油料(油菜、花生)全产业链大数据的建设

蒋   锐 1    黄凤洪 1*        吴   渝 1    霍梦佳 2    刘华威 3

( 1. 中国农业科学院油料作物研究所，  武汉 430062；

2. 中国农业科学院农业信息研究所，  北京 100081；

3. 神州数码信息服务股份有限公司，  北京 100094 )

摘  要：农产品全产业链大数据建设对于推动农业发展方式加快转变，  促进农业转型升级 、提质增效和可持续发展， 加快农业现代化进程有着重要意义 。我国重要农产品全产业链大数据建设刚刚起步，  发展基础薄弱，，  在乡 村信息基础设施不健全，  农产品加工链不完善 、产业链数据资源分散，  天空地一体化数据获取能力较弱、 覆盖率低等多个问题 。本文以油料  (油菜 、花生)  为例，  分析全产业链大数据建设现状，  明确油料全产业 链大数据平台建设思路与原则，  提出平台建设的基本架构与主要功能，  面向油料作物产量预测 、价格预测、 政策分析等主题开发集成气象产量预测模型 、遥感产量预测模型 、价格监测模型以及政策主题演化模型以 及语义对比分析模型等，  支持多场景数据挖掘与应用服务 。本文探索形成需求为导向的，  大数据 、  自然语 言处理以及人工智能技术为依托的油料全产业链大数据平台建设方案，  支持基础环境 、资源投入 、生产加 工和流通消费等重要领域和关键环节数据资源汇聚与分析挖掘，  可有效增强数字技术研发应用能力，  打造 全产业链单品种大数据治理与应用示范样板，  为全面推进农产品全产业链大数据建设提供可复制 、可借鉴、 可推广的机制 、模式和经验，  示范引领农业农村大数据建设，  从而促进提升农业生产经营和管理服务数字 化水平，  助推农业农村现代化。

关键词：油料；  全产业链；  大数据；  数据平台建设；  农业大数据

中图分类号 ：G203        文献标识码 ：A        文章编号 ：2096-6369  ( 2021 )  02-0067-08

引用格式：  蒋锐,黄凤洪,吴渝,等 . 油料(油菜、花生)全产业链大数据的建设[J]. 农业大数据学报,2021,03(02):67-74.

Jiang Rui,Huang Fenghong,Wu Yu,et al.Big Data Construction of Oil Crops (Rapeseed, Peanut) Whole Industrial Chain[J].Jour‐ nal of Agricultural Big Data,2021,03(02):67-74.

Big Data Construction of Oil Crops (Rapeseed, Peanut) Whole Industrial Chain

Jiang Rui1   Huang Fenghong1*   Wu Yu1       Huo Mengjia2       Liu Huawei3

( 1. Oil Crops Research Institute, Chinese Academy of Agricultural Sciences, Wuhan 430062, China;

2. Agricultural Information Institute,Chinese Academy of Agricultural Sciences, Beijing 10081, China;

3. Digital China Information Service Company LTD, Beijing 10081, China)

Abstract: A data platform serving an agricultural industry value chain can accelerate the transformation of agricultural tech‐

 niques, promote agricultural upgrades, improve the quality and efficiency and sustainable development, and accel‐ erate the process of agricultural modernization. In China, the construction of such a platform for important agricul‐ tural products is still in the early stages and the data foundations are weak, facing challenges such as limited rural information infrastructure, incomplete information about agricultural product processing, data resources fragment‐ ed across the industry, and limited data acquisition effectiveness and scope. Taking oil crops (rape, peanut) as an example, this paper analyzes current efforts to construct a data platform for an industry value chain. It applies the concepts and principles of big data platforms in the context of the oil crop industry, and proposes a framework and key functions required of the platform. In addition, this paper also develops a set of models relevant to an agricul‐ ture-focused data platform, which support data mining and application services. These include an integrated meteo‐ rological yield prediction model, a remote sensing yield prediction model, a price monitoring model, a policy topic evolution model, and a semantic comparative analysis model. This paper then explores the construction scheme of a data platform for the oil crops industry using big data, natural language processing and artificial intelligence tech‐ nology. This platform supports aggregating, analyzing, and mining important data about the crop growing environ‐ ment, input resources, production and processing, distribution, and consumption. By collating relevant data re‐ sources, the platform can enhance digital technology R&D and application capabilities, simplify data governance, and demonstrate applications for the industry value chain. The paper highlights replicable, accountable and well- established approaches for constructing a comprehensive data platform for an agricultural industry value chain, with the goal of promoting the digitalization of agricultural production, operations and management, and modern‐ ization of agricultural and rural areas.

