2026年智慧农业技术考试真题

2026年智慧农业技术考试真题一、单项选择题（本大题共20小题，每小题2分，共40分。在每小题给出的四个选项中，只有一项是符合题目要求的）1.在2026年的智慧农业架构中，负责将物理世界的农田数据转化为数字孪生模型核心输入层的技术被称为：A.智能决策层B.感知与传输层C.应用服务层D.区块链溯源层2.植物表型组学研究中，为了高通量获取作物冠层的三维结构，目前最主流且精度最高的非接触式传感技术是：A.地面穿透雷达（GPR）B.激光雷达C.电感式传感器D.热红外成像3.在基于深度学习的作物病害识别系统中，为了在移动端边缘计算设备（如智能采摘机器人）上实现实时推理，通常采用轻量化网络模型。以下哪项技术不属于模型轻量化策略？A.知识蒸馏B.网络剪枝C.模型量化D.数据增强4.智能温室环境调控中，基于作物生长模型的控制策略比传统的阈值控制更具前瞻性。其中，TOMGRO模型主要用于模拟哪种作物的生长发育？A.小麦B.玉米C.番茄D.水稻5.在农田信息采集无线传感器网络（WSN）中，ZigBee技术因其低功耗特性被广泛应用。然而，对于大规模长距离农田监测，2026年更倾向于使用哪种低功耗广域网（LPWAN）技术？A.Wi-Fi6B.Bluetooth5.0C.LoRaWAND.5GNR6.精准农业变量施肥作业中，液态肥流量通常通过PWM（脉宽调制）控制电磁阀来调节。若排肥管单位时间最大流量为，PWM信号的占空比为D（0≤D≤1A.×B./C.+D.×7.农业无人机在喷洒作业时，利用下位机飞控系统结合RTK-GPS技术实现厘米级定位。RTK技术主要依靠消除哪项误差来实现高精度定位？A.多路径效应B.对流层延迟C.电离层延迟D.载波相位整周模糊度8.在智能灌溉系统中，土壤体积含水率（）与土壤介电常数（ϵ）存在显著相关性。基于TDR（时域反射法）原理的传感器主要利用了电磁波在土壤中传播的哪个参数变化？A.振幅B.频率C.传播时间D.相位角9.计算机视觉在农业采摘机器人中的应用日益成熟。为了在复杂的自然光照下准确分割成熟果实，基于图论的分割算法被广泛使用。以下哪种算法属于基于图论的图像分割方法？A.Otsu阈值分割B.区域生长法C.GraphCuts（图割）D.K-means聚类10.农业大数据平台中，数据清洗是关键步骤。对于因传感器故障导致的瞬间异常值（如温度突然跳变至100℃），最有效的处理方法是：A.线性插值B.拉格朗日插值C.移动平均法D.中值滤波或基于3σ原则的剔除11.智能畜牧业中，给每头牲畜佩戴电子耳标或项圈进行个体识别，这主要应用了物联网架构中的：A.感知层B.网络层C.处理层D.应用层12.在2026年的智慧渔业中，利用声学探测技术评估水域生物量时，回波强度与目标强度的关系遵循声纳方程。鱼体的目标强度（TS）主要取决于鱼体的：A.游动速度B.体长和鳔的存在C.所处水深D.体表颜色13.农机自动导航路径规划中，A*算法是一种常用的启发式搜索算法。为了提高算法在复杂农田障碍物环境下的搜索效率，估价函数f(n)A.从初始节点到节点n的实际代价B.从节点n到目标节点的估计代价C.从初始节点到目标节点的总估计代价D.节点n的深度14.利用高光谱遥感技术监测作物长势时，“红边”位置是重要的植被指数参数。红边是指植被反射光谱在哪个波段范围内的急剧上升区域？A.400nm-500nmB.550nm-670nmC.680nm-750nmD.760nm-900nm15.智能慧农业中的区块链技术主要用于解决什么问题？A.提高计算速度B.增加数据存储容量C.增强数据不可篡改性和溯源信任D.降低传感器功耗16.在设施农业中，基于作物蒸腾蒸发量（ET）计算需水量是精准灌溉的核心。FAO推荐的Penman-Monteith公式计算参考作物蒸散量（E）时，不需要以下哪个气象参数？A.太阳辐射B.风速C.相对湿度D.土壤质地类型17.农业机器人末端执行器（机械手）在抓取易损果蔬时，需要精确控制力控。柔性触觉传感器通常基于哪种材料制成，能够感知微小的压力变化？A.压电陶瓷B.