導言：作為寫作愛好者，不可錯過為您精心挑選的10篇智能農業論文，它們將為您的寫作提供全新的視角，我們衷心期待您的閱讀，并希望這些內容能為您提供靈感和參考。

篇1

2.豐南區農業灌溉智能化系統建設

豐南區在2008年開始建設農田灌溉監測系統，2010年9月列入全國第二批小型農田水利重點縣項目區。項目建設之初，豐南區就確立了工程節水與管理節水一體建設的目標，把農業灌溉用水監測納入項目建設之中，與管灌工程建設緊密結合起來，實現了農業灌溉的自動化、智能化管理，由傳統粗放管水農業向現代化精準用水農業轉型，取得了很好的效果。農業灌溉監測系統的建設，監測中心是關鍵，是整個監測系統的中樞。為此，豐南區建立了2個中心，一個在局機關，另一個在唐山海森電子公司（企業自建），兩個監測中心并行，同時監測，數據共享。通過幾年的運用，達到了如下目標：一是建成了全省第一個縣級農業灌溉監測系統。以監測中心為中樞，智能控制柜為監測點，形成了灌溉監測網絡。二是實現了對農業灌溉各種數據的適時監測，利用數據指導農民灌溉。到2012年底，全區共有農田機井8126眼，目前安裝機井智能控制柜2700多套。機井灌溉智能控制柜設施安裝率達到30%以上，初步形成了農用機井灌溉數據信息采集及分析。

3.農業灌溉智能化系統應用效果

及注意事項農田灌溉監測系統的建設，以機井智能控制柜為載體，全面提升用水計量設施。以機井智能控制柜替代傳統井房是建設灌溉監測系統的突破口，智能控制柜與傳統井房相比具有占地少、投資小、快速安裝、使用簡便且安全可靠、計量收費公平、準確、可重復使用等優點。通過實際運用，達到了如下目標：一是工程形象面貌煥然一新。整齊劃一、新穎別致的機井智能控制柜替代了破舊的老式井房，使整個工程的可視性大幅度提升。二是實現了單一用電計量向水電雙控計量的轉型。改變了過去IC卡單一計量電量的方式，使農民可以直觀地看到用水情況，增加農民的節水意識。三是操控方便。經過簡單的培訓，農民可以熟練掌握使用方法。根據灌溉周期及個人時間要求，隨時進行澆地，改變了過去排隊澆地，爭水、搶水的現象。四是提高強制管理手段，實現用水、繳費自動結算，解決長期存在的農業灌溉收費難的問題，也為開征農業水資源費打下了基礎。五是大面積推廣機井智能控制柜，為全面建設灌溉監測系統奠定了物質基礎。農業灌溉智能監測系統的應用，為農業灌溉自動化管理提供了良好的信息平臺，同時，也存在一些問題，一是現在部分務農人員年齡偏大，利用智能手機操作有一定困難，需要技術培訓和指導。二是在防偷仿盜方面需要加強管理。三是全面普及需要投入大量資金，目前，國家沒有針對農業灌溉智能監測系統的專項資金，致使農業灌溉智能監測項目發展緩慢。

篇2

 

人類社會邁入新的世紀，全球展開了信息技術革命，并且正以前所未有的方式對社會變革的方向起著決定作用。隨著信息化的深入，信息的數量以驚人的速度急劇地爆炸性增加。論文參考網。除了廣播、電視、書籍、報紙等各種傳統的信息傳播媒介之外,又出現了國際互聯網、無線上網、手機上網等新的信息傳遞手段,使信息獲取變得更加多樣復雜，同樣使農業信息獲取的渠道增多。面對“信息爆炸”的時代，如何快速高效的進行網絡中的農業信息獲取成了農業信息工作的首要任務。

在新的環境下，作為農業信息從業人員，應掌握更多的從當前網絡中獲取農業信息的手段，下面從六個方面說明如何在當前網絡中進行農業信息獲取。

1、使用專業的農業信息搜索引擎，是農業信息化發展的方向。

要在海量信息中找到所需農業信息，就必須用到專業級的搜索引擎。我國目前現狀，農業信息的獲取還很困難，特別是急需農業科技信息和市場信息的企業、部門、農戶，他們通過綜合搜索引擎，并不能迅速找到自己想要的信息。據不完全統計，在農業領域現有各種網站近十萬多個，涉及農、林、牧、漁、水利、氣象、農墾、鄉鎮企業及其它農業部門。在這些海量的信息中，如何搜索一個準確的農業信息是農業人員非常關注的問題。因此，針對于中文農業網絡資源研發專業化的搜索引擎，實現農業信息的精確搜索是農業信息搜索引擎發展方向。

在專業農業搜索引擎方面，有些網站已經走在前列:

世界范圍：(1)農業沖浪(agrisurf.com)。世界上最大的農業專業搜索引擎，提供分類檢索和關鍵詞檢索,提供大約20 000多個農業相關網站和95個國家與地區的有效鏈接。

(2) Ceres Online

ceresgroup.com/col/

專門提供農業信息。其搜索功能連接到了農業產業的其它專業人員。日歷數據庫列出了幾百個即將到來的農業活動，氣象圖提供了世界各地天氣情況以及熱點信息。論文參考網。

（3）AgEconSearch

agecon.lib.umn.edu/

AgEcon搜索收集，索引包括諸如農業，食品供應，自然資源經濟學，環境經濟學，農產品貿易及廣義的農業經濟領域的學術研究全文。

國內相關搜索引擎：

(1)農搜sdd.net.cn/

農搜農業專業搜索引擎的研發得到了中國農業科學院“杰出人才工程”經費的資助。

(2)搜農sounong.net/

中國搜農是在國家科技支撐計劃項目和現代農村信息化關鍵技術研究與示范項目資助下取得的一項重大創新成果，也是第一個面向我國農業企業、農民大戶、農業專業技術協會以及廣大農業科技人員提供農業通用搜索與農產品供求、農業實用技術、政策新聞等專題的搜索服務。

(3)so.ag365.com/365農業搜索

(4)chinanong.com/華農在線-中國農業信息搜索引擎

(5)086ny.com/soso/超農網農業搜索

(6)3nss.com/Portal/Default.aspx三農搜索網

2、除了農業搜索引擎外，網絡中農業信息獲取還要有相應的專業智能瀏覽器。

使用專門開發的面向農業信息獲取方面的智能瀏覽器，可以借助智能瀏覽器的功能，方便快捷地進行快速搜索、精確搜索，過濾無關信息，提取農業信息，為廣大農民用戶方便快捷地獲取農業信息提供服務。

3、使用在線農業專家系統。

農業專家系統是運用人工智能的專家系統技術，匯集農業領域知識、模型和專家經驗等，采用合宜的知識表示技術和推理策略，以信息網絡為載體,為農業生產管理者提供咨詢服務。傳統的農業專家系統在現今的網絡條件下變的不適用。現在農業專家系統的發展方向為:在線農業專家系統及實時智能專家系統。

目前國內許多專家系統已經上線并且在使用過程中起到了良好效果。

（1）esa.org.cn/index.asp

廣西智能農業信息網，提供作物類、瓜果類、蔬菜類、畜牧類、獸醫類和水產類等六類十九種在線專家系統。

（2）nbnky.gov.cn:4000

寧波農經網農業專家系統，提供了蔬菜病蟲害專家系統、河蟹養殖專家系統、家兔養殖專家系統、海水養殖系列專家系統、網箱養魚專家系統等二十八種在線專家系統。

（3）hebaic.com.cn/index.do?templet=er_zjxt

河北農業技術推廣網、河北農業智能信息網專家系統，提供金絲小棗栽培專家系統、養牛管理專家系統、無公害番茄專家系統等三十余種在線專家系統。

（4）zjxt.hzagro.com/

農業專家系統.net，杭州市科技局、杭州市農辦主辦提供了水果干果、蔬菜種植、花卉苗木、中藥材、水產養殖、畜禽養殖等類七十余種在線農業專家系統。

（5）202.107.249.147/

麗水市農業專家知識系統，提供了花卉苗木、食用菌、筍竹、蔬菜、水產、中藥材、其它等十類八十五種在線農業專家系統。

4、進行農業信息智能分析。

農業信息智能分析是應用智能化技術代替傳統方法進行農業信息分析的新的研究領域。它主要是圍繞農業生產、農產品市場、農業經營管理、農業科技中的分析對象, 進行智能化地信息自動采集、存儲、管理、計算、判別等的過程,可模仿、代替專家,解決農業中波動分析、風險識別、早期預測、效果評價等諸多問題。目前農業智能分析技術在我國已投入實際使用。

