我國(guó)智能農(nóng)機(jī)的研究進(jìn)展與無(wú)人農(nóng)場(chǎng)的實(shí)踐-羅錫文.pdf

羅錫文 廖娟 胡煉 等 我國(guó)智能農(nóng)機(jī)的研究進(jìn)展與無(wú)人農(nóng)場(chǎng)的實(shí)踐 J 華南農(nóng)業(yè)大學(xué)學(xué)報(bào) 2021 42 6 8 17 LUO Xiwen LIAO Juan HU Lian et al Research progress of intelligent agricultural machinery and practice of unmanned farm in China J Journal of South China Agricultural University 2021 42 6 8 17 特約綜述 我國(guó)智能農(nóng)機(jī)的研究進(jìn)展與無(wú)人農(nóng)場(chǎng)的實(shí)踐 羅錫文 廖 娟 胡 煉 周志艷 張智剛 臧 英 汪 沛 何 杰 華南農(nóng)業(yè)大學(xué) 工程學(xué)院 廣東省農(nóng)業(yè)航空應(yīng)用工程技術(shù)研究中心 廣東省農(nóng)業(yè)人工智能重點(diǎn)實(shí)驗(yàn)室 南方農(nóng)業(yè)機(jī)械與裝備關(guān)鍵技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室 廣東 廣州 510642 摘要 智慧農(nóng)業(yè)是現(xiàn)代農(nóng)業(yè)的高級(jí)形式 無(wú)人農(nóng)場(chǎng)是實(shí)現(xiàn)智慧農(nóng)業(yè)的重要途徑 智能農(nóng)機(jī)是無(wú)人農(nóng)場(chǎng)的物質(zhì)支 撐 本文以植物生產(chǎn)為例 介紹了智能農(nóng)機(jī)的智能感知 自動(dòng)導(dǎo)航 精準(zhǔn)作業(yè)和智慧管理4項(xiàng)功能在智慧農(nóng)業(yè)中 的地位和關(guān)鍵技術(shù)的研究進(jìn)展 介紹了華南農(nóng)業(yè)大學(xué)集成相關(guān)智能農(nóng)機(jī)創(chuàng)建水稻無(wú)人農(nóng)場(chǎng)的實(shí)踐和無(wú)人農(nóng)場(chǎng)的 5個(gè)特點(diǎn) 包括耕種管收生產(chǎn)環(huán)節(jié)全覆蓋 機(jī)庫(kù)田間轉(zhuǎn)移作業(yè)全自動(dòng) 自動(dòng)避障異況停車(chē)保安全 作物生產(chǎn)過(guò)程 實(shí)時(shí)全監(jiān)控和智能決策精準(zhǔn)作業(yè)全無(wú)人 在2020年的中稻和2021年的早稻生產(chǎn)中 水稻無(wú)人農(nóng)場(chǎng)的稻谷產(chǎn)量 均高于當(dāng)?shù)氐钠骄a(chǎn)量 表明了其巨大的發(fā)展?jié)摿?無(wú)人農(nóng)場(chǎng)的建設(shè)為解決 誰(shuí)來(lái)種田 和 如何種田 的問(wèn) 題提供了重要途徑 關(guān)鍵詞 智慧農(nóng)業(yè) 智能農(nóng)機(jī) 自動(dòng)導(dǎo)航 精準(zhǔn)作業(yè) 無(wú)人農(nóng)場(chǎng) 信息技術(shù) 水稻生產(chǎn) 中圖分類(lèi)號(hào) S22 TP23 F323 3 文獻(xiàn)標(biāo)志碼 A 文章編號(hào) 1001 411X 2021 06 0008 10 Research progress of intelligent agricultural machinery and practice of unmanned farm in China LUO Xiwen LIAO Juan HU Lian ZHOU Zhiyan ZHANG Zhigang ZANG Ying WANG Pei HE Jie College of Engineering South China Agricultural University Guangdong Engineering Research Center for Agricultural Aviation Application Guangdong Provincial Key Laboratory of Agricultural Artificial Intelligence Key Laboratory of Key Technology on Agricultural Machine and Equipment Ministry of Education Guangzhou 510642 China Abstract Smart agriculture is an advanced form of modern agriculture Unmanned farm is an important way to realize smart agriculture and intelligent agricultural machinery is the material support for unmanned farm Took plant production of intelligent agricultural machinery in smart agriculture as an example this paper introduced the research progress of status and key technology of four functions of intelligent agricultural machinery including intelligent information sensing automatic navigation precision operation and smart management South China Agricultural University integrated the intelligent agricultural machinery of rice production and built the unmanned rice farm The five characteristics of unmanned rice farm are summarized as follows 1 All production processes including cultivation planting management and harvesting are unmanned 2 Transfer 收稿日期 2021 08 26 網(wǎng)絡(luò)首發(fā)時(shí)間 2021 09 09 12 18 48 網(wǎng)絡(luò)首發(fā)地址 作者簡(jiǎn)介 羅錫文 1945 男 教授 中國(guó)工程院院士 E mail xwluo 基金項(xiàng)目 廣東省重點(diǎn)領(lǐng)域研發(fā)計(jì)劃 2019B020224001 中國(guó)工程院戰(zhàn)略咨詢(xún)研究項(xiàng)目 2021 XBZD 13 43 2019 ZD 5 17 廣東省科技計(jì)劃 