林伟君，高 飞，黄红星，莫里楠

（广东省农业科学院农业经济与农村发展研究所/农业农村部华南都市农业重点实验室，广东 广州 510640）

移动互联网、物联网、大数据、云计算等现代信息技术的兴起以及与农业领域的融合应用，引领我国农业迈入“农业4.0”时代，即智慧农业发展的新阶段。世界主要发达国家和地区的政府相继推出了智能农业、数字农业、未来农业等发展计划，发展智慧农业是全球共识。我国也高度重视智慧农业发展，近年国务院及有关部委发布了《促进大数据发展行动纲要》《新一代人工智能发展规划的通知》《推进农业农村大数据发展的实施意见》《数字农业农村发展规划（2019—2025年）》等一系列文件，表明数字技术与农业农村深度融合已成为数字乡村动力源，智慧农业是未来农业的发展方向和竞争焦点，也是我国农业转型升级的方向。越来越多的学者把目光聚焦在智慧农业研究领域，中国农业大学李道亮教授［1］认为，智慧农业是以最高效率利用各种农业资源，最大限度减少农业能耗和成本，最大限度减少农业生态环境破坏以及实现农业系统的整体目标，以全面感知、可靠传输和智能处理等物联网技术为支撑和手段，以自动化生产、最优化控制、智能化管理、系统化物流和电子化交易为主要生产方式的高产、高效、低耗、优质、生态和安全的一种现代农业发展模式与形态。中国农业科学院周国民研究员［2］认为，智慧农业是充分利用现在的信息技术，包括更透彻的感知技术、更广泛的互联互通技术和更深入的智能化技术，促使农业系统的运转更高效、更智慧、更聪明，以使农业系统达到农产品竞争力强、农业可持续发展、和谐农村、有效利用农村能源和环境保护的目标。目前，智慧农业态势研究多从概念角度出发，对国内外发展现状对比，阐述我国智慧农业体系建设、关键技术创新现状，并提出对策建议。对文献计量、可视化分析较少，对智慧农业研究前沿与热点分析不足，因此，本文采用知识图谱可视化方法对我国智慧农业发展现状与前沿热点进行分析并提出对策建议，为推进智慧农业发展提供参考。

1 数据来源与研究方法

1.1 数据来源

以中国知网中文期刊为检索数据源，采用高级检索，将检索年限设定为“2000—2020年”，检索主题为“智慧农业”，类别选择为所有期刊，检索发现智慧农业相关文献最早发表时间为2009年。对检索到文献进行筛选对比，去除报纸、通讯消息等无效文献，得到2009—2020年智慧农业主题相关文献866篇。

1.2 研究方法

1.2.1 文献分析法 根据研究需要，利用中国知网，收集智慧农业主题相关文献，通过归纳、整理、分析，了解智慧农业研究现状，为本文撰写提供理论指导。

1.2.2 可视化分析法 使用CitespaceV文献分析工具，对检索到的866篇文献进行数据分析，绘制我国智慧农业研究领域知识图谱。

2 结果与分析

2.1 我国智慧农业发展历程

对2009—2020年智慧农业主题文献发文量进行统计，结果（图1）表明，我国智慧农业研究发文量整体呈增长趋势，智慧农业研究发展历程可分为缓慢增长期和快速增长期两个阶段。

缓慢增长期：2009—2015年，年发文量缓慢增长。这一阶段，移动互联网、物联网、大数据等技术发展不够成熟，计算机技术没有普遍运用，与农业结合不够密切，智慧农业研究相对较少。

快速增长期：2016—2020年，年发文量快速增长。随着信息技术的发展，5G网络、物联网、云服务等新基建日益完善，应用不断升级，积累农业数据，开拓智慧农业技术应用场景成为农业发展亟待解决的问题。尤其是2019年，农业农村部发布了《数字农业农村发展规划（2019—2025年）》，智慧农业研究得到广泛关注，发文量剧增。

