智慧农业前沿技术导论 课件 第8章 农田智慧监测诊断技术

农田智慧监测诊断技术HUAZHONGAGRICULTURALUNIVERSITY1目录CONTENTS第一节农田智慧监测诊断技术概述第二节农田环境信息智慧监测诊断技术及装备第三节

作物生长智慧监测诊断技术及装备第四节

智慧农田监测诊断技术未来发展第五节推荐阅读第六节思考与讨论2一、农田智慧监测诊断技术概述3“农情”是指对农作物生长阶段的环境、温度、物质、灾害等影响因素以及农业外界条件与农作物生长状态的动态跟踪，是种植人员对农业生产进行增产方法的重要依据。农作物生长的相关信息数据决定了农产品的产量，进而影响农产品价格和农民收入。所以农情信息感知与监测是精细农业工作中的重要一环，对指导农业生产、保障农民增收和稳定农业发展具有重要意义。一、农田智慧监测诊断技术概述4早期的农情监测设备为单机监测，传感器采集到的数据存储在本地，需要定期安排专人通过USB接口转存，效率极其低下。现如今的农情监测设备是综合运用传感器、物联网、大数据、人工智能等现代信息技术，对农田的土壤、气象、作物生长等多方面信息进行实时、精准监测，并通过数据分析和模型运算，对农田的健康状况、生长趋势以及潜在问题进行智能诊断的技术体系。它旨在实现农田管理的科学化、精准化，提高农业生产效率和资源利用效率，保障农产品质量与安全。一、农田智慧监测诊断技术概述5近年来，在政府的大力支持下，中国智慧农业发展快速，农村网络基础设施建设得到加强。网络基础设施改善：2017年底，全国行政村通宽带比例达96%，农村网民规模达2.11亿，城乡网民比例为2.8∶1。农产品大数据试点：截至2018年7月，21个省市开展8种主要农产品大数据试点，完善监测预警体系，用数据管理服务、引导产销。信息进村入户工程：18个省市开展整省建制的信息进村入户工程，全国约20.4万个行政村（占1/3）建立益农信息社，提升农村信息综合服务能力。农业电子商务发展：14个省市开展农业电子商务试点，在428个国家级贫困县开展电商精准扶贫试点，电子商务进农村综合示范工程支持众多县，农村网络零售额达1.25万亿元，农产品电商规模接近3000亿元。一、农田智慧监测诊断技术概述6随着工业技术的发展和农业现代化程度的提高，科学技术在农业上的应用越来越广泛，这也促进了农情感知与解析技术的变革和更新，但同时也存在着一些问题需要不断地发展创新，以适应农业发展新常态。目前，制约我国智慧农业发展的短板技术：农业专用传感器落后，我国目前自主研发农业传感器数量不到世界的10%，且稳定性差；动植物模型与智能决策准确度低，很多情况是时序控制而不是按需决策控制；缺乏智能化精准作业装备，作业质量差。应用规模上存在不足：全国各省市都开展了智慧农业应用试点建设，但大都处于“盆景”状态，缺乏智慧农业大面积应用的“风景”。应用效果不理想：大多数项目停留在信息的简单传输与显示，展示成分大于实际效果，与农业融合深度不够，缺乏解决农业实际问题的效果。二、农田环境信息智慧监测诊断技术及装备7基于传感器的土壤信息监测技术土壤信息遥感监测技术高精度土壤CT检测技术农田物联网土壤信息机器人（VR）土壤温湿度传感器土壤盐分传感器分类：土壤温湿度传感器分为FDR传感器和TDR传感器。作用：土壤温湿度传感器是一种能实时测量并反馈土壤温度和湿度信息。原理：利用电磁脉冲原理、根据电磁波在介质中传播频率来测量土壤的表观介电常数，从而得到土壤相对含水量。原理：是在一条不匹配的传输线上的波形会发生反射。传输线上任何一点的波形都是原有波形和反射波形的叠加。FDR传感器

