翟長(zhǎng)遠(yuǎn) 楊 碩 王 秀 張春鳳 宋 健

(1.北京市農(nóng)林科學(xué)院智能裝備技術(shù)研究中心，北京 100097；2.國(guó)家農(nóng)業(yè)信息化工程技術(shù)研究中心，北京 100097)

0 引言

在農(nóng)業(yè)生產(chǎn)機(jī)械化水平不斷提升和城鎮(zhèn)化快速發(fā)展的國(guó)家戰(zhàn)略背景下，土地流轉(zhuǎn)加速，規(guī)?；r(nóng)場(chǎng)成為發(fā)展方向，農(nóng)場(chǎng)管理者對(duì)農(nóng)機(jī)作業(yè)追求效率提升的同時(shí)，需要對(duì)作業(yè)質(zhì)量進(jìn)行嚴(yán)格把控。然而，受到農(nóng)業(yè)非結(jié)構(gòu)生產(chǎn)環(huán)境和農(nóng)機(jī)專業(yè)操作人員短缺的現(xiàn)狀影響，傳統(tǒng)農(nóng)機(jī)具性能已無(wú)法滿足實(shí)際生產(chǎn)需要。為滿足我國(guó)農(nóng)業(yè)勞動(dòng)人口減少，農(nóng)業(yè)高質(zhì)生產(chǎn)的重大需求，“強(qiáng)化農(nóng)業(yè)科技和裝備支撐，建設(shè)智慧農(nóng)業(yè)”列入國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展“十四五”規(guī)劃和二〇三五年遠(yuǎn)景目標(biāo)[1]，發(fā)展智慧農(nóng)業(yè)是我國(guó)農(nóng)業(yè)持續(xù)高質(zhì)發(fā)展的主要方向[2]，無(wú)人農(nóng)場(chǎng)[3]是智慧農(nóng)業(yè)重要的實(shí)現(xiàn)途徑。目前，以智能農(nóng)機(jī)為支撐的無(wú)人農(nóng)場(chǎng)正在加速構(gòu)建[4]，農(nóng)機(jī)裝備智能測(cè)控技術(shù)在無(wú)人自主農(nóng)機(jī)作業(yè)新模式下急需進(jìn)一步突破。農(nóng)機(jī)裝備智能測(cè)控技術(shù)是智能農(nóng)機(jī)的核心[5]，以農(nóng)機(jī)裝備為載體，依據(jù)對(duì)農(nóng)機(jī)作業(yè)狀態(tài)、作物、土壤、環(huán)境等信息的智能感知，經(jīng)數(shù)據(jù)傳輸共享，構(gòu)建決策模型，指導(dǎo)農(nóng)機(jī)裝備精準(zhǔn)監(jiān)控、智能管理，推動(dòng)農(nóng)機(jī)智能化發(fā)展。

國(guó)內(nèi)外農(nóng)機(jī)裝備智能測(cè)控技術(shù)研究主要集中于利用先進(jìn)信息技術(shù)對(duì)傳統(tǒng)農(nóng)機(jī)進(jìn)行智能化升級(jí)，促使農(nóng)機(jī)作業(yè)模式革新，向人員投入更少、數(shù)據(jù)獲取更精準(zhǔn)、決策更智能、作業(yè)質(zhì)量更高、效率更快的方向發(fā)展(圖1)。本文綜述國(guó)內(nèi)外由農(nóng)機(jī)作業(yè)智能感知技術(shù)、農(nóng)機(jī)裝備精準(zhǔn)監(jiān)控技術(shù)和農(nóng)機(jī)作業(yè)智能決策與管理技術(shù)等組成的農(nóng)機(jī)裝備智能測(cè)控核心技術(shù)的研究進(jìn)展，以及各項(xiàng)關(guān)鍵技術(shù)應(yīng)用現(xiàn)狀，分析我國(guó)農(nóng)機(jī)裝備智能測(cè)控技術(shù)發(fā)展面臨的難題，指出未來(lái)發(fā)展趨勢(shì)。

圖1 農(nóng)機(jī)裝備智能測(cè)控技術(shù)構(gòu)成圖Fig.1 Composition diagram of intelligent measurement and control technology for agricultural equipment

1 農(nóng)機(jī)作業(yè)智能感知技術(shù)

農(nóng)機(jī)作業(yè)智能感知是農(nóng)機(jī)作業(yè)決策與管理的信息來(lái)源，根據(jù)感知對(duì)象類型劃分，包括作物生長(zhǎng)信息、土壤信息和機(jī)具作業(yè)狀態(tài)信息等。

1.1 作物生長(zhǎng)信息

作物生長(zhǎng)信息如位置、體積、生物量及病蟲(chóng)草害信息的在線感知是構(gòu)建精準(zhǔn)作業(yè)決策模型的重要來(lái)源[6]。國(guó)內(nèi)外學(xué)者在基于多種傳感器在線感知作物生長(zhǎng)信息方面開(kāi)展了大量研究，具體研究成果及水平如表1所示。就目前研究現(xiàn)狀可知，基于作物位置、外形體積感知技術(shù)已趨于產(chǎn)品成熟化，而作物生物量信息、病蟲(chóng)草害信息在線感知技術(shù)仍停留在樣機(jī)研制與實(shí)驗(yàn)室研發(fā)階段，正向自然環(huán)境條件的動(dòng)態(tài)感知方向發(fā)展?；诠庾V探測(cè)作物長(zhǎng)勢(shì)差異的變量施肥通過(guò)光譜信息對(duì)作物歸一化植被指數(shù)(NDVI)進(jìn)行在線監(jiān)測(cè)[36]，典型設(shè)備為美國(guó)Trimble公司GreenSeeker便攜式光譜儀。張玉屏等[37]通過(guò)稻葉測(cè)氮儀和無(wú)人機(jī)獲得的NDVI，構(gòu)建了無(wú)損監(jiān)測(cè)值與施肥數(shù)據(jù)庫(kù)，但國(guó)產(chǎn)化高性能的便攜式光譜探測(cè)儀目前仍無(wú)商品化產(chǎn)品。

表1 作物生長(zhǎng)信息感知技術(shù)與發(fā)展水平Tab.1 Crop growth information sensing technology and its development level

1.2 土壤信息

土壤養(yǎng)分差異是變量施肥的依據(jù)，其信息獲取主要有基于測(cè)土配方和實(shí)時(shí)傳感兩種方式。測(cè)土配方是目前國(guó)際上應(yīng)用范圍最廣的一項(xiàng)處方圖構(gòu)建技術(shù)，但測(cè)土配方采樣?xùn)鸥駞^(qū)域較大，細(xì)化柵格進(jìn)行土壤養(yǎng)分測(cè)定耗時(shí)耗力，需要長(zhǎng)期積累。遙感探測(cè)技術(shù)通過(guò)對(duì)土壤進(jìn)行探測(cè)，經(jīng)反演模型構(gòu)建，分析有機(jī)質(zhì)等土壤養(yǎng)分信息[38]作為施肥處方變量依據(jù)，是一種大范圍處方信息快速獲取手段，但存在動(dòng)態(tài)數(shù)據(jù)監(jiān)測(cè)困難的問(wèn)題。土壤電導(dǎo)率能夠反映土壤養(yǎng)分差異[39-40]，是施肥變量在線獲取的重要手段。目前土壤電導(dǎo)率檢測(cè)方法主要有電磁感應(yīng)法、遙感法、化學(xué)檢測(cè)法以及“電流-電壓”四端法，研究應(yīng)用最多的是四端法，其檢測(cè)裝備可快速檢測(cè)電導(dǎo)率并且受環(huán)境干擾較小[41-42]。李民贊團(tuán)隊(duì)研制出便攜式土壤電導(dǎo)率檢測(cè)裝置[43]。美國(guó)Veris公司研制的車載式MSPS土壤OM-EC-pH勘查測(cè)繪系統(tǒng)[44]可以快速、高密度、原位測(cè)繪區(qū)域土壤電導(dǎo)等參數(shù)(圖2)。

圖2 MSPS土壤勘查系統(tǒng)Fig.2 MSPS soil exploration system

土壤電導(dǎo)率在線監(jiān)測(cè)系統(tǒng)的精度和可靠性是困擾土壤電導(dǎo)率國(guó)產(chǎn)化產(chǎn)品應(yīng)用的難題，研究土壤電導(dǎo)率與施肥處方?jīng)Q策模型將是下一步工作重點(diǎn)。

1.3 農(nóng)機(jī)作業(yè)狀態(tài)信息

農(nóng)機(jī)作業(yè)狀態(tài)是農(nóng)機(jī)作業(yè)智能感知技術(shù)應(yīng)用范圍最廣的領(lǐng)域，本文以車速、耕深、落種、播深、播種下壓力及施肥相關(guān)農(nóng)機(jī)作業(yè)狀態(tài)為主要內(nèi)容展開(kāi)綜述(表2)。

