我國煙葉智慧生產研究現狀與發展趨勢

中圖分類號：S572；S126 文獻標識碼：A文章編號：1007-5119（2025）03-0126-09

Current Status and Developing Trends of Intelligent Tobacco Production in China

XU Qiang， GUO Weimin， LIANG Taibo， WANG Jianwei， WU Baojian， DAI Huaxin， ZHANG Yanling （Zhenghou Tobacco Research Institute of CNTC， Zhengzhou 45o001， China）

Abstract： Smartagricutureisanewagriculturalapplicatiomodeltatdeplyitegates thenewgeneratinofartificialintellgnce technologiessuchasdepleaming，machinevision，knowledgeengineering，reasoninganddecisionmakingwithagricultural scenarios.Tobaoplantingisainlydistrbutedinillyandmountaiousareas in Cina，andintelligenttbacoproductisowed boththecommoncharacteristicsandcertainspecificitycomparedwithintellgent productionof majorrops.Tosystematicalyreview theresearchand practicestatus，andtoanalyzethetechnicalbolenecksrestrictingthedevelopmentandthedevelopingtrendsof intellgettobaccproductioina，teintellgtpepto，tellgtaalysisditellientdeisio-aingeaald in key processes such asseedling，field production，flue-curing，gradingand alcoholization inthis study.And problems suchas intellgentsensingspecalqpments，dataitegation，kyalgoritsandmulti-functioaldsiomakingpatfoichdto be paidatentiontointedevelopmentofinteligenttobaccoproductioninChinaandsuggestionsforfurtherdevelopment wereput forward.Theresults inthisstudycanprovidereferencesfortheresearchand practiceofChina's intellgenttobaccoproduction.

ywords： intelligent tobacco production; intelligent perception; intelligent analysis; intelligent decision

智慧農業是以信息和知識為核心要素，通過互聯網、物聯網、云計算、大數據、智能裝備等現代信息技術與農業深度跨界融合，實現農業生產全過程的信息感知、定量決策、智能控制、精準投入、個性化服務的全新農業生產方式，是農業信息化發展從數字化到網絡化再到智能化的高級階段[1-2]。世界發達國家均制定了智慧農業發展規劃，我國也連續出臺多項“中央一號”文件大力支持發展智慧農業[3-4]。智慧農業的技術架構主要包含農情信息智能感知、數據分析與挖掘和智慧決策與控制等層面[5-6]。隨著近年物聯網、云計算、大數據等技術的快速發展，機器學習與AI技術逐漸成為農業數據分析挖掘的主要手段[5.7]，以物聯網、大數據技術等應用為特征的決策系統正得到越來越廣泛的應用[8-9]，集成大數據、信息感知、模型建立與智慧決策等技術的示范性智慧農場在主糧作物中不斷增多[10]。

智慧煙草農業是煙草行業中長期科技規劃綱要的重要內容，也是近年煙草農業研究的熱點方向之一。煙葉作為我國主要的經濟作物，其智慧生產既有大農業智慧生產的共性特征，也存在一定特異性。在育苗和大田生產環節，煙葉的智慧生產技術與主糧作物基本一致，例如育苗大棚內環境信息的智能感知與決策控制[11-3]，大田生產過程基于衛星、無人機以及物聯網等技術，智能感知氣象、土壤、植被等生態環境信息，以及作物發育、營養、脅迫、病蟲害等[14-18]生長信息。煙葉與主糧作物的差異主要體現在其生產多分布于經濟欠發達的丘陵山區，而且以葉片作為產品，具備明顯的工業產品屬性。從我國煙草種植區劃上來看，大約 70% 以上煙葉種植在丘陵山區，顯著高于主糧作物丘陵山區耕地面積占比（約 30% ），不僅影響了煙草農業機械在移栽與采收等生產環節的發展和應用，也限制了智慧煙草農業的快速發展。玉米、小麥、水稻、大豆等主糧作物均以種子為產品，與煙葉相比，更便于實現機械化且對產品品質影響較小。此外，大田采收后的鮮煙葉還需經過烘烤才能完成由不具備商品價值的農產品向卷煙工業原料的屬性轉變，烘烤質量容易受到烘烤設備、工藝等的影響。傳統煙草農業的研究多依賴于少量數據樣本開展相關環節管理措施、工藝參數等的調整與優化，而數據的廣泛應用和人工智能技術的融人為智慧煙草農業的發展帶來了新的發展機遇和挑戰。學者們從采集設備、數據獲取、算法模型、應用系統等多個角度開展了煙葉生產全鏈條的初步探索和研究，致力于提升煙葉生產智能化程度，提高生產效率和煙葉質量。本研究擬從智能感知、智能分析和智慧決策等方面，系統梳理我國煙葉智慧生產的研究和實踐現狀，剖析限制煙葉智慧生產發展的技術瓶頸，研判煙葉智慧生產的發展趨勢，以期為我國煙葉智慧生產研究與實踐提供參考。

1 煙葉智慧生產研究現狀

智能感知、智能分析和智慧決策覆蓋了育苗、大田生產、烘烤、分級、醇化等煙葉全鏈條智慧生產過程（圖1），智能感知裝備和衛星、無人機以及物聯網等技術的發展為智能分析提供了基礎數據，基于AI技術系列關鍵算法研究為生產決策提供了智慧大腦，多功能生產決策平臺通過數據匯交與融通，下發決策命令指導生產，形成煙葉智慧生產的良性循環機制。

