2017-09-05
3834次
字體
“這是最好的時代，也是最壞的時代”，今天我國的農機行業，也進入了一個矛盾發展的階段。一方面，在國家一系列強農惠農富農政策推動和農業發展需求拉動下，我國農機產業技術水平快速提升；另一方面，農機工業進入深度調整期，農機產業核心技術缺失、農機農藝融合不足、產業集中度低、國際競爭力弱等問題突出，創新驅動和轉型升級需求迫切。8月23—24日，在2017中國科學技術協會第314次青年科學家“互聯網+未來農業裝備”論壇上，一群行業精英青梅煮酒，論道當農機遇到“互聯網+”，探討農機行業在“互聯網+”大潮中的何去何從。
關于未來農業與智能農機裝備
中國農機院科技與產業發展部研究員呂黃珍：
目前，我國農業發展面臨沒人和沒利兩大難題。截至2015年，我國農村人口為6.06億，比2010年減少6500萬人，年均減少1300萬人，農村人口比例由50.05%下降到44.12%。
2015年，我國糧食總產6.21億噸，進口1.25億噸，進口占總產量的20.1%，同比增加24.2%，糧食進口總量比2010年翻了一倍多；大米、小麥、玉米等主糧價格均超過國際市場價格的50%，糧棉油糖等大宗農產品進口到岸價每噸比國內低1000元，例如，大豆每噸收購價4100元左右，阿根廷大豆在中國分銷價3100元。按年人均糧食450千克計算，如果2020年我國人口達到16億，則需糧食總量為7.2億噸，但目前我們還缺口1億噸左右。
因此，未來農業要討論和解決的是由誰來種地、怎樣種地，農機行業怎么樣和怎么辦的問題。
現代農業的根本出路在于機械化。當前，中國已經成為世界第一農機制造和使用大國。在經過十年黃金發展期后，中國農機工業總產值年均增幅在2014、2015、2016年分別為8.55%、7.4%和5.8%，進入了深度調整期。2017年1－4月，2396家以上農機企業中有270家出現虧損，行業固定資產計劃投資額同比下降11.04%，拖拉機、收獲機、飼料機械產量不同程度下滑、農機產品結構出現標志性變化，產銷兩不旺。
目前，我國農機發展存在幾個問題：一是機械化發展不平衡，綜合生產效率低，機械化主要集中在糧食作物及其耕種收環節，而林果、經濟作物、養殖、丘陵山地等關鍵設備缺失；二是重田間、輕產后，產后損失嚴重，增產不增收，配套體系不完善；三是信息化、智能化等高端農機領域競爭力不足，規模農場使用的高端農機裝備大量依賴進口。
我國的農機發展必須符合實際需要，具有強適性、高效率、高質量、經濟性等特點，由產中向產前和產后延伸，由主要糧食作物向優勢經濟作物發展，由種植業向養殖與加工業拓展，由關鍵環節裝備向全程裝備配套，由農業應用向全面裝備農業和農村發展，促進增產增效、資源節約與環境友好。
關于未來新型智慧農業
北京新型智慧農業研究院院長陳袁華：
當前，我國農業發展產生標準化、系統化、工場化的生產需求，這就為智慧農業帶來前所未有的增長機遇。
據測算，從2017年到2010年，我國所有智慧農業技術體系集成的物聯網技術層級將會有至少20%的年均復合增長率。從消費者角度來看，物聯網的真正價值，在于其最好的兩層級數，即服務和物聯網分析及應用。預計到2020年，兩者將占物聯網整體增長的60%，剩下的各層技術——身份識別與安全、物聯網骨干（云和平臺）、通信和物聯技術則是助力因素，增長潛力較低。
到2020年末，行業企業將會在物聯網上花費近2500億歐元，他們需要知道哪些智慧農業體系集成物聯網應用將會產生最大的價值。想要做出正確決定，就要知道如何用物聯網技術來應對具體的商業挑戰，識別出未來智慧農業體系中一系列物聯網應用場景。
