基于联邦学习的分布式农业组织

【摘 要】我国现阶段仍以小规模农业为主，如何在小农、小地块的农业生产经营方式下发展适宜的智慧农业颇具挑战。基于此，提出一种结合联邦学习与区块链技术的分布式农业人工智能框架，使得在数据不共享的情况下，能达到训练模型的目的，并可建立参与方的激励机制。该框架有助于充分利用农业多源异构数据，减少对用户数据量的要求，发展因地制宜的决策模型，促进小规模农业的产销衔接。

【关键词】联邦智能 ; 农业大数据 ; 决策支持 ; 区块链技术 ; 农业管理系统

0 引言

智慧农业中的智能决策环节如同系统中的大脑，对自然环境、社会经济环境的信息进行分析处理，提供管理或控制的决策支持，是智慧农业的核心，也是数据转化为价值的过程。农业数据包括多种类别：（1）按来源分，有天（主要指卫星遥感影像数据）、空（主要指无人机遥感监测数据）、地（各类监测设备获取的地面环境和作物生长状态等数据）等；（2）按内容分，有自然物理信息（气象、土壤以及作物生长状态）和社会经济信息（市场供需和价格等）；（3）按产业链分，有生产大数据、管理大数据和市场大数据；（4）按呈现形式分，有文本、视频、照片等多种模态数据。

由于复杂数据采集、挖掘、处理、分析与应用的技术原因，以及数据拥有者与使用者身份不同的原因，目前的大数据研究普遍存在“只有数据，没有利用”的问题，导致为搜集数据、存储数据付出的成本被浪费，亟须解决如何从数据中获得价值的问题。同时，智慧农业对基于数据的