图1 2009—2020年我国智慧农业相关研究年发文量分布Fig. 1 Distribution of annual release quantity of papers on intelligent agriculture in China from 2009 to 2020

2.2 研究机构分析

2.2.1 计量分析 科研机构发文量是其研究力量的体现，通常研究机构的学术实力越强，其发文量越多。从文献统计（表1）来看，我国智慧农业研究发文量排名前9位的机构共发表论文133篇，仅占发文总量的15.36%。由此可见，目前我国智慧农业研究机构分布广泛，并没有形成具有绝对学科优势的科研机构。

表1 智慧农业研究领域主要科研机构Table 1 Main scientific research institutions in the research field of intelligent agriculture

2.2.2 共现分析 采用CitespaceV软件进行研究机构共现分析，绘制科研机构共现图谱（图2）。由图2可知，连线代表机构与机构之间的合作，连线越粗则机构合作越密切，可以看出我国智慧农业研究的主力是农业大学和科研院所，其中，中国农业大学、中国农业科学院和南京农业大学科研力量较强。

我国智慧农业研究机构分布广泛，机构内部跨学科合作相对较多，如中国农科院农业信息研究所、农业环境与可持续发展研究所、农业资源与农业区划研究所、南京土壤研究所存在合作关系，中国农业大学工学院、国家保护耕作研究院和水利与土木工程学院存在合作关系。但机构间合作不足，目前大部分科研机构处于独自研究状态，缺乏密切合作。这种状态不利于资源共享，也增大了研究成果的推广和转化的阻力。

2.3 关键词分析

2.3.1 计量分析 文献关键词是对文章主题的高度凝练，通过分析关键词，可以了解智慧农业研究热点问题。智慧农业研究领域关键词出现频次由多到少依次是智慧农业、物联网、大数据、无线传感网络、农业、互联网+、人工智能、Zigbee、农业现代化、云计算等（表2）。从关键词中心性可以分析得出，2012年开始，智慧农业研究热点集中在物联网、大数据、互联网与农业的融合发展等方面。2017年，人工智能也逐渐成为农业领域研究热点。

表2 智慧农业研究主要关键词Table 2 Main Keywords of intelligent agriculture research

2.3.2 共现分析 将2009—2020年以“智慧农业”为主题的866篇文献数据导入CitespaceV软件进行关键词共现分析，选择出现频次5次以上的关键词，得到智慧农业关键词共现图谱（图3）。图3显示，在关键词共现图谱上节点有396个，连线有455条，节点大小代表关键词出现的频次，即字体越大，关键词频次越多。

（1）农业物联网研究丰富。由图3可知，物联网是节点字体较大的关键词，其研究数量丰富。农业物联网是智慧农业的重要组成部分，是“互联网+”现代农业的具体应用［3］。与物联网共现的高频关键词有传感网络、Zigbee、环境监测、农业大棚、大数据环境等。物联网需要在在农业生产、经营、管理和服务的过程及相关领域，部署不同类型的传感器形成监控网络，以便于全方位获取信息。从现有研究来看，传感器是农业物联网的核心技术，目前我国缺乏具有自主产权的传感器，高端传感器的核心部件（激光器、光栅等）制约了智慧农业发展［4］。Zigbee是较常提到的无线网络协议，其功耗低、成本低、复杂度低可广泛用于农业领域［5］。Zigbee技术多应用于的农业大棚智慧系统，通过模糊耦合算法对作物生长进行预测［6］。此外，通过物联网采集的数据，经过云计算构建农业生产模型，病虫害识别模型，采用互联网技术实现远程监控，同时开发智能手机App，便于用户进行精细化的管理操作［7-8］。