1.1煙葉生產智能感知

隨著更加精準、便攜的光學傳感器和基于圖像識別的人工智能技術的發展，以農業傳感器為主的農業生產信息獲取已逐步向圖像感知為主、多種傳感器感知共同參與的多模態信息感知方向發展[與大農業相似，煙葉生產過程的智能感知也主要包含環境信息、生長信息、產品品質等方面[3]1.1.1環境信息感知環境信息感知對煙草育苗、八山工，、灼和母化守過性目急化王人里女。煙草育苗環節的智能感知聚焦于棚內溫濕度信息，大多為基于單片機、ZigBee以及物聯網技術的無線采集系統[11]，借鑒國內外智能化溫室和植物工廠先進經驗的自動化立體化育苗系統也開展了初步研究，從光、溫、水、營養等信息采集的角度探索煙草育苗的工廠化、集約化和自動化[12]，但是在水肥智能管控、苗期自動識別、智慧輔助決策等方面還存在著局限性[13]。煙葉大田生產環節，生態環境信息主要包括氣象、土壤、地形地貌和植被等。國家標準氣象站點數據仍是煙葉生產氣象數據的主要來源，基于商業氣象站的大田氣象信息實時監測裝置已得到普遍應用，可以實時獲取大田環境溫濕度、光照、降水量、風速等氣象信息[4]，與微型氣象系統相匹配的田間定點監測系統近年也逐漸增多[15]。不定期的取樣測試仍是土壤信息的主要獲取渠道，土壤水分傳感器、養分速測儀器等可實時感知土壤信息，其廣泛應用使土壤定點監測技術不斷發展[1，顯著提高了監測精度和效率。此外，基于光譜和無人機技術的測土精量配方施肥技術應用逐漸增多[17]。隨著民用衛星技術的發展，其氣象、土壤、植被等開源數據大大便利了煙葉大田生態信息的獲取，也得到越來越多的應用[18]。烤房環境溫濕度是煙葉烘烤環節最關鍵的環境信息，烤房溫濕度的分布及其在烘烤過程中的變化規律一直是煙葉烘烤的研究熱點，如基于RS485、GPRS和物聯網技術研發的烘烤過程溫濕度實時監測系統[19-22]，以及基于傳感器測量和數值模擬的烤房溫濕度分布與變化規律研究等[23]。隨著溫濕度獲取技術和裝備的逐漸成熟和廣泛應用，烘烤過程溫濕度信息的智能感知技術也逐漸成熟，已經成為評價烘烤作業質量和煙葉質量診斷的有效手段[24-25]。倉儲環境信息的感知主要包含環境溫度、相對濕度、包芯溫度和氧氣濃度等[26]。包芯溫度、醇化積溫、氧氣濃度等信息的獲取和裝備開發多年來是煙葉倉儲醇化研究的熱點，目前多依賴于無線傳感網絡、ZigBee 技術、物聯網技術等實現[27-28]，基于積溫芯片的包芯溫度獲取裝置已在不同企業得到應用[26.29]。但是，由于環境信息與煙葉內在質量的關系研究尚未取得明顯進展，煙葉倉儲醇化過程所需的關鍵環境信息尚不完全明確。

1.1.2煙葉生長信息感知煙葉生長信息的感知集中于大田生產環節。可見光成像、葉綠素熒光成像、高光譜成像、熱成像、紅外成像、近紅外成像、三維成像、激光雷達成像、計算機斷層掃描、核磁共振成像等數據采集技術廣泛應用于植物表型研究，進行養分分析、病蟲害監測、三維重建、生物量檢測、產量預測等[30-31]。這些技術在煙葉生產中的應用逐漸增多，如基于高光譜成像、可見光成像、衛星影像的田間煙葉成熟度判別[32]、病蟲害識別[33]]產量估算[34等。基于無人機平臺的煙株生長發育指標估測成為新的研究熱點，例如基于可見光、多光譜、激光雷達、紅外光譜分析相結合的株高株型測量、葉面積指數測量、煙草植株三維重建、病蟲害識別、成熟度識別等[35-36]。煙葉生長發育信息的智能感知數據進入快速積累期。但迄今為止，與煙葉質量密切相關的關鍵生長發育指標如新鮮煙葉成熟度、烘烤特性等智能感知的特征敏感光譜波段尚未取得實質性進展[37]

1.1.3煙葉品質信息感知煙葉分級是煙葉品質信息智能感知研究和應用的主要領域之一。基于圖像識別、光譜采集等的煙葉品質感知和自動分級研究不斷取得新的進展[38-39]，煙葉自動分級裝備也在一些產區得到了應用。然而，由于目前使用的技術多是基于單片煙葉判別，在分級效率方面不能滿足收購需求，使得智能分級的研究逐漸向智能定級和工業分選轉移[40]。隨著近年智能化生產水平的提高，煙葉烘烤和醇化過程中質量信息的獲取也取得明顯進展。反映煙葉烘烤質量變化的烘烤過程煙葉圖像采集技術受到高度關注[41]，但是，由于烘烤過程的高溫高濕和黑暗環境，圖像畸變、失焦、色差明顯以及只能采集局部煙葉圖像等，一直是限制煙葉狀態信息獲取的核心問題。通過研發適應高溫高濕環境下的圖像采集裝置，過偉民等[42]解決了高溫高濕環境下煙葉圖像顏色的保真問題，實現了烘烤過程中煙葉圖像、水分、環境溫濕度的同步實時采集和匯交。烘烤過程中煙葉內在質量如質體色素、淀粉等研究也有報道[24.43-45]，但全面反映烘烤過程煙葉質量變化的核心指標和感知技術仍未形成。卷煙智能制造和數字化配方的發展，對煙葉醇化質量的無損實時感知提出了新的要求。然而，由于煙葉醇化方式較多，且受到醇化煙葉整箱包裝、箱內純黑環境等條件的限制，目前對醇化煙葉質量的感知多采用積溫進行間接判斷[46]，雖然有關于近紅外、高光譜、代謝組等技術在煙葉醇化質量判斷等方面的報道[47-48]，但實時、無損感知醇化煙葉質量的技術尚未取得明顯進展。

1.2煙葉生產智能分析

智能分析技術是實現農作物生長過程動態模擬、作物生產力預測預警、農作物管理方案設計等的必要途徑和手段，煙葉生產過程中采用的智能分析技術主要包括基于成像和非成像技術的經驗模型、AI技術、數字仿真與孿生等。