TDR传感器

优点：精度高、受盐度影响很小缺点：成本高、电路复杂优点：简便安全、快速准确、自动化、宽量程等缺点：精度有限

、测量深度受限工作原理：用不锈钢探针通过变送器转换成土壤盐分的模拟或数字信号，再经过精密温度传感器将信号补偿到25℃，作为土壤盐分信号输出，将电导值转换成与之对应的模拟或数字信号。主要部件：嵌有铂金丝网的多孔陶瓷片和进行温度补偿用的热敏电阻。工作过程：四芯导线与电极插头相连，将微孔陶瓷探头埋入土壤后，土壤溶液与陶瓷孔隙中溶液的盐分离子因浓度差经扩散达平衡，此时两者浓度相同，测量陶瓷孔隙中溶液电导率即可代表土壤溶液电导率。二、农田环境信息智慧监测诊断技术及装备8土壤的主要构成包括：空气、水分、有机质、矿物质和土壤生物，它们是相互联系的有机整体。作为土壤的主要特征之一，土壤光谱反射特性与土壤的物理（成土母质、土壤颜色、质地、表面粗糙度等）和化学性质（有机质含量、含水量、重金属等）之间有着密切相关的联系，这种关联构成土壤遥感的基础。基于传感器的土壤信息监测技术土壤信息遥感监测技术高精度土壤CT检测技术农田物联网土壤信息机器人（VR）二、农田环境信息智慧监测诊断技术及装备9土壤高光谱有机质定量反演流程图有机质经微生物分解再合成褐色或暗褐色大分子胶体物质，土壤有机质含量不同颜色有别（高含量呈暗黑色，低含量呈亮色），其对高光谱反射率影响最明显在可见光波段，且含量越高，光谱反射率越低。土壤有机质遥感监测不同生态区土壤类型、降水和温度差异显著，致使土壤有机质分解速率、水平及光谱特性不同，难以用通用模型对土壤有机质进行光谱遥感监测，需依各生态区土壤特性建立高光谱有机质监测模型。基于传感器的土壤信息监测技术土壤信息遥感监测技术高精度土壤CT检测技术农田物联网土壤信息机器人（VR）二、农田环境信息智慧监测诊断技术及装备10土壤水分遥感监测土壤含水量特征及含量估测研究，利用其在多波段光谱特性，分析实测值与光谱曲线关系，建立光谱反射特性与含水量响应关系，以测光谱反射率确定含水量。目前，土壤含水量的预测方法是通过获取含水量的敏感波段，建立土壤的光谱特征与土壤含水量之间的多元线性回归模型，常用的模型算法有偏最小二乘、支持向量机等。土壤含水量高低对土壤光谱反射率影响有别，低含水量对近红外波段影响明显，高含水量对可见光波段反射率影响明显，为此对土壤反射率反演含水量提出“临界值”概念，建议依含水量高低建不同光谱反演模型。基于传感器的土壤信息监测技术土壤信息遥感监测技术高精度土壤CT检测技术农田物联网土壤信息机器人（VR）二、农田环境信息智慧监测诊断技术及装备11土壤养分遥感监测土壤含水全氮含量是衡量土壤肥力的重要指标，实时土壤氮素含量监测可以为农业管理提供服务，是现代精细农业重要的研究方向之一。土壤全氮光谱特征及含量估测研究选用红外波段光谱定量反演，有直接反演（分析实测值与光谱关系，建响应关系以测光谱反射率确定含量）和间接反演（基于氮素与有机质强相关性建模型间接估测）两类方法。基于传感器的土壤信息监测技术土壤信息遥感监测技术高精度土壤CT检测技术农田物联网土壤信息机器人（VR）二、农田环境信息智慧监测诊断技术及装备12土壤重金属遥感监测土壤常见重金属及活性成分特征波段比照图（成永生等,2021）传统检测土壤重金属元素含量：在研究区采集样本，于实验室生化分析，用合适空间插值拟合数据，“以点代面”求区域含量。相比而言，高光谱遥感技术具动态连续无损监测、实时性强、成本低、探测范围广、宏观性强等优势，是及时监测土壤重金属元素含量的有效途径，地面与非地面高光谱技术结合可形成空-天-地一体化监测体系。分析传感器光谱范围内土壤重金属反射、吸收光谱特征与实测含量的相关关系，提取敏感波段，对目标重金属含量与反射率进行相关性拟合，推演研究区目标重金属含量及分布。基于传感器的土壤信息监测技术土壤信息遥感监测技术高精度土壤CT检测技术农田物联网土壤信息机器人（VR）二、农田环境信息智慧监测诊断技术及装备13土壤CT扫描检测技术：主要利用伽马能谱仪，伽马能谱仪是通过伽马射线能检测出土壤的信息，包括土壤中的养分、土壤的性质、以及土壤中的重金属等，能谱仪被动接受土壤中的伽马射线数据，为土壤的状况提供复杂图像。湖北富邦科技股份有限公司利用加拿大农业大数据公司SoilOptix技术于2017年展示的土壤CT扫描车，车内装有伽马能谱仪、GPS定位系统和计算机系统等配套设备，采用国际领先的高精度快速地勘系统，车辆从土地上驶过，就能快速获得精准的土壤数据，形成高精度的土壤数字地图。这些数据包括但不限于植物生长所需的大量和中微量土壤元素数据、土壤改良数据和土壤修复所需检测的重金属数据。加拿大SoilOptix传感器基于传感器的土壤信息监测技术土壤信息遥感监测技术高精度土壤CT检测技术农田物联网土壤信息机器人（VR）二、农田环境信息智慧监测诊断技术及装备14农业物联网一般应用是将大量的传感器节点构成监控网络，通过各种传感器采集信息，准确地确定发生问题的位置。农田物联网总体设计框图（胡浩明等，2021）农业物联网通过构建由大量传感器节点组成的监控网络采集信息，帮助农民精准发现和定位问题，推动农业生产模式从人力、孤立机械型向信息和软件中心型转变，促使自动化、智能化、远程控制设备的广泛应用。它能利用多种传感器获取温度、湿度等多元物理量参数，营造适宜农作物生长的环境，技术人员可远程监控大棚环境，借助无线网络获取作物生长最佳条件，其设计涵盖硬件采集、终端发送、服务器处理及应用层调用等环节。