Keywords: oil crops; whole industry chain; big data; data platform construction; agricultural big data

1  引 言

近些年来，电子信息技术日新月异，互联网飞速 发展，信息传播速度加快，我国农业也进入了大数据 时代 。大数据是驱动农业现代化发展的重要力量，是 工业社会的“石油”资源，谁掌握了数据，谁就掌握了 主动权 。2019 年中共中央办公厅、国务院办公厅发 布的《数字乡村发展战略纲要》中指出加快推进重要 农产品全产业链大数据建设[ 1] 。农产品全产业链大 数据建设对于推进农业信息化，开展“互联网+”现代 农业行动，推动农业发展方式加快转变，加快农业转 型升级 、提质增效和可持续发展有着重要意义 。然 而，目前我国农产品全产业链建设仍存在许多问题， 如乡村信息基础设施不健全，农产品加工链不完善、 产业链中的企业缺乏数据意识，对数据的收集与保护 不到位等[2] 。  因此，健全产业链数据维护制度、促进 农产品全产业链数据建设刻不容缓。

选择单品种农产品开展全产业链大数据建设是 我国发展农业优势产业的突破口 。油料作物是植物 油脂和蛋白质的最重要来源，在保证食用植物油有效 供给、改善食物结构、促进养殖业和加工业发展等方 面具有重要意义[3] 。推动包括油料(油菜、花生)等重

要油料作物在内的传统农业向数字化转型发展，既是 建设数字中国的重要内容，也是实现传统农业转型发 展的重要手段 。尽管我国油料(油菜、花生)产业近年 来取得了长足发展，生产模式已取得重大突破，但仍 存在单产水平不高、效益低、需求快速增长、生产经营 与管理决策缺少大数据支撑、生产经营的智能化水平 与发达国家差距较大等问题[4] 。开展油料(油菜、花 生)全产业链大数据建设，不仅对油料(油菜、花生)产 业发展而言具有重大意义，还可以形成一系列试点示 范经验，探索一套可复制的大数据应用模式 。湖北省 作为油菜种植面积较大的省份，开展单品种大数据建 设能够依托本地区优势特色产业，开展单品种全产业 链大数据建设，建立完善的数据采集、数据分析和数 据服务机制，增强生产经营的科学决策能力[5]。

同时，全球新一轮科技革命、产业变革方兴未艾， 物联网、智联网、大数据、云计算等新一代信息技术加 快应用，深刻改变了生产生活方式，引发经济格局和 产业形态深度变革，形成发展数字经济的普遍共识， 为油料全产业链大数据建设带来了新的思路与发展 方向[6-7]。

基于以上分析，我们以“大数据为基础性战略资 源，新一代人工智能为创新引擎”为指导思想，在湖北

省试点范围内进行油料(油菜、花生)全产业链大数据 建设，构建油料(油菜、花生)全产业链大数据平台，基 于先进的人工智能技术，面向多个主题针对产量、气 象、多光谱遥感、期货价格等油料大数据展开深度挖 掘分析，为油料产业提供了一种多源数据驱动的研究 方法，从而加速油料全产业链上各类资源的有机整 合，优化资源配置，提高运行效率 。系统运行后续将 陆续扩大该项目的试点范围，扩大油料种植作物品种  (大豆、芝麻等)的种植面积监测、生产成本与效益等 内容。

2  油料全产业链大数据建设的现状分 析

1、油料全产业链信息化基础建设薄弱，有待进一 步提高。

( 1 )油料全产业链大数据建设需要依靠强大完善 的信息基础设施，而目前农村地区信息基础设施不完 备，基础设施设备建设的市场化程度比较低，基建水 平参差不齐，特别是在一些偏远地区，附加交通不便 的因素更加阻碍油料产业信息化发展[8] 。加强对油 料产业信息化基础设施的建设是保证油料全产业链 大数据建设中数据采集、数据分析等基本功能的必要 条件。