1.2.1經驗模型煙葉生產過程中的經驗模型研究重點關注種植面積、煙株長勢、葉面積指數、采收成熟度、煙堿、葉綠素、氮素和產量預測等，多基于成像或非成像光譜技術實現[49-52]。與其他農作物相似，衛星圖像廣泛應用于煙葉種植面積估測，多種植被指數被用于輔助煙草信息的識別提取[51]。光譜技術在葉綠素含量、氮含量、煙堿含量等指標的估測方面受到了高度關注和應用，例如李夢竹等[50]基于高光譜反射率對烤煙冠層葉綠素密度進行估測，模型決定系數達到0.968；蔣薇等[49]基于冠層高光譜數據建立了煙堿預測模型，模型決定系數達到0.800，預測精度較高。氣象因素在煙葉產量預測中應用廣泛，多基于田間實際產量與平行氣象數據建立相關預測模型，可實現煙葉產量的精準預測[52]。

1.2.2AI技術近年來，以深度學習為代表的AI技術憑借強大的特征提取能力和建模能力為解決海量數據處理和圖像特征復雜的問題提供了新的手段[53]，在煙葉生產中的研究與應用逐漸增多（表1），按照其應用方向可主要分為以CNN和YOLO為代表的分類識別算法與以SVM和RF等為代表的預測算法兩種。何艷[54]基于K-means聚類彩色圖像分割算法和CNN模型算法對育苗環節單株、多株及空穴穴盤格類別開展識別研究，壯苗識別準確率可達 99.05% 。宋坤良等[55]采用YOLO算法模型結合無人機影像，煙株數量檢測準確率達到 97.16% 。

基于機器學習和AI技術的成熟度和病蟲害識別模型在煙葉產區應用也逐漸增多，如“煙醫生\"智能軟件、“慧眼識煙\"APP、“看葉識熟\"APP等。機器學習和AI技術的應用也大大提高了烘烤過程煙葉狀態的識別準確率，成型產品在產區得到廣泛應用。例如姜增昀等[5基于GhostNet模型構建了準確率為 92.05% 的GhostNet-TFSI煙葉烘烤階段機器視覺識別模型，并在此基礎上研究了高精度輕量級的改進EfficientNetB0模型[57]，準確率提升至96.13% ；吳娟[58]、李增盛等[41]基于GA-SVM模型建立的烘烤階段識別模型精度分別為 96.5% 和93.27% ；邢玉清等[59基于小波核極限學習機建立了煙葉烘烤智能識別模型，準確率進一步提升，達到了 98.33% ；Pei等[]基于信息融合的方法建立了烘烤過程煙葉狀態識別模型，準確率達到 98.4% 。但是目前大多模型驗證多基于自建數據集，泛化性和通用性不強，如何將作物不同生育期的生長特征，包括病害特征、生長參數提取等進行遷移學習，訓練通用檢測模型是當前亟須解決的問題。

1.2.3數字仿真與孿生農業數字孿生是通過建立數字模型和傳感器來捕獲作物或農業環境的實時信息，從而實現農業生產全過程的可視化、數據化和智能化管理[61]。目前，數字孿生技術在西方國家已成功應用于果園病蟲害防治、農場庫存與補給優化管理、農業機械及田間作業管理等方面[2]。我國蔬菜種植與管理過程中也開展了數字孿生技術的應用，針對現代農業溫室設施場景內外部構造、溫室內常見物聯網傳感器設備、溫室作物以及栽培相關器械進行高精度的三維建模，構建虛擬溫室場景[61]。

煙葉數字仿真與孿生研究主要集中在大田生產和烘烤過程。煙葉烘烤過程中數字仿真與孿生聚焦于烤房氣流、溫濕度場的模擬仿真[25.63-65]。烤房內傳感器的布設實現了溫濕度場的實時測量與可視化[63]，FLUENT和CFD等軟件的應用為烤房內氣流運動、溫濕度場數值模擬提供了可能[65]。隨著烘烤過程的精準控制能力提高，以及烘烤過程模擬模型研究和自主調優技術的日趨成熟，烘烤過程的數字仿真有望率先取得突破。隨著近年煙葉大田生產過程天空地感知技術和表型組學研究的發展，煙葉大田生產的數字仿真逐漸成為新的研究熱點[66-67]。鄧小鵬等[6]和胡心雨等[67]分別利用手持式激光掃描系統、便攜式三維掃描儀、多視角圖像序列快速獲取和重建等方法開展了大田煙草冠層結構的三維建模研究，但是與田間煙株實際生長與模擬生長的同步、煙株實時狀態與實時管理策略之間的交互等還有較大距離。

1.3煙葉生產智慧決策

智慧決策的農業應用主要包含兩類：一種是針對單一對象或單純任務的智慧決策，例如功能相對單一的物聯網系統平臺或大數據平臺；另一種是基于科學數據中心、針對作物“耕種管收\"全環節的綜合智慧決策，例如新疆生產建設兵團棉花生產大數據平臺[8]、國家水稻全產業鏈大數據平臺[69]等。隨著這些智慧決策平臺落地應用，無人智慧農場發展迅速，如英國的小麥無人農場采用智能化農機完成小麥耕種管收全程無人化作業[70]；中國的水稻無人農場，實現了包括耕種管收生產環節全覆蓋、機庫田間轉移作業全自動、自動避障異況停車保安全、作物生產過程實時全監控、智能決策精準作業全無人的智慧管理[10]。針對農業生態環境復雜，農業生產模型功能較弱，智慧決策場景可推廣、泛化性不足等問題，哈爾濱工業大學牽頭開展“群體智能”自主作業智慧農場技術研究，提出了農業智慧決策實現的新方向。

目前，煙葉生產的智慧決策研究與實現多針對單一任務，如煙葉質量大數據分析服務平臺、煙草育種大數據平臺、煙葉近紅外分析系統平臺、煙葉烘烤大數據服務平臺等，這些系統平臺的落地應用大大提升了煙葉生產的智慧決策研究水平。基于多元數據融合的煙葉生產一體化平臺的上線推廣也成為煙葉生產智慧決策新的嘗試，但是，該系統牽涉面廣，數據治理和融通技術尚未完全解決，使其智慧決策的效能尚未得到充分發揮。與此同時，煙葉生產全程機械化工作的推進和全產業鏈智慧生產水平的提高，也使得煙葉智慧農場建設成為新的關注熱點，但尚未有成功實踐。

