作物長勢監(jiān)測技術(shù)研究進(jìn)展

摘" 要：作物長勢是表征作物農(nóng)情信息的重要組成因素，反映作物的生長趨勢和生長狀況，及時(shí)準(zhǔn)確地監(jiān)測作物的長勢情況，有利于實(shí)現(xiàn)精細(xì)農(nóng)業(yè)，為管理者提供精確的數(shù)據(jù)和指導(dǎo)，進(jìn)行作物的產(chǎn)量估測。該文對作物長勢監(jiān)測的實(shí)地考察法、遙感監(jiān)測技術(shù)、機(jī)器視覺技術(shù)、作物遠(yuǎn)程監(jiān)測技術(shù)的原理、監(jiān)測指標(biāo)、優(yōu)點(diǎn)與缺點(diǎn)及研究進(jìn)展進(jìn)行討論，分析目前幾種監(jiān)測技術(shù)的優(yōu)勢和不足，提出多種技術(shù)融合的作物長勢監(jiān)測，有助于獲取作物長勢更加完整的信息，為作物的科學(xué)化、智能化管理提供更加可靠的依據(jù)。

關(guān)鍵詞：作物；長勢；監(jiān)測；精細(xì)農(nóng)業(yè)；產(chǎn)量估測

中圖分類號：S126" " " " 文獻(xiàn)標(biāo)志碼：A" " " " " 文章編號：2096-9902（2023）21-0014-04

Abstract： Crop growth condition is an important component of crop agricultural information， which reflects the growth trend and growth status of crops. Timely and accurate monitoring of crop growth is conducive to the realization of precision agriculture and provide accurate data and guidance for managers to estimate crop yields. This paper discusses the principle， monitoring index， advantages and disadvantages and research progress of crop growth monitoring， remote sensing monitoring technology， machine vision technology， crop remote monitoring technology， analyzes the advantages and disadvantages of several current monitoring techniques， and puts forward crop growth monitoring based on the integration of multiple technologies， which is helpful to obtain more complete information of crop growth， thus providing a more reliable basis for the scientific and intelligent management of crops.

Keywords： crop; growth condition; monitoring; precision agriculture; yield estimation

農(nóng)業(yè)作為國之根本，農(nóng)作物的種植、生長及產(chǎn)量與國家的糧食安全息息相關(guān)。我國人口眾多，耕地面積有限且比較分散，為提高我國作物的種植效率、降低種植成本、改善生態(tài)環(huán)境，需要及時(shí)地獲取作物的生長情況，對作物進(jìn)行動態(tài)調(diào)查和監(jiān)測，構(gòu)建“高產(chǎn)、優(yōu)質(zhì)、低耗”的農(nóng)作物生產(chǎn)模式，為作物的估產(chǎn)提供參考依據(jù)，提高種植農(nóng)戶生產(chǎn)管理與經(jīng)營決策的智能化和科學(xué)化水平。

1" 作物的長勢監(jiān)測

植物在生長的過程中，往往要經(jīng)歷內(nèi)部成分、結(jié)構(gòu)和外部形態(tài)特征等一系列的變化，這些都可以反映作物的某些長勢情況[1]。作物的長勢監(jiān)測主要是利用各種不同的技術(shù)手段對作物的特征參數(shù)進(jìn)行研究，判斷作物的生長狀況。楊邦杰等[2]曾將作物長勢的特征參數(shù)概括為個體特征參數(shù)、群體特征參數(shù)和綜合參數(shù)，如葉面積指數(shù)LAI就是反映作物個體特征和群體特征有關(guān)的綜合指標(biāo)。對于某些地區(qū)可能出現(xiàn)糧食短缺等問題的情況下，通過及時(shí)準(zhǔn)確地對作物的生長情況進(jìn)行監(jiān)測，盡早發(fā)現(xiàn)作物生長過程中可能存在的問題，對作物進(jìn)行栽培和科學(xué)管理在某種程度上比糧食估產(chǎn)更重要[3]。在農(nóng)業(yè)生產(chǎn)管理，甚至在制定經(jīng)濟(jì)決策過程中，作物長勢都是重要的信息來源和依據(jù)，通過對作物生長過程中不同時(shí)期的長勢監(jiān)測，對作物的水肥、營養(yǎng)狀態(tài)及病蟲害情況等方面進(jìn)行實(shí)時(shí)掌握，針對作物生長的各類問題進(jìn)行及時(shí)的檢測和解決，對作物進(jìn)行適當(dāng)?shù)墓芾泶胧瑏磉_(dá)到作物增產(chǎn)的目的，以及為科學(xué)的產(chǎn)量估測提供依據(jù)[4]。