图2 科研机构共现图谱Fig. 2 Co-occurrence graph of scientific research institutions

（2）数据是智慧农业的关键生产要素。大数据是智慧农业研究领域重要关键词，中心性为0.57，与其共现的高频词有云计算、5G、区块链、信息共享等。从现有研究来看，数据资源分散、质量不高、挖掘不足是目前智慧农业发展的主要瓶颈。我国农业信息化建设起步较晚，缺乏系统性的数据资源积累，农业数据收集困难，农业数据管理条块分割，数据流动性差，难以共享复用。同时，农业数据来源复杂，质量不高、异构性突出，也为数据挖掘和数据分析增加了难度。但随着5G网络、物联网、云服务等新基建日益完善，我国农业信息化发展迅速。通过推动数字农业农村发展，增强农业天空一体化数据获取能力，培育新型农业生产经营主体，解决复杂的大数据与农民个性化服务不对称的问题，以推动我国智慧农业高质量发展。

（3）人工智提升农业智慧化水平。在智慧农业研究领域，人工智能是近些年出现的主要关键词，中心性为0.06，与其共现的关键词有大数据、自动化、日本、美国、无人机等。人工智能属于智慧农业新兴的研究方向，目前研究相对较少。现有文献以综述较多，通过与美国、日本等发达国家的农业人智慧农业发展现状的对比，说明人工智能是我国智慧农业发展新机遇。人工智能的发展依托于互联网、云计算、5G网络、区块链等新一代信息技术的发展，智能检测与诊断、机器人是学者比较关注的研究方向。近年来，重大动植物疫病虫害发生频率和程度都有所增加，将人工智能、物联网、机器人、5G等技术应用到动植物疫病虫害监测预警与诊断中，对我国农业市场稳定和粮食安全有重要作用。

图3 关键词共现图谱Fig. 3 Co-occurrence graph of keywords

2.3.3 研究前沿分析 对检索到的“智慧农业”为主题的文献数据进行关键词突变分析，时间切片设置为1年，得到智慧农业研究前沿词图（图4）。图4中，红色线条代表突变词语出现和消失的年份，突变强度代表学术界对该主题的关注强度。在智慧农业领域，主要的突变词汇有无线传感器网络、物联网、现代农业、互联网+。无线传感网络是最早出现的突变词汇，突变强度为3.25，从现有研究来看，该主题研究更侧重于特定应用环境内，无线传感器网络的架构和传输模式的构建。物联网出现的年份稍晚，突变强度为4.24，从概念上看，物联网是无线传感网络的延伸，除了无线传感器网络的布置，大数据、移动互联、云计算等新一代信息技术的应用也必不可少。物联网为人与物、物与物的信息交换创造了一个平台［5］，从而实现农业经营者对生产过程更精心的管理与控制。2016年，现代农业、互联网+成为智慧农业领域研究热点，突变强度分别为3.01和4.04。这一阶段互联网技术发展更为成熟，智能手机普及率大大提高，“互联网+农业”、现代农业发展方向成为学者关注重点。从时间线上看，无线传感网络、物联网、现代农业、互联网+等关键词出现后，一直是学术界高关注度的研究主题。由此可以推断，我国智慧农业仍处于探索阶段，但随着科技的发展，其内涵和科技水平在不断丰富、提升。

图4 智慧农业研究前沿词图Fig. 4 Frontier words of intelligent agriculture research

2.4 关键词聚类分析

对关键词进行聚类分析，并以时间线视图聚类进行展示（图5）。对聚类的标签与内涵进行分析，将智慧农业研究分为4个方面：智慧农业发展态势与路径、农业物联网、农业大数据平台建设和农业信息化应用。

由图5可知，智慧农业发展态势与路径包括聚类0（农业）和7（问题），从2009年开始出现，2012年后发文量快速增长。智慧农业发展态势与路径研究通过文献整理研究智慧农业现状，预测农业发展趋势，并提出发展路径。2009—2015年，研究主要集中在传统农业如何进行信息化建设，提出利用物联网技术，采集数据，改造农业生产、经营等过程,实现农业精准生产、智能控制，提升农业机械化水平［6］。2016—2020年，学术界对智慧农业有了更深刻的认识，提出互联网+农业概念，通过互联网、5G等新一代信息技术的应用推进一、二、三产业融合发展，使农业产业获得提升。

