為發(fā)展智慧農(nóng)業(yè)，國家在資金、科研、政策等方面都投入不少力量，尤其是科技、科研方面，中國農(nóng)業(yè)大學、山東科技大學、北京市農(nóng)林科學院、瓦赫寧根大學等國內(nèi)外高校，紛紛展開了跨學科、跨專業(yè)的聯(lián)合研究，在大田作物智慧種植方面取得了一定進展，內(nèi)容包含大田無人農(nóng)場、玉米籽粒檢測與計數(shù)、玉米-大豆條帶間、土壤鹽分機器學習等。

一、基于多種深度學習算法的田間玉米籽粒檢測與計數(shù)

參與機構(gòu)：中國農(nóng)業(yè)大學智慧農(nóng)業(yè)系統(tǒng)集成研究教育部重點實驗室、中國農(nóng)業(yè)大學農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)信息獲取技術(shù)重點實驗室、北達科他州州立大學農(nóng)業(yè)與生物工程系、韓國江原大學生物系統(tǒng)工程系、韓國江原大學

為快速準確獲取玉米收獲過程中遺失籽粒數(shù)信息，進行收割損失調(diào)節(jié)等管理，對比不同目標檢測網(wǎng)絡對田間玉米籽粒計數(shù)的性能。該團隊利用RGB相機獲取數(shù)據(jù)集，構(gòu)建籽粒識別的不同目標檢測網(wǎng)絡，進行訓練、驗證、測試，依據(jù)測試集圖像的識別結(jié)果進行籽粒計數(shù)性能評價。

結(jié)果表明，YOLOv5-L網(wǎng)絡對測試集圖像檢測的平均精度、模型尺寸、;籽粒計數(shù)的檢測正確率、漏檢率、F1值、處理速度、識別與計數(shù)等性能優(yōu)于其他三種網(wǎng)絡，并對具有不同地表遮擋程度和籽粒聚集狀態(tài)的圖像具有較強的魯棒性，可實現(xiàn)實際作業(yè)中玉米收獲損失籽粒的實時監(jiān)測，精度高、適用性強。

二、基于植物功能-結(jié)構(gòu)模型的玉米-大豆條帶間作光截獲行間差異研究

參與機構(gòu)：中國農(nóng)業(yè)大學土地科學與技術(shù)學院、浙江省農(nóng)業(yè)科學院農(nóng)業(yè)裝備研究所、瓦赫寧根大學作物系統(tǒng)分析中心、新西蘭植物和食品研究所馬爾堡研究中心

針對間作種植中作物生長、表型和光截獲的行間差異，解析條帶間作生產(chǎn)力的行間差異，該團隊研究基于田間觀測數(shù)據(jù)構(gòu)建植物功能-結(jié)構(gòu)模型，量化間作系統(tǒng)中光截獲的行間差異，并于2017—2018年開展了間作田間試驗。

田間試驗結(jié)果表明，間作種植顯著增加了玉米節(jié)間直徑。受玉米遮陰影響，大豆節(jié)間變長、變細，且隨大豆條帶變窄差異越明顯?；谌SFSPM，未來可進行不同生長環(huán)境下間作種植模式等的布局優(yōu)化，以達到最佳系統(tǒng)光截獲優(yōu)勢。

三、基于地物高光譜和無人機多光譜的黃河三角洲土壤鹽分機器學習反演模型

參與機構(gòu)：山東科技大學測繪與空間信息學院、濱州學院山東省黃河三角洲生態(tài)環(huán)境重點實驗室、青島農(nóng)業(yè)大學農(nóng)學院

針對黃河三角洲地區(qū)土壤鹽漬化問題，該團隊探索無人機影像在地表無植被覆蓋條件下的土壤鹽分含量反演狀況，獲取地物高光譜和無人機多光譜兩種數(shù)據(jù)源與樣點土壤鹽分含量，通過優(yōu)選敏感光譜參量，使用偏最小二乘回歸和隨機森林兩種機器學習算法建立土壤鹽分含量反演模型，實現(xiàn)研究區(qū)的土壤鹽分含量反演。

本研究構(gòu)建并對比了兩種不同源數(shù)據(jù)的黃河三角洲土壤鹽分反演模型，并結(jié)合各自數(shù)據(jù)源的優(yōu)勢進行優(yōu)化，探索了地表無植被覆蓋情況下的土壤鹽分含量反演方法，對更精準反演土地鹽漬化程度提供了參考。

四、大田無人農(nóng)場關鍵技術(shù)研究現(xiàn)狀與展望

參與機構(gòu)：北京市農(nóng)林科學院智能裝備技術(shù)研究中心、智能農(nóng)業(yè)動力裝備全國重點實驗室 、國家農(nóng)業(yè)信息化工程技術(shù)研究中心等

無人農(nóng)場，作為智慧農(nóng)業(yè)的一種表現(xiàn)形式，建設農(nóng)業(yè)強國的重要探索，和實現(xiàn)農(nóng)業(yè)現(xiàn)代化的發(fā)展方向。以數(shù)據(jù)、知識和智能裝備為核心要素，將現(xiàn)代信息技術(shù)與農(nóng)業(yè)深度融合，實現(xiàn)農(nóng)業(yè)全過程生產(chǎn)所需的信息感知、定量決策、智能控制、精準投入及個性化服務一體化。

該團隊從無人農(nóng)場的概念、架構(gòu)入手，討論了信息感知與智能決策、精準作業(yè)系統(tǒng)與裝備、自動駕駛、無人化農(nóng)機裝備，以及無人農(nóng)場管控平臺等關鍵技術(shù)與裝備，分析了發(fā)展國內(nèi)無人農(nóng)場亟待解決的關鍵科學與技術(shù)問題。并以吉林省公主嶺市玉米無人農(nóng)場為例，論證了物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算以及人工智能等技術(shù)，在玉米全程無人化生產(chǎn)中的具體應用及效果。

根據(jù)已經(jīng)發(fā)表的智慧農(nóng)業(yè)科研論文，理想認識國內(nèi)農(nóng)業(yè)發(fā)展現(xiàn)狀及存在的機遇和挑戰(zhàn)，明確為了農(nóng)業(yè)發(fā)展的戰(zhàn)略目標與思路，掌握農(nóng)業(yè)前沿知識。

審核編輯黃宇