Page 213 - 农作物高效栽培技术分析与研究

第六章 植物保护新理念和新技术的应用

（七）大数据技术
随着信息感知和获取水平的提高，农业生产过程、农产品收获、存储、流通、
管理等环节的植保相关数据信息获取量激增，为智慧植保提供了基础信息资源。

大数据技术为存储、传输、处理、分析和管理这些数据提供了支撑。大数据技术
已在医疗、金融、商业、交通、教育、农业等行业得到深入应用，并且助推智慧
农业的发展。大数据具有高容量、高速度、多样性、真实性、低密度价值（等特
征。植保大数据主要包括有害生物数据、病虫害发生和危害数据、农田作物数据、

农业生产环境数据、农业生产管理数据、农产品流通数据、植保农资数据、植保
机械或装备数据等。
大数据技术与数据挖掘技术、机器学习算法、云计算技术等紧密相关。分布
式数据库和非关系数据库应用日益增多，为大数据的存储、管理和利用提供了支

撑。发展智慧植保，应该重视数据标准和数据共享机制的建立，应该加强数据库
建设，满足产生的海量数据存储。基于大数据技术，可以构建病虫害系统综合管
理系统，以便更系统、科学地的进行病虫害监测、预测、管理以及提供高效的植
保服务。

我国已经组建国家农业科学数据中心，其中包括植物保护科学方面的大量数
据（包含病虫草鼠害调查和监测数据、抗病性监测数据、病虫害图像数据、病虫
害种类数据、农药试验数据、生防菌转录组数据等）。2021 年 11 月 19 日，我
国农业农村部大数据发展中心正式成立，旨在大数据赋能农业农村现代化建设和

乡村振兴，将加快我国农业向智慧农业发展。
（八）AI 技术
近些年，AI 技术得到了迅猛发展，促进了各个领域的智能化，其在植保领
域应用日益增多。智慧植保的发展离不开 AI 技术和各种建模技术。专家系统是

ＡＩ的一种重要分支和应用领域，已经报道多个植物病虫害诊断、预测预报、综
合治理及植物检疫、农药管理等方面的专家系统。以深度学习为代表的机器学习
发展迅速，已经出现多个深度学习框架和多个深度学习网络架构，为智慧植保发
展提供了强力支撑。深度学习在基于图像处理的植物病虫害识别和评估研究和应

用方面的报道迅速增多。随着 AI 算法的进一步发展，自动决策和控制不断实现，
将促进智慧植保发展，可实现病虫害信息的自动获取，病虫害的自动识别，病虫
害危害程度的自动评估、自动预测，病虫害防控自动决策、措施自动实施等。

201