导电橡胶或压阻聚合物C.铂电阻D.霍尔元件18.在机器学习预测作物产量时，支持向量回归（SVR）通过引入ϵ-不敏感损失函数来处理噪声。这意味着：A.误差小于ϵ的样本点对模型没有损失贡献B.误差大于ϵ的样本点会被剔除C.所有样本点的误差都被忽略D.模型只能预测误差在ϵ范围内的数据19.农田物联网节点通常由电池供电，为了延长寿命，节点常采用“休眠-唤醒”机制。假设节点工作电流=20mA，休眠电流=A.200B.205C.20.2D.19.820.2026年，生成式人工智能开始介入农业生产管理。在农业病虫害诊断大模型中，利用多模态融合技术，主要融合了哪两类数据以提升诊断准确率？A.文本描述与时间序列数据B.图像数据与气象环境数据C.地理坐标与土壤化学数据D.音频数据与视频数据二、多项选择题（本大题共10小题，每小题3分，共30分。在每小题给出的四个选项中，有两项或两项以上是符合题目要求的。全部选对得3分，少选得1分，多选、错选不得分）21.智慧农业中的GNSS全球导航卫星系统主要包括以下哪些星座？A.GPSB.GLONASSC.GalileoD.IEEE802.1122.下列哪些传感器属于农业物联网中常用的气象环境监测传感器？A.风速风向传感器B.光合有效辐射传感器（PAR）C.电导率传感器（EC）D.pH传感器23.机器视觉技术在农产品品质分级中的应用，主要包括检测哪些外观特征？A.颜色B.大小与形状C.表面缺陷与损伤D.内部糖度（需结合近红外光谱）24.针对农业无人机航拍图像的拼接处理，主要流程包括哪些步骤？A.特征点提取与匹配B.图像变换矩阵计算C.图像融合与重采样D.颜色空间转换（仅此一步不够）25.智能温室中的水肥一体化系统通常由哪些核心部件组成？A.文丘里施肥器或注肥泵B.EC/pH值在线监测传感器C.混肥罐D.电磁阀与灌溉控制器26.在精准农业中，绘制土壤养分分布图（如氮磷钾）通常需要进行空间插值。常见的空间插值方法有：A.反距离加权法（IDW）B.克里金插值法C.线性回归分析D.主成分分析（PCA）27.农业大数据的特征通常用“4V”来描述，具体包括：A.Volume（大量）B.Velocity（高速）C.Variety（多样）D.Value（低价值密度/高价值）28.深度学习模型在训练过程中容易过拟合，特别是在农业样本数据量有限的情况下。以下哪些措施可以有效抑制过拟合？A.Dropout（随机失活）B.L1/L2正则化C.早停法D.增加网络层数29.智能农业装备中的电机驱动控制，常用的闭环控制算法包括：A.PID控制B.模糊控制C.神经网络控制D.开关控制30.农产品供应链区块链溯源系统上链的关键信息通常包括：A.种植/养殖基地地理位置B.农药化肥投入品记录C.采收时间与加工批次D.消费者个人家庭住址三、判断题（本大题共15小题，每小题1分，共15分。正确的打“√”，错误的打“×”）31.近红外光谱（NIR）技术可以无损检测水果内部的糖酸度，其原理是基于分子化学键的振转跃迁吸收特性。32.在无线传感器网络中，Mesh组网方式比星型组网具有更高的可靠性，因为节点之间可以有多条通信路径。33.5G技术的高带宽特性对于农业高清视频回传至关重要，但其低延迟特性对于远程控制拖拉机并非必要。34.归一化植被指数（NDVI）的取值范围在-1到1之间，且对于健康绿色植被，NDVI值通常接近0。35.所有的深度学习算法都需要在海量数据集上进行预训练才能在农业任务中发挥作用。36.智能灌溉系统中的土壤水分传感器一旦埋设，就不需要再进行校准，因为其特性是永久稳定的。37.无人驾驶拖拉机在直线跟踪作业时，通常采用纯追踪模型来计算前轮转向角。38.图像语义分割任务中，输出的是每个像素属于哪个类别的概率图，而实例分割还需要区分出同一个类别的不同个体。39.农业大数据平台中，Hadoop分布式文件系统（HDFS）主要用于存储结构化关系型数据。40.机器人的运动学逆解是已知关节角度求末端执行器的位姿，正解是已知末端位姿求关节角度。41.利用无人机多光谱影像计算NDVI时，必须先进行辐射定标和大气校正，以消除光照和大气的影响。