（1）農業部的“農作物遙感監測系統”,通過采用遙感和地理信息系統手段,及時動態地監測農作物生長狀況,解決了依賴實地調查、手工記錄、數據上報等傳統信息獲取方式的不足。針對數據和信息源不足、渠道不暢等問題,農業系統開展了“農產品市場監測預警系統”的開發與應用,定期對糧、油、果、菜、畜產品等主要農產品的生產、需求、進出口、市場行情,進行動態監測、分析,為政府部門、生產者和經營者提供了決策參考。

（2）中國農科院智能化農業預警技術與系統重點開放實驗室,構建了全國農產品供求平衡分析預測模型體系框架,開展了12種主要農產品的市場供求分析預測。利用網絡抓取技術、數據挖掘技術,已經能從海量的信息中獲取市場波動的隱性信息。論文參考網。并建立了主要農產品供求信息庫,能對12種主要農產品的市場行情進行趨勢分析與展望。

5、使用專業農業網站、專業農業論壇、專業農業交流圈。

傳統的專業農業網站及專業農業論壇仍然是廣大農民互聯網上獲取農業信息的主要渠道。另外基于新興的WEB2.0技術組建的專業農業交流圈能大大增強訪問者之間的互動也迅速發展，大有前途。

國內專業農業網站及農業論壇：

（1）202.127.45.50/

中華人民共和國農業部，中國農業信息網。

（2）zgny.com.cn/

中國農業網，農業企業的商務信息平臺。

（3）chinabreed.com/

中國養殖網，最大畜牧行業門戶網站，提供養殖、飼料、養豬、養雞、養牛、 養羊、家禽、獸藥、特種養殖及畜牧機械相關信息。

（4）aweb.com.cn/

農博網，國家農村信息服務示范項目，以“服務農業,E化農業”的宗旨，為涉農人群提供農業資訊、農產品電子商務、農業論壇以及農業人才服務。

（5）12582.com/

農信通農村信息網，涉農生活服務移動互聯網平臺,提供最新農業信息，化肥、飼料、農機等價格行情，農民工招聘、就業信息；食品、水果、蔬菜等農產品交易信息，是城鄉互動、鄉村旅游、農家樂的綜合展示窗口。

（6）feedtrade.com.cn/

中國飼料行業信息網，為飼料生產加工、飼料原料貿易、飼料添加劑及畜牧養殖企業提供全面的新聞、行情、價格和分析預測等信息資訊服務。

（7）yuanlin.com/

中國園林網,提供園林綠化苗木資訊,園林綠化景觀,園林綠化苗木工程,園林綠化設計 ,等方面信息,為相關園林綠化苗圃企業提供商鋪,是園林綠化,苗木園藝的專業園林綠化門戶。

（8）bbs.aweb.com.cn/

中國三農論壇，博覽天下農事，關注農村、關心農業、關愛農民。

6、除了以上信息資源外,專題討論組、電子論壇等也可以方便地為相同科學領域的農業專家提供交流空間,這也是當前網絡獲取農業信息資源的重要方式之一。

參考文獻：

[1]《不同搜索引擎在農業領域的應用效果對比》，劉艷華、徐勇。《農業網絡信息》2009年08期.

[2]《互聯網上農業信息資源的整合、利用與管理研究》，嚴方。《華中農業大學》，碩士論文.

篇3

中圖分類號：TP393 文獻標識碼：A DOI：10，3969/J.issn.1003-6970.2013.03.001

本文著錄格式：[1]郭平，劉波，沈岳，農業云大數據自組織推送關鍵技術綜述[J].軟件，2013，34（3）：1-6

0 引言

隨著物聯網、云計算、下一代互聯網等新一代信息技術的快速發展和信息內容的日益增長，“信息過載”問題愈來愈嚴重，推薦系統（recommender systems）被認為可以有效的緩解此難題，幫助用戶從海量數據中發現感興趣信息，滿足個性化需求。

近年來，我國在農業個性化知識服務服務領域從本體論、語義網、知識工程角度開展了廣泛的研究，成果主要體現在三個方面：以搜索引擎為代表的知識檢索系統，需回答大量預設問題進行知識推理的專家系統，特定領域應用系統，它們在各自的場合都發揮了積極作用。然而知識檢索系統不能滿足用戶個性化需求，專家系統的應用很難普及，特定領域應用開發成本高和重用難度大。物聯網與數據挖掘云服務提供知識服務云實現物理世界的“感知控”，知識服務云的研究主要集中在制造和圖書情報領域，云環境下的農業個性化知識服務的研究尚處于起步階段，主要集中在服務模式的構建與展望。

本文是對科技部科技支撐課題“農村農業信息化關鍵技術集成與示范”（2011BAD21803）與“農村物聯網綜合信息服務科技工程”（2012BAD35800）研究成果的總結，也是對農業云推薦系統研究的升華。

1 農業云大數據自組織區域推送的提出

1.1 農業信息資源特點

我國自“十一五”時期以來，農業農村信息化發展取得了顯著成效，主要表現在農業農村信息化基礎設施不斷完善、業務應用深入發展、物聯網技術在農業中逐步推廣應用等方面。從中央到省，市、縣建立了“三農”綜合信息服務平臺，涉農企業、組織和科研院所也積極搭建了各具特色的農業信息服務平臺，目前正向鄉鎮村發展。農村信息員隊伍及以農業綜合信息服務站和農業合作社為代表的農村信息服務機構發展迅速，“三電合一”、“農民信箱”、“農村熱線”等信息服務模式應用深入。云計算利用海量的存儲能力把農業信息資源形成高度集成和虛擬化的計算資源一“農業知識聚合云”，支持用戶在任意位置、使用各種終端方便獲取信息，但由于農業領域生態區域性和過程復雜性及農業區域發展不平衡和農民文化的多層次性也帶來了“信息過載”、“資源隱晦”“資源迷向”等問題。

1.2 農業云環境下大數據自組織區域推送

物聯網和云計算背后是大數據，在云計算模式下，用戶不確定的、智能的交互，個性化需求更加多元化，信息交互行為更加頻繁；在大量用戶通過社會標注達成共識的過程中，逐漸形成不同社區，涌現出群體智能，形成“農業用戶興趣社交云”。利用云的海量存儲、群體涌現智能、強大的計算能力和物聯網感知控優勢，可以提供面向用戶復雜分析計算，實現業務重點由面向應用和資源的傳統信息服務，轉變為基于對海量農業知識進行動態劃分，有目的、主動、定制、自組織推送給有需求的農業用戶，為農業用戶提供實時性、個性化知識服務，指導農業生產過程。

首先以Hadoop+MapReduce+HBaSe分布式框架為處理平臺，對“農業用戶興趣社交云”，融合用戶興趣偏好和社交網絡進行建模，將這些多元用戶信息充分融入推送系統會更好產生推薦結果；將推薦對象“農業知識聚合云”按農業知識高維性、多樣性、多層次性特征分類聚類為各種知識塊靜態和動態元數據；通過智能算法推薦和社會網絡推薦為用戶發現個性化內容；根據用戶的地理位置、用戶服務的評價以及云基礎服務提供商信息將預測值最高的服務推送給用戶實現與物理世界的互動（如圖1）。

