我國智能農(nóng)機的研究進(jìn)展與無人農(nóng)場的實踐

　　摘要：智慧農(nóng)業(yè)是現(xiàn)代農(nóng)業(yè)的高級形式，無人農(nóng)場是實現(xiàn)智慧農(nóng)業(yè)的重要途徑，智能農(nóng)機是無人農(nóng)場的物質(zhì)支撐。本文以植物生產(chǎn)為例，介紹了智能農(nóng)機的智能感知、自動導(dǎo)航、精準(zhǔn)作業(yè)和智慧管理 4 項功能在智慧農(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)機創(chuàng)建水稻無人農(nóng)場的實踐和無人農(nóng)場的 5 個特點，包括耕種管收生產(chǎn)環(huán)節(jié)全覆蓋、機庫田間轉(zhuǎn)移作業(yè)全自動、自動避障異況停車保安全、作物生產(chǎn)過程實時全監(jiān)控和智能決策精準(zhǔn)作業(yè)全無人。在 2020 年的中稻和 2021 年的早稻生產(chǎn)中，水稻無人農(nóng)場的稻谷產(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o人農(nóng)場建設(shè)為解決“誰來種田”和“如何種田”的問題提供了重要途徑。

　　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)學(xué)報 發(fā)表時間：2021-09-09

　　關(guān)鍵詞：智慧農(nóng)業(yè);智能農(nóng)機;自動導(dǎo)航;精準(zhǔn)作業(yè);無人農(nóng)場;信息技術(shù);水稻生產(chǎn)

　　2012 年中央一號文提出，要突出農(nóng)業(yè)科技創(chuàng)新重點，在精準(zhǔn)農(nóng)業(yè)技術(shù)等方面取得重大突破[1]。 2017 年中央一號文提出，要實施智慧農(nóng)業(yè)工程[2]。智慧農(nóng)業(yè)是未來農(nóng)業(yè)的發(fā)展方向，是現(xiàn)代農(nóng)業(yè)的高級形式[3]。智慧農(nóng)業(yè)是以數(shù)據(jù)、知識和智能裝備為核心要素，通過將現(xiàn)代科學(xué)技術(shù)與農(nóng)業(yè)深度融合，實現(xiàn)農(nóng)業(yè)生產(chǎn)全過程的數(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)機器人等高新技術(shù)逐步應(yīng)用到農(nóng)業(yè)生產(chǎn)各個領(lǐng)域，智慧農(nóng)業(yè)呈現(xiàn)出強勁的發(fā)展勢頭。無人農(nóng)場是實現(xiàn)智慧農(nóng)業(yè)的重要途徑。無人農(nóng)場以生物技術(shù)、智能農(nóng)機和信息技術(shù)為支撐。生物技術(shù)為無人農(nóng)場提供適應(yīng)機械化作業(yè)的品種和栽培模式，智能農(nóng)機為無人農(nóng)場自動化作業(yè)提供裝備支撐，信息技術(shù)為農(nóng)機作業(yè)的精準(zhǔn)定位、數(shù)據(jù)傳輸和無人農(nóng)場的智慧管理提供支撐。無人農(nóng)場采用 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，使之自主決策和自主作業(yè)，實現(xiàn)各個生產(chǎn)環(huán)節(jié)的智能化[5]。智能農(nóng)機具有智能感知、自動導(dǎo)航、精準(zhǔn)作業(yè)和智慧管理 4 個功能，是無人農(nóng)場的物質(zhì)支撐，是農(nóng)業(yè)機械的轉(zhuǎn)型升級[6]。毛澤東同志在 1959 年就提出農(nóng)業(yè)的根本出路在于機械化。改革開放以來，經(jīng)過 40 多年的發(fā)展，我國的農(nóng)業(yè)機械化取得了舉世矚目的成就，為提高我國農(nóng)業(yè)生產(chǎn)率作出了巨大貢獻(xiàn)。目前，我國用不到世界 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，隨著我國農(nóng)業(yè)農(nóng)村現(xiàn)代化加快推進(jìn)，對農(nóng)業(yè)機械提出了更高的要求，提高農(nóng)業(yè)機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。國內(nèi)外實踐表明，提高農(nóng)業(yè)機械化和智能化可以大幅度提高勞動生產(chǎn)率、資源利用率和土地產(chǎn)出率。只有在智能農(nóng)機的支持下，無人農(nóng)場才能成為現(xiàn)實。