( 2 )由于我国幅员辽阔，油料作物包含油菜、花生 等多个种类，同一种类又因为气候条件、温湿度、海拔 高度以及种植方式等的不同而产生很大区别，常常出 现信息难采集、采集误差大、处理能力差的问题[9]。

( 3 )目前油料全产业链大数据建设的核心技术研 发滞后，不足以满足政府宏观决策管理、油料产业发 展与产业主体的决策需求，特别是目前决策管理更多 关注油料产业链中业务数据，对生产环境监测数据、 互联网舆情数据等多源异构数据的采集不足，对油料 全产业链大数据深入挖掘与分析不足，油料全产业链 大数据价值未得到充分发挥[ 10]。

2、油料产业管理规划和技术创新不足，有待进一 步优化。

( 1 )油料产业链涉及生产、加工、运输、售卖等多 个环节，各个环节主体空间位置分布广、数量大，并且 产业链上各利益相关者之间沟通不及时，存在严重的 信息偏差，导致油料产业整体资源整合程度低、信息 不对称、协同性差[ 11]。

( 2 )油料产业管理和规划不到位，绝大部分的油 料种植未按照产业培植的要求进行管理，同时存在油 料品种混乱的问题[ 12]。

( 3 )科技进步和创新是农产品全产业链建设和发 展的基本动力，而现有科研机构偏重于基础研究，其 市场转化率与科研融合性较低，阻碍了油料全产业链 大数据建设的进一步发展。

3  油料全产业链大数据平台的建设思 路

基于对油料全产业链大数据建设现状的分析，本 文以构建油料全产业链大数据平台为基础，围绕解决 制约农业农村大数据发展的突出问题和薄弱环节，瞄 准“数从哪来、数谁来用、数怎么管”，充分利用移动互 联网、云计算、物联网、人工智能等新一代信息技术与 农业的跨界融合，统筹共享油料全产业链大数据资 源，推进大数据在农业生产、经营、管理、服务等各环 节、各领域的应用，打造基于互联网平台的现代农业 新产品、新模式与新业态，提高农业农村经济运行监 测的能力和水平，更好地服务政府部门决策和市场主 体生产经营决策 。油料全产业链大数据平台的建设 思路如下所述：

(1) 统筹规划、资源整合

油料全产业链大数据平台是新时期、新常态下农 业农村信息化建设的重要组成部分，是与乡村振兴、 数字乡村等各方面紧密结合的系统工程，必须从宏 观、系统的角度出发，按照“统一规划、统一标准、统一 建设、资源整合”的要求，做好统筹规划，构建农业农 村大数据云平台整体框架，建立统一的管理体系和协 调机制[ 13]。

(2) 互联互通、资源共享

在统一规划的前提下，制定相应标准体系和保障 体制，促进现有农业农村信息基础设施、应用系统和 信息资源的兼容共享，减少重复投入，避免“信息孤 岛”现象，打破“利益壁垒”，提高农业农村大数据云平 台建设的效率 。横向到边，汇聚农业农村厅业务部门 数据资源，纵向到底，汇聚全省各市县涉农数据资源， 与农业农村部实现数据共享交换 。在促进数据共享

的同时，加强安全管理体系建设，确保信息和系统 安全。

(3) 数据驱动，智能决策

在油料生产环节，通过智能设备获取多源数据信 息，指导农业生产主体如何科学种植油料 。在油料流 通环节，利用大数据技术的数据信息整合和集成功 能，广泛搜集聚合油料产业的相关业务数据，通过对 油料价格、政策等信息采集和分析，用于指导生产、增 强政府和企业决策能力、提升工作效率与效能 。同时 基于机器学习、深度学习、自然语言处理等人工智能 技术实现油料全产业链监测预警、产量和价格预测预 警、市场监测和研判、农业资源合理配置、产业政策分 析决策等，为油料产业发展提供有力支撑。

