大数据技术在农业机械化生产的优化运用

2022-12-16王伟全

农机使用与维修 2022年12期

王伟全

(黑龙江省农业科学院大豆研究所，哈尔滨 150086)

0 引言

随着我国科学技术进步与农业现代化发展，大数据技术在农业领域得到广泛推广与应用。在农业机械化发展进程中，应用大数据技术，改变传统农业机械化生产方式，解决传统农业机械生产中的不足，全面推进智慧农业建设，构建“互联网+农业”“大数据+农业机械化”“信息化+农业机械化生产”等生产新模式，促进农业机械装备升级，实现农业机械化生产方式由传统农机化向智慧农机化的方向转变[1-3]。

1 大数据技术在农业生产的应用

大数据(Big data)是一种具有海量、多样化及高增长率的战略性信息资源，大数据技术是利用大数据信息资源，通过计算机人工智能、机器学习、云计算等专业化数据处理方法，从海量的、多样化的数据中，对具有“实际价值”的数据进行信息采集、分析、处理与深度挖掘，实现实际问题的科学分析与合理解决。我国在2015年发布了《促进大数据发展行动纲要》，明确指出大数据发展的必要性及行动指南，在2016年发布的“十三五”规划与2018年国务院发布的《关于加快推进农业机械化和农机装备产业转型升级的指导意见》明确指出促进大数据技术在农业生产的应用，全面推进智慧农业的发展，构建“互联网+农业”“大数据+农业机械化”“信息化+农机化生产”等模式，充分说明大数据技术在农业生产的应用具有十分重要的意义和价值[4-7]。其中，大数据技术在农业生产的应用主要表现在农业生产前期、过程和后期应用三个方面(图1)。

图1 大数据技术在农业生产的应用

1.1 农业生产前期应用

农业生产前期，通过采集生产种植区的每年气候变化、土壤条件、水质情况、种植作物品种及产量、自然灾害及病虫害等原始信息数据，结合当地农产品市场需求、国家及地方农产品优惠政策和历年农产品销售价格等其他信息数据。应用大数据技术，通过计算机技术与人工智能技术，建立耕种前预测模型，利用预测模型确定当地最适宜种植的农作物品种，预测最佳的种植时间，推理种植的农作物产量、收益份额、市场需求及病虫草害等信息，在农业生产前，做好前期的准备工作；应用大数据技术，通过深度分析种植农作物种子实际活力，确定种植前种子是否经过其他处理工作，预测种子发芽率、抗逆性及抗病虫害能力等，帮助农民合理确定种植作物品种，科学选择优质种子，提高种植区作物的质量与产量；农业生产过程中，土壤环境是影响农作物生长的重要条件，合理的农作物种植是保持农田土壤平衡的关键因素，应用大数据技术，通过采集生产种植区的农田土壤相关信息，建立农田土壤及农作物生长情况数据库，以种植区土壤改良或土壤最佳为生产目标。针对不同土壤类型、气候条件及肥力需求、农作物品种等，采取精准施肥策略，避免盲目施肥和无效施肥，在保证土壤养分和农作物需求的前提下，应用大数据技术，合理平衡农田土壤有机质含量，科学改良农田土壤，促进大数据技术在现代化绿色农业耕种前预测、优质选种、土壤改良等方面的应用发展。

1.2 农业生产过程应用

农业生产过程中，通过大数据技术、物联网信息技术与人工智能技术等相关技术的应用，改变传统人工种植方式的劳动效率低、劳动强度大、劳动力短缺等弊端，实施农业机械化的精准作业。针对大棚种植的农作物，通过合理布置多种温度传感器、湿度传感器、光敏传感器、视觉传感器实时监测大棚内环境及农作物的动态变化，采集相关的动态信息，并根据农作物生长情况适时应用大数据技术及人工智能等相关技术，结合“线上+线下”现代农业管理模式，对各种种植环境及农作物生长情况进行分析与处理，科学合理利用温度、湿度及光照等环境条件开展农田灌溉、病虫草害防治及相关状态监测等植保调节与田间管理。构建适宜不同地区、不同季节、不同农作物生产的现代农业机械化生产体系，提升农业种植效率和农作物产量、降低相关农业成本和农业风险，积极推动智慧农业发展；应用大数据等相关技术，结合农业植保无人机及相关视觉监控系统，实时监测农作物当前的生长状况及周围外界环境变化情况，帮助农户及时了解农作生长情况，适时合理地做好农业植保与预防工作，科学调整农业生产活动。利用大数据技术分析实施精准施药策略，避免化学药剂资源浪费，降低病虫草害对农作物产量及质量的影响，精准预测外界环境变化，降低自然灾害等外界不确定性因素对农作物可能造成的损失，全面构建“互联网+农业”“大数据+农业机械化”“信息化+农机化生产”等模式，进一步促进大数据技术在保证农作物健康生长及农民切身利益方面的应用发展。

