数字赋能:北京农科院搭建“智慧农业云“平台,助推农业转型升级

当前，数字化、网络化、智能化日益成为现代农业的显著特征。7月8日，北京市农林科学院正式发布"智慧设施AI工具集"网站（http://106.38.30.16:10016/），通过数字化手段破解农业发展难题，为加快推进智慧农业建设、助力乡村振兴按下"快进键"。

该平台由北京农科院智能装备技术研究中心历时三年自主研发，以"AI+农业"为主线，集成了作物生长诊断、设施环境预警、水肥管理、病虫害识别等40多项智能工具，全面覆盖设施农业生产经营的各个环节，为广大农户、新型农业经营主体、科技服务人员等提供精准、高效、便捷的智慧化解决方案。

"智慧农业代表着新一轮科技革命和产业变革方向，是提升农业综合竞争力的必由之路。我们希望通过这一平台为行业树标杆、立典范，进一步擦亮'科技北农'的金字招牌。"北京农科院智能装备技术研究中心魏晓明研究员在接受采访时表示。他透露，下一步，中心还将联合北京及周边地区10个设施农业园区，开展平台试用示范，加快推动科研成果转化应用。

据介绍，平台开发过程中，研发团队广泛吸收了植物生理学、农业气象学、土壤肥料学等多学科前沿成果，并与农业生产实际深度融合，确保了模型算法的科学性和适用性。比如，在设施蔬菜需水管理方面，由于大棚小气候与田间存在显著差异，传统的参考作物蒸散量计算方法往往误差较大。对此，课题组于景鑫高级农艺师等专门开展了针对性研究，通过建立不同塑料大棚"姿态-结构参数—小气候"数学模型，对常用的FAO-56公式进行了参数优化和模型订正，使其更加符合我国日光温室等设施的实际应用需求，蒸散量估算的误差从原先的20%以上降至5%以内。

在张若晨工程师看来，作为一名95后"AI+农业"领域的技术研发工程师，能用计算机视觉、机器学习等前沿技术解决农业生产中的实际难题，既是一种机遇，更是一种挑战。以番茄智能诊断系统为例，由于番茄植株结构复杂，不同品种、不同生育期的农艺性状差异很大，传统图像识别技术很难对整株进行快速准确地分割。为此，课题组创新性地引入了当前国际上表现最优的RTDETR深度学习模型，通过迁移学习，利用积累的3万多张番茄生长图像数据进行训练优化，最终使得系统对番茄生长状态的判别准确率从不足70%提升到了95%以上，处于同类技术的领先水平。这一突破为番茄生产的精细化管理提供了重要技术支撑。

"互联网+"现代农业专项行动计划实施以来，我国农业农村信息化建设取得了长足进步。但在魏晓明研究员看来，当前农业物联网、大数据、人工智能等技术与农业生产的融合应用仍处于起步阶段，场景碎片化、成果简单化、应用割裂化的问题比较突出。对此，平台在顶层设计上进行了系统谋划，围绕设施园艺生产各环节，以需求为牵引、以问题为导向，强化多学科交叉、多技术融合，促进信息流、技术流、知识流、服务流的集成整合，实现了从生产到管理，从研发到服务的全链条创新设计和高效运转。

魏晓明研究员坦言，平台的开发应用只是开启智慧农业发展的"金钥匙"。要充分释放现代信息技术变革农业生产方式、提升农业发展质量的乘数效应，还需在关键核心技术自主创新上持续发力，加快建设现代农业产业技术体系，不断完善农业科技创新治理体系。"平台1.0版本的发布上线只是迈出了第一步，未来我们将以开放、合作、共享为理念，加强与高校、科研机构、龙头企业、农民合作社的产学研用协同创新，在核心技术攻关、关键装备研发、典型应用示范等方面持续发力，不断提升平台的科技供给能力、产业带动能力和社会服务能力，为加快推进农业农村现代化、助力乡村全面振兴提供强大科技支撑。"

北京农科院作为全国农业科技创新中心和京津冀农业科技协同创新中心，近年来高度重视智慧农业关键核心技术研发。据悉，围绕设施农业数字化、智能化转型升级需求，该院还布局了基于5G和北斗导航的农机无人作业系统、面向设施园艺的农业知识图谱、基于区块链的农产品质量安全追溯平台等一批战略性、前瞻性课题。下一步将进一步加大政策、项目、人才等创新资源支持力度，力争在3-5年内，打造3-5个在国内同行业领先的高水平智慧农业创新平台，为首都乡村振兴和都市农业现代化建设提供有力科技支撑。