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；要實(shí)施智慧農(nóng)業(yè)工程。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。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。
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。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)。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。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)。
一、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)和作物病蟲草害信息是智能農(nóng)機(jī)進(jìn)行精準(zhǔn)作業(yè)的依據(jù)。“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，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。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)。張利民等成功研制出帶全球?qū)Ш叫l(wèi)星系統(tǒng)(Global navigationsatellite system, GNSS)的車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。曾慶猛等研制出車載式可連續(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)。周浩和胡煉等采用水準(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)線測(cè)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，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)性才能滿足實(shí)際生產(chǎn)的要求。Jiang等研制的遙感傳感器可以提供與專業(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作物病蟲草害信息
作物病蟲草害的早期準(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)行分類識(shí)別。劉又夫等對(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等采用深度卷積網(wǎng)絡(luò)對(duì)5 136幅圖片進(jìn)行了蟲害識(shí)別(12種水稻蟲害)，準(zhǔn)確度約為95%。李澤軒收集并整理了包含15種病害和22種蟲害的水稻病蟲害數(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)水稻病蟲害的識(shí)別率超過(guò)了80%。李梓和建立了一個(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 retinahead(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可以將障礙物檢測(cè)分為基于超聲波、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。賈闖等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。王水滿基于單線激光雷達(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系列和SSD系列等，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、Fast R-CNN和SPP-NET，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)車輛前方障礙物的實(shí)時(shí)檢測(cè)。譚力凡利用毫米波雷達(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)、上海交通大學(xué)、國(guó)家農(nóng)業(yè)信息工程技術(shù)研究中心、上海聯(lián)適導(dǎo)航技術(shù)股份有限公司和濰柴雷沃重工股份有限公司等單位為我國(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)外同類產(chǎn)品先進(jìn)水平，可滿足無(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)畹炔捎没诒倍泛蚆EMS慣性傳感器的線性時(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以內(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)的控制精度和上線速度不能滿足精準(zhǔn)作業(yè)要求的問(wèn)題，王輝等采用由預(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)畹炔捎没跓o(wú)線自組網(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)直線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)的底盤線控裝置的問(wèn)題，開(kāi)發(fā)了適用不同農(nóng)機(jī)的車載線控控制裝置，滿足了農(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，可以滿足不同種類農(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。
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)和中國(guó)農(nóng)業(yè)大學(xué)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，目前，我國(guó)這2類排種器的研究與國(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。華南農(nóng)業(yè)大學(xué)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。
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。油菜移栽技術(shù)也取得重大突破。
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。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。袁琦堡等成功研究出自動(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)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。