1.3 农业生产后期应用

为全面提升农产品生产质量和合理优化农业生产过程，农业生产后期应用大数据技术对农产品进行全程追踪及问题溯源。通过对农产品机械化深加工过程粘贴电子标签(生成对应的产品二维码)，建立农产品的子数据单元，结合产品数据分类，构建相关农产品数据库，采用标签扫描记录农产品从生产至消费各个环节的数据信息，实时更新农产品种植、加工、包装、物流、消费等各个质量环节数据，及时、全面地获取农产品质量相关动态信息，提出对应农产品生产优化策略，实现农产品全程追踪及问题溯源，保证农业生产全过程安全性与可靠性；应用大数据等相关技术，结合不同地区、不同季节、不同产品动态变化的生产信息、滞销信息和市场需求信息等，建立多渠道农产品产销预警机制，帮助农户合理调节产品供给安排，平衡产品市场需求，减少产品库存积压，统筹与整合有限的农业资源，实施满足消费需求、适应市场供给、避免农资浪费、农户收益可观的营销策略。实现现代农业精准营销的目标，进一步促进大数据技术在保证农业生产与市场运行健康及农民收益方面的应用发展。

2 大数据技术在农机化生产应用的必要性

农业是国民经济发展的基础性产业，在现代化农业发展过程中，农业机械化生产发挥重要作用。随着农业机械化全面普及与推广，与农业生产的数据信息的数据量增大、复杂性增强和数据利用难度增加，在一定程度上限制了传统人工数据分析在农业机械化生产中的运用与发展。同时，现代化的农机生产过程中存在农业生产资源分配不合理、农业植保技术不智能、农机作业技术精度低、农业资信渠道不全面等问题，制约了现代农业机械化生产的科学发展。大数据技术是利用海量、多样化、高增长率的战略性信息资源，通过计算机人工智能、机器学习、深度挖掘及云计算等专业化数据分析处理方法，从海量且多样化的数据中，对具有实际价值的数据进行信息采集、分析、处理及深度挖掘，结合传统农机装备先进设计与制造技术，实现机械化生产过程实际问题科学分析与合理解决。在农业机械化生产过程中，应用大数据技术对农机装备数据、工作环境数据、农作物生长数据及其他生产相关数据等众多数据融合分析与数据共享，实现现代农业机械化生产的精准预测、合理分配、科学决策及病虫草害防控；应用大数据技术协调和优化农业生产技术，进一步提升传统农业机械装备的智能化控制水平、高精度及高可靠性作业能力等，实现农业机械化生产由传统人工经验识别、手动作业向现代智能识别、智慧控制、机械作业的工作模式转变；应用大数据技术对非农作物(地理、气候、人文及地方政策等)信息进行综合数据分析与处理，并基于农作物生长最佳目标模型，实时动态提供农业管理决策建议，避免经济损失，进一步保证农业生产的经济性和安全性。近年来，我国农机化生产中积极推广并应用了大数据技术，取得了阶段性成果，推动农业机械化生产的进步。但是农业机械化数据数量大、结构复杂、动态干扰因素较多，且大数据技术属于计算机科学与技术领域中的新技术，需要进一步完善大数据应用体系，建立数据管理共享机制，结合信息融合技术，解决传统农业机械生产中的问题，推动农业机械化生产向智慧农业的方向发展，促进我国农业机械化生产的转型升级[8-11]。

3 大数据技术在农机化生产的优化运用

大数据具有数据量大、种类多及高增长率的特性，大数据技术融合多种信息资源，通过人工智能、机器学习、云计算及深度挖掘等技术，对具有实际价值的信息进行采集、分析、处理和深度挖掘，以获取数据内在之间的深层逻辑关系，从而更科学合理地分析与解决实际问题。大数据技术在农机化生产的优化运用表现在以下几个方面。首先，应用大数据技术，在农机作业环境信息的采集和处理方面优化运用，通过现代化大数据系统(遥感、光谱、传感等技术)采集多种农作物及外界环境等信息，结合农机数据共享与生长数据分析对农机日常作业进行合理分配和优化操作，运用科学施策、精准种植、变量植保等优化手段，为农户选择合适的农机装备及种植、植保技术提供参考，避免资源浪费、降低生产能耗、节约劳动成本、提高产品质量；其次，应用大数据技术，在农机作业信息的监测和统计方面优化运用，通过智慧农机系统优化建设，实时监测、统计和控制农机装备的相关数据信息，利用智慧农机系统数据反馈环节，在保证农机装备机械化、自动化和高精度的基础上，基于大数据分析技术，考核农机装备作业效率与作业质量，实时对农机运行状态进行动态优化和调整，提高农机装备运作效率、合理配置农机装备资源、优化农业生产流程、实现农机装备运行的智能化和规范化；最后，应用大数据技术，在农机运行信息的交互和决策方面优化运用，通过智慧农机系统优化和大数据技术持续利用，及时了解农机装备的市场价格、地方政策、运作信息和历史记录，保证农机供求平衡、促进农机推广，实现对农机故障预测和在线维修，提高农业机械化水平与农业生产效率[12-14]。