智慧果園關鍵應用場景研究進展

摘要：智慧果園是將現代信息科技和智能化的裝備與果園生產的各個環節深度融合，實現定量決策、精準投入和數字化、智能化管理的一種新型的生產方式。為提升果樹產業數智化水平，聚焦智慧果園關鍵應用場景的最新研究進展，剖析了智慧果業在農業現代化進程中的戰略地位與布局意義，并結合我國研究和應用現狀提出了推動智慧果園發展的建議。詳述了北京智慧果園場景設計與搭建，涵蓋果園“天?空?地”一體化環境監測、水肥一體化投入、宜機化智能裝備、綜合管理服務平臺等，從多維度打造高效協同生態，為智慧果園發展指明方向，為鄉村振興與數字農業的深度融合注入新的活力，推動果樹產業提質增效和高質量發展。

關鍵詞：智慧果園；大數據；模型；數智化

doi：10.13304/j.nykjdb.2024.0816

中圖分類號：S126 文獻標志碼：A 文章編號：10080864（2025）03001212

果樹產業是集產、供、銷為一體的技術密集型和勞動密集型產業，兼具經濟、社會和生態效益[1]。近年來，科技創新能力快速增強，基礎設施配套步伐加快，區域主導產業優勢逐漸顯現，果樹產業為果農提供了穩定、可觀的收入來源。現代果業與文旅產業、電子商業、物流運輸業等深度融合是我國大農業觀、大食物觀及多元化食物供給體系建設的重要一環，不僅有助于推動農業現代化進程，提高農業生產效率，保障農產品質量，對于促進農業可持續發展也具有重要意義，為我國農業產業的轉型升級提供有力支撐，但傳統果樹產業存在的機械化作業能力不強、果園管理缺乏科學數據、信息服務智能化與實用性欠缺等問題愈發凸顯，果業高質量發展迫切需要向標準化、機械化和信息化方向邁進，發展智慧果園已成為大勢所趨[2]。本文聚焦智慧果園關鍵應用場景的研究進展，剖析智慧果業在農業現代化進程中的戰略地位與布局意義，梳理了智慧果園技術的應用與發展態勢，詳述了北京智慧果園場景的搭建與應用，并結合我國研究和應用現狀提出推動智慧果園發展的若干建議，以期推動果樹產業提質增效和高質量發展。

1 智慧果園簡介

1.1 智慧果園發展歷程

智慧果園的探索與實踐可回溯至21世紀初，其研究在2014年后顯著加速，并正式步入正軌，隨著科技的日新月異和果園管理模式的革新，物聯網、大數據、人工智能等尖端技術的持續精進為智慧果園的飛躍發展奠定了堅實基礎[3]。趙春江院士認為，智慧果園是將現代信息科技和智能化的裝備與果園生產的各個環節深度融合，實現定量決策、精準投入和數字化、智能化管理的一種新型的生產方式，發展智慧果園對提高果業生產水平、發展現代農業具有重要意義[4]。近年來，智慧果園的建設和應用逐漸規模化，多個具有標桿意義的項目相繼立項，搭建應用場景，實現果園的全程機械化作業和智慧化管理，標志著智慧果園已步入規模化、高效化的嶄新階段。

1.2 智慧果園場景

智慧果園應用場景（圖1）以典型果園為服務對象，突破多學科交叉融合的應用瓶頸，涉及多傳感融合、無人機遙感、智能農機與無人駕駛、人工智能與大數據等關鍵技術攻關，開展果園采集監測、水肥投入、宜機化作業和管理服務等果園建設關鍵環節，加快新基建賦能果樹產業場景化的可復制和應用。

1.2.1 實時采集監測 果園是個復雜的生態系統，種植環境、氣象因素、土壤條件、病蟲害和栽培管理方式等因素都會對果樹生長造成影響，及時、快速、客觀地采集科研數據是進行果園數字化精細管理的重要基礎。通過遙感無人機、氣象墑情、智能蟲情監測、土壤快速測量、水質監測等智能裝備，從“空中?地上?地下”全方位、“氣象?蟲情?災情?長勢?墑情?養分?水質”多角度保障果園的時空信息雖“無人值守”，卻“盡在掌握”。

1.2.2 水肥精準投入 傳統果園存在水肥投入粗放、浪費等問題，科學灌溉和施肥是保證果品質量的關鍵措施，基于不同果樹周期性生長機理并結合監測數據以及水肥管理經驗，能夠遠程控制果園精量灌溉和施肥，從而緩解水肥投入粗放和浪費等問題。

1.2.3 宜機化作業 勞動力短缺是當前果園生產上突出的問題，用機器替代人工作業對緩解農業勞動力問題給農業生產帶來的威脅至關重要，適于果園割草、打藥、采收等主要環節的機械化智能裝備體系非常重要，部署果園宜機化智能裝備，將實現果園農事作業的自動控制、精細投入和省時省力。

1.2.4 數智化管理 大數據、大模型等已滲透現代農業領域，加速了農業全產業鏈發展的轉型升級。果園數智管理需明確“土?水?肥?藥?樹?人”的關系，對果園環境、農機作業和生產管理等數據進行采集、存儲和加工，開展模型算法研究與應用訓練，形成集數據中心、服務中心和指揮中心為一體的智慧果園管理模式，使主管部門決策有的放矢，讓果園農事作業快捷便利，為消費者提供透明供應和互動體驗。