农业物联网包括聚类1（物联网）、3（Zigbee）和4（物联网技术）。物联网是智慧农业研究领域的核心概念，从2011年开始出现，至今仍是研究的重点。早期学术界关注特定区域范围（温室大棚、大田区域、具体山区）无线传感器网络布置、Zigbee无线通讯协议的使用、单片机［9］的设置等方面。随着互联网技术的进步，遥感技术、5G网络、大数据、云计算等技术的应用使物联网规模扩大，在农业生产管理中能够发挥更重要的作用。但从现有研究来看，与传感器开发相关文献发文量较少，国产传感器与进口传感器在精确度、耐用度上还有明显差距，尤其是传感器的核心部件（激光器、光栅等）我国独立研发能力较差。

农业大数据平台建设包括聚类2（云平台）和5（大数据）。数据是智慧农业的关键生产要素，以往农业产业布局规划多依靠历史产业发展和专家经验判断等方式决定，缺少对地区资源、环境等因素的科学分析。通过数据资源积累，建立科学的产业布局模型，能够更加客观的提出规划建议，为农业供给侧结构性改革提供指导，提高农业发展质量。建设大数据平台，打造数字农业农村，推进农业数字化、智慧化发展，是学术界普遍认同的观点。

农业信息化应用包括聚类6（农业信息化）和8（农产品）。从现有文献来看，农业信息化应用主要包括企业信息管理系统、电子商务、冷链物流、农产品溯源、作物生长模拟、病虫害识别、无人机等。目前，大部分农业企业已经开始信息化建设，建立内部局域网，开发管理平台，实现对企业内部资源的统筹管理。互联网、智能终端的普及，淘宝、京东等电商平台运营机制的完善，使农业电子商务得到飞速发展，给农民和企业带来新的销售渠道，解决农产品销售链条“最初一公里”问题［10］。区块链、物联网等技术的也使现有的农产品溯源系统更加完善，促进了农产品质量安全水平的提升。而作物生长模型、病虫害识别等领域处于研发探索阶段，从发表文献来看，与智能算法相关的研究较多；无人机开始在农业生产中进行应用，例如大田施肥、用药等环节，但更精准的避障、控制算法仍在研究［11-12］。

图5 智慧农业研究关键词聚类图谱Fig. 5 Clustering graph of keywords in intelligent agriculture research

3 我国智慧农业研究现状

3.1 信息管理系统和电子商务为农企带来更高效益

现代农业企业随着网络铺设成本的降低和智能手机应用，积极建设企业信息管理系统，打通公司内部数据链路，通过大数据分析技术，决策支撑市场运营，精准营销；建设公司内控系统，通过质量安全管控、物流管控全系统保证产品质量；打造农业公共服务云平台，通过微信号、农业App为农民提供病虫害信息服务。电子商务是当今农业经营中不可缺少的一环，通过电子订单方式，开发农产品销售新渠道，为企业和农民带来新商机，提高收入。

3.2 物联网技术在农业生产和流通场景中得到广泛应用

物联网技术已经广泛应用于环境监测、设施农业、精准养殖、产品溯源、仓储配送等领域，为农业从业者带来许多便利。环境监测通过各种无线传感器实时采集农业生产现场的温湿度、光照、CO2浓度等参数，利用视频监控农业生产环境，采集数据，便于农民实时了解大田信息，发现和及时解决农业生产中出现的问题。设施农业在环境监测的基础上，按照农作物生长的各项指标，精确遥控农业设施自动开启或关闭，实现智能化、自动化的农业生产［13-15］。将物联网技术应用于鱼苗培育过程，可以使用PC或移动端进行水质监测、自动投喂、水氧含量控制，降低了鱼苗培育环节的工作量，提高了生产效率［16-17］。畜禽养殖过程中，通过环境监控、电子耳标、电子脚环等技术和产品，实时监测畜禽生理指数，采集畜禽核心体温、活动量等体征，实现精准养殖，保证畜禽产品品质。此外，通过物联网技术实现农产品溯源，保证生产、加工流通、市场消费全环节的农产品质量安全［18］。

