智慧农业包含哪些特征和作用呢？

智慧农业最核心特征就是拥有一个以智能数据为中心的服务平台。通过云计算、传感网等多种技术在农业生产中的综合应用，可使信息收集更完备、信息感知更透彻、数据资源更集中，从而使农业信息更广泛地互通和达到更智能化的控制，使农业生产更具有智慧性。比如，在前端可以为农产品种植、管理和采摘等提供数据采集、可视化管理和智能决策，在终端可以为农产品提供食品溯源、农业信息展示，也可以衍生出农业生态旅游服务等内容。

智慧农业可以让农业生产环境具有智能感知、智能决策、在线专家指导等作用，可以提高农业生产效益、解决农产品供需矛盾，消除农村地区贫困等重要价值。

进入21世纪，我国智慧农业进入高速发展期。随着农业劳动力向二三产业转移，人口老龄化加速，农业劳动力出现结构性短缺。以自动化机械、智能机器人为代表的新技术在农业领域的应用，标志着智慧农业进入大规模应用期。

近些年，我国各项农业政策中先后多次提及重视智慧农业的建设和发展，未来5年，计划将我国农业农村信息化总体水平提升至50%。与此同时，随着人工智能、云计算、物联网技术的日趋成熟，5G网络部署的逐渐完善，超大规模无线传感器监测的不断发展，农业生产与农产品供销正变得越来越信息化、智能化、数字化。

而我们多次提到的这些新技术，又是如何在智慧农业系统中发挥作用的呢？

5G、IoT、云计算、AI，支撑智慧农业的技术底座

2019年6月，工信部向国内三家电信运营商和中国广电发放了5G牌照，标志着我国正式进入5G时代。5G技术，对于农业的信息化来说是全局式的创新推动。

5G技术，首先将直接推动农业传感器的联接种类和数据的技术升级，种植、畜牧、果蔬、水产养殖等领域的物联网设备将成熟落地。

其次，实时网络联接保证农业机械、无人机等植保作业的精准控制和数据实时传输、分析。

再次，5G网络保证智能化技术在种植、养殖过程中的广泛应用。

最后，5G和AI的共同作用可以使得农产品销售变得更加智能和便捷。

云计算作为一种提供海量云端计算资源、超大存储空间和超强计算能力的新型计算模式，将为农业物联网的海量数据计算中发挥巨大价值。同时随着物联网数据的爆炸，边缘计算作为云计算的补充，也将在网络边缘侧、更靠近数据源的设备侧提供实时、短周期的本地决策。比如，在种植地，智能传感器无需请求中央服务器来决定给附近的植物浇水或添加肥料的时间和用量，它们可以自己执行相关任务，必要时再与主要的云平台同步。

相较于云计算，边缘计算距离用户更近、在边缘节点完成数据处理和分析的效率更高。由于数据在边端分散分布，可以更有效保护网络，增强数据安全性。另外，由于边缘计算完成了部分的数据处理，可以减少设备响应时间和设备到云端的数据流量，与云计算形成协同服务。

由于农业大数据的基础建设，各国越来越重视人工智能技术在挖掘农业大数据上的规律和模型的价值。

比如，针对农作物生长过程，智能化设备可以完成实时监测预警、水肥一体自动灌溉、病虫害防治和灾情评估等，从而为提升农业生产力、抵御灾害风险，为发展高效的智慧农业提供了技术支撑。

再比如，在蔬菜大棚种植场景，人工智能可以实现对棚内温湿度、光照和二氧化碳浓度等环境情况来控制补光时间，并检查农作物是否有病虫害，提醒工作人员进行补光、补水等操作。在智能灌溉场景，实现模型驱动型、时间计划型和环境驱动型等多种灌溉模式。

在近两年非常火热的AI养猪案例中，养猪场可以通过人工智能对生猪的生长情况和疾病预防、种猪繁殖等进行不间断的监测和预防。比如引入猪脸识别，及时发现母猪的发情和生病情况，实时监控，智能发现挤压猪仔等情况，从而有效提高生猪存活率，出栏率。人工智能的引入，实现了整个养猪过程的少人化和经营过程的智能化、科学化管理。

以上我们看到，5G网络技术保证了农业大数据的实时、高效传输，物联网保证了农业大数据的完整收集，云计算、边缘计算提供了大数据分析处理的海量算力，而人工智能则提供了数据模型的智能分析、管理和决策，这些技术共同构成智慧农业的技术底座。

现在，我们能在哪些具体的领域或者案例中，看到智慧农业的真实面貌呢？

精准种植、智能养殖、自动农机，亲眼可见的智慧农业场景

对于数字智能化技术的介绍，只是让我们看到智慧农业的轮廓，只有深入到智慧农业的应用场景当中，才能真正感受到智慧农业的丰富细节。

我们首先介绍智慧农业应用最大的两个场景：大田精准种植和大棚精准种植。

在大田精准种植当中，主要存在作业面积大、土地分布广、设备布线和供电困难等问题，结合5G网络和物联网，就可以根据不同地域的土壤类型、灌溉方式、农作物种类等进行不同设备配合，通过各种传感器和智能气象站，实现在线获取土壤墒情、养分、气象等信息，并实现墒情自动预报、灌溉智能决策及远程控制灌溉设备，最终达到精耕细作的目的。

