专题推荐 - 农业传感器与物联网专题

本专题我共整理了10篇文章，来自中国农业科学院农业质量标准与检测技术研究所、南京农业大学、英国林肯大学、华南农业大学、江南大学、国家农业智能装备工程技术研究中心、浙江大学、中国科学院、吉林农业大学、西北农林 科技 大学、国家信息农业工程技术中心等单位。

文章包含农产品质量安全纳米传感器、太阳能杀虫灯、分簇路由算法、农田物联网混合多跳路由算法、水产养殖溶解氧传感器研制、土壤养分近场遥测方法、农机远程智能管理平台、水肥浓度智能感知与精准配比、果园多机器人通信等内容，供大家阅读、参考。

专题--农业传感器与物联网

Topic--Agricultural Sensor and Internet of Things

[1]王培龙, 唐智勇 农产品质量安全纳米传感应用研究分析与展望[J] 智慧农业(中英文), 2020, 2(2): 1-10

WANG Peilong , TANG Zhiyong Application analysis and prospect of nanosensor in the quality and safety of agricultural products[J] Smart Agriculture, 2020, 2(2): 1-10

知网阅读

[2]杨星, 舒磊, 黄凯, 李凯亮, 霍志强, 王彦飞, 王心怡, 卢巧玲, 张亚成 太阳能杀虫灯物联网故障诊断特征分析及潜在挑战[J] 智慧农业(中英文), 2020, 2(2): 11-27

YANG Xing, SHU Lei, HUANG Kai, LI Kailiang, HUO Zhiqiang, WANG Yanfei, WANG Xinyi, LU Qiaoling, ZHANG Yacheng Characteristics analysis and challenges for fault diagnosis in solar insecticidal lamps Internet of Things[J] Smart Agriculture, 2020, 2(2): 11-27

摘要： 太阳能杀虫灯物联网（SIL-IoTs）是一种基于农业场景与物联网技术的新型物理农业虫害防治工具，通过无线传输太阳能杀虫灯组件状态数据，用户可后台实时查看太阳能杀虫灯运行状态，具有杀虫计数、虫害区域定位、辅助农情监测等功能。但随着SIL-IoTs快速发展与广泛应用，故障诊断难和维护难等矛盾日益突出。基于此，本研究首先阐述了SIL-IoTs的结构和研究现状，分析了故障诊断的重要性，指出了故障诊断是保障其可靠性的主要手段。接着介绍了目前太阳能杀虫灯节点自身存在的故障及其在无线传感网络（WSNs）中的体现，并进一步对WSNs中的故障进行分类，包括基于行为、基于时间、基于组件以及基于影响区域的故障四类。随后讨论了统计方法、概率方法、层次路由方法、机器学习方法、拓扑控制方法和移动基站方法等目前主要使用的WSNs故障诊断方法。此外，还探讨了SIL-IoTs故障诊断策略，将故障诊断从行为上分为主动型诊断与被动型诊断策略，从监测类型上分为连续诊断、定期诊断、直接诊断与间接诊断策略，从设备上分为集中式、分布式与混合式策略。在以上故障诊断方法与策略的基础上，介绍了后台数据异常、部分节点通信异常、整个网络通信异常和未诊断出异常但实际存在异常四种故障现象下适用的WSNs故障诊断调试工具，如Sympathy、Clairvoyant、SNIF和Dustminer。最后，强调了SIL-IoTs的特性对故障诊断带来的潜在挑战，包括部署环境复杂、节点任务冲突、连续性区域节点无法传输数据和多种故障诊断失效等情形，并针对这些潜在挑战指出了合理的研究方向。由于SIL-IoTs为农业物联网中典型应用，因此本研究可扩展至其它农业物联网中，并为这些农业物联网的故障诊断提供参考。

知网阅读

[3]汪进鸿, 韩宇星 用于作物表型信息边缘计算采集的认知无线传感器网络分簇路由算法[J] 智慧农业(中英文), 2020, 2(2): 28-47

WANG Jinhong, HAN Yuxing Cognitive radio sensor networks clustering routing algorithm for crop phenotypic information edge computing collection[J] Smart Agriculture, 2020, 2(2): 28-47

