【云栖号案例 | 制造】海升集团数据上云 走出智能农业的新路子

本文涉及的产品
阿里云百炼推荐规格 ADB PostgreSQL,4核16GB 100GB 1个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
简介: 随着种植规模扩大,需要先进的信息化系统,解决信息流通、数据共享的问题。通过大数据中台,实现数据的系统化上云,提高农业种植的可视化、流程化。

云栖号案例库:【点击查看更多上云案例】
不知道怎么上云?看云栖号案例库,了解不同行业不同发展阶段的上云方案,助力你上云决策!

尽管最近水果的价格持续上涨,但水果消费的需求和市场始终在快速提升。墨西哥的牛油果、新西兰奇异果、进口车厘子等口感美味、外观靓丽的“洋水果大军”正在跃上消费者的餐桌。

想要赢得市场份额,国内水果种植业必须要想办法提升“质和量”的双高标准。其中,海升集团通过数字化、智能化的转型,始终站在了整个行业的前列,非常值得学习。

image

海升集团一直是国内规模化种植、集约化经营的水果种植典范。这家创办于1996年、早期以苹果浓缩汁为主营业务的公司,十年前就是全世界最大的苹果浓缩汁生产商和供应商。2008年金融危机爆发之后,海升集团开始筹划向鲜果种植领域转型,目前已经在全国建立63个果蔬种植基地,总种植面积超过8万亩,成功打造了单品类扩规模,多品类全产业链的多维度发展模式。

但随着海升集团种植规模的快速扩大,随着机械化、自动化以及物联网的设备用的越来越多,海升集团发现,单纯依靠EXCEL统计各条业务链数据、汇总工作已经远远不够了,公司需要一套先进的信息化系统,解决信息流通、数据共享的问题,让整体的经营分析更加准确清晰。

构建农业大数据中台:“数据上云”解开最难的问题

海升希望能够构建一个农业大数据中台,把不断扩大的业务版图内的各种业务数据,按统一的方式接入中台系统,之后通过统一化的数据技术服务反哺业务,让企业的各个业务都能够共享同一套数据资产,从而实现数字化、智能化的农业建设,这也成为了海升集团与阿里云的共识。

但农事数据的多样化和复杂性远超阿里云数据专家们的想象:在农业生产中,气象、土壤、植物、农事操作、农业投入品、产出都是关键变量,都需要详细记录,特别是海升集团,多年来积累的这些农事数据是企业最为宝贵的数据资产,必须要深度融入农业大数据中台。为了构建出优秀的农业大数据中台,阿里云与海升集团反复推敲、尝试、打磨、改进,最终将后者数据报表中的选种育种、育苗、选址建园、种植管理、农机管理、采后分选、仓配、物流、营销等业务系统多源数据实现融合入库,进入了农业大数据中台的数据库中。随着数据中台将海升集团的结构化、非结构化数据统一整合,以及农业大数据中台在云上的顺利构建,海升集团完成了数据标准化和数据系统化上云。

image

农事管理:让农业生产有了一张“数字地图”

随着海升集团农业大数据中台的成功建设,农业大脑的建设得以顺利展开。

首先,与之前采用“田间收集,集中录入,Excel承载”不同,基于农业大脑的数据管理功能,海升集团得以更为规范的进行数据录入、表单管理工作,更为直观的对汇总数据进行查看和进行GIS图管理。田间工程师等一线工作人员,可以通过方便的手机端APP应用,直接录入基础信息、施肥、园艺、农机与农事、采后、用工、生物资产、农事环境、产量预估、建园、苗圃等方面的详细信息。同时,通过与一线自动化、机械化设备的直接对接,多种数据可以直接通过数据管理功能进入农业大数据中台,减少了手工录入的错误、延迟等问题。

不仅如此,随着物联网技术在农业种植中的广泛应用,农业大脑构建了全链路农业IoT数据传感网,通过连通气象站、土壤墒情仪、田间摄像头、无人机和农机监控设备,农业大脑实现了农场全链路数据IoT设备采集和自动化上传,种植作物得到了“全生命周期数据感知”的加持,进一步提高了田间数据的采集效率和准确率。其次,作为农业大脑重要组成部分的农事管理功能,囊括了种植业生产中的灌溉、施肥、植保、园艺管理四大主要工作,通过可视化的方式展示农事作业分基地、地块、品类、种植年份在四大农事作业方面的主要作业内容及变化趋势。这就相当于为海升集团的田间工程师提供了一个“全局细颗粒度视角”的数据展现、对比和监控。

不仅如此,在构建农业大脑时,阿里云与海升集团同时在向“以数字化、智能化的方式辅助指导种植决策”的方向尝试:首先,通过调用外部气象数据接口,农业大脑的气象预测功能每天可以实时获得未来15天的气温、风力风向、降雨和相对湿度四大核心气象数据。同时,提供过去10年当地的历史气温、湿度、日照、风速等天气数据,通过将预测数据与历史数据的对比,田间工程师可以对未来的天气情况作出更加准确的预判和及时应对。