2021B1212040009 華南農(nóng)業(yè)大學(xué)學(xué)報(bào) Journal of South China Agricultural University 2021 42 6 8 17 DOI 10 7671 j issn 1001 411X 202108040 between hangar and field and operation are full automation 3 Avoiding obstacle and parking automatically at abnormal condition ensure the safety 4 Real time monitoring of all production process 5 Unmanned intelligent decision making and precision operation In the production of medium rice in 2020 and early rice in 2021 the yield of rice in unmanned farm was higher than the average yield in traditional farm which indicated that unmanned farm had great development potential The construction of unmanned rice farm provides an important way to solve the problems of who will farm and how to farm in the future of China Key words smart agriculture intelligent agricultural machinery automatic navigation precision operation unmanned farm information technology rice production 2012年中央一號(hào)文提出 要突出農(nóng)業(yè)科技創(chuàng)新 重點(diǎn) 在精準(zhǔn)農(nóng)業(yè)技術(shù)等方面取得重大突破 1 2017年中央一號(hào)文提出 要實(shí)施智慧農(nóng)業(yè)工程 2 智慧農(nóng)業(yè)是未來(lái)農(nóng)業(yè)的發(fā)展方向 是現(xiàn)代農(nóng)業(yè)的高 級(jí)形式 3 智慧農(nóng)業(yè)是以數(shù)據(jù) 知識(shí)和智能裝備為 核心要素 通過(guò)將現(xiàn)代科學(xué)技術(shù)與農(nóng)業(yè)深度融合 實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)全過(guò)程的數(shù)字化感知 智能化決策 精準(zhǔn)化作業(yè)和智慧化管理的全新農(nóng)業(yè)生產(chǎn)方式 4 當(dāng)前 新一輪科技革命和產(chǎn)業(yè)變革正在興起 信息 技術(shù) 生物技術(shù) 新材料技術(shù)和新能源技術(shù)廣泛滲 透到農(nóng)業(yè)領(lǐng)域 催生了一大批戰(zhàn)略性新興產(chǎn)業(yè) 農(nóng) 機(jī)裝備先進(jìn)制造 農(nóng)業(yè)物聯(lián)網(wǎng) 農(nóng)業(yè)大數(shù)據(jù)和農(nóng)業(yè) 機(jī)器人等高新技術(shù)逐步應(yīng)用到農(nóng)業(yè)生產(chǎn)各個(gè)領(lǐng)域 智慧農(nóng)業(yè)呈現(xiàn)出強(qiáng)勁的發(fā)展勢(shì)頭 無(wú)人農(nóng)場(chǎng)是實(shí)現(xiàn) 智慧農(nóng)業(yè)的重要途徑 無(wú)人農(nóng)場(chǎng)以生物技術(shù) 智能 農(nóng)機(jī)和信息技術(shù)為支撐 生物技術(shù)為無(wú)人農(nóng)場(chǎng)提供 適應(yīng)機(jī)械化作業(yè)的品種和栽培模式 智能農(nóng)機(jī)為無(wú) 人農(nóng)場(chǎng)自動(dòng)化作業(yè)提供裝備支撐 信息技術(shù)為農(nóng)機(jī) 作業(yè)的精準(zhǔn)定位 數(shù)據(jù)傳輸和無(wú)人農(nóng)場(chǎng)的智慧管理 提供支撐 無(wú)人農(nóng)場(chǎng)采用4G 5G 物聯(lián)網(wǎng) 大數(shù)據(jù)和 人工智能等新一代信息技術(shù)遠(yuǎn)程控制各種智能農(nóng) 機(jī) 使之自主決策和自主作業(yè) 實(shí)現(xiàn)各個(gè)生產(chǎn)環(huán)節(jié) 的智能化 5 智能農(nóng)機(jī)具有智能感知 自動(dòng)導(dǎo)航 精 準(zhǔn)作業(yè)和智慧管理4個(gè)功能 是無(wú)人農(nóng)場(chǎng)的物質(zhì)支 撐 是農(nóng)業(yè)機(jī)械的轉(zhuǎn)型升級(jí) 6 毛澤東同志在 1959年就提出農(nóng)業(yè)的根本出路在于機(jī)械化 改革 開(kāi)放以來(lái) 經(jīng)過(guò)40多年的發(fā)展 我國(guó)的農(nóng)業(yè)機(jī)械化 取得了舉世矚目的成就 為提高我國(guó)農(nóng)業(yè)生產(chǎn)率作 出了巨大貢獻(xiàn) 目前 我國(guó)用不到世界10 的耕地 生產(chǎn)了世界25 的糧食 養(yǎng)活了世界20 的人 口 7 今天 隨著我國(guó)農(nóng)業(yè)農(nóng)村現(xiàn)代化加快推進(jìn) 對(duì) 農(nóng)業(yè)機(jī)械提出了更高的要求 提高農(nóng)業(yè)機(jī)械的智能 化水平成為必然選擇 也是農(nóng)業(yè)現(xiàn)代化的重要建設(shè) 內(nèi)容 國(guó)內(nèi)外實(shí)踐表明 提高農(nóng)業(yè)機(jī)械化和智能化 可以大幅度提高勞動(dòng)生產(chǎn)率 資源利用率和土地產(chǎn) 出率 只有在智能農(nóng)機(jī)的支持下 無(wú)人農(nóng)場(chǎng)才能成 為現(xiàn)實(shí) 1 智能農(nóng)機(jī)研究 1 1 智能感知 農(nóng)作物生長(zhǎng)環(huán)境 作物長(zhǎng)勢(shì)和作物病蟲(chóng)草害信 息是智能農(nóng)機(jī)進(jìn)行精準(zhǔn)作業(yè)的依據(jù) 8 星 機(jī) 地 是獲取這些信息的主要技術(shù) 星 指根據(jù)衛(wèi) 星影像分析獲取所需要的各種農(nóng)情信息 機(jī) 指 根據(jù)飛機(jī)或無(wú)人機(jī)獲取所需要的各種農(nóng)情信息 地 指在地面用儀器直接獲取所需要的各種農(nóng) 情信息 1 1 1 作物生長(zhǎng)環(huán)境信息 農(nóng)作物生長(zhǎng)環(huán)境信息 的快速感知是實(shí)施精準(zhǔn)農(nóng)業(yè)中最為基本和關(guān)鍵的 問(wèn)題 9 