2 煙葉智慧生產制約因素

近年來，我國煙葉智慧生產研究和實踐均取得了明顯進展，智能感知技術不斷成熟，智慧分析模型應用范圍不斷擴大，智慧決策應用場景逐漸增多。但是仍存在一些制約因素，煙葉智慧生產亟需破解以下問題。

2.1 智能感知方面

智能傳感器是煙葉智慧生產的信息之源，高精度信息的實時獲取是煙葉生產各環節實現智能化的關鍵和基礎。現有煙葉生產環節的傳感器大多是從大農業或工業傳感器借鑒而來，缺乏適用于不同類型生態區、不同應用場景的信息智能感知專用裝備，例如鮮煙葉成熟度、烘烤特性、醇化質量等相關的高精度智能感知設備。另一方面，盡管物聯網技術在煙葉生產各環節應用廣泛，但缺乏對應的數據標準，造成數據采集相對隨機且孤立，數據孤島現象難以破除，數據資源的作用難以充分發揮，數據驅動的煙葉智能生產應用面臨瓶頸。

2.2 智能分析方面

從數據角度來看，數據量大、來源復雜、數據治理困難等是智慧農業以及煙葉智慧生產過程中普遍存在的問題，智慧煙葉生產數據治理體系仍不夠完善。從模型算法分析，一方面，目前建立的模型多數依賴于自建數據集，準確性和泛化能力不足；另一方面，數字孿生和仿真等支撐智慧決策的關鍵算法模型尚未建立，基于大數據的煙葉智慧生產大模型尚未取得進展，如煙草生長大模型、煙葉烘烤大模型、醇化大模型等。

2.3智慧決策方面

綜合性多功能煙葉生產一體化平臺是煙葉智慧決策的初步嘗試，但是目前煙葉生產智慧決策仍以單一任務為主，數據的匯交、融通以及綜合治理仍未完全實現。大農業中農業機器人、無人農場、多功能決策平臺的研究層出不窮，落地應用方面也已取得初步成效，但是在煙葉智慧生產領域，農業機器人、無人農場等智慧決策實踐應用新方式還有待突破，煙葉生產全鏈條的智慧管理決策仍需進一步研究。

3煙葉智慧生產發展趨勢與建議

當前是現代煙草農業轉型升級的關鍵時期，基于煙葉智慧生產現狀和制約因素，未來可聚焦于以下幾個方面開展進一步研究：

（1）建立天空地一體的煙葉生長信息智能感知技術體系

基于煙葉生產智慧決策需求與煙草作物時空分布特征，分別選擇丘陵、平原、高原、山地等不同生態類型烤煙區，借助多源衛星遙感、無人機遙感、田間原位測量、巡田機器人等監測技術手段，開展烤煙大田生長階段的天空地協同遙感監測，建立烤煙遙感信息高效感知技術規范，獲取多尺度（煙株田塊-區域）多模態（可見光、高/多光譜）烤煙不同生育期遙感時序數據，構建烤煙大田生長期農情遙感監測高質量數據集，研發一批煙葉生產智能感知、智能控制和自主作業等專用技術產品，搭建基于現代信息技術和表型組學數據挖掘的煙葉生長信息感知技術和裝備體系。

（2）構建智慧煙葉生產數據治理體系

以煙葉智慧生產數據規范采集、高效傳輸和安全共享為目標，明確各產區煙葉生產環境、生長、品質等信息數據的主要傳輸方式和接口協議，以通用、安全、高效為原則，制定包括采集內容、數據來源、傳輸方式、訪問控制、數據質量和安全要求、采集傳輸頻率、數據共享等內容的煙葉生產環境、生長、品質等信息數據的數據標準、數據采集規范和上傳規范等，采集和整合全國煙葉生產全鏈條的時間序列和天空地不同尺度空間數據，探索數據在線增量更新技術，形成高質量數據有效生長機制。加強現有系統互聯互通、數據同源共享，做好煙葉智慧生產相關數據的生長、匯交、治理工作，構建煙葉智慧生產數據治理體系，建立煙葉生產過程信息大數據平臺，奠定智慧模型建立和智慧決策的數據基礎。

（3）突破關鍵環節的智慧化支撐技術

探討AI技術、仿真技術等新一代信息技術在煙葉生產關鍵環節的適宜應用場景，重點突破煙葉生長模型建立與產質量預測技術、煙葉生產過程三維建模與生長仿真技術、煙葉烘烤過程數字孿生和工藝仿真技術、煙葉質量數字化表征技術、倉儲過程數字孿生技術等，一方面為田間栽培管理、產量預測、群體性狀監測等提供快速、準確、便捷的決策支撐，另一方面為上下游技術研發提供方法支持。例如：煙葉生長模型構建技術能夠為品種選育提供不同生長環境下煙株生長發育指標預測，為智慧育種的關鍵技術支撐；煙葉產質量預測技術能夠為工商企業預測產量，提供科學調撥依據；煙葉質量數字化表征技術是卷煙數字化產品設計的重要前提。

隨著海量多源數據的不斷積累，亟待開發煙葉智慧生產系列大模型以深度開發數據資源價值，例如以煙葉烘烤大數據為基礎的烘烤大模型，可實現烘烤進度監測、烘烤資源調度、執行到位率監測、烘烤工藝調優、烘烤技術指導、烘烤質量預測等系列服務，為智慧生產提供可靠的方法和技術支撐。

（4）開展示范性煙葉智慧農場建設

無人或少人化智慧農場是實現智慧生產的主要途徑之一。標準煙田建設和煙葉生產全程機械化為智慧煙葉農場建設提供了良好條件。在機械化作業進程較快、基礎設施相對完善的區域，采取群智協同模式，開展示范性煙葉智慧農場建設，探索可復制、易升級的煙葉智慧化生產新模式。例如在適用于全程機械化作業的黑龍江、河南等平原煙區，從“多源數據感知融合-核心算法建立-精準作業與優化-應用示范”的角度，逐步開展面向智慧農場的數字化技術體系和管理模式研究，形成典型產區煙葉生產智慧化管理升級方案，打造引領性煙葉生產智慧農場，實現“前沿引領與實際應用并重”的目的，為全國煙葉生產的智慧化發展提供科學支撐與示范樣板。

參考文獻

[1] 趙春江.人工智能引領農業邁人嶄新時代[J].中國農村科技，2018（1）：29-31. ZHAO CJ. Artificial intelligence leads agriculture into anew era[J]. China Rural Science amp; Technology，2018（1）： 29-31.