42.水产养殖中的溶解氧（DO）传感器通常采用电化学或光学原理，光学法无需消耗电解液，维护成本较低。43.在作物生长模型中，积温是驱动作物发育阶段的主要因子，通常指作物生长发育时期高于一定生物学温度的日平均温度之和。44.边缘计算是指在数据产生的源头（如田间网关）直接进行处理，这可以减少向云端传输的数据量，从而降低延迟。45.现代智慧农业中，人工智能完全可以替代人类专家，因此不再需要农学家的经验参与。四、填空题（本大题共15小题，每小题2分，共30分。请在每小题的空格处填入正确答案）46.在遥感影像处理中，将地理坐标赋予影像像素的过程称为\_\_\_\_\_\_\_\_\_\_。47.物联网架构中，负责连接感知层与应用层，实现数据传输和处理的中间层被称为\_\_\_\_\_\_\_\_\_\_。48.评价二分类模型（如区分病叶与健康叶）性能时，查准率和查全率的调和平均数被称为\_\_\_\_\_\_\_\_\_\_。49.常见的土壤水分传感器中，利用土壤介电常数测量原理的技术除了TDR，还有\_\_\_\_\_\_\_\_\_\_（填英文缩写）。50.在农机自动导航中，用于消除定位随机抖动、平滑车辆运行轨迹的算法通常是\_\_\_\_\_\_\_\_\_\_滤波算法。51.智能温室中，用于监测太阳辐射能量的传感器单位通常是W/m²，其全称是\_\_\_\_\_\_\_\_\_\_。52.在图像识别卷积神经网络（CNN）中，用于降低特征图维度、减少计算量并防止过拟合的操作层通常是\_\_\_\_\_\_\_\_\_\_层。53.精准农业变量作业地图中，除了网格格式外，另一种常见的矢量格式是\_\_\_\_\_\_\_\_\_\_。54.无人机的飞行控制系统通常包含姿态控制和位置控制，其中用于测量无人机角速度的传感器是\_\_\_\_\_\_\_\_\_\_。55.农业信息采集时，采样定理指出，为了不失真地还原模拟信号，采样频率必须大于信号最高频率的\_\_\_\_\_\_\_\_\_\_倍。56.在设施园艺中，利用LED植物补光时，红光与蓝光的比例通常设置为\_\_\_\_\_\_\_\_\_\_左右，以兼顾光合效率与形态建成。57.农机轨迹规划中的全局路径规划算法，如Dijkstra算法，是在已知\_\_\_\_\_\_\_\_\_\_的环境中寻找最优路径。58.水肥一体化系统中，监测营养液浓度的指标EC代表\_\_\_\_\_\_\_\_\_\_。59.在农业机器人视觉伺服控制中，基于图像的控制策略直接利用图像特征误差来控制机器人的运动，而不需要估计物体的\_\_\_\_\_\_\_\_\_\_。60.面向农业物联网的时间序列数据（如温度随时间变化），常使用\_\_\_\_\_\_\_\_\_\_数据库进行高效存储。五、简答题（本大题共5小题，每小题6分，共30分）61.简述精准农业（PrecisionAgriculture）实施的基本技术流程（“3S”技术的作用）。62.请列举三种常见的农业机器人末端执行器（机械手）类型，并说明各自适用的采摘对象。63.简述在智慧农业中应用边缘计算与云计算相比的主要优势。64.在利用无人机进行低空遥感影像拼接时，产生拼接缝隙的主要原因是什么？如何消除？65.简述深度学习中的卷积神经网络（CNN）在识别作物病害图像时，卷积层、池化层和全连接层的主要功能。六、计算与分析题（本大题共3小题，共35分。要求写出必要的计算公式、计算过程和结果，公式使用LaTex格式）66.（10分）某智能温室环境控制系统采用PID算法控制加热设备。设目标温度为C，当前温度为C，误差e(假设PID控制器的比例系数=2，积分系数=0.5，微分系数上一次的误差e(t−1)(1)请写出位置式PID控制算法的输出公式。(2)计算当前时刻的控制输出量u((3)计算更新后的积分项累计值。67.（12分）某农场利用无人机搭载多光谱相机监测小麦长势。已知某像元点的红光（R，波段中心660nm）反射率为0.05，近红外光（NIR，波段中心800nm）反射率为0.40。