　　1 智能農(nóng)機研究

　　1.1 智能感知

　　農(nóng)作物生長環(huán)境、作物長勢和作物病蟲草害信息是智能農(nóng)機進(jìn)行精準(zhǔn)作業(yè)的依據(jù)[8]。“星-機-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”指根據(jù)飛機或無人機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 作物生長環(huán)境信息 農(nóng)作物生長環(huán)境信息的快速感知是實施精準(zhǔn)農(nóng)業(yè)中最為基本和關(guān)鍵的問題[9]，農(nóng)作物生長環(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(土壤堅實度)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]成功研制出了帶 GNSS 的車載式土壤耕作阻力測定儀，采用 GNSS 定位信息，通過液壓系統(tǒng)將圓錐儀(國際上通用的土壤堅實度測定儀)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]研制出車載式可連續(xù)測定土壤耕作和含水量的測定儀。

　　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人機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)田三維地形實時采集系統(tǒng)，可在平整作業(yè)過程中快速精準(zhǔn)獲取田面的平整度信息。

　　土壤水分是影響作物生長的重要參數(shù)，Xiao 等[16]研制出既可在水田田面有水時測定水層深度又可以在水田田面無水時測定土壤水分的無線測量系統(tǒng)，并可以根據(jù)田面/土壤中的水層/水分情況遠(yuǎn)程控制自動灌水和排水。

　　“莊稼一枝花，全靠肥當(dāng)家”，土壤中氮、磷、鉀的實時在線快速測定是個世界難題，至今尚未取得實質(zhì)性的突破，大都只能進(jìn)行間接測量。孫建英等[17]采用光譜測量技術(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，通過實驗室分析后可準(zhǔn)確給出氮、磷、鉀、pH 和有機質(zhì)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)測定土壤中的氮素。

　　1.1.2 作物長勢信息 作物長勢信息主要包括作物生長狀況(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、多光譜相機及熱像儀等傳感器進(jìn)行測定。楊貴軍等[19]研發(fā)了一套農(nóng)業(yè)多載荷無人機遙感輔助小麥育種信息獲取系統(tǒng)，可以實現(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]基于作物在紅色范圍 660 nm 附近的光譜深吸收和近紅外 850 nm 附近的光譜強反射特征，設(shè)計了一種采用主動光源的雙波長便攜式葉綠素含量檢測裝置，可以高效檢測作物葉綠素含量。楊燕瓊等[21]采用衛(wèi)星、高光譜儀和 3CCD 攝像機多信息融合技術(shù)，進(jìn)行了水稻生產(chǎn)過程中的葉綠素含量、葉面積指數(shù)測定以及生物量和產(chǎn)量估測，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]采用無人機遙感平臺獲取水稻冠層圖像，提出了基于矩形約束對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有或缺少地面控制點的圖像校正的困難。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，通過與已有標(biāo)準(zhǔn)種植模型比對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。

　　在作物長勢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、分辨率低等問題，尤其在廣東等南方地區(qū)，適合遙感的無云氣象條件的時間窗口期更少。采用無人機進(jìn)行作物長勢信息的近地遙感獲取，可彌補現(xiàn)有航天、航空遙感技術(shù)的不足。受載荷量及滯空時間的限制，無人機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，這就決定了無人機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 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、拼接及解析等后處理工作需要 5 h 以上。而作物的田間管理對農(nóng)時要求通常比較緊，需要即時生成作業(yè)處方圖，遙感信息的獲取和解析處理需要有較高的實時性才能滿足實際生產(chǎn)的要求。Jiang 等[24-25]研制的遙感傳感器可以提供與專業(yè)級高光譜儀器和多光譜相機相近的反射率和輻射照度測量精度，在水稻長勢信息解析中，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，長勢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)測是精準(zhǔn)噴施作業(yè)的基礎(chǔ)，對精準(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)植株遭受病蟲害和草害時，可以通過光譜的方式進(jìn)行檢測。目前，常用的作物病蟲草害監(jiān)測方式主要有光譜檢測法、圖像識別法和電子鼻檢測法等。袁媛等[26]利用 R 分量和中值濾波進(jìn)行圖像預(yù)處理，并采用支持向量機的方法對水稻紋枯病進(jìn)行分類識別。劉又夫等[27]對褐飛虱 Nilaparvata lugens(Stal)誘導(dǎo)的水稻冠層熱圖像溫度特征變異評估方法進(jìn)行了研究，將水稻冠層的溫度特征作為輸入向量，對水稻受褐飛虱侵害狀況測試集判斷的精準(zhǔn)率達(dá)到 87.15%。He 等[28]采用深度目標(biāo)檢測網(wǎng)絡(luò)對水稻局部圖像中的褐飛虱進(jìn)行檢測和計數(shù)，提出雙層 R-FCN 網(wǎng)絡(luò)的褐飛虱檢測和計數(shù)算法，可以有效提升算法的召回率，召回率達(dá)到 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)對稻田苗期雜草進(jìn)行識別，識別率為 91.13%。Liu 等[30]采用深度卷積網(wǎng)絡(luò)對 5 136 幅圖片(12 種水稻蟲害)進(jìn)行了蟲害識別，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，對水稻病害和蟲害的識別率超過了 80%。李梓和 [32]建立了一個包含 8 種稻田雜草的目標(biāo)檢測數(shù)據(jù)集，針對稻田雜草數(shù)據(jù)存在復(fù)雜背景以及目標(biāo)相互遮擋等問題提出了 Det-ResNet，檢測精度達(dá)到了 91.6%，并提出了一種輕量化的 RetinaNet 檢測模塊 Efficient retina head(ERetina-Head)，可以使模型的檢測精度提高 1.2%。