基于传感器的土壤信息监测技术土壤信息遥感监测技术高精度土壤CT检测技术农田物联网土壤信息机器人（VR）二、农田环境信息智慧监测诊断技术及装备15基于物联网的施肥智能控制系统结构（田敏，2018）新疆棉花种植因滴灌普及采用水肥一体化模式，灌溉实现自动化控制。兵团地区棉花施肥技术不断升级，从经验施肥到测土施肥，再向计算机决策平衡精量施肥发展，迈向智能化、自动化。农田物联网技术助力大田施肥系统，能实时快速采集氮素信息并传输，计算施肥关键参数和设备状态，保障系统正常运行，方便人员掌握需肥和施肥情况，发挥技术优势，提升水肥利用效率，达成减投入、增产量品质、护环境的效果。基于传感器的土壤信息监测技术土壤信息遥感监测技术高精度土壤CT检测技术农田物联网土壤信息机器人（VR）二、农田环境信息智慧监测诊断技术及装备16机器人的总体设计(A)和功能布置(B)(刘英旋等，2022)1.土壤信息采集装置；2.底盘总成；3.动力系统;4.机械臂；5.控制系统；6.环境信息采集装置；7.作物信息采集装置；8.红外测温仪；9.叶绿素检测仪;10.光照强度传感器；11.温湿度传感器；12.红外测温仪田间信息采集机器人以固定点设备信息采集系统为基础，采用轮式装置，可替代传统固定监测系统在作物生长状态获取、病虫害图像分析等多方面功能，用一台或数台机器人就能实现大面积定点组网数据获取。其设计按功能主要分为土壤、环境、作物信息采集装置，行驶及功能控制功能元件、辅助功能元件五大部分。功能要求涵盖行驶及机械运动执行、数据获取存储传输、操作指令接收执行、工作状态检测自动调整及预警等。基于传感器的土壤信息监测技术土壤信息遥感监测技术高精度土壤CT检测技术农田物联网土壤信息机器人（VR）二、农田环境信息智慧监测诊断技术及装备17农田气象测预测技术农田气象物联网监测技术及系统虚拟探测技术与装备无线传感器网络（WSN）监测系统风速传感器功能：风速传感器是用来测量风速的设备。分类：机械式风速传感器、超声波式风速传感器等。风向传感器功能：探测、感受外界的风向信息。分类：光电式、电压式和罗盘式等。雨量传感器功能：测量降水量、降水强度、降水起止时间。分类：光学探测、声波探测和雷达探测等。蒸发量传感器功能：感知水面蒸发量变化。分类：称重式、遥测式和热量法等。二、农田环境信息智慧监测诊断技术及装备18光照度传感器功能：将光照度大小转换成电信号并显示。分类：光敏电阻、光电管传感器等。日照时传感器功能：测量太阳每天在垂直于其光线的平面上的直接辐射强度≥120W/m2（±10%）的时间长度。分类：暗筒式日照计、FS-RZ1型日照时数传感器等。农田气象测预测技术农田气象物联网监测技术及系统虚拟探测技术与装备无线传感器网络（WSN）监测系统二、农田环境信息智慧监测诊断技术及装备19农业气象监测系统农业气象监测系统是一款集农业气象数据采集、传输、云端管理的无人值守智慧农业解决方案，能够全天候不间断实时采集农业气候（大气温度、大气湿度、大气压、光照强度、降水量、风速、风向等）数据，并及时传输到云端平台，形成数据报表，全面直观的呈现各个监站点的农业气候状态及变化情况，稳定、准确、可靠地实现区域性农业气候的实时在线监测。农田气象测预测技术农田气象物联网监测技术及系统虚拟探测技术与装备无线传感器网络（WSN）监测系统二、农田环境信息智慧监测诊断技术及装备20虚拟现实技术在各行各业中广泛应用。虚拟现实(virtualreality，VR)是一种高端人机接口，通过视觉、听觉、触觉、嗅觉、味觉等多种感觉通道进行实时模拟和实时交互，通过创建和体验虚拟世界的计算机仿真系统技术。利用混合现实技术（MR），结合本区域高空气象观测设备型号（如GFE（L）-1型二次测风雷达及水电解制氢设备、CINRAD/CB和CINRAD/CD型天气雷达等及相关仪器仪表）开发虚拟仿真实训系统。该系统获取实际天气雷达及GFE（L）-1型二次测风雷达站三维数据，建立虚拟环境模型打造逼真台站环境，具备虚实融合、深度互动、异时空场景共存等特点，能将不同位置学习者虚拟影像耦合连接于同一在线虚拟环境。虚拟现实气象模拟农田气象测预测技术农田气象物联网监测技术及系统虚拟探测技术与装备无线传感器网络（WSN）监测系统二、农田环境信息智慧监测诊断技术及装备21无人机无线传感器网络(UAV-WSN)的拓扑结构(Cao等，2017)无线传感器网络（WSN）由大量传感器节点组成，传感器通过无线方式通信，网络设置灵活、设备位置可更改且能与互联网有线或无线连接。基于植保无人机的WSN云辅助数据收集策略，具有传输快速、数据完整性好的特点；同年还提出由传感器节点、固定群领导和无人机-sink组成的无人机-无线传感网络协作框架，优化了“无人机+无线传感”工作模式。农田气象测预测技术农田气象物联网监测技术及系统虚拟探测技术与装备无线传感器网络（WSN）监测系统三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术22遥感监测概述：指应用传感器远距离获取目标物体的反射、辐射或散射的电磁波信息，经过处理、提取与分析，从而识别地球表层物体性质或运动状态的科学与技术。前沿技术地面信息获取方式：包括我国持续发射的高分卫星、农业物联网以及无人机；观测内容：反应作物生长状况的叶绿素荧光，荧光遥感也是目前研究的热点之一；新技术：机器学习、人工智能、大数据、北斗导航、5G为代表。