摘要:伴随着工业化与城镇化的发展，农业劳动力短缺与成本增加问题逐渐凸显，迫切需要以机器代替人工，满足农业生产的需要；同时，随着经济的发展，由资源不合理开发利用等导致的生态环境恶化问题也日趋严重，2020年以来，习近平总书记一再强调保护地球生态环境这一理念，“绿水青山就是金山银山，改善生态环境就是发展生产力”，实现农业可持续发展已成为全球共识。信息技术的高速发展，带来了新一轮农业生产技术革命。以大数据、人工智能、物联网、移动互联网、云计算、5G技术、区块链等的发展与应用，以生物技术、信息技术、智能装备与机器人等为核心构建的无人农场，能够通过对设施、装备、机械等进行远程操控、全程自动控制或机器人自主控制，可全天候、全过程、全空间地完成所有农场生产作业的无人化生产作业。机器全面代替人工是一个循序渐进的过程，在其发展过程中兼顾绿色发展，实现农业无人化、智能化、生态化的可持续发展，将成为未来农业发展的一个重要方向。 优先发展农业农村，全面推进乡村振兴，是党的十九届五中全会《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》中对我国新阶段的总体部署。其中对农业的两项总体要求“强化现代农业科技和物质装备支撑”和“推进农业绿色发展”均涉及农业工程。为报道生态化无人化农场的新成果，本刊与兰玉彬教授团队合作，策划出版“生态化无人化农场关键技术装备与应用特刊”，探讨生态化无人化农场理念、技术与装备，重点报道智能装备、机器人、无人机、传感器、大数据、5T技术、北斗卫星导航系统、天-空-地一体化信息监测系统等重要研究成果，以及其应用于大田（玉米、水稻、大豆、谷物、小麦等）、果园（葡萄、柚子、柑橘等）、菜园（番茄等）、温室、渔场、养殖场等环境中时在农情信息智能感知、智能分析与决策、路径规划、自动导航、精准定位和识别、协同作业、智能管理等方面，达到绿色生态农业生产的精准化种植、可视化管理和智能化操控等的应用效果。 本特刊涉及生态化无人化农场诸多科技与装备的应用，涵盖国内无人农场带头人罗锡文院士团队、兰玉彬院士团队以及80多个机构的其他专家团队的重要研究成果，大部分成果获得国家重点研发计划、国家重大专项、国家自然科学基金等国家重大和重点项目的支持，反映了现阶段国内无人农场领域研究进展与应用现状。无人农场关键技术研究与实践，对探索解决“谁来种地”、“如何种好地”，农业生产管理的数字化、信息化、生态化、无人化、智能化转型升级，提高资源利用率、土地产出率和劳动生产率，保障国家粮食安全和生态安全，促进农业绿色、高质量、可持续发展，助力全面推进乡村振兴和加快农业农村现代化具有重要意义。

摘要:针对主从导航收获协同卸粮作业过程中作业车辆纵向相对位置控制需求以及拖车驱动系统非线性度较高的问题，该研究设计了一种适用于主从导航协同收获卸粮作业的纵向相对位置协同控制方法。根据协同系统几何关系获得纵向相对位置偏差的平行协同模型，基于动力学原理和位速耦合控制方法设计了纵向相对位置控制器；通过面积辨识方法获取车速系统传递函数，基于传递函数构建仿真模型进行控制器参数全因子仿真优化试验，并与传统PD方法进行仿真对比试验，结果表明该研究方法的最优参数适应性优于传统PD。不同初始偏差的纵向协同田间空载试验结果表明，在主机速度为1 m/s时，3、7和10 m初始纵向偏差下，系统响应平均调节时间分别为7.73、17.2和23.2 s，9组试验的平均稳态绝对偏差为0.091 8 m，平均相对速度稳态误差为0.012 3 m/s，表明该方法具有较好的初始偏差适应性；田间协同收获作业表明，在主机速度为1 m/s时，平均稳态纵向相对位置偏差绝对值为0.077 8 m，标准差为0.091 3 m，协同精度能够满足收获协同卸粮的作业要求。研究结果可为自主收获作业系统研究提供支持。

摘要:棚架果园是一种适用于葡萄、梨和猕猴桃等水果的枝蔓布于架上的果树种植方式，棚架果园环境对卫星信号遮挡严重，现有研究多通过分析果园局部环境特征实现农机的自主导航作业。自主导航的行头上线性能影响生产作业的质量和效率。为了实现棚架果园环境下基于相对定位导航方式机器人的快速上线，该研究提出了一种基于电子罗盘与激光雷达航向信息融合的位姿检测方法，依据精准位姿信息规划上线轨迹和最优上线角以实现快速的上线。该系统作业时，通过触控串口屏人机界面向控制器输入先验棚架朝向信息，融合电子罗盘和激光雷达航向信息获得机器人相对于果树行的精准位姿，按照位姿偏差指标的不同阈值进行车体位姿状态归类并触发相应上线轨迹程序，并以求解的最优上线角度实现快速上线。在模拟棚架葡萄园环境中以自主研发的葡萄生产机器人为试验平台开展快速上线性能试验。试验结果表明：在恒定速度0.3 m/s、初始横向偏差1.4 m和航向偏差-π/4，-π/18，0，π/18，π/4的条件下，上线时间分别为6.11、7.15、7.46、7.74、8.90 s，上线距离分别为1.357、1.367、1.387、1.383、1.403 m。该研究以最优上线角完成自主导航系统快速上线，可为棚架果园无人化作业技术研究提供参考。

摘要:针对农业自动导航、电动自动转向、农机自动控制、精量施药控制等关键技术的集成应用问题，该研究以高地隙喷杆喷雾机为平台，基于机电液一体化控制与软硬件标准化，研制了用于高地隙施药机的自动驾驶系统。根据底盘机构和工作原理设计了电控执行机构，实现发动机启停、转向、油门调节、车速调节、液泵启停、喷杆伸缩的自动控制。设计了基于CAN总线的整车通信控制网络，实现手动遥控和自动导航2种模式的自由切换。设计了基于姿态测量的定位误差校正方法，补偿导航定位过程中因机体倾斜造成的位置测量误差，提出地头转弯过程中的直线作业路径规划方法，以提高调头的准确性并保证邻接行的上线精度。在验证自动操控机构和通信控制网络稳定性的基础上进行了手动遥控和自动导航的对比试验。结果表明：作业速度3.6 km/h时，遥控操作和自动导航的横向偏差最大值分别为20.81和8.84 cm，航向偏角最大值为7.86°和2.48°、横向偏差的均方根误差最大值为7.47和4.66 cm。该研究设计的高地隙施药机自动驾驶系统能够实时准确执行手动遥控和自动导航2种模式下的操作指令，自动导航模式下的路径跟踪精度较高，满足田间施药作业需求。