(4) 技术先进、稳定实用

油料全产业链大数据平台建设从服务农业农村 的业务需求出发，充分应用卫星遥感 、互联网 、物联 网、大数据等先进技术，解决数据资源分散和数据挖 掘应用面临的困难，提高数据服务水平 。针对油料全 产业链大数据服务的应用场景特点设计，确保业务平 台的技术领先，确保大数据中心能够承受大的数据量

和大负荷的考验，确保系统架构灵活、可扩展、性能稳 定、功能实用、操作易用、易于维护。

(5) 安全第一、公共优先

油料全产业链大数据平台设计充分考虑建立有 力的安全体系，建设及运行应遵守国家信息安全和互 联网管理法律法规，强化信息安全责任机制，加强数 据安全防护 。遵照农业行业数据规范、接口规范、交 换规范等标准，采用标准化的技术和标准化的协议， 保证大数据中心开放性和公共服务优先的同时，加强 保障安全性[ 14]。

4  油料全产业链大数据平台建设

油料全产业链大数据平台利用互联网、物联网、 大数据、人工智能等现代信息技术，为油料产业的数 据资源整合管理、产品质量安全可追溯、全产业链环 节可实时监测预警提供工具，以促进油料生产、流通、 销售方式创新，推动油料产业乃至农业产业的跨越式 发展。

图 1  油料 (油菜、花生) 大数据平台总体架构

Fig.1 The overall structure of big data platform for crops (rapeseed and peanut)

4.1 油料全产业链大数据平台架构

油料(油菜、花生)全产业链大数据平台的架构如 图 1所示，主要包括 4个层级，具体如下所述。

( 1 ) IAAS层 。负责数据中心虚拟化环境的管理， 提供相应的存储资源 、计算资源 、安全资源 、软件资 源、网络资源、存储资源等基础设施服务。

( 2 ) DAAS 层 。大数据资源区，根据油料(油菜、 花生)业务应用需求，构建数据资源集市(支撑数据 库、数据资源库、公共库)、Hive数据仓库。

( 3 ) PAAS 层 。服务层，提供大数据技术支撑服 务，开发包含数据采集、数据管理、数据分析以及大数 据集群管理平台。

( 4 ) SAAS层 。应用展示层，全方位展示油料(油 菜、花生)全产业链大数据应用和建设成果，包括综合 展示分析、一张图、共享交换、监测预警等。

油料全产业链大数据平台采用 Hadoop分布式计 算开源框架，数据库采用 Hive，可以将结构化的数据 文件映射为一张数据库表，通过类 SQL 语句快速实 现简单的 MapReduce统计，采用 HBase高可靠性、高 性能、面向列、可伸缩的分布式存储系统，利用 HBase 技术可在廉价 PC Server上搭建起大规模结构化存储 集群。

4.2 油料全产业链大数据平台的主要建设功 能

油料全产业链大数据平台的总体功能布局包括 三个层次：

( 一 ) 一套面向油料全产业链大数据融合的数据标 准

科学合理的标准规范建设是油料全产业链大数 据平台实现多源异构油料相关数据资源汇聚治理的 基础，能够从根本上解决油料大数据存在的不标准、 不完整、重复、错误、不一致的质量问题，使数据在汇 聚、整合、应用的过程中实现统一标准的管理，从而提 升数据质量，实现数据价值 。面向油料全产业链大数 据融合的数据标准体系具体包括：

( 1) 统一油料(油菜、花生)产业的各种标准，建立 油料质量安全、油料品种认定、转基因检测等油料(油 菜、花生)产业标准。

(2) 统一规范流程，主要包括油料(油菜、花生)种

植流程及注意事项、油料(油菜、花生)加工流程及注 意事项，将油料(油菜、花生)种植、油料(油菜、花生)  加工作业规范化、流程化。

(3) 统一数据的采集、数据结构、存储、分析，数据 采集统一通过大数据信息采集系统进行采集，经过必 要的清洗、比对、敏感数据处理后形成结构化的数据 进行存储、分析。