遥感在农业领域有着广泛的应用，是农业生产中获得田间数据的重要来源，能够提供大量的农田时空变化信息，是当今世界农业发展的潮流，对农业社会的发展有着不可替代的作用。从应用需求角度看，农业发展要求农业遥感具有高精度、定位准确、实时性、地域全覆盖等特性。工作平台23主动式遥感，由传感器主动地向被测的目标物发射一定波长的电磁波，然后接受并记录从目标物反射回来的电磁波。如合成孔径雷达、LiDAR等；被动式遥感，传感器不向被探测的目标物发射电磁波，而是直接接受并记录目标物反射太阳辐射或目标物自身发射的电磁波。如数字图像传感器、近红外传感器、热红外传感器等。地面遥感，如车载、固定、手持或活动高架平台等；航空遥感，如航模、有人机、无人机及其他航空器和遥感平台等；航天遥感，如人造卫星、航天飞机、空间实验室等；遥感监测概述——农业遥感监测分类记录方式成像遥感非成像遥感工作方式三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术农作物种类识别作物种植面积估算作物全生育期长势监测作物病虫害监测作物产量及品质监测遥感监测与诊断关键技术作物种类识别是作物种植面积遥感估算的基础，它依据不同地物光谱反射与吸收的特性。对于正常生长的农作物在红光波段强烈吸收与近红外波段强烈反射，据此可以区分农作物、土壤和水体；利用多时相遥感影像，根据不同作物的播种、生长、收割的季节不同，结合作物物候特征和区域背景资料，可以有效地识别作物种类。应用高光谱遥感影像，根据不同品种在高光谱谱段的突出特征，通过分类方法加以识别。三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术农作物种类识别作物种植面积估算作物全生育期长势监测作物病虫害监测作物产量及品质监测遥感监测与诊断关键技术基于光谱特征的农作物遥感识别方法主要包括目视解译、基于图像统计分类的监督分类和非监督分类法以及以句法结构分类法为主的各种集成分类方法（包括神经网络法、模糊数学法、决策树法和基于混合像元分解的方法等）。但由于受卫星影像分辨率限制，导致分类过程中“同物异谱”和“同谱异物”现象难以避免，所以单纯基于地物光谱特性进行复杂种植结构作物分类较难获得理想效果。三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术农作物种类识别作物种植面积估算作物全生育期长势监测作物病虫害监测作物产量及品质监测遥感监测与诊断关键技术基于作物物候特征的农作物遥感识别方法由于作物具有季相节律性和物候变化规律性的特点，利用时间序列遥感数据的时相变化规律可以实现不同农作物类型的识别。关键物候期可以使作物与其他植被具有较大的可区分性，可作为作物类型识别的重要依据，从而使作物类型识别更有效。该方法通过分析时间序列数据中作物生长的关键物候期的特征值提取作物；利用当地的作物物候历信息，选择适当时相的遥感影像，使作物类型识别更有针对性，避免了遥感数据选取的盲目性。三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术农作物种类识别作物种植面积估算作物全生育期长势监测作物病虫害监测作物产量及品质监测遥感监测与诊断关键技术基于多源数据融合的农作物遥感识别方法充分利用多种数据信息的特色，实现优势互补，弥补单一遥感数据和分类方法的缺陷，大大提高作物遥感识别精度。多信息源数据结合既包括多源遥感影像的结合，也包括遥感影像与非遥感数据源的结合。多源遥感影像的结合可以得到更多的信息，减少理解的模糊性。引入非遥感影像数据源，如在分类过程中引入地形（如高程、坡度和坡向信息等）、土壤、作物轮作和分布环境信息，可大大提高农作物种植面积的提取精度。三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术农作物种类识别作物种植面积估算作物全生育期长势监测作物病虫害监测作物产量及品质监测遥感监测与诊断关键技术作物长势信息反映作物生长的状况和趋势，是农情信息的重要组成部分。遥感技术具有宏观、适时和动态的特点，利用遥感数据动态监测区域作物长势具有无可比拟的优势。作物长势遥感监测是利用遥感数据对作物的实时苗情、环境动态和分布状况进行宏观的估测，及时了解作物的分布概况、生长状况、肥水行情以及病虫草害动态，便于采取各种管理措施，为作物生产管理者或管理决策者提供及时准确的数据信息平台。三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术农作物种类识别作物种植面积估算作物全生育期长势监测作物病虫害监测作物产量及品质监测遥感监测与诊断关键技术全生育期作物长势参数：作物生化组分参数，如叶绿素、蛋白质、木质素、纤维素、类胡萝卜素和氮素等；作物结构参数，如叶面积指数、生物量、冠层覆盖度等。农作物长势监测：实时监测，主要利用遥感技术获取农田作物遥感参数，对作物生长动态及营养和水分状况进行实时诊断。过程监测，主要是通过长时间序列的遥感图像对作物生长过程进行监测，通过同类作物生长过程的年际间的对比来反映农田作物生长的动态变化状况。三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术农作物种类识别作物种植面积估算作物全生育期长势监测作物病虫害监测作物产量及品质监测遥感监测与诊断关键技术

