近年来，随着云计算、深度学习、机器学习、人工神经网络算法、嵌入式等技术的深入发展与逐步实现，伴随着农业大数据概念的提出，数字农业、精准农业、智慧农业等农业信息化表达方式的不断更新，对我国现代化农业发展提出了更新更高的要求。但是，我国的农业现代化仅仅停留在农作物种植的规范化、集中化种植，温室大棚培育、无公害农产品种植等形式。原有的农业生产技术落后，农民靠天吃饭，企业靠农民种植等现象仍未得到根治，总体上仍然处于生产效率低下与耕地利用率不足的现状。由此可见，转变现有农业生产模式，利用高新技术改变传统农业生产模式势在必行。农业信息技术的飞速发展及广泛应用，对传统农业的生产、经营方式提出挑战的同时也带来了机遇。现代农业信息技术的发展促进了电商平台的兴起，它为农户解决农产品烂在地里的危机，并将各地的特色农产品远销全国各地；嵌入式系统结合农业种植，实现了用户远程浇水、施肥、喷洒农药等功能；神经网络算法的不断更新为农业大数据的分析应用提供了智能模型；云计算的发展为农户、企业提供了成本低廉的信息化平台，实现高新技术的低成本化；农业物联网技术的应用实现了农业生产、运输、销售、服务等一系列的智能化、标准化农业经营方式。以上新型农业技术的生产为我国智慧农业的发展提供了智力支持，为我国农业转型升级、可持续发展奠定基础。

一、传统农业发展现状

随着我国经济的飞速发展，农业生产方式的迅速改变，原本粗放型的农业小作坊种植形式已经逐步得到改善，精准农业得到了进一步的推广，标准化的种植方式得到了广大农民的认可，农业电商的推广使得农产品销售不再是农业发展的障碍，农业种植、收购企业的涌现使得部分农民转化成产业工人，部分农业将种植成果直接卖给收购企业，改善了我国大部分地区农民的生活，一定程度上促进了农业的发展。但是，农业粗放型的生产方式仍然存在，智能化的信息技术仍未得到有效推广，农业的发展存在巨大的潜力。

（一）农业产业单纯式发展

近十年以来，云计算、物联网、专家系统的飞速发展，彻底改变了人们的生产生活方式，信息技术与多学科的发展，将不同产业与信息技术的有效结合促进了各大产业的发展。但是，农业产业仍未与信息产业全方面的结合，发展方式过于单一。尽管在农产品的生产、运输、销售过程中，政府、企业运用了多种方式，提高了农产品的产量，增强了农产品的运输力量，推广了特色农产品的品质，但是将农业产业与信息技术相结合，构造集农业、旅游业、休闲娱乐业、信息产业一体化的模式仍属罕见。

（二）农业信息技术发展滞后

目前，我国大部分地区农业种植仍然停留在农业机械化种植阶段 （部分山区仍未实现农业机械化），农业信息化止步于试验田及科研人员的研究。主要表现在以下几个方面：

一是生物多样性与农业信息化的脱离。如云南农业大学朱有勇院士团队研发的生物多样性种植方式，提高的农作物的抗病能力，减少了农作物农药的喷洒量，为大量种植绿色食品、无公害食品提供了重要依据，但是，农业信息技术作为 ２１世纪高新科技的产物，具有智能性、预测性等特点，合理结合生物多样性将更利于农作物的生长。

二是标准化种植。传统的粗放型农业生产模式，农民根据自身需求进行种植，随着经济社会的不断发展，由政府规划、企业收购的标准化种植为农户解决了农产品滞销的问题，但是大量的标准化种植将抑制了农作物的抗病、抗虫的能力，唯有使用大量的药剂保持农作物的健康，得不偿失。

三是生产过剩。由于缺乏智能化的预测模型，农户种植农产品的品种、规模仅仅凭借个人的判断，企业选择种植农产品的品种、规模仅仅凭借管理层的决定或者专家的意见，导致主观意见占据了决策的主导，抑制了农户 （企业）的发展，常常出现生产过剩的现象。

（三）伪农业信息技术发展

计算机已经在全国范围内得到普及，但是真正理解计算机技术的民众所占比例仍旧很低，利用淘宝等电商平台为各村农产品的销售提供的支持，解决了困扰农民多年的问题。但是，电商平台的使用仅能够解决销售难的问题，农业产业的根本问题并未触动。真正农业信息技术并未推广，粗放型农业经济模型仍旧存在。