摘要:针对风送喷雾装备不间断无差别喷施造成的过量用药和雾滴脱靶严重的问题，该研究设计一种果园喷雾机器人靶标探测与追踪系统，随果树对象位置变化实时调整喷雾角度实现精准对靶。该系统采用激光雷达扫描获取作业范围内果树的点云数据，确定靶标区域，然后通过点云分割、滤波等处理获得目标靶点，并根据目标靶点位置确定对应喷雾仰角；构建喷雾机构目标仰角与编码器脉冲数的数学模型，以及目标仰角与电动推杆行程的数学模型，设计喷雾机构仰角的测控方法。实际果树冠层靶点探测试验表明，随机选取的3棵果树目标靶点主要集中在距地2.0～3.5 m范围内，系统可以依据冠层形状计算靶点并调节喷雾仰角，最小喷雾仰角为47.8°，最大喷雾仰角为51.4°，连续目标靶点之间喷雾仰角最大调节时间为0.06 s，可满足对靶的时效需求。该系统能够适应不同形态果树中下部对靶施药需求，为后续开展果园精准植保研究提供理论基础与技术参考。

摘要:为提高自动导航农机的定位精度和可靠性，该研究设计了基于全球导航卫星系统（Global Navigation Satellite System, GNSS）和惯性导航系统（Inertial Navigation System, INS）的智能农机组合导航系统，该系统根据来自INS的三轴姿态角速度、加速度信息以及高精度定位板卡的三轴位置、速度信息，采用松耦合模式，通过卡尔曼滤波对INS误差实时校正，解算出农机的精准位置、速度和姿态信息。为实现该组合导航系统，设计和制作了智能农机控制板，集成GNSS高精度解析板卡和惯性测量模块，并在控制板上实现组合导航算法。搭建了东风DF1004-2智能农机试验平台，并在试验田中分别进行静止和直线行驶状态下的试验和单独GNSS导航与组合导航效果的对比。试验结果表明，在农机静止状态，两者性能接近，定位误差均在1 cm以内，姿态角误差均在0.1°以内；在农机以2 m/s的速度按照预设直线行驶时，单独GNSS导航位置误差在6 cm以内，姿态角误差在1°以内，GNSS/INS组合导航位置误差在3 cm以内，姿态角误差在0.5°以内，GNSS/INS组合导航精度明显的提升，可为高精度农机自动导航控制提供技术支持。

摘要:针对因田间土壤质地不均匀或表面高低不平，无沟铺管机出现行驶偏摆而导致管道铺设弯曲的问题，设计了基于载波相位差分技术的北斗定位系统（Real Time Kinematic-BeiDou Navigation Satellite System, RTK-BDS）的导航控制系统。采用多模态控制策略，通过传感器检测无沟铺管机工作时的左、右行走马达速度，车辆实际平均车速，发动机功率和两侧行走泵的压力等状态参数，并输入到后向反馈（Back Propagation, BP）神经网络，预测铺管机当前状态分类，使用选择器选择模态控制参数，采用自适应比例-积分-微分（Proportion-Integral-Differential, PID）控制算法进行导航控制。经过田间试验，获取铺管机的模态控制参数和BP神经网络训练样本。导航控制系统上线试验结果表明，导航控制横向超调量为4.58 cm，最大横向误差在±4 cm范围内，平均横向误差在±1.5 cm范围内，能够满足铺管机直线性作业要求。

摘要:为保证智能化农业机械在自主导航过程中的安全可靠性，该研究将嵌入式AI计算机Jetson TX2作为运算核心，设计一套基于双目视觉的农业机械障碍物感知系统。使用深度卷积神经网络对作业环境中的障碍物进行识别，并提出一种基于改进YOLOv3的深度估计方法。将双目相机抓取的左右图像分别输入至改进的YOLOv3模型中进行障碍物检测，并将输出的目标检测框信息进行目标匹配和视差计算，完成对障碍物的识别、定位和深度估计。试验结果表明，该系统能够对障碍物进行准确识别，平均准确率和召回率分别达到89.54%和90.18%；改进YOLOv3模型的深度估计误差均值、误差比均值较原始YOLOv3模型分别降低25.69%、25.65%，比Hog+SVM方法分别降低41.9%、41.73%；动态场景下系统对障碍物深度估计的平均误差比为4.66%，平均耗时0.573 s，系统在深度预警时能够及时开启电控液压转向模块进行安全避障。研究结果可为农业机械的自主导航提供有效的环境感知依据。

摘要:为了探究无人机多指标构建叶面积指数（Leaf Area Index，LAI）估算模型的能力，该研究通过不同纹理组合方式优选纹理指数，分别以光谱特征、纹理指数和作物覆盖度作为输入量建立一元线性模型，3类指标结合构建多元逐步回归和人工神经网络模型，分析多指标结合估算LAI的精度。结果表明：新的纹理指数能够明显提高纹理特征值与LAI的相关性，近红外波段均值与蓝波段均值的差值较近红外波段均值提高了13.54%；将绿度归一化植被指数（Green Normalized Difference Vegetation Index，GNDVI）、差值纹理指数和作物覆盖度结合来估算水稻LAI的精度最好，多指标结合的多元逐步回归模型的决定系数为0.866，调整后决定系数为0.816，均方根误差为0.308，人工神经网络模型结果再次验证这一结论。该研究成果可为基于无人机平台估算作物结构参数提供理论依据，并为其他作物LAI估算提供借鉴。

