云计算和园艺专业的相关性

园艺智能化应用系统将园艺植物在产前、产中、产后的各个阶段所涉及的各类种质资源对环境因素需求的信息进行采集和综合，利用实时传递影响园艺植物生长与生产的环境因素，在线指导园艺植物的生长和生产，对生产过程中产生的各种缺素症状或生长问题进行定性诊断和定量决策，为园艺植物的高产和高品质生产提供科学决策。主要包括通过各种理化仪器设备的开发应用，研究出适宜特定园艺植物资源表型数据的科学、快速、准确的信息采集技术;借助物联网等技术结合本地气候特点，建立特色园艺植物生长发育的环境调控软硬件技术集成，实现园艺植物生长环境的人工智能调控;通过将特色园艺植物果实成熟度数字化、信息化，开发人工智能机器人的果实采收的软硬件，实现园艺产品的智能机器人采收;通过将特色园艺植物病虫草害发生与防治特征与无人机信息采集技术相结合，实现园艺植物病虫草害无人机防控。一、基于计算机视觉的园艺植物资源识别采集模块设计
地球上的园艺种类繁多，各种不同的园艺植物资源之间都存在各自的生长习性，这些特性可以用于自然环境或人工模拟环境条件下的园艺植物的生长规律的研究，进而对园艺植物资源挖掘和利用的研究、以及园艺植物对自然环境的适应等领域起到了很大的帮助，能够节约人力物力，提高工作效率，但是同一种植物因为其生长环境、周期以及基因突变等影响，致使园艺植物在形态上各不相同，差异极大，所以就算对专业人士来说，植物识别也不容易完成。随着生命科学和现代信息技术的不断发展，园艺植物分类学也得到了快速发展，基于图像分析的植物分类识别是当下园艺植物种质资源研究的热点问题，因此图像分类问题也是计算机视觉等领域的重要研究方向之一。目前识别算法的发展已经相对较为成熟，在叶、花、果实等传统的植物识别技术已经得到许多研究，然而基于多器官的现实世界识别方法的认识还不是很多，因为其在近几年才得以进行，起步较晚，如芍药和牡丹，它们之间由于种类间差异较小，难以分辨不同种类的植物，其分类相对困难。对植物的识别来说，造成一定干扰的是处于现实世界中的植物所处的较为复杂的环境，这些复杂的环境会降低植物特征提取的准确度，比如杂草、石子、泥土和建筑物等。因此，对现实世界中的植物识别，如何获取植物图像显著性特征以及获取种类之间差异更大的性状以实现网络特征增强是研究的重中之重。Champ等改进了GoogLeNet模型的卷积神经网络（CNN）方法，应用各种衰减因子来修正CNN给出的概率分布，实现了基于植物真实性状的园艺植物种类识别[3]。该方法通过提取卷积神经网络的最后一层代表性特点来进行分类，但是仅凭一层特点的识别能力和代表性比较差，不能有效鉴别出性状类似或同一种群的园艺植物[3]。Lee等利用CNN模型结合物种和组织特征进行植物分类，对基于验证集和测试集的结果进行分析，提出了高层融合体系结构[4]。Mc Cool等提出了一种针对特定领域的混合神经网络模型对植物图像进行自动分类[5]。通过微调一个专门用于植物分类任务的已知模型，可以学习特定领域的模型。MixDCNN模型是通过首先对一个模型的子集数据进行微调来学习的，可以使用不同的器官类型进行分类，利用混合DCNNs框架对KDCNN模型进行联合优化[5]。Xiao等为了研究真实世界中的物种识别问题，提出了一种新的深度学习框架和有效的数据扩充方法。首先根据视觉注意来裁剪图像，称之为新的数据增强方法注意裁剪（AC），然后通过训练深度卷积神经网络从大量数据中预测物种。通过对数据扩充方法AC的性能进行了评估，结果表明AC具有优越的性能[6]。综上所述，以实际应用为背景对园艺植物图像特征分类器这一经典算法为出发点，设计以计算机视觉为基础的园艺植物识别模块（图1）。
二、构建园艺植物智能平台，实现园艺植物生长发育的调控
为构建更完善的园艺植物智能平台，更科学的在线指导园艺植物生产，提高植物产量，一套完备的能满足不同需求层次的智能平台系统的需求迫在眉睫。
1 框架模型的建立：由于园艺植物生长发育过程中，不同植物所需的外界环境条件各有差异，栽培技术也有所不同，因此就需构建一个较为全面的数据知识库框架，能够综合不同园艺植物生长过程中的各项指标，汇总整理高产量园艺植物的基础数据。不同园艺植物生长发育全过程中的水分、温度、光照等环境因素指标以及养分供给状况、栽培管理技术差异等数据进行记录、收集、汇总，构建动态图，通过对优质园艺植物的生长数据进行分析，研究不同因素之间的连锁反应和综合效应，建立园艺植物生长发育特性、以及温度、光照、水分、肥等环境因素和栽培管理技术关系的数据库框架。种植技术员可根据不同栽培地区的实际情况对框架模型参数进行调整，以适用于自己掌握的园艺植物栽培技术知识模块;使用者也可推送不同的数据信息给数据管理者，扩大数据库数据量，参与数据库的更新与完善。数据库管理者也可对不同的数据模型库进行查询、及时修改和动态调用[7]。