2 智慧果園戰略布局

2.1 國外戰略布局

大數據、人工智能和物聯網等技術發展很快，多個國家（組織）致力于打造“可視、可管和可控”的農業數字大腦，從而大幅提高農業決策的精準性、科學性和安全性[56]。智能農業技術在美國得到了廣泛應用，可以提供農場管理流程，使農民能夠更有效地管理大型農場，并在無人情況下更精確地優化投入[7]。2020年美國農業部正式公布的《科學藍圖——2020至2025年科研方向》明確指出，智慧農業領域技術發展的5大主題分別是可持續農業集約化、適應氣候變化、食品和營養轉換、增值創新和政策引導，并將病蟲害類傳感器、育種、基因編輯、預測建模等作為重點研究方向，通過其實現目標發展[8]。在以物聯網、大數據、區塊鏈等新一代信息技術的農業4.0時期，美國企業在智慧農業領域紛紛布局[910]，《2030年美國食品和農業科技發展戰略》把傳感器、基因編輯、精準育種作為重點研究方向[1112]；美國Georgia學院研制的修剪機器人，可在生長季對桃樹進行修剪，節省大量勞動力投入，為桃農減少成本，提高經濟效益；美國Abundant Robotics 公司開發的蘋果采摘機器人可對不同樹型進行采摘，對V型蘋果樹的平均采摘速度為1個·2 s?1，并且可以連續工作，大幅節省人工成本[13]；美國Veris公司研制的車載式MSPS土壤OM-EC-PH勘查測繪系統可以快速、高密度和原位測繪區域土壤電導等參數[1415]。歐盟高度重視智慧農業的發展，積極制定農業發展推動政策，通過SmartAgriHubs、AgROBOfood 等項目，將法國、意大利等區域內發達國家聯結，部署智慧農業發展，解決區域內面臨的挑戰，并提供全部的項目資金，支持智慧農業技術的研發，形成歐盟農業創新生態[1617]。日本基于農業的宏觀規劃和實際需求制定一系列政策推動智慧農業發展，農林水產省（Ministry of Agriculture， Forestry and Fisheries，MAFF）將智慧農業定義為利用機器人技術和信息與通信技術（information and communicationstechnology，ICT）實現高省力和高質量的農業生產模式[1819]。

2.2 中國戰略布局

數字農業是我國由農業大國邁向農業強國的必經之路，我國積極將數字科技與農業發展相融合，推進農業產業的數字化轉型[20]。2019年，農業農村部首批開展了6個單品種全產業鏈的大數據建設試點，其中蘋果試點項目對我國蘋果主產區的5個試點果園進行數字化改造，形成“果園環境?生長過程?作業過程?果園管理”全鏈條的數字化采集技術體系，并將區塊鏈技術與農產品溯源相結合，建立全面立體、安全可信的蘋果產品質量溯源體系[21]。2022年，北京市農業農村局啟動了智慧果園種植管理關鍵技術研究與應用工作，初步打造了智慧桃園雛形，在平谷區形成了桃園信息采集監控技術系統，宜機化系列智能裝備以及山前桃園智慧種植管理應用創新場景。同年，安徽省人民政府辦公廳印發《關于加快發展數字經濟行動方案（2022—2024年）》的通知，明確將重點開展產業數字化轉型行動，推動農業數字化轉型，加快農業農村生產、經營、管理、服務數字化改造，推進4個國家數字鄉村試點縣、35個省級數字鄉村試點建設，到2024年，全省建設種植業、畜牧業、漁業數字農業工廠300個、數字農業應用場景累計1 400個[22]。2023年，北京市園林綠化局頒布了《北京市果樹產業助力鄉村振興三年行動計劃實施方案（2023—2025年）》，實施智慧果園引導示范工程，推動果園智慧化新場景應用，進一步優化完善北京市果樹大數據管理系統，重點做好30畝（2 hm2）以上規模化果園數據統計和動態調整，推動果園高效節水、生產輔助設施用地上圖入庫，實現資源管理“一張圖”，圍繞設施和水肥一體化自動化管理、病蟲害智能化預測預報、果品安全追溯體系3方面在昌平、海淀等區建立一批智慧果園，進一步完善果品產業鏈、供應鏈數字化平臺，逐步打造訂單農業[23]。2023年，中央網信辦、農業農村部、國家發展改革委、工業和信息化部、國家鄉村振興局五部門印發的《2023年數字鄉村發展工作要點》指出，截至2023年底，數字鄉村發展取得階段性進展，數字技術為保障國家糧食安全和鞏固拓展脫貧攻堅成果提供更加有力支撐。

3 智慧果園研究現狀

美國、歐盟、澳大利亞、日本等發達國家（組織）利用自動化技術部署智慧農業，借助無人遙感、傳感器、智慧云、物聯網等新一代信息技術，集數據采集、數據分析和智能決策于一體，對作物生長環境和生長動態進行全范圍、多角度和全過程的實時動態監測。我國智慧農業研究同樣受到高度關注，呈現出多層次、多系統化發展態勢。