從以上分析可知，農業云大數據自組織區域推送的關鍵技術有用戶興趣模型、推薦對象模型，推薦算法、數據挖掘四個部分，以下分別對這幾項技術進行論述。

1.2.1 用戶興趣模型

用戶興趣建模是個性化服務技術的基礎和核心，包括數據收集、模型表示、模型學習與模型更新。用戶興趣建模的方法有很多，常用的有向量空間模型、神經網絡、遺傳算法、用戶一項目評價矩陣、基于案例的表示、基于本體論的表示、基于加權關鍵詞的表示，基于社會網絡的表示等。幾乎每種表示形式都是以一種私有形式進行知識表示，此外一些表示技術還依賴于模型學習，如廣泛使用的基于向量空間模型的表示與TF-IDF學習技術聯系在一起。表示形式的私有性和對學習技術的依賴性阻礙了用戶模型在系統間的共享，這種共享對于減少用戶建模工作量，提高推薦算法啟動效率具有重要意義。因此開發獨立于模型學習技術的通用用戶模型表示技術是目前研究中熱點，基于語義網和社交網絡的用戶模型在這方面表現了優勢。

用戶的興趣或需求會隨時間、情景發生變化，結合長期和短期興趣及興趣的變化用戶興趣建模的重點，目前的更新機制很難及時跟蹤用戶興趣的變化，有更好的學習效率和動態變化適應能力的建模是未來的重要研究方向，國內外大量的文獻對此展開了研究，遺忘函數、時間窗、用戶興趣的漂移特性等被提出。

在湖南農業云中，基于呼叫中心、互聯網，手機報、手機短信，電視廣播等用戶在多應用系統中形成的興趣偏好和社交網絡特征，提出“農業用戶興趣社交云”建模思路：以圖論模型表示用戶“興趣圖”數據和“社交圖”數據，根據經典的局域世界演化理論，綜合考慮實際情況中用戶之間的多重關系和關系的強弱程度，以用戶之間相似度為節點連接概率因素，生成動態多維網絡，進行用戶數據的挖掘和更新；結合農業本體，在多維社交網絡的基礎上，將基于農業本體的區域用戶興趣融合在云計算平臺上進行處理。

1.2.2 推薦對象模型

推薦本質上是將推薦對象的特征與用戶的興趣偏好進行推薦計算，所以推薦對象的描述和用戶的描述密切相關。推薦系統應用不同領域，它推薦的對象也就各不相同，目前，湖南農業云主要是文本性數據；不同的對象，特征也不相同，目前沒有一個統一的標準來進行統一描述，主要有基于內容、分類、聚類的方法。

基于內容的方法是從對象本身抽取信息表示對象，常見的是向量空間模型，使用最廣泛的是加權關鍵詞矢量方法進行特征選取，使用TFIDF計算每個特征的權值。向量空間模型對模型中的特征詞進行權重估計（TF-IDF）過程中不考慮特征詞之間的相關性，直接用特征詞作為維度構建文檔向量，降低了文檔向量對文檔概念表達的準確性以及對不同類型文檔的區分能力。

基于分類的方法是把推薦對象放入不同類別，把同類文檔推薦給對該類文檔感興趣的用戶。主要有兩種，一種是基于知識工程的方法，使專家的類別知識直接編碼為分類規則，正確率和召回率高，但工作量大；近期研究最多的是另一種一機器學習，根據訓練樣本集建立分類器，方法有很多，常見的有概率分類、貝葉斯回歸分析、決策樹分類器、決策規則分類器、Rocchio分類器、神經網絡分類器、支持向量機（SVM）、分類器融合、Boosting分類器、k最近鄰方法（KNN）等。

研究文本聚類的最初目的是為了提高信息檢索的查全率和查準率，近年來，文本聚類用于自動產生文本的多層次的類，并利用這些新生成的類對新文本進行效率較好的歸類，已經提出了大量的文本聚類算法。傳統的聚類算法在處理高維和海量文本時效率不很理想。針對這樣的問題，將聚類分析與計算智能理論，并行計算、云計算等相結合，設計出高效的并行聚類算法，己經成為一個比較流行的研究思路。

在湖南農業知識云數據模型中，將能更好反映特征詞相關性的超圖模型引入，將文檔中提取的特征項表示為圖中節點，特征詞條之間的關系構成圖中邊，用邊上權值表示相關聯特征項之間共現程度。通過對文本圖模型K最近鄰劃分實現降維降噪的粗粒度數據切片；對切片后數據反映用戶興趣如地域、時間、訴求等多維度特征的智能聚類，實現細粒度的聚合與分割。

“農業知識聚合云”模型算法建立在基于MapReduce處理的大規模圖上，得到各種知識塊靜態和動態元數據。

1.2.3 推薦算法

推薦算法是整個推薦系統中核心部分，大量的論文和著作都關注了這個方面。目前，基本包括以下幾種：基于內容過濾推薦、協同過濾推薦、基于關聯推薦、基于知識推薦、基于效用推薦、基于網絡結構推薦、基于聚類推薦、基于社會網絡分析推薦、混合型推薦等。通過對眾多推薦算法進行比較分析，各種算法都有優缺點（如表1）：

各種推薦方法都有各自的優缺點，在實際問題中采用多種策略進行混合推薦，主要有兩種混合思路：推薦結果混合和推薦算法混合。目前大部分的推薦算法都是混合推薦算法，主要還是以協同理論為核心，再配合其他算法的優點或交叉學科的理論來改善推薦的質量。另外基于社會網絡個性化推薦算法研究是一個趨勢，基于社會網絡的推薦是協同過濾的延伸，通過考察結點之間（用戶和用戶之間或產品之間）的相關性和結點之間的信任度可以獲得比一般協同推薦更高推薦效果，如文獻提出將社會網絡關系結合到推薦算法中。縱觀國內外在推薦算法上的研究，主要集中在基于用戶顯性評分數據的協同過濾算法上，對基于非顯性評分行為數據場景下的研究卻顯得有點不足。目前在擴展性問題上學術研究不是很具有針對性，主要集中在通過各種交叉學科中的方法來對用戶進行聚類或對行為數據進行降維、壓縮等縮短推薦的項目集或減少計算量，從而提升算法的性能；有關基于云平臺上的推薦算法研究目前主要集中于協同過濾算法MapReduce化。而實際應用中，己出現利用分布式集群解決算法擴展性方法，如Google News的推薦算法就是部署在分布式環境下，從而滿足海量數據下的推薦服務。

根據農業云大數據自組織區域推送實際情況將推薦結果和推薦算法混合，提出“三層推薦”策略：在豐富的知識塊云元數據基礎上，將知識塊屬性和用戶興趣行為基于頻繁模式的知識關聯撮合推薦；通過復雜網絡聚類算法識別一個用戶多個社區興趣，融合“興趣圖”和“社交圖”協同過濾推薦，突破算法推薦的局限性，讓用戶信任的朋友圈子為其發現和推薦內容，取得社交推薦的時效性和算法推薦的長尾性之間的互補，從而針對每個社區成員提供精準個性化推薦；根據基礎設施服務供應商、用戶所在的地理位置以及用戶對服務可用性評價值的相似性等，將大量用戶云終端聚類為一定數量的社區，提高云端推送服務的有效性，最終形成通過大眾參與，支持云間變換，集電信網、廣播電視網、互聯網合一的自組織區域推送，較有效地處理一般推薦算法中存在的稀疏性、冷啟動以及大規模實時計算的問題。

1.2.4 云計算下個性化數據挖掘

數據挖掘采用了多種領域中的思想，包括來自統計學的抽樣、估計、假設檢驗以及人工智能、模式識別和機器學習的搜索算法、建模技術和學習理論。隨著數據挖掘的不斷發展，也采用了包括最優化、進化計算、信息論、信號處理、可視化、信息檢索、云計算、并行計算等技術。與傳統的數據挖掘相比，云計算下的個性化數據挖掘的目標，就是通過云計算中心，向用戶提供針對其即時演化需求的數據挖掘SaaS（Software as aService，軟件即服務）服務，其基礎問題主要為：對于用戶不同的數據挖掘需求以及針對用戶特點進行個性推薦的建模和表征；數據挖掘算法適應云計算的并行分布式化；使數據挖掘的結果和算法能夠支持云間變換并形成一種面向用戶、即時組合的、變粒度的云服務，其中數據挖掘的云服務化是研究的難點。

