为进一步提高农产品供需过程模拟与估算精度，本研究以自1980年以来国家级和省级的大量农业数据作为样本，充分考虑农产品品种、时间、收入、经济发展等因素影响，构建基于深度学习长短时记忆神经网络（Long Short-Term Memory Neural Network，LSTM）的多种农产品供需预测模型。模型在充分考虑机理性约束条件的前提下，利用深度学习算法在非线性模型分析预测中的优势，对稻谷、小麦、玉米、大豆、猪肉、禽肉、牛肉、羊肉、水产品等9种主要农产品供需进行分析预测。将基于本模型的2019—2021年产量预测结果与国家统计局公布数据进行对比验证，三年平均预测准确率96.98%，表明本研究构建的预测模型能够高效地反映隐性指标变化对预测结果的影响。该模型可以通过及时地监测农业运行数据，为多区域、跨期的农业展望工作提供智能化技术支持。
人工智能（Artificial Intelligence，AI）辅助种植有助于提高设施园艺作物精准化管理水平、缓解日益凸显的劳动力紧缺问题。草莓是典型的劳动密集型园艺作物，研究对比采用不同AI种植策略和关键技术对草莓温室生产的调控效果，可对园艺作物种植的AI技术改进和产业化应用提供参考。本研究对比分析了4个不同AI种植策略对草莓生长发育和产量及品质的调控效果，并以人工种植管理为参照，对AI种植的技术特点和存在问题进行了分析。结果表明，知识图谱、深度学习、视觉识别、作物模型和作物生长仿真器等技术在草莓AI种植中各有优势。其中，AI-1组采用知识图谱技术将专家经验、作物数据和环境数据进行融合，建立了标准化草莓种植知识结构和智慧种植决策方法，对作物生产发育的调控较为稳健，以较低的投入获得了最高产值。与人工种植管理相比，AI种植策略组的平均产量提高了1.66倍，平均产值提高了1.82倍，最高投入产投比提高了1.27倍。针对高产优质的目标，在配备较完善的智能化设备和控制组件的温室生产条件下，AI辅助种植能有效提高草莓种植管控的精准度，减少水肥和劳动力的投入，获得较高的收益，但也存在对人工管理扰动的模拟难、作物本体信息采集难等问题。
为达到蓝莓提前上市、获得更大经济效益的目的，本团队将南方蓝莓移至环境可控型智能温室中试验生产，探索研究出南方蓝莓智能温室促早熟生产控制技术。首先从蓝莓物候期、品种特点、土壤pH、水肥灌溉方式、小气候环境区间等方面进行了较为详细全面的调研与总结，明确了无土栽培蓝莓全周期管理要点和环境调控范围；接着基于Venlo型温室对蓝莓生产做布局，并基于物联网技术，建立蓝莓植物工厂化生产控制系统，串联硬件层、软件层和云端，实现现场端环境检测调控、数据云存储与远程控制等技术；在温室环境多因子协调控制模型基础上，针对蓝莓生长环境特点，探索研究了一套蓝莓温室多因子协调控制算法，用于环境调控。试验温室位于江苏省苏州市昆山市花桥镇东南部。经实际验证，整体调控系统效果显著，并于2021年5月初采收了第一波果实，使南方品种蓝莓提早近一个月进入果实采摘期。其中相比未蓄冷的蓝莓植株，蓄冷后的“明星”“绿宝石”“蓝美1号”“海岸”单株产量分别增加51.5%、85.5%、43.8%和94.7%，单果重量分别增加10.9%、7.2%、2.6%和5.3%。试验证明采用多因子协调控制算法进行调控能够提高蓝莓的产量和品质，取得显著经济效益，为南方温室蓝莓植物工厂化促早熟生产管理提供示范。