企業在設備失靈或出現故障的時候，不可避免地要遭受時間和金錢的損失。很多企業就算沒有任何維護的需要，每年也都為了遵守固定的維護時間而花費資金，同時其設備供應商也會進行常規的電話回訪。物聯網技術可以預測和檢測出設備何時需要維護，減少或消除計劃外的停機時間，延長維護周期并減少成本。
聯網工廠和生產基地可以采用物聯網技術進行生產流程的實時監測和優化，自動進行調整來提升質量和效率、減少浪費。
并且，物聯網可以讓用戶對于庫存和供應鏈的狀態有更深入的掌握，跟蹤庫存地點和狀態，包括溫度、濕度和損壞情況等。用戶在具備了整個供應鏈上監測產品的能力后，可以增加處理和響應時間，減少缺貨和庫存積壓的情況，并改善適時生產流程。
物聯網的智能儀表傳感器非常適合用來增加系統效能。例如，這些傳感器可以增加任務完成的透明度，還能提供行管信息來幫助減少工作站之間的傳送時間，同時也可以用在裝配區域，以幫助識別產品狀態及定位工具、配件和原料。如果將農業機械上配置新型傳感器、無線聯網和車內處理系統，其互聯性將大大提高。聯網農機具有更好的導航能力、安全性能和舒適性。在未來的5—10年，聯網農機的部分功能將日趨成熟。
物聯網在遠程病蟲害監測方面也發揮著重大作用，可以實時遠程監控生產基地病蟲害的發生狀況、改善主糧品種的健康狀況并降低治療成本。
關于我國南方農機化技術發展
湖北省農業機械工程研究設計院院長陳源：
目前，我國南方旱地作業機械雖然應用廣泛，但限于地塊小而使用受限；水田作業機械存在效率偏低，受地形影響大等問題；山地作業機械機具少，針對性裝備缺乏。我國農業機械化已進入中級發展階段，但整體發展不平衡，主要體現在糧食作物機械化水平高，經濟作物與特色作物機械化水平低；北方平原機械化水平高，南方丘陵地區機械化水平。
在“適度規模”條件下，農業未來發展趨勢為統一耕作、規模化生產，新形勢下南方農機技術需求為信息化、智能化。因此，未來南方農業機械化研究應注重區域特色糧食作物、經濟作物的生產標準化模式及全程機械化裝備，要基于適度規模的南方特色作物農藝研究進行農業機械裝備開發。
關于蔬菜智能化生產機械發展
河南科技大學研辦主任金鑫博士：
我國蔬菜種植面積一直保持穩定，產量年均增長0.5%，預計2026年將達到8.36億噸；而蔬菜食用消費年均增長1.5%，預計未來10年將達到2.39億噸。需求的持續增長，促進了我國蔬菜產業的發展。今年，我國加強了設施蔬菜、“南菜北運”工程建設，建立了國家特色蔬菜產業技術體系。總體來看，我國蔬菜生產持續發展，均衡供應水平提高，區域布局持續優化，流通格局基本形成。
但我國蔬菜產業也存在種植模式局限性強、農機裝備應用難，農資成本逐年攀升、價格優勢持續難，生產環節管理粗放、蔬菜品質保障難，規模化生產程度低、種植效益提高難等問題。
與先進國家相比，我國正處于由個體生產向集約化、規模化生產的轉換期，雖然設施蔬菜發展迅猛，但種植農藝、技術裝備和管理措施不統一，各環節技術發展不均衡，人工勞作與機械生產等多種手段并存。在美國，37個州從事蔬菜生產，生產布局區域化特征明顯。生產模式也呈現露地規模化、設施工廠化、庭院式種植，并實現全程機械化生產，在主要環節實現了智能化管控，充分運用衛星導航、自動駕駛、計算機輔助及智能傳感器等系統，依托大數據分析結果進行智能決策。再以日本為例，蔬菜為分散生產，集中供應，設施生產占主導地位，集約化程度高，基本實現全程機械化。同時，日本充分運用機器人、信息感知與決策處理等技術，指導設施蔬菜生產。其嫁接機器人、葉狀蔬菜全自動栽植機、根類蔬菜包裝機等居世界領先水平。
未來，隨著品種品質消費的升級，國民更加注重綠色優勢安全生產，我國蔬菜設施發展將面臨新的挑戰，蔬菜設施亟待轉型升級。同時，隨著以需求為導向的農業供給側結構性改革推進，行業又迎來新的機遇，“互聯網+農業”助力生存方式變革和產業鏈重組，成為驅動蔬菜生產競爭力提升的新引擎。
關于現代物理農業工程技術發展
