图片6
利用信息处理技术，对各种农业活动信息进行整理、分析、加工和挖掘，实现智能判断和决策，为农业生产智能化控制提供理论依据。
这些数据类型来自云和边缘计算物联网。
物联网的数据类型比较复杂，包括传感器数据、RFID数据、QR、视频、图片等。将云计算与农业物联网技术相结合，构建农业数据云，可以降低农业成本，提高效率，节约资源，促进农业现代化发展。边缘计算是在网络边缘或数据源附近，以网络、计算、存储、应用等核心能力为核心的开放平台，就近提供最近端计算服务。怎样把云计算与边缘计算结合起来，是解决农业物联网应用的及时性问题，对未来农业物联网的发展有着深远的影响。
模式与算法融合。
在实际应用中，由于客体自身属性及外部因素的影响，呈现出复杂的时空分布特征。多数算法和模型基于一元时间序列，即只能利用某一特定信息源的单变量时序信息，不能充分利用已有的多源信息。对于上述问题，可以将数学中的交互多模型方法应用到多传感器信息融合技术中，同时对多传感器信息进行综合处理，对目标的状态信息进行识别，提取出反映目标状态的综合信息。
模型传递
它是对特定条件下建立的模型，通过一定的数学方法，使其能够适应各种样品状态、环境及仪器条件，是解决数据通用性的关键技术。针对农业物联网应用复杂性和多变性的特点，可对复杂系统进行参数化建模，并采用多模型融合方法建立模型传递系统。采用变量筛选、微分、小波变换、傅里叶变换等预处理方法、增广校正模型和稳健回归等方法参数化建模。将模型的应用范围扩大到不同的应用领域，但要计算模型的动态参数，以检验模型的精度和适应性。基于该模型，采用多模型融合方法得到最优融合结果，可有效提高模型的适应性。
人工智能分析技术
随着移动互联网、物联网、云计算等技术的迅猛发展，大量的数据量使得人工智能逐渐逼近人类智能，推动了新一代信息技术的创新。AI分析技术在农业信息智能处理中的作用越来越明显，而目前针对农业生产、经营、管理的人工智能理论体系尚待突破。尤其需要重点突破智能农业场景应用的理论方法和共性关键技术，开发集智能感知、控制、自主操作为一体的系统装备产品。智能化服务等功能，有效地促进农业生产经营资源的节约、配置优化、治理效率的提高，推动农业农村发展的质变和效率转变，力量的转变，为我国乡村振兴战略和农业农村现代化发展服务。