灌溉是影响作物产量的重要因素。为更加有效、精确地控制设施作物的灌溉，本研究以“章姬”草莓为例，将作物实时生长特征引入灌溉决策模型中，将Penman-Monteith（P-M）模型和知识推理相结合对草莓的灌溉展开研究。首先明确影响草莓灌溉的因子和影响系数，然后建立“章姬”草莓灌溉知识结构和草莓灌溉知识图谱，接着应用路径排序算法（Path Ranking Algorithm，PRA）对P-M模型计算的灌溉值进行调整，实现草莓的精准灌溉。知识推理中每个专家的灌溉调整策略都不相同，本试验以草莓产量最大为目标，选择概率值最高的一组灌溉推理值对灌溉进行调整。试验结果表明，在规定时间采收的情况下，本研究提出的基于Penman-Monteith模型和路径排序算法相结合的方法比传统P-M模型方法的果实总产量、单株果实均产量和果实均重百分比分别提高2478.5g、20.65g和12.15%（单个果实均重提高1.65g），硬度提升了0.1 kg/cm2。表明该方法根据作物生长状态对作物灌溉进行调整合理，为精确灌溉提供了新的思路。
为明确利用无人机影像监测玉米群体株高的精度及其影响因素，本研究基于无人机搭载光学成像设备构建大田玉米群体数字高程模型（Digital Elevation Model，DEM），研究不同生育时期下玉米群体株高监测的精度差异。针对3个玉米品种、8个播期处理构建的株高差异化群体，用多旋翼无人机搭载高清RGB相机和多光谱成像设备，采集试验区高清RGB和多光谱影像，获取玉米群体数字高程信息DEM和各处理区植株高度，分析不同品种和播期处理下基于无人机和人工测量株高间的相关关系。试验结果表明，高清RGB相机和多光谱成像设备获取的DEM均能反映玉米群体的高度差异。高清RGB相机的株高监测精度优于多光谱成像设备，但株高监测精度不足，难以反映玉米群体的较小株高差异。不同生育阶段对玉米株高监测精度具有较大影响，生育前期冠层尚未全部覆盖地表或生育后期植株衰老叶片枯黄下垂时，受裸露地表影响，群体株高被严重低估。本研究分析了影响无人机搭载成像设备监测玉米株高精度的因素，可为该方法应用于大田生产提供借鉴意义。
针对农业供应链的运输环节中生鲜农产品配送模型存在的速度恒定、碳排放计算方法单一的问题，本研究结合路网时变特征和新的多车型碳排放计算方法，提出了考虑配送距离、多车型碳排放量、货物损耗和车辆固定成本等4个优化目标的生鲜农产品配送路径优化模型；并根据模型特点提出了一种改进的双策略种群协同蚁群算法（Double-Strategies Co-Evolutionary Ant Colony System，DC-ACS ）。利用改进蚁群算法对Solomon数据集的C105算例进行了求解，在4个优化目标上分别取得最优解为937.94 km、4961.48元、4081.78元和7500.87元，证明了本研究提出的模型的有效性。在模型有效的基础上，通过试验结果证明，改进蚁群算法比基本蚁群算法在4个优化目标上的配送总成本平均降低幅度超过14%，证明改进蚁群算法更具有优越性。使用改进蚁群算法对集中、随机和混合3种不同分布的大规模算例进行求解，3种分布上分别求得最优总成本为19,939.53、24,095.00和24,397.58元。综上所述，所提模型和算法可以为冷链物流企业的城市配送路径决策提供良好的参考依据，对完善智慧农业供应链的配送路径优化模型和优化方法提供了新的思路，为企业进一步扩大规模提供了参考。