其次,在方案管理功能中,由于可以在确定了作物物侯期之后,根据树龄、树种、树木历史施肥记录、叶片检测报告等多个维度筛选合适的历史种植方案,农事管理帮助田间工程师挖掘出最优化的种植方案,结合田间工程师对肥料配方等方面项目的调整,即可生成建议的种植方案,这实际上构建了基于历史数据和规格化的农事决策和预警引擎,对灌溉、施肥、施药等农事操作给出初步的参考建议与种植方案,这一功能的实现为未来构建农事智能辅助决策引擎打下了坚实的基础。

image

图说:阿里云移动农事管理应用和DATAV农事数据信息大屏

以农事管理为核心,阿里云与海升集团共同完成了农业大脑I期项目的建设,有效提高了海升集团农业种植的可视化、流程化水平,特别是通过农业大数据中台,实现了数据的系统化上云,从而解决了长期困扰海升集团的数据整合与历史数据整合问题,让农业生产第一次有了一张清晰、准确、实时的“数字地图”,而整个农业大脑I期项目上线应用,预估能够帮助海升集团在种植生产中,每亩地生产成本将减少200元,总成本节省约2000万元。

从传统种植为主的模式转向提供产业基础设施服务

image

目前阿里云与海升集团已经开始了第二阶段的合作:实现农业种植的机器智能决策,让AI成为海升集团的田间工程师。未来,利用农业大数据中台和农业大脑,海升集团的种植经验、知识和决策体系,将可以成为一种可复制、可输出的数字化产品和智能服务,除了传统的在全国各地投资建设种植基地,对于想提高种植业水平的地方政府、种植企业,不仅可以从海升集团输入优势品种、种植基地的建设经验、农业机械的使用与管理方法,还可以输入包含了种植管理、农事操作、(基于农事智能辅助决策引擎)种植方案设计的农业大脑——海升集团将从单纯的种植业企业,转变为包含了现代化种植技术体系的种植业产业基础设施服务提供商,成为国内乃至全球能够对外赋能的种植业企业。

文:崔昊(阿里云研究中心高级战略专家)
责编:李双宏 张晶晶

logo

【云栖号在线课堂】每天都有产品技术专家分享!
在线课堂地址:https://yqh.aliyun.com/zhibo

立即加入社群,与专家面对面,及时了解课程最新动态!
【云栖号在线课堂 社群】https://c.tb.cn/F3.Z8gvnK

相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
1月前
|
分布式计算 监控 大数据
大数据-131 - Flink CEP 案例:检测交易活跃用户、超时未交付
大数据-131 - Flink CEP 案例:检测交易活跃用户、超时未交付
67 0
|
1月前
|
SQL 分布式计算 NoSQL
大数据-164 Apache Kylin Cube优化 案例1 定义衍生维度与对比 超详细
大数据-164 Apache Kylin Cube优化 案例1 定义衍生维度与对比 超详细
31 1
大数据-164 Apache Kylin Cube优化 案例1 定义衍生维度与对比 超详细
|
1月前
|
分布式计算 大数据 Linux
大数据体系知识学习(二):WordCount案例实现及错误总结
这篇文章介绍了如何使用PySpark进行WordCount操作,包括环境配置、代码实现、运行结果和遇到的错误。作者在运行过程中遇到了Py4JJavaError和JAVA_HOME未设置的问题,并通过导入findspark初始化和设置环境变量解决了这些问题。文章还讨论了groupByKey和reduceByKey的区别。
31 1
|
1月前
|
消息中间件 存储 druid
大数据-156 Apache Druid 案例实战 Scala Kafka 订单统计
大数据-156 Apache Druid 案例实战 Scala Kafka 订单统计
42 3
|
1月前
|
存储 大数据 分布式数据库
大数据-165 Apache Kylin Cube优化 案例 2 定义衍生维度及对比 & 聚合组 & RowKeys
大数据-165 Apache Kylin Cube优化 案例 2 定义衍生维度及对比 & 聚合组 & RowKeys
37 1
|
1月前
|
消息中间件 druid 大数据
大数据-153 Apache Druid 案例 从 Kafka 中加载数据并分析(二)
大数据-153 Apache Druid 案例 从 Kafka 中加载数据并分析(二)
33 2
|
1月前
|
消息中间件 分布式计算 druid
大数据-153 Apache Druid 案例 从 Kafka 中加载数据并分析(一)
大数据-153 Apache Druid 案例 从 Kafka 中加载数据并分析(一)
56 1
|
1月前
|
存储 SQL 分布式计算
大数据-142 - ClickHouse 集群 副本和分片 Distributed 附带案例演示
大数据-142 - ClickHouse 集群 副本和分片 Distributed 附带案例演示
164 0
|
1月前
|
存储 SQL 分布式计算
大数据-139 - ClickHouse 集群 表引擎详解4 - MergeTree 实测案例 ReplacingMergeTree SummingMergeTree
大数据-139 - ClickHouse 集群 表引擎详解4 - MergeTree 实测案例 ReplacingMergeTree SummingMergeTree
32 0
|
1月前
|
SQL 大数据 API
大数据-132 - Flink SQL 基本介绍 与 HelloWorld案例
大数据-132 - Flink SQL 基本介绍 与 HelloWorld案例
46 0
下一篇
无影云桌面