亳州市利辛县阚疃镇智慧农业项目建设方案

安徽省亳州市利辛县阚疃镇智慧农业项目建设方案

目录TOC\o"1-2"\h\u一、建设背景 一、建设背景2023年2月，农业农村部1号文件中提出大力发展智慧农业和数字乡村。推进数据整合。加快国家农业遥感应用与研究中心建设，搭建应用农业农村大数据平台。实施数字农业建设项目，建设一批数字农业创新中心、数字农业创新应用基地，协同推进智慧农业关键核心技术攻关。制定加快推进数字乡村及智慧农业发展的指导意见。拓展应用场景。认定一批农业农村信息化示范基地，打造一批智慧农（牧、渔）场。深入推进数字乡村建设试点。

2023年10月亳州市政府出台关于《中共亳州市委亳州市人民政府关于做好2022年全面推进乡村振兴重点工作的实施意见》中提出促进农业生产结构优化调整。以提高亩均产出为导向，围绕“稳产量、提品质、增效益”，聚力建设“华夏酒城”，发展酿酒专用粮食基地，大力发展优质专用小麦、高蛋白大豆、高粱等，推行“按图索麦”和订单化生产，优质专用粮食发展到630万亩。同时，传统农业人口持续减少，也逐步倒逼“劳动力密集型”的生产方式向“资本、技术密集型”的生产方式转型。现代农业是一个对资金、人才、技术等要求都很高的长周期产业，需要强大的发展实力和不计较短期得失的情怀为后盾。技术方面，随着北斗卫星导航定位、机器人、大数据、区块链、人工智能等现代信息技术的加速发展和在农业领域的推广应用，中国现代农业的发展已具备了更为坚实的科技支撑。而社会资本的进入，对于构建新型农业经营体系，加速农业生产智能化、科技化、机械化进程等，都具有十分积极的作用。项目区平面图本项目共三个田块区域，其中蓝色区域为1号核心地块，约185亩，2号王楼村北部地块约305亩，3号高庄南部地块约431亩，共计约921亩。项目区现场图

二、建设目标围绕智慧农业大田种植全场景，以百亩级智慧农场建设运营为核心，打造无人化农场应用示范基地。以自动化、智能化、信息化为手段，实现项目区域内的大田智能灌溉，农机无人作业，农情智能感知，农业科学决策，农事智能推荐。最终达到减肥减药、省时省工、增产增质的智慧大田。（1）大田智能灌溉：通过田间智能监控设备对作物的实时采集，利用作物生育期智能识别算法，确定作物当前所处的生长阶段，形成基于大田作物（水稻、小麦、玉米等）的需水模型。结合农作物生长过程中实时采集的气象信息，以及布设在田间的土壤墒情实时监测设备，综合形成作物在当前生长时期的灌溉模型。并利用布设在田间的智能灌溉设备，实现大田作物的智能灌溉，精准灌溉。达到灌溉的精准化、智能化、无人化，减少灌溉用水、用电，确保作物生长所需水分，提高作物产量，减少人工成本。（2）农机无人作业：播种机无人作业：利用北斗卫星导航系统，实现对播种机作业路径精准规划和定位。确保播种作物的苗齐、苗壮。同时便于后期农事管理的人工和机器作业。植保机无人作业：利用移动端病虫情采集终端，对田间病虫草情进行定期采集、上报。结合田间视频监控设备对病虫情进行远程巡查，形成田间病虫情发生发展情况的初步判断。并定期通过无人机进行病虫草害的低空图像采集和遥感分析，形成病虫草害分布图，系统结合作物当前生育期和对应病虫草害知识图谱，针对病虫草害分布图生成变量施药处方图。并导入给植保无人机。植保无人机根据变量施药处方图，规划好作业路径后，自动执行变量施肥作业。实现精准施药，减少用药量和用药费用。收割机无人作业：通过农业遥感对作物成熟度进行分析，形成作物成熟度分布图。当作物适合收割时，利用北斗卫星导航系统，实现对收割机作业路径精准规划和定位。无人收割机按照规划的既定路线，执行收割作业。（3）农情智能感知：利用物联网、大数据技术，对种植区域农情实现智能感知和可视化呈现。通过布设在田间的墒情、水势等农业传感器，对作物生长的土壤环境进行实时监测，实现农业墒情的智能监测。