農機裝備智能測控技術研究現狀與展望

翟長遠 楊 碩 王 秀 張春鳳 宋 健

(1.北京市農林科學院智能裝備技術研究中心，北京 100097；2.國家農業信息化工程技術研究中心，北京 100097)

0 引言

在農業生產機械化水平不斷提升和城鎮化快速發展的國家戰略背景下，土地流轉加速，規模化農場成為發展方向，農場管理者對農機作業追求效率提升的同時，需要對作業質量進行嚴格把控。然而，受到農業非結構生產環境和農機專業操作人員短缺的現狀影響，傳統農機具性能已無法滿足實際生產需要。為滿足我國農業勞動人口減少，農業高質生產的重大需求，“強化農業科技和裝備支撐，建設智慧農業”列入國民經濟和社會發展“十四五”規劃和二〇三五年遠景目標[1]，發展智慧農業是我國農業持續高質發展的主要方向[2]，無人農場[3]是智慧農業重要的實現途徑。目前，以智能農機為支撐的無人農場正在加速構建[4]，農機裝備智能測控技術在無人自主農機作業新模式下急需進一步突破。農機裝備智能測控技術是智能農機的核心[5]，以農機裝備為載體，依據對農機作業狀態、作物、土壤、環境等信息的智能感知，經數據傳輸共享，構建決策模型，指導農機裝備精準監控、智能管理，推動農機智能化發展。

國內外農機裝備智能測控技術研究主要集中于利用先進信息技術對傳統農機進行智能化升級，促使農機作業模式革新，向人員投入更少、數據獲取更精準、決策更智能、作業質量更高、效率更快的方向發展(圖1)。本文綜述國內外由農機作業智能感知技術、農機裝備精準監控技術和農機作業智能決策與管理技術等組成的農機裝備智能測控核心技術的研究進展，以及各項關鍵技術應用現狀，分析我國農機裝備智能測控技術發展面臨的難題，指出未來發展趨勢。

圖1 農機裝備智能測控技術構成圖Fig.1 Composition diagram of intelligent measurement and control technology for agricultural equipment

1 農機作業智能感知技術

農機作業智能感知是農機作業決策與管理的信息來源，根據感知對象類型劃分，包括作物生長信息、土壤信息和機具作業狀態信息等。

1.1 作物生長信息

作物生長信息如位置、體積、生物量及病蟲草害信息的在線感知是構建精準作業決策模型的重要來源[6]。國內外學者在基于多種傳感器在線感知作物生長信息方面開展了大量研究，具體研究成果及水平如表1所示。就目前研究現狀可知，基于作物位置、外形體積感知技術已趨于產品成熟化，而作物生物量信息、病蟲草害信息在線感知技術仍停留在樣機研制與實驗室研發階段，正向自然環境條件的動態感知方向發展?；诠庾V探測作物長勢差異的變量施肥通過光譜信息對作物歸一化植被指數(NDVI)進行在線監測[36]，典型設備為美國Trimble公司GreenSeeker便攜式光譜儀。張玉屏等[37]通過稻葉測氮儀和無人機獲得的NDVI，構建了無損監測值與施肥數據庫，但國產化高性能的便攜式光譜探測儀目前仍無商品化產品。

表1 作物生長信息感知技術與發展水平Tab.1 Crop growth information sensing technology and its development level

1.2 土壤信息

土壤養分差異是變量施肥的依據，其信息獲取主要有基于測土配方和實時傳感兩種方式。測土配方是目前國際上應用范圍最廣的一項處方圖構建技術，但測土配方采樣柵格區域較大，細化柵格進行土壤養分測定耗時耗力，需要長期積累。遙感探測技術通過對土壤進行探測，經反演模型構建，分析有機質等土壤養分信息[38]作為施肥處方變量依據，是一種大范圍處方信息快速獲取手段，但存在動態數據監測困難的問題。土壤電導率能夠反映土壤養分差異[39-40]，是施肥變量在線獲取的重要手段。目前土壤電導率檢測方法主要有電磁感應法、遙感法、化學檢測法以及“電流-電壓”四端法，研究應用最多的是四端法，其檢測裝備可快速檢測電導率并且受環境干擾較小[41-42]。李民贊團隊研制出便攜式土壤電導率檢測裝置[43]。美國Veris公司研制的車載式MSPS土壤OM-EC-pH勘查測繪系統[44]可以快速、高密度、原位測繪區域土壤電導等參數(圖2)。