（1）云計算下個性推薦的建模和表征

云下的個性推薦建模和表征與傳統上個性化推薦明顯的不同在于海量異構大數據和用戶間群體涌現的社交網絡，它們本質上形成了多個頂點的大規模圖。云計算可以為大規模個性化提供技術支撐，云服務本身也有大規模個性化定制應用需求，目前研究兩者結合的文獻還很少，張澤華從計算資源的角度基于復雜系統理論對云計算聯盟體系結構進行建模，并基于蟻群優化算法和復雜系統理論進行了負載均衡研究；郭昱就有效處理客戶需求信息該如何選擇與分布云計算平臺中的關鍵節點問題，提出了基于云計算的大規模定制客戶需求模型。趙東杰對復雜網絡、數據挖掘與群體智能有效結合進行了探索研究。農業云大數據自組織推送通過“農業知識聚合云”分解的靜態、動態知識元數據和“農業用戶興趣社交云”形成的興趣圖、社交圖基于用戶行為和知識元數據的關聯撮合，通過人工智能和社交圈子幫助用戶發現內容，實現搜索和推薦的無縫結合，為智能個性化推薦實現“內容找人”愿景。

（2）算法并行分布式與高性能計算

對于大規模數據的處理，典型系統結構大致分為三類：基于MapReduce模型的分布式并行處理系統、基于BSP模型的分布式并行處理系統和分布式圖數據庫系統。數據挖掘算法現在的發展趨勢是基于云計算的并行數據挖掘，它的同一個算法可以分布在多個節點上，多個算法之間是并行的，多個資源實行按需分配，而且分布式計算模型采用云計算模式，數據用DFS或者HBASE，編程模式采用MapReduce這種方式。Bhaduri等整理了一個十分詳盡的并行數據挖掘算法文獻目錄，包含了關聯規則學習、分類、聚類、流數據挖掘四大類分布式數據挖掘算法，同時還包括分布式系統、隱私保護等相關的研究工作。

2 基于云計算推薦系統研究的重點、難點與熱點

2.1 云環境下用戶偏好獲取安全與可信問題

推薦系統中，用戶數據集的數量和質量問題，影響用戶模型的精確度、可用性，導致問題的根本原因在于用戶對隱私和安全的考慮。而云環境下，數據的安全與隱私是用戶非常關心的問題。既能得到準確用戶信息而提高推薦系統性能，又能有效保護用戶信息同時檢測并能預防推薦攻擊（一些不法的用戶為了提高或降低某些對象的推薦概率，惡意捏造用戶評分數據而達到目的）將是未來推薦系統的一個重要研究方向。

2.2 模型過擬合問題

過擬合現象是指系統推薦給用戶的對象與用戶剛剛看過的不是太相似或者太不相關。過擬合（過學習）的問題本質上來自于數據的不完備性，這在實際應用中是無法完全避免的。在于興趣偏好獲取方式或隱私等原因使用戶沒有對足夠多類別的對象進行評價。目前解決的主要方法是引入隨機性，使推薦算法收斂到全局最優或者逼近全局最優，關于既要保證推薦的多樣性，又不能與用戶看過的對象重復或毫不相關這一問題的研究是推薦系統研究的一個難點和重點。

2.3 稀疏性與冷啟動問題

稀疏性和冷啟動問題困擾推薦系統很長時間了，前者的解決辦法主要過濾和降維。目前針對冷啟動問題提出了一些解決方法，主要分為兩大方面，一是直接利用傳統協同過濾的評分數據結合特定的方法進行解決，二是新用戶或新項目的內容屬性信息與傳統的協同過濾評分數據相結合的方法進行改善冷啟動問題。稀疏性與冷啟動問題一直是推薦系統研究的一個難點和重點。

2.4 數據挖掘的結果和算法智能服務化

將數據挖掘算法融入針對海量用戶的使用記錄和計算資源間協作進行優化組合，利用這些特性通過大眾參與的交互作用，提高云間服務的智能性、有效性將是大數據時代推薦系統研究的一個制高點。將數據挖掘任務及其實現算法服務化，通過SaaS方式向云計算中心索取所需的相應的數據挖掘，這可能是目前突破數據挖掘專用軟件使用門檻過高、普通大眾難以觸及、企業用戶使用成本太大、挖掘算法和結果難以實時得到評價和相應修改等問題的最有希望的解決方案之一，也是數據挖掘走向互聯網大眾、走向實用化的重要的一步。

2.5 大數據處理與增量計算問題

目前對大數據的研究仍處于一個非常初步的階段，半結構化和非結構化數據給傳統的數據分析帶來巨大挑戰，尤其算法如何快速高效地處理推薦系統海量和稀疏的數據成為迫在眉睫的問題。當產生新的數據時，算法的結果不需要在整個數據集上重新進行計算，而只需考慮增量部分，對原有的結果進行微調，快速得到準確的新結果，是增量計算的理想狀態。但一般而言，隨著信息量的增多，算法的誤差會累積變大，最終每過一段時間還是需要利用全局數據重新進行計算。一個特別困難的挑戰是如何設計一種能夠保證其誤差不會累積的算法，也就是說其結果與利用全部數據重新計算的結果之間的差異不會單調上升，要達到這種程度，還有很長的路要走。

結束語：

隨著新一代信息技術的快速發展和信息內容的日益增長，搭載在云計算平臺的自組織區域推送具有它天然的優勢：云的海量存儲使得推薦系統能有效獲取訓練數據；云的分布式計算能力提供了較高的響應能力；海量用戶的使用記錄和計算資源問大眾參與的交互涌現，最終形成自組織優化組合的智能個性化云推送。因此，農業云自組織區域推送具有重要的研究意義和廣闊的應用前景，對云環境下其他領域的個性化推送應用具有借鑒意義，但目前存在大量問題需要進行深入細致的研究。