2 系统结构的构建：智能化平台的功能包括通用平台、智能系统和实用信息系统3个层次[4]。通用平台由知识储备量庞大的数据库信息组成，涵盖广泛，便于不同知识层次的使用者更快更广地查询到所需内容;智能系统需要收集汇总不同环境和地区园艺植物生长差异数据，及时更新平台的数据，为使用者提供一个数据更全面、更具体、内容更丰富的参考平台，为种植技术员提供一个积极的二次开发的环境和工具，满足不同生态背景下不同生产管理者的需要。
3 可视输入平台的构建：设置一个便于简易 *** 作的包含数值上下限的参数录入方式，同时设置数据自查系统，对 *** 作者上传的不合理的参数及时提醒更正，保证数据输入的及时性、准确度和合理性。对不能给出准确参数的用户，根据其提供的园艺植物品种和种植环境条件，调动数据库存储的内容，智能辨别并输入，增加平台的使用率。可视输入平台不仅要做到便于使用者对编辑数据，还应该确保数据准确度[8]。

工业领域物联网发展趋势分析 传统工业加速向智能化转变
所谓“物联网”(Internet of
Things，IOT)，又称传感网，指的是将各种信息传感设备，如射频识别(RFID)装置、红外感应器、全球定位系统、激光扫描器等种种装置与互联网连接起来并形成一个可以实现智能化识别和可管理的网络。
前瞻产业研究院数据显示，2016年我国物联网产业规模超过9000亿元人民币，同比增速连续多年超过20%。物联网作为通信行业新兴应用，在万物互联的大趋势下，市场规模将进一步扩大。随着行业标准完善、技术不断进步、国家政策扶持，中国的物联网产业将延续良好的发展势头，为经济持续稳定增长提供新的动力。移动互联向万物互联的扩展浪潮，将使我国创造出相比于互联网更大的市场空间和产业机遇。
物联网利用射频识别(RFID)、GPS、摄像头、传感器、传感器网络等感知、捕获、测量的技术手段，随时随地对物体进行信息采集和获取，实现智能化的决策和控制。因此，物联网在工业领域应用过程中，物联网相关技术和产品是智能工业的核心。
工业是物联网应用的重要领域。具有环境感知能力的各类终端、基于泛在技术的计算模式、移动通信等不断融入到工业生产的各个环节，可大幅提高制造效率，改善产品质量，降低产品成本和资源消耗，传统工业加速向智能化转变。
根据前瞻产业研究院发布的《物联网行业应用领域市场需求与投资预测分析报告》测算，2014年，国内物联网在工业领域需求规模为1260亿元;2016年，国内物联网在工业领域需求规模为1804亿元。2017年，国内物联网在工业领域需求规模约为2354亿元。
物联网在工业领域应用问题分析
1、IT安全问题
和前几次由新的硬设备、技术所带来的工业革命不同，工业40是由互联网所带来的第四次工业革命。也因此，有66%的受访者认为IT安全是一大挑战，当企业的IT系统连上网络，随时可能有一些未知的威胁出现在仓储管理系统、机器设备或供应链当中。
2、制造系统管理问题
工业40除了带来生产效率之外，同时也改变传统制造业的思维。当智能生产真正落实后，将会对制造管理系统带来巨大的变革，且势必变得更为复杂，包括整体的生产物流、人机协同作业等改变，也让员工培训更显重要。
3、通讯基础设施建设问题
通讯网络是实现工业40的重要关键，但是要建立一个让所有组织都能够配合的网络，必须要有一个一致的接口、通讯标准和规范。目前许多标准都还未建立，例如工业通讯、工程、IT安全、数字化工厂、设备整合等都还未被纳入整体参考架构中。
物联网在工业领域应用前景及发展趋势预测
近年来，我国政府通过工业化与信息化融合战略正在大力推进物联网技术向传统行业中的深度渗透。工信部于2013年9月发布的《工业化与信息化深度融合专项行动计划(2013-2018年)》中重点提出的互联网与工业融合创新试点工作已经进入了全面实施阶段。
以物联网融合创新为特征的新型网络化智能生产方式正塑造未来制造业的核心竞争力，推动形成新的产业组织方式、新的企业与用户关系、新的服务模式和新业态，推动汽车、飞机、工程装备、家电等传统工业领域向网络化、智能化、柔性化、服务化转型，孕育和推动全球新产业革命的发展。
美国制造业巨头通用电气公司充分利用物联网技术，已推出了二十余种工业互联网/物联网应用产品，涵盖了石油天然气平台监测管理、铁路机车效率分析、提升风电机组电力输出、电力公司配电系统优化、医疗云影像等各个领域。AT&T基于GE的软件平台Predix开发M2M解决方案，越来越多的工业机器将通过M2M连接到网络。