　　1.1.4 農(nóng)田障礙物目標(biāo)識別與定位 農(nóng)田中存在著各種障礙物，影響了智能農(nóng)機的正常作業(yè)，并存在安全隱患，因此，智能農(nóng)機必須具備障礙物識別與檢測的能力。在智能農(nóng)機對障礙物檢測的研究中，按照所使用的傳感器種類可以將障礙物檢測分為基于超聲波、毫米波雷達(dá)、激光雷達(dá)、機器視覺和基于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輸機超聲波避障系統(tǒng)，在一定條件下，該系統(tǒng)能夠識別軌道上的障礙物和軌道旁的非障礙物，提高了單軌運輸機無人駕駛運行時的安全性和可靠性。王水滿[35]基于單線激光雷達(dá)傳感器進(jìn)行了無人機 360°全方位障礙物檢測與識別，根據(jù)獲得的障礙物信息和無人機的狀態(tài)信息，實現(xiàn)無人機的自動避障。高振海等[36]采用自適應(yīng)卡爾曼濾波算法對毫米波雷達(dá)數(shù)據(jù)進(jìn)行分析，得到了前方目標(biāo)的運動狀態(tài)估計，估計結(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)檢測算法和兩階段(Two-stage) 目標(biāo)檢測算法：一階段目標(biāo)檢測算法的代表有 YOLO[37]系列和 SSD[38] 系列等，一階段目標(biāo)檢測算法計算量小，檢測速度快，但準(zhǔn)確率較低;兩階段目標(biāo)檢測算法的代表有 R-CNN[39]、Fast R-CNN[40]和 SPP-NET[41]，兩階段目標(biāo)檢測算法的計算量大、檢測速度慢，但準(zhǔn)確率高。蔡舒平等[42]對 YOLOv4 目標(biāo)檢測模型進(jìn)行了改進(jìn)，改進(jìn)后的模型參數(shù)減少，檢測速度提高了 29.4%，魯棒性強，實時性好。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)上取得良好的檢測效果。

　　單一的傳感器在智能農(nóng)機的環(huán)境感知中具有局限性，一般都將多個傳感器信息進(jìn)行融合檢測。目前比較常用的多傳感器信息融合的方法有激光雷達(dá)與視覺融合、毫米波雷達(dá)與視覺融合等融合方式。薛金林等[44]將攝像機與激光雷達(dá)的信息進(jìn)行融合、實現(xiàn)了智能農(nóng)機車輛前方障礙物的實時檢測。譚力凡[45]利用毫米波雷達(dá)與機器視覺數(shù)據(jù)進(jìn)行特征級融合，先從毫米波雷達(dá)數(shù)據(jù)中獲取感興趣區(qū)域，再通過坐標(biāo)系轉(zhuǎn)換和時間數(shù)據(jù)融合，基于圖像處理技術(shù)，實現(xiàn)了對目標(biāo)物的檢測與識別。