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

土壤電導率在線監測系統的精度和可靠性是困擾土壤電導率國產化產品應用的難題，研究土壤電導率與施肥處方決策模型將是下一步工作重點。

1.3 農機作業狀態信息

農機作業狀態是農機作業智能感知技術應用范圍最廣的領域，本文以車速、耕深、落種、播深、播種下壓力及施肥相關農機作業狀態為主要內容展開綜述(表2)。

表2 農機作業狀態感知技術Tab.2 Sensing technology of agricultural equipment operation state

基于車速的電驅播種主要通過雷達測速儀、地輪和GPS 3種方式進行測速，研究得出地輪車速在播種車速較低時播種速率調控更精準，而雷達測速和GPS測速在車速較高時具有優勢。

耕深是深松作業質量重要評價指標，實現耕深精準檢測與控制至關重要[81]。耕深檢測多采用角度傳感器、傾角傳感器、姿態傳感器、超聲波傳感器及紅外傳感器等其中的一種或多種配合實現。單一傳感器易受局部地表起伏變化影響，蔣嘯虎[82]設計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裝置，充分利用了兩種傳感器在不同環境下有效檢測數據融合，提高了實時監測耕深的準確性和穩定性。

播種質量對出苗、養分吸收、作物生長具有重要影響[83-84]，其關鍵因素包括播量、播深和下壓力等。播量監控首先需要解決落種感知的問題，基于光電感應的落種感知技術應用較廣，研究主要集中在提高紅外探頭布置密度、擴大無死角的光場區域等方面。但基于光電感應落種傳感易受到灰塵、非種子顆粒的影響，導致落種監測精度降低，學者利用圖像處理、位置點標定等方法得到實際粒距以解決上述問題。MANGUS等[85]將小體積高速攝像機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鍵因素之一，利用超聲探測播種深度研究較早，但基于超聲波的單點播深反饋調節系統，易受局部地形變化影響。為改進上述問題，運用紅外測距傳感器模組進行播深采集，但紅外傳感器檢測精度受環境光照影響較大，不利于后續播深控制。NIELSEN等[86]建立了擺臂旋轉角度與開溝深度關系模型，從播深探測原理上獲得突破。任守華等[87]在單體上安裝仿形拖板，通過編碼器反饋脈沖信號推導出拖板與機架夾角，計算獲得實際播種深度。播種下壓力同樣影響玉米出苗質量和產量[88]，由于無法被當場觀察到，常被種植戶忽略。播種單體下壓力的監測主要通過壓電薄膜監測限深輪形變、角度傳感器測量仿形擺臂角度等方法，該方法受到限深輪材質影響，實際作業調校復雜。付衛強等[68]通過軸銷力傳感器來檢測播種下壓力，一定程度上解決了上述問題。

施肥機參數感知技術方面，在肥箱、排肥口、導肥管等位置進行肥料有無探測最先得到應用，采用的技術手段包括光電對射、電容、振動感應等。肥料有無探測存在著即使排肥轉速信號存在，但無肥料下落時，系統無法察覺的缺陷。為解決上述問題，采用微波多普勒反射信號與肥量速率的相關性原理使肥料質量流監測成為可能，但目前受到可靠性的限制，國內外仍無商品化的肥料質量流監測傳感器。

收獲機參數感知方面，收獲機核心部件的監測最先開始研究，主要包括收獲機行走速度、系統溫度、壓力、轉速、扭矩等參數，目前，對收獲機核心部件的監測大多采用商品化的傳感器，發展比較成熟，主要應用于故障預警與智能診斷。此外，收獲產量是收獲機獲取作物產量信息的關鍵，目前產量信息獲取主要包括機器視覺、電容等傳感方法測量體積流和壓力沖擊式傳感獲取質量流兩種方法，基于體積流的產量測量方法受谷物密度、含水率影響較大，對于不同地域的谷物需要重復校正，誤差大。質量流產量測量方法是目前國際上應用最廣泛的方法，國外已形成成熟產品，但國內成熟產品仍欠缺。

2 農機裝備精準監控技術

2.1 耕深

土壤耕整作業是農業生產過程中的基礎環節。耕整機械主要包括犁、旋耕機、深松機、耙、鎮壓器、平地機械及開溝作畦機械等。近年來隨著自主導航技術、信息傳感技術、機電液一體化技術的快速發展，耕地精準監控技術開始向精細化與智能化方向推進。深松智能監測終端可通過傳感器感知耕深、作業速度和位置等信息，通過無線通訊技術將數據上傳至農機綜合管理平臺，為深松作業質量評價提供量化依據，可提升農機作業管理信息化水平。

