精量播種是大田無人農(nóng)場(chǎng)的關(guān)鍵技術(shù)之一，與傳統(tǒng)播種方式相比，在播種過程中，整個(gè)地塊不再是恒定不變的播種量，而是根據(jù)不同地塊的增產(chǎn)潛力情況，適度增加或減少播種量，使種子可以充分利用土壤的養(yǎng)分、光照、蓄水能力等條件發(fā)育。為了更加準(zhǔn)確地指導(dǎo)精量播種，需要快速獲取播種種床的土壤環(huán)境信息，從而為播種決策和控制提供實(shí)時(shí)的理論依據(jù)。土壤的環(huán)境信息通常包括土壤墑情、土壤電導(dǎo)率、土壤有機(jī)質(zhì)等參數(shù)，為了獲取上述信息并確?？刂葡到y(tǒng)可以有足夠的數(shù)據(jù)處理時(shí)間，通常在播種機(jī)前端設(shè)計(jì)安裝實(shí)時(shí)傳感器實(shí)現(xiàn)數(shù)據(jù)的獲取。當(dāng)前國(guó)內(nèi)外學(xué)者在單一參數(shù)實(shí)時(shí)傳感器研究方面已經(jīng)取得了一定的進(jìn)展和突破，但主要以單一傳感器研究為主，在多源數(shù)據(jù)融合處理研究方面尚存在不足。
土壤墑情反應(yīng)土壤含水率的多少，土壤墑情的高低決定種子生長(zhǎng)環(huán)境的優(yōu)劣，一定程度上影響其后期出苗率。國(guó)內(nèi)外學(xué)者在土壤墑情原位監(jiān)測(cè)方面取得了許多研究成果，采用的方法有電阻法、頻域反射法、時(shí)域反射法、中子法等。但是，采用原位監(jiān)測(cè)技術(shù)無法滿足播種決策的快速響應(yīng)需求。近幾年，部分學(xué)者開展了車載式土壤墑情在線監(jiān)測(cè)裝置，可在播種時(shí)實(shí)時(shí)獲取當(dāng)前土壤含水率，從而為后續(xù)播深、播種間距的控制提供理論依據(jù)。張東興等設(shè)計(jì)了一種可見光近紅外式土壤水分傳感器，實(shí)現(xiàn)了對(duì)播種溝土壤水分的在線測(cè)量。
朱文靜等針對(duì)探針式土壤水分傳感器插入土壤后因反饋點(diǎn)固定而需大量布點(diǎn)、成本高、破壞耕層等問題，研制了一種基于法布里-珀羅干涉近紅外傳感器的非接觸式土壤墑情在線檢測(cè)系統(tǒng)。Weatherly和Bowers采用電阻法檢測(cè)原理，開發(fā)了土壤墑情在線感知傳感器，為玉米播深調(diào)控系統(tǒng)提供決策依據(jù)。Price和Gaultney、Mouazen等均采用近紅外光譜法的檢測(cè)原理，設(shè)計(jì)了土壤含水率在線測(cè)量?jī)x，實(shí)現(xiàn)了田間作業(yè)時(shí)對(duì)土壤含水率動(dòng)態(tài)實(shí)時(shí)檢測(cè)，用于指導(dǎo)玉米播種深度。
土壤電導(dǎo)率是評(píng)價(jià)土壤生產(chǎn)力的一種常用參數(shù)指標(biāo)。土壤電導(dǎo)率的測(cè)量通常采用電流-電壓四端法原理，近些年，國(guó)內(nèi)有學(xué)者開始從事車載式土壤電導(dǎo)率檢測(cè)系統(tǒng)的研發(fā)工作。楊瑋等、楊文奇均基于電流-電壓四端法的測(cè)量原理，設(shè)計(jì)研發(fā)了車載式土壤電導(dǎo)率快速檢測(cè)系統(tǒng)，該系統(tǒng)可以快速預(yù)測(cè)土壤浸出液電導(dǎo)率的分布趨勢(shì)，為播種作業(yè)提供參考。國(guó)外對(duì)車載式土壤電導(dǎo)率傳感器的研究相對(duì)較早，目前部分產(chǎn)品已經(jīng)商用化，比較有代表性的有Geonic Limited公司的EM38-MK2和Veris Technologies公司研制的Veris 3150型土壤電導(dǎo)率傳感器。