摘要： 随着无线终端数量的快速增长和多媒体图像等高带宽传输业务需求的增加，农业物联网相关领域可预见地会出现无线频谱资源紧缺问题。针对基于传统物联网的作物表型信息采集系统中存在由于节点密集部署导致数据传输过程容易出现频谱竞争、数据拥堵的现象以及固定电池的网络由于能耗不均衡引起监测周期缩减等诸多问题，本研究建立了一个认知无线传感器网络（CRSN）作物表型信息采集模型，并针对模型提出一种引入边缘计算机制的动态频谱和能耗均衡（DSEB）的事件驱动分簇路由算法。算法包括：（1）动态频谱感知分簇，采用层次聚类算法结合频谱感知获取的可用信道、节点间的距离、剩余能量和邻居节点度为相似度对被监控区域内的节点进行聚类分簇并选取簇头，构建分簇拓扑的过程对各分簇大小的均衡性引入奖励和惩罚因子，提升网络各分簇平均频谱利用率；（2）融入边缘计算的事件触发数据路由，根据构建的分簇拓扑结构，将待检测各区域变化异常表型信息触发事件以簇内汇聚和簇间中继交替迭代方式转发至汇聚节点，簇内汇聚包括直传和簇内中继，簇间中继包括主网关节点和次网关节点-主网关节点两种情况；（3）基于频谱变化和通信服务质量（QoS）的自适应重新分簇：基于主用户行为变化引起的可用信道改变，或分簇效果不佳对通信服务质量产生的干扰，触发CRSN进行自适应重新分簇。此外，本研究还提出了一种新的能耗均衡策略去能量消耗中心化（假设sink为中心），即在网关或簇头节点选取计算式中引入与节点到sink的距离成正比的权重系数。算法仿真结果表明，与采用K-medoid分簇和能量感知的事件驱动分簇(ERP)路由方案相比，在CRSN节点数为定值的前提下，基于DSEB的分簇路由算法在网络生存期与能效等方面均具有一定的改进；在主用户节点数为定值时，所提算法比其它两种算法具有更高频谱利用率。

知网阅读

[4]顾浩, 王志强, 吴昊, 蒋永年, 郭亚 基于荧光法的溶解氧传感器研制及试验[J] 智慧农业(中英文), 2020, 2(2): 48-58

GU Hao, WANG Zhiqiang, WU Hao, JIANG Yongnian, GUO Ya A fluorescence based dissolved oxygen sensor[J] Smart Agriculture, 2020, 2(2): 48-58

摘要：溶解氧含量的测量对水产养殖具有极其重要的意义，但目前中国市面上的溶解氧传感器存在价格昂贵、不能持续在线测量及更新部件维护困难等问题，难以在水产养殖物联网中大规模推广和发挥作用。本研究基于荧光淬灭原理，利用水中溶解氧浓度与荧光信号相位差的关系进行低成本、易维护溶解氧传感器的研发。首先利用自制备溶氧敏感膜，经激发光照射后产生红色荧光，该荧光寿命可由溶解氧浓度调节；然后利用光信号敏感器件设计光电转化电路实现光信号感知；再以STM32F103微处理器作为主控芯片，编写下位机程序实现激发光脉冲产生，利用相敏检波原理以及快速傅里叶变换（FFT）计算激发光与参照光的相位差，进而转化为溶解氧浓度，实现溶解氧的测量。荧光探测部分与系统主控部分采用分离式设计思想，利用屏蔽排线直接插拔连接，便于传感器探测头的拆卸、更换、维护以及实现远距离在线测量。经测试，本溶解氧传感器的测量范围是0~20 mg/L，响应延迟小于2 s，溶氧敏感膜使用寿命约1年，可以实时不间断地对溶解氧浓度进行测量。同时，本传感器具有测量方便、制作成本低、体积小等特点，为中国水产养殖低成本溶解氧传感器的研发与市场化奠定了良好的基础。

知网阅读

[5]矫雷子, 董大明, 赵贤德, 田宏武 基于调制近红外反射光谱的土壤养分近场遥测方法研究[J] 智慧农业(中英文), 2020, 2(2): 59-66

JIAO Leizi, DONG Daming, ZHAO Xiande, TIAN Hongwu Near-field telemetry detection of soil nutrient based on modulated near-infrared reflectance spectrum[J] Smart Agriculture, 2020, 2(2): 59-66