農(nóng)作物生長(zhǎng)環(huán)境信息包括土壤阻力 田面平 整情況 土壤水分和土壤養(yǎng)分等信息 10 農(nóng)田土壤 中不同位置和不同深度的耕作阻力 土壤堅(jiān)實(shí) 度 差異較大 準(zhǔn)確獲取土壤的耕作阻力信息是進(jìn) 行精準(zhǔn)耕整的重要依據(jù) 張利民等 11 成功研制出 帶全球?qū)Ш叫l(wèi)星系統(tǒng) Global navigation satellite system GNSS 的車(chē)載式土壤耕作阻力測(cè)定儀 采 用GNSS定位信息 通過(guò)液壓系統(tǒng)將圓錐儀 國(guó)際 上通用的土壤堅(jiān)實(shí)度測(cè)定儀 壓入土壤 獲取不同 地塊和同一地塊不同位置 不同深度 精度可以達(dá)到 0 5 cm 的耕作阻力 曾慶猛等 12 研制出車(chē)載式可 連續(xù)測(cè)定土壤耕作狀況和含水量的測(cè)定儀 田面平整情況是進(jìn)行農(nóng)田平整的重要依據(jù) 13 周浩 14 和胡煉等 15 采用水準(zhǔn)儀 全站儀 地面激光 掃描儀和無(wú)人機(jī)載激光掃描儀快速采集農(nóng)田平整 度信息 研制出基于GNSS的農(nóng)田三維地形實(shí)時(shí)采 集系統(tǒng) 可在平整作業(yè)過(guò)程中快速精準(zhǔn)獲取田面的 平整度信息 土壤水分是影響作物生長(zhǎng)的重要參數(shù) Xiao 等 16 研制出既可在水田田面有水時(shí)測(cè)定水層深度 又可以在水田田面無(wú)水時(shí)測(cè)定土壤水分的無(wú)線(xiàn)測(cè) 第 6 期 羅錫文 等 我國(guó)智能農(nóng)機(jī)的研究進(jìn)展與無(wú)人農(nóng)場(chǎng)的實(shí)踐 9 量系統(tǒng) 并可以根據(jù)田面 土壤中的水層 水分情況 遠(yuǎn)程控制自動(dòng)灌水和排水 莊稼一枝花 全靠肥當(dāng)家 土壤中氮 磷 鉀的實(shí)時(shí)在線(xiàn)快速測(cè)定是世界難題 至今尚未取得 實(shí)質(zhì)性的突破 大都只能進(jìn)行間接測(cè)量 孫建英 等 17 采用光譜測(cè)量技術(shù) 分析了東北黑土地和華北 潮土的土壤參數(shù)和光譜特性 采用GNSS定位信息 標(biāo)志土壤的位置 通過(guò)實(shí)驗(yàn)室分析可準(zhǔn)確給出 pH以及氮 磷 鉀和有機(jī)質(zhì)含量的分布圖 為精準(zhǔn) 施肥提供依據(jù) Dong等 18 嘗試采用激光誘導(dǎo)技術(shù) 測(cè)定土壤中的氮素 1 1 2 作物長(zhǎng)勢(shì)信息 作物長(zhǎng)勢(shì)信息主要包括作 物生長(zhǎng)狀況 株高 葉面積指數(shù) 生物量 倒伏面積 等 養(yǎng)分脅迫和產(chǎn)量等信息 目前多采用高清數(shù)碼 相機(jī) 多光譜相機(jī)以及熱像儀等傳感器進(jìn)行測(cè)定 楊貴軍等 19 研發(fā)了一套農(nóng)業(yè)多載荷無(wú)人機(jī)遙感輔 助小麥育種信息獲取系統(tǒng) 可以實(shí)現(xiàn)冠層葉面積指 數(shù) 作物倒伏面積和產(chǎn)量的高通量數(shù)據(jù)獲取 孫紅 等 20 基于作物在紅光范圍660 nm附近的光譜深吸 收和近紅外850 nm附近的光譜強(qiáng)反射特征 設(shè)計(jì) 了一種采用主動(dòng)光源的雙波長(zhǎng)便攜式葉綠素含量 檢測(cè)裝置 可以高效檢測(cè)作物葉綠素含量 楊燕瓊 等 21 采用衛(wèi)星 高光譜儀和3CCD攝像機(jī)多信息融 合技術(shù) 進(jìn)行了水稻生產(chǎn)過(guò)程中的葉綠素含量 葉 面積指數(shù)測(cè)定以及生物量和產(chǎn)量估測(cè) 估產(chǎn)方程的 復(fù)相關(guān)系數(shù)均大于0 92 精度均在89 以上 汪沛 等 22 采用無(wú)人機(jī)遙感平臺(tái)獲取水稻冠層圖像 提出 了基于矩形約束對(duì)低空多光譜圖像存在的桶形畸 變進(jìn)行校正的方法 該校正方法解決了沒(méi)有或缺少 地面控制點(diǎn)的圖像校正的困難 臧英等 23 建立了 基于標(biāo)準(zhǔn)種植比值法的水稻養(yǎng)分信息快速解析和 施肥決策模型 通過(guò)與已有標(biāo)準(zhǔn)種植模型比對(duì)的方 式生成施肥處方 該方法可以有效地減少施肥決策 中對(duì)土壤肥力數(shù)據(jù)的依賴(lài) 提高了管理決策的效率 在作物長(zhǎng)勢(shì)信息的快速獲取和解析處理中 傳 統(tǒng)的航天 航空遙感技術(shù)存在氣象影響因子多 周 期長(zhǎng) 分辨率低等問(wèn)題 尤其在廣東等南方地區(qū) 適 合遙感的無(wú)云氣象條件的時(shí)間窗口期更少 采用無(wú) 人機(jī)進(jìn)行作物長(zhǎng)勢(shì)信息的近地遙感獲取 可彌補(bǔ)現(xiàn) 有航天 航空遙感技術(shù)的不足 受載荷量及滯空時(shí) 間的限制 無(wú)人機(jī)掛載的遙感傳感器要求質(zhì)量輕 體積小 此外 受航空管制的影響 飛行高度通常比 較低 這就決定了無(wú)人機(jī)低空遙感單張影像的覆蓋 面積難以達(dá)到傳統(tǒng)航空航天的遙感覆蓋面積 按照 傳統(tǒng)的做法 遙感監(jiān)測(cè)66 67 hm2 拼接前的影像采 集量可達(dá)5 000幅 普通圖形工作站完成校正 拼接 及解析等處理工作需要5 h以上 而作物的田間管 理對(duì)農(nóng)時(shí)要求通常時(shí)間比較短 需要即時(shí)生成作業(yè) 處方圖 遙感信息的獲取和解析處理需要有較高的 實(shí)時(shí)性才能滿(mǎn)足實(shí)際生產(chǎn)的要求 Jiang等 24 25 研 制的遙感傳感器可以提供與專(zhuān)業(yè)級(jí)高光譜儀器和 多光譜相機(jī)相近的反射率和輻射照度測(cè)量精度 在 水稻長(zhǎng)勢(shì)信息解析中 該研究信息解析數(shù)據(jù)量可達(dá) 534 6 hm2 min 相比傳統(tǒng)方法 長(zhǎng)勢(shì)專(zhuān)題圖的生成速 率和變量施肥處方圖的決策效率大幅度提升 1 1 3 作物病蟲(chóng)草害信息 作物病蟲(chóng)草害的早期 準(zhǔn)確監(jiān)測(cè)是精準(zhǔn)噴施作業(yè)的基礎(chǔ) 對(duì)精準(zhǔn)用藥和早 期防治具有重要意義 作物光譜反射特性與作物葉 綠素含量具有高度相關(guān)性 當(dāng)植株遭受病蟲(chóng)草害 時(shí) 可以通過(guò)光譜的方式進(jìn)行檢測(cè) 目前 常用的作 物病蟲(chóng)草害監(jiān)測(cè)方式主要有光譜檢測(cè)法 圖像識(shí)別 法和電子鼻檢測(cè)法等 袁媛等 26 利用R分量和中 值濾波進(jìn)行圖像預(yù)處理 并采用支持向量機(jī)的方法 對(duì)水稻紋枯病進(jìn)行分類(lèi)識(shí)別 劉又夫等 27 對(duì)褐飛 虱Nilaparvata lugens Stal 誘導(dǎo)的水稻冠層熱圖像 溫度特征變異評(píng)估方法進(jìn)行了研究 將水稻冠層的 