參考文獻

[1]孟祥武，胡勛，王立才，張玉潔，移動推薦系統及其應用[J]，軟件學報，2013，24（1）：91-108

[2]楊濤，基于本體的農業領域知識服務若干關鍵技術研究[D]，上海：復旦大學計算機科學技術學院博士論文，2011，1-50

[3]楊曉蓉，分布式農業科技信息共享關鍵技術研究與應用[D]，北京：中國農業科學院博士學位論文，2011，3-35

[4]趙春江，農業智能系統[M]，北京：科學出版社，2009，1-210，

[5]何清，物聯網與數據挖掘云服務[J]，智能系統學報，2012，7（3）：1-5，

[6]黃衛東，于瑞強，共享學習模式下知識服務云平臺的構建研究[J]，電信科學，2011，12：6-11

[7]丁靜，楊善林，羅賀，丁帥，云計算環境下的數據挖掘服務模式[J]，計算機科學，2012，39（6）：217-219，237

[8]鄧仲華，錢劍紅，陸穎雋，國內圖書情報領域云計算研究分析[J]，信息資源管理學報，2012，2：10-16

[9]胡安瑞，張霖，陶飛，羅永亮，基于知識的云制造資源服務管理[J]同濟大學學報（自然科學版），2012，40（7）：1093-1101

[10]程功勛，劉麗蘭，林智奇，俞濤，面向用戶偏好的智能云服務平臺研究[J]，中國機械工程，2012，23（11）：1318-1323，1336

[11]劉波，方逵，沈岳，可重構的農業知識服務模式研究[J]農機化研究，2011，36（11）：66-70

[12]趙星，廖桂平，史曉慧，陳誠，李文圃，物聯網與云計算環境下的農業信息服務模式構建[J]，農機化研究，2012，4：142-147

[13]郭永田，中國農業農村信息化發展成效與展望[J]，電子政務，2012，02-03：99-106

[14]李道亮，中國農業農村信息化發展報告（2011）[M]，北京：電子工業出版，2012，87-150

[15]錢平，鄭業魯，農業木體論研究與應用[M]，北京：中國農業科學技術出版社，2006，1-100

[16]吳麗花，劉魯，個性化推薦系統用戶建模技術綜述[J]，情報學報，2006，25（2）：55-62

[17]李珊，個性化服務中用戶興趣建模與更新研究[J]，情報學報，2010，29（1）：67-71

[18]王國霞，劉賀平，個性化推薦系統綜述[J]，計算機工程與應用，2012，48（7）：66-76

[19]王巧容，趙海燕，曹健，個性化服務中的用戶建模技術[J]，小型微型計算機系統，2011，32（1）：39-46

軟件雜志歡迎推薦投稿：http：///

[20]張華清，動態多維社會網絡中個性化推薦方法研究[D]，濟南：山東師范大學碩士學位論文，2012，16-31

[21]丹，面向跨系統個性化服務的用戶建模方法研究[J]_情報雜志，2012，31（6）：156-161

[22]鄧夏瑋，基于社交網絡的用戶行為研究[D]，北京：北京交通大學碩士學位論文，2012，4-43

[23]馬堯，基于多維用戶特征建模的個性化社交搜索引擎的設計與實現[D]，廣州：華南理工大學碩士學位論文，2012，12-55

[24]陳恩紅，徐童，田繼雷，楊禹，移動情景感知的個性化推薦技術[J]，中國計算機學會通訊，2013，9（3）：19-24

[25]Jong Hwa Kima，b，，Hyun JoonLeeb，Extraction of user profile based on workflow and information flow[J]，Expert Systems with Applications，2012，39（5）：5478-5487

[26]南智敏，錢松榮，引入漂移特性的用戶興趣模型優化研究[J]，微型電腦應用，2012，28（3）：30-32

[27]郭新明，弋改珍，混合模型的用戶興趣漂移算法[J]，智能系統學報，2010，5（2）：181-184

[28]程顯毅，朱倩，文本挖掘原理[M]，北京：科學出版社，2010，9-45 [29]李濤，推薦系統中若干關鍵問題研究[D]，南京：南京航空航天大學博士學位論文，2009，31-80

[30]姜倫，模糊聚類算法及其在中文文本聚類中的研究與實現[D]，哈爾濱：哈爾濱理工大學碩士學位論文，2010，18-48

[31]馮汝偉，謝強，丁秋林，基于文本聚類與分布式Lucene的知識檢索[J]，計算機應用，2013，33（1）：186-188

[32]陶紅，周永梅，高尚，一種基于語義相似度的群智能文本聚類的新方法[J]計算機應用研究，2012，29（2）：482-532

[33]孟海東，劉小榮，基于聚類分析的圖模型文檔分類[J]計算機應用與軟件，2012，29（1）：117-174，229

[34]饒君，張仁波，東呈曉，吳斌，基于MapReduce的大規模圖挖掘并行計算模型[J]，應用科技，2012，39（3）：56-60

[35]于戈，谷峪，鮑玉斌，王志剛，云計算環境下的大規模圖數據處理技術[J]，計算機學報，2011，34（10）：1753-1767

[36]呂善國，吳效葵，曹義親，基于網絡結構的推薦算法[J]_實驗室研究與探索，2012，31（7）：278-280，368

[37]周佳，羅鐵堅，一種基于內容關聯的學術資源協同推薦算法[J]，中國科學院研究生院學報，2013，30（1）：117-123

[38]唐曉波，張昭，基于混合圖的在線社交網絡個性化推薦系統研究[J]情報理論與實踐，2013，36（2）：91-95

[39]王立才，孟祥武，張玉潔，上下文感知推薦系統[J]，軟件學報，2012，23（1）：1-20

[40]劉建國，周濤，汪秉宏，個性化推薦系統的研究進展[J]，自然科學通報，2009，19（1）：1-15

[41]許海玲，吳瀟，李曉東，閻保平，互聯網推薦系統比較研究[J]軟件學報，2009，20（2）：350-362

[42]孫冬婷，何濤，張福海，推薦系統中的冷啟動問題研究綜述[J]，計算機與現代化，2012，5：59-63

[43]張亮，基于聚類技術的推薦算法研究[D]，成都：電子科技大學碩士學位論文，2012，7-18

[44]Liu， F.，Lee， H.J. Use of social network information to enhance collaborative filterinperformance.Expert[J] Systems with Applications. 2010， 37（7）：4772-4778.

[45]Jiang， J.， Lu， J.， Zhang， G.， Long， G. Scaling- Up Item-Based CollaborativeFiltering Recommendation Algorithm Based on Hadoop[C].2011 IEEE World Congress onServices.IEEE[A]. 2011， 490-497.

[46]周源，基于云計算的推薦算法研究[D]，成都：電子科技大學碩士學位論文，2012，26-64

[47]呂雪驥，基于云計算平臺的智能推薦系統研究[D]，合肥：安徽大學碩士學位論文，2012，25-43

[48]劉晨，改進的聚類挖掘算法對網絡自助出版“長尾”文本的推薦應用[D]，上海：復旦大學碩士學位論文，2011，10-19

[49]陳桂生，張海粟，劉玉超，云計算下的個性化數據挖掘服務[EB/OL]，[2011-2-28]中國人工智能學會通訊，http：//www，/contents/50/119，html

[50]張澤華，云計算聯盟建模及實現的關鍵技術研究[D]，昆明：云南大學博士學位論文，2012，26-114

[51]郭昱，吳清烈，基于云計算的大規模定制客戶需求響應模型及其節點的選擇與分布[J]，系統工程理論與實踐，2011，31（增刊2）：1-6

[52]趙東杰，張海粟，韓言妮，楊海濤，何宇，基于網絡化數據挖掘的群體智能研究方法[C]，Proceedings of 2010 The 3rdInternational Conference on Computational Intelligence andIndustrial Application（Volume 9）.IEEE[A].2010，239-243.

[53]AnandRajaraman，Jeffrey David Ullman著，王斌譯，互聯網大規模數據挖掘與分布式處理[M]，北京：人民郵電出版社，2012，1-253

[54]Bhaduri K， Das K， Liu Kun， et al. Distributed data mining bibliography[EB/OL]. [2011-01-03]. http：// cs. umbc. edu/～hillol/DDMBIB/

篇4

李道亮教授向《中國科技財富》介紹，近年來，我國農業信息化發展雖然迅速，但仍然存在一些問題。主要表現在，農業信息技術產品不成熟、服務體系整體的不完善、缺乏相應的激勵和鼓勵政策及產業體系、農業信息化機制不健全和聯產承包責任制規模比較小，組織化程度低等方面。要解決這些問題，李道亮教授認為，應當呼吁對農業信息化的政策支持；國家應當有意識地扶持一兩個龍頭企業轉向農業信息化的研究與生產，加快農業信息技術及產品熟化與轉化；調動三大電信運營商積極對農業信息化的投入；同時還要大力推動農業規模化經營。

篇5

[5] 何安科.基于STM32與光強傳感器BH1750的無線路燈控制系統[J].企業科技與發展，2011（20）：15-17.

[6] 張海輝，楊青，胡瑾，等.可控LED亮度的植物自適應精準補光系統[J].農業工程學報，2011（9）.

[7] 朱虹.LED照明驅動及自適應調光研究[D].上海：上海大學碩士學位論文，2007.

