智慧农业建设方案思考

0.智慧农业建设利好
(1)政策倾斜
《十三五规划纲要》、《全国农业现代化规划（2016-2020）》、《乡村振兴战略》等文件明确提出大力发展数字农业，实施智慧农业林业水力工程，推进物联网试验示范和遥感技术应用等要求，连续发布的多个政策表明，发展智慧农业已成为重要国家战略之一。相对应的，每年农业农村部会发布全国智慧农业方面的项目申报指南，指南涉及系统平台开发、软硬件实施试点项目等，采取企业自筹经费+农业部划拨经费的方式带动我国智慧农业的发展。同时各省相关部门（科技厅、农业厅、环保厅、发改委等）也会发布相应的科技支撑项目申报指南，各省的项目采取“产学研”的方式探索智慧农业的前沿科技领域。总结而言，政策的倾斜覆盖追溯平台、硬件研发、关键技术开发、精准农业等智慧农业全产业链。
（2）我国农业行业效率偏低的现实需求
我国的农业脱身于传统家庭式的小农经济，虽然经过常年的发展，土地的产出率依然不高，以畜牧业为例，据统计美国生猪养殖成本较中国低40%-50%左右，美国生猪规模化养殖场平均PSY 达到24，料肉比在2.7左右，中国目前PSY约18，料肉比3左右。另一方面我国是全球最大的生猪养殖国和消费国，养殖效率的低下带来大量土地的资源的浪费、人力资源的浪费和污染的增加，因此试图通过智慧农业技术与传统农业模式的结合，或许是一条提升养殖效率、降低养殖成本的探索之路。

（3）我国“智慧+”产业的发展
随着我国“智慧+”产业的发展，传感器等硬件技术、物联网技术、大数据处理、云计算、人工智能等技术在各行各业均得到了长足的发展，智慧农业以信息和知识为核心要素，通过将互联网、物联网、大数据、云计算、 人工智能等现代信息技术与农业深度融合，有了技术的基础。

1.智慧农业（养殖）建设框架
1.1整体框架
智慧农业具有显著的多学科交叉的特点，由于农业具有生物特性，将信息化技术直接拿到农业领域往往不能有效地解决问题，更不能从根本上解决我国农业效率低的问题。一般来说要有效的发挥智慧农业项目对传统农业的效率等的提升，至少需要在以下方面开展工作（以养猪业为例）：基础设施建设、精准饲喂系统、健康养殖、精准环控（个人认为相比于其他不是特别重要）、繁殖育种信息化建设、质量追溯系统建设、市场预测与决策系统建设、数据平台、数据再分析。后文将就这几大系统建设展开论述。
在设计智慧农业整体框架之初，需要明确的一点是现阶段智慧农业还处于数据收集的过程，也即智慧农业的初级阶段，作为农业企业和技术提供者应该深刻认识到智慧农业项目的实施是一个长期的工作，只有将信息化技术、智慧技术整合进企业全产业链，才能发挥智慧农业项目的作用，比如仅仅推进物联网技术在农业领域的运用，根本不能解决农业的效率问题，甚至于一些企业认为做了环控系统、视频监控系统就是智慧农业，这是极为错误的观点。物联网只是一个获取数据的过程，怎么把数据与生产实际、全产业结合，才是智慧农业智慧农业项目考虑的重点，因此在设计框架之时应该通盘考虑，结合自身业务及数字化水平梯度推进。

1.3衡量指标
以养猪业为例，主要的衡量指标有PSY、MSY、配种率、分娩率、死亡率、养殖成本、系统使用率等。使用以上指标来衡量智慧农业项目的可行性才能更好的在未来的项目中适时调整项目架构，发挥其作用。