通过田间气象站的气象数据采集，结合区域天气预报信息，实现作物生长气象情况的智能感知和气象灾害的自动预警。通过布设在田间的虫情测报灯的虫情监测，结合移动病虫情采集、无人机低空图像采集和遥感分析、田间视频监控摄像头远程监控，实现作物病虫情的智能感知。通过田间视频监控摄像头远程监控、无人机低空图像采集和遥感分析实现作物苗情灾情的智能感知。通过对农情的实时感知，实现对作物生长情况的及时了解，做到远程化、高效率的智能感知和快速处置。提高农业管理效率和精准度。（4）农业科学决策：根据日常对种植区域的病虫草害监测，结合大田作物病虫草害预测模型和知识图谱，形成病虫草害精准施药决策，实现精准施药，减少用药量和用药费用。根据农业遥感监测数据分析得出的作物长势图，结合大田作物生育期模型，形成精准施肥决策，实现精准施肥，减少肥料使用量和费用。根据对农业气象数据的实时监测和对种植作物成熟度的遥感分析，形成收货日期决策，推荐最合理的收获日期，确保在适宜的日期收割且尽量不影响产量。（5）农事智能推荐：基于成熟的、科学的大田作物（水稻、小麦）生育期模型，可根据作物的种植日期，种植品种，种植地区，种植方式自动模拟和演算出作物整个生命周期中的关键生育期节点，并在每一个关键节点输出科学、合理的农事活动建议和农艺操作标准。让农业种植不再完全依靠传统农民种植经验，而可以通过科学的、系统的信息化知识及时推送给种植户。有效减少大田种植技术门槛，通过智能的农事推荐，降低农业种植风险，有效提高种植收入。

三、建设方案3.1大田智能灌溉建设方案基于大田智能灌溉的建设目标，规划大田智能灌溉软件平台由以下系统和功能组成：苗情灾情监测系统：通过田间布设的视频监控设备，对作物生育期进行监测。为作物生育期智能识别提供图片素材。作物生育期智能识别算法：基于大数据和人工智能模型，对作物图片进行生育期智能识别。大田作物知识图谱：基于大数据和海量的大田作物种植知识库，形成大田作物种植管理、病虫害管理、灌溉管理、施肥管理、施药管理等的知识图谱和数据库。大田作物（水稻、小麦、玉米等）的需水模型：基于大数据和大田作物知识图谱，根据作物不同的生育期形成对应的需水模型。农业气象监测系统：通过布设在田间的气象监测设备，结合区域的气象预报数据，对未来一段时间内的气象信息进行预测预报。土壤墒情监测系统：通过布设在田间的土壤墒情监测设备，实时监测土壤的墒情情况，以决定作物的缺水情况。大田作物（水稻、小麦、玉米等）灌溉模型：结合需水模型，未来天气情况，土壤实际含水情况等多种因素，最终输出作物当前的灌溉指令。精准灌溉系统：通过布设在田间的灌溉阀门和灌溉控制设备，执行灌溉模型发出的灌溉指令。核心区灌溉系统布置图3.2农机无人作业建设方案基于农机无人作业的建设目标，规划播种机无人作业软件平台由以下系统和功能组成：播种机无人作业路径规划单元：可执行播种机播种作业的路径规划，和路径下发到农机的功能。播种机无人作业执行单元：无人农机接收农机作业路径，依据北斗卫星导航按照既定的规划路径执行播种任务。基于农机无人作业的建设目标，规划植保机无人作业软件平台由以下系统和功能组成：移动端巡田APP：通过移动端app软件，实现对田间病虫草害情况的随时采集和上传反馈。苗情灾情监测系统：通过田间布设的视频监控设备，对病虫情进行远程巡查，形成田间病虫情发生发展情况的初步判断。病虫草害监测系统：根据病虫草害发生情况的初步判断，通过无人机按需进行病虫草害的低空图像采集和遥感分析，形成病虫草害分布图。大田作物知识图谱：基于大数据和海量的大田作物种植知识库，形成大田作物种植管理、病虫害管理、灌溉管理、施肥管理、施药管理等的知识图谱和数据库。结合作物当前生育期和对应病虫草害知识图谱，针对病虫草害分布图生成变量施药处方图。