【ZiDongHua 之技术文章区收录关键词：智慧农业 机器视觉 云平台 智能终端】

　　

　　智慧农业发展的底层逻辑与现实约束

 

　　

　　一、智慧农业的内涵界定与底层逻辑

　　

　　数字化发展是以新一代信息技术（Next Generation ICT）的研发应用为基础支撑，以实 现产业全流程数字化、网络化、智能化为目的的技术范式革新。数字化发展需要具备一个由硬 件与软件所共同构筑的，集“感知、传输、计算、存储、应用”等为一体的“闭环”。通过“闭环”的不断 迭代与升级，产业发展逐步向数字孪生，以及定制化生产迈进。智慧农业是农业产业数字化的具体形态，同样遵循上述基本逻辑。 

　　

　　（一）智慧农业的内涵界定 

　　

　　智慧农业是新一代信息技术与农业决策、生产、流通交易等深度融合的新型农业生产模式与综合解决方案，是数据科学、农业与商业知识、智能终端相互结合的有机整体。一方面，智慧农业实现了农业的“智能化”。充分利用传感器、遥感技术和地理信息系统、市场信息检测软件模块等感知手段，对农业生产进行全流程跟踪式监测、管理，以数据流驱动技术流、资金流、人才流、物资流，实现更为精准精确的农畜产品的种、管、采收、储存、加工等。另一方面，智慧农业推动了农业的“服务化”。通过网络媒介、社交平台等低成 本连接手段，消除物理隔阂、打通市场连接渠道， 打造高度敏捷、个性化的农业产销生态系统，实现从简单的物质生产与销售向服务的转变，重塑农业与消费者之间的双向互动关系。 

　　

　　（二）智慧农业的底层逻辑 

　　

　　1.数字孪生：农业智能化的源泉数字孪生是诺伯特·维纳“控制论”在数字时代的具体呈现，是用于优化物理对象行为的精准数字化映射，也是新一代信息技术群综合集成 应用所达成的一种形态。“数字孪生”一词始见于 2011 年美国空军实验室的研究文献，用于预测飞机结构寿命和保证结构完整性的过程。在此之后，伴随着物联网、大数据等新一代信息技术的推广与应用，数字孪生这一概念逐步向工业制造、产品全生命周期管理、能源系统、城市建设等方面延伸。数字孪生依托知识机理、仿真技术为物理实 体在虚拟空间创建数字孪生体或者应用场景，模拟、反映物理世界的状态和行为。根据来源于多维度的实时数据、历史数据，预测、指导与控制物理个体或系统的未来状态，以实现物理上的组织性加强、精准性提升和不确定性缓解。由于数字孪生在产品开发、监督和验证及应对突发情况等方面的显著成效，数字孪生逐渐在牲畜家禽养殖、作物种植、智能农场管理等农业领域得到了推广与应用。智慧农业之所以能实现精准、高效、低碳的发展目标，是因为农业生产控制模式从“靠天靠 简单劳动投入”转向以人工智能为指导的数字孪生。智慧农业根据各种类型的生产模型、系统规则与数据集合对农业知识进行数字固化，通过在虚拟空间建构物理对象（动植物、运动轨迹）的实时、精准数字化映射，面向增产、提质等应用需求，展开分析量化的预测和决策反馈，实现农业生产全流程的优化。正因如此，智慧农业需要系统化、全局性的发展方案，任何单一种类和单一 环节的技术缺失都无法促成农业数字化转型；任何一个节点存在未连接的问题，整个闭环就无法实现数据的采集、传输和处理；任何一个节点智能化不够，整个系统就难以实现精准化运行。 

　　