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。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。徐剛等采用物聯(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。陳進(jìn)等采用圖像處理的方法，對(duì)收獲的水稻成分進(jìn)行在線識(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)。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。
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)各類數(shù)據(jù)，實(shí)現(xiàn)了農(nóng)機(jī)信息采集、傳輸、分析和訪問(wèn)的集成化。謝婷婷開(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。
二、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Α?021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)氐钠骄a(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種為隨車卸糧模式，作業(yè)時(shí)無(wú)人駕駛卸糧車與無(wú)人駕駛收獲機(jī)并行，在直線段卸糧，直線行駛時(shí)收獲機(jī)和運(yùn)糧車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)人駕駛卸糧車在田邊等待；收獲機(jī)糧倉(cāng)快滿時(shí)，通過(guò)云端服務(wù)器向卸糧車發(fā)出卸糧通知，卸糧車隨即自動(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)糧車中；卸糧后收獲機(jī)繼續(xù)收獲，卸糧車糧倉(cāng)裝滿后自動(dòng)開(kāi)至田邊，將稻谷卸至運(yùn)糧卡車中，由運(yùn)糧卡車將稻谷運(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)?；跓o(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、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，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)和病蟲害情況，并通過(guò)無(wú)線網(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)和病蟲草害情況，結(jié)合專家知識(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。
三、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”的提高和現(xiàn)代農(nóng)業(yè)建設(shè)提供強(qiáng)有力的科技支撐。
智慧農(nóng)業(yè)是農(nóng)業(yè)現(xiàn)代化的高級(jí)形式，依托生物技術(shù)、智能農(nóng)機(jī)和信息技術(shù)建設(shè)的無(wú)人農(nóng)場(chǎng)是實(shí)現(xiàn)智慧農(nóng)業(yè)的重要途徑。具有智能感知、自動(dòng)導(dǎo)航、精準(zhǔn)作業(yè)和智慧管理功能的智能農(nóng)機(jī)是建設(shè)無(wú)人農(nóng)場(chǎng)的物質(zhì)支撐。改革開(kāi)放以來(lái)，我國(guó)農(nóng)業(yè)機(jī)械化取得了巨大成就，智能農(nóng)機(jī)裝備和無(wú)人農(nóng)場(chǎng)技術(shù)也取得了一定進(jìn)展。華南農(nóng)業(yè)大學(xué)集成相關(guān)智能農(nóng)機(jī)建設(shè)的水稻無(wú)人農(nóng)場(chǎng)在智慧農(nóng)業(yè)發(fā)展中表現(xiàn)出巨大的潛力，對(duì)我國(guó)無(wú)人農(nóng)場(chǎng)建設(shè)起到了示范作用。
建設(shè)無(wú)人農(nóng)場(chǎng)可有效緩解農(nóng)村勞動(dòng)力短缺的現(xiàn)狀，積極推進(jìn)現(xiàn)代農(nóng)業(yè)建設(shè)。無(wú)人農(nóng)場(chǎng)技術(shù)可徹底將農(nóng)民從繁重的勞動(dòng)中解放出來(lái)，為解決“誰(shuí)來(lái)種田”提供了重要的途徑。
目前，我國(guó)的無(wú)人農(nóng)場(chǎng)建設(shè)剛剛起步，要實(shí)現(xiàn)大范圍推廣應(yīng)用還需要解決以下5個(gè)問(wèn)題：1)關(guān)鍵技術(shù)的突破，包括適應(yīng)不同區(qū)域、不同地形、不同作物和不同種植制度的無(wú)人農(nóng)場(chǎng)關(guān)鍵技術(shù)，特別是智能農(nóng)機(jī)技術(shù)及集成和管控平臺(tái)；2)適應(yīng)無(wú)人農(nóng)場(chǎng)的經(jīng)營(yíng)規(guī)模和土地整治，要大力支持新型農(nóng)業(yè)經(jīng)營(yíng)主體，擴(kuò)大經(jīng)營(yíng)規(guī)模和加強(qiáng)土地連片整治；3)要因地制宜，探索各種適宜的無(wú)人農(nóng)場(chǎng)建設(shè)模式和制定相應(yīng)的標(biāo)準(zhǔn)；4)要加強(qiáng)無(wú)人農(nóng)場(chǎng)建設(shè)需要的各類人才的培養(yǎng)和培訓(xùn)，包括各種技術(shù)人員和經(jīng)營(yíng)管理人員；5)要加強(qiáng)無(wú)人農(nóng)場(chǎng)建設(shè)相關(guān)政策制定，調(diào)動(dòng)政府、企業(yè)和社會(huì)資金投資建設(shè)無(wú)人農(nóng)場(chǎng)的積極性。
當(dāng)前，以互聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能為代表的新一代信息技術(shù)蓬勃發(fā)展，給經(jīng)濟(jì)發(fā)展、社會(huì)進(jìn)步和人民生活帶來(lái)重大而深遠(yuǎn)的影響，也推動(dòng)了農(nóng)業(yè)機(jī)械化和智能化的快速發(fā)展，這都必將促進(jìn)我國(guó)無(wú)人農(nóng)場(chǎng)建設(shè)進(jìn)入快速發(fā)展期，進(jìn)而為我國(guó)現(xiàn)代農(nóng)業(yè)發(fā)展作出重要貢獻(xiàn)。