2.2 平整地

農田精細平整技術可有效改善農田地表微地形，提高水肥利用率，增加作物產量[89-90]。目前應用較為廣泛的精細平整裝備大多采用激光控制平地技術。激光平地是一種利用激光束的發射和接收差異量來調節刮土板高度進而實現平整作業的先進技術。早在1965年美國開始將激光技術應用于平地機上，到了20世紀80年代該技術已開始在全美大規模使用。激光平地測控技術核心是監控平地鏟傾角與姿態。為提高平整作業精度國內外學者展開了大量研究，先后運用傾角傳感器[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時傾角，實現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、細菌、根線蟲等地下害蟲的高效防治技術，可解決高附加值作物生姜、芋頭、草莓、蘆筍等重茬障礙問題，顯著提高產量和品質[95]。目前國內外土壤消毒作業仍以化學防治為主，由于缺乏科學指導，易出現施藥過量，導致土壤藥劑殘留威脅農產品質量安全[96-97]。精準土壤消毒將藥劑均勻施到靶標根部附近，根據作業速度實時變量作業[98]，但關于精準土壤消毒相關的智能測控技術研究還相對薄弱。

2.4 播種

播種裝備智能測控技術主要體現在播量監控技術和播深監控技術兩方面。播量監控技術通過落種感知進行播種質量評價，依據最優播量實現變車速下均勻播種，是播種機田間作業關鍵技術之一[99-100]。基于落種感知進行播種質量在線監測與評價是保證播量精確的重要手段[101-102]。學者對排種器播種質量檢測系統進行了研究，比較典型的有Precision Planting公司生產的MeterMax型排種器檢測儀[103]和中國農業大學研制的玉米精量排種器自動檢測儀[104]。與室內環境相比，田間作業環境復雜，對播種質量監測精度帶來挑戰[105-106]，楊碩等[107]通過移動平均濾波算法提高了田間播種粒距的監測精度。播種粒距監測缺少地理位置信息導致種子落點位置無法精確定位[108]，使得田間播種質量差異難以追溯。為解決該問題，黃東巖等[109]利用差分GPS定位與GPRS傳輸實現了播種質量遠程監測。Precision Planting公司[110]和AgLeader[111]公司研制了結合GIS技術進行播種質量地圖展示終端。

在播深實時監測精度不斷提高的基礎上，播深控制得以實現，主要通過限深輪擺動角度和單體仿形機構兩種形式。LUND等[112-113]提出了一種基于土壤特性的實時播深控制方法和系統，播深調節裝置通過機械連接方式控制限深輪擺動角度，進而調節設定播深。John Deere公司[114]研發了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合的限深方式，可適應地表±20°起伏。目前，播深監控技術研究多集中在通過限深機構被動提高播深控制一致性，根據土壤狀態實時感知來主動調控播深仍有待研究。

2.5 植保

機械植保主要是采用植保機噴施農藥，從而達到防治病蟲草害目的。隨著精準農業的發展，精準施藥技術成為發展趨勢。植保作業狀態參數包括作業速度、噴霧壓力、流量、噴桿姿態、噴頭堵塞等。實時監測作業狀態參數旨在傳遞狀態信息至控制系統分析執行變量控制決策。國內相比國外研究起步較晚，魏新華等[115]設計了一套PWM間歇噴霧式變量噴施系統，建立了基于作業速度、噴霧壓力、PWM控制信號頻率和占空比的施藥量控制模型。蘆澤陽等[116]通過多傳感信息感知，建立基于總線控制的多作業參數的在線監控系統，實現了噴頭堵塞報警和噴桿自動仿形噴霧。對靶施藥根據作物位置、體積、生物量及病蟲草害信息的在線感知實現精準變量對靶噴藥，因用藥量小、利用率高成為精準施藥技術的重要內容。翟長遠等[117]提出了一種基于作物生長信息的變量噴霧控制系統，實現了果園噴霧風速風量與藥量協同控制。目前，先進的對靶噴藥機已經能夠實現根據果園生物量分布進行精準施藥，針對作物病蟲害對靶施藥將是下一步的研究重點。

2.6 收獲

與其他作業環節機具相比，機械收獲具有大型化、復雜化特點。對收獲機進行智能監控，主要包括故障預警與智能診斷、作業信息監測、自動控制等方面[118]。故障預警與智能診斷依賴于對發動機等核心收獲部件的監測比較成熟，但僅依靠核心部件監測的故障診斷準確率較低，為了提高預警及診斷的準確率，整機控制狀態、收獲模式、行走軌跡、發動機震動、堵塞等越來越多的參數被監測和使用[119-120]，多傳感器信息融合[121]、故障診斷知識庫和推理機制[122]、深度學習及神經網絡等技術開始應用于智能故障診斷。劉景[123]基于聯合收獲機車載多傳感器數據，提出了一種簡化單元網絡，通過無監督學習訓練進行綜合故障預警診斷，準確率達到98.5%，WANG等[124]使用CAN總線技術采集多源數據，通過卡爾曼濾波去除噪聲，基于BP神經網絡進行收獲機故障診斷，有效去除了噪聲干擾。