表2 農(nóng)機(jī)作業(yè)狀態(tài)感知技術(shù)Tab.2 Sensing technology of agricultural equipment operation state

基于車速的電驅(qū)播種主要通過(guò)雷達(dá)測(cè)速儀、地輪和GPS 3種方式進(jìn)行測(cè)速，研究得出地輪車速在播種車速較低時(shí)播種速率調(diào)控更精準(zhǔn)，而雷達(dá)測(cè)速和GPS測(cè)速在車速較高時(shí)具有優(yōu)勢(shì)。

耕深是深松作業(yè)質(zhì)量重要評(píng)價(jià)指標(biāo)，實(shí)現(xiàn)耕深精準(zhǔn)檢測(cè)與控制至關(guān)重要[81]。耕深檢測(cè)多采用角度傳感器、傾角傳感器、姿態(tài)傳感器、超聲波傳感器及紅外傳感器等其中的一種或多種配合實(shí)現(xiàn)。單一傳感器易受局部地表起伏變化影響，蔣嘯虎[82]設(shè)計(jì)了基于超聲波傳感器和紅外傳感器融合卡爾曼濾波算法的耕深檢測(cè)裝置，充分利用了兩種傳感器在不同環(huán)境下有效檢測(cè)數(shù)據(jù)融合，提高了實(shí)時(shí)監(jiān)測(cè)耕深的準(zhǔn)確性和穩(wěn)定性。

播種質(zhì)量對(duì)出苗、養(yǎng)分吸收、作物生長(zhǎng)具有重要影響[83-84]，其關(guān)鍵因素包括播量、播深和下壓力等。播量監(jiān)控首先需要解決落種感知的問(wèn)題，基于光電感應(yīng)的落種感知技術(shù)應(yīng)用較廣，研究主要集中在提高紅外探頭布置密度、擴(kuò)大無(wú)死角的光場(chǎng)區(qū)域等方面。但基于光電感應(yīng)落種傳感易受到灰塵、非種子顆粒的影響，導(dǎo)致落種監(jiān)測(cè)精度降低，學(xué)者利用圖像處理、位置點(diǎn)標(biāo)定等方法得到實(shí)際粒距以解決上述問(wèn)題。MANGUS等[85]將小體積高速攝像機(jī)固定于排種器排種口附近，獲取落種位置。播種深度是保證作物出苗的關(guān)鍵因素之一，利用超聲探測(cè)播種深度研究較早，但基于超聲波的單點(diǎn)播深反饋調(diào)節(jié)系統(tǒng)，易受局部地形變化影響。為改進(jìn)上述問(wèn)題，運(yùn)用紅外測(cè)距傳感器模組進(jìn)行播深采集，但紅外傳感器檢測(cè)精度受環(huán)境光照影響較大，不利于后續(xù)播深控制。NIELSEN等[86]建立了擺臂旋轉(zhuǎn)角度與開(kāi)溝深度關(guān)系模型，從播深探測(cè)原理上獲得突破。任守華等[87]在單體上安裝仿形拖板，通過(guò)編碼器反饋脈沖信號(hào)推導(dǎo)出拖板與機(jī)架夾角，計(jì)算獲得實(shí)際播種深度。播種下壓力同樣影響玉米出苗質(zhì)量和產(chǎn)量[88]，由于無(wú)法被當(dāng)場(chǎng)觀察到，常被種植戶忽略。播種單體下壓力的監(jiān)測(cè)主要通過(guò)壓電薄膜監(jiān)測(cè)限深輪形變、角度傳感器測(cè)量仿形擺臂角度等方法，該方法受到限深輪材質(zhì)影響，實(shí)際作業(yè)調(diào)校復(fù)雜。付衛(wèi)強(qiáng)等[68]通過(guò)軸銷力傳感器來(lái)檢測(cè)播種下壓力，一定程度上解決了上述問(wèn)題。

施肥機(jī)參數(shù)感知技術(shù)方面，在肥箱、排肥口、導(dǎo)肥管等位置進(jìn)行肥料有無(wú)探測(cè)最先得到應(yīng)用，采用的技術(shù)手段包括光電對(duì)射、電容、振動(dòng)感應(yīng)等。肥料有無(wú)探測(cè)存在著即使排肥轉(zhuǎn)速信號(hào)存在，但無(wú)肥料下落時(shí)，系統(tǒng)無(wú)法察覺(jué)的缺陷。為解決上述問(wèn)題，采用微波多普勒反射信號(hào)與肥量速率的相關(guān)性原理使肥料質(zhì)量流監(jiān)測(cè)成為可能，但目前受到可靠性的限制，國(guó)內(nèi)外仍無(wú)商品化的肥料質(zhì)量流監(jiān)測(cè)傳感器。

收獲機(jī)參數(shù)感知方面，收獲機(jī)核心部件的監(jiān)測(cè)最先開(kāi)始研究，主要包括收獲機(jī)行走速度、系統(tǒng)溫度、壓力、轉(zhuǎn)速、扭矩等參數(shù)，目前，對(duì)收獲機(jī)核心部件的監(jiān)測(cè)大多采用商品化的傳感器，發(fā)展比較成熟，主要應(yīng)用于故障預(yù)警與智能診斷。此外，收獲產(chǎn)量是收獲機(jī)獲取作物產(chǎn)量信息的關(guān)鍵，目前產(chǎn)量信息獲取主要包括機(jī)器視覺(jué)、電容等傳感方法測(cè)量體積流和壓力沖擊式傳感獲取質(zhì)量流兩種方法，基于體積流的產(chǎn)量測(cè)量方法受谷物密度、含水率影響較大，對(duì)于不同地域的谷物需要重復(fù)校正，誤差大。質(zhì)量流產(chǎn)量測(cè)量方法是目前國(guó)際上應(yīng)用最廣泛的方法，國(guó)外已形成成熟產(chǎn)品，但國(guó)內(nèi)成熟產(chǎn)品仍欠缺。

2 農(nóng)機(jī)裝備精準(zhǔn)監(jiān)控技術(shù)

2.1 耕深

土壤耕整作業(yè)是農(nóng)業(yè)生產(chǎn)過(guò)程中的基礎(chǔ)環(huán)節(jié)。耕整機(jī)械主要包括犁、旋耕機(jī)、深松機(jī)、耙、鎮(zhèn)壓器、平地機(jī)械及開(kāi)溝作畦機(jī)械等。近年來(lái)隨著自主導(dǎo)航技術(shù)、信息傳感技術(shù)、機(jī)電液一體化技術(shù)的快速發(fā)展，耕地精準(zhǔn)監(jiān)控技術(shù)開(kāi)始向精細(xì)化與智能化方向推進(jìn)。深松智能監(jiān)測(cè)終端可通過(guò)傳感器感知耕深、作業(yè)速度和位置等信息，通過(guò)無(wú)線通訊技術(shù)將數(shù)據(jù)上傳至農(nóng)機(jī)綜合管理平臺(tái)，為深松作業(yè)質(zhì)量評(píng)價(jià)提供量化依據(jù)，可提升農(nóng)機(jī)作業(yè)管理信息化水平。

2.2 平整地

農(nóng)田精細(xì)平整技術(shù)可有效改善農(nóng)田地表微地形，提高水肥利用率，增加作物產(chǎn)量[89-90]。目前應(yīng)用較為廣泛的精細(xì)平整裝備大多采用激光控制平地技術(shù)。激光平地是一種利用激光束的發(fā)射和接收差異量來(lái)調(diào)節(jié)刮土板高度進(jìn)而實(shí)現(xiàn)平整作業(yè)的先進(jìn)技術(shù)。早在1965年美國(guó)開(kāi)始將激光技術(shù)應(yīng)用于平地機(jī)上，到了20世紀(jì)80年代該技術(shù)已開(kāi)始在全美大規(guī)模使用。激光平地測(cè)控技術(shù)核心是監(jiān)控平地鏟傾角與姿態(tài)。為提高平整作業(yè)精度國(guó)內(nèi)外學(xué)者展開(kāi)了大量研究，先后運(yùn)用傾角傳感器[91-92]、超聲波傳感器[93]和MEMS慣性傳感器[94]等一種或多種傳感器信息融合方式感知平地鏟實(shí)時(shí)傾角，實(shí)現(xiàn)了平整度控制誤差低于2 cm。

2.3 土壤消毒

土壤消毒是一種快速滅殺土壤真菌、細(xì)菌、根線蟲(chóng)等地下害蟲(chóng)的高效防治技術(shù)，可解決高附加值作物生姜、芋頭、草莓、蘆筍等重茬障礙問(wèn)題，顯著提高產(chǎn)量和品質(zhì)[95]。目前國(guó)內(nèi)外土壤消毒作業(yè)仍以化學(xué)防治為主，由于缺乏科學(xué)指導(dǎo)，易出現(xiàn)施藥過(guò)量，導(dǎo)致土壤藥劑殘留威脅農(nóng)產(chǎn)品質(zhì)量安全[96-97]。精準(zhǔn)土壤消毒將藥劑均勻施到靶標(biāo)根部附近，根據(jù)作業(yè)速度實(shí)時(shí)變量作業(yè)[98]，但關(guān)于精準(zhǔn)土壤消毒相關(guān)的智能測(cè)控技術(shù)研究還相對(duì)薄弱。