摘要： 土壤养分作为农业生产的重要指标，含量过少会降低农作物产量，过多则会造成环境污染。因此，快速、准确检测土壤养分对于精准施肥和提高作物产量具有重要意义。基于取样和化学分析的传统方法能够全面准确地检测土壤养分，但检测过程中土壤的取样及预处理过程繁琐、 *** 作复杂、费时费力，不能实现土壤养分的原位快速检测。本研究基于调制近红外光谱，提出了一种土壤养分主动式近场遥测方法，可有效避免土壤反射自然光的干扰。该方法使用波长范围1260~1610 nm的8通道窄带激光二极管作为近红外光源，通过测量8通道激光光束的土壤反射率，建立土壤养分中氮（N）关于土壤反射率的计量模型，实现了N的快速检测。在74组已知N含量的土壤样品中，选取54组作为训练集，20组作为预测集。基于一般线性模型，对训练集中土壤N含量与土壤反射率的定量化参数进行训练，筛选显著波段后的计量模型R2达到097。基于建立的计量模型，预测集中土壤N含量预测值与参考值的决定系数R2达到09，结果表明该方法具有土壤养分现场快速检测的能力。

知网阅读

[6]朱登胜, 方慧, 胡韶明, 王文权, 周延锁, 王红艳, 刘飞, 何勇 农机远程智能管理平台研发及其应用[J] 智慧农业(中英文), 2020, 2(2): 67-81

ZHU Dengsheng, FANG Hui, HU Shaoming, WANG Wenquan, ZHOU Yansuo, WANG Hongyan, LIU Fei, HE Yong Development and application of an intelligent remote management platform for agricultural machinery[J] Smart Agriculture, 2020, 2(2): 67-81

摘要： 本研究针对农机管理实时数据少、农机实时作业监管困难、服务信息不对称等问题，首先提出专业化远程管理平台设计时应具有五大原则：专业化、标准化、云平台、模块化以及开放性。基于这些原则，本研究设计了基于大田作业智能传感技术、物联网技术、定位技术、遥感技术和地理信息系统的可定制化的通用农机远程智能管理平台。平台分别为各级政府管理部门、农机合作社、农机手、农户设计并实现了基于WebGIS 的农机信息库及农机位置服务、农机作业实时监测与管理、农田基础信息管理、田间作物基本信息管理、农机调度管理、农机补贴管理、农机作业订单管理等多个实用模块。研究着重分析了在当前的技术背景下，平台部分关键技术的实现方法，包括采用低精度GNSS定位系统前提下的作业面积的计算方法、GNSS定位数据处理过程中的数据问题分析、农机调度算法、作业传感器信息的集成等，并提出了以地块为核心的管理平台建设思路；同时提出农机作业管理平台将逐步从简单作业管理转向大田农机综合管理。本平台对同类型管理平台的研发具有一定的参考与借鉴作用。

知网阅读

[7]金洲, 张俊卿, 郭红燕, 胡宜敏, 陈翔宇, 黄河, 王红艳 水肥浓度智能感知与精准配比系统研制与试验[J] 智慧农业(中英文), 2020, 2(2): 82-93

JIN Zhou, ZHANG Junqing, GUO Hongyan, HU Yimin, CHEN Xiangyu, HUANG He, WANG Hongyan Development and testing of intelligent sensing and precision proportioning system of water and fertilizer concentration[J] Smart Agriculture, 2020, 2(2): 82-93

