基于联邦学习的分布式农业组织

doi:10.11959/j.issn.2096-6652.202231

智能科学与技术学报 ›› 2022, Vol. 4 ›› Issue (2): 288-297.doi: 10.11959/j.issn.2096-6652.202231

• 学术论文 • 上一篇

基于联邦学习的分布式农业组织

康孟珍¹^,², 王秀娟¹^,³, 李冬⁴, 王旭伟⁵, 王浩宇¹^,⁶, 樊梦涵¹^,², 许钰林¹^,², 王飞跃¹^,²

¹ 中国科学院自动化研究所复杂系统管理与控制国家重点实验室，北京 100190
² 中国科学院大学人工智能学院，北京 100049
³ 中国科学院自动化研究所北京市智能化技术与系统工程技术研究中心，北京 100190
⁴ 浙江省农业科学院数字农业研究所，浙江杭州 310021
⁵ 宁波市农业技术推广总站，浙江宁波 315012
⁶ 青岛中科慧农科技有限公司，山东青岛 266000

出版日期:2022-06-15 发布日期:2022-06-01
作者简介:康孟珍（1975− ），女，中国科学院自动化研究所复杂系统管理与控制国家重点实验室副研究员，主要研究方向为平行农业和计算植物
王秀娟（1982− ），女，中国科学院自动化研究所复杂系统管理与控制国家重点实验室助理研究员，主要研究方向为平行农业和植物建模
李冬（1980− ），男，浙江省农业科学院数字农业研究所副研究员，主要研究方向为数字农业和美丽田园建设
王旭伟（1975− ），男，宁波市农业技术推广总站高级农艺师，宁波市农艺学会秘书长，主要研究方向为作物栽培和数字农业
王浩宇（1984− ），男，中国科学院自动化研究所复杂系统管理与控制国家重点实验室助理研究员，主要研究方向为植物生长建模、智慧农业、编程语言及信息系统
樊梦涵（1997− ），女，中国科学院自动化研究所复杂系统管理与控制国家重点实验室硕士生，主要研究方向为计算智能
许钰林（1998− ），女，中国科学院自动化研究所复杂系统管理与控制国家重点实验室硕士生，主要研究方向为计算智能
王飞跃（1961− ），男，中国科学院自动化研究所复杂系统管理与控制国家重点实验室研究员，国防科技大学军事计算实验与平行系统技术研究中心教授，中国科学院大学中国经济与社会安全研究中心主任，主要研究方向为智能系统和复杂系统建模、分析与控制
基金资助:
国家重点研发计划资助项目(2021ZD0113704);国家自然科学基金资助项目(62076239);中国科学院与泰国科技发展署合作研究资助项目(GJHZ2076);中国科学院战略性先导科技专项（A类）(XDA20030102)

Distributed agricultural organization based on federated learning

Mengzhen KANG¹^,², Xiujuan WANG¹^,³, Dong LI⁴, Xuwei WANG⁵, Haoyu WANG¹^,⁶, Menghan FAN¹^,², Yulin XU¹^,², Fei-Yue WANG¹^,²

¹ The State Key Laboratory for Management and Control of Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing 100190, China
² School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing 100049, China
³ Beijing Engineering Research Center of Intelligent Systems and Technology, Institute of Automation, Chinese Academy of Sciences, Beijing 100190, China
⁴ Institute of Digital Agriculture, Zhejiang Academy of Agricultural Sciences, Hangzhou 310021, China
⁵ Ningbo Agricultural Technology Extension Station, Ningbo 315012, China
⁶ Qingdao AgriTech Company, Ltd., Qingdao 266000, China

Online:2022-06-15 Published:2022-06-01
Supported by:
The National Key Research and Development Program of China(2021ZD0113704);The National Natural Science Foundation of China(62076239);Chinese Academy of Sciences-Thailand National Science and Technology Development Agency Joint Research Program(GJHZ2076);The Strategic Priority Research Program of the Chinese Academy of Sciences(XDA20030102)

摘要/Abstract

摘要：

我国现阶段仍以小规模农业为主，如何在小农、小地块的农业生产经营方式下发展适宜的智慧农业颇具挑战。基于此，提出一种结合联邦学习与区块链技术的分布式农业人工智能框架，使得在数据不共享的情况下，能达到训练模型的目的，并可建立参与方的激励机制。该框架有助于充分利用农业多源异构数据，减少对用户数据量的要求，发展因地制宜的决策模型，促进小规模农业的产销衔接。

关键词: 联邦智能, 农业大数据, 决策支持, 区块链技术, 农业管理系统

Abstract:

At present, small-scale agriculture is dominating in China.How to develop appropriate smart agriculture for agricultural management with small farmers and small plots is quite challenging.A distributed agricultural AI framework combining federal learning and blockchain technology was proposed, which can achieve the purpose of the training model and establish the incentive mechanism for participants without data sharing.This framework helped make full use of agricultural multi-source heterogeneous data, reducing user data requirements, developing decision-making models according to local conditions, and promoting the connection of production and marketing of small-scale agriculture.