(4) 统一数据集中管理，外部需要对接时提供共 享接口请求进行对接处理。

( 二 )一个油料全产业链大数据中心。

建设油料(油菜、花生)大数据中心，建立“用数据 管理、用数据决策、用数据创新”的管理机制，优化利 益主体间合作方式及运作流程，协调油料产业链各环 节间的协同合作，推动产业链转型升级 。油料全产业 链大数据中心的功能包括：

( 1) 汇聚油料(油菜、花生)全产业链数据：各省、 各地市油料(油菜、花生)主产区的种植信息数据、产 量分布数据等；相关产业链企业信息数据；科研 、气 象、保险、期货、金融等信息；线上线下的销售数据。

(2) 构建生产、消费、贸易、价格、成本收益核心数 据库。

(三)一套油料全产业链大数据融汇与分析应用 系统。

油料全产业链大数据融汇与分析应用系统主要 包括三种类型：油料全产业链大数据建设支撑平台、 集成平台和应用平台。

( 1) 油料全产业链大数据建设支撑平台 。包括： 油料(油菜、花生)全产业链信息采集平台和油料(油 菜、花生)全产业链一张图平台，实现油料(油菜、花 生)全产业链发展相关各类涉农数据的整合集成、提 供社会公众、企业用户的统一门户入口。

(2) 油料全产业链大数据建设集成平台 。包括： 全产业链监测预警系统集成，建立油料(油菜、花生)  面积、产量、价格的监测预测系统系统；全产业链数据 库集成，将各子系统应用数据汇总集成至大数据中 心，进行数据分析综合展示；全产业链大数据分析预 测集成，提供业务建模、流程建模等方面的一组集成 开发测试工具集，以便可研团队进行模型构建与变量 因子分析。

(3) 油料全产业链大数据建设应用平台 。包括： 油料(油菜、花生)大数据面积监测系统，主要基于遥 感影像面积信息的提取，监测区域内油料(油菜 、花

生)的种植区域分布、种植面积、及不同种植阶段的时 序性分析；产量监测预测系统，通过油料(油菜、花生)  生长生育规律进行模型化定量分析，预测油料(油菜、 花生)产量，通过大数据的多模泛化关联分析气象各 要素对油料(油菜、花生)单产之间的关系分析、分析 油料(油菜 、花生)产量形成过程中的物质投入的影 响 。种植管理系统，建立油料(油菜、花生)产业的基 本信息数据库，实现种植户信息的分析、应用、查询和 统计功能，便于了解油料(油菜、花生)生产的种植户 人口结构、人力状况和分布情况；加工管理系统，建立 油料(油菜、花生)加工信息库，便于了解各地区油料  (油菜、花生)加工企业经营、企业分布、加工工艺变化 的分析；流通管理系统，建立油料(油菜、花生)流通信 息库，便于分析油料(油菜、花生)流通企业分布、产品 销售途径、采购来源、消费监测预测系统，基于压榨企 业产能、国内外市场价格变化对企业压榨加工能力变 化、市场变化、技术变化和资本市场变化进行油料(油 菜、花生)加工消费分析；价格监测预测系统，通过对 影响油料(油菜、花生)价格的因素进行分析，建立油 料(油菜、花生)价格的监测预警，进行未来价格的趋 势预测。

4.3 油料全产业链大数据平台的主题分析模 型

平台基于深度学习、机器学习、自然语言处理等 多种先进的人工智能技术，面向油料作物产量预测、 价格预测、政策演变等多个主题，针对产量、气象、多 光谱遥感 、期货价格等油料大数据展开深度挖掘分 析，为油料作物的生长监测、市场洞察和产业决策提 供一种多源数据驱动的研究方法 。其中构建的主要 分析模型如下所述。

( 1) 油料气象产量预测模型

整合空间异质的油料作物物候、气象(包括气温、 降水量、地表温度等因素)、产量数据等，基于深度学 习 LSTM(Long Short-Term Memory，长 短 期 记 忆 网 络)构建油料气象产量预测模型，估算全国县级油料 的气候产量并探究不同变量与产量之间的关联关 系[ 15] 。LSTM 是深度学习中一种特殊的循环神经网 络模型，具有时序依赖、信息选择性传递、非线性拟合 的特点，能够有效学习属于时间序列特性的油料气候 数据中包含的长期依赖信息，从而使得油料气象产量 预测模型达到更高的预测精度。