摘要： 为解决农场当地当时的复合肥料精准化配料问题，本研究将水肥一体化智能灌溉施肥系统作为研究对象，构建了水肥浓度智能感知与精准配比系统。首先提出现场在线水肥溶液智能感知模型的快速建立方法，利用数据分析算法从传感器实时监测的一系列浓度梯度的肥料溶液中挖掘出模型。其次基于上述模型设计水肥浓度智能感知与精准配比系统的框架结构，阐述系统工作原理；并通过三种水体模拟在线配肥验证了该系统原位指导水肥浓度配比的有效性，同时评价了水体电导率对水肥配比浓度的干扰。试验结果表明，正则化条件下二阶的多项式拟合曲线是表达溶液电导率与水肥浓度的变化关系最优的模型，相关系数R2均大于0999，由此模型可得出用户关心的复合肥各指标浓度。三种水体模拟在线配肥结果表明，水体会干扰电导率导致无法准确反演水肥配比的浓度，相对偏差值超过了01。因此，本研究提出的在线水肥智能感知与精准配比系统实现了消除当地水体电导率对水肥配比准确性的干扰，通过模型计算实现复合肥精准化配比，并得出各指标浓度。该系统结构简单，配比精准，易与现有水肥一体机或者人工配肥系统结合使用，可广泛应用于设施农业栽培、果园栽培和大田经济作物栽培等环境下的精准智能施肥。

知网阅读

[8]孙浩然, 孙琳, 毕春光, 于合龙 基于粒子群与模拟退火协同优化的农田物联网混合多跳路由算法[J] 智慧农业(中英文), 2020, 2(3): 98-107

SUN Haoran, SUN Lin, BI Chunguang, YU Helong Hybrid multi-hop routing algorithm for farmland IoT based on particle swarm and simulated annealing collaborative optimization method[J] Smart Agriculture, 2020, 2(3): 98-107

摘要： 农业无线传感器网络对农田土壤、环境和作物生长的多源异构信息的获取起关键作用。针对传感器在农田中非均匀分布且受到能量制约等问题，本研究提出了一种基于粒子群和模拟退火协同优化的农田物联网混合多跳路由算法（PSMR）。首先，通过节点剩余能量和节点度加权选择簇首，采用成簇结构实现异构网络高效动态组网。然后通过簇首间多跳数据结构解决簇首远距离传输能耗过高问题，利用粒子群与模拟退火协同优化方法提高算法收敛速度，实现sink节点加速采集簇首中的聚合数据。对算法的仿真试验结果表明，PSMR算法与基于能量有效负载均衡的多路径路由策略方法（EMR）相比，无线传感器网络生命周期提升了57%；与贪婪外围无状态路由算法（GPSR-A）相比，在相同的网络生命周期内，第1个死亡传感器节点推迟了两轮，剩余能量标准差减少了004 J，具有良好的网络能耗均衡性。本研究提出的PSMR算法通过簇首间多跳降低远端簇首额外能耗，提高了不同距离簇首的能耗均衡性能，为实现大规模农田复杂环境的长时间、高效、稳定地数据采集监测提供了技术基础，可提高农业物联网的资源利用效率。

知网阅读

[9]毛文菊, 刘恒, 王东飞, 杨福增, 刘志杰 面向果园多机器人通信的AODV路由协议改进设计与测试[J] 智慧农业(中英文), 2021, 3(1): 96-108

MAO Wenju, LIU Heng, WANG Dongfei, YANG Fuzeng, LIU Zhijie Improved AODV routing protocol for multi-robot communication in orchard[J] Smart Agriculture, 2021, 3(1): 96-108

摘要： 针对多机器人在果园中作业时的通信需求，本研究基于Wi-Fi信号在桃园内接收强度预测模型，提出了一种引入优先节点和路径信号强度阈值的改进无线自组网按需平面距离向量路由协议（AODV-SP）。对AODV-SP报文进行设计，并利用NS2仿真软件对比了无线自组网按需平面距离向量路由协议（AODV）和AODV-SP在发起频率、路由开销、平均端到端时延及分组投递率4个方面的性能。仿真试验结果表明，本研究提出的AODV-SP路由协议在发起频率、路由开销、平均端到端时延及分组投递率4个方面的性能均优于AODV协议，其中节点的移动速度为5 m/s时，AODV-SP的路由发起频率和路由开销较AODV分别降低了365%和709%，节点的移动速度为8 m/s时，AODV-SP的分组投递率提高了059%，平均端到端时延降低了1309%。为进一步验证AODV-SP协议的性能，在实验室环境中搭建了基于领航-跟随法的小型多机器人无线通信物理平台并将AODV-SP在此平台应用，并进行了静态丢包率和动态测试。测试结果表明，节点相距25 m时静态丢包率为0，距离100 m时丢包率为2101%；动态行驶时能使机器人维持链状拓扑结构。本研究可为果园多机器人在实际环境中通信系统的搭建提供参考。