2" 作物的長勢監(jiān)測研究方法

對作物長勢進(jìn)行監(jiān)測的研究最早是在19世紀(jì)70年代，最開始對大田作物進(jìn)行田間采樣、人為實(shí)地觀察監(jiān)測；后來隨著現(xiàn)代計(jì)算機(jī)技術(shù)、遙感技術(shù)、傳感器技術(shù)等先進(jìn)技術(shù)在農(nóng)業(yè)中的廣泛應(yīng)用，實(shí)現(xiàn)了利用機(jī)器視覺與圖像處理技術(shù)、遙感技術(shù)、遠(yuǎn)程監(jiān)控技術(shù)對作物的長勢監(jiān)測[5]。

2.1" 實(shí)地觀測法

由研究人員到田地依靠自身豐富的經(jīng)驗(yàn)和農(nóng)業(yè)知識對作物的長勢進(jìn)行觀察判斷的方法是作物長勢監(jiān)測的最傳統(tǒng)的方法。土壤、水分和病蟲害情況都是影響作物生長的重要因素。研究者通過觀察土壤的顏色、質(zhì)地、水分、肥力等指標(biāo)來判斷土壤的質(zhì)量，土壤中的養(yǎng)分直接影響作物的生長，進(jìn)一步通過觀察作物的葉片顏色、大小、形態(tài)等來判斷作物的養(yǎng)分供應(yīng)情況[6]；通過觀察土壤的濕度、葉片的大小、顏色等來估測水分供應(yīng)情況；觀察作物的葉片、枝干、根系等部位來判斷作物的病蟲害情況；結(jié)合以上幾個方面的觀察和分析，可以大致對作物的生長情況進(jìn)行監(jiān)測，并采取相應(yīng)的措施改善作物的生長環(huán)境，促進(jìn)作物的生長。

2.2" 遙感監(jiān)測技術(shù)

精細(xì)農(nóng)業(yè)的理論與技術(shù)體系已成為21世紀(jì)農(nóng)業(yè)技術(shù)研究的重點(diǎn)。精細(xì)農(nóng)業(yè)的發(fā)展受制于對作物生長信息的實(shí)時(shí)獲取，而遙感技術(shù)具有實(shí)時(shí)、快速、準(zhǔn)確等特點(diǎn)，可非破壞性地獲取農(nóng)田作物的生長環(huán)境和生長狀況等的精確信息[7]，因此遙感技術(shù)成為實(shí)施精細(xì)農(nóng)業(yè)最為重要的工具之一[8]。遙感監(jiān)測是根據(jù)作物對可見光部分的反射率低，對近紅外部分的反射率高的光譜反射特性[9]，獲取并分析處理作物的遙感影像數(shù)據(jù)，提取反映作物生長的參數(shù)信息，進(jìn)而來實(shí)現(xiàn)作物長勢的監(jiān)測。利用遙感監(jiān)測作物可及時(shí)地獲取大面積作物的生長狀態(tài)、分布情況和病蟲害情況等，便于為作物生產(chǎn)的管理人員提供及時(shí)準(zhǔn)確的數(shù)據(jù)信息，根據(jù)實(shí)際情況實(shí)時(shí)采取準(zhǔn)確、有效的管理措施[10]。

西方國家首先將遙感技術(shù)應(yīng)用到作物長勢監(jiān)測技術(shù)中。普渡大學(xué)在20世紀(jì)60年代首次利用遙感對玉米的長勢進(jìn)行監(jiān)測[11]，為基于遙感的作物長勢監(jiān)測研究奠定了基礎(chǔ)。此后美國和歐盟等也開始重視利用遙感技術(shù)對作物的長勢進(jìn)行監(jiān)測，利用衛(wèi)星遙感數(shù)據(jù)先后開展了大規(guī)模的小麥估產(chǎn)實(shí)驗(yàn)[12]、農(nóng)業(yè)和資源的空間遙感調(diào)查計(jì)劃[13]，建立了農(nóng)情監(jiān)測系統(tǒng)，實(shí)現(xiàn)對美國的小麥、水稻、玉米、大豆和棉花等農(nóng)作物的長勢監(jiān)測與估產(chǎn)[14]；歐盟實(shí)施遙感農(nóng)業(yè)監(jiān)測，構(gòu)建了農(nóng)作物估產(chǎn)系統(tǒng)[15]。目前，遙感技術(shù)在歐美國家的作物監(jiān)測和估產(chǎn)方面已得到廣泛的應(yīng)用。