　　1.2 自動導(dǎo)航

　　自動導(dǎo)航是智能農(nóng)機的核心。我國農(nóng)機導(dǎo)航的研究起步較晚，但經(jīng)過 10 多年的努力，我國的農(nóng)機導(dǎo)航取得了長足進(jìn)展，目前與世界上先進(jìn)水平基本上處于“并跑”的態(tài)勢。華南農(nóng)業(yè)大學(xué)[46-47]、上海交通大學(xué)[48-49]、國家農(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]等單位為我國農(nóng)機導(dǎo)航技術(shù)的發(fā)展作出了重要貢獻(xiàn)。針對我國地域?qū)拸V、作物環(huán)境復(fù)雜、作物品種多、種植制度復(fù)雜等問題，我國農(nóng)機的自動導(dǎo)航與作業(yè)需重點解決導(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，我國已形成了適應(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)向和電機轉(zhuǎn)向的農(nóng)機北斗自動導(dǎo)航產(chǎn)品，達(dá)到了國外同類產(chǎn)品先進(jìn)水平，可滿足無人農(nóng)場生產(chǎn)的需要。 1.2.1 導(dǎo)航定位 針對復(fù)雜農(nóng)田環(huán)境和農(nóng)機作業(yè)工況嚴(yán)重影響農(nóng)機姿態(tài)測量精度的問題，黃培奎等[54] 采用北斗和慣性傳感器相結(jié)合，設(shè)計了外部加速度補償?shù)目柭鼮V波算法，俯仰角平均誤差從 2.00° 降低至 0.55°，航向角測量精度由 5.0°提高至 0.3°。針對作業(yè)環(huán)境復(fù)雜、單一傳感器精度有限的問題，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)勢特征，構(gòu)成數(shù)據(jù)冗余或數(shù)據(jù)互補，以陀螺儀、加速度計和電子羅盤設(shè)計了農(nóng)機的航跡推算系統(tǒng)，結(jié)合 GNSS 系統(tǒng)的絕對定位信息，利用卡爾曼濾波融合方法，獲得了較好的定位測姿精度。針對復(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題，張聞宇等[56]采用基于北斗和 MEMS 慣性傳感器的線性時變自適應(yīng)卡爾曼濾波算法，在 RTS 差分信號丟失 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)，顯著提高了導(dǎo)航系統(tǒng)的斷點續(xù)航能力。

　　1.2.2 導(dǎo)航控制 針對不同作物、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)劃的問題，孟志軍等[57]提出了面向自動導(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，實現(xiàn)了農(nóng)機自動導(dǎo)航系統(tǒng)最優(yōu)作業(yè)方向計算和路徑自動生成。針對農(nóng)田起伏多變，現(xiàn)有農(nóng)機自動導(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)機導(dǎo)航復(fù)合路徑跟蹤控制器，顯著提高了農(nóng)機導(dǎo)航系統(tǒng)的控制精度和上線速度;針對水田側(cè)滑嚴(yán)重、農(nóng)機俯仰橫滾變化頻繁且幅度大的問題，在農(nóng)機導(dǎo)航復(fù)合路徑跟蹤控制器中增加側(cè)滑估計補償器，顯著提高了農(nóng)機導(dǎo)航系統(tǒng)的水田抗側(cè)滑干擾能力。針對現(xiàn)有農(nóng)機導(dǎo)航系統(tǒng)缺乏避障功能，影響農(nóng)機自動導(dǎo)航作業(yè)安全的問題，苗峻齊等[59]采用基于激光雷達(dá)的農(nóng)田障礙物識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，開發(fā)了農(nóng)機自動避障技術(shù)，可準(zhǔn)確識別和繞行農(nóng)田典型障礙物。針對現(xiàn)代農(nóng)業(yè)生產(chǎn)中需要多機協(xié)同作業(yè)技術(shù)支撐的問題，張聞宇等[60]采用基于無線自組網(wǎng)絡(luò)的主從裝備平行跟蹤導(dǎo)航控制技術(shù)，實現(xiàn)了主從裝備旋耕、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 針對現(xiàn)有農(nóng)機缺乏自動導(dǎo)航作業(yè)的底盤線控裝置的問題，開發(fā)了適用不同農(nóng)機的車載線控控制裝置，滿足農(nóng)機自動導(dǎo)航作業(yè)的控制要求。提出了行為決策、動作規(guī)劃和反饋控制的多層智能控制策略與方法，智能決策自動導(dǎo)航作業(yè)控制量，可以滿足不同種類農(nóng)機自動導(dǎo)航作業(yè)的需要，基于 SAE J1939 和 ISO 11783 總線標(biāo)準(zhǔn)，制定了團體標(biāo)準(zhǔn)，實現(xiàn)了農(nóng)機自動導(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提供良好的種床。智能耕整農(nóng)機應(yīng)能根據(jù)作業(yè)的種植農(nóng)藝要求和土壤質(zhì)地對作業(yè)機具的位置、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)用于各種耕整機械中，大大提高了耕整機械的智能化水平。國內(nèi)外耕整機械的發(fā)展方向是多功能、復(fù)式作業(yè)、大型化和精量化，這對其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]和中國農(nóng)業(yè)大學(xué)[65]研制成功與插秧機頭和拖拉機配套的水田激光平地機和旱地激光平地機，平地時平地鏟的高程和水平可同時調(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也投入了生產(chǎn)使用。先進(jìn)技術(shù)，也是我國農(nóng)業(yè)農(nóng)村部重點推廣的先進(jìn)技術(shù)之一。孟志軍等[66]研發(fā)成功土壤深松系統(tǒng)，該系統(tǒng)采用 土壤深松是一種國內(nèi)外公認(rèn)的提高土壤耕作質(zhì)量的衛(wèi)星定位系統(tǒng)和耕深測量系統(tǒng)，可同時準(zhǔn)確測定土壤深松深度和深松面積。