知网阅读

[10]黄凯, 舒磊, 李凯亮, 杨星, 朱艳, 汪小旵, 苏勤 太阳能杀虫灯物联网节点的防盗防破坏设计及展望[J] 智慧农业(中英文), 2021, 3(1): 129-143

HUANG Kai, SHU Lei, LI Kailiang, YANG Xing, ZHU Yan, WANG Xiaochan, SU Qin Design and prospect for anti-theft and anti-destruction of nodes in Solar Insecticidal Lamps Internet of Things[J] Smart Agriculture, 2021, 3(1): 129-143

摘要： 太阳能杀虫灯在有效控制虫害的同时，可减少农药施药量。随着其部署数量的增加，被盗被破坏的报道也越来越多，严重影响了虫害防治效果并造成了较大的经济损失。为有效地解决太阳能杀虫灯物联网节点被盗被破坏问题，本研究以太阳能杀虫灯物联网为应用场景，对太阳能杀虫灯硬件进行改造设计以获取更多的传感信息；提出了太阳能杀虫灯辅助设备——无人机杀虫灯，用以被盗被破坏出现后的部署、追踪和巡检等应急应用。通过上述硬件层面的改造设计和增加辅助设备，可以获取更为全面的信息以判断太阳能杀虫灯物联网节点被盗被破坏情况。但考虑到被盗被破坏发生时间短，仅改造硬件层面还不足以实现快速准确判断。因此，本研究进一步从内部硬件、软件算法和外形结构设计三个层面，探讨了设备防盗防破坏的优化设计、设备防盗防破坏判断规则的建立、设备被盗被破坏的快速准确判断、设备被盗被破坏的应急措施、设备被盗被破坏的预测与防控，以及优化计算以降低网络数据传输负荷六个关键研究问题，并对设备防盗防破坏技术在太阳能杀虫灯物联网场景中的应用进行了展望。

知网阅读

微信交流服务群

为方便农业科学领域读者、作者和审稿专家学术交流，促进智慧农业发展，为更好地服务广大读者、作者和审稿人，编辑部建立了微信交流服务群，有关专业领域内的问题讨论、投稿相关的问题均可在群里咨询。

入群方法： 加我微信 331760296 ， 备注： 姓名、单位、研究方向 ，我拉您进群，机构营销广告人员勿扰。

信息发布

科研团队介绍及招聘信息、学术会议及相关活动 的宣传推广

信号系统和硬件系统存在问题
(1) 楼宇空调系统
空调物联网智能控制系统基于物联网技术, 通过智能优化算法根据环境等因素做出分析, 空调系统在算法分析结果下做出相应的调整, 优化其运行。比如当楼宇内的温度和湿度达到适宜数据指标时, 空调可根据数据指示暂时处于休止状态, 使空调系统达到最大限度降低能耗, 提高利用效率。
(2) 楼宇消防、安防系统
通过铺设各项消防烟雾传感器并对其进行网络连接, 使配有物联网系统的楼宇, 接收到报警信息时能迅速联动指挥控制中心, 物管也可据此巡查、询问、出警, 以避免重大灾害发生。对于非法入侵, 物联网安防系统通过红外感应器、门磁、玻璃破碎等各种设施进行非法入侵检测, 当检测到不法入侵信号或者设施被损坏时, 立即触发报警, 为尽快解除安全隐患提供最快的信息并极大地争取了更多的时间。

随着深度学习算法的发展以及数据量和硬件资源的提升，人工智能在教育方面的应用也越来越多，就介绍一些目前已经开始应用在教育方面的一些人工智能技术

猿辅导

这个也许大家都听过，好像这段时间关于这个的广告也挺多的，我就以这个为例说说他们应用了哪些人工智能技术

通过拍照就直接能够找到相应题目的解答，主要是利用了 计算机视觉技术 ，识别出题目中的文字信息然后再去搜索相应的解析，这里面应该还有 自然语言处理技术 ，这样可以让计算机更好的理解题目，找到匹配度更高的解答。