[2] 羅錫文，廖娟，胡煉，等.我國智能農機的研究進展與無人農場 的實踐[J].華南農業大學學報，2021，42（6）：8-17，5. LUO XW，LIAO J，HUL，etal.Research progress of intelligent agricultural machinery and practice of unmanned farm in China[J]. Journal of South China Agricultural University，2021， 42（6）： 8-17， 5.

[3] 趙春江.智慧農業的發展現狀與未來展望[J].中國農業文摘-農業 工程，2021，33（6）：4-8. ZHAO C J. Development status and future prospect of smart agriculture[J]. Agricultural Science and Engineering in China， 2021， 33（6）： 4-8.

[4] 羅錫文.農業人工智能的應用和思考[J].中國農村科技，2019（5）： 16-19. LUOX W.Application and thinking of agricultural artificial intelligence[J]. China Rural Science amp; Technology，2019（5）：16-19.

[5]MITRA A， VANGIPURAM SL T， BAPATLA A K，et al. Everything you wanted to know about smart agriculture[EB/OL]. 2022：2201.04754.htps：//arxiv.org/abs/2201.04754v1.

[6] 趙春江.農業知識智能服務技術綜述[J].智慧農業（中英文），2023， 5（2）：126-148. ZHAO C J. Agricultural knowledge intelligent service technology： A review[J].Smart Agriculture，2023，5（2）：126-148.

[7]CHOUHAN S S， SINGH U P， JAIN S.Applications of computer visionin plant pathology：A survey[J].Archives of Computational Methods in Engineering， 2020，27（2）： 611-632.

[8] 許多，魯旺平，許瑞清，等.基于農業時空多模態知識圖譜的水 稻精準施肥決策方法[J].華中農業大學學報，2023，42（3）：281- 292. XU D，LU W P， XU R Q， et al. A method of deciding precision fertilization of rice based on spatiotemporal multi-modal knowledge graph of agriculture[J]. Journal of Huazhong Agricultural University， 2023，42（3）：281-292.

[9] 李家其，徐雯穎，葉婷，等.智慧農業背景下的作物信息學：以 信息獲取、分析和智能決策為例[J].智慧農業導刊，2021，1（10）： 11-16. LI J Q，XU W Y， YE T， et al. Crop informatics in the context of smart agriculture： A case study of information acquisition， analysis andintelligent decision-making[J]. Journal of Smart Agriculture， 2021，1（10）： 11-16.

[10]羅錫文，胡煉，何杰，等.中國大田無人農場關鍵技術研究與建 設實踐[J].農業工程學報，2024，40（1）：1-16. LUO X W， HU L， HE J， et al. Key technologies and practice of unmanned farm in China[J]. Transactions of the Chinese Society of Agricultural Engineering，2024， 40（1）：1-16.

[11]魏興，祝詩平，黃華，等.基于 ZigBee 的煙草育苗大棚群環境參 數無線監測系統設計[J].江蘇農業科學，2016，44（2）：414-417. WEI X， ZHU S P， HUANG H， et al. Design of wireless monitoring system for environmental parameters of tobacco seedling greenhouse group based on ZigBee[J]. Jiangsu Agricultural Sciences，2016， 44（2）： 414-417.

[12]束勝，康云艷，王玉，等.世界設施園藝發展概況、特點及趨勢 分析[J].中國蔬菜，2018（7）：1-13. SHU S，KANG Y Y，WANG Y，et al.General situation， characteristics and trend analysis ofprotected horticulture in the world[J]. China Vegetables，2018（7）：1-13.

[13]施旭，高松，劉帥，等.基于人工智能技術的智慧煙草農業發展 探究[J].浙江農業科學，2024，65（4）：942-948. SHI X， GAO S， LIU S， et al. Research on the development of smart tobacco agriculture based on artificial intelligence technology[J]. Journal of Zhejiang Agricultural Sciences，2024， 65（4）： 942-948.

[14]陳城，孫杰．劉軍，等.鄂西山區煙草氣象觀測站網設計[JI.中低 緯山地氣象，2022，46（4）：92-95. CHENC，SUNJ，LIUJ，et al.Design of tobacco meteorological observation network in western Hubei mountionarea[J].Mid-Low Latitude Mountain Meteorology，2022，46（4）：92-95.

[15]程功，李劍秋.基于WSN的煙田監測關鍵技術[J].現代農業科技， 2014（3）：339，343. CHENG G，LI J Q. Key technologies of tobacco field monitoring basedon WSN[J].ModemAgriculturalScienceandTechnology 2014（3）： 339，343.

[16]SHYLAJA S N， VEENA M B. Real-time monitoring of soil nutrient analysis using WSN[C]//2017 Intermational ConferenceonEnergy Communication，Data Analytics and Soft Computing （ICECDS）， Chennai. IEEE，2017：3059-3062.

[17]MENG JH， CHENG Z Q. Improving the estimation of soil-available nutrients at the sub-field scale using time-series UAV observations[J]. Remote Sensing Letters， 2020， 11（8）： 739-747.

[18]藏照陽，王建偉，陳祥，等.氣候變化背景下河南煙區氣象資源 及氣象風險因素時空分布特征[J].中國煙草學報，2023，29（2）： 32-45. ZANG Z Y， WANG J W， CHEN X， et al. Spatial and temporal distributioncharacteristicsofmeteorologicalresourcesand meteorological risk factors in Henan tobacco-growing areas under the backgroundof climate change[J].Acta Tabacaria Sinica，2023，29（2）： 32-45.

