智慧农业是现代农业的高级形式,无人农场是实现智慧农业的重要途径,智能农机是无人农场的物质支撑。本文以植物生产为例,介绍了智能农机的智能感知、自动导航、精准作业和智慧管理4项功能在智慧农业中的地位和关键技术的研究进展;介绍了华南农业大学集成相关智能农机创建水稻无人农场的实践和无人农场的5个特点,包括耕种管收生产环节全覆盖、机库田间转移作业全自动、自动避障异况停车保安全、作物生产过程实时全监控和智能决策精准作业全无人。在2020年的中稻和2021年的早稻生产中,水稻无人农场的稻谷产量均高于当地的平均产量,表明了其巨大的发展潜力。无人农场的建设为解决“谁来种田”和“如何种田”的问题提供了重要途径。

 

2012年中央一号文提出,要突出农业科技创新重点,在精准农业技术等方面取得重大突破。2017年中央一号文提出,要实施智慧农业工程。智慧农业是未来农业的发展方向,是现代农业的高级形式。智慧农业是以数据、知识和智能装备为核心要素,通过将现代科学技术与农业深度融合,实现农业生产全过程的数字化感知、智能化决策、精准化作业和智慧化管理的全新农业生产方式。当前,新一轮科技革命和产业变革正在兴起,信息技术、生物技术、新材料技术和新能源技术广泛渗透到农业领域,催生了一大批战略性新兴产业,农机装备先进制造、农业物联网、农业大数据和农业机器人等高新技术逐步应用到农业生产各个领域,智慧农业呈现出强劲的发展势头。无人农场是实现智慧农业的重要途径。无人农场以生物技术、智能农机和信息技术为支撑。生物技术为无人农场提供适应机械化作业的品种和栽培模式,智能农机为无人农场自动化作业提供装备支撑,信息技术为农机作业的精准定位、数据传输和无人农场的智慧管理提供支撑。无人农场采用4G/5G、物联网、大数据和人工智能等新一代信息技术远程控制各种智能农机,使之自主决策和自主作业,实现各个生产环节的智能化。智能农机具有智能感知、自动导航、精准作业和智慧管理4个功能,是无人农场的物质支撑,是农业机械的转型升级。毛泽东同志在1959年就提出农业的根本出路在于机械化。改革开放以来,经过40多年的发展,我国的农业机械化取得了举世瞩目的成就,为提高我国农业生产率作出了巨大贡献。目前,我国用不到世界10%的耕地生产了世界25%的粮食、养活了世界20%的人口。今天,随着我国农业农村现代化加快推进,对农业机械提出了更高的要求,提高农业机械的智能化水平成为必然选择,也是农业现代化的重要建设内容。国内外实践表明,提高农业机械化和智能化可以大幅度提高劳动生产率、资源利用率和土地产出率。只有在智能农机的支持下,无人农场才能成为现实。

智能农机研究

 

1.1智能感知

 

农作物生长环境、作物长势和作物病虫草害信息是智能农机进行精准作业的依据。“星−机−地”是获取这些信息的主要技术,“星”指根据卫星影像分析获取所需要的各种农情信息,“机”指根据飞机或无人机获取所需要的各种农情信息,“地”指在地面用仪器直接获取所需要的各种农情信息。

 

1.1.1作物生长环境信息

 

农作物生长环境信息的快速感知是实施精准农业中最为基本和关键的问题,农作物生长环境信息包括土壤阻力、田面平整情况、土壤水分和土壤养分等信息。农田土壤中不同位置和不同深度的耕作阻力(土壤坚实度)差异较大,准确获取土壤的耕作阻力信息是进行精准耕整的重要依据。张利民等成功研制出带全球导航卫星系统(Global navigationsatellite system, GNSS)的车载式土壤耕作阻力测定仪,采用GNSS定位信息,通过液压系统将圆锥仪(国际上通用的土壤坚实度测定仪)压入土壤,获取不同地块和同一地块不同位置、不同深度(精度可以达到0.5 cm)的耕作阻力。曾庆猛等研制出车载式可连续测定土壤耕作状况和含水量的测定仪。

 

