农业大数据顾名思义就是大数据理念、技术和方法在农业方面的实践。农业大数据涉及到农业生产过程中从产到销（种什么，怎么种，往哪销）全过程中的各个环节，是跨行业、跨专业、跨业务的数据分析与挖掘，以及数据可视化的具体展示。
农业大数据是融合了农业地域性、季节性、多样性、周期性等自身特征后产生的来源广泛、类型多样、结构复杂、具有潜在价值，并难以应用通常方法存储、处理和分析的海量数据集合。
根据农业的产业链条划分，目前农业大数据主要集中在农业环境与资源、农业生产、农业市场和农业管理等领域。
1.农业自然资源与环境数据主要包括土地资源数据、水资源数据、气象资源数据、生物资源数据和灾害数据。
2.农业生产数据包括种植业生产数据和养殖业生产数据。其中，种植业生产数据包括良种信息、地块耕种历史信息、育苗信息、播种信息、农药信息、化肥信息、农膜信息、灌溉信息、农机信息和农情信息；养殖业生产数据主要包括个体系谱信息、个体特征信息、饲料结构信息、圈舍环境信息、疫情情况等。
3.农业市场数据包括市场供求信息、价格行情、生产资料市场信息、价格及利润、流通市场和国际市场信息等。
4.农业管理数据主要包括国民经济基本信息、国内生产信息、贸易信息、国际农产品动态信息和突发事件信息等。
人工智能
利用计算机视觉、图像识别等以及深度学习等为主的人工智能技术实现气候/作物产量预测、病虫害防治等。目前，人工智能各项技术在农业生产的产前、产中和产后各阶段均有应用，主要有以下几个方面，一起来了解一下吧！
1.灌溉用水供求分析
如何做到既能保证作物用水量，又能明显减轻旱涝对作物产量造成的不良影响，就需要对灌溉用水供求量进行分析。智能灌溉控制系统可以帮助人们选择合适的灌溉水源，进行灌溉用水供求分析，其中人工神经网络（Artificial Neural Network，简称ANN）是应用最多的技术。ANN具备机器学习能力，能够根据检测得到的气候指数和当地的水文气象观测数据，选择最佳灌溉规划策略。该系统可以实时监测土壤墒情，可以实现周期灌溉、定时灌溉、自动灌溉等多种模式，节省了灌溉用水，又能保证农作物良好的生长环境。
土肥分析土壤成分及肥力分析是农业产前阶段最重要的工作之一，我国基础地力对粮食产量的贡献率仅有50%左右，而欧美国家达到70%到80%。做好土壤成分及肥力智能分析是是实现适宜栽种作物选择、定量施肥、生产成本分析等工作的重要基础。可利用非侵入性的探地雷达成像技术对土壤进行探测分析，利用ANN对土壤表层的黏土含量进行分析。以帮助种植者在正确的时间、正确的地点进行精确施肥。目标是帮助农民提高产出、降低成本。
2.种子品质鉴定
种子是农业生产中最重要的生产资料之一，种子质量直接关系到作物产量和生产效益。种子的纯度和安全性检测，是控制和提高健康绿色农产品质量的重要手段。因此，利用图像分析技术以及神经网络等非破坏性的方法对作物种子种类进行准确评估非常重要。ANN技术它能帮助农民在农作物生产中根据自己的需求选择合适的种子种类，并对不同季节不同质量等级的农作物品种进行准确分析和评估。这样，可以给农民做出科学指导，对他们选择合适的种子有很大帮助，这对提高农产品产量和质量起到了很好的保障作用。
3.农业专家系统
农业专家系统是一种模拟人类专家解决农业领域问题的计算机程序系统，其内部含有大量的农业专家水平的知识与经验，它可以利用人工智能日趋成熟的各项技术，解决一些过去只能依靠农业专家才能解决的现实问题。
对农业大数据进行可能性的推理、演绎，并做出准确判断与决策，这就是专家系统的工作。通过AI专家系统对环境因素和农作物的生长状况进行数据分析，就能够及时获得农作物在各生长阶段可能遇到的问题相的解决办法。
4.病虫草害管理
目前市面上已经出现了多款智能植物识别App，不仅能识别农作物种类，还能够帮农户智能识别农作物的各种病虫害，充当植物医生角色。农户只要用App拍一下患了病虫害的农作物的照片，它就能够诊断出农作物的是虫害还是病害，具体病虫害的名称是什么，还可以给出一套相应的预防或治疗方案。除了人工智能给出的处理方案，还为用户搭建了一个持续性更强的社交平台供用户和专家交流的社区，使有兴趣的用户可以针对相应的病虫害开展讨论交流。?
5.农产品检验
目前国外普遍利用机器视觉进行农产品品质自动识别，研究的对象极其广泛，小到谷粒的表面裂纹检测和农作物种子的分级，大到根据梅脯、黄瓜、土豆等农产品的大小、形状、色泽和表面缺陷与损伤等进行分级，都在其研究范围内。目前它己经成为一种成熟、可靠的农产品外观形状检验工具。通过机器视觉系统识别过的农产品，其品质与安全性可以让消费者更加放心。