Key words: federated intelligence, agricultural big data, decision support, block-chain technology, agricultural management system

中图分类号:

康孟珍, 王秀娟, 李冬, 等. 基于联邦学习的分布式农业组织[J]. 智能科学与技术学报, 2022, 4(2): 288-297.

Mengzhen KANG, Xiujuan WANG, Dong LI, et al. Distributed agricultural organization based on federated learning[J]. Chinese Journal of Intelligent Science and Technology, 2022, 4(2): 288-297.

图/表 4

参考文献 38

[1]	康孟珍, 王秀娟, 华净 ,等. 平行农业:迈向智慧农业的智能技术[J]. 智能科学与技术学报, 2019,1(2): 107-117.
	KANG M Z , WANG X J , HUA J ,et al. Parallel agriculture:intelligent technology toward smart agriculture[J]. Chinese Journal of Intelligent Science and Technology, 2019,1(2): 107-117.
[2]	潘怀聪, 潘家柱, 张国维 . 数字农业技术研究现状及发展趋势[J]. 农业科学, 2021(4): 306-316.
	PAN H C , PAN J Z , ZHANG G W . Research status and development trend of digital agricultural technology[J]. Hans Journal of Agricultural Sciences, 2021(4): 306-316.
[3]	汪懋华 . 大数据要为农业现代化作贡献[J]. 中国科技信息, 2014(10): 13.
	WANG M H . Big data must contribute to agricultural modernization[J]. China Science and Technology Information, 2014(10): 13.
[4]	曹冰雪, 李瑾, 冯献 ,等. 我国智慧农业的发展现状、路径与对策建议[J]. 农业现代化研究, 2021,42(5): 785-794.
	CAO B X , LI J , FENG X ,et al. Development status,path,and countermeasures of smart agriculture in China[J]. Research of Agricultural Modernization, 2021,42(5): 785-794.
[5]	KANG M Z , FAN X R , HUA J ,et al. Managing traditional solar greenhouse with CPSS:a just-for-fit philosophy[J]. IEEE Transactions on Cybernetics, 2018,48(12): 3371-3380.
[6]	赵春江 . 智慧农业的发展现状与未来展望[J]. 华南农业大学学报, 2021,42(6): 1-7.
	ZHAO C J . Current situations and prospects of smart agriculture[J]. Journal of South China Agricultural University, 2021,42(6): 1-7.
[7]	李婷婷, 马娟娟, 张建华 . 农业大数据信息采集平台建设研究[J]. 中国农学通报, 2022,38(3): 158-164.
	LI T T , MA J J , ZHANG J H . Research on the construction of agricultural big data information collection platform[J]. Chinese Agricultural Science Bulletin, 2022,38(3): 158-164.
[8]	李强, 高懋芳, 方莹 . 农业大数据信息平台构建方法初探[J]. 农业大数据学报, 2021,3(2): 24-30.
	LI Q , GAO M F , FANG Y . Research on the construction of the agricultural big data information platform[J]. Journal of Agricultural Big Data, 2021,3(2): 24-30.
[9]	杨强 . AI与数据隐私保护:联邦学习的破解之道[J]. 信息安全研究, 2019,5(11): 961-965.
	YANG Q . AI and data privacy protection:the way to federated learning[J]. Journal of Information Security Research, 2019,5(11): 961-965.
[10]	朱建明, 张沁楠, 高胜 ,等. 基于区块链的隐私保护可信联邦学习模型[J]. 计算机学报, 2021,44(12): 2464-2484.
	ZHU J M , ZHANG Q N , GAO S ,et al. Privacy preserving and trustworthy federated learning model based on blockchain[J]. Chinese Journal of Computers, 2021,44(12): 2464-2484.
[11]	王飞跃, 王艳芬, 陈薏竹 ,等. 联邦生态:从联邦数据到联邦智能[J]. 智能科学与技术学报, 2020,2(4): 305-311.
	WANG F Y , WANG Y F , CHEN Y Z ,et al. Federated ecology:from federated data to federated intelligence[J]. Chinese Journal of Intelligent Science and Technology, 2020,2(4): 305-311.
[12]	BOUKERCHE A , TAO Y J , SUN P . Artificial intelligence-based vehicular traffic flow prediction methods for supporting intelligent transportation systems[J]. Computer Networks, 2020,182: 107484.
[13]	巩高, 黄文华, 曹石 ,等. 人工智能在医学的应用研究进展[J]. 中国医学物理学杂志, 2021,38(8): 1044-1047.
	GONG G , HUANG W H , CAO S ,et al. Advances in application of artificial intelligence in medicine[J]. Chinese Journal of Medical Physics, 2021,38(8): 1044-1047.
[14]	钱学胜, 吴寰宇, 陈诚 ,等. 基于联邦学习的新冠肺炎疫情跨区域智慧防控技术:以上海市实践为例[J]. 科技导报, 2021,39(24): 96-107.
	QIAN X S , WU H Y , CHEN C ,et al. Cross-region smart COVID-19 pandemic management and control based on federated learning:with Shanghai as an example[J]. Science ＆ Technology Review, 2021,39(24): 96-107.
[15]	张海涛 . 联邦学习在金融数据安全领域的研究与应用[J]. 信息技术与网络安全, 2022,41(1): 3-9.
	ZHANG H T . Research and application of federated learning in the field of financial data security[J]. Information Technology and Network Security, 2022,41(1): 3-9.
[16]	刘飚, 张方佼, 王文鑫 ,等. 基于矩阵映射的拜占庭鲁棒联邦学习算法[J]. 计算机研究与发展, 2021,58(11): 2416-2429.
	LIU B , ZHANG F J , WANG W X ,et al. A Byzantine-robust federated learning algorithm based on matrix mapping[J]. Journal of Computer Research and Development, 2021,58(11): 2416-2429.
[17]	王壮壮, 陈宏松, 杨丽敏 ,等. 联邦学习与数据安全研究综述[J]. 智能计算机与应用, 2021,11(1): 126-129,133.
	WANG Z Z , CHEN H S , YANG L M ,et al. Review of federal learning and data security[J]. Intelligent Computer and Applications, 2021,11(1): 126-129,133.