田面平整情况是进行农田平整的重要依据。周浩和胡炼等采用水准仪、全站仪、地面激光扫描仪和无人机载激光扫描仪快速采集农田平整度信息,研制出基于GNSS的农田三维地形实时采集系统,可在平整作业过程中快速精准获取田面的平整度信息。

 

土壤水分是影响作物生长的重要参数,Xiao等研制出既可在水田田面有水时测定水层深度又可以在水田田面无水时测定土壤水分的无线测量系统,并可以根据田面/土壤中的水层/水分情况远程控制自动灌水和排水。


“庄稼一枝花,全靠肥当家”,土壤中氮、磷、钾的实时在线快速测定是世界难题,至今尚未取得实质性的突破,大都只能进行间接测量。孙建英等采用光谱测量技术,分析了东北黑土地和华北潮土的土壤参数和光谱特性,采用GNSS定位信息标志土壤的位置,通过实验室分析可准确给出pH以及氮、磷、钾和有机质含量的分布图,为精准施肥提供依据。Dong等尝试采用激光诱导技术测定土壤中的氮素。

 

1.1.2作物长势信息

 

作物长势信息主要包括作物生长状况(株高、叶面积指数、生物量、倒伏面积等)、养分胁迫和产量等信息,目前多采用高清数码相机、多光谱相机以及热像仪等传感器进行测定。杨贵军等研发了一套农业多载荷无人机遥感辅助小麦育种信息获取系统,可以实现冠层叶面积指数、作物倒伏面积和产量的高通量数据获取。孙红等基于作物在红光范围660 nm附近的光谱深吸收和近红外850 nm附近的光谱强反射特征,设计了一种采用主动光源的双波长便携式叶绿素含量检测装置,可以高效检测作物叶绿素含量。杨燕琼等采用卫星、高光谱仪和3CCD摄像机多信息融合技术,进行了水稻生产过程中的叶绿素含量、叶面积指数测定以及生物量和产量估测,估产方程的复相关系数均大于0.92,精度均在89%以上。汪沛等采用无人机遥感平台获取水稻冠层图像,提出了基于矩形约束对低空多光谱图像存在的桶形畸变进行校正的方法,该校正方法解决了没有或缺少地面控制点的图像校正的困难。臧英等建立了基于标准种植比值法的水稻养分信息快速解析和施肥决策模型,通过与已有标准种植模型比对的方式生成施肥处方,该方法可以有效地减少施肥决策中对土壤肥力数据的依赖,提高了管理决策的效率。

 

在作物长势信息的快速获取和解析处理中,传统的航天、航空遥感技术存在气象影响因子多、周期长、分辨率低等问题,尤其在广东等南方地区,适合遥感的无云气象条件的时间窗口期更少。采用无人机进行作物长势信息的近地遥感获取,可弥补现有航天、航空遥感技术的不足。受载荷量及滞空时间的限制,无人机挂载的遥感传感器要求质量轻、体积小。此外,受航空管制的影响,飞行高度通常比较低,这就决定了无人机低空遥感单张影像的覆盖面积难以达到传统航空航天的遥感覆盖面积。按照传统的做法,遥感监测66.67 hm2,拼接前的影像采集量可达5 000幅,普通图形工作站完成校正、拼接及解析等处理工作需要5 h以上。而作物的田间管理对农时要求通常时间比较短,需要即时生成作业处方图,遥感信息的获取和解析处理需要有较高的实时性才能满足实际生产的要求。Jiang等研制的遥感传感器可以提供与专业级高光谱仪器和多光谱相机相近的反射率和辐射照度测量精度,在水稻长势信息解析中,该研究信息解析数据量可达534.6 hm2/min,相比传统方法,长势专题图的生成速率和变量施肥处方图的决策效率大幅度提升。

1.1.3作物病虫草害信息

 