國內(nèi)利用遙感進(jìn)行作物監(jiān)測和估產(chǎn)是從20世紀(jì)80年代開始。1984年，我國開展了第一次的大規(guī)模遙感估產(chǎn)，對冬小麥進(jìn)行遙感估產(chǎn)研究，建立了不同類型的氣象衛(wèi)星遙感面積測量和估產(chǎn)方法[16]；之后分別對國內(nèi)冬小麥、水稻和玉米的種植地區(qū)進(jìn)行長勢監(jiān)測和產(chǎn)量預(yù)估[17]。浙江大學(xué)與中國水稻研究所研究了基于光譜信息的作物模擬模型，依據(jù)模擬模型實(shí)現(xiàn)作物的長勢監(jiān)測和產(chǎn)量預(yù)測[18]。隨著遙感技術(shù)的不斷發(fā)展，并與“3S”技術(shù)相結(jié)合，基于遙感進(jìn)行作物監(jiān)測的方法和手段也在不斷改進(jìn)與優(yōu)化，逐漸形成了符合我國地理特征的遙感監(jiān)測與估產(chǎn)系統(tǒng)[19]。

2.3" 機(jī)器視覺技術(shù)

隨著人工智能和計(jì)算機(jī)技術(shù)在農(nóng)業(yè)中的發(fā)展，推動農(nóng)業(yè)的生產(chǎn)方式逐漸向自動化和智能化的方向前進(jìn)，基于機(jī)器視覺技術(shù)的作物長勢監(jiān)測技術(shù)成為現(xiàn)代信息化農(nóng)業(yè)發(fā)展的重要組成部分[20]。機(jī)器視覺屬于人工智能的一部分，顧名思義，就是給農(nóng)業(yè)機(jī)器配備“眼睛”，賦予和人眼睛一樣的功能[21]。研究人員利用機(jī)器視覺監(jiān)測采集作物的信息，將得到的圖像或視頻數(shù)據(jù)通過圖像處理，可在保證作物正常生長的條件下連續(xù)、快速地提取農(nóng)作物的某些特征參數(shù)，來構(gòu)建作物的生長模型，運(yùn)用一定的方法對模型進(jìn)行分析，總結(jié)作物的長勢情況[22]。機(jī)器視覺技術(shù)在農(nóng)業(yè)中的應(yīng)用已經(jīng)有了許多的研究成果[23-25]，主要通過對作物的營養(yǎng)情況、外觀形態(tài)、生長環(huán)境、病蟲害狀況和果實(shí)成熟度等方面進(jìn)行監(jiān)測，實(shí)現(xiàn)作物的長勢監(jiān)測[26]。

基于機(jī)器視覺技術(shù)和圖像處理來獲取作物生長狀態(tài)等信息，在國內(nèi)外已經(jīng)有了很多年的研究。美國學(xué)者Trooien等[27]利用機(jī)器視覺技術(shù)從不同的角度對馬鈴薯作物葉片的外觀進(jìn)行拍攝，結(jié)合圖像處理技術(shù)將葉片不同角度的葉面積數(shù)據(jù)合成為整個葉片的葉面積，并將結(jié)果與葉面積儀實(shí)測的馬鈴薯面積數(shù)據(jù)進(jìn)行回歸擬合，相關(guān)系數(shù)高達(dá)0.98，進(jìn)一步驗(yàn)證了圖像處理方法的高度準(zhǔn)確性。Ahmad等[28]人利用機(jī)器視覺技術(shù)對玉米的圖像進(jìn)行色彩信息提取，發(fā)現(xiàn)RGB值能準(zhǔn)確地反映玉米的水、肥情況，根據(jù)此信息來對玉米進(jìn)行科學(xué)的灌溉和施肥，實(shí)現(xiàn)玉米的增產(chǎn)目的。Casady等[29]利用計(jì)算機(jī)視覺技術(shù)拍攝水稻的生長圖像并進(jìn)行圖像處理，從中提取出水稻的葉寬、葉面積指數(shù)、高度的生長指標(biāo)，將計(jì)算得出的結(jié)果與實(shí)際測量值進(jìn)行擬合，相關(guān)系數(shù)分別為0.874、0.855、0.896，證明圖像處理后提取的生長指標(biāo)參數(shù)與實(shí)際測量值之間相關(guān)性較高。