[19]劉志壯，張文昭.基于RS485總線網絡的烤煙集中監控系統[J]. 吉首大學學報（自然科學版），2006，27（1）：43-46. LIU Z Z， ZHANG W Z. Concentrating surveillance-control system of tobacco baking based on RS485 bus[J]. Journal of Jishou University （Natural Sciences Edition），2006，27（1）： 43-46.

[20]謝守勇，王靖，羅舒.基于GPRS 的煙葉烘烤溫濕度遠程監控系 統[J].中國農機化學報，2016，37（6）：118-121. XIE S Y， WANG J， LUO S. Remote monitoring system of tobacco baking temperature humidity based on GPRS[J]. Journal of Chinese Agricultural Mechanization，2016，37（6）：118-121.

[21]張保全，張波，張瑞亞，等.基于物聯網的溫濕度實時監測系統 在煙葉烘烤中的應用[J].天津農業科學，2018，24（10）：61-63， 72. ZHANGBQ，ZHANGB，ZHANGRY，etal.Applicationof real timemonitoring system of temperature and humidity based on Internet of Things in tobacco leaf baking[J]. Tianjin Agricultural Sciences，2018，24（10）： 61-63， 72.

[22]陳祖銷，張富生，過偉民，等.基于物聯網的煙葉烘烤溫濕度數 據采集分析與算法構建[J].煙草科技，2023，56（10）：11-20. CHEN Z X，ZHANG FS，GUO WM，et al.IoT-based acqusition andanalysis algorithms for temperature and humidity data during tobacco flue-curing[J].Tobacco Science amp; Technology，2023， 56（10）： 11-20.

[23]過偉民，鄭勁民，常乃杰，等.基于溫濕度時序數據的煙葉烘烤 工藝特征分析[J].中國煙草學報，2022，28（5）：56-63. GUO W M， ZHENGJM， CHANG NJ，et al. Analysis offue-curing process characteristics based on temperature and humidity time series data[J].Acta Tabacaria Sinica，2022，28（5）： 56-63.

[24]陳祖銷，李俊營，藏照陽，等.氣流上升式密集烤房溫濕度場分 布及其對煙葉質量的影響[J].煙草科技，2024，57（3）：43-55. CHEN Z X，LI JY， ZANG Z Y，et al. Temperature and humidity distributionsand their influences on tobacco leaf quality in air ascending bulk curing barn[J]. Tobacco Science amp; Technology， 2024， 57（3）： 43-55.

[25]GUO W M， XU Q，WANG A G，et al. Neural network assisted temperature and humidity field simulationmethod in tobacco curing process[J]. Industrial Crops and Products， 2025，225： 120508.

[26]張鑫，王蘇紅，徐瑋杰，等.倉儲煙葉箱芯溫度變化規律及預測 預警研究：以安徽鳳陽地區片煙養護為例[J].中國煙草學報， 2023，29（5）：34-41. ZHANG X，WANG S H，XU W J，et al.Study on variation characteristics，forecasting and early warning of inner temperature of tobacco leaves carton during storage-taking tobacco maintenance in Fengyang of Anhui Province as example[J]. Acta Tabacaria Sinica， 2023， 29（5）： 34-41.

[27]朱晴.無線傳感器網絡在煙葉倉儲監控中的研究與應用[D].長沙： 中南大學，2015. ZHU Q. The research and application of wireless sensor network in tobacco storage monitoring[D]. Changsha： Central South University， 2015.

[28]蘇茂軍.基于工業物聯網的倉儲煙葉質量監測系統研究[D].成都： 電子科技大學，2023. SU M J.Research on quality monitoring system of warehouse tobaccobased on Industrial Internet of Things[D].Chengdu： University of Electronic Scienceand Technology of China，2023.

[29]廣西中煙工業有限責任公司，. 一種測定醇化片煙積溫的裝置：CN201720920339.2[P].2018-12- 21. Guangxi Tobacco Industry Co.，Ltd.，Zhengzhou Tobacco Research Institute of China National Tobacco Corporation.A device for measuring the accumulated temperature of alcoholized cigarette smoke： CN201720920339.2[P].2018-12-21.

[30]CONRAD A O， LI W，LEE D Y， et al. Machine learming-based presymptomatic detection of rice sheath blight using spectral profiles[J].Plant Phenomics，2020：8954085.

[31]DEERY DM， REBETZKE GJ，JIMENEZ-BERNIJA， etal.Groundbased LiDAR improves phenotypic repeatability of above-ground biomass and crop growth rate in wheat[J].Plant Phenomics，2020： 8329798.

[32]李鑫，湯衛榮，張永輝，等.基于高光譜成像技術的煙葉田間成 熟度判別模型[J].煙草科技，2022，55（7）：17-24. LI X，TANG W R， ZHANG Y H， et al. Discriminant model for field maturityoftobacco leavesbased onhyperspectral imaging technology[J].Tobacco Scienceamp; Technology，2022，55（7）：17-24.

[3]ZHU H Y，CHU BQ，ZHANG C，et al. Hyperspectral imaging for presymptomatic detection of tobacco disease with successive projections algorithm and machine-learning classifiers[J]. Scientific Reports，2017， 7： 4125.

[34]李富欣，張利紅，徐敏.基于GIS 的河南省烤煙移栽面積遙感監 測及產量估算[J].江西農業學報，2014，26（7）：76-79，83. LI F X， ZHANG L H， XU M. Remote-sensing monitoring of fluecured tobacco transplanting area and estimation of tobacco yield in Henan Province based on GIS[J]. Acta Agriculturae Jiangxi， 2014， 26（7）： 76-79，83.

[35]尹慧，蔣云雨，姜自斌，等.基于無人機遙感簡析煙田監測技術 的應用現狀[J].農業工程技術，2022，42（6）：28-29. YIN H， JIANG YY，JIANG Z B，et al.Application status of tobacco field monitoring technology basedonUAVremote sensing[J]. Agricultural Engineering Technology，2022，42（6）：28-29.

[36]王帥.基于無人機多光譜遙感數據的煙草估產模型研究：以廣東 省始興縣為例[D].晉中：山西農業大學，2021. WANG S. Tobacco yield estimation based on UAV multi-spectral remote sensing image： Taking Shixing County of Guangdong Provinceasanexample[D].Jinzhong：ShanxiAgricultural University，2021.