溫度特征作為輸入向量 對(duì)水稻受褐飛虱侵害狀況 測(cè)試集判斷的精準(zhǔn)率達(dá)到87 15 He等 28 采用深 度目標(biāo)檢測(cè)網(wǎng)絡(luò)對(duì)水稻局部圖像中的褐飛虱進(jìn)行 檢測(cè)和計(jì)數(shù) 提出雙層R FCN網(wǎng)絡(luò)的褐飛虱檢測(cè) 和計(jì)數(shù)算法 可以有效提升算法的召回率 召回率 可達(dá)60 44 鄧向武等 29 基于多特征融合的 DBN模型和深度置信網(wǎng)絡(luò)對(duì)稻田苗期雜草進(jìn)行識(shí) 別 識(shí)別率為91 13 Liu等 30 采用深度卷積網(wǎng)絡(luò) 對(duì)5 136幅圖片進(jìn)行了蟲(chóng)害識(shí)別 12種水稻蟲(chóng)害 準(zhǔn)確度約為95 李澤軒 31 收集并整理了包含 15種病害和22種蟲(chóng)害的水稻病蟲(chóng)害數(shù)據(jù)集 在深 度殘差網(wǎng)絡(luò)的基礎(chǔ)上提出了改進(jìn)算法FRNet 對(duì)水 稻病蟲(chóng)害的識(shí)別率超過(guò)了80 李梓和 32 建立了 一個(gè)包含8種稻田雜草的目標(biāo)檢測(cè)數(shù)據(jù)集 針對(duì)稻 田雜草數(shù)據(jù)存在復(fù)雜背景以及目標(biāo)相互遮擋等問(wèn) 題提出了Det ResNet 檢測(cè)精度達(dá)到了91 6 并提 出了一種輕量化的RetinaNet檢測(cè)模塊Efficient retina head ERetina Head 可以使模型的檢測(cè)精度 提高1 2 1 1 4 農(nóng)田障礙物目標(biāo)識(shí)別與定位 農(nóng)田中存在 著各種障礙物 影響了智能農(nóng)機(jī)的正常作業(yè) 并存 在安全隱患 因此 智能農(nóng)機(jī)必須具備障礙物識(shí)別 與檢測(cè)的能力 在智能農(nóng)機(jī)對(duì)障礙物檢測(cè)的研究 中 按照所使用的傳感器種類(lèi)可以將障礙物檢測(cè)分 10 華南農(nóng)業(yè)大學(xué)學(xué)報(bào) 第 42 卷 為基于超聲波 毫米波雷達(dá) 激光雷達(dá) 機(jī)器視覺(jué)以 及多傳感器融合等多種方法 33 賈闖等 34 研制了山 地果園單軌運(yùn)輸機(jī)超聲波避障系統(tǒng) 在一定條件 下 該系統(tǒng)能夠識(shí)別軌道上的障礙物和軌道旁的非 障礙物 提高了單軌運(yùn)輸機(jī)無(wú)人駕駛運(yùn)行時(shí)的安全 性和可靠性 王水滿(mǎn) 35 基于單線(xiàn)激光雷達(dá)傳感器 進(jìn)行了無(wú)人機(jī)360 全方位障礙物檢測(cè)與識(shí)別 根據(jù) 獲得的障礙物信息和無(wú)人機(jī)的狀態(tài)信息 實(shí)現(xiàn)無(wú)人 機(jī)的自動(dòng)避障 高振海等 36 采用自適應(yīng)卡爾曼濾 波算法對(duì)毫米波雷達(dá)數(shù)據(jù)進(jìn)行分析 估計(jì)前方目標(biāo) 的運(yùn)動(dòng)狀態(tài) 估計(jì)結(jié)果精度較高且濾波收斂穩(wěn)定 基于深度學(xué)習(xí)的目標(biāo)檢測(cè)算法根據(jù)候選框的生成 方式 分成一階段 One stage 目標(biāo)檢測(cè)算法和二階 段 Two stage 目標(biāo)檢測(cè)算法 一階段目標(biāo)檢測(cè)算法 的代表有YOLO系列 37 和SSD系列 38 等 一階段 目標(biāo)檢測(cè)算法計(jì)算量小 檢測(cè)速度快 但準(zhǔn)確率較 低 二階段目標(biāo)檢測(cè)算法的代表有R CNN 39 Fast R CNN 40 和SPP NET 41 二階段目標(biāo)檢測(cè)算法的計(jì) 算量大 檢測(cè)速度慢 但準(zhǔn)確率高 蔡舒平等 42 對(duì)YOLOv4目標(biāo)檢測(cè)模型進(jìn)行了改進(jìn) 改進(jìn)后的模 型參數(shù)減少 檢測(cè)速度提高了29 4 魯棒性強(qiáng) 實(shí) 時(shí)性好 馬佳良等 43 在傳統(tǒng)的Fast R CNN基礎(chǔ) 上 提出了Accurate R CNN目標(biāo)檢測(cè)框架 可以在 不同數(shù)據(jù)集和不同的任務(wù)上取得良好的檢測(cè)效果 單一的傳感器在智能農(nóng)機(jī)的環(huán)境感知中具有 局限性 一般都將多個(gè)傳感器信息進(jìn)行融合檢測(cè) 目前比較常用的多傳感器信息融合的方法有激光 雷達(dá)與視覺(jué)融合 毫米波雷達(dá)與視覺(jué)融合等融合方 式 薛金林等 44 將攝像機(jī)與激光雷達(dá)的信息進(jìn)行 融合 實(shí)現(xiàn)了智能農(nóng)機(jī)車(chē)輛前方障礙物的實(shí)時(shí)檢 測(cè) 譚力凡 45 利用毫米波雷達(dá)與機(jī)器視覺(jué)數(shù)據(jù)進(jìn) 行特征級(jí)融合 先從毫米波雷達(dá)數(shù)據(jù)中獲取感興趣 區(qū)域 再通過(guò)坐標(biāo)系轉(zhuǎn)換和時(shí)間數(shù)據(jù)融合 基于圖 像處理技術(shù) 實(shí)現(xiàn)了對(duì)目標(biāo)物的檢測(cè)與識(shí)別 1 2 自動(dòng)導(dǎo)航 自動(dòng)導(dǎo)航是智能農(nóng)機(jī)的核心 我國(guó)農(nóng)機(jī)導(dǎo)航的 研究起步較晚 但經(jīng)過(guò)10多年的努力 我國(guó)農(nóng)機(jī)導(dǎo) 航取得了長(zhǎng)足進(jìn)展 目前與世界上先進(jìn)水平基本上 處于 并跑 的態(tài)勢(shì) 華南農(nóng)業(yè)大學(xué) 46 47 上海交 通大學(xué) 48 49 國(guó)家農(nóng)業(yè)信息工程技術(shù)研究中心 50 上 海聯(lián)適導(dǎo)航技術(shù)股份有限公司 51 52 和濰柴雷沃重工 股份有限公司 53 等單位為我國(guó)農(nóng)機(jī)導(dǎo)航技術(shù)的發(fā) 展作出了重要貢獻(xiàn) 針對(duì)我國(guó)地域廣 作物品種多 作物環(huán)境和種植制度復(fù)雜等問(wèn)題 我國(guó)農(nóng)機(jī)的自動(dòng) 導(dǎo)航與作業(yè)需要重點(diǎn)解決導(dǎo)航定位 導(dǎo)航控制和系 統(tǒng)集成三大難題 華南農(nóng)業(yè)大學(xué)等單位對(duì)此進(jìn)行了 系統(tǒng)深入的研究并取得了重大突破 目前 我國(guó)已 研制出了適應(yīng)旱地和水田不同作物的耕 種 管 收 等作業(yè)環(huán)節(jié)的電液轉(zhuǎn)向和電機(jī)轉(zhuǎn)向的農(nóng)機(jī)北斗自 動(dòng)導(dǎo)航產(chǎn)品 達(dá)到了國(guó)外同類(lèi)產(chǎn)品先進(jìn)水平 可滿(mǎn) 足無(wú)人農(nóng)場(chǎng)生產(chǎn)的需要 