植保机无人作业路径规划单元：可执行植保机植保作业的路径规划，和路径下发到农机的功能。植保机无人作业执行单元：无人农机接收农机作业路径，依据北斗卫星导航按照既定的规划路径执行植保任务。基于农机无人作业的建设目标，规划收割机无人作业软件平台由以下系统和功能组成：农业遥感系统：通过遥感图像监测，对作物长势和成熟度进行分析，确定作物是否适宜收割。收割机无人作业路径规划单元：当作物成熟度达到收割标准时，可先在路径规划单元执行收割机收割作业的路径规划，和路径下发到农机。收割机无人作业执行单元：无人农机接收农机作业路径，依据北斗卫星导航按照既定的规划路径执行收割任务。3.3农情智能感知建设方案基于农情智能感知的建设目标，规划农情智能感知软件平台由以下系统和功能组成：土壤墒情监测系统：通过布设在田间的土壤墒情监测设备，实时监测土壤的墒情情况，以决定作物的缺水情况。苗情灾情监测系统：通过田间布设的视频监控设备，对作物生长情况进行实时远程监测。作物倒伏智能识别算法：基于大数据和人工智能模型，对视频监控采集的作物图片进行倒伏情况的智能识别。病虫草害监测系统：通过布设在田间的虫情测报灯可进行虫情的实时监测。移动端巡田APP：通过移动端app软件，实现对田间病虫草害情况的随时采集和上传反馈。农业遥感系统：通过遥感图像分析及时掌握田间病虫草害的分布情况。农业气象监测系统：通过布设在田间的气象监测设备，结合区域的气象预报数据，对未来可能发生的气象灾害情况进行实时监测和及时预警。3.4农业科学决策建设方案基于精准施药的建设目标，规划精准施药决策软件平台由以下系统和功能组成：精准施药决策的数据源由移动端app软件提供病虫草害监测数据，由病虫草害监测系统提供病虫害监测数据，由农业遥感系统提供病虫草害发生分布数据，由农业气象系统提供未来一段时间内的天气情况。病虫草害预测模型：基于大数据和人工智能算法，对采集的数据进行综合、智能分析，精准预测未来病虫草害的发生发展趋势。大田作物知识图谱：基于大数据和海量的大田作物种植知识库，针对分析出的病虫害发生发展趋势，形成针对性的施药处方图。基于精准追肥的建设目标，规划精准追肥决策软件平台由以下系统和功能组成：苗情灾情监测系统：通过田间布设的视频监控设备，对作物生育期进行监测。为作物生育期智能识别提供图片素材。作物生育期智能识别算法：基于大数据和人工智能模型，对作物图片进行生育期智能识别。农业遥感系统：通过遥感图像监测，对作物长势进行分析，形成作物长势分布图。大田作物知识图谱：基于大数据和海量的大田作物种植知识库，针对分析出的对应生育期的所需肥药情况和作物的长势情况，形成针对性的精准追肥处方图。基于收获日期决策的建设目标，规划收获日期决策软件平台由以下系统和功能组成：农业遥感系统：通过遥感图像分析形成作物的成熟度分布图。农业气象监测系统：通过对区域农业气象信息的监测，对未来天气情况进行预测，确定适宜收割的日期。收获日期决策根据成熟度的分析，结合适宜收割的日期，最终输出最适合收割的日期。农业科学决策基于已经采集的信息，利用软件平台已经具备的生育期模型，知识图谱进行综合分析，输出精确的决策建议，无需其他硬件支持。3.5农事智能推荐建设方案基于农事智能推荐的建设目标，规划农事智能推荐软件平台由以下系统和功能组成：农事智能推荐模型集成科学的综合大田作物（水稻、小麦、玉米等）的种植和管理信息，提供不同种植品种、不同种植区域、不同种植日期、不同种植方式下的差异化的关键农事节点和农事任务，以及相对应的农艺操作标准。正常情况下无需再人工调整。农事智能推荐模型还会实时获取平台智能识别的作物生育期，及时调整和模型时间节点，使得农事推荐更加精准，可靠。农事智能推荐基于已经经过种植户实际多轮验证的种植模型，并可根据识别的作物生育期的差异，智能调整推荐时间点，实现高度的自动化和智能化，无需其他硬件支持。