摘要:为解决农业机器人在玉米田行间行走的全局路径规划问题，该研究提出一种基于全卷积神经网络（Fully Convolutional Networks，FCN）的无人机玉米遥感图像垄中心线提取方法。基于无人机获取的高精度可见光遥感图像，设计了针对农田垄中心线提取的数据集标注方法，采用滑动窗口法进行图像分块，利用深度学习语义分割网络FCN对垄中心线附近7～17像素宽度范围的垄线区域进行提取，模型在测试田块上精确率达66.1%～83.4%，召回率达51.1%～73.9%，调和平均值为57.6%～78.4%；对拼接后的图像使用影像分割投影法提取中心线，探究了垄线区域宽度对垄中心线提取精度的影响，训练采用9像素的垄区域宽度，可得到垄中心线在77 mm左右偏差范围准确率为91.2%，在31.5 mm左右偏差范围内为61.5%。结果表明，基于FCN对无人机玉米遥感图像进行处理，可得到整片田地的垄中心线栅格地图，方便农业机器人进行全局路径规划。

摘要:针对植保无人机施药准确性和作业效率需求的提高，验证网络实时动态(Real-Time Kinematic，RTK)载波差分技术在无人机施药上的可行性，设计了一种基于网络RTK的离心式变量施药系统。采用STM32F103为控制核心，通过串口获取GPS定位信息，并连接DTU模块实现网络RTK技术，通过脉冲宽度调制（Pulse Width Modulation，PWM）技术调节占空比的大小，从而调节离心喷头的转速以及蠕动泵的流量。系统在工作时，通过农情信息完成处方图构建，通过高精度GPS模块获取经纬度信息，在施药过程中系统实时检索无人机所在位置，调出处方决策信息，按照处方信息调节离心喷头和蠕动泵的输出比例，从而控制无人机的施药粒径大小和施药量大小，并将作业数据上传至监控平台。通过试验表明系统能正确执行变量施药任务；在使用离心喷头进行变量施药任务时，受到系统稳定性和离心喷头特性的影响，在处方交界区域会存在一个不稳定区域；离心喷头在较高转速下进行变化时，在处方交界区域粒径大小的变化越平滑。该结果满足预期试验设计，可为植保无人机变量施药技术改良提供基础与参考。

摘要:实现土壤电导率的快速获取可为农业生产精准管理提供有效的数据支撑。目前，田间电导率采集在农业生产前进行，需要专门的电导率检测设备对种植田块开展大范围数据采集并生成电导率空间分布图，该方式操作繁琐、费时费力，同时检测的电导率值由于时间滞后原因，难以准确反映农业生产各环节（如播种）实施过程中的真实电导率情况。针对上述问题，基于交流“电流-电压”四端法原理，该研究设计了一种土壤电导率原位快速检测传感器，用于搭载在不同的农业生产机具上，实现土壤电导率的实时检测与作业参数的在线调整。该传感器以STM32处理器为核心，配合电源电路、交流信号源电路、有效值检测电路及其他外围电路搭建了硬件及软件架构，同时集成了信息的实时检测与显示、定时存储与无线传输等功能，实现了土壤电导率的原位高精度获取。传感器标定试验及工作稳定性试验结果表明，传感器输出值与DDB-303A电导率仪测得的电导率值呈明显线性关系，线性拟合R2为0.995，且在不同电导率水平下，连续测量的标准偏差均小于0.76 μS/cm，具有较高的准确性及工作稳定性。与JXBS-3001传感器在实验室条件下（温度25 ℃），对配置的不同电导率浓度土样（含水率<15%）检测的对比试验结果表明，所设计的电导率传感器的测量误差及响应时间更低，绝对误差为-5.9～19.4 μS/cm，相对误差为-1.05%～2.39%，响应时间小于2.01 s。利用电导率传感器在现场（温度20.6 ℃）对地块不同位置测量的绝对误差为-11.36～25.30 μS/cm，相对误差为-7.91%～7.88%。综合而言，该研究所设计的土壤电导率传感器能快速准确的检测土壤电导率信息，可为无人农场的土壤信息采集提供一种高精度的检测工具。

摘要:秸秆生物炭具有改善土壤生态环境、土壤蓄水保肥和减少温室气体排放等正效应，但其石灰效应会加大稻田氨挥发损失。为充分发挥生物炭吸铵特性，降低其石灰效应的不利影响，对不同热解温度（300、500、700 ℃）和酸化水平（pH值=5、7、9）稻草生物炭处理下的田面水NH4+-N浓度、氨挥发和水稻产量进行了研究。结果表明：偏酸性（pH值=5）、中性（pH值=7）生物炭处理在基肥期和分蘖肥期均能显著降低田面水NH4+-N峰值浓度（P<0.05），降幅达16.90%～35.60%。全生育期稻田氨挥发损失占施氮量的15.14%～26.05%（2019年）、15.10%～19.00%（2020年）。稻田增施热解温度为700 ℃、酸化水平为5（pH值=5）的生物炭（C700P5）降氨效果最好，两年氨挥发分别显著降低22.93%、12.61%（P<0.05）。高温热解配合偏酸性、中性生物炭（C700P5、C700P7）增产效果显著，增产率达9.92%～13.50%，结构方程模型表明，其增产原因是生物炭酸化处理降低了稻草生物炭的石灰效应，而热解温度调整提高了生物炭阳离子交换量（Cation Exchange Capacity，CEC），进而降低了田面水NH4+-N浓度和氨挥发损失，最终提高了水稻地上部氮素积累和水稻产量。研究可揭示不同热解温度和酸化水平制备的生物炭在稻田中的应用潜力，并为稻田合理施用生物炭和减少化肥施用量提供理论依据。

摘要:准确获取大豆的空间分布对于产量估计、灾害预警和农业政策调整具有重要意义，目前针对种植结构复杂地区所开展的大豆遥感识别研究鲜有报道。该研究以安徽省北部平原的典型大豆产区——龙山、青疃镇为研究区，基于Sentinel-2数据提出一种分层逐级提取策略的大豆识别方法。该方法首先构建决策树筛选规则，剔除研究区内非农田地物，获得田间植被的总体分布；然后生成19个候选特征因子，包括分辨率小于等于20 m的10个波段反射率以及9个植被指数。在典型地物类型样本的支持下，将ReliefF特征权重评估算法与随机森林（Random Forest，RF），BP神经网络（Back-Propagation Neural Network，BPNN）和支持向量机（Support Vector Machine, SVM）相结合，分别构建ReliefF-RF、ReliefF-BPNN、ReliefF-SVM三种组合模型筛选出对于大豆识别最有效的特征，并基于布设在研究区内6个样方（大小为1 km×1 km）的无人机影像提取得到的大豆分布来评估3种模型在大豆制图中的表现。结果表明，ReliefF-RF模型表现最佳，基于该模型筛选出7个优选特征因子，大豆制图的总体精度介于85.92%～91.91%，Kappa系数在0.72～0.81之间，各个样方的提取效果均优于其他两种模型。此外，基于优选特征达到的提取精度明显高于原始波段反射率，虽然略低于全部19个特征的结果，但是数据量降低了63.16%。该研究可以为农田景观破碎、种植结构复杂地区的大豆种植区提取相关研究提供有价值的参考和借鉴。