(2) 油料遥感产量预测模型

整合遥感时间序列数据，利用深度学习模型中长 短期记忆网络和注意力机制，构建用于油料遥感产量 预测的多时相深度学习模型，充分提取多时相多光谱 卫星遥感数据中的油料作物生长信息[ 16] 。该模型具 备自动高效地捕捉遥感数据中长期时序特征的能力， 能够充分利用油料作物生长过程中的累积效应实现 对油料作物产量的预测，为近实时的大规模油料作物 产量预测提供了一种遥感大数据驱动的解决方案，尤 其是缺乏可靠地面参考标签的农业地区，比多层感知 器、随机森林等传统方法具有更高的预测精度和空间 泛化能力。

(3) 油料期货价格预测模型

针对油料期货价格具有的典型时序性特征以及 其非线性、非平稳等特点，基于深度学习模型中 DBN 模型(Deep Belief Network，深度信念网络)构建油料 期货价格预测模型，用于监测油料市场变化和辅助决 策制定[ 17] 。DBN 模型是深度学习中概率生成模型， 在模型结构上具有更好的灵活性和扩展性，能够自主 学习大量无标注油料期货数据的本质特征并进一步 实现油料期货价格的预测，其精度相对传统预测方法 具有明显提升。

(4) 油料政策主题演化模型

通过网络爬虫技术爬取全国范围内发布的油料 相关政策文件，基于动态主题构建油料政策主题演化 模型[ 18- 19] 。在将文本数据按时间顺序、以相同的时间 窗宽进行划分的基础上，刻画主题动态演变的能力较 强 。该模型用于揭示不同时间同一主题的演变趋势， 发现政策主题的出现、延续、弱化、消失、合并等规律， 并能够有效分析不同政策主题下特征关键词的变化。  (5) 油料政策语义对比分析模型

以油料政策文件为语料库，基于 scattertext 算法 构建油料政策内容语义对比分析模型，以地理区域为 单位有效分析油料政策文件之间的内容差异 。模型 可在计算政策分组中特征词的领域特征得分以及类 别关联归一化 F值的基础上，综合考量这些特征词的 领域代表性和类别关联性特征，有效展现不同油料政 策分组中特征关键词的类别倾向性以及交叉相关性 分布规律，实现非结构化数据结构化处理，并实现不 同政策文件的内容差异转化，实现特征关键词之间的 语义关联与分布差异。

5  结果与展望

油料全产业链大数据建设是新时期、新常态下农 业农村信息化建设的重要组成部分，是与乡村振兴、 数字乡村等各方面紧密结合的系统工程，有助于政府 和企业全面掌握油料全产业链和资源底数，并借助持 续动态的数据更新，及时监测石油全产业链关键和核 心数据，提升用数据说话、用数据管理、用数据决策的 能力 。对于油料(油菜、花生)全产业链大数据的建设 依然是一个开放性课题 。在构建的油料全产业链大 数据平台的基础上，我们将进一步探索油料全产业链 大数据的深度挖掘分析与应用，包括：油料(油菜、花 生)在多种生产环境变量因子(作物品种、气候环境、 生产投入等)同时作用条件下，油料(油菜、花生)的产 量变化趋势；在国际贸易趋势(进出口量 、进出口价 格)、国内油料(油菜、花生)市场价格、国内油料(油 菜、花生)国家政策调控下，油料(油菜、花生)种植面 积的变化波动的情况等。

参考文献

[ 1] 中共中央办公厅 国务院办公厅印发《数字乡村发展战略纲 要   》.    http://www.   gov.   cn/zhengce/2019-05/ 16/content_ 5392269.htm.

The General Office of the CPC Central Committee and the

State Council issued the Outline of the Strategy for Digital Rural Development. http://www. gov. cn/zhengce/2019-05/ 16/ content_5392269.htm.

[2] 沈昀,张烨,李慧等 . 如何实现特色农产品全产业链大数据 建设[J]. 农村经济与科技,2021,32(04):97-98.

Shen Y, Zhang Y, Li H, et al. How to Realize the Construc‐ tion of Big Data for the Whole Industrial Chain of Featured Agricultural Products [J]. Rural Economy and Science-Tech‐ nology,2021,32(04):97-98.