為了降低收獲機故障率、減少收獲損失，收獲機精準控制系統發展迅速。對于薯類、花生等地下作物，以對行控制、挖深控制、工作速度控制為目前主要研究方向。李濤等[125]設計了一種自動挖深控制系統，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。對于谷物聯合收獲機，作業速度、滾筒轉速、喂入量等參數與損失量關系模型及控制算法研究較多[127-128]。邢高勇等[129]設計了一種脫粒滾筒轉速、期望作業速度模糊控制器與模糊PID作業速度智能調控算法，根據脫粒滾筒轉速變化情況不斷地調節作業速度，使喂入量保持在脫粒滾筒額定范圍內，防止發生堵塞。LIANG等[130]研究了風機轉速、導板角度、篩孔對谷物篩失量的影響，開發了模糊控制系統，進行風機轉速、導板角度自動調整，降低篩選損失。

2.7 數據傳輸與共享

近年來，隨著農機裝備智能化和分布式特點的逐漸強化，控制器局域網(CAN)通信技術的研究、協議制定和技術應用已經成為農機個體測控系統數據傳輸主流方式[131-134]。根據開放式通信系統互聯參考(OSI)，國際標準化組織在德國農業機械總線標準DIN9684和美國汽車工業協會(SAE)汽車總線協議J1939的基礎上，設計了ISO 11783標準，現已成為農機智能裝備領域應用最廣泛的現場總線技術[135-136]。

我國現行的標準GB/T 35381《農林拖拉機和機械 串行控制和通信數據網絡》[137]在拖拉機主機廠的CAN協議制定和應用相對規范，但受到農機具智能測控系統功能的多樣性，多數研發團隊仍采用自定義的應用層協議，限制了農機個體測控數據的共享性能。

農機作業智能決策與管理依賴農機大數據，農機大數據來源為農機測控終端遠程傳輸數據，農機整體遠程數據交換標準化協議對農機大數據的智能化知識提取至關重要。近3年國內頒布了多項設計規范[138-140]，農機測控終端和遠程監測管理平臺數據協議較多采用JSON(JavaScript Object Notation)格式[141-142]，主要對用戶配置信息查詢、區域信息查詢以及農機類型、定位、軌跡、作業圖像及作業地塊等信息進行了規范設計，以及對耕、種、管、收主要農機作業信息進行了規定設計，為農機作業遠程監測平臺的大范圍應用奠定了良好基礎。未來，相關國家標準制定和修訂有待加強。

3 農機作業智能決策與管理技術

農機作業管理通過云平臺對農機作業多項環節進行作業質量監管、智能決策和遠程管理。在深松環節技術較成熟，HAIAHEM等[143]設計了一種基于Internet的深松監測系統，實現了深松數據清洗和遠程采集；LOU等[144]開發了一套深松遠程獨立監測系統，實現對每排深松鏟深度進行獨立監測。不同作業環節對質量評價的標準各異，需要監測的指標復雜多樣，比如植保作業需要對霧滴粒徑分布、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據進行采集和統計分析[145-146]。田間作業過程中，衛星定位、農機測控終端上傳了大量的農機數據，其中包含運行軌跡數據、田間作業數據、農機故障數據等，通過對機具相關參數的挖掘可以進行故障監測，侯艷芳[147]根據智能數據挖掘技術的閉環控制機理，搭建了播種機故障監測理論模型，LI等[148]基于大數據技術，分析了各機構傳動方式和工作原理，對電動裝置和行走液壓系統進行優化，降低了故障率。基于農機故障和位置數據熱力圖，企業可以優化配置維修和售后資源[149]。

農機監管平臺的應用依賴于智能決策技術的發展，比較典型的代表為農機遠程調度決策技術。農機調度決策是多因素控制下的最優解問題，多因素包括農田環境[150]、農機[151]、機庫[152]、農田區域[153]、時間窗[154]等，最優目標主要有最優路徑[155]、最優成本[156]、最優時間等。SUN等[157]提出了跨區域農機智能調度體系結構，搭建了相應的信息服務系統；ORFANOU等[158]提出了一種最優成本的調度方法；張帆等[159]針對多塊農田需連續進行多種生產任務的問題，提出改進多父輩遺傳算法的優化方法求解農機作業規劃方案，實現了最優時間調度；張璠等[160]建立了以最小化調配成本和損失為目標的緊急調配模型，提出了基于距離最近優先的多機多任務緊急調配算法和基于貢獻度最大優先的多機多任務緊急調配算法；YANG等[161]設計了一個基于區塊鏈的調度系統，去掉了中央服務器，提高了安全性、穩定性和調度效率；LUO等[162]基于時間、空間、天氣、道路、多農田、時間窗等，提出了一種改進的模糊混合遺傳算法建立調度模型，能夠提高農機資源中心的利用效率，降低農機使用成本。目前，農機調度算法驗證大多基于仿真數據，需進一步開展應用驗證研究。