摘要:为了探索加色混色（Red-Green-Bule，RGB）模型偏态分布模式在大豆产量预测上的可行性，并验证其在不同肥料运筹、不同品种上的通用性，该研究选用曲茎和徐豆18两个大豆品种，设计了不同种植密度和氮肥水平的大田裂区试验，以无人机搭载数码摄像机，在花期及以后的2个重要生殖生长期采集大豆冠层数据。研究证实了大豆冠层数码图像的光学三原色RGB模型色阶遵循偏态分布，并利用偏态分析得到5类共20个叶色偏态参数。花期、荚期和鼓粒期的冠层叶色偏态参数普遍存在明显差异，其中表征叶色深浅的均值、中位数、众数从花期至鼓粒期呈现先降后升的变化趋势，而表征叶色偏向性的偏度和表征叶色集中度的峰度则普遍呈现相反的变化趋势。基于偏态参数构建的大豆产量预测模型的预测准确度平均达91.30%（建模组），对氮肥运筹验证组的预测准确度平均为87.33%，对不同品种验证组的预估准确度虽然低于建模组和氮肥运筹验证组，但也接近80%。这说明RGB模型偏态参数可准确地描述不同生育期大豆冠层叶色状况，基于偏态参数构建的产量预测模型有了更多的冠层颜色信息输入，对选用同品种但采用不同氮肥运筹措施和选用不同品种下的产量预测准确率均较高，可广泛用于不同生产条件的大豆产量预测，具有较好的适用性与较高的推广价值。

摘要:遥感技术获取的区域作物面积与作物面积统计数据间常常存在不一致的问题，这在一定程度上影响了作物分布遥感制图信息的应用。为获得与作物面积统计数据一致的高精度作物分布遥感制图信息，该研究以河北省衡水市武邑县为研究区，以时序Sentinel-2遥感影像生成的归一化差值植被指数（Normalized Difference Vegetation Index, NDVI）为研究数据，将冬小麦面积目视解译数据作为遥感提取的区域冬小麦面积总量参考，提出基于复合型混合演化算法（Shuffled Complex Evolution-University of Arizona, SCE-UA）和区域作物种植面积总量控制的NDVI时序相似性阈值优化冬小麦分布制图方法，并进行精度验证。在此基础上，进一步开展不同生育阶段NDVI时序相似性及其相似性组合的冬小麦分布提取精度对比研究。结果表明，利用全生育期NDVI时序相似性获得的冬小麦分布制图结果总量精度达99.99%以上，总体精度达98.08%，Kappa系数为0.96，可以保证遥感提取的区域冬小麦面积与冬小麦种植面积总量控制参考间的高度一致性且能获得较高的作物遥感识别精度。从不同生育阶段NDVI时序相似性及其相似性组合的冬小麦分布提取结果可知，利用出苗期-分蘖期、返青期-拔节期的NDVI时序可获得高精度冬小麦分布提取结果，而利用抽穗期-成熟期的NDVI时序数据提取冬小麦结果则精度较低，且综合不同生育阶段NDVI时序数据有利于冬小麦制图精度的提高。该研究可为高精度冬小麦分布提取和制图技术及其方案优化提供一定参考依据，也可为遥感数据和作物面积统计数据融合的大范围农作物分布遥感制图及统计数据空间化提供一定技术方法参考和思路借鉴。

摘要:为解决无人农场模式下油菜联合收获作业过程中自主导航作业路径自动规划及优化问题，该研究提出了两套完整的针对任意四边形边界田块的油菜联合收获全覆盖作业路径规划算法。采用“理论分析-算法设计及程序编码-算例测试与仿真评估”的技术路线及方法，首先分析油菜联合收获机的作业特点与机具特性，拟定油菜联合收获无人化作业过程对路径规划工作的基本要求，再通过等距偏置处理和扫描线填充算法生成全覆盖作业路径，并采用OR-Tools软件对方向平行路径进行调度优化。通过4块典型实际田块进行仿真计算和测试，结果表明，算法耗时在0.17～4.73 s之间，混合路径相对于目前生产中广泛使用的环形作业路径，在未经行调度优化时，倒车次数减少36.36%～40.00%；混合路径中，行调度优化后倒车次数相对于未调度优化时减少33.33%～60.87%，非作业路径长度减少7.20%～20.23%。该研究为长江中下游区域稻油轮作无人农场中油菜无人化联合收获提供了作业路径规划方面的理论与技术支撑。

摘要:番茄串的采收环境复杂，果实体积相对较大，机械臂采收运动路径规划不仅要考虑如何采摘，还需要考虑采摘后如何避开障碍，并从复杂环境中提取出番茄串。为此，该研究以温室栽培的番茄串采摘为对象，提出了基于空间分割的实时运动路径规划算法。首先通过聚类拟合环境中的枝条，简化空间障碍物；然后分割采摘空间，筛选可行采摘空间，并引入评价函数选取最优采摘空间，指导机械臂以合理有效的姿态完成采摘；最后在采摘任务的基础上加入实时避障子任务，引导机械臂躲避障碍完成任务，保证采摘番茄串任务安全无损。在以上研究的基础上，通过大量采收试验验证算法的有效性。试验结果表明：通过基于空间分割的实时运动路径规划算法，采收机器人的单串番茄采摘时间为12.51 s，且采摘成功率接近100%。与目前主流的采样算法RRT*-connect相比，单串番茄的采摘时间降低了31.23%，大幅提高了采摘效率。