3.3 国有传感器能够满足绝大多数场景下的数据需求

传感器是智慧农业各个应用场景中最重要的设备。已有文献表明，在大田环境监测、设施农业、精准养殖等农业领域，企业仍以我国生产的传感器为主。虽然与国外传感器相比，国产传感器在测量精度、使用年限方面存在劣势，但价格便宜，更换成本低。目前，农业企业对智慧产品的需求大多为环境数据监测，对于土壤营养成分以及个体信息监测方面应用还不多，国产传感器已能满足大多数场景下的环境数据（如空气温湿度、光照、土壤水分、溶氧量、CO2等）监测与采集的需求［19］。

3.4 植保无人机与智能农用装备普及

近年来兴起的无人机技术，已在农业遥感测绘、病虫害防控、农情监测等方面开展应用。植保无人机等农用装备已经在农业生产中得到普及。使用植保无人机大大降低了农业生产成本。此外，使用植保无人机等智能农用装备农药喷洒更及时、高效、精准，能以最快时间控制病虫害的扩散，保证病虫害的防治效果。

3.5 智慧农业关键技术仍需攻关

智慧农业是农业中的智慧经济，需要充分应用现代化信息技术成果。目前，智慧农业发展在环境监测技术、电子商务应用方面已经较为成熟，但农业信息智能分析决策技术、云服务技术、农业知识智能推送、农机导航及自动作业、植物病虫害和畜禽疫病识别与跟踪等关键技术仍需攻关。

4 存在问题

从以上分析结果来看，我国智慧农业仍处于探索阶段，信息技术的应用使农业产业得到提升，农业从业者在生产经营过程中可以精准、便捷地进行控制与管理，但仍存在一些问题制约智慧农业的发展。

4.1 农业从业者素质低

农村人口“老龄化”“空心村”的现象呈加剧趋势。农业从业人员中小学、初中文化程度的比例偏大，农业从业人员科技文化素质整体偏低；从年龄结构来看，40岁以上农业从业人员占60%，而农村青壮年大多从事非农行业。农村人口加速向城镇转移是必然趋势，但农村人口有序转移是一个复杂、渐进的过程，须保持与农村活力同步协调。现代农业信息技术及设施装备虽然是解决现代农业发展中问题的“利器”，但在客观上也要求劳动者要有较高的科学文化素质和管理水平。

4.2 智慧农业专业人才缺乏

智慧农业专业人才匮乏，加大了农业信息普及难度，智慧农业科技成果的传递与实施也难以落实［20-21］。在数量上，高校报考农业相关专业人员数量非常有限。在质量上，农业信息化人才知识结构不合理。智慧农业涉及专业广泛，包括生物技术、农业信息、计算机技术等，但现有人才主要来自于农学、信息工程、经济管理等专业。由于专业设置的学科针对性弱、知识面窄，导致农业与信息化不能很好地接轨，造成智慧农业人才质量不高。另外，由于家庭观念、社会激励机制方面的影响，高校涉农专业毕业生“学农不爱农”现象不少，高校培养的农业人才希望“跳出农门”，加剧了农业人才缺乏的问题。

4.3 建设主体角色定位不准确，运行管理机制不完善

智慧农业的前期发展需要不断地进行基础设施建设和资金投入。我国积极发展智慧农业，由政府出资建设了不少农业数据平台，每年政府都要拨放平台运维资金，进行平台维护和缴纳网络费用，无形中增加了政府的财政负担。在智慧农业发展过程中，建设主体角色定位不准，运行管理机制不完善问题十分凸显。准确定位政府、企业之间关系，保持产业链正常运转是智慧农业良性发展的保证。