(1)请写出归一化植被指数（NDVI）的计算公式。(2)计算该像元的NDVI值。(3)另一种增强植被指数（EVI）能够有效消除背景土壤和大气的影响，其公式为EV68.（13分）某变量施肥机配备流量为=10L/min的电磁阀。现需对一块长(1)计算农机作业完该地块所需的时间（分钟）。(2)假设处方图要求该地块的平均施肥速率为¯R=3L/(3)若地块中间有一块20m×20m的贫瘠区域，要求施肥速率为七、综合案例分析题（本大题共1小题，共20分）69.阅读以下关于“2026年智慧果园无人化管理系统的案例描述”，回答问题。案例背景：某现代化柑橘示范基地引入了全套智慧农业管理系统。该系统集成了：1.地面感知网络：部署了数十个监测土壤温湿度、电导率（EC）以及气象环境（风速、雨量、光照）的LoRaWAN传感器节点，数据汇聚至边缘网关。2.空中监测平台：每周定时使用搭载多光谱相机和热红外相机的无人机进行航拍，生成果园的NDVI长势图和冠层温度分布图。3.智能作业装备：配备了两台具备自动导航和避障功能的履带式机器人，该机器人集成机械臂、深度相机和喷洒执行机构。4.云端决策大脑：基于数字孪生技术构建了果园的虚拟模型，融合了地面物联网数据、无人机遥感数据和历史产量数据。云端运行着基于深度学习的水肥决策模型和病虫害预测大模型。系统运行流程：传感器实时数据通过边缘网关进行预处理（如异常值过滤），并通过5G网络上传至云端。云端模型结合无人机更新的NDVI数据，发现A区果树叶片叶绿素含量低（NDVI值偏低），且土壤湿度处于适宜范围下限。同时，病虫害预测大模型根据近期的高湿气象数据，预测A区未来3天有爆发溃疡病的高风险。云端下发指令给A区的智能机器人：指令1：前往A区进行变量灌溉，通过水肥一体化系统注入特定配比的氮肥。指令2：启动机械臂上的视觉系统，对树冠进行精细化巡检，利用语义分割模型识别早期病斑，并对疑似病灶进行定点喷洒生物农药，而非全覆盖喷洒。问题：(1)从物联网架构角度分析，该案例中涉及了哪几层关键技术？请分别列举案例中对应的具体设备或技术。（6分）(2)案例中提到利用“深度相机”进行巡检。请简要说明双目立体视觉深度相机获取物体深度信息的基本原理。（6分）(3)系统采用了“变量灌溉”和“定点喷洒”策略。请结合数据分析，说明这种精准作业策略相比传统的“大水漫灌”和“全覆盖喷洒”在经济效益和生态环保方面的两个主要优势。（8分）参考答案与详细解析一、单项选择题1.B【解析】感知与传输层是物联网的基础，负责采集物理世界的各类数据（如温湿度、图像）并传输给上层处理，是构建数字孪生的数据来源。2.B【解析】激光雷达通过发射激光脉冲并接收回波，能精确获取目标物体的距离信息，通过点云数据高精度重建作物3D结构，是植物表型研究的主流技术。3.D【解析】数据增强是扩充训练集的技术，用于训练阶段，不能减少已训练模型的体积或计算量。知识蒸馏、剪枝和量化都是模型压缩/轻量化技术。4.C【解析】TOMGRO是经典的番茄生长发育模拟模型，主要用于温室番茄的动态管理。5.C【解析】LoRaWAN专为长距离、低功耗、低带宽设计，非常适合农田这种大范围、节点分散的场景。Wi-Fi功耗高距离短，蓝牙距离短，5G功耗高且成本高。6.A【解析】PWM通过控制高电平持续时间占比来调节平均功率或流量，关系为线性正比：=×7.D【解析】RTK（Real-TimeKinematic）利用载波相位差分技术，通过基准站和流动站的观测值差分，实时解算整周模糊度，从而实现厘米级定位。8.C【解析】TDR（时域反射法）测量电磁波在介质中传播的时间，因为介电常数（与含水量相关）影响电磁波的传播速度，进而影响传播时间。9.C【解析】GraphCuts是一种基于图论的最大流/最小割算法，常用于图像分割（如GrabCut算法）。Otsu是阈值法，区域生长是区域法，K-means是聚类法。10.D【解析】瞬间异常值（脉冲噪声）通常用中值滤波去除，或者基于统计学原理（如3σ原则）判断并剔除。线性插值和拉格朗日插值用于补全缺失数据，移动平均用于平滑趋势。