四、建设内容4.1软件平台总体架构系统以平台运维系统提供的数据，以及第三方服务提供的数据，底层算法和数据字典配置的数据作为平台运行的基础。通过基础信息的维护和基础信息的配置，实现系统的运行和启动。平台从立体感知、智能灌溉、智能农机三个维度进行农业智能化管理。其中立体感知板块包括农田气象、土壤肥力、水质面源污染、病虫草害监测、土壤墒情、苗情灾情、农业遥感等子系统。通过对上述智慧农业数据的数据监测、数据采集，实现农业的智慧决策、农事智能推荐、农产品溯源和综合大屏展示。同时平台提供移动端APP供农场操作人员便捷快速操作。4.2土壤墒情监测系统4.2.1系统概述土壤墒情监测系统（以下简称“墒情系统”）可实现对大田农业综合土壤信息的全天候不间断自动监测、远程监控和智能化管理。墒情系统是传统农业“四情”的重要组成部分，可以为农作物种植管理、水肥灌溉管理等农业环节，提供所需要的土壤状态实时信息和最佳供水管控建议，从而实现土壤墒情服务的可视化、精准化、智能化解决方案。墒情系统有助于提高农作物种植精细化、定量化和智能化的管理能力，可以为农业生产达到节水节能、提质增收的目标，可以为农业生产决策过程提供科学合理的数据支撑，是支撑智慧农业系统、无人化农场应用运作的必不可少的数据信息组成部分，同时对合理开发和利用水资源、调整农业生产布局、促进农业可持续发展具有重要的意义。土壤墒情实时监测土壤水势实时监测土壤墒情数据分析土壤墒情历史数据异常报警参数设置异常报警记录4.2.2主要功能支持土壤墒情的实时数据查看，实现在当前土壤不同深度的墒情数据展示；支持通过折线图展示土壤墒情的历史数据，实现不同时间范围内的土壤墒情的变化趋势；支持土壤水势的实时数据查看；支持通过折线图展示土壤水势的历史数据；支持土壤含水率各级别报警参数及报警内容配置，可实现不同区域和不同作物对土壤含水量要求的灵活应用。4.3农业气象监测系统4.3.1系统概述农业气象监测系统（以下简称“气象系统”）实现对大田农业综合环境气象信息的自动采集、监控和智能化管理。气象系统为农作物种植区域的环境气象提供实时的数据信息，以及全面的气象预报、灾害预警服务。气象系统可以为农作物种植管理、农艺方案制定、农业作业计划、农作物生长调控、病虫情防治、灌溉管理等农业环节，提供所需要的环境气象信息，实现环境气象服务的智能化解决方案。气象系统充分发挥气象信息在农业生产中的基础性作用，能实现对农作物生长区域从局域小气候到广域大片区的综合环境气象管理。气象系统对与农作物生长密切相关的空气温度、湿度、光照、降雨量、大气压、蒸发量等农业环境气象因子，通过精密传感器实现不间断数据监测，应用物联网技术实现远程化管理，基于智能化平台实现实施管理、智能决策、精准测报。气象系统有助于提高农作物种植精细化和定量化的管理能力，可以为适应气候变化、服务农业生产安全提供科学合理的数据支撑，是支撑智慧农业大系统运作的不可或缺的数据信息组成部分。农业气象监测系统图示气象历史数据演化图示气象历史数据管理图示4.3.2主要功能支持通过气象监测设备实现田间气象数据的实时监测、查看功能；支持地方气象局当前气象及未来气象的天气预报展示；支持通过折线图展示田间气象的历史数据，实现不同时间范围内的农田气象的变化趋势；支持气象历史数据的查看和对比。将采集的历史与历年历史数据进行对比，实现异常天气的比对和展示，形成科学的气象变化决策依据；支持地方气象局的气象预警咨展示。4.4苗情灾情监测系统4.4.1.系统概述苗情灾情监测系统（以下简称“苗情系统”）实现由自动或远程监测系统对农作物的生长发育状态、病虫情情况、作物灾情及田块灌溉作业情况、无人农机作业情况进行实时视频监控（包括日间图像和夜间的红外图像）和智能控制管理。