[37]裴文燦，孫光偉，黃金國，等.田間即時鮮煙葉 SPAD值預測和 成熟度識別方法[J].計算機工程與應用，2024，60（8）：348-360. PEIWC，SUNGW，HUANGJG， etal.Immediate prediction model ofSPAD valueand maturity of fresh tobacco leavesin field[J]. Computer Engineering and Applications， 2024， 60（8）： 348-360.

[38]賓俊，周冀衡，范偉，等.基于NIR 技術和ELM的烤煙煙葉自 動分級[J].中國煙草學報，2017，23（2）：60-68. BIN J，ZHOUJH，FANW，etal.Automatic grading of flue-cured tobacco leavesbased onNIR technologyandextremelearning machine algorithm[Jl.ActaTabacaria Sinica.2017.23（2）：60-68.

[39]王超，李朋成，楊凱，等.近紅外光譜煙葉質量等級快速檢測與 等級特征分析[J].光譜學與光譜分析，2021，41（3）：943-947. WANG C，LI P C， YANG K， et al. Rapid detection of tobacco quality grade and analysis of grade characteristics by using near-infrared spectroscopy[J]. Spectroscopy and Spectral Analysis， 2021，41（3）： 943-947.

[40]齊玥程，王燕，李麗，等.基于深度學習的在線煙葉等級判定研 究[J].安徽農業科學，2023，51（3）：235-239. QI Y C，WANG Y，LI L，et al.Online tobacco leaf grade determination research based on deep learning[J]. Journal of Anhui Agricultural Sciences，2023， 51（3）： 235-239.

[41]李增盛，孟令峰，王松峰，等.基于圖像處理的煙葉烘烤階段判 別模型優選[J].中國煙草學報，2022，28（2）：65-76. LI Z S，MENG L F，WANG SF， et al. Selection of optimum discriminant model in tobacco curing stage based onimage processing[J].Acta Tabacaria Sinica，2022，28（2）： 65-76.

[42].一種烘烤過程煙葉圖像實時采 集比色裝置：CN202221755282.2[P].2022-09-30. Zhengzhou Tobacco Research Institute of CNTC.A device for realtime image acquisition and colorimetry of tobacco leaves during fluecuring： CN202221755282.2[P].2022-09-30.

[43]韋克蘇，涂永高，王豐，等.基于近紅外光譜的煙葉烘烤過程質 體色素實時監測[J].江蘇農業科學，2021，49（16）：184-188. WEI K S，TU Y G， WANG F， et al. Real-time quantitative analysis of chlorophyll and carotene in tobacco during bulk curing processby near-infrared spectroscopy[J]. Jiangsu Agricultural Sciences，2021， 49（16）： 184-188.

[44]賀帆，王濤，王戰義，等.變黃期不同溫濕度對烘烤中煙葉蛋白 質降解及酶活性的影響[J].中國煙草學報，2014，20（5）：80-86. HE F，WANG T，WANG Z Y， et al. Effects of temperature and humility on protein degradation and related enzyme activities in tobacco leaf in yellowing stage[J].Acta Tabacaria Sinica，2014， 20（5）： 80-86.

[45]MENG Y， XU Q， CHEN G Q，et al. Regression prediction of tobacco chemical components during curing based on color quantification and machine learning[J].Scientific Reports， 2024，14： 27080.

[46]韓麗媛.醇化庫溫度變化規律與煙葉醇化品質關聯性研究[J].智慧 農業導刊，2023，3（4）：41-44. HAN L Y.Research on the relationship between alcoholization warehouse temperature changes and alcoholization quality of tobacco leaves[J].Journal of Smart Agriculture，2023，3（4）： 41-44.

[47]王發勇，王玉真，劉澤，等.醇化過程中云南清香型煙葉的化學 成分分析[J].西南農業學報，2023，36（8）：1671-1676. WANG FY，WANG Y Z， LIU Z， et al. Chemical composition analysis of clear flavor tobacco leaf during maturation in Yunnan Province[J]. Southwest China Journal of Agricultural Sciences，2023， 36（8）： 1671-1676.

[48]黃桂紅，謝華利，彭黔榮，等.烤煙醇化過程中的代謝物和脂質 分析[J].中國煙草科學，2022，43（3）：78-86. HUANG G H， XIE H L，PENG Q R， et al.Metabolite and lipid profiling of flue-cured tobacco leaves during aging[J].Chinese Tobacco Science，2022，43（3）：78-86.

[49]蔣薇，湯亮，薛博文，等.基于連續小波變換的烤煙葉片總氮和 煙堿含量高光譜監測預測研究[J].中國煙草學報，2023，29（4）： 33-43. JIANG W，TANG L，XUE B W， et al. Hyperspectral monitoring and prediction of total nitrogen and nicotine contents in flue-cured tobacco leaves based on continuous wavelet transform[J].Acta TabacariaSinica，2023，29（4）：33-43.

[50]李夢竹，劉國順，賈方方.干旱脅迫下旺長期烤煙冠層葉綠素密 度的高光譜估測[J].中國煙草科學，2017，38（1）：23-28. LI M Z，LIU G S，JIAFF.Hyperspectral estimation of canopy chlorophyll density in flue-cured tobacco under different drought stress at the vigorous growth stage[J].Chinese Tobacco Science. 2017， 38（1）： 23-28.

[51]張陽，屠乃美，陳舜堯，等.基于Sentinel-2A數據的縣域烤煙種 植面積提取分析[J].煙草科技，2020，53（11）：15-22. ZHANGY，TUNM，CHENSY，etal.Extractionof flue-cured tobacco plantingarea on county scale based on Sentinel-2A data[J]. Tobacco Scienceamp; Technology，2020，53（11）：15-22.

[52]何娜，范雨嫻，袁小康，等.基于關鍵氣象因子的湘西烤煙產量 預報模型構建[J].中國農學通報，2023，39（24）：96-102. HEN，FANYX，YUANXK，etal.Construction offlue-cured tobacco yield forecast model in Xiangxi Autonomous Prefecture based on key meteorological factors[J].Chinese Agricultural Science Bulletin，2023，39（24）： 96-102.