　　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。智能種植機械應(yīng)能根據(jù)不同作物生長特性、土壤特性和種植時的氣候情況實現(xiàn)精準(zhǔn)播種和移栽，包括開溝寬度和深度，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的 2 種種植方式。對播種精度要求最高的是超級雜交稻、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)濟作物。排種器是智能播種機械的核心，由于不同作物種子的大小、形狀各異，對排種器的要求各不相同，常用的排種器有機械式和氣力式 2 大類，目前，我國這 2 類排種器的研究與國外的先進(jìn)水平不斷縮小，部分已達(dá)到國外先進(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外處于“并跑” 水平。氣力式排種器對種子的大小、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，研制成功同步開溝起壟穴播、同步開溝起壟施肥穴播和同步開溝起壟噴施穴播的“三同步” 水稻精量穴播機，實現(xiàn)了行距可選、穴距可調(diào)、播量可控和仿形作業(yè)，在國內(nèi) 26 個省市推廣應(yīng)用，取得了一批高產(chǎn)記錄，在新疆實現(xiàn)了每 1 hm 2 產(chǎn)量超 15 000 kg。采用電機驅(qū)動代替地輪驅(qū)動排種器，在播種機上加裝播種量檢測和調(diào)控系統(tǒng)以及補種裝置、播種時同步施肥和噴施農(nóng)藥等先進(jìn)技術(shù)，應(yīng)用不斷擴大，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)濟作物。目前，我國作物移栽技術(shù)研究取得重大進(jìn)展，與國外基本上處于“并跑”的態(tài)勢，特別是水稻插秧機，通過采用毯狀苗、缽體苗和毯狀缽體苗，實現(xiàn)了不同品種水稻的精準(zhǔn)移栽，插秧時同步施肥技術(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)分分布情況是精準(zhǔn)施基肥的前提。目前，田間實時在線測量土壤中氮磷鉀的技術(shù)尚未取得實質(zhì)性突破，主要還是采用衛(wèi)星定位信息在田間取土后在實驗室中分析獲得土壤中的養(yǎng)分分布圖;根據(jù)養(yǎng)分處方圖，采用智能施肥機實現(xiàn)精準(zhǔn)施肥。精確獲取作物的長勢和養(yǎng)分脅迫情況是精準(zhǔn)施追肥的基礎(chǔ)。目前，國內(nèi)外眾多學(xué)者采用光譜技術(shù)獲取作物長勢信息的研究取得了一定進(jìn)展。李克亮等[77]在廣東早稻生長中根據(jù)水稻長勢采取精準(zhǔn)施肥，產(chǎn)量增加 9.27%。

　　精準(zhǔn)施藥的施藥機械主要包括地面施藥機械和航空植保機械，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)用于地面施藥機械和航空植保機械中[78-79]。高地隙寬幅噴桿噴霧機已得到了廣泛應(yīng)用，通過變軸距調(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]研究成功自動混藥技術(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)時實時混藥，實現(xiàn)了藥液濃度和噴量自動調(diào)節(jié)。航空植保技術(shù)近 10 年來在我國得到了快速發(fā)展，成為大田作物植保的主流技術(shù)之一，2020 年，無人機植保作業(yè)面積超過 0.67 億 hm2，田塊邊界自動識別，作物路徑自動規(guī)劃、高效低污染施藥、多機協(xié)同作業(yè)等先進(jìn)技術(shù)等到了廣泛應(yīng)用[82]。

　　精準(zhǔn)灌溉技術(shù)在國內(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)作物不同生長期的需水規(guī)律，進(jìn)行精準(zhǔn)灌溉，并可實現(xiàn)水肥藥一體化灌溉[83]。實踐表明，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度等參數(shù)，以此優(yōu)化灌溉策略。阮俊瑾等[86]設(shè)計了一種能實現(xiàn)灌溉、混藥和施肥為一體的球混式水肥灌溉系統(tǒng)。