病虫害的光谱响应：作物在病虫害侵染条件下会在不同波段上表现出不同程度的吸收和反射特性的改变。光谱响应可以认为是由病虫害导致的植物损伤所引起的色素、水分、形态、结构等变化的函数，由于每一种病虫害对作物的侵染方式都不相同，因此病虫害的光谱响应具有多效性。大面积病虫害监测与产量损失评估三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术农作物种类识别作物种植面积估算作物全生育期长势监测作物病虫害监测作物产量及品质监测遥感监测与诊断关键技术遥感估产模型分为两类：用作物遥感光谱信息与农田环境参数建模，将遥感信息作为输入变量，代入全遥感估算模型实现作物产量的估算；将遥感数据与温度、降水、日照、土壤水分等非遥感信息结合使用构建作物产量估算模型。4种方法：基于作物遥感参数与作物生长模型模拟的数据同化，进行作物估产；基于农作物产量理论与作物遥感参数的结合进行作物估产；基于农业气象因素与遥感因素协同建模进行估产；基于全遥感参数模型进行估产。三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术农作物种类识别作物种植面积估算作物全生育期长势监测作物病虫害监测作物产量及品质监测遥感监测与诊断关键技术作物品质监测可分为三种模式：①直接模式，直接建立某个时相下遥感数据与叶片或茎秆生化组分间的相关关系，进而评估其品质状况。②间接模式，建立遥感数据与叶片或茎秆生化组分间的相关关系，构建以叶片或茎秆生化组分与籽粒品质指标间的非遥感模型。③综合模式，作物品质的影响因素是多方面的，需要建立多因素、多时相的综合模型，提高作物品质监测精度。三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术33作物信息智能化检测技术及设备中科谱光研发的“农色”便携式智能农作物长势检测仪，是一款基于光谱分析技术可在野外快速进行作物生物量及长势检测的智能设备。搭配使用“农色”APP操作软件，可根据用户检测需求定制测量参数指标，并将数据实时同步于云端大数据网络。相对于传统农作物长势检测仪器，具有简单、便携、处理速度快的优势，能够对农作物的生长状况进行连续、快速的现场检测，为农事操作提供实时信息，为农作物生长特性研究提供了全新的技术手段，有利于智能化精准农业的发展。便携式光谱仪（农色）①仪器参数可调：可调整光谱仪积分时间、光谱采集模式、平均采样次数等模式；②LBS定位支持：自动记录植被测量轨迹，并具备统计分析功能；③参数的智能检测：可自动反演植被叶绿素a含量、氮磷钾含量、NDVI和LAI等参数；④光谱数据管理：支持手机本地存储和云端存储，支持用户上传、查看、检索、分析和下载数据；⑤智能分析决策：具有农作物病虫害情况，分析作物长势情况，预报作物产量分析等功能。功能介绍三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术34作物信息智能化检测技术及设备为了解决当前作物生长信息实时、快速、无损测量手段瓶颈问题，研发了一种基于多光谱传感器的便携式作物生长监测诊断仪。该仪器由多光谱传感器系统、处理器系统及附属机构组成，能实时无损地获取作物叶层氮含量、叶层氮积累量、叶面积指数、生物量等主要生长指标。该仪器结构简单、集成度高、性价比好、携带方便，易于田间操作。便携式作物生长监测诊断仪对现有两波段光谱仪在实际应用中存在的植被指数单一、生长指标反演精度低等问题，该研究研发了一款便携式三波段作物生长监测仪CGMD303（crop-growthmonitoringanddiagnosis，CGMD），其可以有效获取冠层光谱反射率，构建的水稻指标监测模型可以精确预测叶面积指数、生物量和氮素指标，可为水稻田间栽培工作提供决策依据。便携式三波段作物生长监测仪三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术35作物信息智能化检测技术及设备农业物联网大数据收集设备