11.A【解析】电子耳标直接附着在牲畜体表，用于标识身份，属于最前端的感知设备。12.B【解析】鱼体对声波的反射能力（目标强度TS）主要取决于鱼的体长（体长越大反射越强）以及体内是否有鱼鳔（鳔是声波强反射体）。13.B【解析】A*算法中，g(n)是起点到n的实际代价，h(n14.C【解析】红边是植被在红光波段（约680nm）因叶绿素强烈吸收导致反射率低，而在近红外波段（约750nm）因细胞壁反射导致反射率高，两者之间反射率急剧上升的过渡区（680-750nm）。15.C【解析】区块链的核心特性是去中心化、不可篡改和可追溯，这正好解决了农产品溯源中信任缺失和数据造假的问题。16.D【解析】Penman-Monteith公式基于能量平衡和水汽扩散理论，主要需要的气象参数包括温度、湿度、风速、太阳辐射等。土壤质地是土壤参数，不直接用于计算E。17.B【解析】柔性触觉传感器通常使用导电高分子材料、压阻橡胶或电容式柔性材料，能贴合物体表面并感知微小压力。18.A【解析】ϵ-不敏感损失函数定义了一个误差带，只要预测值与真实值的差值绝对值小于ϵ，就认为损失为0，不参与模型更新，这使得模型对噪声具有鲁棒性。19.B【解析】平均电流=×20.B【解析】多模态融合通常结合图像（视觉特征）和文本/数值数据（如环境描述、气象数据）来提升诊断的全面性和准确性。二、多项选择题21.ABC【解析】GNSS包括GPS（美）、GLONASS（俄）、Galileo（欧）、北斗（中）。IEEE802.11是Wi-Fi标准。22.AB【解析】风速风向、PAR属于气象参数。EC和pH属于土壤/水化学参数，虽也是农业传感器，但不属于“气象”范畴。23.ABC【解析】机器视觉主要检测外部特征。内部糖度检测需要近红外光谱（NIR）或高光谱，虽然可以集成在同一设备上，但原理不同，且纯光学图像无法直接测糖度。24.ABC【解析】图像拼接流程包括特征提取匹配、变换矩阵计算（配准）、图像融合（去接缝）。颜色转换是预处理，不是核心拼接步骤。25.ABCD【解析】四项均为水肥一体化系统的核心组成部分。26.AB【解析】IDW和Kriging是经典的空间插值方法。线性回归用于预测，PCA用于降维。27.ABCD【解析】大数据的4V特征：Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值密度低）。28.ABC【解析】Dropout、正则化、早停法都是防止过拟合的手段。增加网络层数通常增加模型复杂度，更容易过拟合。29.ABC【解析】PID、模糊、神经网络都是闭环控制策略。开关控制通常是开环或简单的位式控制。30.ABC【解析】上链信息应包括生产、投入品、加工流通信息。消费者隐私信息不应上链。三、判断题31.√【解析】NIR利用分子化学键（如C-H,O-H）对特定波长近红外光的吸收特性，与成分含量建立相关关系，实现无损检测。32.√【解析】Mesh网络中节点间可多跳通信，某条路径断开可自动寻找新路径，可靠性高于星型。33.×【解析】5G的低延迟对于远程控制拖拉机至关重要，高速移动下的实时指令响应需要毫秒级延迟，否则会引发安全事故。34.×【解析】健康植被的NDVI值通常在0.2到0.8之间，一般大于0.3，接近0表示裸土或枯死植被。35.×【解析】并非所有深度学习都需要海量预训练，例如迁移学习可以在小样本上微调预训练模型，或者从头训练小模型。36.×【解析】土壤传感器会因盐分积累、物理腐蚀等特性漂移，需要定期校准以保证数据准确性。37.√【解析】纯追踪是路径跟踪中常用的几何算法，根据当前位置与目标路径的横向偏差计算转向角。38.√【解析】语义分割只分类别（如“苹果”），实例分割要分出个体（如“苹果1”，“苹果2”）。39.×【解析】HDFS适合存储非结构化或半结构化的大文件（如日志、影像），关系型数据通常用Hive或关系数据库。40.×【解析】描述反了。正解是已知关节角求末端位姿；逆解是已知末端位姿求关节角。41.