1 2 1 導(dǎo)航定位 針對(duì)復(fù)雜農(nóng)田環(huán)境和農(nóng)機(jī)作業(yè) 工況嚴(yán)重影響農(nóng)機(jī)姿態(tài)測(cè)量精度的問(wèn)題 黃培奎等 54 將北斗和慣性傳感器相結(jié)合 設(shè)計(jì)了外部加速度補(bǔ) 償?shù)目柭鼮V波算法 俯仰角平均誤差從2 00 降低 至0 55 航向角測(cè)量精度由5 0 提高至0 3 針對(duì) 作業(yè)環(huán)境復(fù)雜 單一傳感器精度有限的問(wèn)題 朱忠 祥等 55 采用多傳感器信息融合的方法 利用各傳感 器的優(yōu)勢(shì)特征 構(gòu)成數(shù)據(jù)冗余或數(shù)據(jù)互補(bǔ) 以陀螺 儀 加速度計(jì)和電子羅盤(pán)設(shè)計(jì)了農(nóng)機(jī)的航跡推算系 統(tǒng) 結(jié)合GNSS系統(tǒng)的絕對(duì)定位信息 利用卡爾曼 濾波融合方法 獲得了較好的定位測(cè)姿精度 針對(duì) 復(fù)雜農(nóng)田環(huán)境中衛(wèi)星信息遮擋 電磁干擾和衛(wèi)星定 位精度降低的問(wèn)題 張聞?dòng)畹?56 采用基于北斗和 MEMS慣性傳感器的線(xiàn)性時(shí)變自適應(yīng)卡爾曼濾波 算法 在RTS差分信號(hào)丟失30 s內(nèi)導(dǎo)航系統(tǒng)定位 精度 REM 仍可保持在3 cm以?xún)?nèi) 顯著地提高了 導(dǎo)航系統(tǒng)的斷點(diǎn)續(xù)航能力 1 2 2 導(dǎo)航控制 針對(duì)不同作物 不同生產(chǎn)環(huán)節(jié)和 不同地塊的導(dǎo)航作業(yè)路徑需要優(yōu)化規(guī)劃的問(wèn)題 孟 志軍等 57 提出了面向自動(dòng)導(dǎo)航和農(nóng)田全區(qū)域覆蓋 作業(yè)路徑優(yōu)化規(guī)劃方法 實(shí)現(xiàn)了農(nóng)機(jī)自動(dòng)導(dǎo)航系統(tǒng) 最優(yōu)作業(yè)方向計(jì)算和路徑自動(dòng)生成 針對(duì)農(nóng)田起伏 多變 現(xiàn)有農(nóng)機(jī)自動(dòng)導(dǎo)航系統(tǒng)的控制精度和上線(xiàn)速 度不能滿(mǎn)足精準(zhǔn)作業(yè)要求的問(wèn)題 王輝等 58 采用由 預(yù)瞄跟隨控制器 前視距離自適應(yīng)調(diào)節(jié)器 狀態(tài)預(yù) 估器和抗飽和變速積分器構(gòu)成的農(nóng)機(jī)導(dǎo)航復(fù)合路 徑跟蹤控制器 顯著地提高了農(nóng)機(jī)導(dǎo)航系統(tǒng)的控制 精度和上線(xiàn)速度 針對(duì)水田側(cè)滑嚴(yán)重 農(nóng)機(jī)俯仰橫 滾變化頻繁且幅度大的問(wèn)題 在農(nóng)機(jī)導(dǎo)航復(fù)合路徑 跟蹤控制器中增加側(cè)滑估計(jì)補(bǔ)償器 顯著地提高了 農(nóng)機(jī)導(dǎo)航系統(tǒng)的水田抗側(cè)滑干擾能力 針對(duì)現(xiàn)有農(nóng) 機(jī)導(dǎo)航系統(tǒng)缺乏避障功能 影響農(nóng)機(jī)自動(dòng)導(dǎo)航作業(yè) 安全的問(wèn)題 苗峻齊等 59 采用基于激光雷達(dá)的農(nóng)田 障礙物識(shí)別與定位三次樣條函數(shù)的路徑規(guī)劃和純 追蹤算法的路徑跟蹤控制 開(kāi)發(fā)了農(nóng)機(jī)自動(dòng)避障技 術(shù) 可以準(zhǔn)確識(shí)別和繞行農(nóng)田典型障礙物 針對(duì)現(xiàn) 代農(nóng)業(yè)生產(chǎn)中需要多機(jī)協(xié)同作業(yè)技術(shù)支撐的問(wèn)題 張聞?dòng)畹?60 采用基于無(wú)線(xiàn)自組網(wǎng)絡(luò)的主從裝備平 行跟蹤導(dǎo)航控制技術(shù) 使主從裝備旋耕和收獲作業(yè) 第 6 期 羅錫文 等 我國(guó)智能農(nóng)機(jī)的研究進(jìn)展與無(wú)人農(nóng)場(chǎng)的實(shí)踐 11 直線(xiàn)行走段的橫向位置誤差小于5 cm 縱向跟蹤誤 差小于10 cm 1 2 3 導(dǎo)航集成 針對(duì)現(xiàn)有農(nóng)機(jī)缺乏自動(dòng)導(dǎo)航作 業(yè)的底盤(pán)線(xiàn)控裝置的問(wèn)題 開(kāi)發(fā)了適用不同農(nóng)機(jī)的 車(chē)載線(xiàn)控控制裝置 滿(mǎn)足了農(nóng)機(jī)自動(dòng)導(dǎo)航作業(yè)的控 制要求 提出了行為決策 動(dòng)作規(guī)劃和反饋控制的 多層智能控制策略與方法 智能決策自動(dòng)導(dǎo)航作業(yè) 控制量 可以滿(mǎn)足不同種類(lèi)農(nóng)機(jī)自動(dòng)導(dǎo)航作業(yè)的需 要 基于SAE J1939和ISO 11783總線(xiàn)標(biāo)準(zhǔn) 制定 了團(tuán)體標(biāo)準(zhǔn) 實(shí)現(xiàn)了農(nóng)機(jī)自動(dòng)導(dǎo)航作業(yè)系統(tǒng)的有效 集成 61 62 1 3 精準(zhǔn)作業(yè) 1 3 1 精準(zhǔn)耕整 精準(zhǔn)耕整的目的是為作物生長(zhǎng) 提供良好的種床 智能耕整農(nóng)機(jī)應(yīng)能根據(jù)作業(yè)的種 植農(nóng)藝要求和土壤質(zhì)地對(duì)作業(yè)機(jī)具的位置 姿態(tài) 壓力和作業(yè)深度等進(jìn)行精準(zhǔn)控制 目前 液壓系統(tǒng) 傳感器和電子控制系統(tǒng)已廣泛應(yīng)用于各種耕整機(jī) 械中 大大提高了耕整機(jī)械的智能化水平 國(guó)內(nèi)外 耕整機(jī)械的發(fā)展方向是多功能 復(fù)式作業(yè) 大型化 和精量化 對(duì)智能化水平提出了更高的要求 農(nóng)田精準(zhǔn)平整是精準(zhǔn)耕整的重要環(huán)節(jié) 華南農(nóng) 業(yè)大學(xué) 63 64 和中國(guó)農(nóng)業(yè)大學(xué) 65 成功研制出與插秧 機(jī)頭和拖拉機(jī)配套的水田激光平地機(jī)和旱地激光 平地機(jī) 平地時(shí)平地鏟的高程和水平可同時(shí)調(diào)整 平整后水田平整精度小于3 cm 旱地平整精度小于 5 cm 大大提高了水肥利用率 提高了作物產(chǎn)量 采 用衛(wèi)星信息控制的平地機(jī)已投入生產(chǎn)使用 土壤深松是一種國(guó)內(nèi)外公認(rèn)的提高土壤耕作 質(zhì)量的先進(jìn)技術(shù) 也是我國(guó)農(nóng)業(yè)農(nóng)村部重點(diǎn)推廣的 先進(jìn)技術(shù)之一 孟志軍等 66 成功研發(fā)出土壤深松 系統(tǒng) 該系統(tǒng)采用衛(wèi)星定位系統(tǒng)和耕深測(cè)量系統(tǒng) 可同時(shí)準(zhǔn)確測(cè)定土壤深松的深度和面積 1 3 2 