农情信息在国家粮食安全保障、农业供给侧改革、农业资源开发和保护、农产品市场支撑作用，开展农情监测意义重大。苗情是农情之首，是墒情、病情、虫情、灾情监测的综合反应，是科学管理的重要依据。苗情系统能够拓展结合遥感、视频监控等系统，可对田间苗情、灾情实现信息自动采集、管理和分析等功能，是实现综合化的农情数字化、智慧化管理。苗情灾情对比查看功能苗情系统使作物生长状况监测达到远程化、可视化、连续化管理，有利于及时便捷掌控作物苗情灾情动态；可为灌溉、病虫情防治和防灾减灾提供真实的基础数据，有利于合理指导作物在不同生长周期下的智能灌溉、精准施肥、科学喷药措施，是智慧农业无人化农场应用场景里的田间管理非常关键的数据信息组成部分。苗情监测图示4.4.2主要功能支持视频监控设备的农田位置展示，通过选择指定监控相机实现田间视频监控的远程播放功能；支持视频监控录像的历史回放：支持田间作物的苗情比对功能，通过选择当前视频画面或选择历史监控截图，实现不同时期作物的长势情况对比：支持监控抓拍的图片管理功能；支持云台、球机设备的抓拍角度配置。4.5农业遥感服务系统4.5.1系统概述农业遥感服务系统（以下简称“遥感系统”）实现了农作物监测、农业环境采集以及农业灾害综合管理体系化应用，可以客观、准确、及时、大范围地提供农作物生态环境和作物生长的各种信息。遥感系统不同于传统田间、地面监测管理，它实现了高空俯视角度的数据采集，是获得田间数据以及科学决策服务的新型一体化解决方案。无人机遥感利用无人机搭载可见光以及各类专用光学传感器，可以在作物上方几十至上百米左右的上空进行分布式观察，进而获得农业区域高分辨率的地面遥感影像图。无人机遥感通过对高分辨率遥感影像图的分析与处理，生成对农田农作物不同生长时期的田间种植分布图、作物出苗率分布图、作物高度分布图、作物生长长势分析、作物物候期分析、作物倒伏分布图、作物环境胁迫分析、作物病害情况分析，作物成熟度分析等分析指标，构建基于图像处理的大田农作物区域分布测量数据库，为无人化农场种植服务形成种植光谱学影像大数据分析体系。卫星遥感数据管理卫星遥感数据可视化展示影像建模地物识别及面积统计作物长势分析作物生物量与估产干旱胁迫分析作物成熟度分析作物病虫害胁迫作物倒伏分析遥感系统利用无人机拍摄遥感影像，开辟了全新的农业管理维度和手段，是对于地面监测数据的有力补充。遥感系统面向农作物监测、农业灾害监测等业务，开展监测、分析、服务为一体的综合应用管理，对提高农业管理水平、合理配置农业资源、提高作物产量具有重要意义。4.5.2主要功能支持无人机遥感图层的图像展示：支持无人机遥感对作物倒伏的分析结果展示；支持无人机遥感对作物长势的分析结果展示；支持无人机遥感对作物成熟度的分析结果展示；支持无人机遥感对作物病害的分析结果展示；支持无人机遥感对作物虫害的分析结果展示；支持无人机遥感对作物草害的分析结果展示。4.6大田精准灌溉系统4.6.1系统概述大田精准灌溉系统实现大田农业水肥的数据采集、运作控制和智能决策管理。智能灌溉系统为农业物种植各阶段提供实时的需水数据信息，可以为农业灌溉管理环节提供所需要的需水模型，实现灌溉管理服务的智能化解决方案；基于体系化的智能控制设施，智能灌溉系统可以根据农业种植的对象、环境，实现无人化、精准化、动态化的灌溉，大幅降低人工劳动强度，显著提升灌溉效率和质量，是节水的最有效手段。智能灌溉设备分布示意图智能灌溉控制面板示意图智能灌溉设备控制记录示意图智能灌溉灌溉记录示意图4.6.2主要功能设备实时状态监控：包括水泵、阀门等设备实时开启关闭状态；手动灌溉控制：实现水肥设备的远程手动控制；智能灌溉控制：可以设置设备定时任务，或关联土壤墒情监测结果，根据环境状态自动开启、或关闭水肥设备；灌溉记录：实现历史灌溉记录数据的存储与展示；异常报警：实现对异常情况的报警提醒功能。