二、智慧农业模型的构建及面临的挑战

智慧农业是汇集最新农业信息技术，将其应用于农业种植、运输、销售全过程中，提高农业从业人员的收入，减轻农业从业人员的工作量，保障农业产业健康发展的新型产业。我国在智慧农业研究方面起步较晚，缺乏系统的理论知识和实践经验，面临人才匮乏、基础设施落后、政府投入力度较弱等困境。

（一）智能预测模型的构建

农业种植中最重要的问题就是种植品种、种植面积的问题。经常碰到今年洋葱市场好、价格高，但是农民未种植，第二年大部分农民种植洋葱，导致生产过剩难以销售，农民损失惨重的现象。本文采用人工神经网络算法构建基于智能算法的价格预测模型，较精确地预测第二年农作物的价格，为农民、企业提供参考依据，避免出现种植过量的现象，保证农民、种植企业的利益。具体方式包括：首先，确定影响该农作物价格的影响因素，将影响因素进行数字化处理。第二，收集整理数据化后的影响因素及近年来预测对象的价格，并通过拉依达准则对收集的数据进行检验，剔除异常数据；根据前后数据的相关性补充空缺的数据，形成完整的数据集。第三，将收集到的数据进行归一化处理，确保数据的一致化。第四，根据收集数据量的大小选择不同的人工神经网络算法，构建智能预测模型。首先将归一化处理后的一部分数据作物训练集数据，输入模型进行数据训练；将剩余数据作为测试数据进行测试。当需要对某种农作物进行价格预测时，只要输入相应的数据即可得到较为精确的预测结果，为农户（企业）提供指导意见。根据同样的算法，可以构建农作物病虫害的预测系统，为预防病虫害做相应的准备，降低病虫害对农作物的危害。

（二）病虫害诊断系统的构建

目前，手机已经从奢侈品变成了必需品，无论男女老少都拥有自己的手机。在此基础上，开发基于智能算法的农作物病虫害诊断系统 ＡＰＰ。该系统采用灰色神经网络算法，进行图形图像识别，即将智能算法中的识别功能与手机 ＡＰＰ的诊断系统相结合，开发智能化的病虫害诊断系统，并直接在手机上安装，方便种植户使用。在种植户遇到农作物病虫害难题时，只要在手机上打开病虫害诊断 ＡＰＰ，选择种植农作物品种，然后通过直接在病虫害部位进行扫描，将自动检测农作物的病症，迅速通过数据库匹配，得出解决病虫害的方案，为种植户提供方便简洁的方案。

（三）农作物预警系统的构建

采用时间序列算法中的聚类算法构建基于智能算法农作物价格预警系统及农作物病虫害预警系统，采用嵌入式系统设计红色警报 （亮红灯），绿色信号 （亮绿灯）。当某种农作物价格预测模型中预测结果低于警戒线 （设定某个值为警戒线值）时，系统将自动预警，发出红色警报；当预测结果高于近 ３年来的最高价格时，系统将自动发出绿色信号提醒种植该农作物。

（四）智能化共享平台的构建

前面谈到构建基于智能算法的农作物价格预测模型。该预测模型可对某种或者某类农作物的价格进行预测。在此基础上，搭建管理信息系统，将智能预测模型预测的结果通过管理信息系统进行数据共享。在数据共享之前，设立系统管理员、高级用户、普通用户等权限，根据不同的用户权限，由管理员提供不同的共享数据，而且，将管理信息系统挂在云平台上，既节约了资源、降低了成本又能满足不同用户的需求。同理，智能化共享平台同样提供农作物病虫害预测结果以及农作物价格预警系统的相关信息，使得用户 （高级用户、普通用户）通过该平台的信息展示，及时调整种植农作物的品种及病虫害防治措施。

（五）智慧农业模型与传统农业的比较分析

智慧农业模型在选择种植作物种类、病虫害防治、价格预警等多方面形成优势，由于采用了定量的智能预测方法，能够精确的定位某种作物在来年的价格趋势；能够在遭遇病虫害时，准确、及时、廉价地提供解决问题的方案；特别是建立智慧农业云平台的基础上，能够以极其低廉的价格为每一个种植户提供服务。相比较传统的种植方式，农户选择作物种类时毫无章法，一般选择当地传统的农作物或者跟风的形式种植。在遭遇病虫害使用农药时，往往超量使用农药；只有大中型的种植企业才会邀请专家预测某种农作物来年的价格趋势以及指导病虫害的防治方法。与智慧农业模式相比较，传统农业种植成本高、收益低、利润低、不环保。因此，选择智慧农业模型是未来农业发展的趋势。