精準(zhǔn)種植 秧好半年禾 精準(zhǔn)種植是農(nóng) 作物的關(guān)鍵之一 智能種植機(jī)械能夠根據(jù)不同作物 生長(zhǎng)特性 土壤特性和種植時(shí)的氣候情況實(shí)現(xiàn)精準(zhǔn) 播種和移栽 包括開(kāi)溝寬度和深度 同步施肥方式 行距 穴 株 距 播種量和覆土深度等 直播和移 栽是最常見(jiàn)的2種種植方式 對(duì)播種精度要求最高 的是超級(jí)雜交稻 玉米 大豆 棉花 都要求每穴播 1粒種子 以及一些園藝作物和經(jīng)濟(jì)作物 排種器 是智能播種機(jī)械的核心 由于不同作物種子的大 小 形狀各異 對(duì)排種器的要求各不相同 常用的排 種器有機(jī)械式和氣力式2大類(lèi) 目前 我國(guó)這2類(lèi) 排種器的研究與國(guó)外的先進(jìn)水平不斷縮小 部分已 達(dá)到國(guó)外先進(jìn)水平 如勺輪式 指夾式和氣力式玉 米精量排種器基本上與國(guó)外處于 并跑 水平 氣 力式排種器對(duì)種子的大小 形狀要求不嚴(yán)格 適合 形狀不規(guī)則的種子 可以實(shí)現(xiàn)高速播種 播種精度 高 株距均勻 廣泛應(yīng)用于各種智能播種機(jī)中 67 華 南農(nóng)業(yè)大學(xué) 68 70 采用型孔輪式和氣力式排種器 研 制成功同步開(kāi)溝起壟穴播 同步開(kāi)溝起壟施肥穴播 和同步開(kāi)溝起壟噴施穴播的 三同步 水稻精量 穴播機(jī) 實(shí)現(xiàn)了行距可選 穴距可調(diào) 播量可控和仿 形作業(yè) 在國(guó)內(nèi)26個(gè)省市推廣應(yīng)用 取得了一批高 產(chǎn)記錄 在新疆水稻產(chǎn)量超過(guò)15 000 kg hm2 采用 電機(jī)驅(qū)動(dòng)代替地輪驅(qū)動(dòng)排種器 在播種機(jī)上加裝播 種量檢測(cè)和調(diào)控系統(tǒng)以及補(bǔ)種裝置 可以在播種時(shí) 同步施肥和噴施農(nóng)藥 該技術(shù)的應(yīng)用范圍不斷擴(kuò) 大 部分地區(qū)已經(jīng)普及 71 72 采用移栽作業(yè)方式的作物主要有水稻 蔬菜以 及一些園藝作物和經(jīng)濟(jì)作物 目前 我國(guó)作物移栽 技術(shù)研究取得重大進(jìn)展 與國(guó)外基本上處于 并 跑 的態(tài)勢(shì) 特別是水稻插秧機(jī) 通過(guò)采用毯狀苗 缽體苗和毯狀缽體苗 實(shí)現(xiàn)了不同品種水稻的精準(zhǔn) 移栽 插秧時(shí)同步施肥 該技術(shù)正在逐步普及 73 75 油菜移栽技術(shù)也取得重大突破 76 1 3 3 精準(zhǔn)田間管理 田間管理主要包括水 肥 藥的管理 精準(zhǔn)施肥主要包括基肥和追肥 作物種 植前精確獲取土壤中的養(yǎng)分情況是精準(zhǔn)施基肥的 前提 目前 田間實(shí)時(shí)在線(xiàn)測(cè)量土壤中氮磷鉀的技 術(shù)尚未取得實(shí)質(zhì)性突破 主要是利用衛(wèi)星定位信息 田間取土并在實(shí)驗(yàn)室分析獲得土壤中的養(yǎng)分分布 圖 根據(jù)養(yǎng)分處方圖 采用智能施肥機(jī)實(shí)現(xiàn)精準(zhǔn)施 肥 精確獲取作物的長(zhǎng)勢(shì)和養(yǎng)分脅迫情況是精準(zhǔn)施 追肥的基礎(chǔ) 目前 國(guó)內(nèi)外眾多學(xué)者采用光譜技術(shù) 獲取作物長(zhǎng)勢(shì)信息的研究取得了一定進(jìn)展 李克亮 等 77 在廣東早稻生長(zhǎng)中根據(jù)水稻長(zhǎng)勢(shì)采取精準(zhǔn)施 肥 產(chǎn)量增加9 27 精準(zhǔn)施藥的機(jī)械主要包括地面施藥機(jī)械和航 空植保機(jī)械 根據(jù)獲取的作物病蟲(chóng)草害信息制定的 處方圖 進(jìn)行精準(zhǔn)對(duì)靶變量噴施 噴霧壓力可調(diào) 噴 霧流量可調(diào)等先進(jìn)技術(shù)已廣泛應(yīng)用于地面施藥機(jī) 械和航空植保機(jī)械中 78 79 高地隙寬幅噴桿噴霧機(jī) 已得到了廣泛應(yīng)用 通過(guò)變軸距調(diào)節(jié)技術(shù) 可以適 應(yīng)多種耕地和不同壟距的作業(yè)需要 80 袁琦堡 等 81 成功研究出自動(dòng)混藥技術(shù) 水箱 藥箱和混合 器分別設(shè)置 根據(jù)病蟲(chóng)草害信息和噴施處方圖在田 間作業(yè)時(shí)實(shí)時(shí)混藥 實(shí)現(xiàn)了藥液濃度和噴量自動(dòng)調(diào) 節(jié) 航空植保技術(shù)近10年來(lái)在我國(guó)得到了快速發(fā) 展 成為大田作物植保的主流技術(shù)之一 2020年 無(wú) 12 華南農(nóng)業(yè)大學(xué)學(xué)報(bào) 第 42 卷 人機(jī)植保作業(yè)面積超過(guò)0 67億hm2 田塊邊界自動(dòng) 識(shí)別 作物路徑自動(dòng)規(guī)劃 高效低污染施藥 多機(jī)協(xié) 同作業(yè)等先進(jìn)技術(shù)等得到了廣泛應(yīng)用 82 精準(zhǔn)灌溉技術(shù)在國(guó)內(nèi)得到了廣泛應(yīng)用 在土壤 中設(shè)置傳感器 精確獲取土壤中的含水量 根據(jù)作 物不同生長(zhǎng)期的需水規(guī)律 進(jìn)行精準(zhǔn)灌溉 可實(shí)現(xiàn) 水肥藥一體化灌溉 83 實(shí)踐表明 精準(zhǔn)灌溉可大幅 度減少用水量 提高作物產(chǎn)量 84 徐剛等 85 采用物 聯(lián)網(wǎng)技術(shù)和傳感器網(wǎng)絡(luò)采集農(nóng)田的溫濕度和光照 強(qiáng)度等參數(shù) 以此優(yōu)化灌溉策略 阮俊瑾等 86 設(shè)計(jì) 了一種能實(shí)現(xiàn)灌溉 混藥和施肥一體的球混式水肥 灌溉系統(tǒng) 1 3 4 精準(zhǔn)收獲 對(duì)精準(zhǔn)收獲的基本要求是根據(jù) 作物成熟度適時(shí)收獲 根據(jù)作物長(zhǎng)勢(shì)和產(chǎn)量自動(dòng)調(diào) 節(jié)收獲機(jī)前進(jìn)速度 割臺(tái)高度 脫粒滾筒轉(zhuǎn)速和清 選等工作參數(shù) 對(duì)各部件工作狀況實(shí)現(xiàn)監(jiān)控 顯示 和報(bào)警 目前 國(guó)內(nèi)外的收獲機(jī)普遍采用電子和液 壓技術(shù) 實(shí)現(xiàn)了上述功能 還可以生成產(chǎn)量分布圖 87 陳進(jìn)等 88 采用圖像處理的方法 對(duì)收獲的水稻成分 進(jìn)行在線(xiàn)識(shí)別 破碎籽粒 稻稈雜質(zhì)以及稻梗雜 質(zhì)的綜合評(píng)價(jià)指標(biāo)分別達(dá)到92 92 90 65 和 90 52 為調(diào)節(jié)作業(yè)參數(shù)提供了依據(jù) 麻芳蘭等 89 設(shè)計(jì)了一種以切割系統(tǒng)負(fù)載壓力作為反饋信號(hào)的 