农业占世界经济生产的6.4%，中国和印度等国家的大部分GDP都依赖农业。由于依赖性如此之大，人们在提高作物产量方面进行了大量研究。技术改进包括开发功能强大且效率更高的机械以及化肥的使用。近年来，智能农业的概念也正在发展成为一个非常突出的农业解决方案。智能农业涉及使用物联网设备来持续监测影响作物产量的因素。这些物联网设备不仅通过提供远程和更精细的监控来提高效率，而且还会生成大量数据。随着世界在大数据分析领域的进步，对这些数据进行分析以得出有关作物产量的重要见解。
此外，最近人工智能(AI)和机器学习(ML)技术领域的繁荣也被证明是农民的福音。这些AI/ML模型根据过去的数据预测作物产量，并帮助农民引导可用资源以最大限度地提高产量。这些智能技术最近已被全球农民大规模采用，这主要是因为物联网设备的低成本可用性、互联网的普及和低投资回收期。IoT和AI/ML一起将彻底改变农业。本文将涉及这些创新农业系统及其实施和未来范围所面临的挑战。
智能农业系统(SAS)
粮食需求的增加和一个国家经济对农业的高度依赖使得农民、研究人员和政策制定者对智能农业技术同样感兴趣。SAS是硬件和软件技术的结合。硬件技术包括无线连接到中央控制室的低成本、便携、节能的设备。这些设备包括不同的传感器、阀门、洒水装置和无人机(UAV)。用于监测土壤状况的地下传感器和用于监测天气的雨水/湿度传感器等坚固的硬件设备是为农业目的而制造的专用设备。为了处理从这些物联网设备收集的大量数据，还需要一个强大的GPU，它可以托管用于训练和预测的AI/ML模型。
在软件方面，处理大量数据，为农民带来重要见解，帮助他们组织工作以提高作物产量。这些数据也被发送到一个集中的云，以形成一个坚固的数据库，可以进一步用于训练模型。这种最先进的硬件和软件的组合使农民能够更好地控制整个过程，这在以前是不可能的。
肥料和灌溉用水等资源的管理对于农民的生存和从产量中获利非常重要。基于AI/ML的预测模型可帮助农民明智地使用这些资源，同时获得最大的作物产量以获得最大的利润。分布在大面积的室外农场需要持续监测以观察作物生长以及进行监视。雇用男性对农民来说不仅成本高昂，而且效率低下。因此，使用无人机远程监控陆地是目前更为高效的解决方案。配备专业智能相机应用程序的无人机捕捉田间航拍图像，结合先进的基于深度学习的人工智能工具，可以预测作物病害、表型、植物生长监测、杂草检测，并用于灌溉和农药喷洒。
农业占世界经济生产的6.4%，中国和印度等国家的大部分GDP都依赖农业。由于依赖性如此之大，人们在提高作物产量方面进行了大量研究。技术改进包括开发功能强大且效率更高的机械以及化肥的使用。近年来，智能农业的概念也正在发展成为一个非常突出的农业解决方案。智能农业涉及使用物联网设备来持续监测影响作物产量的因素。这些物联网设备不仅通过提供远程和更精细的监控来提高效率，而且还会生成大量数据。随着世界在大数据分析领域的进步，对这些数据进行分析以得出有关作物产量的重要见解。
此外，最近人工智能(AI)和机器学习(ML)技术领域的繁荣也被证明是农民的福音。这些AI/ML模型根据过去的数据预测作物产量，并帮助农民引导可用资源以最大限度地提高产量。这些智能技术最近已被全球农民大规模采用，这主要是因为物联网设备的低成本可用性、互联网的普及和低投资回收期。IoT和AI/ML一起将彻底改变农业。本文将涉及这些创新农业系统及其实施和未来范围所面临的挑战。
智能农业系统(SAS)
粮食需求的增加和一个国家经济对农业的高度依赖使得农民、研究人员和政策制定者对智能农业技术同样感兴趣。SAS是硬件和软件技术的结合。硬件技术包括无线连接到中央控制室的低成本、便携、节能的设备。这些设备包括不同的传感器、阀门、洒水装置和无人机(UAV)。用于监测土壤状况的地下传感器和用于监测天气的雨水/湿度传感器等坚固的硬件设备是为农业目的而制造的专用设备。为了处理从这些物联网设备收集的大量数据，还需要一个强大的GPU，它可以托管用于训练和预测的AI/ML模型。
在软件方面，处理大量数据，为农民带来重要见解，帮助他们组织工作以提高作物产量。这些数据也被发送到一个集中的云，以形成一个坚固的数据库，可以进一步用于训练模型。这种最先进的硬件和软件的组合使农民能够更好地控制整个过程，这在以前是不可能的。
肥料和灌溉用水等资源的管理对于农民的生存和从产量中获利非常重要。基于AI/ML的预测模型可帮助农民明智地使用这些资源，同时获得最大的作物产量以获得最大的利润。分布在大面积的室外农场需要持续监测以观察作物生长以及进行监视。雇用男性对农民来说不仅成本高昂，而且效率低下。因此，使用无人机远程监控陆地是目前更为高效的解决方案。配备专业智能相机应用程序的无人机捕捉田间航拍图像，结合先进的基于深度学习的人工智能工具，可以预测作物病害、表型、植物生长监测、杂草检测，并用于灌溉和农药喷洒。
所有部署在农田上的智能传感器、执行器和无人机都需要相互通信，并与中央控制中心通信。根据农田面积、连接设备的数量、数据传输速度要求和现有传感器的类型等因素，已经实施了不同的低功耗无线通信技术。LoRa（Low power long Range）和LoRa-WAN用于远距离数据传输，具有高可扩展性但数据传输速度低。Zigbee也称为IEEE 802.15.4，是另一种用于传感器节点的低功耗无线通信技术，具有高达1Km的中等通信范围，并支持高达65K节点的1Mb/s数据速率。Wi-Fi用于功耗不是问题但需要高数据传输速度的应用。4G-LTE/私有5G等专用蜂窝网络用于大型农场，需要高速传输大量数据，例如来自无人机和UAV的实时数据。使用蜂窝网络的另一个优势是数据可以与云共享，通过互联网进行处理和存储。
采用智能农业技术的挑战
智能农场涉及巨大的资本投资和运营成本来建设和运营所需的基础设施。因此，农民不得不依赖利率过高的贷款。因此，政府需要制定政策并为采用智能农业技术的农民提供补贴。
农民缺乏知识和不愿学习操作这些智能设备所需的技能是智能农业技术未被采用的另一个原因。企业和政府应组织研讨会并建立培训中心，让农民了解采用此类智能措施的优势。
电力供应是建设和运营建立智能农场所需基础设施的主要要求。农场通常位于郊区，那里很少有公用事业的持续供电。必须设置太阳能和风能等替代能源来持续为这些设备供电，这又涉及投资。
展望未来
随着基于边缘的解决方案接管行业，智能农业解决方案也可能会看到从基于云的处理到基于边缘的处理的范式转变，从而使边缘传感器更加强大。
从世界各地的不同农场收集的大量数据将有助于建立一个资源共享的开源平台。这个平台可以帮助农民学习并为平台做出贡献。收集的数据还将有助于制作各种数据集来训练AI/ML模型。
5G在农业中的渗透将提供更高的数据速率、更大的覆盖范围以及对异构通信环境的适应性，这对于大型农田的实时作物监测至关重要。构成工业4.0基础的技术在农业领域也有很多用例。这些技术必将有助于使智能农场成为现实。
领英Facebook推特平特雷斯特电子邮件分享