4 農機裝備智能測控技術應用

4.1 土地耕整機

目前耕深監控系統國內外均有成熟的產品，John Deere公司的TruSet耕深監控系統[163](圖3)，可利用安裝在地輪與機架上的傳感器檢測耕深，并根據處方或設置的固定深度，通過液壓系統精準控制，人機界面可實時顯示工作狀態。

圖3 John Deere TruSet耕深監控系統Fig.3 John Deere TruSet tillage depth control system

CASE公司的AFS耕深智能控制系統[164]配備GNSS導航，可根據土壤秸稈覆蓋率、含水率、緊實度等實際條件實現精準平地控制。國內智仁科技公司開發的農機深松耕地作業GNSS監控系統[165]，可實現農機深松作業過程、面積、深度等參數實時準確監測，支持深松作業數據統計分析、圖形化顯示、作業機具管理、作業視頻監控與合作社管理等功能?；诩す馄降丶夹g的商業化產品較多，比較有代表性的為美國Trimble公司研制的GCS系列農業激光平地自動控制系統[166](圖4)，著眼于過程控制，通過LR41/410激光接收器監測的方式，對平地機鏟刀的高程和傾角實時顯示監測，自動控制油缸升降運作，實現高程精度要求。

圖4 Trimble GCS系列激光平地監控系統Fig.4 Trimble GCS laser flat control system

國內也有多家企業研發了成熟的產品，具有代表性的為盛恒天寶公司的IGS激光平地系統[167]，激光平整精度可達2 cm。但由于激光平地機在強光、大風等作業環境下難以正常工作，不適合平整大面積、坡度大的土地，為此基于GNSS智能精細平地機的研發熱度激增[168-169]。GNSS平地機通過GNSS差分技術獲得平地鏟的高程和姿態角信息，控制終端進行高度實時調節，工作范圍廣，定位精準，不易受環境因素影響，在發達國家已開始逐漸替代激光平地系統，其中代表機型有美國Trimble FieldLevel Ⅱ平地控制系統和日本Topcon System 310平地控制系統。國內南京農業大學[170]設計了一種基于雙GNSS天線的智能水田平整地控制系統，以天線高程定位數據與俯仰角數據作為旋耕平地機高程與傾角信息，采用模糊PID控制算法，實現了機具的水平與高度調節，在不同作業環境和土質條件下適用效果良好。中國農業大學[171]提出了一種基于GNSS雙天線和姿態航向參考系統組合的地形測量方法，減小了農田平整過程中農田地勢信息的采集誤差，提高農田三維地形的測量精度。我國GNSS精細平地技術雖然起步較晚，但隨著北斗衛星導航定位系統的不斷發展，以及多方學者的技術攻關，GNSS精細平地系統應用規模在快速擴大。

4.2 土壤消毒機

精準消毒系統主要針對固液兩種形態消毒劑開展了研究。國外鮮有針對土壤消毒設備進行專門開發，多聚焦開發精準灌溉消毒一體化設備。我國針對土壤消毒化學劑的物理形態特點，進行了針對性試驗研究。馬偉等[172]針對液態土壤消毒劑開發了一種新型土壤精準消毒機，采用盤式轉動分流技術，基于霍爾傳感器、轉速編碼器、超聲傳感器等開發精準消毒變量控制系統，實現圓盤注藥藥量和速度之間的精準伺服調節，同時開發單位面積消毒劑用量PID調節的一體化調控消毒機終端，實現了施藥量數據實時上傳，如圖5所示。針對固態土壤消毒劑，MA等[173]研制了一種3D-XG200型基于物聯網精準消毒系統(圖6)，開發了基于電力驅動的精準變量控制系統，實現固態粉制藥劑通過氣體輸送的方式經藥劑變量分配并與旋耕中的土壤充分混合，達到土壤消毒效果，系統配套的物聯網管理系統可以方便查詢地塊藥劑使用量分布情況。目前國內成熟產品化土壤消毒機大多聚焦開發大功率自走深旋精準土壤消毒一體機，可同時完成旋耕整地與土壤消毒作業，但缺少相關智能測控技術的支撐。由于土傳病害特殊性，實時檢測難度大，目前基于蟲害在線監測變量施藥技術需要深入研究。

圖5 1G-J800型液態土壤精準消毒系統Fig.5 1G-J800 liquid soil precise disinfection system

圖6 3D-XG200型基于物聯網精準消毒系統Fig.6 3D-XG200 accurate disinfection system based on Internet of things