　　1.3.4 精準(zhǔn)收獲 對精準(zhǔn)收獲的基本要求是根據(jù)作物成熟度適時收獲，根據(jù)作物長勢和產(chǎn)量自動調(diào)節(jié)收獲機前進(jìn)速度、割臺高度、脫粒滾筒轉(zhuǎn)速和清選工作參數(shù)，對各部件工作狀況實現(xiàn)監(jiān)控、顯示和報警。目前，國內(nèi)外的收獲機普遍采用電子和液壓技術(shù)，實現(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，對收獲的水稻成分進(jìn)行在線識別，破碎籽粒、稻稈雜質(zhì)以及稻梗雜質(zhì)的綜合評價指標(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)計了一種以切割系統(tǒng)負(fù)載壓力作為反饋信號的甘蔗收獲機入土切割切深自動控制系統(tǒng)，切割器可隨負(fù)載壓力的變化而調(diào)整至 20 mm 左右的入土切割深度，調(diào)整誤差在 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)測系統(tǒng)，實現(xiàn)了聯(lián)合收獲機工作過程中谷物損失率的實時監(jiān)測，測量誤差小于 4.1%。

　　張漫等[91]在收獲機上安裝產(chǎn)量傳感器和衛(wèi)星定位信號接收裝置，生成了我國首張小麥產(chǎn)量分布圖。我國濰柴雷沃公司、中國一拖集團有限公司和沃得農(nóng)機公司等一些農(nóng)機企業(yè)生產(chǎn)的收獲機已開始安裝谷物產(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，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[92-93]。中聯(lián)重機的 AS60 型甘蔗收獲機實現(xiàn)了衛(wèi)星定位和自動導(dǎo)航等功能[94]。

　　1.4 智慧管理

　　智能農(nóng)機的智慧管理包括遠(yuǎn)程監(jiān)控農(nóng)機作業(yè)位置、作業(yè)速度和作業(yè)質(zhì)量，遠(yuǎn)程監(jiān)控農(nóng)機作業(yè)工況并進(jìn)行故障預(yù)警、指導(dǎo)維修和農(nóng)機遠(yuǎn)程調(diào)度。目前，各種智能農(nóng)機上都安裝有 GNSS(衛(wèi)星定位)裝置，農(nóng)機開始作業(yè)就可將農(nóng)機的位置和作業(yè)軌跡實時發(fā)送至農(nóng)機管理中心和農(nóng)機生產(chǎn)企業(yè)，并支持農(nóng)機作業(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)機可同時發(fā)送作業(yè)質(zhì)量，包括耕、種、管、收各環(huán)節(jié)的作業(yè)質(zhì)量。通過安裝在農(nóng)機上的各種工況傳感器，農(nóng)機管理中心和農(nóng)機生產(chǎn)企業(yè)可遠(yuǎn)程監(jiān)控農(nóng)機的實時工況，如拖拉機的發(fā)動機參數(shù)、PTO 轉(zhuǎn)數(shù)、行駛速度等，收獲機的發(fā)動機參數(shù)、割臺高度、實際割幅、脫粒滾筒轉(zhuǎn)速、清選風(fēng)扇轉(zhuǎn)速、凈糧升運速度和谷物流量等，播種機的播種量、播種堵塞狀態(tài)和播種深度等，施肥機的施肥輪轉(zhuǎn)速、施肥量和堵塞狀態(tài)等，噴霧機的噴霧壓力、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)庫中的相關(guān)數(shù)據(jù)自動進(jìn)行對比，如出現(xiàn)異常，即向農(nóng)機駕駛員或無人農(nóng)場管理中心發(fā)出預(yù)警信息，比如發(fā)現(xiàn)收獲機脫粒滾筒轉(zhuǎn)速降低過多，就立即建議降低收獲機前進(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)機所在地的維修站前往維修[95]。通過遠(yuǎn)程監(jiān)控智能農(nóng)機的位置和作業(yè)速度，根據(jù)最小轉(zhuǎn)移路徑原則，可以對農(nóng)機進(jìn)行遠(yuǎn)程調(diào)度[96]。

