中国是世界上数一数二的农业大国，农业领域的生产状况和发展前景与国民生活水平紧密相关。随着中国种植业产品需求不断增加，传统的种植手段和经营体系已经无法满足目前的需求水平，因此智慧农业是中国农业发展的必然趋势。中国农业大致经历了4个阶段，分别是手工农业、机械农业、生物农业和智能农业。在农业生产的初级阶段，基于人工技术和机械化水平上的局限，中国种植业生产仍然面临资源的浪费，农药配置不合理，农作物的产量不高，种植技术水平低下等问题。而人工智能能够为上述问题提供有效的解决方案。
一、中国智慧农业市场规模
据预测，截至2020年，中国智慧农业市场规模有望达到268亿美金，相较于2015年，规模增长了近一倍，年复合增长率高达14.3%，且未来趋势稳定持续增长。虽然中国智慧农业的起步落后，但其发展非常迅速。处于飞速发展阶段中国智慧农业，依仗着国家政策的大力支持以及科研人员的不断加入，其市场规模将在农业智能分析、农业决策系统、农业机器人、精准作业四个主要的应用领域不断扩大。
二、中国农业种植领域的主要技术
物联网技术：是指通过物体的联网，运用信息传感设备进行信息共享、交换、通信，实现远程控制、智能化识别、定位、跟踪、监管等功能来提高整个农业的效率，降低成本。利用物联网技术能够有效的实现农业数据挖掘以及构建农业生产决策系统。
自然语言处理：将农业领域以自由文本、表格、图片、视频、数据库等形式存在数据进行结构结化处理，便于计算机识别。对相关概念进行细化，语句进行梳理，并根据不同领域等分类，收入数据库，进行智能处理，建立共享数据大平台。
信息检索：借助检索工具，运用信息检索技术为种植者提供所需信息，它包括信息收集、信息过滤、信息存取、信息索引、信息检索等环节。用户可以快速从信息集合中查找出所需要的信息，提高搜索的准确性以及灵活性。
计算机视觉：是指利用计算机实现人的视觉功能，感知、识别、判断不同的农作物。应用不同产品的识别，如杂草识别，病虫害识别，研发除草机器人从而构建精准智能除草系统，研发无人机喷射装置提高病虫害分辨的准确率，对农作物进行精准施肥、灌溉、喷药，提高效率，大大减少对环境的污染，开发不同类型的机器人准确识别果实与树叶，进行采摘，嫁接等。
机器学习：通过利用现有的农业大数据体系，对计算机模型进行训练，从而实现对种植业生产结果，以及其资源配置等诸多方面的模拟和预测。
大数据技术：是指从农业各个不同方面的数据，例如农业地域数据、季节数据、周期数据等，快速获得有价值信息的能力。通过大数据技术挖掘有效的数据并基于数据以及过往的经验选择最优决策。
三、人工智能在农业种植领域的应用分布
四、人工智能在农业种植领域应用案例简述
腾讯：腾讯公司组建iGrow团队利用大数据技术收集环境数据，搭建出人工智能系统，将农业专家的知识和经验自然地融入系统中，实现AI的有效干预。智能检测并分析土壤成分的，选择适宜种植的作物品种。通过大数据等技术对农作物市场周期需求进行分析和预测，指导种植品种选择。通过深度学习、云计算、大数据分析和机器学习来筛选和改良农作物基因，实现产量以及抗虫性的提高。中科院合肥智能机械研究所与安徽省农科院：通过大数据技术、深度学习技术智能识别自然条件下田间水稻病虫害图像，并研发了水稻病虫害智能识别与服务系统。解决了农作物生产环节中存在的盲目施药、病虫害监测能力不足等问题。并利用计算机视觉技术识别作物品种、病害程度和杂草生长情况，可实现智能预防及管理，减少经济损失。一定程度上减少除草剂和杀虫剂的使用，提升农产品安全性，减轻环境影响。阿里云：ET农业大脑，其主要功能模块包括：大数据，云计算以及人工智能模型构建。利用大数据技术搭建共享数据库，对种植业相关数据进行降噪及统一管理；农业大脑也为使用者提供多种种植状态预测模型，可以结合数据库中的数据进行训练，从而生成个性化的生长曲线及产量预测系统；而云计算则为数据管理和模型训练提供了计算机计算能力上的保障。大疆：发布T16植保无人机，通过计算机视觉收集种植状态信息，例如耕作地貌、种植密度等特征，并依据这些信息，实现更大区域上施药、布种的动态化与个性化。五、人工智能技术在农业种植领域局限性
具有人工智能背景人才储备较低：目前，由于同时具有数字化以及人工智能背景的人才在智慧种植领域的相对不足，导致人工智能在中国农业领域中无法进行大规模的推广；
从业人员应用人工智能技术的意愿不足：由于智能化农业设备前期研发以及投资金额大、回收期长，导致我国许多中小规模农业个体户对于运用智能化农业设备的渴望不足，一定程度上阻碍了人工智能在种植领域的发展；
市场集中化导致准入门槛变高：现阶段无论是人工智能技术的开发还是大数据库的搭建，都呈现高度的市场集中化，大型企业依仗资金和人才的优势，不断提高市场的准入门槛。新生企业由于其自身技术资金的限制，很难打开发展局面。
六、人工智能技术在农业种植领域的发展趋势
自动化技术在种植中将有更深入的应用：人工智能技术将会广泛运用在农业存在的重复工作中，用机器代替劳动力，对农作物进行精准采摘、嫁接、分拣等一系列动作，缩短农民工作时间，提高劳动效率。
更高效的人才培养途径：随着大数据和物联网技术等不断成熟，信息共享途径将会更加多样化，从而降低人才的培养成本，提高人才输出效率。
科研产率稳定性随技术发展提高：人工智能能够实现更精准的产量预测，构建更科学的种植流程，从而提高企业在种植业领域里的研究效率，节省研究成本，提高科研成果产率的稳定性。
来源：机器之能
个人主页