为了解决蔬菜运输耗时长、成本高、保鲜时间短，导致送达到客户手上蔬菜质量降低等问题，在考虑了车辆载重和时间窗等约束条件下，本研究提出了一种带时间窗多目标蔬菜配送路径优化的遗传-模拟退火（Genetic Algorithm and Simulated Annealing，GA-SA）算法。在遗传算法（Genetic Algorithm，GA）操作过程中引入模拟退火（Simulated Annealing，SA）算法自适应（Metropolis）接受准则：首先将原始种群进行遗传算法的选择、交叉、变异等操作，形成新一代路径种群，此时通过引入Metropolis准则，对新一代路径种群分布情况进行修正、选择、交叉、变异，得到目标路径种群，达到全部车辆配送完返回到配送中心的耗时最少、成本最低、车辆使用最少的多目标，求得蔬菜运输的最优路径。设计以保定市为配送中心以及向保定市下辖的各个乡镇为配送点进行蔬菜运输路径优化的试验，结果证明，与传统的GA、SA相比，GA-SA能够有效增快其收敛速度，优化后的配送路线总成本分别降低了约23.7%和4%，总路程分别减少了22.6%和3%，耗时分别减少了26.2和2.6 h，车辆分别少使用2辆和1辆。本研究可为冷鲜食品以及其他运输路径优化研究提供参考价值。
农机精确导航技术正在中国大田种植领域规模化应用，但农机精准作业技术和农业生产精细管理技术的应用仍进展缓慢，精准农业技术、装备与服务体系尚未完成构建，节本增效和节能环保等农业生产目标的实现仍缺乏技术手段。随着物质、能量和信息三要素的不断融合，智能农机系统呼之欲出，将为农业生产提供安全、高效和科学的解决方案。基于智能农机系统的特点、中国农机社会化服务的特征及农业财政补贴的现状，本研究以节本增效和节能环保为主要目标，围绕农业生产组织、农机服务组织和农业主管部门等农机生产作业的核心参与者，融合农机社会化服务和农机精准化服务，建立了中国农机社会化精准服务体系。该体系预期可精确监测农机作业面积和肥药施用量等基本作业参数，可作为社会化服务结算和作业补助发放的精准依据。本研究为实现肥药双减等目标、帮助国家有关农业补贴政策调整和促进中国精准农业技术的全面应用提供了解决思路和技术手段。
棚室蔬菜产业在黑龙江省农业转方式、调结构和供给侧改革中占有重要的战略地位。黑龙江省棚室蔬菜生产规模近年来发展较快,技术支撑需求也与日俱增。本研究针对黑龙江省棚室蔬菜发展规模与技术服务支撑能力不匹配的现状,提出了基于云服务的棚室蔬菜智能终端系统及关键技术的实现方法。本研究以专家服务为主、数据挖掘技术为辅,以物联网设备为感知手段、以智能手机为用户终端,利用云服务对知识、资源、物联网数据的整合配置能力,提供蔬菜专家及棚室蔬菜用户对信息获取、存储、分析和决策的高效解决方案。本研究的部分内容已在黑龙江省农业科研部门、企业、蔬菜合作社、农户等不同用户群体中实验应用,能够为专家提供棚室蔬菜生产环境的远程问诊手段,适用于各类棚室蔬菜应用场景。本研究还提出了对大规模应用场景下的技术解决方案建议,可在全国的棚室蔬菜生产中推广应用,实现更广泛高效的专家技术服务支撑。
为了实现小麦条锈病的远程实时监测,设计并搭建了基于嵌入式系统的小麦条锈病远程监测平台,实现了用户对大田小麦条锈病发病状况的实时监测。首先基于Arduino微控制器和42步进电机控制的六棱柱转轴和传送装置结合,通过蓝牙控制六棱柱转轴上的电磁吸附装置吸附金属加工后的载玻片设计了孢子捕捉器,实现了空气中小麦条锈病孢子图像的采集;其次,通过高倍光学显微镜和电子目镜将采集到的孢子图像通过Linux核心板上传至云端服务器,并通过基于Python的图像处理算法对图像进行中值滤波、边缘提取、角点检测等处理实现孢子计数;最后通过基于Android平台的应用软件实现远程查看孢子图像和计数处理结果。试验结果表明,该平台服务器图像处理算法可实现孢子的准确计数,对测试图像的计数准确率为100%,孢子捕捉器的玻片切换成功率为95%。该研究可为大田小麦条锈病的实时监测奠定基础,也可为大田内其他气传病害的监测提供借鉴。