4.3 播種機

播種機智能測控技術應用主要集中在排種監控終端、播深與下壓力監控終端兩方面，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排種監控終端電驅排種是排種速率在線調節的主要方式，德國Horsch公司、美國Kinze公司、美國Precision Planting公司、瑞典V?derstad公司均推出了電驅排種系統[174]。播種機田間工作時，電驅排種控制精度主要受到車速、播種處方圖兩個變量的影響[175-176]?；谲囁俚碾婒屌欧N無法實現不同地理位置的最優播量調控，美國凱斯紐荷蘭(CNH)公司研制了EARLY RISER 2000系列播種處方變量播種機，實現根據地理位置的精準變量播種(圖7)。HE等[177]利用總線通信技術開發了一種價格較低的國產化處方變量播種系統(圖8)?；谔幏綀D的變量播種根據種植環境的養分和地理位置等差異，按播種處方圖進行播量定位調控，具有節本增產的巨大潛力[178-179]，但播種處方圖構建、變量播種調控關鍵技術國產化應用研究相對滯后。

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

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

4.3.2播深與下壓力監控終端

根據下壓力監測進行反饋調節，能夠解決種溝壓實不當的問題。美國Precision Planting公司研發了SeederForce下壓力控制系統和20/20 SeedSense終端監測系統[180](圖9a)，實時監控各播種行下壓力波動區間。Kinze公司開發了True Depth下壓力控制系統和Blue Vantage遠程監控系統[181](圖9b)。AgLeader公司[182]研發了SureForce下壓力控制系統，采用液壓缸控制單體對地下壓力，可提供1 134 N的提升力和2 948 N的下壓力，相比空氣彈簧，減小了控制響應時間(圖9c)。播種深度和下壓力存在著交互關系，二者融合調控，同時達到播種深度和下壓力最優化仍有待深入研究。

圖9 播種下壓力監控系統Fig.9 Seeding downforce monitoring system

4.4 施肥機

變量施肥終端監控技術是施肥機智能測控技術應用的典型代表，也是精準農業變量作業應用最早的技術之一[183]。北京農業智能裝備技術研究中心[184-185]在國內較早研制了基于處方精準變量施肥作業系統及作業樣機，能夠根據施肥處方圖調整外槽輪排肥器轉速進行變量作業。在此基礎上，施肥均勻性和施肥位置精準性提升方法得到應用。施肥均勻性能提升主要包括行進方向均勻性和幅寬方向均勻性兩個關鍵參數。肥料填充率[186]、出肥口開度[187]、排肥轉速等因素影響下的排肥性能精準監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、對行分層施肥等技術應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揮。施肥位置調控應用使上述問題得以改善，主要有分層施肥和對靶施肥兩項技術。分層施肥通過淺層和深層組成的施肥深度調控，使得肥料養分吸收效率更高[192-193]。對靶施肥針對作物靶標位置進行施肥分段調控，起到了肥料減施增效的作用[194-196]。目前，施肥機智能終端在處方信息獲取、處方在線傳感、施肥機工況監測和精準施肥調控方面積累了一系列技術成果，但仍缺乏施肥變量決策模型快速構建方法、施肥機質量流監測傳感器等。

4.5 植保機

目前植保機智能噴霧監控系統國內外均有相關成熟產品，如TopconSprayMaster200智能噴霧變量控制系統[197](圖10)、TeejetRadion 8140噴霧控制系統[198](圖11)，均可實現噴霧流量、壓力、施藥量等在線監測與控制。DORUCHOWSKI等[199-200]開發了一種作物自適應噴霧系統CASA(圖12)，可以根據作物冠層信息、作業環境、果樹病蟲害進行風速、藥量控制。國內智能監測終端的開發方面，博創聯動與北京農業智能裝備技術研究中心開發的EM系列農機噴藥物聯網監測終端[201](圖13)，具有手控和自控兩種模式，可實現作業狀態參數實時監測，施藥量、作業面積、作業軌跡記錄數據上傳至農機物聯網云平臺，支持多機作業信息化綜合管理與評價。

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

圖11 TeejetRadion 8140精準變量噴霧系統Fig.11 TeejetRadion 8140 precise variable spray system

圖12 CASA精準變量噴霧系統Fig.12 CASA precise variable spray system

圖13 EM系列農機噴藥物聯網監測終端Fig.13 EM series agricultural machinery spraying drug network monitoring terminal

4.6 收獲機

收獲機智能監控技術應用主要體現在產量監測和收獲損失率監測方面。產量監測國外已形成成熟產品，如John Deere公司的GreenStar谷物產量監控系統[202](圖14)，國內也有相關研究，如耿端陽等[203]以谷物產量與谷物質量流壓力間的谷物產量監測數學模型為指導，搭建了谷物產量監測試驗臺(圖15)，但目前國內尚未見到成熟產品。收獲損失受多因素影響，如谷物損失受前進速度、喂入量、機械震動、作業軌跡等因素影響[204]，薯類損失受挖掘深度、工作速度等影響明顯[205]，油料類收獲割臺振動是造成損失的重要原因之一[206]。在薯類、油料類作物監測方面產品缺失，研究確定不同作物收獲機損失率影響因素，并建立損失率計算模型[207]，進而研制損失率監測產品是下一步發展趨勢。