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。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)。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。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)。
一、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)和作物病蟲草害信息是智能農(nóng)機(jī)進(jìn)行精準(zhǔn)作業(yè)的依據(jù)。“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，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。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)。張利民等成功研制出帶全球?qū)Ш叫l(wèi)星系統(tǒng)(Global navigationsatellite system, GNSS)的車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。曾慶猛等研制出車載式可連續(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)。周浩和胡煉等采用水準(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)線測(cè)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，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)性才能滿足實(shí)際生產(chǎn)的要求。Jiang等研制的遙感傳感器可以提供與專業(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作物病蟲草害信息
作物病蟲草害的早期準(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)行分類識(shí)別。劉又夫等對(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等采用深度卷積網(wǎng)絡(luò)對(duì)5 136幅圖片進(jìn)行了蟲害識(shí)別(12種水稻蟲害)，準(zhǔn)確度約為95%。李澤軒收集并整理了包含15種病害和22種蟲害的水稻病蟲害數(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)水稻病蟲害的識(shí)別率超過(guò)了80%。李梓和建立了一個(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 retinahead(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可以將障礙物檢測(cè)分為基于超聲波、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。賈闖等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。王水滿基于單線激光雷達(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系列和SSD系列等，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、Fast R-CNN和SPP-NET，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)車輛前方障礙物的實(shí)時(shí)檢測(cè)。譚力凡利用毫米波雷達(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)、上海交通大學(xué)、國(guó)家農(nóng)業(yè)信息工程技術(shù)研究中心、上海聯(lián)適導(dǎo)航技術(shù)股份有限公司和濰柴雷沃重工股份有限公司等單位為我國(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)外同類產(chǎn)品先進(jìn)水平，可滿足無(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)畹炔捎没诒倍泛蚆EMS慣性傳感器的線性時(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以內(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)的控制精度和上線速度不能滿足精準(zhǔn)作業(yè)要求的問(wèn)題，王輝等采用由預(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)畹炔捎没跓o(wú)線自組網(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)直線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)的底盤線控裝置的問(wèn)題，開(kāi)發(fā)了適用不同農(nóng)機(jī)的車載線控控制裝置，滿足了農(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，可以滿足不同種類農(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。
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)和中國(guó)農(nóng)業(yè)大學(xué)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，目前，我國(guó)這2類排種器的研究與國(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。華南農(nóng)業(yè)大學(xué)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。
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。油菜移栽技術(shù)也取得重大突破。
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。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。袁琦堡等成功研究出自動(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)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。