比如，土壤墒情监测预警系统获取土壤墒情数据，通过将获取的现场实时墒情信息和标准墒情信息数据库中对应农作物的标准数据进行对比，从而达到监测预警墒情的目的。

（《5G赋能行业应用于创新》，图6-5：墒情（旱情）监测预警系统）

而大田的水肥智能决策系统，则解决了传统种植过程中灌水施肥量盲目性严重，造成水肥灌溉量不精准、资源大量浪费、作业强度大和过量施肥带来土壤严重污染的痛点，这一决策模型从而可以提供输入大田农作物的最优水肥比例，配合精准的水肥一体化技术进行水肥灌溉，从而更有效地利用水和肥料，节约成本的同时获得更好的施肥效果。

而对于大棚精准种植，更重要的是对于种植物生长环境、生长环节的精准把控和管理。

精准大棚种植主要体现在精准数据采集、云端智能水肥控制、智能农事管理、智能控制、数字农场平台等几个方向，可以作用在大棚种植的育苗、栽种、生长管理、收割、休耕等全流程环节当中，通过精准采集系统、云端智能水肥控制系统、智能农事管理系统、智能控制系统和终端等，可对大棚种植各环节的相关数据进行采集，为其科学化决策提供依据。

智慧农业的另外一大应用场景就是畜牧水产养殖。最典型的智慧畜牧养殖系统就是奶牛、生猪和鸡场养殖。

这里我们仍然以生猪为例。一套生猪精准饲喂系统，需要实现对生猪的数量盘点、体重估测、运动轨迹跟踪、转圈出栏监控及异常情况预警等，因此需要应用到以下智能监测技术，包括视频监控的智能身份识别，监测每头猪的身份、运动轨迹、发情期和健康状况，整体环境检测还要包括猪舍异常监测、存栏出栏数量盘点、饲养人员行为监控等。而生猪精准饲喂系统通过上述功能，可对生猪进行科学化的饲养和全面严格的管理，确保生猪的品质。

国内领先的农牧产品企业新希望六合，与中国移动共同开发的5G智慧养猪平台，就通过在养殖场的边端部署，建立了智能影像识别的系统，通过专门优化的AI算法，可以快速高效准确地实现对生猪各项生理特征的识别。另外，以机器视觉分析技术为基础，结合5G高带宽能力将图像数据上传至MEC（移动边缘计算）侧，并通过部署在MEC的AI平台实现生猪盘点、测重、测膘、体温等功能。

第三大类，也是我国在智慧农业上重点发力的应用场景就是智能农机。借助5G、北斗卫星定位、物联网、自动驾驶等技术，智能农机可以实现厘米级地理位置定位与测速、基于5G的无线传输，以及高清视频采集、存储与实时传输，还有高精度地图API（应用程序编程接口）、气象服务API、作业规划与管理云平台API等。

2019年5月，我国中科院研发的超级拖拉机1号，已经在万亩基地实现了无人驾驶的测试，利用卫星导航的智能网联技术，只需要三四个人员，就可以指挥20台智能拖拉机，完成所有耕地、播种、浇水、打药等作业。相当于，我国在智能农业机械的制造和应用上正迈入全球先进行列。

总体来说，智慧农业正在帮助各类农业生产场景朝着集约化、智慧化的方向发展。集约化将极大降低生产成本，提高农业生产收益，智慧化将推动整个生产流程是数据感知、智能管理和全产业链智能决策，实现农业全场景的联接互通。

现在，我国正处于从传统农业向智慧农业快速转型的过程当中，但是需要看到智慧农业的发展仍然面临诸多挑战。

先从现状来看，许多地区存在基础设施薄弱、地区发展不均衡、农村技术、管理人才短缺等现实问题；在新技术应用上，还存在着投入建设成本高、专用设备特别是专用芯片匮乏、配套设施不完善等问题，而在农业大数据的准确性收集、信息共享和信息利用上面存在效率不高、应用质量差等问题。

这些问题有赖于国家、地方政府、科技企业以及农业相关产业的高度重视和投入，比如政府应加强智慧农业的基础设施建设，在网络、交通、电力等方面实现配套。农业研发机构加强智能农业技术研发和相关成果的落地转化。相关技术企业加强适应智慧农业的技术人才的培养，提高一线农业生产者运用智能设备的能力。

智慧农业或者我国整个农业的现代化发展，对于已经远离乡土、身居城市的我们，是一种很少感知和关注的领域。于我而言，也更多是对智慧农业的轮廓和运行机制做一些皮毛介绍。

未来，我更希望的是能够在越来越多的地区、越来越多的媒体，看到我们的家乡都能有各种各样的智慧农业的景象出现。而这些案例，更值得被我们记录。