摘要:为了提高作业装备在果园与树林行间的自主导航性能，该研究提出一种基于最小二乘法与支持向量机（Support Vector Machine，SVM）融合的树行识别与导航方法。研究采用履带式小型喷雾机为作业平台，通过低成本的单线激光雷达获取果园或树林环境点云数据，融合姿态传感器进行数据校正，利用最小二乘法拟合识别树行，结合SVM算法，预测果园行间中心线，作为作业平台的参考导航线。在桃园、柑橘园、松树林3种不同的行间环境对导航算法进行了测试验证，并以松树林导航为例进行分析。试验结果表明：该导航算法最大横向偏差为107.7 mm，横向偏差绝对平均值不超过17.8 mm，结合作业平台的行驶轨迹，说明该导航算法能够保证作业平台沿树行行间中心线自主导航行驶，能够满足作业装备在果园与树林行间自主导航作业的需求。

摘要:为克服二维激光扫描仪在果园导航中感知信息少、无法有效应对树冠茂密、树干被遮挡等复杂三维果园场景，该研究提出一种基于3D LiDAR的果园行间导航方法。以3D LiDAR为检测设备实时采集果园信息，使用挖空打断后的树墙体心等效树干位置，根据左右树行的最佳平行度对随机采样一致性算法与最小二乘法拟合的树行进行互补融合并求其中心线得到导航线；对纯跟踪算法进行改进，实现差速运动机器人对树行的跟踪。结果表明：系统在篱壁式仿真果园环境下以0.33 m/s的速度沿中心线行走时，绝对航向定位偏差在1.65°以内，绝对横向定位偏差在6.1 cm以内；以0.43 m/s的速度跟踪树行的绝对横向偏差在15 cm以内。在真实梨园下，系统分别以0.68与1.35 m/s的速度跟踪树行，绝对横向偏差分别不超过21.3与22.1 cm。本系统可广泛用于标准果园与复杂三维果园机械的自主导航，具有可靠的稳定性。

摘要:针对移动采摘机器人在果园作业时，果树较大冠层与行人等障碍物易影响机器人行驶的突出问题，该研究提出了一种基于改进人工势场法的机器人行间导航路径优化方法。首先，通过移动采摘机器人搭载的固态激光雷达实现果园行间三维点云信息获取，运用地面平面算法去除果园地面点云，提取了果园垄行与果树冠层点云。其次，采用最小二乘法（Least Squares Method, LSM）、霍夫（Hough）变换和随机采样一致性（Random Sample Consensus, RANSAC）3种方法对果园垄行点云数据进行了垄行线和初始路径的提取。最后，通过舍弃引力势场，建立了果树冠层轮廓点云势场，优化初始路径以躲避较大的果树冠层与行人障碍物。从实时性与抗噪能力两个方面，分别对利用LSM、Hough变换和RANSAC 方法所提取的初始路径结果进行了分析，结果表明3种方法均可成功提取垄行线与初始路径，其中RANSAC实时性最优，平均运行时间约为0.147×10-3 s，标准差为0.014×10-3 s，且具有较好的抗噪能力。在RANSAC提取初始路径的基础上使用改进人工势场法对初始路径进行优化，避免了传统人工势场法易陷入震荡的问题。经改进人工势场法优化后的路径将障碍物点云距导航路径的最短距离由0.156 m提高至0.863 m，且平均耗时0.059 s，标准差为0.007 s，表明该优化方法具备实时优化路径以避开障碍物的能力。该研究提出的基于改进人工势场法的机器人行间导航路径优化方法基本满足安全性与实时性要求，为移动采摘机器人在果园环境下自主导航提供了技术参考。

摘要:为了保证自动驾驶农机的安全行驶，需要对农田间道路进行高精度识别。该研究以北京市大兴区榆垡镇为研究地点，构建了农田间道路图像数据集，使用开源标注工具Labelme软件进行图像标注，以UNet为基本网络结构，针对分割过程中存在的道路边缘和远处道路分割效果较差等现象，提出了3个改进方向：在编码器网络中添加残差连接，增加网络复杂度；使用池化卷积融合结构完成下采样，增加可训练参数以减少信息损失。试验结果表明，使用ACBlock（Asymmetric Convolution Block，ACBlock）和DACBlock（Dilated Asymmetric Convolution Block, DACBlock）替换UNet中的卷积核，增加了卷积核“骨架”结构的权重和卷积核的感受野，提高了远处道路及道路边缘的分割效果，农田间道路分割的交并比值为85.03%，相较于原UNet提高了6.52个百分点，且高于ResUNet、UNet3+等网络。农机行驶速度在20 km/h左右，该研究网络对于1 280×720像素大小的图片平均推理时间为163 ms，符合农机自动驾驶时间复杂度要求。该研究提高了自动驾驶农机对农田间道路的感知能力，为安全行驶提供了信息支持。

摘要:农机装备跨区作业存在作业任务重、转移范围大、作业时效性强等问题，传统的农机调度缺乏科学合理的调配方案。该研究开展了基于改进遗传算法的多机协同作业任务调度方法研究。首先对多块农田需连续进行多种生产任务的问题进行分析，建立在农机数量、转移距离、作业准备时间及作业时间等约束条件下的时间窗农机作业调度模型；然后以最小化作业时间为优化目标，提出改进多父辈遗传算法（Improved Multi-parent Genetic Algorithm, IMPGA）的优化方法求解农机作业规划方案；最后根据新疆塔城地区的农田数据及随机生成的农田任务进行模拟与仿真，并与标准遗传算法（Genetic Algorithm, GA）进行对比。结果表明：IMPGA和GA均能有效解决多任务多农机作业分配问题，IMPGA算法总体上优于GA，调度的最优时间和平均时间分别缩短2.47%和2.70%。该研究可为农机跨区作业提供合理的调度方案，也为规模化无人农场的生产经营提供科学依据。

摘要:为解决农机作业过程中因突发状况引起的作业时间增加、某些作业任务无法完成等问题，该研究提出一种基于改进合同网算法的同种农机机群动态作业任务分配方法。基于农机性能参数和任务参数综合考虑用时最长农机的作业时间、农机机群油耗和路上的路程建立机群代价函数，建立单个田块和地头相邻田块的路径规划方法，参考合同网算法中的招-投标过程，建立农机对任务进行投标的代价函数，基于降低服务器计算量、减少通信次数、任务均衡分配和减小非作业路程等原则，通过选择招标者、设定招标阈值、中标者任务再分配和农机间任务交换等方式改进合同网算法。在不同时间进行基于传统合同网算法和改进合同网算法的农机机群动态作业任务分配仿真试验和农场实际播种作业试验。仿真结果表明，基于改进合同网算法的动态任务分配仿真结果比基于传统合同网算法的动态任务分配仿真结果机群时间代价降低0.83%～12.89%，与服务器通信次数降低77.4%～85%。农场实际试验结果表明：在不同的任务分配时间，基于改进合同网算法的动态任务分配的机群时间代价比实际理论机群时间代价降低30.20%～34.09%。本文提出的动态作业任务分配法能够满足农业生产中同种农机机群动态作业任务分配需求。