数据正在成为基础性战略资源。构建以天空地大数据为关键要素的数字农业管理系统,对于建设数字中国、推进农业高质量发展、抢占全球农业制高点具有重要意义。本研究围绕农业农村部提出的天空地数字农业管理系统建设任务,从农业信息技术学科出发,首先给出了天空地数字农业的科学内涵,阐述了其与传统数字农业的异同点,理清了天空地数字农业管理系统在资源调查、生产调度、灾害监测、市场预警、决策服务的五大核心功能;其次,重点阐述了天空地数字农业管理系统的关键任务,即一个观测体系（天空地一体化的数字农业观测体系）、四个数字化（农业资源权属、生产过程、灾害监测和市场预警）、一个管理平台（农业生产、加工、经营、管理、服务等全产业链的天空地数字农业管理平台）;然后,明确提出了天空地数字农业管理系统在标准规范研制、关键技术与装备研发、系统集成与平台开发三方面的科技创新重点任务;最后,针对天空地数字农业管理系统建设的复杂性和系统性,从规划设计、科技创新、资源共享、多方参与、应用领域拓展等方面提出了发展建议。
精准识别农业生产环境信息和农业生产特征,对气象、土壤和作物等多源数据进行综合分类,是提高农业资源利用效率和优化农业种植结构的基础。本研究基于近20年（1998~2017年）气象数据和华北五省的玉米单产统计数据,首先构建了华北平原气候资源和玉米生产时空分布特征数据库,研究区内的降雨量、活动积温、日照时数、太阳辐射和玉米单产均存在显著的时空变化;利用作物精细种植区划方法,将华北平原夏玉米种植区分为极不适宜区、不适宜区、较适宜区、适宜区、极适宜区五大类,各类面积分别占总体的比例约为10%、11%、25%、30%、24%;进一步通过环境类别归属度分析方法,将每一大类分为5小类,概率大于75%的相对稳定区域约占总面积的63%,小于75%的波动区域约占37%;极不适宜区、不适宜区和较适宜区,三类时空分布比较稳定,隶属度为100%分别占各类面积的87.67%、70.41%和84.28%,波动区主要发生在极适宜区和适宜区,以及适宜区和较适宜区之间。本研究构建的华北平原夏玉米精细区划结果,对提高研究区资源利用效率和优化玉米产业布局具有重要的指导意义。
在水产养殖中,鱼类的摄食强度可以反映其食欲,准确客观地评估鱼类的摄食强度对指导投喂和生产实践具有重要意义。针对当前鱼类摄食强度评估过程中存在的人工观测效率低、客观性不强的问题,本研究以实现鱼类食欲的自动客观分析为目的,提出了一种基于近红外机器视觉的游泳型鱼类摄食强度的评估方法。首先,利用近红外工业相机搭建了近红外图像采集系统,采集了鱼类摄食过程中的图像。经过一系列图像处理步骤后,利用灰度共生矩阵提取摄食图像的纹理特征变量信息,包括对比度、能量、相关性、逆差距和熵等。之后,将这5个特征变量作为输入向量构建了模型的数据集,并训练了支持向量机分类器。为了提高模型分类的准确率,利用网格搜索法选取支持向量机分类器的最优惩罚系数c和核函数参数g。最后利用训练好的模型将鱼类的摄食强度分为弱、一般、中和强4类,最终实现了鱼类摄食强度的评估。试验结果表明,图像纹理可以较好地描述鱼类摄食过程中的行为变化,正确识别4类摄食强度的准确率达到87.78%,且不需要考虑水花等对成像质量的影响,具有较强的适应性。本方法可用于鱼类食欲的自动客观评估,为后续投喂决策提供理论依据和方法支持。