國內(nèi)學(xué)者運(yùn)用計(jì)算機(jī)視覺技術(shù)對蔬菜、小麥、玉米等作物的生長監(jiān)測進(jìn)行了一些研究。早在1995年成洪等[30]利用圖像處理技術(shù)對蔬菜苗的生長狀況進(jìn)行監(jiān)測與分析，可以提供蔬菜苗移栽、間苗等方面的重要信息。李少昆等[31]首次應(yīng)用圖像處理技術(shù)對小麥、玉米等農(nóng)作物的信息提取進(jìn)行長勢監(jiān)測，并將其與傳統(tǒng)農(nóng)業(yè)理論相結(jié)合，可以檢測出30多個形態(tài)學(xué)指標(biāo)，并在此基礎(chǔ)上，提出了一系列新的利用圖像處理技術(shù)對農(nóng)作物長勢監(jiān)測的方法。張?jiān)弃Q等[32]提出了一種基于機(jī)器視覺技術(shù)對作物莖桿直徑進(jìn)行檢測的方法，即選取一定直徑的圓棒作為參照物與作物擺在一起拍攝，進(jìn)行圖像處理，實(shí)現(xiàn)對農(nóng)作物莖桿直徑的精確測量。袁道軍等[33]研究了利用機(jī)器視覺技術(shù)對油菜的生長情況進(jìn)行實(shí)時(shí)監(jiān)測的可行性，以田間自然條件下的油菜為研究對象，利用相機(jī)和計(jì)算機(jī)視覺系統(tǒng)對油菜進(jìn)行圖像的采集和分割，并利用逐步回歸法對模型進(jìn)行檢測，預(yù)測結(jié)果的準(zhǔn)確率較高。

2.4" 作物遠(yuǎn)程監(jiān)測技術(shù)

遠(yuǎn)程監(jiān)測是在機(jī)器視覺技術(shù)的基礎(chǔ)上，在作物生長區(qū)間安裝攝像機(jī)，利用無線網(wǎng)絡(luò)遠(yuǎn)程獲取作物的圖像，將拍攝的作物圖像遠(yuǎn)程傳輸?shù)娇刂葡到y(tǒng)，控制中心對圖像信息進(jìn)行處理，通過提取反映長勢狀況的相關(guān)參數(shù)對作物進(jìn)行長勢監(jiān)測[34]；而利用攝像頭進(jìn)行遠(yuǎn)程監(jiān)測需要更高的軟件和硬件設(shè)施，因而研究相對較少，大部分是采用無線傳感器監(jiān)測，即遠(yuǎn)程生理監(jiān)測技術(shù)，將傳感器與網(wǎng)絡(luò)技術(shù)相結(jié)合，在作物生長區(qū)域均勻安裝不同類型的傳感器，傳感器可以采集作物環(huán)境的溫度、濕度、光照強(qiáng)度等多源信息[35]，通過無線通信模塊將信息傳輸?shù)街悄芸刂浦行模O(jiān)測作物生長環(huán)境和某些生理指標(biāo)的變化，但傳感器遠(yuǎn)程監(jiān)測無法獲得能夠反映作物長勢情況的相關(guān)參數(shù)。楊瑋等[36]開發(fā)了無線智能溫室控制系統(tǒng)，實(shí)現(xiàn)了對溫室中的葉片溫度、土壤溫度和水分、光照等環(huán)境因素的數(shù)據(jù)采集和有效控制。趙曉勤等[37]利用遠(yuǎn)程監(jiān)測系統(tǒng)對荔枝的生長環(huán)境和生理指標(biāo)進(jìn)行監(jiān)測，準(zhǔn)確地獲取了作物的長勢信息。遠(yuǎn)程監(jiān)測技術(shù)與網(wǎng)絡(luò)技術(shù)的不斷結(jié)合，實(shí)現(xiàn)了對作物的生長環(huán)境和長勢實(shí)時(shí)監(jiān)測，及時(shí)對作物生長過程中的問題進(jìn)行處理，有效地保障了作物的生產(chǎn)效率。