2.4 播種

播種裝備智能測(cè)控技術(shù)主要體現(xiàn)在播量監(jiān)控技術(shù)和播深監(jiān)控技術(shù)兩方面。播量監(jiān)控技術(shù)通過(guò)落種感知進(jìn)行播種質(zhì)量評(píng)價(jià)，依據(jù)最優(yōu)播量實(shí)現(xiàn)變車速下均勻播種，是播種機(jī)田間作業(yè)關(guān)鍵技術(shù)之一[99-100]?；诼浞N感知進(jìn)行播種質(zhì)量在線監(jiān)測(cè)與評(píng)價(jià)是保證播量精確的重要手段[101-102]。學(xué)者對(duì)排種器播種質(zhì)量檢測(cè)系統(tǒng)進(jìn)行了研究，比較典型的有Precision Planting公司生產(chǎn)的MeterMax型排種器檢測(cè)儀[103]和中國(guó)農(nóng)業(yè)大學(xué)研制的玉米精量排種器自動(dòng)檢測(cè)儀[104]。與室內(nèi)環(huán)境相比，田間作業(yè)環(huán)境復(fù)雜，對(duì)播種質(zhì)量監(jiān)測(cè)精度帶來(lái)挑戰(zhàn)[105-106]，楊碩等[107]通過(guò)移動(dòng)平均濾波算法提高了田間播種粒距的監(jiān)測(cè)精度。播種粒距監(jiān)測(cè)缺少地理位置信息導(dǎo)致種子落點(diǎn)位置無(wú)法精確定位[108]，使得田間播種質(zhì)量差異難以追溯。為解決該問(wèn)題，黃東巖等[109]利用差分GPS定位與GPRS傳輸實(shí)現(xiàn)了播種質(zhì)量遠(yuǎn)程監(jiān)測(cè)。Precision Planting公司[110]和AgLeader[111]公司研制了結(jié)合GIS技術(shù)進(jìn)行播種質(zhì)量地圖展示終端。

在播深實(shí)時(shí)監(jiān)測(cè)精度不斷提高的基礎(chǔ)上，播深控制得以實(shí)現(xiàn)，主要通過(guò)限深輪擺動(dòng)角度和單體仿形機(jī)構(gòu)兩種形式。LUND等[112-113]提出了一種基于土壤特性的實(shí)時(shí)播深控制方法和系統(tǒng)，播深調(diào)節(jié)裝置通過(guò)機(jī)械連接方式控制限深輪擺動(dòng)角度，進(jìn)而調(diào)節(jié)設(shè)定播深。John Deere公司[114]研發(fā)了ExactEmerge系列高速氣吸式播種單體，采用平行四連桿和同位仿形輪相結(jié)合的限深方式，可適應(yīng)地表±20°起伏。目前，播深監(jiān)控技術(shù)研究多集中在通過(guò)限深機(jī)構(gòu)被動(dòng)提高播深控制一致性，根據(jù)土壤狀態(tài)實(shí)時(shí)感知來(lái)主動(dòng)調(diào)控播深仍有待研究。

2.5 植保

機(jī)械植保主要是采用植保機(jī)噴施農(nóng)藥，從而達(dá)到防治病蟲(chóng)草害目的。隨著精準(zhǔn)農(nóng)業(yè)的發(fā)展，精準(zhǔn)施藥技術(shù)成為發(fā)展趨勢(shì)。植保作業(yè)狀態(tài)參數(shù)包括作業(yè)速度、噴霧壓力、流量、噴桿姿態(tài)、噴頭堵塞等。實(shí)時(shí)監(jiān)測(cè)作業(yè)狀態(tài)參數(shù)旨在傳遞狀態(tài)信息至控制系統(tǒng)分析執(zhí)行變量控制決策。國(guó)內(nèi)相比國(guó)外研究起步較晚，魏新華等[115]設(shè)計(jì)了一套PWM間歇噴霧式變量噴施系統(tǒng)，建立了基于作業(yè)速度、噴霧壓力、PWM控制信號(hào)頻率和占空比的施藥量控制模型。蘆澤陽(yáng)等[116]通過(guò)多傳感信息感知，建立基于總線控制的多作業(yè)參數(shù)的在線監(jiān)控系統(tǒng)，實(shí)現(xiàn)了噴頭堵塞報(bào)警和噴桿自動(dòng)仿形噴霧。對(duì)靶施藥根據(jù)作物位置、體積、生物量及病蟲(chóng)草害信息的在線感知實(shí)現(xiàn)精準(zhǔn)變量對(duì)靶噴藥，因用藥量小、利用率高成為精準(zhǔn)施藥技術(shù)的重要內(nèi)容。翟長(zhǎng)遠(yuǎn)等[117]提出了一種基于作物生長(zhǎng)信息的變量噴霧控制系統(tǒng)，實(shí)現(xiàn)了果園噴霧風(fēng)速風(fēng)量與藥量協(xié)同控制。目前，先進(jìn)的對(duì)靶噴藥機(jī)已經(jīng)能夠?qū)崿F(xiàn)根據(jù)果園生物量分布進(jìn)行精準(zhǔn)施藥，針對(duì)作物病蟲(chóng)害對(duì)靶施藥將是下一步的研究重點(diǎn)。

2.6 收獲

與其他作業(yè)環(huán)節(jié)機(jī)具相比，機(jī)械收獲具有大型化、復(fù)雜化特點(diǎn)。對(duì)收獲機(jī)進(jìn)行智能監(jiān)控，主要包括故障預(yù)警與智能診斷、作業(yè)信息監(jiān)測(cè)、自動(dòng)控制等方面[118]。故障預(yù)警與智能診斷依賴于對(duì)發(fā)動(dòng)機(jī)等核心收獲部件的監(jiān)測(cè)比較成熟，但僅依靠核心部件監(jiān)測(cè)的故障診斷準(zhǔn)確率較低，為了提高預(yù)警及診斷的準(zhǔn)確率，整機(jī)控制狀態(tài)、收獲模式、行走軌跡、發(fā)動(dòng)機(jī)震動(dòng)、堵塞等越來(lái)越多的參數(shù)被監(jiān)測(cè)和使用[119-120]，多傳感器信息融合[121]、故障診斷知識(shí)庫(kù)和推理機(jī)制[122]、深度學(xué)習(xí)及神經(jīng)網(wǎng)絡(luò)等技術(shù)開(kāi)始應(yīng)用于智能故障診斷。劉景[123]基于聯(lián)合收獲機(jī)車載多傳感器數(shù)據(jù)，提出了一種簡(jiǎn)化單元網(wǎng)絡(luò)，通過(guò)無(wú)監(jiān)督學(xué)習(xí)訓(xùn)練進(jìn)行綜合故障預(yù)警診斷，準(zhǔn)確率達(dá)到98.5%，WANG等[124]使用CAN總線技術(shù)采集多源數(shù)據(jù)，通過(guò)卡爾曼濾波去除噪聲，基于BP神經(jīng)網(wǎng)絡(luò)進(jìn)行收獲機(jī)故障診斷，有效去除了噪聲干擾。

為了降低收獲機(jī)故障率、減少收獲損失，收獲機(jī)精準(zhǔn)控制系統(tǒng)發(fā)展迅速。對(duì)于薯類、花生等地下作物，以對(duì)行控制、挖深控制、工作速度控制為目前主要研究方向。李濤等[125]設(shè)計(jì)了一種自動(dòng)挖深控制系統(tǒng)，有效降低了明薯率、傷薯率、漏薯率；CHEN等[126]提出了一種邏輯門限控制策略，確定了合理的工作速度和堵塞壓力閾值，避免花生收獲堵塞。對(duì)于谷物聯(lián)合收獲機(jī)，作業(yè)速度、滾筒轉(zhuǎn)速、喂入量等參數(shù)與損失量關(guān)系模型及控制算法研究較多[127-128]。邢高勇等[129]設(shè)計(jì)了一種脫粒滾筒轉(zhuǎn)速、期望作業(yè)速度模糊控制器與模糊PID作業(yè)速度智能調(diào)控算法，根據(jù)脫粒滾筒轉(zhuǎn)速變化情況不斷地調(diào)節(jié)作業(yè)速度，使喂入量保持在脫粒滾筒額定范圍內(nèi)，防止發(fā)生堵塞。LIANG等[130]研究了風(fēng)機(jī)轉(zhuǎn)速、導(dǎo)板角度、篩孔對(duì)谷物篩失量的影響，開(kāi)發(fā)了模糊控制系統(tǒng)，進(jìn)行風(fēng)機(jī)轉(zhuǎn)速、導(dǎo)板角度自動(dòng)調(diào)整，降低篩選損失。

