“这是最好的时代，也是最坏的时代”，今天我国的农机行业，也进入了一个矛盾发展的阶段。一方面，在国家一系列强农惠农富农政策推动和农业发展需求拉动下，我国农机产业技术水平快速提升；另一方面，农机工业进入深度调整期，农机产业核心技术缺失、农机农艺融合不足、产业集中度低、国际竞争力弱等问题突出，创新驱动和转型升级需求迫切。8月23—24日，在2017中国科学技术协会第314次青年科学家“互联网+未来农业装备”论坛上，一群行业精英青梅煮酒，论道当农机遇到“互联网+”，探讨农机行业在“互联网+”大潮中的何去何从。

关于未来农业与智能农机装备

中国农机院科技与产业发展部研究员吕黄珍：

目前，我国农业发展面临没人和没利两大难题。截至2015年，我国农村人口为6.06亿，比2010年减少6500万人，年均减少1300万人，农村人口比例由50.05%下降到44.12%。

2015年，我国粮食总产6.21亿吨，进口1.25亿吨，进口占总产量的20.1%，同比增加24.2%，粮食进口总量比2010年翻了一倍多；大米、小麦、玉米等主粮价格均超过国际市场价格的50%，粮棉油糖等大宗农产品进口到岸价每吨比国内低1000元，例如，大豆每吨收购价4100元左右，阿根廷大豆在中国分销价3100元。按年人均粮食450千克计算，如果2020年我国人口达到16亿，则需粮食总量为7.2亿吨，但目前我们还缺口1亿吨左右。

因此，未来农业要讨论和解决的是由谁来种地、怎样种地，农机行业怎么样和怎么办的问题。

现代农业的根本出路在于机械化。当前，中国已经成为世界第一农机制造和使用大国。在经过十年黄金发展期后，中国农机工业总产值年均增幅在2014、2015、2016年分别为8.55%、7.4%和5.8%，进入了深度调整期。2017年1－4月，2396家以上农机企业中有270家出现亏损，行业固定资产计划投资额同比下降11.04%，拖拉机、收获机、饲料机械产量不同程度下滑、农机产品结构出现标志性变化，产销两不旺。

目前，我国农机发展存在几个问题：一是机械化发展不平衡，综合生产效率低，机械化主要集中在粮食作物及其耕种收环节，而林果、经济作物、养殖、丘陵山地等关键设备缺失；二是重田间、轻产后，产后损失严重，增产不增收，配套体系不完善；三是信息化、智能化等高端农机领域竞争力不足，规模农场使用的高端农机装备大量依赖进口。

我国的农机发展必须符合实际需要，具有强适性、高效率、高质量、经济性等特点，由产中向产前和产后延伸，由主要粮食作物向优势经济作物发展，由种植业向养殖与加工业拓展，由关键环节装备向全程装备配套，由农业应用向全面装备农业和农村发展，促进增产增效、资源节约与环境友好。

关于未来新型智慧农业

北京新型智慧农业研究院院长陈袁华：

当前，我国农业发展产生标准化、系统化、工场化的生产需求，这就为智慧农业带来前所未有的增长机遇。

据测算，从2017年到2010年，我国所有智慧农业技术体系集成的物联网技术层级将会有至少20%的年均复合增长率。从消费者角度来看，物联网的真正价值，在于其最好的两层级数，即服务和物联网分析及应用。预计到2020年，两者将占物联网整体增长的60%，剩下的各层技术——身份识别与安全、物联网骨干（云和平台）、通信和物联技术则是助力因素，增长潜力较低。

到2020年末，行业企业将会在物联网上花费近2500亿欧元，他们需要知道哪些智慧农业体系集成物联网应用将会产生最大的价值。想要做出正确决定，就要知道如何用物联网技术来应对具体的商业挑战，识别出未来智慧农业体系中一系列物联网应用场景。

企业在设备失灵或出现故障的时候，不可避免地要遭受时间和金钱的损失。很多企业就算没有任何维护的需要，每年也都为了遵守固定的维护时间而花费资金，同时其设备供应商也会进行常规的电话回访。物联网技术可以预测和检测出设备何时需要维护，减少或消除计划外的停机时间，延长维护周期并减少成本。