3.1 信息采集監測

通過人工智能、物聯網、大數據、機器視覺等先進技術的集成與創新應用，果園信息采集監測體系在種植資源?氣象環境?土壤墑情?果品長勢監測預警、生產管控優化決策、生長質量監測調控、產量估測等方面的研究和應用取得了顯著進展，為果業的數字化、智能化發展提供了有力支撐。Junaid等[24]基于AI技術開發了一種通用型智能農業云系統，將不同的農業資源連接到中央數據庫，監測當地農業狀況，具有數據分析、預處理和報警功能，利用物聯網驗證數字農場的可行性，并提供解決方案，以適應需要提供遠程監控的農場、果園等多種場景。饒曉燕等[25]通過集成創新果園“空?天?地”一體化的信息技術采集體系和基于AI的蘋果病蟲害圖像識別技術，實現覆蓋果園土壤、生態環境、果樹個體及群體的立體化監測服務功能。杜青青[26]基于LoRa技術構建果園土壤墑情自動監測系統，以 STM32H743XI 處理器為核心，設計研發集土壤濕度、環境溫濕度等因素為一體的傳感器，采集果園土壤環境參數，實時遠程發送并進行統計，全面監測果園土壤墑情，大大提高參數相對誤差。郭濤等[27]針對果園生產管理需求，開發果園應用場景的大數據移動管理服務平臺，集生產、服務、管控等各項功能為一體，實現果園信息的數字化和可視化。孫昌權等[28]針對設施草莓生產過程中環境參數采集和控制可靠性差、水肥調控粗放等問題，設計開發一種設施草莓智慧生產管控系統，該系統結合多傳感器數據融合算法和專家決策控制系統模型，水肥利用率與環境調控能力分別提高82.1% 和35.5%，草莓產量、品質也有大幅度提高。信息采集監測系統平臺的應用大大提升了果園生產管控的科學性與精準性，而人工智能與機器視覺等技術的融合使果園從數字化管理向智能化管理更進一步，特別是在果品質量與產量估測方面發揮了顯著作用。Simón-portillo等[29]針對西瓜內部空隙的存在會影響西瓜質量的問題，提出了一種基于沖擊錘測試和機器學習中獲得的振動參數檢測無籽西瓜內部空隙的方法，在對測試結果進行統計研究后，選擇振動響應的第1峰值頻率和西瓜密度作為分類算法中使用的預測因子，如果進一步引入硬度參數，則檢測空心西瓜的準確性會提高，結果表明，使用不同的分類算法實現了超過89%的內部空隙檢測成功概率。Wang等[30]把紅色比例作為草莓成熟度定量的新參數，提出了一種自適應草莓特征的增強網絡（ASFA-net），根據色相（hue）、飽和度（saturation）和明度值（value）（ HSV）對成熟草莓紅色區域進行分割，以計算單個草莓紅色區域的比例，結果表明，ASFA-net 能夠準確、高效地檢測草莓，準確率為（95.94%±1.40%）。Jiang等[31]提出了一種算法管道，利用無人機（unmanned aerialvehicle，UAV）視頻來檢測和計數西瓜，該管道使用YOLOv8s進行全景拼接和重疊分區，便于對田間西瓜進行總體數量估計，基于YOLOv8s并通過遷移學習獲得的西瓜檢測模型實現了99.20%的檢測準確率，證明了其在產量估計中的應用潛力。王雯等[32]利用XELA 3D觸覺傳感器判別獼猴桃成熟度，實時采集機器人抓取獼猴桃時的接觸力大小，提取觸覺感知信息建模，構建獼猴桃成熟度感知方法，測試準確度為85%，能夠有效感知獼猴桃成熟信息。吳風楊等[33]研究一種基于機器視覺的西瓜識別與定位技術，通過采集西瓜的二維圖像數據與三維點云數據，調用人工智能庫分割西瓜二維圖像，提取出西瓜的外輪廓與質心點，西瓜圖像處理的總用時為101.8 s，效率提高77.8%，為西瓜產量預估提供新的途徑。

3.2 智能作業管理方面

隨著北斗導航、無人駕駛、遙感成像、深度學習、三維重建、農業機器人等技術的發展和引入，果園智能作業管理體系在果園灌溉、施肥、噴藥、除草、植保防控、修剪、采收等關鍵環節的研究和應用不斷深入，顯著提高了果園的生產效率、作業質量和作物品質。Massaoudi 等[34]利用M-MIMO網絡技術，提出一種基于人工噪聲（artifical noise，AN）的物理層安全方案的橄欖園搭建智能灌溉系統，經試驗分析，該系統既能節省灌溉用水量，又能提高作物產量和質量；Tan等[35]研發了一種基于物聯網的棗園智能灌溉系統，實現智能化遠程控制、實時顯示、報警等功能。Mahmud等[36]基于無人機遙感成像研究了一種快速計算蘋果樹木特征的方法，通過分析高分辨率航拍RGB（red、green、blue）圖像來測量蘋果樹冠層特征，精確估計蘋果樹單個樹木的農用化學品或噴霧量需求，減少化學品用量，保護環境健康和綠色生態可持續發展。Reim 等[37]開發用于梨樹病原體監測和定位的數字監測系統，集成梨銹病識別模型和梨樹3D模型提取的位置定位，有效監測和預警梨銹病發生程度和地理分布，對水果疾病進行連續的空間檢測和記錄。翟長遠等[38]探究適用塔式果園風送噴霧機出風口風場建模方法，基于噴霧機出風口風場計算流體動力學（computational fluid dynamics，CFD）建模方法，提出了用戶定義函數（userdefinedfunction，UDF）分段式三維風速入口邊界條件設置方法，實現了精確快速空間風速測量；吳建偉等[39]提出了一種基于AI深度學習的桃樹病害智能識別方法，利用并微調ImageNet預訓練的DenseNet-169分類模型，對桃樹常見的11種病害圖像進行預處理與模型訓練，對常見桃樹病害的平均識別率達到91%以上，實現桃樹病害的智能診斷并提供防治建議。Pan等[40]采用三維立體相機結合神經網絡（mask R-CNNs）深度學習技術，開發了一種機器人系統的水果識別方法，對于識別復雜梨園環境的梨個體具有高精度的分辨率，為梨園采摘機器人研制提供數據支撐。呂沐華等[41]為提高除草機器人的精準度，搭建基于機器視覺的果園噴藥除草機器人視覺系統，解決因機器人本身運動的噪音和光照變化等環境因素對雜草識別的干擾，提高果園噴藥除草機器人視覺系統的圖像分割可靠性及識別精度，能夠實現果園路面條件差、光照條件變化明顯等環境下的精準噴藥；任棟宇等[42]開發了一種果樹枝干提取方法，基于Kinnct v2技術的傳感器，使用改進的ICP算法，將果樹點云三維重建，并可以提取骨架，有效解決了果樹三維建模精度低、成本高、拓撲結構差等問題，為果樹智能修剪機器人和作物狀態評估提供數據支撐，更好地服務于智慧果園發展。現有研究綜合了技術的多樣性與融合性、問題的針對性與實用性以及環境的適應性與魯棒性，為解決果園生產中的復雜作業問題提供了適宜直接應用于果園生產實踐的解決方案，助力果園生產作業領域數據驅動與智能決策的良好實現。