2.7 數(shù)據(jù)傳輸與共享

近年來(lái)，隨著農(nóng)機(jī)裝備智能化和分布式特點(diǎn)的逐漸強(qiáng)化，控制器局域網(wǎng)(CAN)通信技術(shù)的研究、協(xié)議制定和技術(shù)應(yīng)用已經(jīng)成為農(nóng)機(jī)個(gè)體測(cè)控系統(tǒng)數(shù)據(jù)傳輸主流方式[131-134]。根據(jù)開(kāi)放式通信系統(tǒng)互聯(lián)參考(OSI)，國(guó)際標(biāo)準(zhǔn)化組織在德國(guó)農(nóng)業(yè)機(jī)械總線標(biāo)準(zhǔn)DIN9684和美國(guó)汽車工業(yè)協(xié)會(huì)(SAE)汽車總線協(xié)議J1939的基礎(chǔ)上，設(shè)計(jì)了ISO 11783標(biāo)準(zhǔn)，現(xiàn)已成為農(nóng)機(jī)智能裝備領(lǐng)域應(yīng)用最廣泛的現(xiàn)場(chǎng)總線技術(shù)[135-136]。

我國(guó)現(xiàn)行的標(biāo)準(zhǔn)GB/T 35381《農(nóng)林拖拉機(jī)和機(jī)械 串行控制和通信數(shù)據(jù)網(wǎng)絡(luò)》[137]在拖拉機(jī)主機(jī)廠的CAN協(xié)議制定和應(yīng)用相對(duì)規(guī)范，但受到農(nóng)機(jī)具智能測(cè)控系統(tǒng)功能的多樣性，多數(shù)研發(fā)團(tuán)隊(duì)仍采用自定義的應(yīng)用層協(xié)議，限制了農(nóng)機(jī)個(gè)體測(cè)控?cái)?shù)據(jù)的共享性能。

農(nóng)機(jī)作業(yè)智能決策與管理依賴農(nóng)機(jī)大數(shù)據(jù)，農(nóng)機(jī)大數(shù)據(jù)來(lái)源為農(nóng)機(jī)測(cè)控終端遠(yuǎn)程傳輸數(shù)據(jù)，農(nóng)機(jī)整體遠(yuǎn)程數(shù)據(jù)交換標(biāo)準(zhǔn)化協(xié)議對(duì)農(nóng)機(jī)大數(shù)據(jù)的智能化知識(shí)提取至關(guān)重要。近3年國(guó)內(nèi)頒布了多項(xiàng)設(shè)計(jì)規(guī)范[138-140]，農(nóng)機(jī)測(cè)控終端和遠(yuǎn)程監(jiān)測(cè)管理平臺(tái)數(shù)據(jù)協(xié)議較多采用JSON(JavaScript Object Notation)格式[141-142]，主要對(duì)用戶配置信息查詢、區(qū)域信息查詢以及農(nóng)機(jī)類型、定位、軌跡、作業(yè)圖像及作業(yè)地塊等信息進(jìn)行了規(guī)范設(shè)計(jì)，以及對(duì)耕、種、管、收主要農(nóng)機(jī)作業(yè)信息進(jìn)行了規(guī)定設(shè)計(jì)，為農(nóng)機(jī)作業(yè)遠(yuǎn)程監(jiān)測(cè)平臺(tái)的大范圍應(yīng)用奠定了良好基礎(chǔ)。未來(lái)，相關(guān)國(guó)家標(biāo)準(zhǔn)制定和修訂有待加強(qiáng)。

3 農(nóng)機(jī)作業(yè)智能決策與管理技術(shù)

農(nóng)機(jī)作業(yè)管理通過(guò)云平臺(tái)對(duì)農(nóng)機(jī)作業(yè)多項(xiàng)環(huán)節(jié)進(jìn)行作業(yè)質(zhì)量監(jiān)管、智能決策和遠(yuǎn)程管理。在深松環(huán)節(jié)技術(shù)較成熟，HAIAHEM等[143]設(shè)計(jì)了一種基于Internet的深松監(jiān)測(cè)系統(tǒng)，實(shí)現(xiàn)了深松數(shù)據(jù)清洗和遠(yuǎn)程采集；LOU等[144]開(kāi)發(fā)了一套深松遠(yuǎn)程獨(dú)立監(jiān)測(cè)系統(tǒng)，實(shí)現(xiàn)對(duì)每排深松鏟深度進(jìn)行獨(dú)立監(jiān)測(cè)。不同作業(yè)環(huán)節(jié)對(duì)質(zhì)量評(píng)價(jià)的標(biāo)準(zhǔn)各異，需要監(jiān)測(cè)的指標(biāo)復(fù)雜多樣，比如植保作業(yè)需要對(duì)霧滴粒徑分布、覆蓋密度、分布均勻度、霧滴譜寬度、噴霧沉積量、沉積量分布均勻度等數(shù)據(jù)進(jìn)行采集和統(tǒng)計(jì)分析[145-146]。田間作業(yè)過(guò)程中，衛(wèi)星定位、農(nóng)機(jī)測(cè)控終端上傳了大量的農(nóng)機(jī)數(shù)據(jù)，其中包含運(yùn)行軌跡數(shù)據(jù)、田間作業(yè)數(shù)據(jù)、農(nóng)機(jī)故障數(shù)據(jù)等，通過(guò)對(duì)機(jī)具相關(guān)參數(shù)的挖掘可以進(jìn)行故障監(jiān)測(cè)，侯艷芳[147]根據(jù)智能數(shù)據(jù)挖掘技術(shù)的閉環(huán)控制機(jī)理，搭建了播種機(jī)故障監(jiān)測(cè)理論模型，LI等[148]基于大數(shù)據(jù)技術(shù)，分析了各機(jī)構(gòu)傳動(dòng)方式和工作原理，對(duì)電動(dòng)裝置和行走液壓系統(tǒng)進(jìn)行優(yōu)化，降低了故障率。基于農(nóng)機(jī)故障和位置數(shù)據(jù)熱力圖，企業(yè)可以優(yōu)化配置維修和售后資源[149]。

農(nóng)機(jī)監(jiān)管平臺(tái)的應(yīng)用依賴于智能決策技術(shù)的發(fā)展，比較典型的代表為農(nóng)機(jī)遠(yuǎn)程調(diào)度決策技術(shù)。農(nóng)機(jī)調(diào)度決策是多因素控制下的最優(yōu)解問(wèn)題，多因素包括農(nóng)田環(huán)境[150]、農(nóng)機(jī)[151]、機(jī)庫(kù)[152]、農(nóng)田區(qū)域[153]、時(shí)間窗[154]等，最優(yōu)目標(biāo)主要有最優(yōu)路徑[155]、最優(yōu)成本[156]、最優(yōu)時(shí)間等。SUN等[157]提出了跨區(qū)域農(nóng)機(jī)智能調(diào)度體系結(jié)構(gòu)，搭建了相應(yīng)的信息服務(wù)系統(tǒng)；ORFANOU等[158]提出了一種最優(yōu)成本的調(diào)度方法；張帆等[159]針對(duì)多塊農(nóng)田需連續(xù)進(jìn)行多種生產(chǎn)任務(wù)的問(wèn)題，提出改進(jìn)多父輩遺傳算法的優(yōu)化方法求解農(nóng)機(jī)作業(yè)規(guī)劃方案，實(shí)現(xiàn)了最優(yōu)時(shí)間調(diào)度；張璠等[160]建立了以最小化調(diào)配成本和損失為目標(biāo)的緊急調(diào)配模型，提出了基于距離最近優(yōu)先的多機(jī)多任務(wù)緊急調(diào)配算法和基于貢獻(xiàn)度最大優(yōu)先的多機(jī)多任務(wù)緊急調(diào)配算法；YANG等[161]設(shè)計(jì)了一個(gè)基于區(qū)塊鏈的調(diào)度系統(tǒng)，去掉了中央服務(wù)器，提高了安全性、穩(wěn)定性和調(diào)度效率；LUO等[162]基于時(shí)間、空間、天氣、道路、多農(nóng)田、時(shí)間窗等，提出了一種改進(jìn)的模糊混合遺傳算法建立調(diào)度模型，能夠提高農(nóng)機(jī)資源中心的利用效率，降低農(nóng)機(jī)使用成本。目前，農(nóng)機(jī)調(diào)度算法驗(yàn)證大多基于仿真數(shù)據(jù)，需進(jìn)一步開(kāi)展應(yīng)用驗(yàn)證研究。