作物病虫草害的早期准确监测是精准喷施作业的基础,对精准用药和早期防治具有重要意义。作物光谱反射特性与作物叶绿素含量具有高度相关性,当植株遭受病虫草害时,可以通过光谱的方式进行检测。目前,常用的作物病虫草害监测方式主要有光谱检测法、图像识别法和电子鼻检测法等。袁媛等利用R分量和中值滤波进行图像预处理,并采用支持向量机的方法对水稻纹枯病进行分类识别。刘又夫等对褐飞虱Nilaparvata lugens(Stal)诱导的水稻冠层热图像温度特征变异评估方法进行了研究,将水稻冠层的温度特征作为输入向量,对水稻受褐飞虱侵害状况测试集判断的精准率达到87.15%。He等采用深度目标检测网络对水稻局部图像中的褐飞虱进行检测和计数,提出双层R-FCN网络的褐飞虱检测和计数算法,可以有效提升算法的召回率,召回率可达60.44%。邓向武等基于多特征融合的DBN模型和深度置信网络对稻田苗期杂草进行识别,识别率为91.13%。Liu等采用深度卷积网络对5 136幅图片进行了虫害识别(12种水稻虫害),准确度约为95%。李泽轩收集并整理了包含15种病害和22种虫害的水稻病虫害数据集,在深度残差网络的基础上提出了改进算法FRNet,对水稻病虫害的识别率超过了80%。李梓和建立了一个包含8种稻田杂草的目标检测数据集,针对稻田杂草数据存在复杂背景以及目标相互遮挡等问题提出了Det-ResNet,检测精度达到了91.6%,并提出了一种轻量化的RetinaNet检测模块Efficient retinahead(ERetina-Head),可以使模型的检测精度提高1.2%。

 

1.1.4农田障碍物目标识别与定位

 

农田中存在着各种障碍物,影响了智能农机的正常作业,并存在安全隐患,因此,智能农机必须具备障碍物识别与检测的能力。在智能农机对障碍物检测的研究中,按照所使用的传感器种类可以将障碍物检测分为基于超声波、毫米波雷达、激光雷达、机器视觉以及多传感器融合等多种方法。贾闯等研制了山地果园单轨运输机超声波避障系统,在一定条件下,该系统能够识别轨道上的障碍物和轨道旁的非障碍物,提高了单轨运输机无人驾驶运行时的安全性和可靠性。王水满基于单线激光雷达传感器进行了无人机360°全方位障碍物检测与识别,根据获得的障碍物信息和无人机的状态信息,实现无人机的自动避障。高振海等[36]采用自适应卡尔曼滤波算法对毫米波雷达数据进行分析,估计前方目标的运动状态,估计结果精度较高且滤波收敛稳定。基于深度学习的目标检测算法根据候选框的生成方式,分成一阶段(One-stage)目标检测算法和二阶段(Two-stage)目标检测算法:一阶段目标检测算法的代表有YOLO系列和SSD系列等,一阶段目标检测算法计算量小、检测速度快,但准确率较低;二阶段目标检测算法的代表有R-CNN、Fast R-CNN和SPP-NET,二阶段目标检测算法的计算量大、检测速度慢,但准确率高。蔡舒平等对YOLOv4目标检测模型进行了改进,改进后的模型参数减少,检测速度提高了29.4%,鲁棒性强、实时性好。马佳良等在传统的Fast R-CNN基础上,提出了Accurate R-CNN目标检测框架,可以在不同数据集和不同的任务上取得良好的检测效果。

 

单一的传感器在智能农机的环境感知中具有局限性,一般都将多个传感器信息进行融合检测。目前比较常用的多传感器信息融合的方法有激光雷达与视觉融合、毫米波雷达与视觉融合等融合方式。薛金林等将摄像机与激光雷达的信息进行融合、实现了智能农机车辆前方障碍物的实时检测。谭力凡利用毫米波雷达与机器视觉数据进行特征级融合,先从毫米波雷达数据中获取感兴趣区域,再通过坐标系转换和时间数据融合,基于图像处理技术,实现了对目标物的检测与识别。

 

1.2 自动导航

 

自动导航是智能农机的核心。我国农机导航的研究起步较晚,但经过10多年的努力,我国农机导航取得了长足进展,目前与世界上先进水平基本上处于“并跑”的态势。华南农业大学、上海交通大学、国家农业信息工程技术研究中心、上海联适导航技术股份有限公司和潍柴雷沃重工股份有限公司等单位为我国农机导航技术的发展作出了重要贡献。针对我国地域广、作物品种多、作物环境和种植制度复杂等问题,我国农机的自动导航与作业需要重点解决导航定位、导航控制和系统集成三大难题,华南农业大学等单位对此进行了系统深入的研究并取得了重大突破。目前,我国已研制出了适应旱地和水田不同作物的耕、种、管、收等作业环节的电液转向和电机转向的农机北斗自动导航产品,达到了国外同类产品先进水平,可满足无人农场生产的需要。

