《Smart Agricultural Technology》：Can Industry 5.0’s Human-Centric Approach Fulfill Industry 4.0’s Unrealized Promise to Agriculture?
编辑推荐：
农业在养活不断增长的全球人口的同时，面临着日益依赖临时工且持续萎缩的劳动力队伍。遵循工业1.0至3.0的发展轨迹，农业不断调整和改进其生产方式以满足日益增长的粮食需求。工业4.0的数据驱动技术，包括人工智能（AI）、智能传感器、机器人、无人机以及自动化监控与决
农业在养活不断增长的全球人口的同时，面临着日益依赖临时工且持续萎缩的劳动力队伍。遵循工业1.0至3.0的发展轨迹，农业不断调整和改进其生产方式以满足日益增长的粮食需求。工业4.0的数据驱动技术，包括人工智能（AI）、智能传感器、机器人、无人机以及自动化监控与决策支持系统，为推进可持续农业和减少对人类劳动的依赖带来了巨大希望。然而，向农业4.0的转型已被证明充满挑战，这些技术的普及程度远低于预期。采纳障碍源于对成本效益的不确定性，这既由新技术所需的大量初始投资所驱动，也源于对这些技术如何融入现有工作流程、改变操作流程以及影响效率、劳动成本和所需技能组合的不确定性，这些往往超出了农民的知识基础和技术能力。最近，工业5.0框架作为一种演进方向应运而生，为构建以人为本、富有韧性和可持续的产业提供了指引。在本论文中，研究人员认为，人因工程（Human Factors and Ergonomics, HF/E），一门关注人-系统交互及应用循证方法指导以人为本设计的科学学科，在农业4.0时代的农业研发讨论中基本缺席。将HF/E方法纳入农业研发，有望将工业5.0的以人为本愿景付诸实践，提供结构化的、基于证据的指导，说明如何将政策雄心转化为实际的设计与开发，这种方法将惠及农业生计和经济活力，同时帮助农业满足全球粮食需求。
引言与背景
本文探讨了农业面临的劳动力挑战及其技术采纳困境。尽管信息技术发展迅速，但农业领域仍高度依赖人工劳动，许多水果和蔬菜仍需手工采摘。论文旨在审视农业当前的劳动力挑战，追溯从农业1.0到4.0的演变历程，识别农业4.0采纳的障碍，并提出以人为本的方法来弥合技术与实施之间的鸿沟，推动迈向农业5.0时代。
用更少的农民养活更多的人
随着世界人口预计在2080年达到约103亿峰值，保障粮食安全成为联合国可持续发展目标2（SDG 2）的核心。农业用地面积持续扩大，但同时农业劳动力占比从1991年的44%下降至2019年的27%，发达国家面临劳动力老龄化和劳动力短缺的严峻挑战，这尤其体现在果蔬的季节性采收和加工环节。劳动力短缺推高了成本，并凸显了农业对季节性劳动力的脆弱依赖性。尽管如此，通过技术创新和改进实践，2001至2015年间全球农业劳动生产率年均增长3.77%。经合组织-粮农组织（OECD-FAO）预测未来十年世界农业生产将增长约14%。
农业的演变：从1.0到4.0
传统农业（农业1.0）依赖手工劳动和简陋工具，生产力极低。第一次工业革命引入了农业机械。第二次工业革命后，农业2.0广泛采用动力驱动的机械化设备，显著减少了体力劳动并提高了生产力，运输业的进步促进了农产品供应链的发展。第三次工业革命催生了农业3.0，使精准农业工具得以应用。目前正在进行的第四次工业革命（工业4.0）由新兴技术融合驱动，在农业领域表现为农业4.0，也称为数字农业或智慧农业。它利用人工智能（AI）、机器学习（ML）、物联网（IoT）、机器人、智能传感器等技术，收集、传输、存储和分析数据，用于作物健康监测、产量估算、病虫害检测、精准作业等，旨在实现自动化和实时数据交换。信息物理系统（Cyber-physical systems）结合AI可以自主执行有针对性的干预，例如无人机进行精准喷洒，农业机器人辅助生产各环节，从而减少对人力的依赖，提高运营效率。
农业4.0采纳的障碍
尽管益处显著，但数字农业和农业机器人的采纳率有限且不均衡。全球大多数农场为小型家庭经营，而大型农场控制着大部分土地。在高收入国家，先进技术的采纳率普遍较低（4%-22%），在中低收入国家则更为有限。主要障碍包括：
- 1.