4 應用場景實現

在北京市昌平天匯蘋果園和平谷后店科技小院桃園等開展應用場景的熟化與驗證，形成果園“天?空?地”一體化數據采集監測網絡、實施果園水肥一體化投入、果園宜機化智能裝備作業和智慧果園系統綜合管理服務等應用場景。與傳統果園管理方式相比，智慧果園可顯著提升園區精細化管理水平和農事作業難度，節水30%以上，肥藥利用率提高15%以上。

4.1 果園“天-空-地”一體化數據采集監測

果園“天?空?地”一體化數據采集和監測系統（圖2）應用衛星遙感、無人機、物聯網、人工智能等現代信息與智能裝備技術，通過多源數據的關聯分析，對果園環境、長勢、氣候、土壤環境等特征進行全方位、立體式綜合監測，實現果園生產信息的快速感知、采集、傳輸、存儲和可視化，提高果園管理的精準度和效率。

4.1.1 長勢遙感估測裝置 該裝置利用衛星影像、無人機多光譜遙感平臺及地面原位觀測光譜傳感器等對果樹生長過程中的環境狀態、地形地勢等信息以及歸一化植被指數（normalizeddifference vegetation index，NDVI）、葉面積和葉綠素等各項指標進行監測和分析，幫助果園管理者充分了解果樹的生長狀態，及時發現果樹生長過程中的營養發育不良、病蟲害等異常情況，助力果園管理者優化管理策略，提高果樹品質和產量[43]。

4.1.2 果園環境監測裝置組 該設備組包括氣象墑情監測站、果樹冠層微氣候監測站、智能蟲情監測站和物聯網多參數采集端等，自動采集果樹生長過程的果園空氣溫濕度、風速風向、降雨量、太陽輻射等氣象數據，地面10個梯度溫濕度和光照等果樹冠層微氣候數據以及土壤含水量、溫度和電導率等土壤數據，并自動識別主要果樹害蟲的種類和數量，實現數據存儲和統計分析等，從而為果園農戶提供災害預警與果園氣象指導信息服務。

4.1.3 果園巡檢機器人 該裝備通過北斗衛星提供全天候、高精度和實時的位置、速度和時間信息，經過差分提高定位精度，并利用軟件平臺自定義運行軌跡，在果園不同區域設定相應速度，根據邊界和障礙物分布規劃作業的最優路徑，并基于AI深度學習的目標檢測與圖像識別算法，實現果園不同時段、不同地點的視頻圖像和火情監測識別等作業，從而讓巡檢農機裝備“按圖索驥”作業。

4.1.4 土壤成分快速測量儀 基于激光誘導擊穿光譜學、激光吸收和散射光譜學原理，實現土壤中主要養分（硝態氮、全鉀）、重金屬（汞、鎘、鉻、鉛、銅、砷、鎳、錳、鋅和銻等）、微量和其他元素（鐵、鉬、鈷、釩、鈦、硒、銣、鋇、鎵、錫、銀、鉈、釔、鑭、鈰、釷和鈣等），共計3大類、30余個土壤指標的田間快速測量將原本實驗室檢測所需數周到數月的時間縮短到了田間10 min，該系統靈活利用物質學響應特性，無需化學試劑參與，可以實時生成土壤元素分布地圖，對土壤元素進行空間和時間變化的動態追蹤，為土壤信息的快速調查、作業智能決策等提供技術支持[44]。

4.2 果園水肥一體化投入

果園水肥一體化投入是一種高效的農業新技術，將灌溉和施肥融為一體，通過首部系統和智能控制網絡（圖3），結合土壤養分含量和果樹種類的需肥規律，精準控制水分和肥料的供應，提高作物的生長效率、產量和品質，是一種節本增效的高效管理方式。

4.2.1 水肥一體化首部系統 精準灌溉施肥機是首部系統的核心，將水溶性肥和清水在混合罐內充分混合均勻，通過雙通道的pH和電導率傳感監測，達到設定值后輸出肥水，當出現檢測誤差時自動報警提醒；首部系統整合氣象、土壤、果樹生長影像等監測數據耦合水肥經驗知識，結合不同果樹水肥投入相關積溫模型、水肥模型、防霜凍模型和氣象環境預警模型等，實現科學適量的水肥供給。

4.2.2 水肥控制節點及管網 灌溉控制節點采用鋰電池和太陽能板供電，利用無線LoRa擴頻通訊技術，通過手機終端和web端遠程控制閥門開閉，智能計量流量和統計分析；水肥管網由管道、樹根滴箭、地布、泄水井和管道連接件等組成，可均勻、定時、定量地浸潤果樹根系生長區域，使主要根系保持適宜的含水量和養分條件。

4.3 果園宜機化智能裝備作業

如圖4所示，利用先進的機械和智能化裝備進行耕種、監測、管理、采收、分選等作業，實現果園的精準管理和高效生產。這種現代果園管理模式不僅提高生產效率、降低生產成本，還顯著提升果品質量和市場競爭力。同時減輕生產者勞動強度，為果園可持續發展提供有力支持。