甘蔗收獲機(jī)入土切割切深自動(dòng)控制系統(tǒng) 切割器可 隨負(fù)載壓力的變化而調(diào)整切割深度 入土切割深度 達(dá)20 mm左右 調(diào)整誤差為2 mm左右 張光躍等 90 研制了一種基于壓電陶瓷傳感器的清選損失率在 線(xiàn)監(jiān)測(cè)系統(tǒng) 實(shí)現(xiàn)了聯(lián)合收獲機(jī)工作過(guò)程中谷物損 失率的實(shí)時(shí)監(jiān)測(cè) 測(cè)量誤差小于4 1 張漫等 91 在收獲機(jī)上安裝產(chǎn)量傳感器和衛(wèi)星 定位信號(hào)接收裝置 生成了我國(guó)首張小麥產(chǎn)量分布 圖 我國(guó)濰柴雷沃公司 中國(guó)一拖集團(tuán)有限公司和 沃得農(nóng)機(jī)公司等一些農(nóng)機(jī)企業(yè)生產(chǎn)的收獲機(jī)已開(kāi) 始安裝谷物產(chǎn)量 含水率 流量 損失率和含雜率傳 感器 提高了智能化水平 濰柴雷沃公司研制的玉 米穗莖收獲機(jī) 可一次完成玉米果穗摘取 輸送 剝 皮 莖稈切割等功能 具有果穗損傷率低 莖稈喂入 均勻 切碎質(zhì)量好 功率消耗小等特點(diǎn) 92 93 中聯(lián)重 機(jī)的AS60型甘蔗收獲機(jī)實(shí)現(xiàn)了衛(wèi)星定位和自動(dòng)導(dǎo) 航等功能 94 1 4 智慧管理 智能農(nóng)機(jī)的智慧管理包括遠(yuǎn)程監(jiān)控農(nóng)機(jī)作業(yè) 位置 作業(yè)速度和作業(yè)質(zhì)量 遠(yuǎn)程監(jiān)控農(nóng)機(jī)作業(yè)工 況并進(jìn)行故障預(yù)警 指導(dǎo)維修和農(nóng)機(jī)遠(yuǎn)程調(diào)度 目 前 各種智能農(nóng)機(jī)上都安裝有GNSS裝置 農(nóng)機(jī)開(kāi) 始作業(yè)就可將農(nóng)機(jī)的位置和作業(yè)軌跡實(shí)時(shí)發(fā)送至 農(nóng)機(jī)管理中心和農(nóng)機(jī)生產(chǎn)企業(yè) 并支持農(nóng)機(jī)作業(yè)歷 史數(shù)據(jù)記錄與軌跡回放 而裝有質(zhì)量監(jiān)控傳感器的 智能農(nóng)機(jī)可同時(shí)發(fā)送作業(yè)質(zhì)量的相關(guān)數(shù)據(jù) 包括 耕 種 管 收各環(huán)節(jié)的作業(yè)質(zhì)量 通過(guò)安裝在農(nóng)機(jī) 上的各種工況傳感器 農(nóng)機(jī)管理中心和農(nóng)機(jī)生產(chǎn)企 業(yè)可遠(yuǎn)程監(jiān)控農(nóng)機(jī)的實(shí)時(shí)工況 如拖拉機(jī)的發(fā)動(dòng)機(jī) 參數(shù) PTO轉(zhuǎn)數(shù) 行駛速度等 收獲機(jī)的發(fā)動(dòng)機(jī)參 數(shù) 割臺(tái)高度 實(shí)際割幅 脫粒滾筒轉(zhuǎn)速 清選風(fēng)扇 轉(zhuǎn)速 凈糧升運(yùn)速度和谷物流量等 播種機(jī)的播種 量 播種堵塞狀態(tài)和播種深度等 施肥機(jī)的施肥輪 轉(zhuǎn)速 施肥量和堵塞狀態(tài)等 噴霧機(jī)的噴霧壓力 藥 液流量和噴頭區(qū)段狀態(tài)等 將所獲得的各種工況信 息與數(shù)據(jù)庫(kù)中的相關(guān)數(shù)據(jù)自動(dòng)進(jìn)行對(duì)比 如出現(xiàn)異 常 即向農(nóng)機(jī)駕駛員或無(wú)人農(nóng)場(chǎng)管理中心發(fā)出預(yù)警 信息 比如發(fā)現(xiàn)收獲機(jī)脫粒滾筒轉(zhuǎn)速降低過(guò)多 就 立即建議降低收獲機(jī)前進(jìn)速度或減小割幅 以防止 堵塞 出現(xiàn)故障 就指導(dǎo)駕駛員或相關(guān)人員進(jìn)行排 除或維修 出現(xiàn)較大故障 就通知農(nóng)機(jī)所在地的維 修站人員前往維修 95 通過(guò)遠(yuǎn)程監(jiān)控智能農(nóng)機(jī)的位 置和作業(yè)速度 根據(jù)最小轉(zhuǎn)移路徑原則 可以對(duì)農(nóng) 機(jī)進(jìn)行遠(yuǎn)程調(diào)度 96 王慧平 97 采用Java語(yǔ)言和ArcGIS等開(kāi)發(fā)工 具 結(jié)合ArcGIS JavaSrcipt AP1 Ajax及JSF等關(guān) 鍵技術(shù) 設(shè)計(jì)了一種基于WebGIS的農(nóng)機(jī)遠(yuǎn)程監(jiān)管 服務(wù)系統(tǒng) 實(shí)現(xiàn)了農(nóng)機(jī)實(shí)時(shí)跟蹤 農(nóng)機(jī)歷史軌跡回 放 農(nóng)機(jī)作業(yè)任務(wù)報(bào)單 農(nóng)機(jī)作業(yè)任務(wù)計(jì)量和農(nóng)機(jī) 作業(yè)工況報(bào)單等功能 能夠及時(shí)獲取和有效管理農(nóng) 機(jī)作業(yè)現(xiàn)場(chǎng)各類(lèi)數(shù)據(jù) 實(shí)現(xiàn)了農(nóng)機(jī)信息采集 傳輸 分析和訪(fǎng)問(wèn)的集成化 謝婷婷 98 開(kāi)發(fā)了一套基于 遺傳算法 Genetic algorithm GA 的農(nóng)機(jī)作業(yè)調(diào)度 系統(tǒng) 提出了一種改進(jìn)的遺傳算法 系統(tǒng)還結(jié)合北 斗衛(wèi)星導(dǎo)航技術(shù)和地理位置信息系統(tǒng) 生成農(nóng)機(jī)調(diào) 度方案 實(shí)現(xiàn)了農(nóng)機(jī)跨區(qū)作業(yè)調(diào)度 崔征澤 99 結(jié)合 數(shù)據(jù)傳輸子系統(tǒng) 數(shù)據(jù)分析子系統(tǒng)以及監(jiān)測(cè)管理子 系統(tǒng) 設(shè)計(jì)了一種用于農(nóng)機(jī)終端監(jiān)測(cè)的物聯(lián)網(wǎng)應(yīng)用 系統(tǒng) 可以對(duì)農(nóng)機(jī)終端數(shù)據(jù)進(jìn)行收集 存儲(chǔ)和分析 并根據(jù)農(nóng)機(jī)終端傳感器數(shù)據(jù)分析農(nóng)機(jī)作業(yè)質(zhì)量 實(shí) 現(xiàn)對(duì)農(nóng)機(jī)的高效管理 2 無(wú)人農(nóng)場(chǎng)的實(shí)踐 華南農(nóng)業(yè)大學(xué)集成相關(guān)的智能農(nóng)機(jī)裝備 創(chuàng)建 了水稻無(wú)人農(nóng)場(chǎng) 并在廣東增城進(jìn)行了實(shí)踐 2020 年的中稻試驗(yàn)面積為1 87 hm2 2021年的早稻和晚 稻試驗(yàn)面積為3 33 hm2 增城水稻無(wú)人農(nóng)場(chǎng)從2020 第 6 期 羅錫文 等 我國(guó)智能農(nóng)機(jī)的研究進(jìn)展與無(wú)人農(nóng)場(chǎng)的實(shí)踐 13 年5月3日開(kāi)始旋耕 至8月30日收獲 歷時(shí)120 d 實(shí)現(xiàn)了水稻生產(chǎn)耕種管收全程無(wú)人作業(yè) 水稻無(wú)人 農(nóng)場(chǎng)的稻谷產(chǎn)量均高于當(dāng)?shù)氐钠骄a(chǎn)量 表明了其 巨大的發(fā)展?jié)摿?2021年早稻生產(chǎn)采用優(yōu)質(zhì)絲苗 米品種 19香 產(chǎn)量9 943 35 kg hm2 高于當(dāng)?shù)?