4.7农业智慧决策系统4.7.1系统概述农业智慧决策系统基于信息感知的海量数据，实现农业决策的科学化、智能化。农业智慧决策系统利用稻麦作物的需水模型，结合气象数据，可输出稻麦智慧灌溉决策；通过对农作物遥感图像的作物长势分析，可输出精准施肥决策和精准施药决策；通过对农作物遥感图像的成熟度分析，结合气象数据，可输出收获日期决策等决策内容。追肥决策示意图病虫害决策示意图收获日期决策示意图4.7.2主要功能精准追肥决策：根据稻麦作物的农业遥感长势分析图像，精准输出作物的追肥决策和建议；精准施药决策：根据稻麦作物的农业遥感长势分析图像，可精准输出作物的病虫害施药决策和建议；根据稻麦种植区域内杂草的遥感分析图像，可精准输出杂草的草害施药决策和建议；收获日期决策：根据稻麦作物农业遥感成熟度分析，结合收获日期前后几天的天气情况，可输出作物最佳的收获日期。4.8病虫草害监测系统4.8.1系统概述病虫草害监测系统实现对大田农业病虫害状况的智能预测、自动采集、识别和智能化管理。植保系统主要为农作物种植区域的植保管理提供实时的数据信息，以及全面的病虫情识别及预警服务。植保系统可以为植保管理、病虫情防治环节提供所需要的植保信息，实现智能病虫情监测预报、变量喷药处方图服务的智能化解决方案。病虫害草监测系统有利于提高农作物种植精准化和智能化的管理能力，有利于有效管理病虫情发生情况，有利于提高管理效率和减少农药用量，可以为植保工作提供科学合理的数据服务，可以为绿色种植、环保农产品提供有力保障，是农作物植保工作的“贴身助手”。固定式虫情测报及智能识别虫情智能识别详情移动式病虫情监测与智能识别病虫害智能识别详情病虫害统计分析病虫害预测预报施药处方图病虫草害无人机监测病虫草害无人机监测结果分析和比对4.8.2主要功能支持虫情测报灯的拍摄图片及识别结果展示，通过统计虫情设备上报的虫情信息实现每日虫害的数据统计展示；支持移动端拍摄的田间病虫害图片展示；支持无人机监测病虫害的图像数据及识别结果展示；支持病虫害图片识别的结果及历史识别数据展示。4.9无人农机作业系统4.9.1系统概述无人农机作业系统（以下简称“无人作业系统”）是提升农业生产机械化、信息化、自动化和智能化水平的智能农机装备解决方案。无人作业系统实现大田复杂环境下的农机自动驾驶和作业，是进一步提高农机全天候作业能力和作业质量、降低人力成本、提升农业生产效率和缓解农村劳动力不足的关键。无人作业系统的核心在于对农机作业现场信息的智能化和网联化处理。该系统基于北斗卫星导航定位系统（BDS），可实时提供全天候、全天时、高精度的农机位置信息和航向信息，不受时间和气候条件限制，实现无人驾驶农机的精准作业和全天候作业能力。无人作业系统由农机机载的自动驾驶设备，以及配套的导航路线规划软件两个主要部分组成。农机机载的自动驾驶设备依托差分定位技术，提供高精度的位置定位，然后通过自动化的行驶方向控制，确保农机按照预先设定的行驶路线模式行驶，再整个行驶过程中的直线行驶阶段，都不需要人为干涉，农机可以实现高质量的行驶方向控制，最高形式方向偏差不超过2.5cm。导航路线规划软件通过导航计算机及控制器这一自动驾驶设备的控制核心，从机载显示控终端接收导航任务指令，控制自动驾驶系统个单元的协同运行，实现精准的导航行驶控制。无人作业系统进一步提升农机作业自动化、精准化和智能化，实现进一步解放乡村劳动力，成为农机后黄金时代的有效技术支撑，必将成为今后农业生产的重要模式之一。自动驾驶套件应用方案无人农机任务清单无人农机路径规划和发布无人农机作业轨迹跟踪无人农机作业进度统计4.9.2主要功能支持对无人农机的任务规划及路径管理；支持对无人农机作业路径的可视化展示，作业过程实时监控与历史回放；支持对无人农机的作业进度展示，作业过程质量数据采集与处理、作业过程与质量的可视化呈现；支持作业数据统计与分析；支持对农机农具的基础配置信息管理。