摘要:为实现复杂田间场景中幼苗期玉米和杂草的准确识别与区域划分，该研究提出改进的双注意力语义分割方法，通过获取形态边界实现玉米幼苗的识别与精细分割，在此基础上采用形态学处理方法识别图像中除玉米外的全部杂草区域。首先对6种当前最高性能的语义分割网络进行对比，确定模型原始架构；建立幼苗期玉米语义分割模型，包括改进深层主干网络增强特征，引入双注意力机制构建特征的场景语义依赖关系，以编码器-解码器结构组建模型并增加辅助网络优化底层特征，改进损失函数协调模型整体表现，制定改进的迁移学习策略；提出图像形态学处理方法，基于玉米像素分割结果，生成杂草分割图。测试结果表明，模型的平均交并比、平均像素识别准确率分别为94.16%和95.68%，相比于原网络分别提高1.47%和1.08%，识别分割速度可达15.9帧/s。该研究方法能够对复杂田间场景中的玉米和杂草进行准确识别与精细分割，在仅识别玉米的前提下识别杂草，有效减少图像标注量，避免田间杂草种类的多样性对识别精度的影响，解决玉米与杂草目标交叠在形态边界上难以分割的问题，研究结果可为智能除草装备提供参考。

摘要:针对葡萄采摘机器人在采摘作业中受果园环境干扰，难以准确识别与分割葡萄果梗及定位采摘点的问题，该研究根据葡萄生长的特点提出一种基于深度学习的葡萄果梗识别与最优采摘定位方法。首先通过改进掩膜区域卷积神经网络（Mask Region with Convolutional Neural Network，Mask R-CNN）模型对果梗进行识别与粗分割；然后结合阈值分割思想对果梗的色调、饱和度、亮度（Hue Saturation Value，HSV）色彩空间进行分段式提取，取每段色彩平均值作为该段果梗基准颜色阈值，利用区域生长算法对果梗进行精细化分割；最后计算果梗图像区域的质心，并以临质心点最近的果梗水平两侧中心作为最终采摘点。试验结果表明，在不同天气光照下该方法对葡萄果梗的检测精确率平均值为88%；在果梗成功识别后最优采摘点定位准确率达99.43%，单幅图像的果梗采摘定位平均耗时为4.90 s，对比改进前Mask R-CNN检测耗时减少了0.99 s，F1-得分提高了3.24%，检测效率明显提升，该研究为葡萄采摘机器人提供了一种采摘点定位方法。

摘要:母猪姿态转换影响仔猪存活率，且动作幅度与持续时间存在差异，准确识别难度大。该研究提出一种融合2D-3D卷积特征的卷积网络（2D+3D-CNet，2D+3D Convolutional Network）识别深度图像母猪姿态转换。以视频段为输入，引入注意力机制SE模块和3D空洞卷积，以提升3D卷积网络姿态转换的时空特征提取能力，用2D卷积提取母猪的空间特征；经特征融合后，动作识别分支输出母猪转换概率，姿态分类分支输出4类姿态概率，结合这两个输出结果识别8类姿态转换，减少了人工标注数据集的工作量；最后设计动作分数，优化母猪姿态转换的时间定位。在测试集上，2D+3D-CNet姿态转换识别精度为97.95%、召回率为91.67%、测试速度为14.39帧/s，精度、召回率和时间定位精度均高于YOWO、FRCNN-HMM和MOC-D方法。该研究结果实现了母猪姿态转换高精度识别。

摘要:对鱼群摄食状态的细粒度分类有利于更精细地描述鱼群的摄食行为。该研究基于工厂化的循环养殖池环境提出了一种利用光流法进行特征提取的鱼群摄食状态细粒度分类算法。算法对鱼群的巡游视频进行摄食状态分类，首先通过光流法提取视频内鱼群的帧间运动特征，其次构建了一个帧间运动特征分类网络对该特征进行细粒度分类，最后基于投票策略确定视频的最终类别。试验结果表明，该研究算法在投票阈值设置为50%的情况下，视频准确率达98.7%；在投票阈值设置为80%的情况下，视频准确率为91.4%。在不同的投票阈值设置下，该算法的视频准确率始终保持在90%以上，说明其分类鲁棒性较强。相较于实验室养殖环境，基于工厂化养殖环境对鱼群的摄食状态所展开的算法研究实际应用性更强，可为精细描述鱼群摄食行为，实现精准投饵自动控制提供参考。

摘要:为了提高谷物收获作业过程中谷物产量在线监测的精度，研制了基于谷物流压力原理的车载谷物产量在线监测系统，该系统包括谷物流量监测装置、定位装置、割台高度控制开关、核心处理器以及人机交互装置。以谷物产量与谷物流压力间的谷物产量监测数学模型为指导，搭建了谷物产量监测试验台，采用Box-Behnken试验设计方法优化谷物流量监测装置结构参数，研究了传感器数量、传感器安装位置和监测装置水平倾角对谷物产量监测系统测产误差的影响，确定了最优参数组合为传感器数量5、传感器安装位置0.24 cm、监测装置水平倾角5°，并对最优参数组合进行了验证试验，结果表明，谷物产量监测系统测产误差为3.27%，满足谷物产量监测的精度要求。对谷物产量监测系统田间实际效果进行了试验验证，试验结果表明，田间测产误差为5.28%，生成的产量分布图为后续田间作业管理提供了决策依据。