的平均產(chǎn)量7 500 kg hm2 2021年在廣東三水啟動(dòng) 了花生無(wú)人農(nóng)場(chǎng)建設(shè) 產(chǎn)量3 164 10 kg hm2 高于廣 東省花生種植的平均產(chǎn)量2 400 kg hm2 水稻無(wú)人 農(nóng)場(chǎng)具有耕種管收生產(chǎn)環(huán)節(jié)全覆蓋 機(jī)庫(kù)田間轉(zhuǎn)移 作業(yè)全自動(dòng) 自動(dòng)避障異況停車(chē)保安全 作物生產(chǎn) 過(guò)程實(shí)時(shí)全監(jiān)控和智能決策精準(zhǔn)作業(yè)全無(wú)人等 5個(gè)特點(diǎn) 2 1 耕種管收生產(chǎn)環(huán)節(jié)全覆蓋 2 1 1 耕整 采用無(wú)人駕駛旋耕機(jī)進(jìn)行旱旋耕 直線(xiàn)行駛橫向誤差不超過(guò)2 5 cm 田頭轉(zhuǎn)彎對(duì)行 誤差不超過(guò)3 0 cm 作業(yè)質(zhì)量好 作業(yè)效率高 2021年在3 33 hm2試驗(yàn)田中的旋耕作業(yè)效率可達(dá)到 1 33 hm2 h 2 1 2 種植 采用無(wú)人駕駛直播機(jī)進(jìn)行精量旱直 播 這是華南農(nóng)業(yè)大學(xué)近10年來(lái)在國(guó)內(nèi)推廣的一 種輕簡(jiǎn)栽培技術(shù) 在新疆采用精量旱直播技術(shù)3年 平均產(chǎn)量均超過(guò)15 000 kg hm2 100 播種時(shí)將水稻 干種或浸泡24 h后的濕種 不催芽 直接播在播種 機(jī)開(kāi)出的播種溝中并覆土 2 cm左右 然后上水5 10 cm 幾天后 待水自然落下后 稻種吸飽了水 土 壤濕潤(rùn) 稻種扎根出苗情況特別好 2 1 3 管理 在水稻生產(chǎn)前期采用無(wú)人機(jī)施肥和 施藥 作業(yè)前先用無(wú)人機(jī)獲取水稻生長(zhǎng)的養(yǎng)分脅迫 和病蟲(chóng)害情況 然后制定施肥和施藥處方圖 實(shí)現(xiàn) 了精準(zhǔn)對(duì)靶噴施 在水稻生長(zhǎng)后期 采用無(wú)人駕駛 高地隙噴桿噴霧機(jī) 地隙1 m 噴幅12 m 霧化效 果好 作業(yè)效率高 由于作業(yè)路徑采用了優(yōu)化規(guī)劃 方法 實(shí)現(xiàn)了噴霧時(shí) 不重不漏 2 1 4 收獲 華南農(nóng)業(yè)大學(xué)成功研制出2種無(wú)人 駕駛主從收獲系統(tǒng) 第1種為隨車(chē)卸糧模式 作業(yè) 時(shí)無(wú)人駕駛卸糧車(chē)與無(wú)人駕駛收獲機(jī)并行 在直線(xiàn) 段卸糧 直線(xiàn)行駛時(shí)收獲機(jī)和運(yùn)糧車(chē)橫向位置誤差 不超過(guò)5 cm 縱向位置誤差不超過(guò)10 cm 可保證 收獲機(jī)準(zhǔn)確地將稻谷卸至運(yùn)糧車(chē)中 第2種為等待 卸糧模式 無(wú)人駕駛收獲機(jī)在田中收獲時(shí) 無(wú)人駕 駛卸糧車(chē)在田邊等待 收獲機(jī)糧倉(cāng)快滿(mǎn)時(shí) 通過(guò)云 端服務(wù)器向卸糧車(chē)發(fā)出卸糧通知 卸糧車(chē)隨即自動(dòng) 行駛至收獲機(jī)旁邊 收獲機(jī)準(zhǔn)確地將收獲的稻谷卸 至運(yùn)糧車(chē)中 卸糧后收獲機(jī)繼續(xù)收獲 卸糧車(chē)糧倉(cāng) 裝滿(mǎn)后自動(dòng)開(kāi)至田邊 將稻谷卸至運(yùn)糧卡車(chē)中 由 運(yùn)糧卡車(chē)將稻谷運(yùn)至干燥中心 在廣東增城水稻無(wú) 人農(nóng)場(chǎng)的收獲中 采用了第2種模式 即等待卸糧模式 2 2 機(jī)庫(kù)田間轉(zhuǎn)移作業(yè)全自動(dòng) 農(nóng)機(jī)自動(dòng)從機(jī)庫(kù)轉(zhuǎn)移至田間 完成田間作業(yè)后 自動(dòng)回到機(jī)庫(kù) 基于無(wú)人農(nóng)場(chǎng)高精度數(shù)字地圖設(shè)計(jì) 運(yùn)移路徑關(guān)鍵點(diǎn) 自動(dòng)生成直線(xiàn)行駛和圓弧過(guò)渡路 徑 并采用預(yù)瞄點(diǎn)跟蹤方法實(shí)現(xiàn)高精度路徑跟蹤 采用路徑信息有限狀態(tài)機(jī)理實(shí)現(xiàn)機(jī)庫(kù)至田間的運(yùn) 移和田間作業(yè)的狀態(tài)切換 2 3 自動(dòng)避障異況停車(chē)保安全 智能農(nóng)機(jī)裝有障礙物識(shí)別傳感器 識(shí)別到障礙 物為移動(dòng)式物體 如人 車(chē) 動(dòng)物等 時(shí) 則采用等待 模式 待移動(dòng)式物體通過(guò)后再行駛 若是固定式的 障礙物 則利用三次樣條函數(shù)的避障路徑規(guī)劃和純 追蹤算法的路徑跟蹤控制 實(shí)現(xiàn)自動(dòng)避障 作業(yè)時(shí) 如遇異常情況 如機(jī)器故障 收獲機(jī)堵塞等 或信號(hào) 問(wèn)題 衛(wèi)星或RTK信號(hào)丟失等 則自動(dòng)停車(chē) 并向 管理中心發(fā)出警告信號(hào) 2 4 作物生產(chǎn)過(guò)程實(shí)時(shí)全監(jiān)控 在無(wú)人農(nóng)場(chǎng)田頭安裝了多個(gè)監(jiān)控裝置 可以全 程全方位實(shí)時(shí)監(jiān)控水稻生長(zhǎng)過(guò)程中的長(zhǎng)勢(shì)和病蟲(chóng) 害情況 并通過(guò)無(wú)線(xiàn)網(wǎng)絡(luò)傳輸至管理中心和相關(guān)人 員的計(jì)算機(jī)或手機(jī)中 必要時(shí) 再輔以無(wú)人機(jī)拍攝 全局和局部的各種信息 2 5 智能決策精準(zhǔn)作業(yè)全無(wú)人 根據(jù)作物的長(zhǎng)勢(shì)和病蟲(chóng)草害情況 結(jié)合專(zhuān)家知 識(shí) 及時(shí)作出決策 并指揮相關(guān)智能農(nóng)機(jī)進(jìn)行精準(zhǔn) 作業(yè) 包括精準(zhǔn)灌溉 精準(zhǔn)施肥和精準(zhǔn)施藥等 3 結(jié)論與展望 農(nóng)業(yè)的根本出路在于機(jī)械化 隨著工業(yè)化和城 鎮(zhèn)化的發(fā)展 我國(guó)農(nóng)業(yè)生產(chǎn)面臨勞動(dòng)力短缺和老齡 化的嚴(yán)峻挑戰(zhàn) 現(xiàn)代農(nóng)業(yè)要求大幅提高勞動(dòng)生產(chǎn) 率 土地產(chǎn)出率和資源利用率 智慧農(nóng)業(yè)技術(shù)可為 三率