土壤有機(jī)質(zhì)是評(píng)價(jià)土壤肥力水平的常用指標(biāo)之一，基于土壤的有機(jī)質(zhì)信息指導(dǎo)變量播種作業(yè)是一種較為常用的做法。國(guó)外在土壤有機(jī)質(zhì)傳感器方面取得了較為深入的研究，部分產(chǎn)品已經(jīng)實(shí)現(xiàn)商業(yè)化應(yīng)用。普渡大學(xué)的Ess設(shè)計(jì)了一款基于光電式傳感器的土壤有機(jī)質(zhì)傳感器，該傳感器基于土壤中有機(jī)質(zhì)含量的不同會(huì)造成反射的光譜頻段值不同這一原理確定土壤有機(jī)質(zhì)的含量。Precision Planting公司開發(fā)的SmartFirmer傳感器可同時(shí)發(fā)射和接收X射線、可見光譜、無線電波三種光線，通過分析三種光線的特征即可得到土壤的有機(jī)質(zhì)含量信息。
國(guó)內(nèi)目前在車載式土壤有機(jī)質(zhì)傳感器的研究方面還較為缺乏，已有研究多集中在模型構(gòu)建以及便攜式速測(cè)儀的研發(fā)。例如，唐海濤等、Xie等借助近紅外光譜技術(shù)，針對(duì)不同種特定情況，分別采用不同的特征波長(zhǎng)提取算法，構(gòu)建了土壤有機(jī)質(zhì)含量預(yù)測(cè)模型，該算法為土壤有機(jī)質(zhì)含量的在線預(yù)測(cè)提供了理論依據(jù)。崔玉露等基于光譜學(xué)原理設(shè)計(jì)了一款便攜式土壤有機(jī)質(zhì)檢測(cè)儀，儀器測(cè)量值與標(biāo)準(zhǔn)值的相關(guān)系數(shù)R 2達(dá)到0.891。
雖然用于土壤環(huán)境信息監(jiān)測(cè)的傳感器類型較多，但受限于播種作業(yè)過程中傳感器安裝空間緊湊、數(shù)據(jù)響應(yīng)延遲的影響，當(dāng)前難以實(shí)現(xiàn)多類型土壤傳感器的同時(shí)檢測(cè)，而且缺乏地塊往年產(chǎn)量、當(dāng)年氣象信息等數(shù)據(jù)的支撐，使得在線式土壤傳感器難以全面綜合地決策播種作業(yè)，目前基于實(shí)時(shí)土壤傳感器的變量播種控制系統(tǒng)在國(guó)外的使用率也相對(duì)較低。相應(yīng)地，采用處方圖指導(dǎo)變量播種作業(yè)仍然是最常用的一種變量播種方式。關(guān)于變量播種處方圖的生成，美國(guó)已經(jīng)形成了一個(gè)成熟的商業(yè)化服務(wù)系統(tǒng)，其中，CASE公司、Topcon公司、Ag Leader公司等也在變量播種處方圖的決策和生成方面形成了許多技術(shù)服務(wù)。與發(fā)達(dá)國(guó)家相比，國(guó)內(nèi)在變量播種決策方面的研究尚且處于起步階段，已有研究多基于播種機(jī)前進(jìn)速度進(jìn)行播量控制，其研究重點(diǎn)多集中在控制系統(tǒng)上，較少涉及播種決策方面研究。
精準(zhǔn)施肥涉及到信息感知、處方?jīng)Q策與精確控制等多項(xiàng)關(guān)鍵技術(shù)。國(guó)內(nèi)外關(guān)于作物氮素診斷方面做了大量研究工作，國(guó)外市場(chǎng)上幾種代表性獲取作物營(yíng)養(yǎng)的傳感器，包括美國(guó)俄克拉荷馬州立大學(xué)和N-tech公司研制的GreenSeeker(660 nm，780 nm)，美國(guó)Holland公司研制的RapidSCAN CS-45(670 nm，730 nm和780 nm)等。