　　2.服务化延伸：智慧农业的增收逻辑智慧农业可以通过对农业产业的服务化延伸实现增收增效，这源于新一代信息技术加速推动三次产业的融合，拓展了农业的多功能性。新一代信息技术能够创新服务供给内容、改变服务供给方式。在传统“人对人”“点对点”的生产过程中，劳动力是主要的供给要素，难以引入新的技术和设备，缺乏规模经济。劳动生产率长期保持不变，很难对其他产业产生技术的外溢效应。一些新兴、小众的服务由于相对高昂的获客成本和低频次的需求而难以存活。传统农业具有这个特点，内卷化现象较为常见，没有发挥出多元价值。新一代信息技术与产业的融合使得产业发展愈发表现出显著的差异化、服务化和敏捷化。不同于一般意义上的效率提升，智慧农业在服务化方面的影响包括依托新一代信息技术的农业 产业链的延伸、农耕文明传承、山水田园生活意境表达等。一方面，通过更多样化的连接形式，重塑生产者与消费者之间的关系，既有物质生产、实物销售，又有内容体验与服务享受等。智慧农业通过订单式作业、云上参与、视频直播等方式，让农业生产凭借“原生态”“定制化”“生活化”的标签，变现自然景观、文化价值、劳动凝聚等。另一方面，新一代信息技术以更为低成本的数字化方式，消除物理隔阂、打通连接渠道，帮助以往难以单独存活的小众供需实现“线上规模化”，有效地将“长尾供需”转变为可以盈利获益的“大市场”。尤其是，我国是一个具有超大规模统一市场的国家，消费者众多、小众消费规模庞大，能够支持多种新模式新业态的发展壮大。如新一代信息 技术能够帮助城市消费者以更便捷的方式参与耕种饲养，还能通过认养、认种的方式为农产品溢价买单。

　　

　　二、智慧农业对农业发展的积极影响

　　

　　智慧农业基于精准化、服务化的基本逻辑，有助于加速实现农业绿色低碳生产、智能网络协同、服务延伸与价值增值，同步实现成本节约与效率提升，加速农业现代化进程，为满足绿色化生产、集约化经营需求提供可行途径。 

　　

　　（一）以数字化方式促进农业绿色生产

　　

　　依靠化肥农药的传统技术要素投入对农业生产效率的带动效应日趋递减，而粗放型投入的消极影响正在显现。过去 20 年，农业和林业约产生了 27%的全球温室气体排放量，几乎与工业相当。2000 年以来，我国农业温室气体生产排放量增加了16%。我国每公顷农田年均氮肥施用量达到了305公斤，是全球平均水平的4倍以上。这造成了生产资料的浪费，也引致了大量氮氧化物温室气体排放。“碳达峰、碳中和”的发展目标迫使农业必须走绿色发展道路。但是，要在短时间内系统性、全方位地改变传统生产方式并不容易。基于新一代信息技术的智慧农业为改变传统生产方式、实现绿色低碳发展提供了一种可行路径。通过对设施大棚、农田、畜禽圈舍和农业机械等进行数字化改造，构建相匹配的数字化农业生产体系，提升农业生产者动态获取资源信息、智能精准投入的能力，进一步提高生产效率和质量，可为农药化肥的精准利用、农业绿色低碳发展奠定基础。 

　　

　　（二）以智能化应对农村劳动力结构性挑战 

　　

　　农业部门劳动力的老龄化与兼业化趋势更加显著。从劳动力年龄结构来看，2010年前后， 我国适龄劳动人口达到峰值，而后开始呈现负增长趋势，人口老龄化加速，进而直接带来了劳动力供给的下降与整体工资水平的上涨。第七次全国人口普查数据显示，我国 60 岁及以上人口为26402万人，占18.7%，且老年人口增长速度明显加快，到 2030 年占比将达到 25%左右。可以预见，随着农村劳动力的持续转出与老龄化现象加重，农业生产劳动力稀缺、技能稀缺问题将愈发严重。从劳动力兼业结构来看，农业内部呈现纯农户和高度兼业农户比例不断下降、非农户比例不断上升的分化态势。2003 年我国非农 户占比仅为33.28%，2016年非农户占比增加到 64.04%，年均增长率为5.16%。农户家庭从事农业劳动的时间从2003年的44.06%下降到2016年的29.81% 。“小规模经营+老龄化+大范围兼业”给农业技术的推广与应用、生产方式的变革带来了更大的挑战。伴随着智慧农业的加速部署与深入实践，具有实时连接、数据分析、智能应用和反馈控制功能的智能化农业生产体系将逐渐成熟，并将越来越多的农业知识、种植技能转化为智能操作程序，为实现农业集约化生产提供解决方案。如多地通过手机 App 为小农户开展代耕代种、一条龙、一站式“全程机械化+综合农事”等服务。一些智慧农业的试点项目正在尝试集成无人机、农事管理系统、物联网云平台等软硬件，探索生产管理的“全方位在线化”。 