4.3.1 無人駕駛農機組 該農機組具有省時、省力的作業特點，主要包括開溝機、割草機、粉碎機、輔助管收機、運輸機、靶向噴藥機等裝備，通過對現有農機裝備的智能化改裝升級，實現果園常規作業的簡約省力和遠程管控，設備具有自動行走、防止碰撞、20°的爬坡能力等功能，可通過云平臺，實現作業軌跡、作業時間、作業量等管理功能，并通過折線圖、餅狀圖等可視化方式進行不同維度的統計分析。

4.3.2 果園多臂采摘機器人 在果實視覺識別定位、多臂采摘作業控制、整機系統集成等方面取得重要突破，成功研發了“采?收?運”一體式果園多臂采摘機器人，結合我國標準果樹樹形特點，開展多臂采摘執行機構構型優化設計，機器人作業空間對樹冠覆蓋率≥85%，創新復雜背景下多任務識別人工智能算法和基于無標定視覺伺服的眼手自主高效協同控制方法，機器人采摘綜合效率達到500果·h?1，作業性能與國際同類產品相當，部分核心技術可達到國際先進水平[45]。

4.3.3 果蔬自動檢測分級分選裝備 集自動化滾筒上料、單果化、單果定位、返果、獨立果杯輸送、實時視覺檢測、實時可見/近紅外光譜檢測、動態稱重、自動卸果等模塊于一體，主要用于果品重量、顏色、尺寸、缺陷等外部品質以及糖度、霉心病等內部品質的同步檢測，該設備分選速度可以達到每秒3～5個果蔬，重量檢測精度±5 g，尺寸檢測精度±3 mm，顏色檢測正確率≥95%，缺陷檢測正確率≥90%，糖度檢測精度≤0.8 °Birx，霉心病檢測正確率≥90%，并根據用戶需求定制個性化分選方案，配套云端智能系統進行管理[46]。

4.4 智慧果園應用系統綜合管理服務

智慧果園應用系統綜合管理服務是一種現代農業管理的創新模式，融合了物聯網、大數據、云計算等現代信息技術，打造智慧果園“一張圖”、果園數據中心、“一掌通”農事上報小程序等，共同作用于果園的生產、管理、銷售等多個關鍵環節，對果園運營的智能化、精準化全面把控，如圖5所示。

4.4.1 智慧果園大數據“一張圖” 智慧果園整合9大類、111個果園生產管理決策模型，果園大數據“一張圖”是可視化的展示指揮中心，集成果園天空地一體化監測、水肥一體化管理、病蟲害監測與防控、大數據展示分析、質量安全溯源等管理功能，實現智慧果園“時空分布一張圖”“ 感知監測一張網”“ 農事作業一盤棋”和“ 果品服務一條鏈”等應用服務，搭建果園大數據“一張圖”，從而將果園現代管理核心指標變化形象地展示給各級管理人員，提供果園生產、經營、管理、服務各環節智能化管控服務與應用。

4.4.2 果園數據中心 果園數據中心是果業管理的數智大腦，集中管理并挖掘果園相關所有系統的數據資產。該系統利用ETL（extract-transformload）技術、數據清洗、數據倉庫分層架構進行底層數據的管理。通過數據挖掘與分析技術提取果園評價指標進行果園數據建模，從而實現果樹成長預測、價格預測、果園水肥施用、價格趨勢預測等有效決策依據。此外，該系統提供了對外開放服務數據接口，供不同人員層次、系統應用服務進行調用。

4.4.3 智慧果園“一掌通”小程序 綜合果園監測、精準作業、農事上報、果園服務等核心功能的農事作業“一掌通”小程序，實現果園生產農情、農資、農事和農機等遠程管控與數據上報，果園生產環節實現標準化農事生產、天空地物聯網監控、水肥一體化投入、智能農機作業、病蟲害識別診斷等功能，為果園勞作者提供便捷、實用的掌上工具。

5 智慧果園發展建議

目前，以美國、歐盟、日本等為代表的發達國家（組織）農業信息化技術國際領先，在智能裝備、大數據體系、智能監測網絡等領域取得了巨大進步，技術體系成熟，商業規模較大，互聯網、物聯網、大數據的深度融合等關鍵技術創新是未來農業研究核心[5]。當前，我國智慧果園主要存在技術成熟度不高、社會資本投資意愿不強、智慧化水平有待提升等問題，應從以下方面加強。

5.1 加強智慧果園基礎設施建設

利用高等院校、科研院所的科技優勢，明確果樹技術創新是果樹生產持續穩定發展的核心，并制定相關的政策與措施，加大對智慧果園建設的扶持力度，引導社會資本投入，加強大數據、人工智能等新一代信息技術基礎設施建設，為智慧果園的發展提供有力支持，走科技興果之路。

5.2 果園野外傳感器更新換代

構建全方位、立體的果園智能感知技術體系，將果園環境、果樹生長、產出動態等信息快速感知、采集、傳輸、存儲、發布，實現對果園生產信息全天時、全天候、大范圍、動態和立體監測與管理，推動智慧果樹產業發展。

5.3 多技術融合優化果園生產智能診斷

綜合運用地球信息科學、農業物聯網、人工智能等農業信息學，構建果園空天地一體化監控系統獲取果園大數據，借助圖像識別、數字模型、大數據分析、機器視覺、神經網絡等技術手段，結合栽培學、土壤學、植物學、生態學等多學科、多領域理論和經驗，研究基于衛星遙感數據的果園地塊精準分類識別、基于無人機低空遙感的果園果樹識別及數目統計方法，基于物聯網的果實實時檢測方法、基于AI診斷的果樹病害檢測方法等，最終實現大數據、大模型驅動的田間地頭一鍵式、簡單化、便捷的數據診斷與分析能力[47]。