ArableMark收集包括气候、作物健康、营养生长等超过40个不同的变量，其成本仅为传统气象站的1/3。作为新一代物联网（IoT）工具，ArableMark可使农民利用先进的传感器、无线网络和机器学习建议来改善作物生长。结合了精密的传感器和数据分析平台。目前，它是市面上唯一一款可将天气和植物测量数据结合起来的设备，能够随时随地将数据信息发送到云端进行检索。ArableMark有着复杂的传感能力，结合了不同类型的传感器，可实现对降雨、温度、辐射等数据的感知。据了解，经过多次迭代，ArableMark比原始产品新增了30多项功能，包括更高精度的传感器、扩展的蜂窝连接性、延长的电池寿命，以及承受极端温度和恶劣环境的保护性UV涂层等。

该设备只需几分钟即可安装，只需按一下按钮即可部署，且无须维护。作为一个整体测量系统，ArableMark通过监测作物，可判断作物是否需要肥料或水，并可检测到降雨、温度的变化，以及太阳辐射和土壤状况。三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术36遥感监测系统与管理平台MannaIrrigation（基于遥感的大田灌溉决策支持系统）

Manna灌溉智能解决方案是一种基于云端的无线传感器系统，可为种植者提供灌溉决策建议、作物监测图和灌溉计划工具。种植者可以通过Web界面或移动APP随时随地访问信息。操作层面的设置只需定义田块，设置作物和播种日期即可实现运作，每天24小时，系统为各田地和灌溉区提供最新计算的灌溉决策建议。该系统依赖于卫星图像分析得出的精确气象资料和农学模型相结合。Manna模型的核心是基于蒸发蒸腾量方法（需要温度、湿度、风速、太阳辐射、降雨、饱和水汽压等），该模型会产生田间每个像素点所观测到的ET值，从而进一步推算出精确的作物需水量。①用水计划：使用历史气象数据和作物模型预测每个田块的每周需水量；②灌溉决策：最佳灌溉计划可以提高作物产量和品质并减少农业水量；③农田监控：借助遥感解译与GIS可视化技术，种植者可以随时了解每个区域正在发生的变化。三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术37遥感监测系统与管理平台Cropio（来自东欧的农田生产力管理系统）Cropio是一种基于遥感数据的作物种植管控平台，用于对农业种植田块的远程资源监控，进一步通过集成农机装备，使用户能够有效地开展作业计划和农事操作。Cropio平台是一个与设备集成的“端到端”软件云平台解决方案，提供有关当前田块和作物生长状况的实时更新数据，确定作物生长水（NDVI）并判别问题生长区域，提供精确的天气预报、产量预报以及对软商品市场的服务概览。针对农场管理，Cropio提供了较为全面的功能范围，如合同管理、作物管理、追溯管理等。然而，在仓库管理、价格管理、订单管理等方面依然欠缺。平台通过设备与数据集成，提供了遥感影像、物联网记录、生产分析报告、作业规划等服务，展示了一个高度智能化的无人值守农业生产管理模式，其主要特征在于实现了不同田块的集中化管理、实时了解田间作物状况、及时报警预警、离线可用以及产量预报。三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术38遥感监测系统与管理平台PocketPlant3D（使用智能手机App分析冠层结构）在植物育种过程中，叶片角度和叶片曲率是提高植物生产力的重要因素。为此，研究人员开发了一个智能手机应用程序（PocketPlant3D），利用加速计和磁力计设备测量叶片着生角度及从着生点到叶片顶端的角度，从而重建光照的3D分布和光合利用模型。

通过这些角度数据，PocketPlant3D可获得平均叶倾角（MTA）、Campbell参数和β叶倾角分布（LAD），以及新的叶曲率指标。该应用程序通过循环实验分别测量了玉米和甜玉米的叶片着生角度并量化了精度，与其他方法相比，除了数字式倾斜仪的精确度较低以外，其他不同方法的精密度是相似的。

此外，PocketPlant3D测量了72000个角度数据用于冠层结构分析，软件能通过MTA、LAD和叶片曲率进行两个不同基因型植株的鉴定，即便是两种基因型植株，其呈现的叶片着生角度仍然相似。PocketPlant3D所收集的信息完整性和时间有效性使其成为表型分析活动和生理学研究的工具。三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术39

根系是作物吸收水分和养分的主要部位，其生长状态和分布情况是反映作物生长发育的重要标志。土壤是作物的主要生长基质，同时也给根系生长的观测研究带来诸多困难，对应提出一系列根系观测方法：破坏性观测土钻法和挖掘法（精度较高，但很难实现对作物根系生长的原位重复观测）微根管法是一种非破坏性、可定点直接观察和研究植物根系的方法，为研究细根的生长、衰老、死亡、分解和再生长的过程提供了有效的工具，它能够实现单个根系或者某个根系片段生长发育变化趋势的长期监测，以进行植物根系生长、死亡和分解等特征的详细研究。

微根管法的优势在于它能够实现在多个时间段内原位、重复、无损观测根系的生长发育，而且随着微根管技术的不断改进，该方法逐渐成为获取植物根系参数最合适的研究方法。利用微根管技术能够实现作物根系生长动态的可视化，且运用图像处理分析技术易于获取根系的量化信息。目前微根管法已被广泛应用于农作物、草地、森林等根系研究中。非破坏性观测

微根管法（精确性和便利性相对较好）、容器法）三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术40作物生长模型概述作物生长模型从系统科学的角度出发，以光、温、水、土壤等条件为环境驱动变量，应用数学物理方法和计算机技术，对作物不同生育期内发育进程、光合作用、呼吸、蒸腾、土壤水平衡、干物质积累与分配等重要生理生态过程及其气象、土壤等环境条件以及耕作、灌溉施肥等技术条件的关系进行定量描述和预测，而通过数据同化方法耦合遥感图像“面状信息”和作物生长模型模拟数据，实现对作物生长变化的连续监测，对农田生态过程的长时间序列监测具有重要意义。作物生长模型CropGrow框架图三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术41基于作物生长模型的作物生长模拟技术目前国外较为优秀的作物生长模型有美国的DSSAT、澳大利亚的APSIM、法国的STICS、荷兰的GECROS、菲律宾国际水稻所的ORYZA模型等。我国作物模型的研究虽然起步较晚，但发展较快。棉花生理生态过程模型：关注棉花基础生理代谢过程中能量流动和物质平衡的定量模拟。根据定量关系构建方法以下两种：统计模型