　　

　　（三）以定制化满足和扩展多样化、个性化的市场需求 

　　

　　以往农业产业化的发展逻辑是农业生产向着工业化的发展模式靠近，那么智慧农业所激发的新经济、新模式、新业态则更凸显“差异化”“服务化”的新逻辑。智慧农业可以改善产品同质化现象，提高农业生产者准确把握低频或个性化长尾需求的能力，不断催生社区支持农业（CSA）、订单农业、采摘文旅等新业态。智慧农业能够进一步开发农业的多元属性，延长产业价值链，促进产业深度融合。智慧农业能够通过“数字内容”“云体验”的方式，变现农业农村的自然景观、文化价值等，能够使农户技术应用差、经营规模小、标准化程度低的竞争劣势转变为“手工劳作”“原生态”，以及“定制化”的竞争优势。

　　

　　三、智慧农业发展面临的现实约束

　　

　　我国智慧农业正处于初步探索阶段，受发展基础薄弱、技术支撑不足、应用主体数字技能与资金实力等短板的制约，数字化水平远落后于其他产业，综合发展程度距离国际先进水平存在较大差距。 

　　

　　（一）经营主体应用能力不足制约智慧农业推广

　　

　　当前，“大国小农”仍是我国基本国情农情，全国小农户数量占到农业经营主体的 98%以上，小农户从业人员占农业从业人员的90%，小农户经营耕地面积占总耕地面积的70%。我国农业经营主体的新技术新模式应用能力相对较差，且缺乏长期投入大量人力、物力的实力，制约了智慧农业推广运用。特别是，小农户存在对传统生产方式的路径依赖，导致“不想用”；农业产业数字化基础薄弱，技术、技能等方面存在较大短板，导致“不会用”；智慧农业使用成本高、有一定技术门槛，导致“不敢用”。一套山区柑橘的自动灌溉系统的每亩投入超过 1 万元，一个蔬菜大棚进行简单数字管理改造的成本达到数万元，投入成本高且带来的增效有限，以至于小农户的接受意愿不强。大田作物种植的数字化成本更高，且很难通过简单的产品溢价回收投入成本。目前智慧农业仅应用在一些高价值的经济作物中，且只有一些经济实力较强的企业开展了小规模应用探索。 

　　

　　（二）财政投入不足且平台呈现低水平重复建设

　　

　　财政投入是支撑智慧农业前期发展的重要资金来源。从投入力度来看，由于对智慧农业的重要性认知不足，各级政府部门对智慧农业的投入相对不足。据农业农村部信息中心监测，2018 年全国县域用于农业农村信息化建设的财政投入，25.2%的县域低于10 万元，仅有 20.0%的县域在 500 万元以上。从投入方向来看，大部分政府投入的智慧农业项目存在不同程度的“平台建 设倾向”问题。以“可视化”大屏幕为主要载体的 数字平台成为财政资金投入的重点领域。通过对“中国政府采购网”2014—2020 年各级地方政府关于智慧农业（农业信息化）招投标项目的大数据分析发现，在各级地方政府建设的 709 个智慧农业相关项目中，有 268 个项目是用于平台建设。这些平台投入经费有限，功能较为简单、相似性较高，且不注重持续迭代升级。大部分项目忽视了智慧农业与传统农业基础设施建设项目的差别。大量招投标项目仅准备了系统平台的快速启动资金，而没有考虑后期的持续维护、迭代升级以及推广费用，以至于系统平台并不具有成长性，而逐步被淘汰。 

