大田作物智慧种植科研成果汇总

智慧农业发展必然趋势就是农业无人化、少人化的操作实景，信息化科技推动农业生产方式变革，对农业种植、养殖业进行工厂化生产、加工和销售。大田种植作为农业生产的主要形式之一，也需要大踏步前进。目前国内外高校、科研机构对大田作物智慧种植方向的科研也取得了一定成果。

一、大田无人农场关键技术研究现状与展望

科研机构：北京市农林科学院智能装备技术研究中心、智能农业动力装备全国重点实验室 、国家农业信息化工程技术研究中心、农芯科技(北京)股份有限公司

无人农场是智慧农业的一种表现形式,也是建设农业强国和实现农业现代化的重要探索。无人农场以数据、知识和智能装备为核心要素,将现代信息技术与农业深度融合,实现农业全过程生产所需的信息感知、定量决策、智能控制、精准投入及个性化服务一体化。

以吉林省公主岭市玉米无人农场为例介绍了物联网、大数据、云计算以及人工智能等技术在玉米全程无人化生产中的具体应用及效果。展望了无人农场在解决全球农业生产面临的“无人种田”等共性问题中发挥的重要作用,分析了中国发展无人农场存在的机遇和挑战,提出了中国发展无人农场的战略目标与思路。

二、中国大田作物智慧种植目标、关键技术与区域模式

科研机构：中国农业大学农业农村部农业信息获取技术重点实验室、中国农业大学智慧农业系统集成研究教育部重点实验室

大田作物智慧种植业是智慧农业的重要内容。该研究内容包括智慧农业发展历程,、大田作物智慧种植业发展战略总体目标、重点任务、关键技术,有针对性地提出适宜中国区域特征的发展模式。大田作物智慧种植的关键技术面临的主要挑战有:缺乏原位精准测量技术与农业专用传感器,作物模拟模型与实际生产有较大差别,信息传输技术的实时性、可靠性、通用性和稳定性有待改进,智能农业装备还需要进一步解决好农机/农艺相结合问题。

根据中国种植业区域特色提出了相应的6种智慧农业发展区,即东北与内蒙古规模化智慧生产发展区,京津冀鲁智慧都市农业与节水农业发展区,西北旱区棉花规模化智慧种植和旱作智慧农业绿色发展综合试验区,东南沿海循环型水稻智慧种植业综合发展试验区,长江中下游平原智慧粮油优化发展区,以及西南山区智慧特色农业发展区。

三、无人机遥感在饲草作物生长监测中的应用研究进展

科研机构：中国农业大学水利与土木工程学院、新疆农业科学院土壤肥料与农业节水研究所、农业节水与水资源教育部工程研究中心、沧州市农林科学院

饲草作物生长的动态监测与定量估算对于饲草规模化生产具有重要意义。无人机遥感分辨率高、灵活性强、成本低,近年来在饲草作物生长监测领域发展迅速,应用场景不断拓展。为了掌握无人机在饲草监测的国内外应用现状,该团队确定重点发展方向,从数据获取、数据处理和饲草作物生长监测关键技术三个方面，简述了无人机遥感在饲草作物监测中的该研究方法。

四、基于多种深度学习算法的田间玉米籽粒检测与计数

科研机构：中国农业大学智慧农业系统集成研究教育部重点实验室、中国农业大学农业农村部农业信息获取技术重点实验室、北达科他州州立大学农业与生物工程系、韩国江原大学生物系统工程系、韩国江原大学

为快速准确获取玉米收获过程中遗失籽粒数信息,进行收割损失调节等管理,对比评估了单阶段和两阶段主流目标检测网络对田间玉米籽粒计数的性能。试验结果表明,深度学习目标检测网络YOLOv5-L可实现实际作业中玉米收获损失籽粒的实时监测,精度高、适用性强。

五、基于地物高光谱和无人机多光谱的黄河三角洲土壤盐分机器学习反演模型

科研机构：山东科技大学测绘与空间信息学院、滨州学院山东省黄河三角洲生态环境重点实验室、青岛农业大学农学院

土壤盐渍化是限制黄河三角洲地区农业经济发展的重要因素,进一步阻碍了农业生产。为了探索无人机影像在地表无植被覆盖条件下的土壤盐分含量反演状况,以黄河三角洲典型区域为研究区,实现研究区的土壤盐分含量反演。

该研究构建并对比了两种不同源数据的黄河三角洲土壤盐分反演模型,并结合各自数据源的优势进行优化,探索了地表无植被覆盖情况下的土壤盐分含量反演方法,对更精准反演土壤盐渍化程度提供了参考。

六、基于无人机遥感表型监测的苎麻优质种质资源筛选方法

科研机构：湖南农业大学农学院

苎麻是重要的纤维作物之一,由于土地资源紧缺及优良品种的推广应用等原因,苎麻遗传变异和遗传多样性减少,对苎麻种质资源多样性调查和保护的需求日趋加大。基于无人机遥感的作物表型测量方法可以对不同基因型作物的生长特性进行频繁、快速、无损、精准的监测,实现作物种质资源调查,筛选特异优质品种。

为了实现苎麻种质资源表型的高效综合评价,辅助筛选优势苎麻品种,该研究提出了一种基于无人机遥感影像的苎麻种质资源表型监测及筛选方法。结果表明,该研究将为作物种质资源表型监测和育种相关分析提供参考。

审核编辑 黄宇