通过拍照让程序自动批改作业，这样可以大大提高教师的工作效率，减轻老师的工作压力。这里主要还是 计算机视觉技术 ，识别出题目和解答的信息，然后再判断答案是否正确

英语流利说

用过这个APP的也许都知道，里面有一个 测你的发音准确的功能 ，读一段话之后系统就会给你反馈一个评分，还是指出部分发音有问题的地方，这里主要就利用 语音识别技术

展望

随着人工智能技术的发展，我相信这样的应用会越来越多，越来越普遍。这里我说说几个我的想法

通过系统实时监控学生上课的 动作 、 表情 等，监测到 上课走神 、 不认真听课 、 玩手机 、 睡觉 等情况，将这些信息实时反馈到老师，让老师来提醒这些学生认真听课。

上大学的时候，有时候老师会点名签到，如果全部都点就需要很多时间，只点部分人就会有漏网之鱼，点名都会造成一定上课时间的浪费，如果 通过人脸识别技术自动识别出没来上课的学生 ，就能提高签到的效率，节省上课时间。

这里我只是简单介绍了我的一些想法，相信以后会有越来越多这样技术的应用。

首先老师的工作压力降低，比如出试卷，批改作业，这个都可以让人工智能去做，推荐一个小程序，AI人工智能工具，就可以拍照批改作业，很方便

再次老师上课形式丰富化，学生更有兴趣学习

人工智能在教育领域的应用，我当这个是个脑洞题，简单畅想一下：

1、表情识别、追踪、捕捉。

面部表情识别用于语各种学习频道软件 登陆 或者学习 签到打卡 ，捕捉和追踪技术可以全程参与分析孩子的学习状态和对知识的掌握程度， 比方说讲到哪个知识点孩子皱眉了？可以当堂提醒老师，或者课后作业推送这个知识点就是重点。

2、三代语音AI智能交互

比方说现在比较火的AI口语录音评分，KTV的打分系统等，这个是 一代语音AI 能做到的录入和对比评测； 二代语音AI 就像是手机里的“siri”，可以识别语音输入，并进行仿人类的交互对话，语言库会随着大数据和全部使用者的对话习惯修正而更新。 三代语音AI 估计就会根据场景主动输出了，就跟提醒前方有红灯一样提前提醒学生哪些知识点需要牢记，怎么记。

3、个性化定制和推荐

大数据、算法、推荐，根据孩子当前的学习水平， 给计算出最适合当前学习情况的一套学习规划。 怎么说呢，以某地图导航软件为例，输入起点和终点，会有各种不同的可行的路线让你选，省时的，省走路的，省钱的等等。学习的话：大一入学，根据AI系统做套英语题，然后输入四级，系统会规划你的学习路径和学习时间，比方说一天10道听力题，5天一套阅读题，缺乏哪些的词汇，按照这个步骤学习，四级基本上都能过！

4、提升效率，兴趣致富

很多人都不知道自己喜欢什么，很多人一生都在 探索 而不可得，老了空留一声叹息。也有很多人，为了生计，不得不放弃爱好，如果AI足够强大，我们可以免去 探索 ，腿长的直接去跳远，反应快的直接去打电竞，鼻子灵感的去当厨师。大家各行各业都能快速做到顶尖，不用为了生计去阻碍兴趣的发展。因为强大的AI，会快速让你的兴趣为你变现，让你不愁吃穿。

教育管理部门，学校自有人工智能部门。

辅助教育作用，既教育自动化。主要部分当然是学校和老师最清楚，有私密和共享的要求，配以自有IT人员合作。

教育本应是一门科学，不利于产业模式，否则找不到科目的真理。

近年来人工智能技术突飞猛进，赢得人工智能将赢得未来成为了业内共识。至此， 科技 巨头在今年来积极布局人工智能这一前沿领域。但是，跨越技术问题后的AI创业者们无法回避的一个问题是：如何找到真实的应用场景，构建可靠的商业模式？