2.智慧农业存在的问题

2.1农业专用传感器落后
据中国工程院院士赵春江在其论文——《智慧农业发展现状及战略目标建议》中介绍，我国目前自主研发农业传感器数量不到世界的 10%，且稳定性差。农业从业环境较其他行业恶劣，且往往地处偏远地区，尤其是畜牧业，以养猪业为例，一般的养殖场往往鼠虫很多，且氨气等有害气体浓度较高，日常的冲栏、消毒等工作，极易造成传感器被腐蚀、灵敏度下降；另一方面农业行业具有自身的特点，如土壤内含有众多营养元素，需要开发专门的集成式传感器。基于机器视觉的智能摄像头在安防等领域已经得到了较好的运用，但是直接运用到农业行业基本不可行，比如利用机器视觉实现猪只的身份识别，猪只不能像人一样安静等着摄像头来扫描，需要经过改良的摄像机进行识别，对母猪的全体扫描需要跟高级别的摄像系统，往往需要双目或者转轨，这无疑增加了系统的成本。

2.2动植物模型与智能决策体系建设落后
现阶段的智能决策往往是基于物联网系统的，尤其是对环境的控制，但是即使如此很多情况下也是时序控制而不是按需决策控制。时序控制即为定时定量控制物联网系统，比如定时开关风机、水帘、灯光等设备，而针对环境数据~设备的反馈控制往往失灵。更高级的，如上所述实现“母猪体况—饲喂行为—饲喂设备”的联动精准化控制，现在看来还是很遥远的事情。

2.3农业从业人员整体素质不高
受限于从业环境、薪资水平等因素，农业从业人员的知识水平、综合素质相对较低，基础数据的获取不仅仅要依靠物联网设备，还有极为重要的一部分需要靠人工录入方式获取，这在一定程度上加大了基础数据的获取之即时性、准确性、有效性。同时要求农场工作人员配备专业的技术人员维护设备、指导设备的使用、解决基于软件、硬件的一些问题，成本将大为提升，往往不现实。这也加大了系统开发设计时的难度，需要将系统设计的极易操作。

2.5智慧农业技术人员缺乏农业行业知识
智慧农业技术人员往往并非拥有专业的行业知识往往导致开发的设备、软件系统缺乏可用性，譬如基于疫病知识图谱的图像识别疫情系统的开发，就需要技术人员对于疫病的基础知识要求较高，才能开发出可用的模型和系统。因此，在一定程度上，目前智慧农业大多数项目停留在信息的简单传输与显示，展示成分大于实际效果，与农业融合深度不够，缺乏解决农业实际问题的效果。很多项目所谓的大数据展示平台，往往只是环境数据、视频监控数据、疫病数据等的简单展示，没有与农业实际生产相结合。

3建议

3.1"产、学、研"的深度结合
如前所述，“智慧农业”离真正的智慧还很遥远，开发的技术体系依靠需要农科院、高效农学院等科研机构多年积累的研究成果，“研”在饲喂模型、环控模型、水肥一体化、疫情诊断、营养模型等往往积累了大量的知识库；企业需要引进更多的高素质人才，在获取了大量数据基础之上，根据自身企业的业务模式进行再度挖掘，作为承建单位来说，项目建设终有验收结束的时候，后续的数据价值挖掘显得更为重要。

3.2回归农业生产
避免智慧农业项目处于“盆景”状态，只可观，不可用，需要在项目设计之初坚持“回归农业生产实际”的原则。所谓的“大数据航空仓”可以有，但是不应该是重点，重点是提升生产效率、降低企业成本等衡量指标。

3.3专业智慧农业项目实施团队
为了达到“衡量指标”的尽可能实现，需要专业的“智慧农业实施小组”，在项目设计、项目实施、项目评估以及后续的数据挖掘整个过程中扮演重要角色。“智慧农业”毕竟还是一个新兴事物，行业内往往只有试点项目可做参考，作为业主，成立了专门的“智慧农业项目实施小组”，在项目设计的时候才能尽可能的把项目设计的更贴近农场的生产实际，项目实施过程中准确把握企业的现实需求，尤其是在开发相应的软件系统时；更重要的是在后期数据挖掘中，能实现“智慧农业项目”的价值，完成价值的在提升。另一方面，由于有专业的团队可以尽量的考虑到整个集团的信息化系统的融合，避免“数据孤岛”的出现，还可以把眼光放到项目实施的二期、三期，逐步提升信息化水平、智慧化水平。