篇6

【關鍵詞】智能溫室 電氣工程 設計與實現

溫室與電氣自動化技術相結合形成智能溫室，既自動化溫室。其以計算機控制為核心，結合各類電動化技術分別由遮陽系統控制陽光照射面積和時間，噴滴灌系統控制濕度，風扇系統控制溫室溫度，移動苗床系統控制栽種面積與密度等多種系統組合。

1 智能溫室電氣工程現狀及問題

1.1 智能溫室的現狀

我國處于急速發展的階段，由于改革開放，我國吸收來自外界很多先進的技術，促進我國科學技術的發展，從而促進我國經濟產業的發展。我國智能溫室電氣工程利用當代傳感器技術、電子技術、通訊技術、網絡技術和采集技術等多種電氣工程的先進技術共同構建智能溫室的各個系統。智能溫室的電氣工程與農業種植技術相結合現農業產品連續生產并且高產量高品質的目標。

智能溫室為農業產品創建良好的生長環境，避免受到季節、溫度、濕度等客觀條件限制的同時，也避免多種化學污染。隨著自動化的不斷深化，農業產品的成本不斷降低，從而整體提升農業產品的經濟效益;當代技術的加入，智能溫室通過信息采集系統反應的全面精確的數據信息，加深對智能溫室的控制力度和完善其管理體系。

1.2 智能溫室的問題

我國近幾年的智能溫室技術主要引進國外的先進技術，由于市場的需求，我國對于智能溫室的功能正在不斷開發和研究中，不斷完善智能溫室的各項功能。我國目前智能溫室存在以下缺點：一是建立溫室結構標準體系。現今我國智能溫室結構沒有明確的國家標準，普遍遵循企業自身制定的標準，其結構往往各個不相同，從而導致農業產品質量、產量沒有統一的標準;二是智能溫室監控軟件的引用。我國目前沒有比較適合我國環境的溫室監控系統，雖然引進的溫室監控軟件、設備成本過高，不符合市場經濟的盈利原則，還存在不適合我國溫室環境和季節氣候標準的測定。除此之外，大多數溫室監控軟件不具備采集溫室環境各個因素相互影響之間的信息數據，實際上環境中各個因素之間是相互影響，相互的制約的關系，彼此之間呈現動態的變化趨勢，其造就的環境因素作用于溫室中的農產品，鼓勵人們積極開發研究智能溫室的各個功效。

2 智能溫室控制系統的設計與實現

智能溫室系統的控制系統主要分為氣候和營養液監控系統兩部分組成。氣候監控系統主要是對農作物所處的外界環境進行監控，例如溫室中的濕度、溫度、CO2含量、光照、風速等多種環境中會影響農作物生長的外界因素進行全面的監控，形成動態的數據圖，隨時將環境控制在對農作物生長最有利的狀態;營養液的控制系統主要根據不同農作物所需的奪中國營養元素的含量控制，為農作物創建良好的生長環境，確保農產品的產量和品質。控制系統的構件由五部分組成：

2.1 上位機的設計與實現

上機位是以計算機為核心創建完善的監控系統，在計算機屏幕上呈現相關的時間以及對應的測量值和其動態曲線圖，還要設計報警系統以及各個環結構件的運行狀態，使其管理者隨時了解溫室中相關數據信息，保持溫室的最佳狀態。對于溫室中出現的故障、關鍵數據信息、報警系統所傳輸的數據信息，要定時對其進行儲存，并且將其打印成紙質的形式，對其進行存檔，防止由于外界因素丟失數據，加強溫室的控制力度和便于檢修人員對數據信息的調用。設定操作人員的權限，允許其根據農作的不同設定相關參數，并且有權在出現故障時強制停止。

2.2 下位機系統

下位機是接受上位機中所顯示的數據信息，并且對其數據信息進行分析處理。下位機相對于上位機是一個相對獨立的個體，其操作人員同樣可以對溫室中的相關數據進行監控和調整。下位機通過多種精密科學數據的處理，并且通過傳輸機構將分析結果傳輸給上位機，通過復雜程序的設定，對下位機下達相關指令，下位機嚴格按照指令行運行，實現溫室中全面的監控系統。

2.3 通信通道的設計

通訊通道的設計是以穩定、便捷為主旨，確保各項功能的有效實施和對溫室的控制力度。系統中通信通道采取RS485接口連接，該接口由于雙接口、抗干擾功能和傳輸距離長的優勢能夠穩定、便捷傳輸。RS232接口其無論是穩定性、傳輸距離還是快捷方式都不及RS485，這類非平衡的傳輸方式適用于PC機之間的鏈接，因此上位機和下位機之間的通訊方式根據其通信的方式特點選擇不同的通信方式，并且實現兩種通信方式之間的相互轉換，保證信息之間的穩定、便捷的傳輸效率。

2.4 信號采集電路的設計

信號采集電路是根據各種傳感器對于溫室環境的測量和敏感度所獲取的信息數據傳輸給上位機并對溫室實施綜合性的監控功能，既實現對于溫室環境和營養液的監控功能。為了保證數據信息的精確性和高效性，傳感器靈敏程度至關重要，同時其采集電路也要具有很強的抗干擾性和簡約的特點，既選擇數字型傳感器則符合以上要求，經常被使用，同時為了保證各個數據信息之間不相互影響，從而設定為并聯電路和各種信息的模擬轉換器，保證數據信息的順利傳輸。

2.5 執行部分的設計

智能溫室的電器工程是通過天窗和遮陽簾開、關和角度，的電機來控制溫室中農作物的光照面積和程度;通風電機控制其通風狀況;加熱設備控制溫室的溫度;噴淋設備控制溫室內的濕度;CO2開放閥控制室內CO2的含量;營養液的施放閥和營養液的配方保證營養液的平衡等各項執行部分為農作物創建良好的生長環境，從而提升農作物的產量和質量。

3 結束語

綜上所述，智能溫室是提升農業事業的有效手段，其打破季節、時間和環境各項的客觀因素，為農作物創建最佳的生長環境。智能溫室是由各類電氣工程實現對室內的溫度、濕度、光照、二氧化碳含量和營養液的釋放量和成分配置等功能。其技術的不斷完善推動農業事業的不斷進步。

參考文獻

[1]丁欣，孫智卿，郭鵬舉.基于ARM的智能溫室控制系統[J].山西農業大學學報：自然科學版，2010（01）.

[2]侯建華.智能溫室遠程控制系統的設計與實現―基于LPC2132[J].農機化研究，2010（12）.

[3]潘剛.溫室環境遠程智能監控系統的設計與實現[J].微型機與應用，2014（07）.

篇7

2甘肅省農業信息化評價指標體系的建立

信息化指標體系是信息化水平測算與評價的重要依據。使用信息化指標體系，可以定量衡量甘肅省信息化水平，為制定信息經濟和社會發展計劃提供科學、量化依據。按照農業信息化理論和研究方法，確定描述農業信息化環境、信息網絡硬件建設、農業信息技術應用、農業信息資源及農業信息人力資源等5個指標，對一級指標、二級指標進行評測，建立甘肅省農業信息化評價指標體系（見表1），同時，為保證所得數據的準確性，以指標體系當中的農業信息化貢獻率為例，利用數學模型對所得數據進行分析優化。