联网工厂和生产基地可以采用物联网技术进行生产流程的实时监测和优化，自动进行调整来提升质量和效率、减少浪费。

并且，物联网可以让用户对于库存和供应链的状态有更深入的掌握，跟踪库存地点和状态，包括温度、湿度和损坏情况等。用户在具备了整个供应链上监测产品的能力后，可以增加处理和响应时间，减少缺货和库存积压的情况，并改善适时生产流程。

物联网的智能仪表传感器非常适合用来增加系统效能。例如，这些传感器可以增加任务完成的透明度，还能提供行管信息来帮助减少工作站之间的传送时间，同时也可以用在装配区域，以帮助识别产品状态及定位工具、配件和原料。如果将农业机械上配置新型传感器、无线联网和车内处理系统，其互联性将大大提高。联网农机具有更好的导航能力、安全性能和舒适性。在未来的5—10年，联网农机的部分功能将日趋成熟。

物联网在远程病虫害监测方面也发挥着重大作用，可以实时远程监控生产基地病虫害的发生状况、改善主粮品种的健康状况并降低治疗成本。

关于我国南方农机化技术发展

湖北省农业机械工程研究设计院院长陈源：

目前，我国南方旱地作业机械虽然应用广泛，但限于地块小而使用受限；水田作业机械存在效率偏低，受地形影响大等问题；山地作业机械机具少，针对性装备缺乏。我国农业机械化已进入中级发展阶段，但整体发展不平衡，主要体现在粮食作物机械化水平高，经济作物与特色作物机械化水平低；北方平原机械化水平高，南方丘陵地区机械化水平。

在“适度规模”条件下，农业未来发展趋势为统一耕作、规模化生产，新形势下南方农机技术需求为信息化、智能化。因此，未来南方农业机械化研究应注重区域特色粮食作物、经济作物的生产标准化模式及全程机械化装备，要基于适度规模的南方特色作物农艺研究进行农业机械装备开发。

关于蔬菜智能化生产机械发展

河南科技大学研办主任金鑫博士：

我国蔬菜种植面积一直保持稳定，产量年均增长0.5%，预计2026年将达到8.36亿吨；而蔬菜食用消费年均增长1.5%，预计未来10年将达到2.39亿吨。需求的持续增长，促进了我国蔬菜产业的发展。今年，我国加强了设施蔬菜、“南菜北运”工程建设，建立了国家特色蔬菜产业技术体系。总体来看，我国蔬菜生产持续发展，均衡供应水平提高，区域布局持续优化，流通格局基本形成。

但我国蔬菜产业也存在种植模式局限性强、农机装备应用难，农资成本逐年攀升、价格优势持续难，生产环节管理粗放、蔬菜品质保障难，规模化生产程度低、种植效益提高难等问题。

与先进国家相比，我国正处于由个体生产向集约化、规模化生产的转换期，虽然设施蔬菜发展迅猛，但种植农艺、技术装备和管理措施不统一，各环节技术发展不均衡，人工劳作与机械生产等多种手段并存。在美国，37个州从事蔬菜生产，生产布局区域化特征明显。生产模式也呈现露地规模化、设施工厂化、庭院式种植，并实现全程机械化生产，在主要环节实现了智能化管控，充分运用卫星导航、自动驾驶、计算机辅助及智能传感器等系统，依托大数据分析结果进行智能决策。再以日本为例，蔬菜为分散生产，集中供应，设施生产占主导地位，集约化程度高，基本实现全程机械化。同时，日本充分运用机器人、信息感知与决策处理等技术，指导设施蔬菜生产。其嫁接机器人、叶状蔬菜全自动栽植机、根类蔬菜包装机等居世界领先水平。

未来，随着品种品质消费的升级，国民更加注重绿色优势安全生产，我国蔬菜设施发展将面临新的挑战，蔬菜设施亟待转型升级。同时，随着以需求为导向的农业供给侧结构性改革推进，行业又迎来新的机遇，“互联网+农业”助力生存方式变革和产业链重组，成为驱动蔬菜生产竞争力提升的新引擎。