 

1.2.1导航定位

 

针对复杂农田环境和农机作业工况严重影响农机姿态测量精度的问题,黄培奎等将北斗和惯性传感器相结合,设计了外部加速度补偿的卡尔曼滤波算法,俯仰角平均误差从2.00°降低至0.55°,航向角测量精度由5.0°提高至0.3°。针对作业环境复杂、单一传感器精度有限的问题,朱忠祥等采用多传感器信息融合的方法,利用各传感器的优势特征,构成数据冗余或数据互补,以陀螺仪、加速度计和电子罗盘设计了农机的航迹推算系统,结合GNSS系统的绝对定位信息,利用卡尔曼滤波融合方法,获得了较好的定位测姿精度。针对复杂农田环境中卫星信息遮挡、电磁干扰和卫星定位精度降低的问题,张闻宇等采用基于北斗和MEMS惯性传感器的线性时变自适应卡尔曼滤波算法,在RTS差分信号丢失30 s内导航系统定位精度(REM)仍可保持在3 cm以内,显著地提高了导航系统的断点续航能力。

1.2.2导航控制

 

针对不同作物、不同生产环节和不同地块的导航作业路径需要优化规划的问题,孟志军等提出了面向自动导航和农田全区域覆盖作业路径优化规划方法,实现了农机自动导航系统最优作业方向计算和路径自动生成。针对农田起伏多变,现有农机自动导航系统的控制精度和上线速度不能满足精准作业要求的问题,王辉等采用由预瞄跟随控制器、前视距离自适应调节器、状态预估器和抗饱和变速积分器构成的农机导航复合路径跟踪控制器,显著地提高了农机导航系统的控制精度和上线速度;针对水田侧滑严重、农机俯仰横滚变化频繁且幅度大的问题,在农机导航复合路径跟踪控制器中增加侧滑估计补偿器,显著地提高了农机导航系统的水田抗侧滑干扰能力。针对现有农机导航系统缺乏避障功能,影响农机自动导航作业安全的问题,苗峻齐等采用基于激光雷达的农田障碍物识别与定位三次样条函数的路径规划和纯追踪算法的路径跟踪控制,开发了农机自动避障技术,可以准确识别和绕行农田典型障碍物。针对现代农业生产中需要多机协同作业技术支撑的问题,张闻宇等采用基于无线自组网络的主从装备平行跟踪导航控制技术,使主从装备旋耕和收获作业直线行走段的横向位置误差小于5 cm、纵向跟踪误差小于10 cm。

 

1.2.3导航集成

 

针对现有农机缺乏自动导航作业的底盘线控装置的问题,开发了适用不同农机的车载线控控制装置,满足了农机自动导航作业的控制要求。提出了行为决策、动作规划和反馈控制的多层智能控制策略与方法,智能决策自动导航作业控制量,可以满足不同种类农机自动导航作业的需要,基于SAE J1939和ISO 11783总线标准,制定了团体标准,实现了农机自动导航作业系统的有效集成。

 

1.3 精准作业

 

1.3.1精准耕整

 

精准耕整的目的是为作物生长提供良好的种床。智能耕整农机应能根据作业的种植农艺要求和土壤质地对作业机具的位置、姿态、压力和作业深度等进行精准控制。目前,液压系统、传感器和电子控制系统已广泛应用于各种耕整机械中,大大提高了耕整机械的智能化水平。国内外耕整机械的发展方向是多功能、复式作业、大型化和精量化,对智能化水平提出了更高的要求。

 

农田精准平整是精准耕整的重要环节,华南农业大学和中国农业大学成功研制出与插秧机头和拖拉机配套的水田激光平地机和旱地激光平地机,平地时平地铲的高程和水平可同时调整,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,提高了作物产量。采用卫星信息控制的平地机已投入生产使用。

 

土壤深松是一种国内外公认的提高土壤耕作质量的先进技术,也是我国农业农村部重点推广的先进技术之一。孟志军等成功研发出土壤深松系统,该系统采用卫星定位系统和耕深测量系统,可同时准确测定土壤深松的深度和面积。