楊貴軍等、孫紅等、林維潘等分別研發(fā)了作物長(zhǎng)勢(shì)監(jiān)測(cè)儀CropSense(650 nm，810 nm)、雙波段(650 nm，850 nm)主動(dòng)光源葉綠素含量檢測(cè)傳感器、便攜式三波段(660 nm，730 nm，815 nm)以及作物生長(zhǎng)監(jiān)測(cè)儀CGMD303，可獲得歸一化植被指數(shù)、葉面積指數(shù)、植被覆蓋度、葉綠素含量等指標(biāo)。矯雷子等[24]和周鵬等分別采用激光誘導(dǎo)技術(shù)測(cè)定土壤氮素、近紅外光譜技術(shù)檢測(cè)土壤氮素。
在精準(zhǔn)施肥決策方法方面，美國(guó)俄克拉荷馬州立大學(xué)Lukina等、Raun 和Walsh研發(fā)了氮肥優(yōu)化算法。Shi等基于GreenSeeker傳感器，在變量施肥決策時(shí)根據(jù)其氮素含量對(duì)施肥模型進(jìn)行修正，將目標(biāo)施肥量按NDVI值劃分為12個(gè)等級(jí)分層施肥。Cao等利用多種光譜傳感器數(shù)據(jù)分別建立了東北地區(qū)水稻、玉米變量施肥決策模型。
精準(zhǔn)施藥的核心是獲取農(nóng)田小區(qū)域內(nèi)病蟲草害差異性信息，采用變量施藥技術(shù)，按需施藥。病蟲草害信息實(shí)時(shí)獲取技術(shù)主要包括基于光譜、圖像和光譜成像3種，分別適合防除作物出苗前的雜草、行間雜草和行內(nèi)雜草。基于光譜方法，國(guó)外已有WeedSeeker、Weed IT等雜草傳感器;基于圖像方法，國(guó)外已有Autopilot、CamPilot、Robocrop等視覺導(dǎo)航產(chǎn)品;基于高光譜成像方法，潘冉冉等結(jié)合化學(xué)計(jì)量學(xué)方法實(shí)現(xiàn)了對(duì)油菜中的雜草的分類識(shí)別。病害識(shí)別也已有較多成果，周巧黎等基于改進(jìn)輕量級(jí)卷積神經(jīng)網(wǎng)絡(luò)MobileNetV3對(duì)番茄葉片病害進(jìn)行了識(shí)別;REDDY和REKHA基于遷移學(xué)習(xí)的深葉病害預(yù)測(cè)框架實(shí)現(xiàn)了葉片病害自動(dòng)檢測(cè);Bravo等采用光譜反射數(shù)據(jù)對(duì)小麥黃銹病進(jìn)行了早期診斷;Liu等利用BP神經(jīng)網(wǎng)絡(luò)實(shí)現(xiàn)了對(duì)4個(gè)等級(jí)的水稻稻穗病害分類。在病蟲草害檢測(cè)基礎(chǔ)上，結(jié)合土壤、氣象、管理等多源異構(gòu)數(shù)據(jù)，采用隨機(jī)森林、人工神經(jīng)網(wǎng)絡(luò)等機(jī)器學(xué)習(xí)算法，建立了作物生長(zhǎng)狀態(tài)診斷模型與施藥處方?jīng)Q策模型，融合多源數(shù)據(jù)和知識(shí)規(guī)則生成田塊尺度施藥處方。
綜合國(guó)內(nèi)外在大田無人農(nóng)場(chǎng)的信息感知與智能決策技術(shù)方面，國(guó)外種肥藥關(guān)鍵信息在線感知技術(shù)研究較為系統(tǒng)，已推出了面向種肥藥精準(zhǔn)施用決策的多款在線感知傳感器商品，國(guó)內(nèi)多以集成應(yīng)用國(guó)外傳感器為主，在傳感器組合和決策模型的適應(yīng)性上都受到了限制。國(guó)內(nèi)科研團(tuán)隊(duì)也自主研發(fā)了部分土壤、作物傳感器，并在不同地區(qū)初步開展了不同作物的精準(zhǔn)施肥和精準(zhǔn)施藥的決策模型研究，隨著傳感技術(shù)和決策模型的完善，國(guó)內(nèi)自主研發(fā)的傳感器將在精準(zhǔn)作業(yè)過程中發(fā)揮出更大的作用。
官方微信