5.4 智能化精細管理技術不斷突破

聚焦果園水肥藥、病蟲害、采收作業管理關鍵環節，根據果樹不同品種和生長環境，通過科學運算方法精細測算灌溉施肥需求量，實現個性化的智能節水灌溉和科學施肥應用，進一步結合深度學習算法，智能識別診斷病蟲害并科學用藥[48]；結合北斗導航定位、智能裝備等手段，實現果園割草、剪枝、運輸等環節的應用，從而實現果園宜機化精細農事作業；伴隨新一代深度學習、大數據、區塊鏈等信息技術的融合發展，果園全方位監測系統采集大量結構和和非結構化數據，研發管理農業數據集的智能分析方法，處理、統計、分析海量原始數據，指導管理者和果農有效種植，智慧農業能夠使用數字化和大數據應用來指導農業價值鏈上的決策，提高農業生產力[49-51]。

6 結語

現階段，果樹產業產值相對較低，以節水肥藥、少人工和高收益為主的提質增效目標“ 任重道遠”，智慧果園已涵蓋了“數據、軟件、硬件和工程”的數智元素。未來，智慧果園將強化“ 新農藝?信息化?農機化?新農人”深度融合，以物聯網集成應用為基礎全面采集果園環境與長勢信息，以“機器換人為驅動”著力打造新型果園宜機化智能裝備，以“數智大腦”為核心強化果園系統綜合管理服務，從而搭建“數字管理、智慧決策、精細管控、簡約省力、安全追溯和品牌服務”為一體的新一代智慧果園應用場景，全面武裝和提升果業的數智化水平，為果樹產業提質增效和高質量發展提供農業科技支撐。

參考文獻

［1］ 朱彬彬，陶良如，孔德政.果樹的觀賞利用價值及其應用分

析[J].中國果樹，2020（2）：117-121.

ZHU B B， TAO L R， KONG D Z. Ornamental utilization value

of fruit trees and its application analysis [J].China Fruits， 2020

（2）：117-121.

［2］ 韓冷，何雄奎，王昌陵，等.智慧果園構建關鍵技術裝備及展

望[J].智慧農業（中英文），2022，4（3）：1-11.

21

HAN L， HE X K， WANG C L， et al .. Key technologies and

equipment for smart orchard construction and prospects [J].

Smart Agric.， 2022， 4（3）：1-11.

［3］ 蘭玉彬，林澤山，王林琳，等.基于文獻計量學的智慧果園研

究進展與熱點分析[J].農業工程學報，2022，38（21）：127-136.

LAN Y B， LIN Z S， WANG L L， et al .. Research progress and

hotspots of smart orchard based on bibliometrics [J]. Trans.

Chin. Soc. Agric. Eng.， 2022， 38（21）：127-136.

［4］ 吳建偉.信息科技賦能智慧果園[J].北京農村經濟，2022（5）：

35-37.

［5］ 趙春江.智慧農業的發展現狀與未來展望[J].華南農業大學

學報，2021，42（6）：1-7.

ZHAO C J. Current situations and prospects of smart

agriculture [J]. J. South China Agric. Univ.， 2021， 42（6）： 1-7.

［6］ 孫九林，李燈華，許世衛，等.農業大數據與信息化基礎設施

發展戰略研究[J].中國工程科學，2021，23（4）：10-18.

SUN J L， LI D H， XU S W， et al .. Development strategy of

agricultural big data and information infrastructure [J]. Strateg.

Study CAE， 2021， 23（4）：10-18.

［7］ O’SHAUGHNESSY S A， KIM M， LEE S， et al .. Towards smart

farming solutions in the U.S. and south Korea： a comparison of

the current status [J]. Geogr. Sustain.， 2021， 2（4）：312-327.

［8］ USDA. USDA Science Blueprint： A roadmap for USDA science

from 2020 to 2025 [EB/OL]. （2020-04-02） [2024-09-02]. https：//

www. usda. gov/sites/default/files/documents/usda-science-blueprint.

pdf.

［9］ SILVA F TDA， BAIERLE I C， DE FARIA CORREA R G， et al..

Open innovation in agribusiness： barriers and challenges in the

transition to agriculture 4.0 [J/OL]. Sustainability， 2023， 15（11）：

8562. [2024-09-02]. https：//doi.org/10.3390/su/5118562.

［10］ 趙春江.發展智慧農業建設數字鄉村[J].山東農機化，2020

（5）：9-10.

［11］ 劉旭，李文華，趙春江，等.面向2050年我國現代智慧生態農

業發展戰略研究[J].中國工程科學，2022，24（1）：38-45.

LIU X， LI W H， ZHAO C J， et al .. High-quality development of

modern smart ecological agriculture [J]. Strateg. Study CAE，

2022， 24（1）： 38-45.

［12］ 孫康泰，王小龍，蔣大偉，等.美國農業和食品領域2030科技

突破計劃及啟示[J].全球科技經濟瞭望，2020，35（11）：25-32.

SUN K T， WANG X L， JIANG D W， et al .. The 2030 plan of

science and technology breakthrough on agricultural and food

study in the United States and its enlightenment [J]. Glob. Sci.

Technol. Econ. Outlook， 2020， 35（11）：25-32.

［13］ THORNE J. Apple-picking robots gear up for U. S. debut in

Washington state [EB/OL]. （2019-05-13） [2024-09-02]. https：//www.

ther obotreport.com/ abundant-robotics-shuts-down-fruitharvestingbusiness/.

［14］ 翟長遠，楊碩，王秀，等.農機裝備智能測控技術研究現狀與

展望[J].農業機械學報，2022，53（4）：1-20.

ZHAI C Y， YANG S， WANG X， et al .. Status and prospect of

intelligent measurement and control technology for agricultural

equipment [J]. Trans. Chin. Soc. Agric. Mach.， 2022， 53（4）：

1-20.