3" 展望

不同的作物長勢監(jiān)測技術(shù)各有其優(yōu)勢和不足。由人工進(jìn)行實(shí)地考察的方法最簡單，容易實(shí)施，可以仔細(xì)觀察小面積的作物及其不同維度，但卻需要消耗大量的時(shí)間、人力、物力，觀察的效率也比較低，而且這種方法產(chǎn)生的結(jié)果常會含有觀察者主觀性的意見。目前遙感監(jiān)測技術(shù)在作物的長勢監(jiān)測中使用的最為廣泛[38]；遙感監(jiān)測技術(shù)可以收集作物的光譜影像，通過篩選不同波段的光譜特征分析計(jì)算植被指數(shù)，建立作物生態(tài)指標(biāo)的監(jiān)測模型來監(jiān)測作物的長勢，可實(shí)現(xiàn)大面積區(qū)域的監(jiān)測。機(jī)器視覺技術(shù)可以大量、快速和高精度地采集作物的數(shù)據(jù)信息，結(jié)合圖像處理技術(shù)更加精確地獲取作物的生態(tài)信息，更好地實(shí)現(xiàn)小范圍的作物長勢監(jiān)測，而且可有效減小由于人工觀察帶來的誤差和個人主觀性因素的影響，但由于環(huán)境不穩(wěn)定的因素，對設(shè)備的要求比較高，而且機(jī)器視覺對作物內(nèi)部的生態(tài)指標(biāo)含量信息獲取比較復(fù)雜。遠(yuǎn)程監(jiān)測技術(shù)在機(jī)器視覺技術(shù)的基礎(chǔ)上又達(dá)到了對作物的無損、遠(yuǎn)程監(jiān)測的效果，并可以對作物的生長環(huán)境狀況實(shí)時(shí)監(jiān)測，保障作物的健康生長，但是監(jiān)測的范圍有限，且對設(shè)備的要求比較高。

近年來，隨著多種遙感技術(shù)的普及和分辨率的不斷提高，遙感技術(shù)在農(nóng)作物長勢監(jiān)測中的作用越來越重要，但遙感監(jiān)測容易受天氣的影響，有時(shí)會在作物生長的最佳時(shí)期難以獲取優(yōu)質(zhì)的遙感圖像，從而影響作物的監(jiān)測。同時(shí)，要想實(shí)現(xiàn)對作物的長勢進(jìn)行動態(tài)監(jiān)測，還應(yīng)該做很多工作。影響作物長勢的因素有很多，如作物的地理位置、營養(yǎng)狀況、生長環(huán)境等，需要做到對作物生長多方面的綜合監(jiān)測，才能實(shí)現(xiàn)對長勢監(jiān)測的準(zhǔn)確監(jiān)測。

在數(shù)據(jù)獲取方面，可以針對作物的不同生長時(shí)期、土壤條件、生長環(huán)境等多種條件，綜合利用作物的長勢參數(shù)指標(biāo)和作物生長環(huán)境參數(shù)共同監(jiān)測作物長勢情況，實(shí)現(xiàn)對作物更精確、全面地長勢監(jiān)測。

在技術(shù)方面，多種技術(shù)融合的作物長勢監(jiān)測技術(shù)也將是未來的發(fā)展趨勢，充分結(jié)合利用各種監(jiān)測方法的優(yōu)勢，通過對不同監(jiān)測方法的數(shù)據(jù)信息進(jìn)行整合，將有助于獲得更為全面的作物長勢信息，為作物的科學(xué)管理提供更加可靠的依據(jù)。

