株高是动态衡量作物健康和整体生长状况的关键指标，广泛用于估测作物的生物学产量和最终籽粒产量。传统的人工测量方式存在规模小、效率低以及耗时长等问题。近十年来，近地遥感技术在农业领域发展迅速，使得高精度、高频次、高效率的作物株高采集成为可能。本文首先回顾了国内外基于遥感手段获取株高研究的论文发表情况；其次对获取株高的不同平台以及传感器的基本原理、优势及其局限性进行了介绍和评述，重点论述了激光雷达和可见光相机两种传感器的测高流程与涉及的关键技术；在此基础上归纳了株高在作物生物量估算、倒伏监测、产量预测和辅助育种等方面的应用研究进展；最后对近地遥感技术在株高获取上存在的问题进行讨论分析，并从测高平台和传感器、裸土探测和插值算法、株高应用研究及农学与遥感测高差异四个方向进行了展望，可为今后近地遥感测高的研究与方法应用提供参考。
植物显微表型主要是指植物组织、细胞和亚细胞水平的表型信息，是植物表型组学研究的重要组成部分。针对传统籽粒显微性状检测方法效率低、误差大且指标单一等问题，本研究利用Micro-CT扫描技术对5种类型11个品种玉米籽粒开展显微表型精准鉴定研究。基于对CT序列图像的处理解析，共获取籽粒、胚、胚乳、空腔、皮下空腔、胚乳空腔和胚空腔的34项显微表型指标。其中，胚乳空腔表面积、籽粒体积、胚乳体积比和胚乳空腔比表面积等4项表型指标在不同类型玉米间差异显著（P-value<0.05）。普通玉米胚乳空腔表面积和籽粒体积显著大于其它类型玉米，高油玉米胚乳空腔比表面积最大，甜玉米胚乳空腔比表面积最小，爆裂玉米胚乳体积比最大。进一步利用34项玉米籽粒表型指标开展差异分析和聚类分析，可将11个不同品种玉米分为四类，其中第一类以普通玉米为主，第二类以爆裂玉米为主，第三类是甜玉米，第四类是高油玉米。结果表明，Micro-CT扫描技术不仅可以实现玉米籽粒显微表型的精准鉴定，还可以为玉米籽粒分类、品种检测等提供技术支撑。
利用高光谱技术获取玉米农学参数信息，有助于提升玉米精准管理水平。本研究基于3个种植密度和5份玉米材料的田间试验，获取玉米大喇叭口期的地面ASD高光谱数据与无人机高光谱影像，分析不同种植密度下不同遗传材料的叶面积指数（LAI）和单株地上部生物量，构建基于全波段、敏感波段和植被指数的LAI和单株地上部生物量高光谱估算模型，比较分析两类高光谱数据在玉米表型性状参数上的监测能力。结果表明，野生型玉米材料的冠层光谱反射率在近红外波段随着种植密度的增大而增大；同一种植密度下的野生型玉米材料的光谱反射率在可见光和近红外波段均为最低。在可见光波段550 nm的波峰处，4种转基因材料的光谱反射率比野生型玉米材料的光谱反射率提高4.52%~19.9%，在近红外波段870 nm的波峰处，4种转基因材料的光谱反射率比野生型玉米材料的光谱反射率提高23.64%~57.05%。基于21个高光谱植被指数构建的模型对LAI的估算效果最好，测试集决定系数R2为0.70，均方根误差RMSE为0.92，相对均方根误差rRMSE为15.94%。敏感波段反射率（839~893 nm和1336~1348 nm）对玉米单株地上部生物量估算效果最佳，测试集R2为0.71，RMSE为12.31 g，rRMSE为15.89%。综上，田间非成像高光谱和无人机成像高光谱在玉米LAI及生物量估算方面具有较好的一致性，能够快速有效地提取地块尺度玉米农学参数信息，本研究可为高光谱技术在小区尺度的精准农业管理应用提供参考。
准确获取作物冠层生化信息对监测作物生长和指导精准施肥具有重要意义。现有的作物生化参数的垂直分布研究以高光谱遥感反演为主，缺乏与光合生理的联系。本研究主要探究了不同氮素处理水平下油菜苗期冠层内的叶绿素、类胡萝卜素、干物质和水分等生化参数的垂直分布变化特性，同时利用快速叶绿素荧光技术测定了叶片的光合性能，并通过线性回归分析和主成分分析进一步剖析了荧光响应与生化参数的内在联系。试验结果表明：（1）苗期中期油菜冠层的叶绿素含量、类胡萝卜素含量、干物质和水分含量均呈抛物线型的非均匀垂直分布，而叶绿素与类胡萝卜素的比值具有与其他生化参数不同的垂直分布模式，其随着叶位升高和施氮量的增加逐渐下降，与推动力DFTotal、电子链末端量子产额φRo等荧光参数的垂直分布模式相同；（2）荧光参数，特别是DFTotal，对油菜叶片叶绿素与类胡萝卜的比值、叶绿素和干物质含量具有较强的评估能力；（3）缺氮会降低苗期油菜叶片的光系统I和II（PSI和PSII）性能，通过最大光化学效率φPo等荧光参数可对氮素胁迫进行诊断；而不同叶位叶片在PSI性能即电子末端传递效率上具有显著差异，通过DFTotal可有效表征冠层生化参数的垂直异质性。上述结果表明，应用快速叶绿素荧光技术对作物进行生化信息的垂直异质性监测具有可行性，可为指导精准施肥和提高优质优产提供新思路和技术支撑。