［15］ VERIS TECHNOLOGIES. Mobile sensor platform（MSP3）

[EB/OL]. [2024-09-02]. http：//www.veristech.com.

［16］ 袁祥州，黃恩臨.歐盟智慧農業發展經驗及其借鑒[J].世界

農業，2022（5）：27-36.

YUAN X Z， HUANG E L. Experience and reference of smart

agriculture development in European union [J]. World Agric.，

2022（5）：27-36.

［17］ MOYSIADIS V， SARIGIANNIDIS P， VITSAS V， et al .. Smart

farming in Europe [J/OL]. Comput. Sci. Rev.， 2021， 39：100345

[2024-09-02]. https：//doi.org/10.1016/j.cosrev.2020.100345.

［18］ LI D P， NANSEKI T， CHOMEI Y， et al .. A review of smart

agriculture and production practices in Japanese large-scale

rice farming [J]. J. Sci. Food Agric.， 2023，103（4）：1609-1620.

［19］ MAFF. On smart agriculture [EB/OL]. [2024-09-02]. https：//

www.maff.go.jp/j/kanbo/smart/#smart.

［20］ 金建東，徐旭初.數字農業的實踐邏輯、現實挑戰與推進策

略[J].農業現代化研究，2022，43（1）：1-10.

JIN J D， XU X C. The operational logic， realistic challenges，

and promotion strategies of digital agriculture [J]. Res. Agric.

Mod.， 2022， 43（1）：1-10.

［21］ 周國民，丘耘，樊景超，等.數字果園研究進展與發展方向[J].

中國農業信息，2018，30（1）：10-16.

ZHOU G M， QIU Y， FAN J C， et al .. Research progress and

prospect of digital orchard techniques [J]. China Agric.

Inform.， 2018， 30（1）：10-16.

［22］ 安徽省人民政府辦公廳. 安徽省人民政府辦公廳關于印

發加快發展數字經濟行動方案（2022—2024年）的通知（皖

政辦〔2022〕10 號） [EB/OL]. （2022-11-18） [2023-11-02].

https：//www.ah.gov.cn/szf/zfgb/554185131.html.

［23］ 北京市園林綠化局.北京市果樹產業助力鄉村振興三年行

動計劃實施方案（2023—2025 年） [EB/OL]. （2023-05-09）

[2024-09-02]. https：//yllhj.beijing.gov.cn/zwgk/fgwj/qtwj/202305/

t20230512_3101898.shtml？eqid=882eecd80000fb9100000003

646dfd5e.

［24］ JUNAID M， SHAIKH A， HASSAN M U， et al.. Smart agriculture

cloud using AI based techniques [J/OL]. Energies， 2021，14（16）：

5129 [2024-09-02]. https：//doi.org/10.3390/en14165129.

［25］ 饒曉燕，吳建偉，李春朋，等.智慧蘋果園“ 空?天?地” 一體化

監控系統設計與研究[J]. 中國農業科技導報，2021，23（6）：

59-66.

RAO X Y， WU J W， LI C P， et al .. Design and research on

“space-air-ground” integrated monitoring system for intelligent

orchard [J]. J. Agric. Sci. Technol.， 2021，23（6）：59-66.

［26］ 杜青青. 基于LoRa 的智慧果園墑情監測系統研究與設

計[J]. 工業儀表與自動化裝置，2022（3）：13-17，27.

DU Q Q. Research and design of intelligent orchard moisture

monitoring system based on LoRa [J]. Ind. Instrum. Autom.，

2022（3）：13-17，27.

［27］ 郭濤，李宗南，何澤濤，等.智慧果園移動管理服務平臺設計

與實現[J].智慧農業導刊，2023，3（11）：5-8，12.

GUO T， LI Z N， HE Z T， et al .. Design and implementation of

mobile management and service platform for smart orchard [J].

J. Smart Agric.， 2023， 3（11）：5-8，12.

［28］ 孫昌權，高菊玲.設施草莓智慧生產管控系統設計與實現[J].

中國農機化學報，2021，42（12）：80-86.

SUN C Q，GAO J L. Design and implementation of intelligent

control system for strawberry greenhouse [J]. J. Chin. Agric.

Mech.， 2021， 42（12）：80-86.

［29］ SIMóN-PORTILLO F J， ABELLáN-LóPEZ D， FABRARODRIGUEZ

M， et al .. Detection of hollow heart disorder

in watermelons using vibrational test and machine learning

[J/OL]. J. Agric. Food Res.， 2023，14：100779 [2024-09-02].

https：//doi.org/10.1016/j.jafr.2023.100779.

［30］ WANG D Z， WANG X C， CHEN Y Y， et al .. Strawberry

ripeness classification method in facility environment based on

red color ratio of fruit rind [J/OL]. Comput. Electron. Agric.，

2023， 214：108313 [2024-09-02]. https：//doi.org/10.1016/j.compag.

2023.108313.

［31］ JIANG L G， JIANG H H， JING X D， et al .. UAV-based field

watermelon detection and counting using YOLOv8s with image

panorama stitching and overlap partitioning [J]. 2024（13）：

117-127.

［32］ 王雯，張葉清，張靜，等.基于采摘機器人觸覺的獼猴桃成熟

度感知方法[J].科技與創新，2021（18）：59-60，64-65.

［33］ 吳風揚，黃文倩，田喜，等.基于機器視覺的無序堆放西瓜識

別與定位技術[J].新疆農業科學，2024，61（7）：1805-1813.

WU F Y， HUANG W Q， TIAN X， et al .. Research on

recognition and localization of unordered stacked watermelons

based on machine vision [J]. Xinjiang Agric. Sci.， 2024， 61（7）：

1805-1813.