 

1.3.2精准种植

 

“秧好半年禾”,精准种植是农作物的关键之一。智能种植机械能够根据不同作物生长特性、土壤特性和种植时的气候情况实现精准播种和移栽,包括开沟宽度和深度,同步施肥方式,行距、穴(株)距,播种量和覆土深度等。直播和移栽是最常见的2种种植方式。对播种精度要求最高的是超级杂交稻、玉米、大豆、棉花(都要求每穴播1粒种子)以及一些园艺作物和经济作物。排种器是智能播种机械的核心,由于不同作物种子的大小、形状各异,对排种器的要求各不相同,常用的排种器有机械式和气力式2大类,目前,我国这2类排种器的研究与国外的先进水平不断缩小,部分已达到国外先进水平,如勺轮式、指夹式和气力式玉米精量排种器基本上与国外处于“并跑”水平。气力式排种器对种子的大小、形状要求不严格,适合形状不规则的种子,可以实现高速播种,播种精度高,株距均匀,广泛应用于各种智能播种机中。华南农业大学采用型孔轮式和气力式排种器,研制成功同步开沟起垄穴播、同步开沟起垄施肥穴播和同步开沟起垄喷施穴播的“三同步”水稻精量穴播机,实现了行距可选、穴距可调、播量可控和仿形作业,在国内26个省市推广应用,取得了一批高产记录,在新疆水稻产量超过15 000 kg/hm2。采用电机驱动代替地轮驱动排种器,在播种机上加装播种量检测和调控系统以及补种装置,可以在播种时同步施肥和喷施农药,该技术的应用范围不断扩大,部分地区已经普及。

 

采用移栽作业方式的作物主要有水稻、蔬菜以及一些园艺作物和经济作物。目前,我国作物移栽技术研究取得重大进展,与国外基本上处于“并跑”的态势,特别是水稻插秧机,通过采用毯状苗、钵体苗和毯状钵体苗,实现了不同品种水稻的精准移栽,插秧时同步施肥,该技术正在逐步普及。油菜移栽技术也取得重大突破。

 

1.3.3精准田间管理

 

田间管理主要包括水、肥、药的管理。精准施肥主要包括基肥和追肥。作物种植前精确获取土壤中的养分情况是精准施基肥的前提。目前,田间实时在线测量土壤中氮磷钾的技术尚未取得实质性突破,主要是利用卫星定位信息田间取土并在实验室分析获得土壤中的养分分布图;根据养分处方图,采用智能施肥机实现精准施肥。精确获取作物的长势和养分胁迫情况是精准施追肥的基础。目前,国内外众多学者采用光谱技术获取作物长势信息的研究取得了一定进展。李克亮等在广东早稻生长中根据水稻长势采取精准施肥,产量增加9.27%。

 

精准施药的机械主要包括地面施药机械和航空植保机械,根据获取的作物病虫草害信息制定的处方图,进行精准对靶变量喷施。喷雾压力可调、喷雾流量可调等先进技术已广泛应用于地面施药机械和航空植保机械中。高地隙宽幅喷杆喷雾机已得到了广泛应用,通过变轴距调节技术,可以适应多种耕地和不同垄距的作业需要。袁琦堡等成功研究出自动混药技术,水箱、药箱和混合器分别设置,根据病虫草害信息和喷施处方图在田间作业时实时混药,实现了药液浓度和喷量自动调节。航空植保技术近10年来在我国得到了快速发展,成为大田作物植保的主流技术之一,2020年,无人机植保作业面积超过0.67亿hm2,田块边界自动识别、作物路径自动规划、高效低污染施药、多机协同作业等先进技术等得到了广泛应用。

 

精准灌溉技术在国内得到了广泛应用。在土壤中设置传感器,精确获取土壤中的含水量,根据作物不同生长期的需水规律,进行精准灌溉,可实现水肥药一体化灌溉。实践表明,精准灌溉可大幅度减少用水量,提高作物产量。徐刚等采用物联网技术和传感器网络采集农田的温湿度和光照强度等参数,以此优化灌溉策略。阮俊瑾等设计了一种能实现灌溉、混药和施肥一体的球混式水肥灌溉系统