[53]楊文慶，劉天霞，唐興萍，等.智慧農業背景下的植物表型組學 研究進展[J].河南農業科學，2022，51（7）：1-12. YANG W Q，LIU TX， TANG X P，et al. Research progress on plant phenomics in the context of smart agriculture[J].Journal of Henan Agricultural Sciences，2022，51（7）：1-12.

[54]何艷.基于機器視覺的穴盤煙苗識別算法研究[D].西南大學， 2019. HEY.Recognition algorithm of plug seedling based on machine vision[D].Southwest University，2019.

[55]宋坤良，王新興，藍凱.基于改進YOLOv4模型的無人機影像煙 草株數統計[J].測繪技術裝備，2022，24（4）：78-82. SONGKL，WANGXX，LANK.Tobacco plantsnumber statistics of UAV images based on improved YOLOv4 model[J]. Geomatics Technology and Equipment，2022，24（4）：78-82.

[56]姜增昀.基于機器視覺的煙葉成熟度和烘烤階段識別研究[D].重 慶：西南大學，2023. JIANG Z Y.Research on recognition method of tobacco leaf maturity and flue-cured stage based on machine vision[D].Chongqing： Southwest University，2023.

[57]姜增昀，祝詩平，馮川，等.高精度輕量級煙葉烘烤階段識別模 型研究[J].中國煙草學報，2023，29（1）：55-63. JIANGZY，ZHUSP，FENGC，etal.Research onhigh-precision lightweight model for tobacco leaf curing stage identification[J]. Acta Tabacaria Sinica，2023，29（1）：55-63.

[58]吳娟.基于圖像特征和GA-SVM的烤煙烘烤階段識別研究[J].西 南師范大學學報（自然科學版），2016，41（9）：100-106. WU J.Recognition of tobacco flue-curing phases based on image features and GA-SVM algorithm[J].Journal of Southwest China Normal University （Natural Science Edition），2016， 41（9）：100-106.

[59]邢玉清，樊彩霞，豆根生，等.基于小波核極限學習機的煙葉烘 烤過程的智能識別[J].中國煙草學報，2024，30（1）：55-62. XING YQ，FAN C X，DOU G S， et al. Intellgent recognition of tobacco curing process based on wavelet kernel extreme learning machine[J].Acta Tabacaria Sinica，2024，30（1）：55-62.

[60]PEI W C， ZHOUPY，HUANGJG，et al. State recognition and temperature rise time prediction of tobacco curing using multi-sensor data-fusionmethod based on feature impact factor[J].Expert Systems with Applications，2024，237： 121591.

[61]王維，趙鵬飛，韓沫，等.數字孿生技術賦能農業智慧發展[J].蔬 菜，2023（12）：1-9. WANG W， ZHAO P F， HAN M， et al. Digital twin technology empowers the development of agricultural wisdom[J]. Vegetables， 2023（12）： 1-9.

[62] VERDOUWCN，KRUIZEJW.Digital twinsin farm management： Illustrations from the FIWARE accelerators SmartAgriFood and Fractals[C]//7thAsian-Australasian Conferenceon Precision Agriculture，Hamilton，2017.

[63]劉浩，普恩平，王春林，等.密集烤房溫濕度場測量及可視化分 析系統的設計與實現[J].新型工業化，2017，7（9）：35-40. LIU H， PU E P，WANG CL，et al.Design and implementation of humiture field measurement and visual analysis system for bulk curingbarn[J].The Journal ofNew Industrialization，2017，7（9）：35- 40.

[64]劉兆宇.散葉裝煙密集烤房熱濕環境數值模擬研究[D].昆明：昆 明理工大學，2022. LIUZY.Numerical simulation of thermal and humid environment in bulk curing barn with loose leaf tobacco loading[D]. Kunming： KunmingUniversity of Scienceand Technology，2022.

[65]杜林昕，黃亞宇，查蕾蕾，等.基于CFD的密集式烤房氣流均勻 性研究[J].農業裝備與車輛工程，2021，59（12）：126-129. DULX，HUANGYY，ZHALL，etal.Research onair flow uniformity of intensive barn based on CFD[J].Agricultural Equipmentamp; Vehicle Engineering，2021，59（12）：126-129.

[66]鄧小鵬，徐照麗，楊宇虹，等.大田煙草冠層結構與光分布的三 維建模研究[C]/中國煙草2013年學術年會論文集.武漢，2013： 96-102. DENGXP，XU ZL，YANGYH， etal.Quantification of spatial light distribution of field-grown tobacco canopy based on threedimensional modeling[C]//Proceedings of the 2013 China Tobacco Annual Conference.Wuhan，2013：96-102.

[67]胡心雨，冉茂，葉協鋒，等.基于三維點云的烤煙三維模型構建 及株型分析[J].中國煙草學報，2022，28（3）：127-132. HUXY，RANM，YEXF，etal.Studyon theconstructionof 3D model of flue-cured tobacco based on 3D point cloud[J].Acta Tabacaria Sinica，2022，28（3）：127-132.

[68]呂新，梁斌，張立福，等.新疆生產建設兵團棉花生產大數據平 臺建設與探索[J].農業大數據學報，2020，2（1）：70-78. LUX，LIANG B，ZHANG LF，et al. Construction of an agricultural bigdata platform for XPCC cotton production[J].Journal of AgriculturalBigData，2020，2（1）：70-78.

[69]國家水稻全產業鏈大數據平臺上線啟用推動水稻產業數字化建設 [J].農業工程技術，2023，43（14）：7. Thelaunch of the national riceindustrychain big data platform promotes the digitalization of the rice industry[J].Agricultural Engineering Technology，2023，43（14）：7.

[70]HFF.Hands free farm successfully completes first drilling operation [EB/OL].（2020-05-28） [2024-09-20].https：//www.harper-adams.ac. uk/news/203508/hands-free-farm-successfully-completesfirst-drillingoperation.