正巧，教育行业是一个非常适合、也非常需要被AI改变的领域。

传统教育模式下，学生教育质量的高低很大程度上依赖于老师的好坏，而优秀教师的培训周期长、价格相对较高、在国内供需也不平衡。另外，教学规模的扩大势必影响教学质量，学生学习效果易变差。因此，可以说教育是一个人力智力密集型行业，对教师人力资源的过度依赖是教育行业问题根本所在。

对于像教育这种有明确目标的学习，AI技术的出现可以说是在根本上减少人的依赖，提高教学效率，帮助老师因材施教，让学生的学习更有效。

那么，“教育+AI”的应用场景有哪些呢？

就目前的人工智能在教育领域的应用来看，可以分为自适应学习、虚拟助手、专家系统、商业智能等方面的广泛应用。

1自适应学习+教育

自适应学习就是通过算法，将获取到的学习者的数据分析反馈给已有的知识图谱，为学习者提供个性化难度和个性化节奏的课程和习题等，从而提高学习者的学习效率和学习效果。

自适应学习与传统教学的不同在于主要教学方式不同：传统教育通常是以班、组为单位的，由老师提供统一的教学内容和进度安排的，学生的练习和需要做的测评也都是统一化的，而自适应教育是以个人为单位的，接受不同的学习进度和学习内容，练习与测评内容的个性化程度高。

主打“自适应+教育“的企业，可以细分为：

1、“自适应+K12教育”类

如“猿题库”——通过自适应题库为学生提供个性化题库，并根据其个性化问题提供真人在线辅导，帮助学生了解自身学习情况、激发对练习的兴趣并提高科目学习成绩。

2、“自适应+STEAM教育” 类

如“wonder workshop”——通过软件将儿童的数据进行分析，并通过机器人硬件和独特的教学内容，帮助孩子趣味学习编程。

3、“自适应+语言教育” 类

如“朗播网”——提供一套自适应英语学习系统，为用户测试英语各方面能力，并提供针对性的考试提分技巧和能力学习课程。

4、人性化地风险事件处理方案

如“NEWSELA”——将K12用户的英文阅读水平分级，通过科学算法来判断用户的阅读水平，向用户推送符合其阅读水平和兴趣的新闻来提供用户的阅读能力。

2虚拟学习助手

虚拟学习助手是指为学习者提供陪练答疑、客服咨询、助教等服务，企业从中能够低成本为学习者提供标准化的服务，并且又能获得大量用户数据反馈。

1、虚拟助教

由于教育过程中，助教所需要做的业务就是为学生答疑、提醒等功能，这些工作多为简单重复的脑力工作，因此，AI可以逐渐替代助教业务。

2、虚拟陪练

课后练习反馈对于学习效果的提升非常重要，而数据化程度最高的环节也正是练习，因此这也是大部分人工智能+教育创业者的切入环节。不同类型的学习内容需要的技术方案各不相同，如理论性的学科的练习更加容易智能化，但是与实践相关的科目，如艺术、运动等往往需要搭配智能硬件来达到学习效果。

此类产品如“音乐笔记”就是音乐教育领域的陪练机器人，智能腕带和APP结合，利用可穿戴 社会 和视频传感器，对钢琴演奏的数据进行实时采集分析，并将练习效果反馈和评价呈现给用户。

3专家系统

专家系统是指，在某个领域能够有效地运用数字化的经验和知识库，解决以往只有专家能够解决的复杂问题。专家系统结合了人工智能和大数据，具备自我学习和综合分析的能力，系统可以获取、更新知识，不再只是静态的规则和事实。

专家系统帮助学习者和机构诊断、预测、决策。这类企业通常可细分为：

1、“生涯规划+教育” 类

如“申请方”——基于大数据和人工智能，为面临升学、留学、求职等情况的用户提供智能规划和申请服务的平台，帮助学生获取开放性的教育资源、实现高效率的血液发展、收获个性化的教育体验。