4.10移动端巡田app4.10.1系统概述移动端巡田app利用移动端的便捷性，为农事操作人员在日常巡田过程中提供便捷的农情勘察和记录。同时可随时随地接收到管理人员发来的任务指令。让人员管理更加方便、高效。移动端巡田app可通过移动端远程查看田间设备采集的数据和视频监控画面，可记录巡田和上报过程中的各种田间问题，系统利用GIS地理信息系统对上报点位进行记录，将多个问题上报点位组织起来形成一片，从而形成整个区域的问题分布和总览。有利于对整个种植区域的情况进行整体的把握。移动端巡田APP首页和任务管理界面移动端巡田APP任务详情和巡田问题上报界面移动端巡田APP巡田问题清单和个人中心界面4.10.2主要功能实现环境信息采集数据的移动端实时展示与交互；实现设备安装位置的GIS形式展示；支持平台巡田任务下发的查看和执行结果的提交反馈；支持巡田事件的上报，包括巡田轨迹、巡田发现的事务等的上报；支持病虫草害的智能识别与识别结果的展示；支持农事活动的记录和查看，可进行农事活动和相关农事任务的关联；支持使用平台配置的账号登录移动端APP并进行账号信息的查询、修改和退出登录。4.11智慧农业指挥调度系统4.11.1系统概述智慧农业指挥调度系统主要是基于各类田块信息、种植作物、作业人员、农机、生产等环节的数据，实现农业智慧化综合分析决策服务。智慧农业指挥调度系统通过基于图像、视频、地理位置信息、环境信息、农作物信息、人员工作信息、作业信息、历史信息等实时数据的动态更新或基于历史数据的演化分析，经数据挖掘、可视化图表、统计分析处理，形成可供决策使用的内容，建设农业“一张图”，为区域农业综合决策，提供辅助管理、可视化、监督的手段。基于物理模型，智慧农业指挥调度系统将改变传统农业生产决策依赖点上信息的弊端，将点上的信息串联为面，从而形成更为科学的农业生产决策，是现代智慧农业发展的必然要求。智慧农业指挥调度系统项目总览示意图智慧农业指挥调度系统农情实时监测示意图智慧农业指挥调度系统农业科学决策示意图4.11.2主要功能农业种植总览“一张图”：提供大田种植项目基地相关的各类基础数据和项目基本情况介绍，可快速了解项目基地智能化建设情况；农情实时监测“一张图”：从稻麦种植最重要四情监测入手，分别展示项目基地作物的墒情、苗情、病虫情和灾情的发生发展情况。农业科学决策“一张图”：通过一张图的形式，综合展示项目基地当前种植季内的精准灌溉决策、精准施肥决策、精准施药决策、收获日期决策等信息。4.12农事智能推荐系统4.12.1系统概述农事智能推荐模型集成科学的综合大田作物（水稻、小麦、玉米等）的种植和管理信息，提供不同种植品种、不同种植区域、不同种植日期、不同种植方式下的差异化的关键农事节点和农事任务，以及相对应的农艺操作标准。正常情况下无需再人工调整。农事智能推荐模型还会实时获取平台智能识别的作物生育期，及时调整和模型时间节点，使得农事推荐更加精准，可靠。农事智能推荐系统主界面农事智能推荐关联系统相关数据界面农事智能推荐农艺标准数据库和配置界面农事智能推荐关联系统重点农事数据库和配置界面农事智能推荐数据模型和配置界面4.12.2主要功能支持不同作物生育期模拟；支持生育期内农事建议展示；支持农事执行农艺内容展示。4.13作物生育期智能识别算法4.13.1系统概述作物生育期智能识别算法利用大数据和人工智能技术，对采集的生育期图片进行去噪、关键特征分析、AI智能比对，输出图片中作物所处的生育期。同时作物生育期智能识别算法加持机器学习和训练，日常通过对海量的作物图片进行自我识别与学习，不断提高识别的准确性和识别速度。