圖14 John Deere GreenStar系統Fig.14 John Deere GreenStar system

圖15 國產谷物產量信息實時顯示界面Fig.15 Real time display interface of domestic grain yield information

目前，美國John Deere公司、德國CLAAS 公司、美國Case IH公司等國外企業收獲機智能監控技術較為成熟，如John Deere公司的GreenStar系統(圖14)，包含了產量監控系統、智能喂入量控制系統、衛星導航系統，我國在產量計量、損失率監控技術的研究方面起步較晚，落后國外較多，亟需加強收獲測控終端產品的研發。

4.7 農機作業管理平臺

深松作業遠程監測平臺是目前應用范圍最廣的農機作業管理平臺，國內已有多個團隊進行了研發和規?；瘧茫现拒姷萚208]采用Browser/Server架構搭建了農機深松作業遠程監測平臺，終端采用單點衛星定位，作業面積最大誤差0.92%(圖16)；劉陽春等[209]設計的深松作業遠程管理系統，同樣采用Browser/Server架構，通過Active MQ消息隊列技術和數據查詢緩存技術，緩解了數據庫高并發負載問題。2017年中國農業機械化協會頒布了T/CAMA01—2017《農機深松作業遠程監測系統技術要求》團體標準，在該標準的推動下，同年，中國農業機械化協會公布了20家單位和公司的深松作業遠程監測系統選型公告，標志著深松作業質量監管已經形成國產市場化運營體系。

圖16 深松作業遠程監測平臺Fig.16 Remote monitoring platform for subsoiling operation

玉米精準播種作業管理平臺方面，北京德邦大為科技有限公司研發的農機管家APP管理平臺，采用4G高速網絡傳輸技術，可同時監管播種機的有效作業面積、播種量、施肥量、作業合格率和秸稈覆蓋率等重要信息[210]，但其對種子落點定位等關鍵指標[211]未有涉及。其他農機作業環節方面，王誠龍等[212]對播種、施肥、深松環節進行了作業質量在線監測研究，并采用Browser/Server平臺結合智能移動終端APP進行數據管理。目前，除深松作業外，其他環節在國內尚無大范圍的實際應用，未來農機作業全程質量監管將成為發展趨勢。

隨著土地改革的深入，我國逐漸形成了以農機專業合作社、農機服務隊為經營主體的農機社會化服務體系，為了提升服務質量和效率，農機社會化服務網絡平臺發展迅速。其中最具代表性的是中國農業社會化服務平臺(簡稱中國農服平臺)[213]，該平臺采用Browser/Server架構搭建，是農業農村部主導的農業社會化服務領域全產業鏈在線服務平臺，小農戶和新型農業生產主體利用手機和計算機直接與服務組織進行對接和交流，消除了小農戶與服務組織的信息交互障礙，促進農業服務資源在合理區域流動，提高了農業社會化服務效率。南京市[214]、臨洮縣、新疆等地也陸續推出了農機社會化服務地方平臺。積極推進“互聯網+農機作業”發展，建立農機大數據系統，提高農機監管、智能決策、故障診斷、遠程調度、售后服務的產業化水平成為未來發展趨勢。

從技術層面來看，Browser/Server架構是目前應用最多的農機作業管理平臺架構，結合智能手機軟件進行應用將成為主流模式；隨著農機作業管理類別和數量的增多，服務器高并發訪問技術將被更多應用在該領域。

5 現狀問題分析

(1)農機裝備智能終端田間復雜環境適應性差

我國農機裝備智能終端的監控準確性和耐用性普遍受復雜作業環境影響。國產深松和平整地設備多采用單一傳感器監測耕深和平整度，易受到土壤含水率、局部地表起伏的影響導致作業效果差；大多土壤消毒機械作業粗放，針對土壤消毒劑形態多樣、理化性質差異大的應用環境缺少針對性的監控技術研究，導致通用性差；電驅排種、播深調控受到免耕起伏地表播種單體振動的影響，采用室內單一變量構建調控模型指導田間作業，穩定性差。

(2)農機裝備核心部件和高性能傳感器存在國際技術壁壘

關鍵環節核心部件及高性能傳感器落后嚴重制約著農機裝備智能測控產業發展。如靶標生物量及病蟲害的實時感知技術研究不足；靶標精準控制實時變量存在管路壓力波動問題，高性能變量噴頭的施藥量及霧化效果尚需研究；收獲機核心部件工作狀態、產量、作物含水率、損失率等在線監測方法模型應用研究不足。國產化高性能傳感器缺失，如具有單籽粒分辨能力的播種監測傳感器、播種施肥機連續質量流監測傳感器、植保作業機小流量監測傳感器、高性能土壤養分或作物長勢探測儀、收獲機谷物質量流傳感器等。