4.4 技术标准不健全，数据分析利用不足

目前，农业传感器、农业物联网平台在农业产业应用十分广泛［22］。通过平台与各类传感器，科研机构与农业企业收集了大量的农业数据。但由于缺少统一的信息资源标准体系，我国不同地区、不同部门的农业信息数据差异较大，信息资源未能很好地分类，共享整合困难。同时，数据深度挖掘不充分，对数据应用多局限于农产品成熟采摘以及一些智能控制，并没有通过建立模型发掘数据之间的关联，商业化程度低，不能准确把握农民的信息需求，数据服务针对性不强。

4.5 智能设备运维成本高，经济效益不明显

智慧农业发展离不开传感器开发与应用。从文献中了解到，国产传感器设备寿命短，后期维护成本过高。然而与之相对的是，智能设备的使用虽然提高了生产效率，但单位面积带来的经济效益并不明显，这导致农民与企业满足现状，减少对智慧农业的投入，从而限制智慧农业的发展。

5 我国智慧农业发展对策建议

5.1 规划引领，加大支持，完善基础条件

我国智慧农业研究总体还处于初期探索的起步阶段，虽然取得了一定的成果，但在推广应用过程中，还面临着建设和运维成本高、带动效益不明显等方面的问题［23］。因此，智慧农业的发展需要政府的合理规划和正确引导，研究制定智慧农业发展战略的“分步走”计划，出台扶持智慧农业发展的政策措施，出台税收优惠政策，加大科研经费投入和相关设施装备的补贴力度，鼓励和引导研发机构、涉农企业等市场主体积极参与智慧农业建设。

同时，政府要加大宽带、移动通信网络、云服务器等信息化基础设施投入，为智慧农业发展提供更先进、更优惠、覆盖范围更广的通信网络和云服务器资源；组织和鼓励有实力的企业建设智慧农业公共服务平台和大数据中心，为智慧农业应用推广过程中的数据存储、处理、计算、分析等提供基础公共服务。

5.2 政府牵头，多方联合，建立智慧农业标准体系

在智慧农业发展的起步阶段，政府联合行业协会、科研机构、大型企业等主体，加快制定智慧农业发展的统一标准体系，有利于保证数据快速传递和共享，确保不同场景下各类智能设备紧密配合，各环节服务有效衔接，推动智慧农业向规范化、标准化、高效化方向发展。智慧农业标准体系的制定应有适度超前意识，标准体系应包括：元数据标准、交换共享标准、设备标准、软件设计标准、数据安全标准等。

5.3 提高自主研发能力，发展农业智能装备

加强高精度传感器和先进农业智能装备的技术攻关力度，提高环境传感器的准确性、可靠性、节能性和耐用性，提高农业物联网数据采集质量。大力发展植保无人机、农机自动驾驶、智能机器人等技术，加快研发适宜广东丘陵山地、设施农业、畜禽水产养殖等不同农业生产场景的农用智能装备，不断提升农业智能装备核心零部件自主研发能力［24］。

5.4 加速现代信息技术与农业农村领域的深度融合

一是建设农业大数据平台，提高农业政务管理水平和应急处置能力；二是推动互联网、大数据、人工智能与农产品流通业深度融合应用；三是集成区块链、物联网、标签识别等技术，建设农产品供应链全程溯源系统；四是建设植物工厂和智慧牧场，推动高效高值农业发展；五是推动虚拟现实、3D动画等技术在农技培训、科普教育和休闲农业领域的应用。

5.5 加强人才培养，提高智慧农业从业人员素质

智慧农业是物联网、云计算、大数据、移动互联网、人工智能等现代信息技术与农业全产业链的深度融合所产生的一个全新产业，需要大量具备农业和信息技术专业知识的复合型人才［25］。高等院校和专业培训机构应加大对智慧农业领域人才的培养和培训力度，加快智慧农业领域人才队伍建设，培养一批能够熟练运用智慧农业相关设备和技术的新型职业农民。