（六）面临的挑战

大数据顾名思义就是拥有大量的数据，数据量以 ＰＢ级计量，国际信息咨询机构国际数据公司对大数据的技术定义为 “通过高速捕捉、发现或者分析，从大量数据中获取有价值信息的一种技术架构”，即大数据具备数据完整性、种类多样性、变化频率高等多种特性，显然数据重要度已经成为了大数据是否成为核心要素的关键之处。 （１） 本文主要是在大数据背景下进行研究，数据作为所有关键技术的支撑点。前文介绍的影响农作物价格的因素，影响农作物病虫害的因素以及农作物的价格等都需要数据的支撑，并且所需要的数据越多、越完整，智能预测模型的预测准确率就越高。（２）收集的数据量较大，对构建基于人工神经网络算法的智能模型提出调整。随着收集数量的不断增长，必须采用机器学习才能对其进行分析，得出有效的结果。 （３）本文中预测的农作物并非单纯的指一种农作物，而是包含了常见的农作物品种，以至于收集数据难度较大。如果收集数据不完整或者只能收集某种或某几种农作物相关的信息，将严重影响大数据背景下我国农业的发展，所建立的智能模型、预警模型、管理信息系统都将失去存在的价值。因此，多种常见农作物相关数据的收集整理成为当前面临的最大挑战。

三、我国发展智慧农业的路径

大数据背景下智慧农业的发展，不仅需要应用最新的农业信息技术，更需要收集大量的、完整的相关数据以及收集人们的需求。依据其需求，构建形式多样的智能模型，然后构建管理信息系统，依托云平台，提供低价、高效的信息服务。图 １为智慧农业发展策略及路径流程图，显示了我国农业发展的现状，提出了智慧农业模型构建的方式，最后通过政府构建农业智慧平台解决农业发展中存在的问题。

（一）加快农业信息化建设的投入，培育集成创新团队

目前，农业信息化建设仍然是高校、科研院所建设的薄弱环节，各地方政府的科技部门应该加大农业信息化领域的研发投入，培养一批高层次的农业信息技术专业人才，投入农业信息化的实践应用，为我国智慧农业的发展提供后备人才，实现标准化、组织化、智能及信息化新型农业生产方式。

（二）应用政府调节职能，构建智能模型

本研究的难点在于农作物涉及的品种多、类别复杂，以至于在数据收集过程中存在收集难、限制多等问题。政府特别是科技主管部门应该做好大数据背景下智慧农业发展的准备。首先，突破部门、单位、行业之间的限制，制定数据收集的相关政策，动用全社会的力量收集所需要的数据，推动智慧农业的发展；其次，以科技主管部门牵头，通过实地调研学习交通大数据、农业大数据、林业大数据等平台建设，邀请专业团队构建各种智能预测或识别模型。

（三）建立公共服务平台，增强政府扶持力度

根据我国农业产业发展的现状，政府应发挥主导农业信息产业的作用，将其定位为服务型产业，利用政府科技平台建设资金，引进发达省市的平台建设团队，将构建并修改完善的基于智能算法农产品价格预测模型，农产品病虫害预测模型等多种智能化模型嵌入管理信息系统中，搭建智慧农业信息管理平台，实现公益性的服务模式，为种植户、种植企业提供精准服务，将种植品种、病虫害以及农产品价格预测等问题解决在矛盾的源头，避免出现种植农产品供过于求的惨状。

（四）建设服务型平台，实现信息共享

科技主管部门应该建立科学合理的平台管理机制，采取 “制定机制、合理收费、科学管理、信息共享”的先进理念，通过低价提供数据的形式，吸引种植户和种植企业的加入，盘活智慧农业信息管理平台，实现政府投入、惠及用户、循环使用的功能，确保该平台在农业大数据中的有效应用。

四、小结

绿色食品、健康生活、幸福家庭离不开绿色农业产业的发展，借助大数据时代先进的思想及技术，以农业产业为发展平台，以人工神经网络、时间序列等智能算法为技术基础，构造智能模型，运用智能模型对农产品价格进行预测，对农作物病虫害进行预测，对农产品价格进行预警；利用手机 ＡＰＰ技术，开发防治病虫害系统，解决农民 （农业种植工人）在田间地头遇到农作物病虫害的问题，并搭建云平台向广大的农户、种植企业提供精确、低价的信息，促进农业产业健康发展。