[18]	李凌霄, 袁莎, 金银玉 . 基于区块链的联邦学习技术综述[J]. 计算机应用研究, 2021,38(11): 3222-3230.
	LI L X , YUAN S , JIN Y Y . Review of blockchain-based federated learning[J]. Application Research of Computers, 2021,38(11): 3222-3230.
[19]	袁勇, 欧阳丽炜, 王晓 ,等. 基于区块链的智能组件:一种分布式人工智能研究新范式[J]. 数据与计算发展前沿, 2021,3(1): 1-14.
	YUAN Y , OUYANG L W , WANG X ,et al. Blockchain-based intelligent-ware:a novel paradigm for distributed artificial intelligence research[J]. Frontiers of Data ＆ Computing, 2021,3(1): 1-14.
[20]	康孟珍, 王秀娟, 王浩宇 ,等. 数字合作社:产销融合的农业智能系统[J]. 农业现代化研究, 2020,41(4): 687-698.
	KANG M Z , WANG X J , WANG H Y ,et al. Digital cooperatives:agricultural intelligent system integrating production and market[J]. Research of Agricultural Modernization, 2020,41(4): 687-698.
[21]	朱静, 王飞跃, 王戈 ,等. 联邦控制:面向信息安全和权益保护的分布式控制方法[J]. 自动化学报, 2021,47(8): 1912-1920.
	ZHU J , WANG F Y , WANG G ,et al. Federated control:a distributed control approach towards information security and rights protection[J]. Acta Automatica Sinica, 2021,47(8): 1912-1920.
[22]	DEVLIN J , CHANG M W , LEE K ,et al. BERT:pre-training of deep bidirectional transformers for language understanding[J]. arXiv preprint,2018,arXiv:1810.0480.5.
[23]	PAN S J , YANG Q . A survey on transfer learning[J]. IEEE Transactions on Knowledge and Data Engineering, 2010,22(10): 1345-1359.
[24]	LIU H X , SIMONYAN K , YANG Y M . DARTS:differentiable architecture search[J]. arXiv preprint,2018,arXiv:1806.09055.
[25]	HINTON G , VINYALS O , DEAN J . Distilling the knowledge in a neural network[J]. arXiv preprint,2015,arXiv:1503.02531.
[26]	JEONG E , OH S , KIM H ,et al. Communication-efficient on-device machine learning:federated distillation and augmentation under non-IID private data[J]. arXiv preprint,2018,arXiv:1811.11479.
[27]	MCMAHAN H B , MOORE E , RAMAGE D ,et al. Communication-efficient learning of deep networks from decentralized data[J]. arXiv preprint,2016,arXiv:1602.05629.
[28]	吴超, 郁建兴 . 面向公共管理的数据所有权保护、定价和分布式应用机制探讨[J]. 电子政务, 2020(1): 29-38.
	WU C , YU J X . Discussion on public management-oriented data ownership protection,pricing and distributed application mechanism[J]. E-Government, 2020(1): 29-38.
[29]	ZHENG N N , LIY Z Y , REN P J ,et al. Hybrid-augmented intelligence:collaboration and cognition[J]. Frontiers of Information Technology ＆ Electronic Engineering, 2017,18(2): 153-179.
[30]	欧阳丽炜, 王帅, 袁勇 ,等. 智能合约:架构及进展[J]. 自动化学报, 2019,45(3): 445-457.
	OUYANG L W , WANG S , YUAN Y ,et al. Smart contracts:architecture and research progresses[J]. Acta Automatica Sinica, 2019,45(3): 445-457.
[31]	袁勇, 倪晓春, 曾帅 ,等. 区块链共识算法的发展现状与展望[J]. 自动化学报, 2018,44(11): 2011-2022.
	YUAN Y , NI X C , ZENG S ,et al. Blockchain consensus algorithms:the state of the art and future trends[J]. Acta Automatica Sinica, 2018,44(11): 2011-2022.
[32]	李娟娟, 袁勇, 王飞跃 . 基于区块链的数字货币发展现状与展望[J]. 自动化学报, 2021,47(4): 715-729.
	LI J J , YUAN Y , WANG F Y . Blockchain-based digital currency:the state of the art and future trends[J]. Acta Automatica Sinica, 2021,47(4): 715-729.
[33]	SHI X J , CHEN Z R , WANG H ,et al. Convolutional LSTM network:a machine learning approach for precipitation nowcasting[C]// Proceedings of the 28th International Conference on Neural Information Processing Systems. Cambridge:MIT Press, 2015: 802-810.
[34]	李林, 刁磊, 唐詹 ,等. 基于BERT_Stacked LSTM的农业病虫害问句分类方法[J]. 农业机械学报, 2021,52(S0): 172-177.
	LI L , DIAO L , TANG Z ,et al. Question classification method of agricultural diseases and pests based on BERT_Stacked LSTM[J]. Transactions of the Chinese Society for Agricultural Machinery, 2021,52(S0): 172-177.
[35]	勾志竟, 宫志宏, 刘布春 . 基于TensorFlow的LSTM算法在农业中的应用[J]. 计算机技术与发展, 2021,31(8): 215-220.
	GOU Z J , GONG Z H , LIU B C . Application of LSTM in rice yield prediction based on TensorFlow[J]. Computer Technology and Development, 2021,31(8): 215-220.
[36]	MNIH V , KAVUKCUOGLU K , SILVER D ,et al. Playing atari with deep reinforcement learning[J]. arXiv preprint,2013,arXiv:1312.5602.
[37]	吕普生 . 数字乡村与信息赋能[J]. 中国高校社会科学, 2020(2): 69-79,158.
	LYU P S . Digital village and information empowerment[J]. Social Sciences in Chinese Higher Education Institutions, 2020(2): 69-79,158.
[38]	PRETTY J . Intensification for redesigned and sustainable agricultural systems[J]. Science, 2018,362(6417): eaav0294.