4" 結(jié)束語

對作物的長勢進(jìn)行監(jiān)測，可以為田間管理提供及時(shí)的信息，從而對農(nóng)作物進(jìn)行科學(xué)的管理和培育，也可以為估產(chǎn)提供一定的依據(jù)。目前國內(nèi)已經(jīng)具有了比較完整的作物長勢的監(jiān)測技術(shù)體系，但監(jiān)測大多數(shù)應(yīng)用于水稻、小麥、玉米等農(nóng)作物領(lǐng)域，其他作物領(lǐng)域的應(yīng)用還比較少，還需進(jìn)一步的普及與應(yīng)用。而且多種監(jiān)測技術(shù)相結(jié)合，互相彌補(bǔ)其中的不足，獲取更加準(zhǔn)確的信息，可以為未來作物長勢監(jiān)測方面的研究發(fā)展起到重要作用。

參考文獻(xiàn)：

[1] 張帥亮.作物生長過程檢測技術(shù)研究與實(shí)現(xiàn)[D].新鄉(xiāng)：河南科技學(xué)院，2018.

[2] 楊邦杰，裴志遠(yuǎn).農(nóng)作物長勢的定義與遙感監(jiān)測[J].農(nóng)業(yè)工程學(xué)報(bào)，1999（3）：214-218.

[3] 吳炳方，張峰，劉成林，等.農(nóng)作物長勢綜合遙感監(jiān)測方法[J].遙感學(xué)報(bào)，2004（6）：498-514.

[4] 劉繼承，姬長英.作物長勢監(jiān)測的應(yīng)用研究現(xiàn)狀與展望[J].江西農(nóng)業(yè)學(xué)報(bào)，2007（3）：17-20，28.

[5] 王鵬新，田惠仁，張悅，等.基于深度學(xué)習(xí)的作物長勢監(jiān)測和產(chǎn)量估測研究進(jìn)展[J].農(nóng)業(yè)機(jī)械學(xué)報(bào)，2022，53（2）：1-14.

[6] 吳良?xì)g，陶勤南.水稻葉綠素計(jì)診斷追氮法研究[J].浙江農(nóng)業(yè)大學(xué)學(xué)報(bào)，1999（2）：27-30.

[7] 蒙繼華，吳炳方，杜鑫，等.遙感在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用進(jìn)展及展望[J].國土資源遙感，2011，90（3）：1-7.

[8] 于海明，謝秋菊.現(xiàn)代農(nóng)業(yè)種植技術(shù)——精確農(nóng)業(yè)[J].新疆農(nóng)機(jī)化，2003（6）：14-15.

[9] 喻潔.基于國產(chǎn)高分影像的青稞作物長勢監(jiān)測及估產(chǎn)研究[D].西寧：青海師范大學(xué)，2021.

[10] 劉淑云，谷衛(wèi)剛，朱建華.基于遙感數(shù)據(jù)的冬小麥農(nóng)情監(jiān)測研究進(jìn)展[J].農(nóng)業(yè)網(wǎng)絡(luò)信息，2010，164（2）：5-9，18.

[11] 魏傳文.基于多源數(shù)據(jù)的油菜凍害遙感機(jī)理與方法研究[D].杭州：浙江大學(xué)，2018.

[12] LI Y，YAN W，AN S，et al. A spatio-temporal fusion framework of UAV and satellite imagery for winter wheat growth monitoring[J]. Drones，2022，7（1）：23-33.

[13] 姚建松，劉飛.數(shù)字農(nóng)業(yè)田間信息獲取技術(shù)研究現(xiàn)狀和發(fā)展趨勢[J].農(nóng)機(jī)化研究，2009，31（8）：215-220.

[14] 邢雅娟，劉東升，王鵬新.遙感信息與作物生長模型的耦合應(yīng)用研究進(jìn)展[J].地球科學(xué)進(jìn)展，2009，24（4）：444-451.

[15] 劉海啟.歐盟MARS計(jì)劃簡介與我國農(nóng)業(yè)遙感應(yīng)用思路[J].中國農(nóng)業(yè)資源與區(qū)劃，1999（3）：57-59.

[16] 吳素霞，毛任釗，李紅軍，等.中國農(nóng)作物長勢遙感監(jiān)測研究綜述[J].中國農(nóng)學(xué)通報(bào)，2005（3）：319-322，345.

[17] 吳炳方.全國農(nóng)情監(jiān)測與估產(chǎn)的運(yùn)行化遙感方法[J].地理學(xué)報(bào)，2000（1）：25-35.

[18] 沈掌泉，王珂，王人潮.基于水稻生長模擬模型的光譜估產(chǎn)研究[J].遙感技術(shù)與應(yīng)用，1997（2）：18-21.