3數據來源與研究方法

3.1數據來源數據模型建立是以甘肅省農業信息化評價指標中基準層1中的第一項農業信息化貢獻率為例，選取2003-2011年甘肅省農業信息化對農業總產出貢獻率作為實驗數據，統計數據來源為《中國固定資產投資統計年鑒》、《甘肅發展年鑒》、《中國統計年鑒》等統計資料。3.2研究方法通過MATLAB運算，利用基于粒子群優化的最小二乘支持向量機回歸（leastsquaressupportvectorre-gression,下稱LSSVR）算法對甘肅省農業信息化貢獻率的進行研究，以期提高農業信息化投入對農業產出貢獻的評價精度。3.2.1LSSVR算法LSSVR算法的基本思想，是選擇一非線性映射：Z=φ（x），將n維輸入i維輸出樣本向量從原空間映射到高維線性特征空間F構造最優線性回歸函數[2,9-11]：y（x）＝w·φ（x）＋b（1）式中，w為線性回歸系數，b為偏移量，φ（·）為非線性映射函數。為了獲取最小二乘支持向量回歸機系數w和b，將以下函數最小化：（2）其中，R（w）為結構風險，εi為容許誤差，τ為正則化因子，用于控制對超出誤差樣本的懲罰程度。引入拉格朗日乘子αi解決上述優化問題：其中，αi為拉格朗日乘子，αi≥0。根據優化條件：，，，，分別將（3）式對w、b、εi、αi進行偏導，并消除w、εi，得到線性方程組：（4）采用徑向基核函數，，σ＞0。所獲得的最小二乘支持向量回歸機回歸函數為：（5）3.2.2粒子群優化LSSVR參數最小二乘支持向量回歸機訓練參數的選取對預測結果有較大影響。對此，筆者采用混合智能算法，用粒子群優化算法選取最小二乘支持向量回歸機訓練參數。粒子群算法是基于群體智能隨機優化算法，采用“群體”和“個體”的概念，通過群體間粒子間的合作與競爭產生群體智能指導優化搜索[11]。其基本原理為隨機初始化一群粒子，將其中第i個粒子定義為：Xi＝（xi1，xi2，…，xim），將粒子i的當前飛行速度定義為：Vi＝（vi1，vi2，…，vim），粒子i所經歷的最好位置Pi＝（pi1，pi2，…，pim）。然后，通過迭代尋找最優解。在每一次迭代中，粒子通過個體極值和全局極值來更新自己。基本粒子群優化算法的進化方程可描述為：vij（t＋1）＝w·vij（t）＋c1·r1·（pij（t）－Xij（t））＋c2·r2·（pgj（t）－Xij（t））（6）Xij（t＋1）＝Xij（t）＋vij（t＋1）（7）（6）式中，w為慣性權值，r1、r2為0與1之間均勻分布的隨機數，c1、c2為加速因子，t為進化迭代數，pij（t）為個體極值，pgj（t）為全局極值。定義的適應度函數（F）為：（8）（8）式中，yi為實際值，為預測值，M為訓練數據的數量。3.2.3PSO優化的LSSVR算法（PSO-LSSVR）采用最小二乘支持向量機進行回歸建模時，核函數參數、正則化因子τ的取值是一個非常關鍵的問題，τ控制對超出誤差的樣本的懲罰程度(τ>0)，反映了支持向量之間的相關程度。所以、τ的取值非常關鍵，取值不當會帶來很大誤差。具體過程略，設計算法實現步驟如下（見圖1）：3.3農業信息化評價分析甘肅省農業信息化投入量基本呈波浪式增長趨勢（見圖2），2011年甘肅省農業信息化投入量為32.5億元（表2），在西北五省中排第2位，但是總投入量占全國的0.15%，低于全國平均值的一半。PSO-LSSVR模型評估優化農業信息化貢獻率結果見表3。

篇8

 

新形勢下，要建設現代農業，需要依靠有文化、懂技術、會經營的新型農民。必須充分發揮農村的人力資源優勢，大幅度增加人力資源開發投入，全面提高農村勞動者素質，為推進新農村建設提供強大的人力智力支持。循環農業作為現代農業的重要內容和發展模式，需要培育具有新理念、掌握新技能的新型農民。但目前，我國農村勞動力中大部分人基本上屬于體力型和經驗型農民，不具備現代化大生產所需要的初級技術能力。農民的農業生產技術水平不能滿足加快農業科技進步的需要，農業經濟效益不高，如何培養新型農民也成為當今社會局解決的問題。我認為要培養新型農民應從以下幾個方面入手：

一、政府要加大對農村人力資源開發的投入力度

政府要加大對農村人力資源建設的投入，在經費上給予大力支持。要增加教育投資力度，鼓勵社會增加教育投入，尤其是鼓勵和宣傳一部分富裕農民集資捐助教育。同時政府為農民提供入學貸款、為大學生到農村創業提供融資、信貸等優惠。農民要提高認識、轉變觀念、參與循環農業發展，需要的是信息和充分的供給。政府需對現有農業信息傳播體系進行集成整合，完善循環農業信息網絡建設，提高網站質量，擴充循環農業信息量，讓農民與時俱進；要加強信息標準化建設，構建智能化農村社區信息平臺，促進循環農業信息資源共享和開發利用，全面、高效、快捷的為農民提供信息咨詢服務；促進農村信息化進程，加快信息進村入戶，把政府上網工程的重點放在村組兩級，不斷提高農村基層適應市場，把握農業、科技發展前沿動態的能力，增強其參與農業循環經濟發展的積極性和自覺性。

二、從根本上轉變農民的思想觀念

首先觀念更新是發展農業循環經濟的重要前提。農民的思想意識和價值觀直接影響著農業經濟的發展。要轉變農民傳統、保守的思想觀念農業論文農業論文，樹立循環農業發展理念，增強廣大農民群眾實施循環農業的積極性和自覺性，為循環農業的實施建立強大的社會基礎。因此，在農村教育、宣傳中，要將轉變其思想觀念放在首位，應適時引導他們拋棄傳統的小農意識，走出安于現狀、不思進取的誤區，自覺融入發展市場經濟和建設現代農業的大潮，使之感到知識經濟時代已經到來，生產勞動不再是單純的體力消耗，而是“技能加體能”、知識加勤勞”的復合型支出。其次發展循環經濟，需要農業勞動者不斷學習新知識、掌握新技能。農業循環經濟是知識經濟，農民群眾要樹立“知識致富”的理念。21世紀，知識就是經濟，誰擁有了知識，誰就擁有了財富。沒有知識的土地是貧瘠的，農業人力資源開發，就是要讓農民掌握知識，運用知識，耕耘土地，創造財富。開發農民的潛能，在生產中，變“體力勞動為主”為“腦力勞動為主”，運用各種工具輔助勞動，運用各種知識指導勞動，知識致富。第三，直接面向農民群眾的基層領導干部在轉變農民思想觀念上具有表率作用核心期刊目錄龍源期刊。在農村現實生活中，一旦正確的政策路線確定后，干部隊伍便起著關鍵性作用。他們直接影響著政策路線的正確實施。因此，轉變落后的思想觀念，首先是要轉變農村干部的思想觀念。各級干部要以科學發展觀為指導，辯證地認識經濟增長與環境保護的關系，轉變把增長簡單等同于發展的觀念。在發展道路上，要徹底改變片面追求GDP增長而忽視資源和環境問題的傾向，樹立資源意識和環保意識。要深刻認識發展農業循環經濟對于落實科學發展觀、實現經濟和社會可持續發展、全面建設小康社會的重要性、必要性和緊迫性，牢固樹立農業循環經濟的發展觀念。

三 加強農民循環農業基礎知識和科技知識的教育與培訓

循環農業的實施，需要更多的農業高新技術和現代管理技術，而這些技術又需要有較多文化和科技知識的農民才能掌握。因此，有必要建立一個以基礎教育為依托，以農村職業教育為主體，以科技普及、培訓和推廣為重點的農村教育體系，造就一批有知識、懂技術、會管理的新型農民，提高農村勞動力的整體素質。在當前農村正規教育資源有限的情況下，應大力發展農業短期培訓和科技普及教育，加速農民知識化進程。要改革農村基礎教育模式，在義務教育中加大循環農業基礎知識和科技知識內容比重，同時制定優惠政策，鼓勵農業專業畢業生，退休科技工作者到農村創辦職業技術教育或科技進修學校，傳播循環農業的科技知識和經營管理知識。

四 發展農民合作組織，為循環農業提供組織保障

在社會主義市場經濟條件下發展農業，客觀上要求農民再次走上合作制的道路，即農民在經營上自己組織起來，按照生產的需要組織不同形式、不同

摘要在“民辦、民管、民受益”的基本原則下，搞好辦點示范農業論文農業論文，同時，建立上下工作指導機構，搞好示范推廣、培訓等工作。

五 有組織地轉移農村剩余勞動力

大量的剩余勞動力滯留于土地上將會影響農業生產率，無助于人力資本存量的提高，也會造成諸多社會不安定因素。有組織地精農村剩余勞動力向城市轉移對農業可持續發展將產生深遠而積極的意義，也將為農業循環經濟的發展創作有力的條件。其一，農村勞動力進城務工將增加他們的收入，隨著收入的增加，農民工將有更多的資金投資于教育、健康，人力資本存量會有較大提高。其二，農村勞動力在城市務工期間，用人單位將給予他們一定的培訓機會。在工作的過程中，通過干中學，農民工也將進一步提高職業技能和專業知識。其三，農村勞動力在城市工作生活過程中，會接受更多有價值的信息，這將有助于改變存留于部分農民身上的封閉意識和小富即安的保守思想，使農村勞動力更具進取精神、開拓意識。隨著思想觀念的轉變、文化知識和職業技能的積累、生產資金的增加，農民采用先進技術和新的農業生產模式的主動性和能力也得到了提高，增強了農業循環經濟的發展動力。為了促進農村剩余勞動力轉移，目前最迫切的工作是改變傳統的城鄉分割戶籍制度，消除各項對農村勞動力務工的歧視性規定，加強農民工崗前培訓，建立信息完備的勞動力市場，引導農民工有序、有組織地轉移。