√【解析】为了计算真实的反射率，必须消除传感器本身的误差（辐射定标）和大气散射/吸收的影响（大气校正）。42.√【解析】光学DO传感器基于荧光猝灭原理，无需电解液，维护优于电化学极谱法。43.√【解析】有效积温是作物发育的主要驱动力。44.√【解析】边缘计算在本地处理数据，减少上传云端的流量，降低响应延迟，减轻中心负载。45.×【解析】AI是辅助工具，目前无法完全替代人类专家的综合判断和复杂决策，人机协同是主流。四、填空题46.地理配准【解析】建立影像像素坐标与地理坐标的映射关系。47.网络层【解析】（或传输层）负责数据传输。48.F1-score【解析】F1分数是Precision和Recall的调和平均。49.FDR【解析】频域反射法，或者TDR的另一种形式。注：此处也可填Capacitance（电容式），但FDR更接近TDR原理，常作为同类技术对比。填“电容式”也算对。但根据题干“英文缩写”，FDR更佳。50.卡尔曼【解析】Kalman滤波是处理动态系统噪声的最优估计算法。51.总辐射【解析】或太阳总辐射传感器。52.池化【解析】PoolingLayer，如最大池化。53.Shapefile【解析】最常用的矢量数据格式。54.陀螺仪【解析】测量角速度。55.两【解析】奈奎斯特采样定理。56.4:1到9:1【解析】一般红蓝比在4:1到9:1之间，常见如6:1,8:1。57.全局（或静态）【解析】已知环境地图。58.电导率【解析】ElectricalConductivity，反映溶液总盐分/养分浓度。59.深度（或位姿）【解析】基于图像的控制（IBVS）直接映射图像特征到关节速度，不显式估计3D位姿。60.时序【解析】如InfluxDB，TimescaleDB。五、简答题61.答：精准农业实施的基本流程是：(1)数据采集（感知）：利用GPS定位和传感器（包括遥感、地面传感器）采集田间时空差异性数据（如土壤养分、产量、病虫害等）。这是GIS的输入。(2)信息处理与决策（分析）：利用GIS（地理信息系统）管理数据，结合作物生长模型，绘制农田电子地图（如土壤养分图、产量图），并生成管理决策方案（如处方图）。(3)精准实施（执行）：利用GPS引导变量农业装备（如变量施肥机、喷药机），根据处方图在田间特定位置实施精准投入（变量施肥、喷药）。核心：“3S”集成，GPS提供空间位置，RS提供宏观动态数据，GIS进行管理分析和决策。62.答：(1)夹钳式/剪切式末端执行器：适用于果柄明显、易于切断的作物，如甜椒、黄瓜、葡萄。(2)真空吸附式末端执行器：适用于表皮光滑、果实较脆、不易夹持的作物，如番茄、草莓（部分）、梨。(3)软体/柔性抓手：内部填充柔性材料，包裹式抓取，适用于形状不规则、易损伤的果实，如草莓、猕猴桃。63.答：(1)低延迟：边缘计算在数据源头（如田间网关）直接处理，无需往返云端，能满足实时控制需求（如机器人避障、喷洒控制）。(2)节省带宽：仅将处理后的高价值数据或异常数据上传云端，大大减少了网络传输压力，降低资费。(3)可靠性高：在网络信号不稳定的农田环境下，边缘设备可离线运行，保证基本业务不中断。(4)隐私保护：敏感数据可在本地处理，不必上传云端。64.答：原因：(1)光照变化：不同时刻拍摄的照片，光照条件不同，导致图像亮度、色度差异。(2)几何畸变：镜头畸变或拍摄角度（非垂直）导致投影变形。(3)投影差异：平坦区域拼接容易，但树木、垄行等有高度起伏的区域存在视差。消除方法：(1)图像匀光：使用Wallis滤波或直方图匹配等方法拉顺不同图像的亮度和对比度。(2)几何校正与配准：通过精确的特征点匹配和高精度变换模型（如单应矩阵）对齐图像。(3)基于接缝线的融合：在重叠区域寻找最佳缝合线（如动态规划法），沿缝合线进行图像融合，避开差异大的区域（如移动目标）。65.答：(1)卷积层：通过卷积核在图像上滑动，提取局部特征（边缘、纹理、斑点）。它是特征提取的核心，保留了图像的空间结构信息。(2)池化层：对特征图进行下采样（如最大池化、平均池化）。作用是降低特征图维度、减少计算量和参数数量，并引入一定平移