基于联邦学习的分布式农业组织

Distributed agricultural organization based on federated learning

在线阅读

PDF下载

可视化

摘要/Abstract

引用本文

使用本文

图/表 4

参考文献 38

相关文章 5

Metrics

推荐阅读 0

[1]	常方乐, 康孟珍, 王秀娟, 雷加强, 王飞跃. 平行智能风沙防护治理决策支持系统——塔克拉玛干沙漠公路及其防沙体系[J]. 智能科学与技术学报, 2021, 3(4): 499-506.
[2]	王飞跃, 王艳芬, 陈薏竹, 田永林, 齐红威, 王晓, 张卫山, 张俊, 袁勇. 联邦生态：从联邦数据到联邦智能[J]. 智能科学与技术学报, 2020, 2(4): 305-313.
[3]	刘小明,尚春琳,张杰,陈洁,魏向达,朱桂清. 基于区块链技术的高速公路收费凭证信息认证方法研究[J]. 智能科学与技术学报, 2020, 2(2): 153-160.
[4]	王秀娟,华净,康孟珍,王浩宇,袁勇,王飞跃. 基于区块链技术的透明农场[J]. 智能科学与技术学报, 2019, 1(4): 400-408.
[5]	康孟珍,王秀娟,华净,王浩宇,王飞跃. 平行农业：迈向智慧农业的智能技术[J]. 智能科学与技术学报, 2019, 1(2): 107-117.