数据采集​​为农业4.0提供动力

农民正在收集传感器数据，以从预防性农业转向预测性农业。

从一开始，工业革命就以自动化生产过程为中心。现在我们已经进入了工业4.0时代，大多数工业流程都以数据为中心，一般涉及数据操作五个步骤：收集、传输、存储、分析，最后是展示。最后一步是让人类参与其中，但数据也可以反馈到一些驱动设备，将过程带入机器人领域。

过去两个世纪以来，农业也未能幸免于工业化，近年来，农业 4.0 势头强劲。正如工业生产向数据管理过渡一样，农业现在也在走这条路。传统上服务于工业领域的公司现在为农业部门提供类似的以数据为中心的方法，我们甚至看到农业设备制造商扩展到工业设备制造领域。尽管与传统工业制造业相比，农业通常具有非结构化环境的特征，但以数据为中心的新技术的多功能性正在帮助农业成为一个以与汽车或航空航天相同的方式进行试点的行业。农民像其他工程师一样成为工程师。

这一切都始于 1990 年代高价值乳制品行业的第一台自动化设备——主要是来自瑞典制造商利拉伐和荷兰 Lely 等公司的挤奶机。与此同时，总部位于日本的 Satake 和总部位于瑞士的 Bühler 等公司开发了谷物，特别是大米的光学分选机。其中一些分拣技术最终再次用于高端农产品，如葡萄园葡萄。法国南部的 Pellenc 开发了这种机器人设备，将农民转变为数据科学家。

事实上，一旦新一代农民实现自动化，他们就有机会更进一步，不仅被动地关注产量，而且主动采取行动提高农产品的质量和数量。过去的小规模农业经营可以依靠农民的眼睛和直觉来监控日常活动，而今天的巨大农业经营不再依赖人类的感官。数据技术已成为引导农场朝着正确方向发展的核心。无论是放牧、农作物生产，还是葡萄酒等高端生产，数据都是农业4.0的重点。

相机在农业中的应用

农业数据管理的最佳示例之一是使用无人机监测田地。总部位于巴黎的 Parrot 是该领域的关键参与者，这在很大程度上要归功于其美国子公司 MicaSense。然而，这家法国公司在 1 月份宣布，它已同意以 2300 万美元的价格将 MicaSense 出售给总部位于美国的数据收集、分析、航空成像服务和无人机公司 AgEagle Aerial。MicaSense 开发了一种使用不同波长计算归一化差异植被指数 （NDVI） 地图的相机，这已成为监测作物生长和发现问题区域的公认方法。现在最先进的方法是将 NDVI 地图下载到拖拉机，从而调整输送到田间的肥料。

美国联邦航空管理局 （FAA） 最近报告称，在美国注册的 160 万架无人机中，有 7% 用于农业用途。这代表美国有超过 100，000 架活跃的农业无人机。虽然只占整个商用无人机市场的一小部分，但农业无人机领域已成为一个重要的创收现实。数据的收集越来越成为机器人的角色。无论是自动化谷仓、农业无人机还是自动拖拉机，数据不再是新的石油；这是新作物。

IMU在农业中的利用

智能农业中使用的机器人主要分为两大类：空中（无人机）和陆上（如拖拉机和收割机）。在这两种情况下，机器人的功能都依赖于各种类型的传感器。其中一项功能是用于导航和稳定的惯性系统，它必须满足高性能、可靠性和准确性的要求；低偏置漂移；低偏置不稳定性；并且在温度范围内具有稳定的性能——所有这些都以可承受的价格——证明投资的合理性。

无人机可以（通过摄像头）监测农田的健康和状况，通常用于中小型农田（《20 公顷）的施肥，作为更昂贵的飞机施肥解决方案的替代方案。将相机对准地面时，无人机导航和稳定非常重要，因为有必要知道相机正在捕捉什么。在 10 米的高度，5° 的误差会导致 80 厘米的误差。

虽然 GPS 对于无人机导航可能足够准确，但相机稳定需要强大的惯性测量单元 （IMU） 解决方案。

用于农业的陆基机器人车辆导航作物行，需要厘米级精度以避免损坏植物。这些机器中的大多数都具有精确的 GPS 系统，可以让驾驶员知道车辆的位置并防止双重受精或缺乏受精。然而，在机器人行驶的情况下，GPS 可能会受到限制，例如在树下，信号可能会丢失。这就是需要 IMU 或姿态航向参考系统 （AHRS） 解决方案的地方。基于微机电系统 （MEMS） 的 IMU 装备精良，可满足陆地应用对高性能和低尺寸、重量、功耗和成本 （SWAP-C） 的要求。

审核编辑：郭婷