优点：基于统计学原理而构建，构建过程和参数体系相对简单。

缺点：模型的运行结果对时间和空间的变化比较敏感，实际使用中需要提前对模型参数进行本地化调校。机理模型

优点：基于植物学原理构建，机理性较强，超越时空限制在多个区域取得相对较好的模拟效果

。

缺点：使用起来也复杂，往往需要输入较为详细的参数，限制了模型的大面积推广和运用。三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术42基于作物生长模型的作物生长模拟技术棉花形态结构模型：棉花形态结构指棉花各个器官之间的拓扑连接关系，以及在此基础之上定义的各个器官大小、形态及其在三维空间位置和方向。根据植物形态结构模型可以分为：静态模型：基于接触式或非接触式数据采集仪，获取特定时刻植物不同器官的空间坐标信息，采用计算机图形学方法获得视觉上具有真实感的三维植物形态。用于研究与植物空间结构相关的性质，对植物冠层结构的动态演变规律缺乏关注。动态模型：基于植物生长过程中拓扑结构和几何结构的演变原理和规律，依赖于特定的计算机图形学算法而建立的能够反映植物生长过程中形态结构动态变化的模型，为模拟环境要素对植物冠层结构生长动态的影响提供便利。三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术43基于作物生长模型的作物生长模拟技术棉花功能-结构模型：棉花生长发育模拟模型趋向依据一定的规则将棉花的底层生理代谢功能模型与棉花形态结构描述相耦合，实现棉花生理功能-形态结构的动态交互，在更精准的时间尺度和空间维度上进行棉花生长发育状况的动态模拟。根据上述提出了两种建模思路：以某些生育变量为依托，直接将成熟的植物生理代谢模型与形态结构模型相结合，实现植物生长过程中结构功能的互反馈，如L-Cotton模型、COTONS模型等动态模型。针对植物结构和功能的特点，在同一模型中对二者的交互进行统一设计和模拟，以并行方式模拟二者的反馈机制，如GreenLab模型等。三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术44基于作物生长模型的作物生长模拟技术基于作物生长模型的作物生长模拟技术应用进展：在作物生长发育和产量模拟方面在灌溉管理方面在施肥管理决策方面在病虫害管理方面在区域尺度棉花生产系统评估方面三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术45基于作物生长模型的作物生长监测系统与管理平台针对现有作物生长模型存在的问题以及国内外发展趋势，南京农业大学以小麦和水稻等作物为主要对象，在作物生长过程模拟、极端气候效应量化、区域生产力预测分析、数字化设计与决策支持等方面开展了深入系统的研究。研发了CropGrow模型并基于该模型的作物生长监测系统与管理平台。作物生长模型CropGrow结构流程图（朱艳，2018）三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术46基于作物生长模型的作物生长监测系统与管理平台作物生长模型CropGrow的构建与应用技术流程（朱艳，2018）三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术47基于作物生长模型的作物生长监测系统与管理平台基于模型的作物生产力预测与效应评估技术：综合利用多种模型定量预测了中国稻麦主产区的生产潜力及产量差；探讨了基于模型-遥感耦合的稻麦主产区现实生产力预测技术；综合利用多种模型定量评估了不同空间尺度温度升高对作物产量的影响；定量模拟了气候变化、品种更新、土壤改良、措施优化对水稻生产力的贡献，为区域作物生产力预测预警及粮食生产策略制定提供了技术支撑；生产策略-作物氮肥管理的优化设计、作物管理措施的优化设计、适宜施氮量和基追比的优化设计；作物理想株型的优化设计。三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术48随着机器视觉技术、定位技术的深入应用，数据挖掘技术、边缘技术的逐渐兴起，农业机器人技术也随之完善。并且根据用户的不同需求，可以定制不同应用场景、不同应用范围的农业机器人。美国、德国、英国、日本等国家的农业智能装备研究与应用发展迅速，主要农业生产作业环节（包括果蔬嫁接、移栽、施药、采摘，畜禽饲喂、清粪、奶牛挤奶，农产品在线分级、标识、包装等）已经或正在实现“机器换人”或“无人作业”，大幅度提高了劳动生产效率和农业资源利用效率。农业机器人三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术49农业机器人黄瓜采摘机器人：采摘由机器人的末端执行器进行，末端执行器由机械手和切割器组成，机械手的定位服务由行走车提供，后续增加先进的视觉系统，可以根据黄瓜的光谱反射特性来分辨黄瓜的果实和茎叶，采摘作业时，机械手先抓住黄瓜，果梗探测器寻找黄瓜果梗，由切割器切断果。番茄采摘机器人：番茄采摘机器人的构成与黄瓜采摘机器人类似，移动机构负责行走，视觉传感器寻找果实，末端执行器负责采摘。