关于现代物理农业工程技术发展

《农业工程》杂志执行主编王艳红：

物理农业是相对于化学农业而言的，是以电、磁、声、光、热等物理学原理为基础，应用特定的物理技术处理农产品或改善农业生产环境，减少化肥、农药等化学品的投入，实现农产品增产、优质、抗病和高效生产的农业生产模式。物理农业是与环境相和谐的农业经济发展模式，是产业链延伸型的农业空间拓展路径，是建设环境友好型新农村社区的新理念。

物理农业工程技术运用于农业发展的各个方面。例如种子电场处理技术，通过模拟大自然的电场效应，使种子内部正负电荷在播种前就有序排列，缩短种子在土壤里的萌发期，催动种子较快发育。再如声波助长技术，对植物施加一定频率的声波，当声波的频率与植物本身生理系统的频率一致时，就会产生共振，从而提高植物活细胞内电子流的运动速度，促进各种营养元素的吸收、传输和转化，增强植物的光合作用，促进植物生长。

但我国现代物理农业工程发展尚处于起步阶段，相关技术研究分散，总体科技水平不高：在技术研究上，基础研究薄弱；在装备研发上，企业生产规模小、科研能力弱、产品质量不稳定、生产工艺和工业装备落后，产学研体系脱节；各项技术应用不平衡，地区之间技术推广应用发展不平衡。

针对以上情况，我国物理农业工程技术发展应在以下方面加强：一是强化学科基础建设，加强基础理论研究、科技研究与农业生产的结合，增强学科队伍建设；二是加强科技创新力度，提升装备生产能力，加快制定装备生产和使用等方面的技术标准；三是加大示范推广力度，促进技术的产业化进程，建立科技示范基地，解决技术实用化、普及化的问题，加强宣传，强化技术培训。

关于深度学习与人工智能

北京理工大学宇航学院副教授丁艳：

根据联合国粮食生产报告，由于污染和侵蚀问题，发达国家自上世纪80年代中期以来，农作物生产面积持续下降。粮食短缺将会是人类文明面临的最大问题之一。如何有效利用规划有限资源，对于提高生产能力至关重要。解决问题的答案就是传感器、机器人和人工智能。

以著名的IntelinAir公司为例，其研究人员正在使用具有类似核磁共振成像功能的无人机来快速准确地进行农田数据分析。搭载特定摄像头的无人机利用可见光和红外融合图像，将数以千计的图像数据写入一个算法，然后将其编译成一个单一的场景图像，以显示所覆盖区域的状况，一旦有问题就可以有针对性地对这些区域进行相关处理，有效地提高了效率和生产力。

再如Blue River Technology公司在2013年推出了一款Lettuce Bot，它看来和一般的拖拉机一样，但其实它是一个基于深度学习的机器，可以在开过一片田地时，以每分钟5000株的速度对菜苗进行拍照，并通过算法及机器视觉来判断每株植物是否是杂草，并对识别出的杂草喷洒农药。如果它判定一株植物是不健康的菜苗，它也会喷一下。通过这款机器，农民可以减少90%的农药用量，且产量是人工种植的5倍。目前，此机器已经在市场上推广应用了。

由此说明，人工智能是驱动农业智能精准化发展的关键。

关于农机作业服务云平台

中国农机院机电所运营总监张俊宁：

以精准农业技术装备为支撑，以互联网+技术为载体，构建了现代农业全程机械化远程控制服务体系。农机远程云服务具有高并发、高频发、类型多、数据量大、保存时间长、数据安全等特性。

云服务中的数据采集是服务技术的关键，其采用了软动态负载均衡技术，彻底解决了采集终端数量不断增长所带来的压力。应用分布式缓存技术，统一管理数据采集过程中的动态数据，使作业数据更准确。通过在程序中添加数据缓写技术处理，可以应对作业高峰期数据上传高峰，确保无线通讯稳定有序。

农业云服务围绕农机作业耕、种、收、管等核心环节，面向多层次用户群，提供从农资—农机—农产品全链条的数据采集、自动化处理、统计分析、远程运维、精细化管理的物联云服务。（2017年8月29日《中国农机化导报》）