　　王慧平[97]采用 Java 語言和 ArcGIS 等開發(fā)工具，結(jié)合 ArcGIS JavaSrcipt AP1，Ajax 及 JSF 等關(guān)鍵技術(shù)，設(shè)計了一種基于 WebGIS 的農(nóng)機遠(yuǎn)程監(jiān)管服務(wù)系統(tǒng)，實現(xiàn)了農(nóng)機實時跟蹤、農(nóng)機歷史軌跡回放、農(nóng)機作業(yè)任務(wù)報單、農(nóng)機作業(yè)任務(wù)計量和農(nóng)機作業(yè)工況報單等功能，能夠及時獲取和有效管理農(nóng)機作業(yè)現(xiàn)場各類數(shù)據(jù)，實現(xiàn)了農(nóng)機信息采集、傳輸、分析和訪問的集成化。謝婷婷[98]開發(fā)了一套基于遺傳算法 (Genetic algorithm，GA)的農(nóng)機作業(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)機調(diào)度方案，實現(xiàn)了農(nóng)機跨區(qū)作業(yè)調(diào)度。崔征澤[99]通過數(shù)據(jù)傳輸子系統(tǒng)、數(shù)據(jù)分析子系統(tǒng)以及監(jiān)測管理子系統(tǒng)的結(jié)合，設(shè)計了一種用于農(nóng)機終端監(jiān)測的物聯(lián)網(wǎng)應(yīng)用系統(tǒng)，可以對農(nóng)機終端數(shù)據(jù)進(jìn)行收集、存儲和分析，并根據(jù)農(nóng)機終端傳感器數(shù)據(jù)分析農(nóng)機作業(yè)質(zhì)量，實現(xiàn)對農(nóng)機的高效管理。

　　2 無人農(nóng)場的實踐

　　華南農(nóng)業(yè)大學(xué)集成相關(guān)的智能農(nóng)機裝備，創(chuàng)建了水稻無人農(nóng)場，并在廣東增城進(jìn)行了實踐，2020 年的中稻試驗面積為 1.87 hm2，2021 年的早稻和晚稻試驗面積為 3.33 hm2。增城水稻無人農(nóng)場從 2020 年 5 月 3 日開始旋耕，至 8 月 30 日收獲，歷時 120 d，實現(xiàn)了水稻生產(chǎn)耕種管收全程無人作業(yè)。水稻無人農(nóng)場的稻谷產(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 年在廣東三水啟動了花生無人農(nóng)場建設(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。水稻無人農(nóng)場具有耕種管收生產(chǎn)環(huán)節(jié)全覆蓋、機庫田間轉(zhuǎn)移作業(yè)全自動、自動避障異況停車保安全、作物生產(chǎn)過程實時全監(jiān)控和智能決策精準(zhǔn)作業(yè)全無人等 5 個特點。

　　2.1 耕種管收生產(chǎn)環(huán)節(jié)全覆蓋

　　1)耕整。采用無人駕駛旋耕機進(jìn)行旱旋耕，直線行駛橫向誤差不超過 2.5 cm，田頭轉(zhuǎn)彎對行誤差不超過 3.0 cm。作業(yè)質(zhì)量好、作業(yè)效率高，2021 年在 3.33 hm2 試驗田中的旋耕作業(yè)效率可達(dá)到 1.33 hm2 /h。

　　2)種植。采用無人駕駛直播機進(jìn)行精量旱直播，這是華南大學(xué)近 10 年來在國內(nèi)推廣的一種輕簡栽培技術(shù)，在新疆采用精量旱直播技術(shù) 3 年平均產(chǎn)量均超過 15 000 kg/ hm 2[100]。播種時將水稻干種或浸泡 24 h 后的濕種(不催芽)直接播在播種機開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，稻種扎根出苗情況特別好。

　　3)管理。在水稻生產(chǎn)前期采用無人機施肥和施藥，作業(yè)前先用無人機獲取水稻生長的養(yǎng)分脅迫和病蟲害情況，然后制定施肥和施藥處方圖，實現(xiàn)了精準(zhǔn)對靶噴施。在水稻生長后期，采用無人駕駛高地隙噴桿噴霧機(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，實現(xiàn)了噴霧時“不重不漏”。

　　4)收獲。華南農(nóng)業(yè)大學(xué)研制成功 2 種無人駕駛主從收獲系統(tǒng)：第 1 種為隨車卸糧模式，作業(yè)時無人駕駛卸糧車與無人駕駛收獲機并行，在直線段卸糧，直線行駛時收獲機和運糧車橫向位置誤差不超過 5 cm，縱向位置誤差不超過 10 cm，可保證收獲機準(zhǔn)確地將稻谷卸至運糧車中。第 2 種為等待卸糧模式，無人駕駛收獲機在田中收獲時，無人駕駛卸糧車在田邊等待。收獲機糧倉快滿時，通過云端服務(wù)器向卸糧車發(fā)出卸糧通知，卸糧車隨即自動行駛至收獲機旁邊，收獲機準(zhǔn)確地將收獲的稻谷卸至運糧車中。卸糧后收獲機繼續(xù)收獲，卸糧車糧倉裝滿后自動開至田邊，將稻谷卸至運糧卡車中，由運糧卡車將稻谷運至干燥中心。在增城水稻無人農(nóng)場的收獲中，采用了第 2 種模式，即等待卸糧模式。