例如：物联网应用在智能工厂，具有相当广泛的应用前景，经济效益和社会效益明显。导入物联网的智能工厂，至少可以实现以下五个功能，即：电子工单、生产过程透明化、生产过程可控化、产能精确统计、车间电子看板。通过这五大功能，不但可实现制造过程信息的视觉化，对于生产管理和决策也会产生许多作用。根据物联网在智能工业的产值贡献比例来看，2023年国内物联网在工业需求规模在7821亿元左右。

物联网专业发展前景？物联网专业
物联网（英文：Internet of Things，缩写：IoT）起源于传媒领域，是信息科技产业的第三次革命。物联网是指通过信息传感设备，按约定的协议，将任何物体与网络相连接，物体通过信息传播媒介进行信息交换和通信，以实现智能化识别、定位、跟踪、监管等功能。[1]
在物联网应用中有两项关键技术，分别是传感器技术和嵌入式技术。 [1]
中文名
物联网专业
外文名
Internet of things
核心
万物互联
属性
新一代信息技术的重要组成部分
应用前景
环保、安防、智能交通、农业、医疗推广的可能性最大
快速
导航
前景就业前景学习内容专业报告会
发展
物联网产业尚处于初创阶段，虽其应用前景非常广阔，未来将成为我国新型战略产业，但其标准、技术、商业模式以及配套政策等还远远没有成熟。物联网的关键是“大集成”应用，而物联网大集成应用实现的关键是中间件和解决方案。目前的挑战在于用标准化的数据交换实现这些已存在的和新建的系统之间的互联互通和“管控营一体化”。物联网发展已到产业化、标准化的关键时期，在产业化和核心关键技术方面与发达国家有一定差距，实施以感知为核心的物联网标准化战略迫在眉睫。要依托现有的国际标准化优势，加快推动形成“共性平台+应用子集”产业结构。在国家层面，应加强统一，重点突破核心技术、规模产业发展路线、商业模式等关键点。
前景
物联网的应用仍然存在成本、技术、政策、用户壁垒等瓶颈，从目前情况来看，环保、安防、智能交通、农业、医疗推广的可能性最大，而企业和个人的物联网应用的普及仍然需要较长时间。虽然未来物联网将拓展到智能家居、智能交通、智能医疗等各个领域，但现在还没到广泛应用的时候，估计在中国还得需要几年的时间。物联网产业的兴起，不能跟风无序地发展。当前，我国还处于发展初期阶段，各个产业链还缺少一定的行业标准，RFID应用产业市场密钥体系独自为政，国内也缺少统一的行业标准，每家企业生产的产品绝大多数是不通用的，包括刚刚兴起的手机一卡通，电信、移动、联通三家采用的是不同的技术标准，即使同一家运营商采购的标准也不尽完全相同;因此物联网产业的兴起，更多的需要政府部门引导整个产业链出台更多行业技术标准，以规范各个产业的生产、研发秩序。
就业前景
目前，教育部审批设置的高等学校战略性新兴产业本科专业中有“物联网工程”、“传感网技术”和“智能电网信息工程”三个与物联网技术相关的专业。此三个专业从2011年才开始首次招生，首届毕业生于2015年毕业，但整体人数较少，所以，无法从往年的就业率来判断未来的就业情况，但可从行业的整体发展趋势和人才市场的需求等方面了解该专业未来的就业形势。
作为国家倡导的新兴战略性产业，物联网备受各界重视，并成为就业前景广阔的热门领域，使得物联网成为各家高校争相申请的一个新专业，主要就业于与物联网相关的企业、行业，从事物联网的通信架构、网络协议和标准、无线传感器、信息安全等的设计、开发、管理与维护，也可在高校或科研机构从事科研和教学工作。
中科院院士、华东师大软件学院院长何积丰表示，未来的物联网技术要得到发展，需要在信息收集、改进、芯片推广、程序算法设计等方面有所突破，而做到这些的关键是如何培养人才。柏斯维也指出，从整体来看，物联网行业是非常需要人才。
其实，从人才市场的需求来看，无论是物联网专业还是云计算专业的人才都是炙手可热的，但企业对人才的要求也是相当高的。很多单位和企业不但要求应聘者须是硕士以上学历，还要求有几年的相关工作经验。对此，企业纷纷表示，做核心的研发工作或核心的基础架构是需要一些经验积累的，本科应届生一般不具备这些经验。
因为物联网是个交叉学科，涉及通信技术、传感技术、网络技术以及RFID技术、嵌入式系统技术等多项知识，但想在本科阶段深入学习这些知识的难度很大，而且部分物联网研究院从事核心技术工作的职位都要求硕士学历，因此本科毕业生可从与物联网有关的知识着手，找准专业方向、夯实基础，同时增强实践与应用能力。

---