采摘作业时，移动机构向前行走，视觉系统自动检测番茄成熟度和是否在采摘范围内，判断果实与机械手的相对位置后，机械手逐渐靠近并抓住果实，通过旋转方式将果实拧下。三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术50农业机器人蘑菇采摘机器人：自动检测蘑菇的位置和大小，进行选择性采摘。视觉传感器设计在机器人顶部以便准确确定蘑菇的位置和大小，蘑菇机械化采摘的成功率主要取决于蘑菇的生产形态，未来蘑菇采摘机器人的重点在于如何根据图像信息快速准确调整机器人机械手的姿态动作，提高采摘成功率。柑橘采摘机器人：采用人机协作理念，寻找、定位采摘果实以及机器人的导航功能由人力来完成，操作人员发现成熟的柑橘后使用激光测距仪获得果实的坐标，并将坐标存入数据存储区，机器人在数据存储区中读取果实坐标，末端执行器根据果实坐标规划最优的采摘路径并达到坐标位置。三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术51视觉导航导航位姿信息获取的准确、可靠是路径规划、农机控制的前提。现代农业机器人自动导航系统包含环境感知单元、控制单元与执行单元三部分。环境感知定位技术指的是借助各类传感器对农机周边环境进行探测以及自身实时定位；控制单元是跟踪导航路径并输出对应的控制信号；执行单元则根据接收到控制信号控制农机转向，从而使其始终沿着导航路径行走。地面尺度：视觉导航系统通过对农业场景图像中的参考目标进行检测识别，提取导航数据并将其应用于农机的路径规划。（改进的超绿灰度化（2G-R-B）算法、超红（2R-G-B）特征模型的综合阈值法）卫星尺度：全球导航卫星系统（globalnavigationsatellitesystem，GNSS）为现代农业装备实时定位、路径规划提供了有力的保障。实时动态载波相位差分（real-timekinematic，RTK）技术由基准站通过数据链将载波观测值与基站坐标及时传送到流动站，而流动站同时接收卫星与基站的载波相位，经过差分处理消除了接收机误差与卫星信号延迟误差的影响，使得基于RTK的定位系统精度可达厘米级。三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术523D视觉技术3D视觉技术指的是获取或重构目标三维图像的方法，通常分为基于RGB-D深度相机（结构光或TOF）与基于三角定位原理的双目立体视觉两类。将传统的二维图像升级到了具有更多信息的三维图像或许是机器视觉突破发展瓶颈的重要方向。3D图像带来的信息颠覆了2D图像感知世界的方式，使得获取的图像具备更丰富的信息，且消除了外交环境与复杂光线的影响。不但稳定性较好，还能提升用户体验与系统安全性。三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术53多传感器融合在农作物病虫草害与生长信息监测方面，融合高光谱信息的视觉系统得到广泛应用；在作物生长信息监测与产量估计方面，融合空间遥感、无人机多光谱成像技术以及基于RGB-D深度相机的3D视觉系统正在逐步应用；在果蔬识别定位与采摘方面，基于果蔬成熟度、表面缺陷检测技术的视觉系统也正在崛起；在种子产前检测与果蔬分级方面，融合近红外光谱、机器嗅觉、声学以及核磁共振等先进信息技术的视觉系统在区分水果成熟度、含糖量、表面缺陷等外观与内在品质方面正逐步替代传统机械筛选、分级方法；在农业机器人或无人机定位导航方面，基于RTK技术的视觉系统得到广泛应用。融合光谱信息的视觉系统以及视觉SLAM系统已经成为学术界研究的热点，未来，多传感器融合的视觉系统势必会得到进一步应用，进而推动机器视觉行业的发展。农业场景中多传感器融合的应用三、作物生长智慧监测诊断技术及装备基于遥感的作物生长智慧监测技术作物生长数字图像识别与分析技术基于作物生长模型的生长监测诊断技术机器视觉技术54无人农场英国哈珀亚当斯大学与PrecisionDecision公司建成了世界上首个无人农场（HandsFreeFarm）。2017年，世界上首个蔬菜无人农场在日本建立。以下为无人农场的常见应用类型：大田无人农场果园无人农场温室无人农场养殖无人农场无人农场案例：华南农业大学：广东增城创建了水稻无人农场；山东理工大学：吉林省农安县智慧大田种植场景下的生态无人农场模式首次推广；北大荒集团红卫农场有限公司：用5G网络、大数据技术和智慧平台，打造“无人农场”样板；阿里巴巴公司：人工智能和养猪进行有机融合，建立了“互联网农场”。四、智慧农田监测诊断技术未来发展智慧农田监测诊断技术创新展望无人机低空遥感应用发展展望55

传感技术的发展水平制约着整体感知技术的发展水平，只有不断改革和创新传感器技术和无线传感技术，朝多功能高性价比的传感器和实时高效的传感网络方向进行研究，才能让获取的农情信息可靠度得到高质量的保证；同时，要促进物联网和互联网等高新技术在农情感知应用上的紧密结合，保证农情数据信息的实时性和传递性，加强农田数据监督管理并有效地进行农业生产决策，提高产业链产值和农业行业整体价值。农情感知方面