4 農(nóng)機(jī)裝備智能測(cè)控技術(shù)應(yīng)用

4.1 土地耕整機(jī)

目前耕深監(jiān)控系統(tǒng)國(guó)內(nèi)外均有成熟的產(chǎn)品，John Deere公司的TruSet耕深監(jiān)控系統(tǒng)[163](圖3)，可利用安裝在地輪與機(jī)架上的傳感器檢測(cè)耕深，并根據(jù)處方或設(shè)置的固定深度，通過(guò)液壓系統(tǒng)精準(zhǔn)控制，人機(jī)界面可實(shí)時(shí)顯示工作狀態(tài)。

圖3 John Deere TruSet耕深監(jiān)控系統(tǒng)Fig.3 John Deere TruSet tillage depth control system

CASE公司的AFS耕深智能控制系統(tǒng)[164]配備GNSS導(dǎo)航，可根據(jù)土壤秸稈覆蓋率、含水率、緊實(shí)度等實(shí)際條件實(shí)現(xiàn)精準(zhǔn)平地控制。國(guó)內(nèi)智仁科技公司開(kāi)發(fā)的農(nóng)機(jī)深松耕地作業(yè)GNSS監(jiān)控系統(tǒng)[165]，可實(shí)現(xiàn)農(nóng)機(jī)深松作業(yè)過(guò)程、面積、深度等參數(shù)實(shí)時(shí)準(zhǔn)確監(jiān)測(cè)，支持深松作業(yè)數(shù)據(jù)統(tǒng)計(jì)分析、圖形化顯示、作業(yè)機(jī)具管理、作業(yè)視頻監(jiān)控與合作社管理等功能。基于激光平地技術(shù)的商業(yè)化產(chǎn)品較多，比較有代表性的為美國(guó)Trimble公司研制的GCS系列農(nóng)業(yè)激光平地自動(dòng)控制系統(tǒng)[166](圖4)，著眼于過(guò)程控制，通過(guò)LR41/410激光接收器監(jiān)測(cè)的方式，對(duì)平地機(jī)鏟刀的高程和傾角實(shí)時(shí)顯示監(jiān)測(cè)，自動(dòng)控制油缸升降運(yùn)作，實(shí)現(xiàn)高程精度要求。

圖4 Trimble GCS系列激光平地監(jiān)控系統(tǒng)Fig.4 Trimble GCS laser flat control system

國(guó)內(nèi)也有多家企業(yè)研發(fā)了成熟的產(chǎn)品，具有代表性的為盛恒天寶公司的IGS激光平地系統(tǒng)[167]，激光平整精度可達(dá)2 cm。但由于激光平地機(jī)在強(qiáng)光、大風(fēng)等作業(yè)環(huán)境下難以正常工作，不適合平整大面積、坡度大的土地，為此基于GNSS智能精細(xì)平地機(jī)的研發(fā)熱度激增[168-169]。GNSS平地機(jī)通過(guò)GNSS差分技術(shù)獲得平地鏟的高程和姿態(tài)角信息，控制終端進(jìn)行高度實(shí)時(shí)調(diào)節(jié)，工作范圍廣，定位精準(zhǔn)，不易受環(huán)境因素影響，在發(fā)達(dá)國(guó)家已開(kāi)始逐漸替代激光平地系統(tǒng)，其中代表機(jī)型有美國(guó)Trimble FieldLevel Ⅱ平地控制系統(tǒng)和日本Topcon System 310平地控制系統(tǒng)。國(guó)內(nèi)南京農(nóng)業(yè)大學(xué)[170]設(shè)計(jì)了一種基于雙GNSS天線的智能水田平整地控制系統(tǒng)，以天線高程定位數(shù)據(jù)與俯仰角數(shù)據(jù)作為旋耕平地機(jī)高程與傾角信息，采用模糊PID控制算法，實(shí)現(xiàn)了機(jī)具的水平與高度調(diào)節(jié)，在不同作業(yè)環(huán)境和土質(zhì)條件下適用效果良好。中國(guó)農(nóng)業(yè)大學(xué)[171]提出了一種基于GNSS雙天線和姿態(tài)航向參考系統(tǒng)組合的地形測(cè)量方法，減小了農(nóng)田平整過(guò)程中農(nóng)田地勢(shì)信息的采集誤差，提高農(nóng)田三維地形的測(cè)量精度。我國(guó)GNSS精細(xì)平地技術(shù)雖然起步較晚，但隨著北斗衛(wèi)星導(dǎo)航定位系統(tǒng)的不斷發(fā)展，以及多方學(xué)者的技術(shù)攻關(guān)，GNSS精細(xì)平地系統(tǒng)應(yīng)用規(guī)模在快速擴(kuò)大。

4.2 土壤消毒機(jī)

精準(zhǔn)消毒系統(tǒng)主要針對(duì)固液兩種形態(tài)消毒劑開(kāi)展了研究。國(guó)外鮮有針對(duì)土壤消毒設(shè)備進(jìn)行專門開(kāi)發(fā)，多聚焦開(kāi)發(fā)精準(zhǔn)灌溉消毒一體化設(shè)備。我國(guó)針對(duì)土壤消毒化學(xué)劑的物理形態(tài)特點(diǎn)，進(jìn)行了針對(duì)性試驗(yàn)研究。馬偉等[172]針對(duì)液態(tài)土壤消毒劑開(kāi)發(fā)了一種新型土壤精準(zhǔn)消毒機(jī)，采用盤式轉(zhuǎn)動(dòng)分流技術(shù)，基于霍爾傳感器、轉(zhuǎn)速編碼器、超聲傳感器等開(kāi)發(fā)精準(zhǔn)消毒變量控制系統(tǒng)，實(shí)現(xiàn)圓盤注藥藥量和速度之間的精準(zhǔn)伺服調(diào)節(jié)，同時(shí)開(kāi)發(fā)單位面積消毒劑用量PID調(diào)節(jié)的一體化調(diào)控消毒機(jī)終端，實(shí)現(xiàn)了施藥量數(shù)據(jù)實(shí)時(shí)上傳，如圖5所示。針對(duì)固態(tài)土壤消毒劑，MA等[173]研制了一種3D-XG200型基于物聯(lián)網(wǎng)精準(zhǔn)消毒系統(tǒng)(圖6)，開(kāi)發(fā)了基于電力驅(qū)動(dòng)的精準(zhǔn)變量控制系統(tǒng)，實(shí)現(xiàn)固態(tài)粉制藥劑通過(guò)氣體輸送的方式經(jīng)藥劑變量分配并與旋耕中的土壤充分混合，達(dá)到土壤消毒效果，系統(tǒng)配套的物聯(lián)網(wǎng)管理系統(tǒng)可以方便查詢地塊藥劑使用量分布情況。目前國(guó)內(nèi)成熟產(chǎn)品化土壤消毒機(jī)大多聚焦開(kāi)發(fā)大功率自走深旋精準(zhǔn)土壤消毒一體機(jī)，可同時(shí)完成旋耕整地與土壤消毒作業(yè)，但缺少相關(guān)智能測(cè)控技術(shù)的支撐。由于土傳病害特殊性，實(shí)時(shí)檢測(cè)難度大，目前基于蟲(chóng)害在線監(jiān)測(cè)變量施藥技術(shù)需要深入研究。

圖5 1G-J800型液態(tài)土壤精準(zhǔn)消毒系統(tǒng)Fig.5 1G-J800 liquid soil precise disinfection system

圖6 3D-XG200型基于物聯(lián)網(wǎng)精準(zhǔn)消毒系統(tǒng)Fig.6 3D-XG200 accurate disinfection system based on Internet of things

4.3 播種機(jī)

播種機(jī)智能測(cè)控技術(shù)應(yīng)用主要集中在排種監(jiān)控終端、播深與下壓力監(jiān)控終端兩方面，其目的分別為提高播量精度與均勻性以及播深精度與一致性。

4.3.1排種監(jiān)控終端電驅(qū)排種是排種速率在線調(diào)節(jié)的主要方式，德國(guó)Horsch公司、美國(guó)Kinze公司、美國(guó)Precision Planting公司、瑞典V?derstad公司均推出了電驅(qū)排種系統(tǒng)[174]。播種機(jī)田間工作時(shí)，電驅(qū)排種控制精度主要受到車速、播種處方圖兩個(gè)變量的影響[175-176]?；谲囁俚碾婒?qū)排種無(wú)法實(shí)現(xiàn)不同地理位置的最優(yōu)播量調(diào)控，美國(guó)凱斯紐荷蘭(CNH)公司研制了EARLY RISER 2000系列播種處方變量播種機(jī)，實(shí)現(xiàn)根據(jù)地理位置的精準(zhǔn)變量播種(圖7)。HE等[177]利用總線通信技術(shù)開(kāi)發(fā)了一種價(jià)格較低的國(guó)產(chǎn)化處方變量播種系統(tǒng)(圖8)?；谔幏綀D的變量播種根據(jù)種植環(huán)境的養(yǎng)分和地理位置等差異，按播種處方圖進(jìn)行播量定位調(diào)控，具有節(jié)本增產(chǎn)的巨大潛力[178-179]，但播種處方圖構(gòu)建、變量播種調(diào)控關(guān)鍵技術(shù)國(guó)產(chǎn)化應(yīng)用研究相對(duì)滯后。

