掘能力，促進(jìn)農(nóng)民增收，支撐國內(nèi)蔬菜產(chǎn)業(yè)轉(zhuǎn)型升級。