　　

　　（三）研发投入不足且“产学研”转化机制不健全

　　

　　智慧农业的研发遵从数字应用开发的基本逻辑，即整个生命周期都需要持续的技术与资金投入，且运行维护与迭代创新投入远大于初期的 建设成本。同时，由于农业数字化相较于工业和服务业在技术学科（数字、生物、气象、地理等）方面具有更强的综合性，在研发与生产方面具有更长的周期性，在生产经营绩效方面具有更大的不确定性。诸如此类特性使得智慧农业面临着更大的技术挑战与投入风险，从而导致企业和社会资本的投入愿意不强，研发缺乏有效的资金和人力资源保障。此外，我国智慧农业的“产学研”转化机制仍不健全。一些研究脱离了实际生产的需要，如过于追求相关技术和设备的先进性，没有充分考虑我国农业经营主体的可接受性和现实需求。一些研究以课题立项、文章发表等为最终考核导向，研究成果仅停留在实验室中，既没有完成理论与应用的衔接，又缺乏应有的市场化推广，如机器视觉、云平台、智能终端等应用成果产出较少，未能充分用于实际生产。 

　　

　　（四）关键核心技术自主创新不足且短板较为突出

　　

　　我国作物生长模型、生产控制软件等智慧农业的核心领域与国外差距明显。在大田农业领域，中化集团 MAP（Modern Agriculture Platform） 等以“土地适度规模化”为切入点在全国范围内开展了大量有益实践。但是，整体而言，我国大田农业管理与控制平台在质量、数量方面较美国、以色列、荷兰等国家依然落后。在设施农业领域，目前，国内仅在黄瓜、西红柿、草莓等个别品种上有一些商业化实践，且这些项目中所使用的生长模型大部分来自荷兰瓦赫宁根大学、美国加州大学戴维斯分校和普渡大学等国外机构。全球智慧农业软件市场主要以 CropX，Trimble Agriculture，Raven Industries，Topcon Positioning Systems，The Climate Corporation 等美国企业为主。这些企业在相关细分领域的垄断地位因为技术壁垒的加强而愈发坚固。如 The Climate Corporation 的核心数字平台产品 Climate Field View 已经覆盖美国、加拿大、巴西、法国、德国等 20 多个国家的超过1.5亿英亩（9 亿亩）的农田，成为世界上覆盖范围最广泛的农业数字平台。同时，The Climate Corporation 利用超过 1400 万英亩大田作物的多 年期数据培训了高级作物生长模型，并通过生长模型与气候预测模型的匹配，提供了系统性的智能种植服务。这种智慧种植方案能够对农资化肥进行更有效的利用，相较于没有采用该方案的种植者能够提升 4~6 蒲式耳/英亩（约 20 公斤/亩）的产量。这种长期积累的优势，使后继者很难对其进行追赶和超越。 

　　

　　（五）农业领域大数据商务应用及管理水平较低

　　

　　农业大数据是推动智慧农业发展的重要驱动力。我国农业大数据建设相对滞后，数据积累较薄弱，技术及管理水平也较低，影响了智慧农业的发展。一方面，农业大数据分布于多个部门和领域，数据“孤岛化”问题比较严重，且农业大 数据的数据采集与过滤缺乏准确有效的数据提 取技术或数据预处理方法，导致数据不准确，可用性较差，在实际应用中存在诸多困难。另一方面，智慧农业所采集的农业生长数据标准化和连续性不够。其平台存储的作物（动物）生长数据存在时间上不连续、结构上不完整、内容上不统一等问题，难以通过连接共享、清洗筛选来改变。我国大量的科研机构和企业在推进智慧农业商业化应用时，仍需要花费重金向国外机构购买作物生长数据。