(3)農機監測多源數據共享應用研究不足

多源數據融合存在現場通信協議不統一，異構數據融合處理再加工研究缺失，難以實現高效數據共享。激光雷達果樹生物量、圖像雜草識別等精細探測數據缺少快速處理算法，導致實時性差。農機監測傳感器接口、控制、顯示及信息傳輸等多環節缺乏統一的農業信息采集與接入標準和資源共享機制，土壤養分信息車載網絡化傳輸缺乏標準，造成播種、施肥處方圖輸入和實時調整等信息交互時，用量、定位等信息的標準化接口缺失，極大增加了定制成本，推廣困難。

(4)農機作業管理不完善

農機作業管理體系發展不完善，如在數據采集階段，存在數據結構雜亂，數據收集困難等問題，導致農機大數據體量不足；不同作業環節數據監測缺少智能清洗算法，存在大量無效數據，導致農機大數據質量不高；農機大數據挖掘分析不智能，無法形成全生產過程作業質量評價體系，以支撐農機社會化服務等應用場景；缺少數據的應用服務模型以支撐生產、決策，難以形成上傳下達閉環式智能農機作業模式。

6 展望

我國農機裝備智能測控技術與應用方面取得了較大發展，但智能農機田間無人/少人精準作業仍與世界先進水平存在差距，在農機裝備智能測控系統化技術、無人農場農機自主作業關鍵測控技術、田間復雜環境農機核心部件及傳感器、農機大數據支撐的作業決策模型研究方面需要加大研究力度：

(1)農機裝備智能測控系統化技術研究

農機裝備智能測控研究與應用需從系統化工程角度出發，在農機作業數據精準感知、智能決策、自主作業、平臺智能管理及精準服務全環節開展整體布局。針對智能決策、精準服務等技術薄弱環節進行重點突破；針對自主作業環節中土壤消毒與精準施肥、施藥等應用領域技術發展不均衡進行橫向先進技術轉化；形成作業現場精準監控、作業數據遠程保存、作業決策云端支持、作業指令協同互聯的農機裝備智能測控體系，推進智慧農業發展。

(2)無人農場農機自主作業關鍵測控技術研究

無人農場是我國未來主要發展的農業生產模式，實現無人農場，離不開農機裝備智能測控技術。目前，隨著中國北斗衛星導航系統全球組網成功，國內拖拉機主機廠大馬力無級變速傳動技術突破，自動導航技術得以在農業生產中獲得廣泛應用，圍繞農機自動導航的農機具自主作業關鍵測控技術亟需突破。主要包括研究適合土壤消毒作業、病害特點的精準土壤消毒監測與控制技術；研究變量播種與遠程質量監控技術；研究適應不同土壤條件和地表狀況的主動式播深和下壓力調控技術；研究靶標病蟲害等特征在線快速感知、農藥飄移主動防控技術。

(3)田間復雜環境農機核心部件及傳感器研發

田間復雜環境農機核心部件和傳感器國際技術壁壘是限制高端智能農機國產化應用的關鍵。研發風力集排種肥輸送裝置、精密排種器、精量噴頭、支路流量精準調控閥等關鍵裝置；研發國產化低成本土壤養分、作物長勢在線傳感器，支撐變量施肥在線決策裝備應用；研發肥料種子連續落料、谷物收獲質量流、植保低成本微小流速、果樹病蟲害程度傳感器；在復雜環境關鍵部件和傳感器材料、結構和耐用性方面亟需進行商品化應用發展。

(4)農機大數據支撐的作業決策模型研究

在5G高速網絡支持下，依托平臺與終端互通互聯，構建農機大數據云平臺，發展以人工智能為代表的農機終端、云端個性化決策技術，促進大數據和智能農機深度融合。研究農機協同作業調度、作業路徑決策模型；研究變量播種處方云端決策模型；研究基于病蟲害精準施藥決策模型；研究自然風影響農藥主動防飄移決策模型；研究收獲機故障預測與智能診斷決策模型等。

未來，農機智能測控產業應突出科技自立自強，攻克農業傳感器和關鍵部件、農機大數據與人工智能決策模型、農機作業管理及云端服務等核心技術；研制農業機器人、農機智能控制器、農機測控智能系統等高端產品；加快農機裝備測控標準化建立、培育具有國際競爭力的農機裝備測控技術研發公司；加強政策扶持，推動先進、前沿的農機裝備智能測控產品應用，提升農機測控整體智能化水平。