圖7 CNH變量播種行切斷控制Fig.7 CNH variable rate planting line cut-off control

圖8 播種單體獨(dú)立控制變量播種機(jī)Fig.8 Variable rate planter with single seeding unit independent control

4.3.2播深與下壓力監(jiān)控終端

根據(jù)下壓力監(jiān)測(cè)進(jìn)行反饋調(diào)節(jié)，能夠解決種溝壓實(shí)不當(dāng)?shù)膯?wèn)題。美國(guó)Precision Planting公司研發(fā)了SeederForce下壓力控制系統(tǒng)和20/20 SeedSense終端監(jiān)測(cè)系統(tǒng)[180](圖9a)，實(shí)時(shí)監(jiān)控各播種行下壓力波動(dòng)區(qū)間。Kinze公司開(kāi)發(fā)了True Depth下壓力控制系統(tǒng)和Blue Vantage遠(yuǎn)程監(jiān)控系統(tǒng)[181](圖9b)。AgLeader公司[182]研發(fā)了SureForce下壓力控制系統(tǒng)，采用液壓缸控制單體對(duì)地下壓力，可提供1 134 N的提升力和2 948 N的下壓力，相比空氣彈簧，減小了控制響應(yīng)時(shí)間(圖9c)。播種深度和下壓力存在著交互關(guān)系，二者融合調(diào)控，同時(shí)達(dá)到播種深度和下壓力最優(yōu)化仍有待深入研究。

圖9 播種下壓力監(jiān)控系統(tǒng)Fig.9 Seeding downforce monitoring system

4.4 施肥機(jī)

變量施肥終端監(jiān)控技術(shù)是施肥機(jī)智能測(cè)控技術(shù)應(yīng)用的典型代表，也是精準(zhǔn)農(nóng)業(yè)變量作業(yè)應(yīng)用最早的技術(shù)之一[183]。北京農(nóng)業(yè)智能裝備技術(shù)研究中心[184-185]在國(guó)內(nèi)較早研制了基于處方精準(zhǔn)變量施肥作業(yè)系統(tǒng)及作業(yè)樣機(jī)，能夠根據(jù)施肥處方圖調(diào)整外槽輪排肥器轉(zhuǎn)速進(jìn)行變量作業(yè)。在此基礎(chǔ)上，施肥均勻性和施肥位置精準(zhǔn)性提升方法得到應(yīng)用。施肥均勻性能提升主要包括行進(jìn)方向均勻性和幅寬方向均勻性兩個(gè)關(guān)鍵參數(shù)。肥料填充率[186]、出肥口開(kāi)度[187]、排肥轉(zhuǎn)速等因素影響下的排肥性能精準(zhǔn)監(jiān)控可提高橫向均勻性、降低滯后性[188-189]。中央集中排肥、氣流輸肥、對(duì)行分層施肥等技術(shù)應(yīng)用提高了縱向排肥均勻性[190-191]。均勻施肥忽視了作物最佳肥量施用位置的特性，使得肥料利用效率未得以充分發(fā)揮。施肥位置調(diào)控應(yīng)用使上述問(wèn)題得以改善，主要有分層施肥和對(duì)靶施肥兩項(xiàng)技術(shù)。分層施肥通過(guò)淺層和深層組成的施肥深度調(diào)控，使得肥料養(yǎng)分吸收效率更高[192-193]。對(duì)靶施肥針對(duì)作物靶標(biāo)位置進(jìn)行施肥分段調(diào)控，起到了肥料減施增效的作用[194-196]。目前，施肥機(jī)智能終端在處方信息獲取、處方在線傳感、施肥機(jī)工況監(jiān)測(cè)和精準(zhǔn)施肥調(diào)控方面積累了一系列技術(shù)成果，但仍缺乏施肥變量決策模型快速構(gòu)建方法、施肥機(jī)質(zhì)量流監(jiān)測(cè)傳感器等。

4.5 植保機(jī)

目前植保機(jī)智能噴霧監(jiān)控系統(tǒng)國(guó)內(nèi)外均有相關(guān)成熟產(chǎn)品，如TopconSprayMaster200智能噴霧變量控制系統(tǒng)[197](圖10)、TeejetRadion 8140噴霧控制系統(tǒng)[198](圖11)，均可實(shí)現(xiàn)噴霧流量、壓力、施藥量等在線監(jiān)測(cè)與控制。DORUCHOWSKI等[199-200]開(kāi)發(fā)了一種作物自適應(yīng)噴霧系統(tǒng)CASA(圖12)，可以根據(jù)作物冠層信息、作業(yè)環(huán)境、果樹(shù)病蟲(chóng)害進(jìn)行風(fēng)速、藥量控制。國(guó)內(nèi)智能監(jiān)測(cè)終端的開(kāi)發(fā)方面，博創(chuàng)聯(lián)動(dòng)與北京農(nóng)業(yè)智能裝備技術(shù)研究中心開(kāi)發(fā)的EM系列農(nóng)機(jī)噴藥物聯(lián)網(wǎng)監(jiān)測(cè)終端[201](圖13)，具有手控和自控兩種模式，可實(shí)現(xiàn)作業(yè)狀態(tài)參數(shù)實(shí)時(shí)監(jiān)測(cè)，施藥量、作業(yè)面積、作業(yè)軌跡記錄數(shù)據(jù)上傳至農(nóng)機(jī)物聯(lián)網(wǎng)云平臺(tái)，支持多機(jī)作業(yè)信息化綜合管理與評(píng)價(jià)。

圖10 TopconSprayMaster200智能噴霧控制系統(tǒng)Fig.10 TopconSprayMaster200 intelligent spray system

圖11 TeejetRadion 8140精準(zhǔn)變量噴霧系統(tǒng)Fig.11 TeejetRadion 8140 precise variable spray system

圖12 CASA精準(zhǔn)變量噴霧系統(tǒng)Fig.12 CASA precise variable spray system

圖13 EM系列農(nóng)機(jī)噴藥物聯(lián)網(wǎng)監(jiān)測(cè)終端Fig.13 EM series agricultural machinery spraying drug network monitoring terminal

4.6 收獲機(jī)

收獲機(jī)智能監(jiān)控技術(shù)應(yīng)用主要體現(xiàn)在產(chǎn)量監(jiān)測(cè)和收獲損失率監(jiān)測(cè)方面。產(chǎn)量監(jiān)測(cè)國(guó)外已形成成熟產(chǎn)品，如John Deere公司的GreenStar谷物產(chǎn)量監(jiān)控系統(tǒng)[202](圖14)，國(guó)內(nèi)也有相關(guān)研究，如耿端陽(yáng)等[203]以谷物產(chǎn)量與谷物質(zhì)量流壓力間的谷物產(chǎn)量監(jiān)測(cè)數(shù)學(xué)模型為指導(dǎo)，搭建了谷物產(chǎn)量監(jiān)測(cè)試驗(yàn)臺(tái)(圖15)，但目前國(guó)內(nèi)尚未見(jiàn)到成熟產(chǎn)品。收獲損失受多因素影響，如谷物損失受前進(jìn)速度、喂入量、機(jī)械震動(dòng)、作業(yè)軌跡等因素影響[204]，薯類損失受挖掘深度、工作速度等影響明顯[205]，油料類收獲割臺(tái)振動(dòng)是造成損失的重要原因之一[206]。在薯類、油料類作物監(jiān)測(cè)方面產(chǎn)品缺失，研究確定不同作物收獲機(jī)損失率影響因素，并建立損失率計(jì)算模型[207]，進(jìn)而研制損失率監(jiān)測(cè)產(chǎn)品是下一步發(fā)展趨勢(shì)。

圖14 John Deere GreenStar系統(tǒng)Fig.14 John Deere GreenStar system

圖15 國(guó)產(chǎn)谷物產(chǎn)量信息實(shí)時(shí)顯示界面Fig.15 Real time display interface of domestic grain yield information

目前，美國(guó)John Deere公司、德國(guó)CLAAS 公司、美國(guó)Case IH公司等國(guó)外企業(yè)收獲機(jī)智能監(jiān)控技術(shù)較為成熟，如John Deere公司的GreenStar系統(tǒng)(圖14)，包含了產(chǎn)量監(jiān)控系統(tǒng)、智能喂入量控制系統(tǒng)、衛(wèi)星導(dǎo)航系統(tǒng)，我國(guó)在產(chǎn)量計(jì)量、損失率監(jiān)控技術(shù)的研究方面起步較晚，落后國(guó)外較多，亟需加強(qiáng)收獲測(cè)控終端產(chǎn)品的研發(fā)。