[3] 窦心敬,贾明明,汪雪芳等 . 油料产品产地溯源技术研究进 展[J]. 核农学报,2020,34(S1): 129- 136.

Dou X J, Jia M M, Wang X F, et al. Research Progress of Oil Product  Origin Tracing Technology  [J]. Journal  of Nuclear Agricultural Sciences,2020,34(S1): 129- 136.

[4] 黄艳 . 我国建立油菜“田间到舌尖”全产业链绿色生产模式 [J]. 中国食品,2017( 11): 175.

Huang Y. China has Established a Green Production Model for the Whole  Industrial  Chain  of Rapeseed  from  Field  to Tongue [J]. China Food,2017( 11): 175.

[5] 姚海 . 油料作物生产全程机械化薄弱环节技术研讨会在湖

北召开[J]. 农机科技推广,2019(05): 15.

Yao  H.  Oil  Crop  Production  Whole  Mechanization  Weak Link Technology Seminar held in Hubei [J]. Agriculture Ma‐ chinery Technology Extension,2019(05): 15.

[6] 邢献芳,王玉彩 . 人工智能背景下的智慧生态农业发展模式 ——评《智能农业——智能时代的农业生产方式变革》[J]. 热带作物学报,2021,42(01):329.

Xing X F, Wang Y C. Development Mode of Intelligent Eco‐ logical Agriculture  in  the  Background  of Artificial  Intelli‐ gence  --  Comment  on  Intelligent Agriculture  --  Reform  of Agricultural Production Mode in the Intelligent Era [J]. Chi‐ nese Journal of Tropical Crops,2021,42(01):329.

[7] 詹菊球 . 人工智能与计算机技术在农业现代化中的应用分 析[J]. 农村 . 农业 . 农民(B版),2020( 10):50-51.

Zhan J Q. Application Analysis of Artificial Intelligence and Computer  Technology  in  Agricultural  Modernization   [J]. Countryside Agriculture Peasantry (B),2020( 10):50-51.

[8] 王传岐 . 浅析如何实现农产品全产业链大数据建设[J]. 种 子科技,2019,37( 14): 164- 168.

Wang C Q. Analysis on How to Realize the Construction of Big Data of the Whole Agricultural Products Industry Chain [J]. Seed Science & Technology,2019,37( 14): 164- 168.

[9] 卢新雄,尹广鹍,辛霞,陈晓玲,张金梅,何娟娟 . 作物种质资源 库的设计与建设要求[J]. 植物遗传资源学报:1-9[2021-04- 14].          http://kns.          cnki.          net/kcms/detail/ 11.4996. S.20210222.0902.001.html.

Lu X X, Yin G K, Xin X, et al. Design and Construction Re‐ quirements  of Crop  Germplasm  Bank  [J].  Journal  of Plant Genetic Resources:1-9[2021-04-14].http://kns.cnki.net/kcms/ detail/ 11.4996.S.20210222.0902.001.html.

[ 10] 黎朝红,程松涛 . 我国农业创新发展历程的回顾与思考[J]. 科学管理研究,2020,38(06): 112- 116.

Li C H, Cheng S T. Review and Reflection on the develop‐ ment of agriculture innovation in China[J]. Scientific Man‐ agement Research,2020,38(06): 112- 116.

[ 11] 钱永忠,郭林宇,金芬 . 现代农业全产业链标准化推进方略 [J]. 农产品质量与安全,2021(02): 10- 13.

Qian Y Z, Guo L Y, Jin F. The standardization strategy for the entire industrial chain of modern agriculture[J]. Quality and Safety of Agro-Products,2021(02): 10- 13.

[ 12] 吴明生,赵海艳,牛茜,宋歌,律宝春 . 北京市农作物标准样 品管理“三库一平台”建设及进展[J]. 种子 , 2019, 38( 11):

157- 158.

Wu M S, Zhao H Y, Niu Q, et al. Construction and Progress of“Three Databases and One Platform”for Crop Standard Sample   Management   in   Beijing[J].   Seed,  2019,  38( 11):

157- 158.