2、“智能批改+教育” 类

如“批改网”——是一个计算机自动批改英语作文的在线系统，为学生和教室提供智能的批改服务。

4商业智能化

教育机构组织运营包括多个核心环节（推广招生、教学、客户服务等）和支撑活动（基础设施、人力资源、采购、教研等）。人工智能可以在多个环节提升组织的整体效率。

教育商业智能应用场景非常丰富：在基础设施活动中，有智能选址、财务预测管理、校车管理规划等场景了；在人力资源活动中，有教室招聘、人才评估、人才培养三个应用场景；在采购活动中，软硬件采购和评估可以应用AI技术；在教学研发活动中，有教研体系、课程内容和备课工具都可以作为其应用场景；在推广招生环节中，有招生平台、投放策略等场景；在教学过程环节中，有课堂的辅助、LMS、作业批改、考试测评等场景；在客户服务环节中，有家校沟通、客户管理、班级管理等场景。

企业在商业智能化这通常有两个方向：

1、“运营支持”

如 “Panorama”——K12教育的数据分析公司，从学生反馈、 社会 情感 学习、学校生态和家长及 社会 参与度四个方面对学校进行评估，为每个学校制定个性化的调查方案，找出学校的问题所在并针对广泛性问题提供解决方案建议。

2、“学情管理”

如“狸米学习”就是为公立中小学提供个性化教学解决方案的。为学校提供完整的智能化教学配套方案，教室可用于作业管理和课时学情分析，家长通过此了解孩子学习状况，教学管理者可以用于学校的智能化教学分析。

未来教育创业的驱动力定是来自人工智能为核心的“ 科技 创新”+”教研创新“，前面触及到的四个领域（即自适应学习领域、虚拟学习领域、专家系统领域以及教育商业智能领域）的各个赛道中都有巨大的创业机会。

假打，中国人口超级多，多少失业人，你还倡导人工智能教育，不合国情。教育非产业，应为国税支撑福利为民生。人工智能可用于教学补充资源，不可太过分，教育还是高人传后人。

题主的问题有些广泛，从信息化领域来讲教育产业包括幼教、普教（K12）、职教和高教这四个版块。我可以从我了解的领域对题主的问题试着进行回答，肯定不全面，欢迎大家补充。

1中小学STEAM和创客教育。这个创客和创业的创客不同，是一种基于学生兴趣

以项目学习的方式使用数字化工具，倡导造物、鼓励分享、培养跨学科解决问题能力、团队协作能力和创新能力的一种教育方式。主要内容有机器人、人工智能、物联网、无人机和3D打印等。

2人机对话。初中英语学科考试项目，代替传统以校园广播听力考试方式，用互联网进行听力和口语考试，用人工智能对考生的回答进行成绩判定。

3各种学习平台。目前一些作业和学习平台可把每次网络作业中同学做错的题做记录，通过对题目涉及的知识点讲解、相同知识点相似题目推送来进行针对性强化。还可根据一段时间内学生作业情况做出学情分析报告，让学习更有目的性。

4课堂行为分析。这也就是前段时间网络上槽点很多的课堂人脸识别。该系统的设计初衷是通过对学生在课堂上的表情来分析学生上课时的状态如听课、发呆、睡觉、说话、书写、玩手机等，通过个人分析报告让学生更加有效的利用课堂时间提高学习效率。但在实施过程中引起了对于隐私的广泛讨论。

个人浅见，抛砖引玉，欢迎一起讨论。

科技 信息的发达超出人们的想象。人工智能可不得了。！总有一天教学会同步走，通过网络进行远程授课，优质教育可以共享，教室内的电孑教课板大屏慕显业授课，班主任的职责就是监督。教师也要裁员。少而精，高薪酬。人工智能化教学授课用不了原来那么多老师了。优质的智能课室，优质的师资讲学水平。优厚的待遇。公平的学习环境。己是为时不远。

首先是论文打假！！通过人工智能深度解析，严厉打击学术造假，论文剽窃，杜绝简单语法调整，段落调整，实质换汤不换药的论文剽窃造假！其次大数据分析，助力教育总结教学经验，挖掘教育短板，精准因材施教；三是结合 科技 进步，助力偏远落后地区同步中心城市实施优质教学

1通过大数据整合统计学生的学习状况，分析其优势及弱项，并针对性给予学习建议，以及自动建议或推送相关的学习资料，例如知识精讲、典型习题、思路总结，帮助学生又快又好地提升学习成绩。

2辅助小孩学习英语，并自动识别读音准确性，并激励小孩学习热情，挺好的应用。

---