篇9

【中圖分類號】G642 【文獻標識碼】A 【文章編號】1006－9682（2012）06－0063－02

一、引 言

物聯網（Internet of Things，IOT）又稱傳感網，指的是將無處不在的末端設備和設施，包括具備“內在智能”的傳感器、移動終端、工業系統、樓控系統、視頻監控系統和“外在使能”的各種資產、攜帶智能終端的個人與車輛等，通過各種無線或有線的通訊網絡實現互聯互通，從而提供安全可控乃至個性化的實時監控、定位溯源、報警聯動、遠程控制、安全防范等管理和服務功能，實現任何智能物體間的“管、控、營”一體化。物聯網是繼計算機、互聯網和移動通信之后的又一次信息產業的革命性發展。目前物聯網被正式列為國家重點發展的戰略性新興產業之一。物聯網產業具有產業鏈長、涉及多個產業群的特點，其應用范圍幾乎覆蓋了各行各業。并且隨著科學技術的不斷發展，物聯網技術將催生新的產業，形成新的經濟增長點，其發展前景十分可觀。鑒于此，2010年8月，教育部審批通過了35所高校獲批開設物聯網相關專業，新設專業將自2011年開始招生。在2011年，又有27所高校設置的“物聯網”專業通過了教育部的審批。

二、教學實踐與教學方法的初步探索

筆者所在的大學還未申報物聯網專業，但與物聯網技術相關的支撐專業門類比較齊全，如信息與通信工程、電子科學技術、計算機科學與技術、控制工程及測控技術及儀器等專業。基于此，筆者在2011年連續兩個學期開設了物聯網技術導論的公選課，學生選課非常踴躍，170人的選課規模每次都爆滿，從這可以看出當前本科生對物聯網等新生技術具有非常強的學習欲望。針對物聯網技術的特點，在現有教學技術的基礎上，對教學方案進行了初步探索。

1．合理選擇教材

筆者結合選課學生的特點：不僅有理工科學生，還有社會科學類學生，選擇了周洪波博士所編寫的《物聯網技術、應用、標準和商業模式》一書。此書以通俗易懂的方式，指導學生了解物聯網世界，且不需要較強的專業背景，適應不同專業的學生。

2．嚴格修訂教學大綱，合理安排教學內容。

教學大綱不僅是進行教學內容及進度的依據，也是考試考查的依據，更是教學質量評估的依據。一個好的教學大綱，非常有利于教學質量的提高。在教學內容上，首先講述物聯網產業的發展與機遇，讓同學們明白物聯網技術無論是在經濟、生活以及國家戰略上都有非常重要的前景。讓同學們掌握互聯網、物聯網以及它們的區別與聯系，并了解基于四大技術的物聯網支柱產業群，分別為RFID從業人員、傳感網從業人員、M2M人群以及工業信息化人群；其次，著重講述物聯網產業鏈，即Device、Connect以及Manage（DCM）三層系統，或者也可稱之為感知層、網絡層和應用層。讓學生了解物聯網的通訊與連接，包括短距離無線通訊技術、長距離無線通訊技術、短距離有線通訊技術和長距離有線通訊技術。在物聯網應用方面，通過物聯網在城市市政管理、農業園林、醫療保健、智能樓宇和交通運輸等方面和同學們進行交流和探討。并通過介紹各種傳感器的原理與技術，讓同學們對整個物聯網系統有更進一步的了解。

3．教學方法和教學互動

物聯網是個實用性很強、發展前景很廣的技術。將來物聯網會發展到什么程度，對人類的科技和生活會產生什么影響，都是一個未知數。因而在教學過程中，筆者非常注意和學生互動，讓同學們發揮自己的想象力，盡量去描繪50年，甚至100年后因物聯網的存在，人們的生活所發生的翻天覆地的變化。在上課過程中，筆者既有講述的環節，有和學生互動的環節，更有讓學生分組討論的環節。筆者希望此課程是個開放的課程，學生不僅能學到知識，更能發揮自己的主觀能動性。同時，通過運用多媒體等途徑來呈現物聯網所存在的問題和發展前景，請同學們利用已有知識，并發揮自己的想象嘗試提出解決方案，設置懸念，然后抓住重點、熱點作深入分析，最后上升為理論知識。從而使課程生動形象，對錯分明，環環相扣，印象深刻，氣氛活躍。當然，這種講課方式有一個前提，那就是建立在師生間平等、相互理解的基礎上。這種授課方式，就是師生間的相互溝通，實現這種溝通，理解是基礎，也即心靈交融，才能實現交往、溝通。

4．考核方式

為了適應物聯網技術應用型人才培養目標的要求，筆者在考核方式上突出強調學生對物聯網技術的基本概念掌握和發展前景設想，同時考查學生的論文寫作能力，從而實現對學習過程的督促與考核，客觀完整地評價學生的學習效果。在考核的評價標準上學生的成績由學生上課過程中的討論報告、出勤率和最終課程論文三個部分組成。其中討論報告占20%，出勤率占20%，最終課程論文占60%。這種考核方式既能讓學生進一步了解物聯網技術，又能發揮學生的想象力和主動性，并能讓學生初步掌握科技論文的寫作格式和寫作方法。

三、結束語

物聯網是一個新興的產業和技術，筆者依據物聯網專業的特點，結合我校應用型人才的培養目標，從物聯網專業設置的現狀、教學內容、教學方法和考核方式等方面進行了初步的探討。經過幾個學期的教學探索，摸清了教學規律，優化了教學過程，改進了教學方法，使學生具有合理的知識結構，理論與實踐相結合，從而具有解決實際問題的能力、開放的思維和協作能力，能夠暢想未來，把握經濟、社會和科學發展的大趨勢，以適應社會經濟和本科生教育信息化發展的需要，成為能夠適應21世紀新挑戰的復合型高端人才。

參考文獻

1 周洪波.物聯網技術、應用、標準和商業模式［M］.北京：電子工業出版社，2010

2 康曉慧、羅霄鳳、張梅等.植物病理學方向研究生教學改革與探索［J］.安徽農業科學，2012（2）：1225～1227

篇10

[4]張艷紅，鄭春風.對高校本科畢業論文寫作問題的思考[J].吉林師范大學學報（人文社會科學版），2012，（3）.

[5]王琪.高校本科畢業論文堅持之必要性及質量提高對策――以英語專業本科畢業論文為例[J].教育教學論壇，2014，（6）.

[6]柳巧玲，米天勝.高校本科畢業設計（論文）教學質量綜合評價研究[J].南京審計學院學報，2010，（3）.

[7][9]鄧曉成.關于提高本科畢業論文質量的思考[J].哈爾濱師范大學社會科學學報，2013，（2）.

[8]張欣.高校本科畢業論文質量提升的思考[J].內蒙古師范大學學報（教育科學版），2013，（3）.

[10]胡成.本科畢業論文（設計）的悖論與改革[J].長春工業大學學報（高教研究版），2011，（3）.

[11]吳益鋒，張淑敏，田夏.上海交通大學提升本科畢業設計（論文）質量的改革與實踐[J].實驗技術與管理，2014，（7）.

[12]賈廷秀.思政專業本科畢業論文質量保障體系建設研究[J].長江大學學報（社科版），2013，（1）.

[13]柯穎.高校本科畢業論文教學改革的對策思考[J].學生論壇，2008，（10）.

[14]喬軍，孟慶玲.提高本科畢業論文質量的幾點思考[J].教育探索，2011，（9）.