［34］ MASSAOUDI A， BERGUIGA A， HARCHAY A. Secure

irrigation system for olive orchards using internet of things [J].

Comput. Mater. Continua， 2022， 72（3）： 4663-4673.

［35］ TAN K， SUN S M， DU L Z， et al .. Design of an intelligent

irrigation system for a jujube orchard based on IoT [J].

INMATEH Agric. Eng.， 2021， 63（1）：189-198.

［36］ MAHMUD M S， HE L， HEINEMANN P， et al .. Unmanned

aerial vehicle based tree canopy characteristics measurement

for precision spray applications [J/OL]. Smart Agric. Technol.，

2023， 4：100153 [2024-09-02]. https：//doi.org/10.1016/j.atech.2022.

100153.

［37］ REIM S， PFLANZ M， MA? V， et al .. Development of a

digital monitoring system for pear rust and fire blight in fruit

orchards [J]. Acta Hortic.， 2023（1360）：291-298.

［38］ 翟長遠，張燕妮，竇漢杰，等. 果園風送噴霧機出風口風場

CFD建模與試驗[J].智慧農業（中英文）， 2021，3（3）：70-81.

ZHAI C Y， ZHANG Y N， DOU H J， et al .. CFD modeling and

experiment of airflow at the air outlet of orchard air-assisted

sprayer [J]. Smart Agric.， 2021， 3（3）：70-81.

［39］ 吳建偉，黃杰，熊曉菲，等.基于AI的桃樹病害智能識別方法

研究與應用[J].中國農業科技導報，2022，24（5）：111-118.

WU J W， HUANG J， XIONG X F， et al .. Research and

application of intelligent recognition method of peach tree

diseases based on AI [J]. J. Agric. Sci. Technol.， 2022， 24（5）：

111-118.

［40］ PAN S， AHAMED T. Pear Recognition System in an Orchard

from 3D Stereo Camera Datasets Using Deep Learning

Algorithms- IoT and AI in Agriculture [M]. Singapore： Springer

Singapore， 2023：219-252.

［41］ 呂沐華，丁珠玉.基于機器視覺的果園噴藥除草機器人視覺

系統設計[J].中國農機化學報，2021，42（5）：42-48.

LYU M H， DING Z Y. Design of visual systems for orchard

spraying weeding robot based on machine vision [J]. J. Chin.

Agric. Mech.， 2021， 42（5）：42-48.

［42］ 任棟宇，李曉娟，林濤，等.基于Kinect v2傳感器的果樹枝干

三維重建方法[J].農業機械學報，2022，53（增刊2）：197-203.

REN D Y， LI X J， LIN T， et al .. 3D reconstruction method for

fruit tree branches based on Kinect v2 sensor [J]. Trans. Chin.

Soc. Agric. Mach.， 2022， 53（S2）：197-203.

［43］ 張凝，楊貴軍，趙春江，等.作物病蟲害高光譜遙感進展與展

望[J].遙感學報，2021，25（1）：403-422.

ZHANG N， YANG G J， ZHAO C J， et al .. Progress and

prospects of hyperspectral remote sensing technology for crop

diseases and pests [J]. Natl. Remote. Sens. Bull.， 2021，25（1）：

403-422.

［44］ MA S X， LIU Y C， TIAN H W， et al .. Investigation of

resonance excitation of trace elements using resonant laserinduced

breakdown spectroscopy （RLIBS） [J]. J. Anal. At.

Spectrom.， 2023， 38（2）：342-346.

［45］ 馮青春，趙春江，李濤，等.蘋果四臂采摘機器人系統設計與

試驗[J].農業工程學報，2023，39（13）：25-33.

FENG Q C， ZHAO C J， LI T， et al .. Design and test of a fourarm

apple harvesting robot [J]. Trans. Chin. Soc. Agric. Eng.，

2023， 39（13）：25-33.

［46］ HUANG W Q， LI J B， WANG Q Y， et al .. Development of a

multispectral imaging system for online detection of bruises on

apples [J]. J. Food Eng.， 2015， 146：62-71.

［47］ 吳文斌，史云，段玉林，等.天空地遙感大數據賦能果園生產

精準管理[J].中國農業信息，2019，31（4）：1-9.

WU W B， SHI Y， DUAN Y L， et al .. The precise management

of orchard production driven by the remote sensing big data

with the SAGI [J]. China Agric. Inform.， 2019， 31（4）：1-9.

［48］ KUMAR R， KUMAR P， TRIPATHI R， et al .. SP2F：a secured

privacy-preserving framework for smart agricultural Unmanned

Aerial Vehicles [J/OL]. Comput. Netw.， 2021， 187： 107819

[2024-09-02]. https：//doi.org/10.1016/j.comnet.2021.107819.

［49］ BALDUCCI F， IMPEDOVO D， PIRLO G. Machine learning

applications on agricultural datasets for smart farm

enhancement [J/OL]. Machines， 2018， 6（3）： 38 [2024-09-02].

https：//doi.org/10.3390/machines 6030038.

［50］ DURAI S K S， SHAMILI M D. Smart farming using machine

learning and deep learning techniques [J/OL]. Decis. Anal. J.，

2022， 3：100041 [2024-09-02]. https：//doi.org/10.1016/j.dajour.

2022.100041.

［51］ 張凝，楊貴軍，趙春江，等.作物病蟲害高光譜遙感進展與展

望[J].遙感學報，2021，25（1）：403-422.

ZHANG N， YANG G J， ZHAO C J， et al.. Progress and prospects

of hyperspectral remote sensing technology for crop diseases and

pests [J]. Natl. Remote. Sens. Bull.， 2021，25（1）：403-422.