成本效益不确定性：农业4.0技术需要大量基础设施投资，如通信系统、传感器和自动化机械，这对于小型农户尤为突出。高昂的初始投资、维护成本和缺乏评估收益的工具令农民犹豫。
- 2.
与现有实践的整合困难：农民不清楚新技术如何融入现有工作流程、改变操作方式以及对效率、劳动力和技能的影响。农业科技公司往往缺乏对农场商业模式和成本效益分析的充分了解。
- 3.
知识和技术能力不足：技术的复杂性超出了农民的知识和技术能力。农民平均年龄超过55岁，存在技术焦虑和变革阻力。有限的用户友好性和技术术语增加了感知复杂度。数据安全和隐私问题也是阻碍因素。缺乏合格的培训和学习周期长导致熟练劳动力短缺。
迈向以人为本的农业5.0
欧盟委员会在工业4.0仍在部署之际提出了工业5.0框架，其核心要素是以人为本、可持续性和韧性。工业5.0强调增强人机协作，追求人与先进技术的平衡共存。农业5.0的定义尚在演化中，本文将其理解为利用现有和未来的技术发展，落实促进农业产业韧性、可持续性和以人为本特征的政策愿景。人因工程（HF/E）是研究人与系统、工具和环境相互作用的科学学科，旨在优化人类福祉和系统性能。以人为本的设计优先考虑用户需求和需求，目标是建立人与技术的互补关系。尽管有这种需求，但HF/E研究界在很大程度上忽视了农业领域。通过对过去十年人因工程学会（HFES）年会、《Human Factors》期刊和《Biosystems Engineering》期刊的分析发现，涉及农业或HF/E概念的研究比例极低（分别约为0.17%、0.8%和1.4%），表明现有的HF/E知识和实践尚未充分应用于农业，以人为本设计在农业4.0技术开发中的潜力尚未被挖掘。
在人机工程学方法在农业技术开发中的应用
本文提出将HF/E方法整合到农业4.0中，是实现农业5.0以人为本愿景并解决技术采纳率低问题的可行途径。论文按技术开发和采纳的生命周期组织了HF/E方法的应用：
- •
理解工作领域及其从业者
- •
通过知识获取方法（如观察、访谈）了解农民的实践和隐性知识。
- •
运用层级任务分析系统地理解当前工作如何执行，为新技术的融入提供依据。
- •
进行人体测量学审查，确保设备设计符合不同人群的身体尺寸。
- •
与用户共同设计并为AI/自动化集成而设计
- •
采用参与式设计，让农民作为合作者参与到设计过程中。
- •
针对AI集成，强调可解释性AI（XAI） 对于建立信任至关重要，XAI需要面向非AI专家的最终用户（农民）进行设计。
- •
提出一个社会技术系统框架，考虑人员、任务、工具/技术、物理环境和组织五个相互关联的组成部分。
- •
使用人物角色技术来代表不同的用户群体。
- •
在机器人集成方面，强调认知系统工程学方法论和人机协作研究的重要性。
- •
认知工作分析是一种形成性框架，用于检查塑造工作的约束条件，指导界面、团队设计和培训需求分析。
- •
评估与测试
- •
可用性测试通过原型测试、场景等评估技术的性能和适用性。
- •
尼尔森启发式评估用于评估用户界面的可用性。
- •
模拟和场景测试在实际部署前重建逼真的使用情境，识别可用性问题。
- •
支持采纳
- •
面对农业实践的异质性，需要通过田间研究和参与式实验方法来推广解决方案。
- •
时间和动作研究可用于评估成本、效率和安全。
- •
教育和培训项目、研讨会和知识共享平台有助于农民掌握新技术。
- •
技术接受与利用的统一理论（UTAUT） 是一个解释个体为何接受和使用新技术的框架。
- •
技术接受水平（TAL） 框架用于评估已在农场部署的系统的接受程度。
总之，将HF/E方法系统地融入农业技术开发的整个生命周期，能够有效应对农业4.0采纳过程中的关键障碍，为实现以人为本、富有韧性和可持续的农业5.0愿景提供了一条切实可行的路径。