4.7 農(nóng)機(jī)作業(yè)管理平臺(tái)

深松作業(yè)遠(yuǎn)程監(jiān)測(cè)平臺(tái)是目前應(yīng)用范圍最廣的農(nóng)機(jī)作業(yè)管理平臺(tái)，國(guó)內(nèi)已有多個(gè)團(tuán)隊(duì)進(jìn)行了研發(fā)和規(guī)?；瘧?yīng)用，孟志軍等[208]采用Browser/Server架構(gòu)搭建了農(nóng)機(jī)深松作業(yè)遠(yuǎn)程監(jiān)測(cè)平臺(tái)，終端采用單點(diǎn)衛(wèi)星定位，作業(yè)面積最大誤差0.92%(圖16)；劉陽(yáng)春等[209]設(shè)計(jì)的深松作業(yè)遠(yuǎn)程管理系統(tǒng)，同樣采用Browser/Server架構(gòu)，通過(guò)Active MQ消息隊(duì)列技術(shù)和數(shù)據(jù)查詢緩存技術(shù)，緩解了數(shù)據(jù)庫(kù)高并發(fā)負(fù)載問(wèn)題。2017年中國(guó)農(nóng)業(yè)機(jī)械化協(xié)會(huì)頒布了T/CAMA01—2017《農(nóng)機(jī)深松作業(yè)遠(yuǎn)程監(jiān)測(cè)系統(tǒng)技術(shù)要求》團(tuán)體標(biāo)準(zhǔn)，在該標(biāo)準(zhǔn)的推動(dòng)下，同年，中國(guó)農(nóng)業(yè)機(jī)械化協(xié)會(huì)公布了20家單位和公司的深松作業(yè)遠(yuǎn)程監(jiān)測(cè)系統(tǒng)選型公告，標(biāo)志著深松作業(yè)質(zhì)量監(jiān)管已經(jīng)形成國(guó)產(chǎn)市場(chǎng)化運(yùn)營(yíng)體系。

圖16 深松作業(yè)遠(yuǎn)程監(jiān)測(cè)平臺(tái)Fig.16 Remote monitoring platform for subsoiling operation

玉米精準(zhǔn)播種作業(yè)管理平臺(tái)方面，北京德邦大為科技有限公司研發(fā)的農(nóng)機(jī)管家APP管理平臺(tái)，采用4G高速網(wǎng)絡(luò)傳輸技術(shù)，可同時(shí)監(jiān)管播種機(jī)的有效作業(yè)面積、播種量、施肥量、作業(yè)合格率和秸稈覆蓋率等重要信息[210]，但其對(duì)種子落點(diǎn)定位等關(guān)鍵指標(biāo)[211]未有涉及。其他農(nóng)機(jī)作業(yè)環(huán)節(jié)方面，王誠(chéng)龍等[212]對(duì)播種、施肥、深松環(huán)節(jié)進(jìn)行了作業(yè)質(zhì)量在線監(jiān)測(cè)研究，并采用Browser/Server平臺(tái)結(jié)合智能移動(dòng)終端APP進(jìn)行數(shù)據(jù)管理。目前，除深松作業(yè)外，其他環(huán)節(jié)在國(guó)內(nèi)尚無(wú)大范圍的實(shí)際應(yīng)用，未來(lái)農(nóng)機(jī)作業(yè)全程質(zhì)量監(jiān)管將成為發(fā)展趨勢(shì)。

隨著土地改革的深入，我國(guó)逐漸形成了以農(nóng)機(jī)專業(yè)合作社、農(nóng)機(jī)服務(wù)隊(duì)為經(jīng)營(yíng)主體的農(nóng)機(jī)社會(huì)化服務(wù)體系，為了提升服務(wù)質(zhì)量和效率，農(nóng)機(jī)社會(huì)化服務(wù)網(wǎng)絡(luò)平臺(tái)發(fā)展迅速。其中最具代表性的是中國(guó)農(nóng)業(yè)社會(huì)化服務(wù)平臺(tái)(簡(jiǎn)稱中國(guó)農(nóng)服平臺(tái))[213]，該平臺(tái)采用Browser/Server架構(gòu)搭建，是農(nóng)業(yè)農(nóng)村部主導(dǎo)的農(nóng)業(yè)社會(huì)化服務(wù)領(lǐng)域全產(chǎn)業(yè)鏈在線服務(wù)平臺(tái)，小農(nóng)戶和新型農(nóng)業(yè)生產(chǎn)主體利用手機(jī)和計(jì)算機(jī)直接與服務(wù)組織進(jìn)行對(duì)接和交流，消除了小農(nóng)戶與服務(wù)組織的信息交互障礙，促進(jìn)農(nóng)業(yè)服務(wù)資源在合理區(qū)域流動(dòng)，提高了農(nóng)業(yè)社會(huì)化服務(wù)效率。南京市[214]、臨洮縣、新疆等地也陸續(xù)推出了農(nóng)機(jī)社會(huì)化服務(wù)地方平臺(tái)。積極推進(jìn)“互聯(lián)網(wǎng)+農(nóng)機(jī)作業(yè)”發(fā)展，建立農(nóng)機(jī)大數(shù)據(jù)系統(tǒng)，提高農(nóng)機(jī)監(jiān)管、智能決策、故障診斷、遠(yuǎn)程調(diào)度、售后服務(wù)的產(chǎn)業(yè)化水平成為未來(lái)發(fā)展趨勢(shì)。

從技術(shù)層面來(lái)看，Browser/Server架構(gòu)是目前應(yīng)用最多的農(nóng)機(jī)作業(yè)管理平臺(tái)架構(gòu)，結(jié)合智能手機(jī)軟件進(jìn)行應(yīng)用將成為主流模式；隨著農(nóng)機(jī)作業(yè)管理類別和數(shù)量的增多，服務(wù)器高并發(fā)訪問(wèn)技術(shù)將被更多應(yīng)用在該領(lǐng)域。

5 現(xiàn)狀問(wèn)題分析

(1)農(nóng)機(jī)裝備智能終端田間復(fù)雜環(huán)境適應(yīng)性差

我國(guó)農(nóng)機(jī)裝備智能終端的監(jiān)控準(zhǔn)確性和耐用性普遍受復(fù)雜作業(yè)環(huán)境影響。國(guó)產(chǎn)深松和平整地設(shè)備多采用單一傳感器監(jiān)測(cè)耕深和平整度，易受到土壤含水率、局部地表起伏的影響導(dǎo)致作業(yè)效果差；大多土壤消毒機(jī)械作業(yè)粗放，針對(duì)土壤消毒劑形態(tài)多樣、理化性質(zhì)差異大的應(yīng)用環(huán)境缺少針對(duì)性的監(jiān)控技術(shù)研究，導(dǎo)致通用性差；電驅(qū)排種、播深調(diào)控受到免耕起伏地表播種單體振動(dòng)的影響，采用室內(nèi)單一變量構(gòu)建調(diào)控模型指導(dǎo)田間作業(yè)，穩(wěn)定性差。

(2)農(nóng)機(jī)裝備核心部件和高性能傳感器存在國(guó)際技術(shù)壁壘

關(guān)鍵環(huán)節(jié)核心部件及高性能傳感器落后嚴(yán)重制約著農(nóng)機(jī)裝備智能測(cè)控產(chǎn)業(yè)發(fā)展。如靶標(biāo)生物量及病蟲(chóng)害的實(shí)時(shí)感知技術(shù)研究不足；靶標(biāo)精準(zhǔn)控制實(shí)時(shí)變量存在管路壓力波動(dòng)問(wèn)題，高性能變量噴頭的施藥量及霧化效果尚需研究；收獲機(jī)核心部件工作狀態(tài)、產(chǎn)量、作物含水率、損失率等在線監(jiān)測(cè)方法模型應(yīng)用研究不足。國(guó)產(chǎn)化高性能傳感器缺失，如具有單籽粒分辨能力的播種監(jiān)測(cè)傳感器、播種施肥機(jī)連續(xù)質(zhì)量流監(jiān)測(cè)傳感器、植保作業(yè)機(jī)小流量監(jiān)測(cè)傳感器、高性能土壤養(yǎng)分或作物長(zhǎng)勢(shì)探測(cè)儀、收獲機(jī)谷物質(zhì)量流傳感器等。