摘要:通过识别水稻开花张开颖花内外颖与吐出颖花花药的特征，进而准确判断颖花开花时间，是及时进行杂交水稻制种授粉的前提。该研究通过可见光相机获取水稻颖花图像，基于可见光蓝色通道串联大津法（Series Otsu，SOtsu）提取颖花花药，同时使用深度学习算法基于区域的快速卷积神经网络（Faster Regional Convolutional Neural Network，FasterRCNN）及YOLO-v3识别颖花花药与张开颖花内外颖，通过对比不同算法识别精确率、召回率、F1系数以及皮尔逊相关性系数，研究适用于识别颖花开花状态的特征与方法。结果显示，FasterRCNN算法检测张开颖花内外颖精确率达1，召回率达0.97，F1系数为0.98，皮尔逊相关系数为0.993，串联大津法检测吐出花药精确率达0.92，召回率达0.93，F1系数为0.93，皮尔逊相关系数为0.936。这表明串联大津法与FasterRCNN算法适用于水稻颖花开花状态检测，且张开颖花内外颖比吐出花药更适合作为水稻开花状态特征应用于深度学习算法检测。串联大津法可代替FasterRCNN算法在模型构建完成前进行检测，保证水稻颖花开花状态检测连续性。

摘要:为实现温室环境下机器人行进过程中的位置及姿态跟踪，该研究提出一种基于时序一致性约束的自监督位姿变换估计模型。模型用软遮罩，处理视频帧间静止造成的位姿预测值收缩现象，进一步用归一化遮罩，解决非刚体场景和目标遮挡问题。设计了一种星型扩张卷积，并基于该卷积，为模型构建自编码器。在采集自种植作物为番茄的日光温室视频数据上开展训练和测试试验。结果表明，与不采用遮罩处理的模型相比，采用软遮罩的模型，位置和姿态估计相对误差分别减少5.06个百分点和11.05个百分点，采用归一化遮罩的模型，这2项误差则分别减少4.15个百分点和3.86个百分点，2种遮罩均可显著提高模型精度；星型扩张卷积对降低模型误差是有效的，在网络参数不变的前提下，该卷积使姿态估计相对误差减少7.54个百分点；时序一致性约束使姿态估计均方根误差下降36.48%，每百帧累积姿态角误差降低54.75%，该约束可用于提高模型精度及稳定性；该研究的位置及姿态估计相对误差分别为8.29%和5.71%，与Monodepth2相比，减少了8.61%和6.83%。该研究可为温室移动机器人导航系统设计提供参考。

摘要:近年来农业机械保有量不断增加，农业机械对化石燃料的消耗也不断增长。该研究以实现沃得4LB-150AA型号谷物联合收割机田间作业时的油耗预测为目的，基于收割机CAN（Controller Area Network）总线及GNSS（Global Navigation Satellite System）终端采集的发动机工况数据、行驶工况数据，构建了发动机平均扭矩、发动机平均转速、平均速度、加速度均值、减速度均值、加速度方差、减速度方差7个指标，探索了7个指标与油耗之间的相关性，分析了收割机在不同区域的油耗差异，建立了基于随机森林的收割机油耗预测模型。结果表明：7个指标都与油耗存在相关性，其中发动机平均扭矩、发动机平均转速、平均速度与油耗的相关性较高，相关系数在0.6以上，其次是加速度均值、减速度均值、加速度方差、减速度方差，相关系数在0.4以上；并且不同区域的收割机作业油耗存在显著差异，其中单位面积产量高的区域油耗也相对较高；同时基于随机森林的油耗预测模型可以实现收割机作业时油耗的准确预测，均方根误差为0.14 L/h，平均绝对误差为0.24 L/h，决定系数为0.84。该研究提出的方法可为农机的工况优化及精准油耗监管提供参考。

摘要:为实现柑橘虫害的快速、准确识别，帮助果农及时掌握果园内虫害的危害程度和分布情况，该研究结合嵌入式图像处理技术设计了一套基于深度卷积神经网络的柑橘虫害实时检测系统。优选MoblieNet作为虫害图像特征提取网络，区域候选网络生成害虫的初步位置候选框，快速区域卷积神经网络（Faster Region Convolutional Neural Networks，Faster R-CNN）实现候选框的分类和定位。检测系统根据目标图像中虫害数量计算危害程度，按照正常、轻度、中度、重度4个等级判定柑橘虫害的严重程度，形成虫害识别与级别定量化测评软件。最后引入北斗模块获取采样点位置信息，进一步处理成可视化的虫害热力图。结果表明，该方法可实现对柑橘红蜘蛛和蚜虫的快速准确检测，识别准确率分别达到91.0%和89.0%，单帧图像平均处理速度低至286 ms。该系统实现了柑橘虫害的精准识别与定位，可为农药喷洒作业提供精准信息服务。

摘要:目前池塘养殖过程中需要人工搬运饲料，劳动强度大、人工成本高。现有投饲设备缺少称量和自动控制功能，存在投饲量控制不精准、自动化程度低、难以集成管控等问题。为此，该研究设计了一种全自动精准投饲系统，主要由机械设备、自动控制系统、信息管理系统等组成。基于“控制在本地、管理在云端”原则确定了系统结构。采用大料仓投饲机和散装饲料实现饲料出厂、运输、装料和投料全程机械化作业。开发了基于可编程逻辑控制器和称重传感器的自动控制系统，实现设备全自动运行和投饲量精准控制。控制系统与信息管理系统对接，实现投饲管控与企业生产经营管理的一体化。通过对视频监控设备的集成实现投饲过程的可视化监控。该系统在某大型养殖企业投入生产应用，建立了800 hm2的全自动投饲养殖示范基地，基本实现投饲过程的无人化作业。与传统小型投饲机、人工搬运和加装饲料的投饲方式相比，该系统可以减少劳动力成本70%、节约饲料用量3%，有效降低成本，取得了良好经济效益，具有实际工程应用价值。