目前大田作物（水稻、小麦、玉米等）已提供超2000万张图片供机器日常学习和训练。作物生育期智能识别算法可集成在田间摄像头硬件中，与摄像头设备进行绑定，实现监控设备的智能化。当前加载作物生育期智能识别算法田间摄像头设备可识别水稻、小麦、玉米等大田作物的分蘖期、成熟期、幼苗期等数十种生育期。作物生育期智能识别算法技术路线图4.13.2主要功能明显特征的水稻生育期图像自动巡视、识别;识别准确率超过70%;自动反馈水稻生育期节点。4.14大田作物知识图谱4.14.1系统概述大田作物知识图谱建立图片、文本、音频、视频等多源数据，利用多维时序耦合和时空结构化补全和多模态知识挖掘与模态共享知识表征技术，对多元数据进行特征提取。通过计算机技术对提取的数据进行多模态图结构对齐和多模态语义对齐，形成特征拼接和关系预测，从而实现多模态的知识融合，构建出大田作物的多模态知识图谱。大田作物知识图谱数据预处理与知识融合技术路线图大田作物知识图谱的源数据，除了已经储备的气象数据、作物数据、天气数据、种植数据、管理数据、流通数据外，还会通过卫星、摄像头、传感器等不断采集新的数据，并对新数据进行去噪、降维、特征提取、辨识操作，再融合到已有的多模态知识图谱数据架构中，实现数据的不断更新和补充。大田作物知识图谱不断采集和提取数据示意图4.14.2主要功能多数据源的数据整合和处理；多模态的数据融合；动态的数据获取和补充；4.15大田作物需水模型4.15.1系统概述大田作物需水模型利用大数据技术，结合数十年的种植管理数据，建立大田作物（水稻、小麦、玉米等）在不同生育阶段的需水模型。大田作物需水模型对作物的种植品种、种植时间、种植区域进行多维度分析，对历史种植农事管理数据纵向比较，输出精准的不同生育期不同需水数据。大田作物需水模型可与作物生育期识别模型进行底层联动，根据作物生育期识别结果的调整，自动调整和重新计算作物的需水数据。4.15.2主要功能支持水稻、小面、玉米等多种水田、旱田作物的需水数据输出；支持不同区域、不同品种的需水数据输出；4.16大田作物灌溉模型4.16.1系统概述大田作物灌溉模型通过大数据技术，对采集到的土壤墒情信息、农业气象信息、当前作物需水数据进行综合分析，根据输出的作物需水量，综合判断未来天气的降水情况，智能输出当前作物需要灌溉的数据。大田作物灌溉模型可与智能灌溉设备联动，将灌溉指令直接下发给灌溉设备，实现灌溉的智能化、精准化、无人化。灌溉模型数据输出示意图4.16.2主要功能可实现灌溉设备的智能联动，实现灌溉的智能化、精准化、无人化。与作物实际生长情况紧密结合，精确匹配作物的土壤墒情情况，未来天气降水情况，确保输出的灌溉数据精准、可靠，实现节水、节能。4.17作物倒伏智能识别算法4.17.1系统概述作物倒伏智能识别算法利用大数据和人工智能技术，对采集的田间作物图片进行去噪、关键特征分析、AI智能比对，输出图片中作物倒伏情况。同时作物倒伏智能识别算法加持机器学习和训练，日常通过对海量的倒伏图片进行自我识别与自我学习，不断提高识别的准确性和识别速度。作物倒伏智能识别算法可集成在田间摄像头硬件中，与摄像头设备进行绑定，实现监控设备的智能化。作物倒伏智能识别算法技术路线图4.17.2主要功能实现倒伏、贪青等作物生长异常的自动巡视、识别;识别准确率超过70%;自主识别，动态反馈。4.18病虫草害预测模型4.18.1系统概述病虫草害预测模型基于近10年的大田作物（水稻、小麦、玉米等）的病虫草害防控数据，利用大数据分析技术将病虫害发生发展情况与天气、墒情、作物品种、生育期等的即时数据进行大数据分析，建立病虫草害动态分析模型。将可能导致病虫草还发生情况的各种因素进行采集、汇总、分析，并于历史数据进行比对，通过已经经过科学验证的规则和逻辑进行自动研判，输出未来7天可能的病虫草害发生发展预测结果。4