(3)農(nóng)機(jī)監(jiān)測(cè)多源數(shù)據(jù)共享應(yīng)用研究不足

多源數(shù)據(jù)融合存在現(xiàn)場(chǎng)通信協(xié)議不統(tǒng)一，異構(gòu)數(shù)據(jù)融合處理再加工研究缺失，難以實(shí)現(xiàn)高效數(shù)據(jù)共享。激光雷達(dá)果樹(shù)生物量、圖像雜草識(shí)別等精細(xì)探測(cè)數(shù)據(jù)缺少快速處理算法，導(dǎo)致實(shí)時(shí)性差。農(nóng)機(jī)監(jiān)測(cè)傳感器接口、控制、顯示及信息傳輸?shù)榷喹h(huán)節(jié)缺乏統(tǒng)一的農(nóng)業(yè)信息采集與接入標(biāo)準(zhǔn)和資源共享機(jī)制，土壤養(yǎng)分信息車載網(wǎng)絡(luò)化傳輸缺乏標(biāo)準(zhǔn)，造成播種、施肥處方圖輸入和實(shí)時(shí)調(diào)整等信息交互時(shí)，用量、定位等信息的標(biāo)準(zhǔn)化接口缺失，極大增加了定制成本，推廣困難。

(4)農(nóng)機(jī)作業(yè)管理不完善

農(nóng)機(jī)作業(yè)管理體系發(fā)展不完善，如在數(shù)據(jù)采集階段，存在數(shù)據(jù)結(jié)構(gòu)雜亂，數(shù)據(jù)收集困難等問(wèn)題，導(dǎo)致農(nóng)機(jī)大數(shù)據(jù)體量不足；不同作業(yè)環(huán)節(jié)數(shù)據(jù)監(jiān)測(cè)缺少智能清洗算法，存在大量無(wú)效數(shù)據(jù)，導(dǎo)致農(nóng)機(jī)大數(shù)據(jù)質(zhì)量不高；農(nóng)機(jī)大數(shù)據(jù)挖掘分析不智能，無(wú)法形成全生產(chǎn)過(guò)程作業(yè)質(zhì)量評(píng)價(jià)體系，以支撐農(nóng)機(jī)社會(huì)化服務(wù)等應(yīng)用場(chǎng)景；缺少數(shù)據(jù)的應(yīng)用服務(wù)模型以支撐生產(chǎn)、決策，難以形成上傳下達(dá)閉環(huán)式智能農(nóng)機(jī)作業(yè)模式。

6 展望

我國(guó)農(nóng)機(jī)裝備智能測(cè)控技術(shù)與應(yīng)用方面取得了較大發(fā)展，但智能農(nóng)機(jī)田間無(wú)人/少人精準(zhǔn)作業(yè)仍與世界先進(jìn)水平存在差距，在農(nóng)機(jī)裝備智能測(cè)控系統(tǒng)化技術(shù)、無(wú)人農(nóng)場(chǎng)農(nóng)機(jī)自主作業(yè)關(guān)鍵測(cè)控技術(shù)、田間復(fù)雜環(huán)境農(nóng)機(jī)核心部件及傳感器、農(nóng)機(jī)大數(shù)據(jù)支撐的作業(yè)決策模型研究方面需要加大研究力度：

(1)農(nóng)機(jī)裝備智能測(cè)控系統(tǒng)化技術(shù)研究

農(nóng)機(jī)裝備智能測(cè)控研究與應(yīng)用需從系統(tǒng)化工程角度出發(fā)，在農(nóng)機(jī)作業(yè)數(shù)據(jù)精準(zhǔn)感知、智能決策、自主作業(yè)、平臺(tái)智能管理及精準(zhǔn)服務(wù)全環(huán)節(jié)開(kāi)展整體布局。針對(duì)智能決策、精準(zhǔn)服務(wù)等技術(shù)薄弱環(huán)節(jié)進(jìn)行重點(diǎn)突破；針對(duì)自主作業(yè)環(huán)節(jié)中土壤消毒與精準(zhǔn)施肥、施藥等應(yīng)用領(lǐng)域技術(shù)發(fā)展不均衡進(jìn)行橫向先進(jìn)技術(shù)轉(zhuǎn)化；形成作業(yè)現(xiàn)場(chǎng)精準(zhǔn)監(jiān)控、作業(yè)數(shù)據(jù)遠(yuǎn)程保存、作業(yè)決策云端支持、作業(yè)指令協(xié)同互聯(lián)的農(nóng)機(jī)裝備智能測(cè)控體系，推進(jìn)智慧農(nóng)業(yè)發(fā)展。

(2)無(wú)人農(nóng)場(chǎng)農(nóng)機(jī)自主作業(yè)關(guān)鍵測(cè)控技術(shù)研究

無(wú)人農(nóng)場(chǎng)是我國(guó)未來(lái)主要發(fā)展的農(nóng)業(yè)生產(chǎn)模式，實(shí)現(xiàn)無(wú)人農(nóng)場(chǎng)，離不開(kāi)農(nóng)機(jī)裝備智能測(cè)控技術(shù)。目前，隨著中國(guó)北斗衛(wèi)星導(dǎo)航系統(tǒng)全球組網(wǎng)成功，國(guó)內(nèi)拖拉機(jī)主機(jī)廠大馬力無(wú)級(jí)變速傳動(dòng)技術(shù)突破，自動(dòng)導(dǎo)航技術(shù)得以在農(nóng)業(yè)生產(chǎn)中獲得廣泛應(yīng)用，圍繞農(nóng)機(jī)自動(dòng)導(dǎo)航的農(nóng)機(jī)具自主作業(yè)關(guān)鍵測(cè)控技術(shù)亟需突破。主要包括研究適合土壤消毒作業(yè)、病害特點(diǎn)的精準(zhǔn)土壤消毒監(jiān)測(cè)與控制技術(shù)；研究變量播種與遠(yuǎn)程質(zhì)量監(jiān)控技術(shù)；研究適應(yīng)不同土壤條件和地表狀況的主動(dòng)式播深和下壓力調(diào)控技術(shù)；研究靶標(biāo)病蟲(chóng)害等特征在線快速感知、農(nóng)藥飄移主動(dòng)防控技術(shù)。

(3)田間復(fù)雜環(huán)境農(nóng)機(jī)核心部件及傳感器研發(fā)

田間復(fù)雜環(huán)境農(nóng)機(jī)核心部件和傳感器國(guó)際技術(shù)壁壘是限制高端智能農(nóng)機(jī)國(guó)產(chǎn)化應(yīng)用的關(guān)鍵。研發(fā)風(fēng)力集排種肥輸送裝置、精密排種器、精量噴頭、支路流量精準(zhǔn)調(diào)控閥等關(guān)鍵裝置；研發(fā)國(guó)產(chǎn)化低成本土壤養(yǎng)分、作物長(zhǎng)勢(shì)在線傳感器，支撐變量施肥在線決策裝備應(yīng)用；研發(fā)肥料種子連續(xù)落料、谷物收獲質(zhì)量流、植保低成本微小流速、果樹(shù)病蟲(chóng)害程度傳感器；在復(fù)雜環(huán)境關(guān)鍵部件和傳感器材料、結(jié)構(gòu)和耐用性方面亟需進(jìn)行商品化應(yīng)用發(fā)展。

(4)農(nóng)機(jī)大數(shù)據(jù)支撐的作業(yè)決策模型研究

在5G高速網(wǎng)絡(luò)支持下，依托平臺(tái)與終端互通互聯(lián)，構(gòu)建農(nóng)機(jī)大數(shù)據(jù)云平臺(tái)，發(fā)展以人工智能為代表的農(nóng)機(jī)終端、云端個(gè)性化決策技術(shù)，促進(jìn)大數(shù)據(jù)和智能農(nóng)機(jī)深度融合。研究農(nóng)機(jī)協(xié)同作業(yè)調(diào)度、作業(yè)路徑?jīng)Q策模型；研究變量播種處方云端決策模型；研究基于病蟲(chóng)害精準(zhǔn)施藥決策模型；研究自然風(fēng)影響農(nóng)藥主動(dòng)防飄移決策模型；研究收獲機(jī)故障預(yù)測(cè)與智能診斷決策模型等。

未來(lái)，農(nóng)機(jī)智能測(cè)控產(chǎn)業(yè)應(yīng)突出科技自立自強(qiáng)，攻克農(nóng)業(yè)傳感器和關(guān)鍵部件、農(nóng)機(jī)大數(shù)據(jù)與人工智能決策模型、農(nóng)機(jī)作業(yè)管理及云端服務(wù)等核心技術(shù)；研制農(nóng)業(yè)機(jī)器人、農(nóng)機(jī)智能控制器、農(nóng)機(jī)測(cè)控智能系統(tǒng)等高端產(chǎn)品；加快農(nóng)機(jī)裝備測(cè)控標(biāo)準(zhǔn)化建立、培育具有國(guó)際競(jìng)爭(zhēng)力的農(nóng)機(jī)裝備測(cè)控技術(shù)研發(fā)公司；加強(qiáng)政策扶持，推動(dòng)先進(jìn)、前沿的農(nóng)機(jī)裝備智能測(cè)控產(chǎn)品應(yīng)用，提升農(nóng)機(jī)測(cè)控整體智能化水平。