摘要:果实表型数据高通量、自动获取是果树新品种育种研究的基础，实现幼果精准检测是获取生长数据的关键。幼果期果实微小且与叶片颜色相近，检测难度大。为了实现自然环境下苹果幼果的高效检测，采用融合挤压激发块（Squeeze-and-Excitation block, SE block）和非局部块（Non-Local block, NL block）两种视觉注意机制，提出了一种改进的YOLOv4网络模型（YOLOv4-SENL）。YOLOv4模型的骨干网络提取高级视觉特征后，利用SE block在通道维度整合高级特征，实现通道信息的加强。在模型改进路径聚合网络（Path Aggregation Network, PAN）的3个路径中加入NL block，结合非局部信息与局部信息增强特征。SE block和NL block两种视觉注意机制从通道和非局部两个方面重新整合高级特征，强调特征中的通道信息和长程依赖，提高网络对背景与果实的特征捕捉能力。最后由不同尺寸的特征图实现不同大小幼果的坐标和类别计算。经过1 920幅训练集图像训练，网络在600幅测试集上的平均精度为96.9%，分别比SSD、Faster R-CNN和YOLOv4模型的平均精度提高了6.9百分点、1.5百分点和0.2百分点，表明该算法可准确地实现幼果期苹果目标检测。模型在480幅验证集的消融试验结果表明，仅保留YOLOv4-SENL中的SE block比YOLOv4模型精度提高了3.8百分点；仅保留YOLOv4-SENL中3个NL block视觉注意模块比YOLOv4模型的精度提高了2.7百分点；将YOLOv4-SENL中SE block与NL blocks相换，比YOLOv4模型的精度提高了4.1百分点，表明两种视觉注意机制可在增加少量参数的基础上显著提升网络对苹果幼果的感知能力。该研究结果可为果树育种研究获取果实信息提供参考。

摘要:海珍品检测对海洋牧场的智能化建设至关重要，在实时性和准确性方面仍有待提高。该研究提出一种改进的YOLOv3海珍品检测方法。利用深度可分离卷积替代YOLOv3中的标准卷积，得到一个轻量化网络模型DSC-YOLO（Depthwise Separable Convolution-YOLO）；在数据预处理方面，采用图像增强方法UGAN提升海珍品图像清晰度，采用Mosaic数据增广方法丰富数据的多样性。在海珍品数据集上的试验结果显示，相较YOLOv3而言，所提模型大小减少70%，推理时间降低16%，召回率R提高了2.7%，平均准确率提高了2.4%，F1分数提高了0.4%。可见该方法模型小、实时性好，具有部署到移动设备上的潜力。

摘要:中国的农业生产建立在过量农药化肥投入的基础上，导致农田生态环境失衡，不利于农业的可持续发展，同时，农业劳动力短缺问题日益凸显，寻求一种生态化、高效化、智慧化的农业模式势在必行。基于多年的实践与探索，该文作者团队在山东淄博落地建成了中国首个生态无人农场，提出了"生态无人农场"的模式与发展理念。文章总结出农药、化肥和土壤耕作制度对农田生态系统造成的不利影响最为明显，提出通过一系列无人化作业手段与模式对农田生态系统进行生态化管理与改造，来实现农业生产的可持续发展。在此基础上，通过天空地一体化农情信息获取、地空一体化无人机群协同作业以及构建能够完全自主决策的智慧云大脑的技术集成创新模式，来实现农田信息的自动采集和处理、科学决策以及无人农机的远程控制等功能。文章对生态无人农场关键技术与模式进行了总结论述，提出了生态无人农场模式的实施内涵，以期为未来农业、智慧农业的发展以及推进农业农村现代化高质量发展提供借鉴。

摘要:在数字农业时代下，无人机或将成为推动农业数字化的一大关键。为了宏观掌握农用无人机的发展动态，了解农用无人机在国内外的研究前沿和应用热点，该研究基于Web of Science核心论文集、Derwent Innovations Index德温特创新索引数据库等5个数据源，采用数理统计及文献计量法对2001－2020年累计20年间农用无人机领域内发布的期刊论文及发明专利进行分析。分析结果显示，农用无人机从2014年起研究进展驶入高速，2016－2018年达到高热期，2020年农用无人机论文产出达1 232篇，专利达1 970件；中国、美国是农用无人机现阶段的主要研究国家，两者累计论文发表量超过总统计数量的45%，中国占21.43%，美国占24.60%，特别地，专利数量中国约占总数的83.41%，西班牙最早奠定了农用无人机的研究理论基础，其中，中美机构间、欧洲各国机构间研究合作联系较为密切；农用无人机论文的学科领域主要涉及遥感和环境科学，分别占论文总量的30.22%和24.79%，专利的技术领域主要涉及释放物质用飞行器、特殊用途飞行器及液体喷施设备，分别占专利总量的30.03%、23.66%和21.01%，具体研究内容分为农用无人机的平台搭建及农业应用两方面，农业应用包含农业信息采集及农业物料释放两类场景；目前的研究前沿为农业大数据挖掘及农业数字模型搭建，实际应用重心向低空遥感喷施、能源续航倾斜。综上，农用无人机仍处于活跃的发展状态，应用场景日趋丰富，纵向发展稍有阻滞，未来可能会在畜牧业和渔业上挖掘到崭新的研究应用方向。

摘要:为了解决农作物生产管理、信息组织、感知、传输、处理技术分散等问题，该研究在创新5T（大5T：种期、苗期、秧期、籽期和产品期；小5T：熟收、田场、干燥、收仓和仓储）精准时效农业生产管理方法和标准的基础上，提出了基于农作物生长时效通道和存续时效区块的智慧农场基元模型、管理架构和5T管理系统架构；根据智慧农场的系统架构以动态物联码为抓手，融合物联网、智能感知、大数据和智能终端等技术，开发了水稻5T智慧农场管理系统；依托吉林大米产业联盟，围绕优质水稻籽期进行了系统的初步应用，发现了收获管理不当造成的7.16%隐性损失。基于5T管理的智慧农场系统在农作物生产管理上取得了显著增效、减损和提质的效果，5T智慧农场管理系统的精细管理与精准决策方法可将智能控制与无人农机装备紧密连接，为最终真正实现智能化的自主无人农场提供参考。

摘要:果树是重要的农林植物。在万物智联时代，利用数字化、智能化、网络化技术建立数字果树技术体系，实现对果树生命、生产和生态复杂系统的高效感知、认知和智慧管控，对于果业实现数字化转型具有重要意义。该研究在数字植物技术范畴下，系统论述了数字果树的概念和内涵，提出了数字果树技术体系框架。重点在果树表型信息获取、环境数据获取、三维模型计算、数字育种、果树大数据和虚拟现实技术等方面综述了数字果树研究进展。从产业应用角度，综述了数字果树技术在树形管理、生长监测、种植管理、农技培训、品牌营销等方面应用效果和挑战。最后，展望了数字果树发展趋势、研究热点和技术突破方向，以期为数字果树的进一步发展提供思路与借鉴。