《農業工程》雜志執行主編王艷紅：
物理農業是相對于化學農業而言的，是以電、磁、聲、光、熱等物理學原理為基礎，應用特定的物理技術處理農產品或改善農業生產環境，減少化肥、農藥等化學品的投入，實現農產品增產、優質、抗病和高效生產的農業生產模式。物理農業是與環境相和諧的農業經濟發展模式，是產業鏈延伸型的農業空間拓展路徑，是建設環境友好型新農村社區的新理念。
物理農業工程技術運用于農業發展的各個方面。例如種子電場處理技術，通過模擬大自然的電場效應，使種子內部正負電荷在播種前就有序排列，縮短種子在土壤里的萌發期，催動種子較快發育。再如聲波助長技術，對植物施加一定頻率的聲波，當聲波的頻率與植物本身生理系統的頻率一致時，就會產生共振，從而提高植物活細胞內電子流的運動速度，促進各種營養元素的吸收、傳輸和轉化，增強植物的光合作用，促進植物生長。
但我國現代物理農業工程發展尚處于起步階段，相關技術研究分散，總體科技水平不高：在技術研究上，基礎研究薄弱；在裝備研發上，企業生產規模小、科研能力弱、產品質量不穩定、生產工藝和工業裝備落后，產學研體系脫節；各項技術應用不平衡，地區之間技術推廣應用發展不平衡。
針對以上情況，我國物理農業工程技術發展應在以下方面加強：一是強化學科基礎建設，加強基礎理論研究、科技研究與農業生產的結合，增強學科隊伍建設；二是加強科技創新力度，提升裝備生產能力，加快制定裝備生產和使用等方面的技術標準；三是加大示范推廣力度，促進技術的產業化進程，建立科技示范基地，解決技術實用化、普及化的問題，加強宣傳，強化技術培訓。
關于深度學習與人工智能
北京理工大學宇航學院副教授丁艷：
根據聯合國糧食生產報告，由于污染和侵蝕問題，發達國家自上世紀80年代中期以來，農作物生產面積持續下降。糧食短缺將會是人類文明面臨的最大問題之一。如何有效利用規劃有限資源，對于提高生產能力至關重要。解決問題的答案就是傳感器、機器人和人工智能。
以著名的IntelinAir公司為例，其研究人員正在使用具有類似核磁共振成像功能的無人機來快速準確地進行農田數據分析。搭載特定攝像頭的無人機利用可見光和紅外融合圖像，將數以千計的圖像數據寫入一個算法，然后將其編譯成一個單一的場景圖像，以顯示所覆蓋區域的狀況，一旦有問題就可以有針對性地對這些區域進行相關處理，有效地提高了效率和生產力。
再如Blue River Technology公司在2013年推出了一款Lettuce Bot，它看來和一般的拖拉機一樣，但其實它是一個基于深度學習的機器，可以在開過一片田地時，以每分鐘5000株的速度對菜苗進行拍照，并通過算法及機器視覺來判斷每株植物是否是雜草，并對識別出的雜草噴灑農藥。如果它判定一株植物是不健康的菜苗，它也會噴一下。通過這款機器，農民可以減少90%的農藥用量，且產量是人工種植的5倍。目前，此機器已經在市場上推廣應用了。
由此說明，人工智能是驅動農業智能精準化發展的關鍵。
關于農機作業服務云平臺
中國農機院機電所運營總監張俊寧：
以精準農業技術裝備為支撐，以互聯網+技術為載體，構建了現代農業全程機械化遠程控制服務體系。農機遠程云服務具有高并發、高頻發、類型多、數據量大、保存時間長、數據安全等特性。
云服務中的數據采集是服務技術的關鍵，其采用了軟動態負載均衡技術，徹底解決了采集終端數量不斷增長所帶來的壓力。應用分布式緩存技術，統一管理數據采集過程中的動態數據，使作業數據更準確。通過在程序中添加數據緩寫技術處理，可以應對作業高峰期數據上傳高峰，確保無線通訊穩定有序。
農業云服務圍繞農機作業耕、種、收、管等核心環節，面向多層次用戶群，提供從農資—農機—農產品全鏈條的數據采集、自動化處理、統計分析、遠程運維、精細化管理的物聯云服務。（2017年8月29日《中國農機化導報》）