　　2.2 機庫田間轉(zhuǎn)移作業(yè)全自動

　　即農(nóng)機自動從機庫轉(zhuǎn)移至田間，完成田間作業(yè)后自動回到機庫。基于無人農(nóng)場高精度數(shù)字地圖設(shè)計運移路徑關(guān)鍵點，自動生成直線行駛和圓弧過渡路徑，并采用預(yù)瞄點跟蹤方法實現(xiàn)高精度路徑跟蹤，采用路徑信息有限狀態(tài)機理實現(xiàn)機庫至田間的運移和田間作業(yè)的狀態(tài)切換。

　　2.3 自動避障異況停車保安全

　　在智能農(nóng)機上都裝有障礙物識別傳感器，識別到障礙物為移動式物體(如人、車、動物等)時，則采用等待模式，待移動式物體通過后再行駛;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，實現(xiàn)自動避障。作業(yè)時如遇異常情況，如機器故障(收獲機堵塞等)或信號問題(衛(wèi)星或 RTK 信號丟失等)，則自動停車，并向管理中心發(fā)出警告信號。

　　2.4 作物生產(chǎn)過程實時全監(jiān)控

　　在無人農(nóng)場田頭安裝了多個監(jiān)控裝置，可以全程全方位實時監(jiān)控水稻生長過程中的長勢和病蟲害情況，并通過無線網(wǎng)絡(luò)傳輸至管理中心和相關(guān)人員的計算機或手機中，必要時，再輔以無人機拍攝全局和局部的各種信息。

　　2.5 智能決策精準(zhǔn)作業(yè)全無人

　　根據(jù)作物的長勢和病蟲草情況，結(jié)合專家知識，及時作出決策，并指揮相關(guān)智能農(nóng)機進(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

　　3.1 結(jié)論

　　農(nóng)業(yè)的根本出路在于機械化，隨著工業(yè)化和城鎮(zhèn)化的發(fā)展，我國農(nóng)業(yè)生產(chǎn)面臨勞動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)代化的高級形式，依托生物技術(shù)、智能農(nóng)機和信息技術(shù)建設(shè)的無人農(nóng)場是實現(xiàn)智慧農(nóng)業(yè)的重要途徑。具有智能感知、自動導(dǎo)航、精準(zhǔn)作業(yè)和智慧管理功能的智能農(nóng)機是建設(shè)無人農(nóng)場的物質(zhì)支撐。改革開放以來，我國農(nóng)業(yè)機械化取得了巨大成就，智能農(nóng)機裝備和無人農(nóng)場技術(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)機建設(shè)的水稻無人農(nóng)場表明了其在發(fā)展智慧農(nóng)業(yè)中的巨大潛力，也為我國無人農(nóng)場建設(shè)發(fā)揮了示范作用。

　　建設(shè)無人農(nóng)場可有效緩解農(nóng)村勞動力短缺，并推進(jìn)現(xiàn)代農(nóng)業(yè)建設(shè)。無人農(nóng)場技術(shù)可徹底將農(nóng)民從繁重的勞動力中解放出來，為解決“誰來種田”提供了重要的途徑。

　　3.2 展望

　　目前，我國的無人農(nóng)場建設(shè)剛剛起步，要實現(xiàn)大范圍推廣應(yīng)用還需要解決五個問題：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人農(nóng)場關(guān)鍵技術(shù)，特別是智能農(nóng)機技術(shù)及集成和管控平臺;2)適應(yīng)無人農(nóng)場的經(jīng)營規(guī)模和土地整治，要大力支持新型農(nóng)業(yè)經(jīng)營主體擴大經(jīng)營規(guī)模和加強土地連片整治;3)要因地制宜，探索各種適宜的無人農(nóng)場建設(shè)模式和制定相應(yīng)的標(biāo)準(zhǔn);4)要加強無人農(nóng)場建設(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)營管理人員;5)要加強無人農(nóng)場建設(shè)相關(guān)政策制定，調(diào)動政府、企業(yè)和社會資金投資建設(shè)無人農(nóng)場的積極性。

　　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，對經(jīng)濟發(fā)展、社會進(jìn)步和人民生活帶來重大而深遠(yuǎn)的影響，也推動了農(nóng)業(yè)機械化和智能化的快速發(fā)展，這都必將促進(jìn)我國無人農(nóng)場建設(shè)進(jìn)入快速發(fā)展期，進(jìn)而為我國現(xiàn)代農(nóng)業(yè)發(fā)展作出重要貢獻(xiàn)。