[19] MULLA D. Trends in satellite remote sensing for precision agriculture[J]. Crops amp; Soils，2020，54（1）：3-5.

[20] ZHENG H Y， ZHI G C， XI W， et al. Automatic image-based detection technology for two critical growth stages of maize： Emergence and three-leaf stage[J]. Agricultural and Forest Meteorology，2013：174-175.

[21] KOLHAR S，JAGTAP J. Plant trait estimation and classification studies in plant phenotyping using machine vision - A review[J]. Information Processing in Agriculture，2023，10（1）：114-135.

[22] 張衛(wèi)正.基于視覺與圖像的植物信息采集與處理技術(shù)研究[D].杭州：浙江大學(xué)，2016.

[23] ZHAO P F， JIE J， YANG G， et al. Wheat growth monitoring and yield estimation based on multi-rotor unmanned aerial vehicle[J]. Remote Sensing，2020，12（3）：508.

[24] 曹課興.基于機(jī)器視覺技術(shù)的馬鈴薯晚疫病快速識別研究[J].信息技術(shù)與信息化，2022（11）：150-153.

[25] 張彥娥，李民贊，張喜杰，等.基于計(jì)算機(jī)視覺技術(shù)的溫室黃瓜葉片營養(yǎng)信息檢測[J].農(nóng)業(yè)工程學(xué)報(bào)，2005（8）：102-105.

[26] 陳桂珍，龔聲蓉.計(jì)算機(jī)視覺及模式識別技術(shù)在農(nóng)業(yè)生產(chǎn)領(lǐng)域的應(yīng)用[J].江蘇農(nóng)業(yè)科學(xué)，2015，43（8）：409-413.

[27] TROOIEN T P， HEERMANN D F. Measurement and simulation of potato leaf area using image processing measurement[J].Transaction of the ASAE，1992，35（5）：1719-1721.

[28] AHMAD I S， REID J F. Evaluation of colour representations for maize images[J].Journal of agricultural engineering research，1996，63（3）：185-195.

[29] CASADY W W， Singh N， Costello T A. Machine vision for measurement of rice canopy dimensions[J].Transactions of the ASAE 1996，39（5）：1891-1898.

[30] 成洪，陳曉光，于海業(yè)，等.應(yīng)用圖象處理技術(shù)進(jìn)行蔬菜苗特征量識別[J].農(nóng)業(yè)工程學(xué)報(bào)，1995（4）：23-26.

[31] 李少昆，張弦，趙明，等.作物株型信息多媒體圖像處理技術(shù)的研究[J].作物學(xué)報(bào)，1998（3）：265-271.

[32] 張?jiān)弃Q，喬曉軍，王成，等.基于機(jī)器視覺的作物莖稈直徑變化測量儀研發(fā)[J].農(nóng)機(jī)化研究，2011，33（12）：158-160，164.

[33] 袁道軍，劉安國，原保忠，等.基于計(jì)算機(jī)視覺技術(shù)的油菜冠層營養(yǎng)信息監(jiān)測[J].農(nóng)業(yè)工程學(xué)報(bào)，2009，25（12）：174-179.

[34] 曹婷.作物圖像遠(yuǎn)程采集與控制系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[D].楊凌：西北農(nóng)林科技大學(xué)，2019.

[35] 張兆朋，黃永紅.小型溫室育苗環(huán)境遠(yuǎn)程監(jiān)測與智能控制系統(tǒng)[J].機(jī)電技術(shù)，2022（4）：36-39.

[36] 楊瑋，呂科，張棟，等.基于ZigBee技術(shù)的溫室無線智能控制終端開發(fā)[J].農(nóng)業(yè)工程學(xué)報(bào)，2010，26（3）：198-202.

[37] 趙曉勤，宋世文，李建國，等.荔枝生產(chǎn)相關(guān)的水分生理指標(biāo)遠(yuǎn)程監(jiān)測研究[J].果樹學(xué)報(bào)，2005（6）：48-52.

[38] 陳會明.淺談遙感技術(shù)在農(nóng)業(yè)生產(chǎn)中的應(yīng)用[J].安徽農(nóng)學(xué)通報(bào)（上半月刊），2009，15（19）：190-192.