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。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。徐剛等采用物聯(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。陳進(jìn)等采用圖像處理的方法，對(duì)收獲的水稻成分進(jìn)行在線識(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)。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。
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)各類數(shù)據(jù)，實(shí)現(xiàn)了農(nóng)機(jī)信息采集、傳輸、分析和訪問(wèn)的集成化。謝婷婷開(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。
二、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Α?021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)氐钠骄a(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種為隨車卸糧模式，作業(yè)時(shí)無(wú)人駕駛卸糧車與無(wú)人駕駛收獲機(jī)并行，在直線段卸糧，直線行駛時(shí)收獲機(jī)和運(yùn)糧車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)人駕駛卸糧車在田邊等待；收獲機(jī)糧倉(cāng)快滿時(shí)，通過(guò)云端服務(wù)器向卸糧車發(fā)出卸糧通知，卸糧車隨即自動(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)糧車中；卸糧后收獲機(jī)繼續(xù)收獲，卸糧車糧倉(cāng)裝滿后自動(dòng)開(kāi)至田邊，將稻谷卸至運(yùn)糧卡車中，由運(yùn)糧卡車將稻谷運(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)?；跓o(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、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，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)和病蟲害情況，并通過(guò)無(wú)線網(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)和病蟲草害情況，結(jié)合專家知識(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。
三、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”的提高和現(xiàn)代農(nóng)業(yè)建設(shè)提供強(qiáng)有力的科技支撐。
智慧農(nóng)業(yè)是農(nóng)業(yè)現(xiàn)代化的高級(jí)形式，依托生物技術(shù)、智能農(nóng)機(jī)和信息技術(shù)建設(shè)的無(wú)人農(nóng)場(chǎng)是實(shí)現(xiàn)智慧農(nóng)業(yè)的重要途徑。具有智能感知、自動(dòng)導(dǎo)航、精準(zhǔn)作業(yè)和智慧管理功能的智能農(nóng)機(jī)是建設(shè)無(wú)人農(nóng)場(chǎng)的物質(zhì)支撐。改革開(kāi)放以來(lái)，我國(guó)農(nóng)業(yè)機(jī)械化取得了巨大成就，智能農(nóng)機(jī)裝備和無(wú)人農(nóng)場(chǎng)技術(shù)也取得了一定進(jìn)展。華南農(nóng)業(yè)大學(xué)集成相關(guān)智能農(nóng)機(jī)建設(shè)的水稻無(wú)人農(nóng)場(chǎng)在智慧農(nóng)業(yè)發(fā)展中表現(xiàn)出巨大的潛力，對(duì)我國(guó)無(wú)人農(nóng)場(chǎng)建設(shè)起到了示范作用。
建設(shè)無(wú)人農(nóng)場(chǎng)可有效緩解農(nóng)村勞動(dòng)力短缺的現(xiàn)狀，積極推進(jìn)現(xiàn)代農(nóng)業(yè)建設(shè)。無(wú)人農(nóng)場(chǎng)技術(shù)可徹底將農(nóng)民從繁重的勞動(dòng)中解放出來(lái)，為解決“誰(shuí)來(lái)種田”提供了重要的途徑。
目前，我國(guó)的無(wú)人農(nóng)場(chǎng)建設(shè)剛剛起步，要實(shí)現(xiàn)大范圍推廣應(yīng)用還需要解決以下5個(gè)問(wèn)題：1)關(guān)鍵技術(shù)的突破，包括適應(yīng)不同區(qū)域、不同地形、不同作物和不同種植制度的無(wú)人農(nóng)場(chǎng)關(guān)鍵技術(shù)，特別是智能農(nóng)機(jī)技術(shù)及集成和管控平臺(tái)；2)適應(yīng)無(wú)人農(nóng)場(chǎng)的經(jīng)營(yíng)規(guī)模和土地整治，要大力支持新型農(nóng)業(yè)經(jīng)營(yíng)主體，擴(kuò)大經(jīng)營(yíng)規(guī)模和加強(qiáng)土地連片整治；3)要因地制宜，探索各種適宜的無(wú)人農(nóng)場(chǎng)建設(shè)模式和制定相應(yīng)的標(biāo)準(zhǔn)；4)要加強(qiáng)無(wú)人農(nóng)場(chǎng)建設(shè)需要的各類人才的培養(yǎng)和培訓(xùn)，包括各種技術(shù)人員和經(jīng)營(yíng)管理人員；5)要加強(qiáng)無(wú)人農(nóng)場(chǎng)建設(shè)相關(guān)政策制定，調(diào)動(dòng)政府、企業(yè)和社會(huì)資金投資建設(shè)無(wú)人農(nóng)場(chǎng)的積極性。
當(dāng)前，以互聯(lián)網(wǎng)、大數(shù)據(jù)和人工智能為代表的新一代信息技術(shù)蓬勃發(fā)展，給經(jīng)濟(jì)發(fā)展、社會(huì)進(jìn)步和人民生活帶來(lái)重大而深遠(yuǎn)的影響，也推動(dòng)了農(nóng)業(yè)機(jī)械化和智能化的快速發(fā)展，這都必將促進(jìn)我國(guó)無(wú)人農(nóng)場(chǎng)建設(shè)進(jìn)入快速發(fā)展期，進(jìn)而為我國(guó)現(xiàn)代農(nóng)業(yè)發(fā)展作出重要貢獻(xiàn)。
農(nóng)先鋒網(wǎng)聲明：凡資訊來(lái)源注明為其他媒體來(lái)源的信息，均為轉(zhuǎn)載自其他媒體，并不代表本網(wǎng)站贊同其觀點(diǎn)，也不代表本網(wǎng)站對(duì)其真實(shí)性負(fù)責(zé)。您若對(duì)該文章內(nèi)容有任何疑問(wèn)或質(zhì)疑，請(qǐng)立即與網(wǎng)站(www.woo-net.com)聯(lián)系，本網(wǎng)站將迅速給您回應(yīng)并做處理。
聯(lián)系郵箱:[email protected]
聯(lián)系郵箱:[email protected]
