智慧农业为何需要算法创新
智慧农业建设与算法创新紧密同步
学习时报发表中共四川省委党校(四川行政学院)决策咨询部主任袁威文章表示，智慧农业的发展，始终以数据、算法和算力为核心要素，以算法创新实现现代信息技术带来的“海量数据”与以物理计算硬件平台为支撑的“天量计算”有效结合，形成农业生产全过程的信息感知、定量决策、智能控制。从天空地一体农业观测、生产控制可视的“信息算法推进”阶段，到农业管理智能感知、智能控制的“跨学科融合算法驱动”阶段，再到农业产业数据联通、机器学习的“人工智能推进算法创新”阶段，算法的创新程度决定了农业的智慧程度。当前，智慧农业算法创新呈现出三个特点：一是融合性。体现为现代生物技术与生物大数据的融合，通过利用生物信息学分析方法，解析基因组、转录组、代谢组等多组学数据，加速形成透明计算、移动边缘计算、雾计算和微云等新的算法，实现农业生物精准选种育种和生产供应及时跟踪追溯。二是自主性。智慧农业算法立足于神经网络，进行深度学习和强化学习。借助农业大数据平台以及与人类交互协作，算法技术能够持续学习和训练，从而更加智能和自主。在智慧农业中体现在多组学整合、基因挖掘、病虫害诊断等领域。三是应用性。随着农业物联网区域试验工程、数字乡村试点工程等大批工程的落地，中国智慧农业算法创新由“强基础”转向“重应用”。智慧农业以应用场景驱动为导向对算法创新进行集智攻关，将更多数据用于算法分析和建模，形成农业科研院校、农机生产商、信息化企业、网络服务商等各主体相互借力的创新发展联合体，推动算法性能不断提高、应用质效不断增强，更好适应智慧农业发展需求。
智慧农业算法创新面临多重现实挑战
文章认为，尽管中国智慧农业建设取得重要进展，逐步进入快速发展和集成创新阶段，但受限于算法创新有效供给不足、技术适配度不够等影响，智慧农业发展极易产生算法“梗阻”和“堵点”。
算法技术不优，据全国县域农业农村信息化发展水平评价报告数据显示，中国农业生产信息化水平仅为22.5%，主要依赖相对易于推广的信息技术，而更为核心的算法技术应用则研发不足甚至滞后。例如，监测土壤、气候、植物生长等数据帮助农民及时作出作物管理决策的物联网算法，分析气象、土壤、市场等多方面数据为农民提供种植品种、播种时间、价格预测等决策建议的大数据算法，分析作物生长状态、环境因素等数据，对可能出现的病虫害、生长问题进行预警和干预的人工智能算法，实现农产品溯源和质量追踪的区块链算法等，导致智慧农业创新的技术内核不够。
算法的数据支撑不够。当前，行业数据、社会数据、企业数据有效融合困难，造成针对农业大数据的深度挖掘和分析利用不充分，农业生产预测预警以及配置资源等核心功能还远未发挥。此外，农田气象、土壤墒情、耕地质量等农业数据采集监测终端应用少，导致智慧农业算法优化更多是在数理层面创新，对现实数据的利用效能不高、解析拟合不深。
实现智慧农业算法创新的有效途径
文章指出，针对算法创新面临现实挑战，应秉持包容审慎的态度，有的放矢、精准施策，进一步加快中国农业产业数字化升级，推进数字技术与传统农业深度融合，从而提高农业效率，重构农业产业链，扎实推进智慧农业建设。
促进核心算法技术创新。智慧农业算法涉及物联网、数据科学和人工智能等前沿信息技术与生物科学、农业生产经营活动的融合，需要构建多元创新格局，健全协同创新体制机制。凝聚各类创新资源集聚，结合规模化农业生产相适应的智能技术，推动跨学科算法技术融合创新和集成整合，打破核心算法技术梗阻。鼓励数字化平台和农业企业等创新主体利用其对市场的先天敏感性，加速推进算法创新供需对接。
提升算法适配度。大力推动传感器技术研发机器制造工艺升级，持续提高传感器精度，实现传感器技术获取数据的真实性，形成对算法分析的有效数据支撑。将小农户嵌入到智慧农业算法创新体系中，通过为小农户提供智慧农业生产经营的算法技术来提升算法对多元化数据尤其是个性化数据的适配度。
强化算法创新的数据基础支撑。改善农村地区信息化水平，为智慧农业普及和算法技术创新创造基本硬件条件。加强智慧农业天空地一体化信息应用场景建设，提高数据获得及使用能力。运用区块链技术提高智慧农业产品可追溯性，创建区域数据集群合作，推进数据系统互联互通。数据共享过程中做好数据资源保密性和安全性工作，避免数据泄露和被破坏造成算法失真。
智慧农业建设与算法创新紧密同步
学习时报发表中共四川省委党校(四川行政学院)决策咨询部主任袁威文章表示，智慧农业的发展，始终以数据、算法和算力为核心要素，以算法创新实现现代信息技术带来的“海量数据”与以物理计算硬件平台为支撑的“天量计算”有效结合，形成农业生产全过程的信息感知、定量决策、智能控制。从天空地一体农业观测、生产控制可视的“信息算法推进”阶段，到农业管理智能感知、智能控制的“跨学科融合算法驱动”阶段，再到农业产业数据联通、机器学习的“人工智能推进算法创新”阶段，算法的创新程度决定了农业的智慧程度。当前，智慧农业算法创新呈现出三个特点：一是融合性。体现为现代生物技术与生物大数据的融合，通过利用生物信息学分析方法，解析基因组、转录组、代谢组等多组学数据，加速形成透明计算、移动边缘计算、雾计算和微云等新的算法，实现农业生物精准选种育种和生产供应及时跟踪追溯。二是自主性。智慧农业算法立足于神经网络，进行深度学习和强化学习。借助农业大数据平台以及与人类交互协作，算法技术能够持续学习和训练，从而更加智能和自主。在智慧农业中体现在多组学整合、基因挖掘、病虫害诊断等领域。三是应用性。随着农业物联网区域试验工程、数字乡村试点工程等大批工程的落地，中国智慧农业算法创新由“强基础”转向“重应用”。智慧农业以应用场景驱动为导向对算法创新进行集智攻关，将更多数据用于算法分析和建模，形成农业科研院校、农机生产商、信息化企业、网络服务商等各主体相互借力的创新发展联合体，推动算法性能不断提高、应用质效不断增强，更好适应智慧农业发展需求。
智慧农业算法创新面临多重现实挑战
文章认为，尽管中国智慧农业建设取得重要进展，逐步进入快速发展和集成创新阶段，但受限于算法创新有效供给不足、技术适配度不够等影响，智慧农业发展极易产生算法“梗阻”和“堵点”。
算法技术不优，据全国县域农业农村信息化发展水平评价报告数据显示，中国农业生产信息化水平仅为22.5%，主要依赖相对易于推广的信息技术，而更为核心的算法技术应用则研发不足甚至滞后。例如，监测土壤、气候、植物生长等数据帮助农民及时作出作物管理决策的物联网算法，分析气象、土壤、市场等多方面数据为农民提供种植品种、播种时间、价格预测等决策建议的大数据算法，分析作物生长状态、环境因素等数据，对可能出现的病虫害、生长问题进行预警和干预的人工智能算法，实现农产品溯源和质量追踪的区块链算法等，导致智慧农业创新的技术内核不够。