当前，能够实现作物表型参数高效、准确的测量和作物生育期表型参数的动态量化研究是表型研究和育种中亟待解决的问题之一。本研究以棉花为研究对象，采用三维激光扫描LiDAR技术获取棉花植株的多时序点云数据，针对棉花植株主干的几何特性，利用随机抽样一致算法（RANSAC）结合直线模型完成主干提取，并对剩余的点云进行区域增长聚类，实现各叶片的分割；在此基础上，完成植株体积、株高、叶长、叶宽等性状参数的估计。针对多时序棉花激光点云数据，采用匈牙利算法完成相邻时序作物点云数据的对齐、叶片器官对应关系的建立。同时，对各植株表型参数动态变化过程进行了量化。本研究针对3株棉花的4个生长点的点云数据，分别完成了主干提取、叶片分割，以及表型参数测量和动态量化。试验结果表明，本研究所采用的主干提取及叶片分割方法能够实现棉花的枝干和叶片分割。提取的株高、叶长、叶宽等表型参数与人工测量值的决定系数均趋近于1.0；同时，本研究实现了棉花表型参数的动态量化过程，为三维表型技术的实现提供了一种有效的方法。
Foxtail millet ear detection and counting are essential for the estimation of foxtail millet production and breeding. However, traditional foxtail millet ear counting approaches based on manual statistics are usually time-consuming and labor-intensive. In order to count the foxtail millet ears accurately and efficiently, an adaptive anchor box adjustment foxtail millet ear detection method was proposed in this research. Ear detection dataset was firstly established, including 784 images and 10,000 ear samples. Furthermore, a novel foxtail millet ear detection approach based on YOLOv4 (You Only Look Once) was developed to quickly and accurately detect the ear of foxtail millet in the specific box. For verifying the effectiveness of the proposed approach, several criteria, including the mean average Precision, F1-score,Recall and mAP were employed. Moreover, ablation studies were designed to validate the effectiveness of the proposed method, including (1) evaluating the performance of the proposed model through comparing with other models (YOLOv2, YOLOv3 and Faster-RCNN); (2) evaluating the model with different Intersection over Union (IOU) thresholds to achieve the optimal IOU thresholds; (3) evaluating the foxtail millet ear detection with or without anchor boxes adjustment to verify the effectiveness of the adjustment of anchor boxes;(4) evaluating the changing reasons of model criteria and (5) evaluating the foxtail millet ear detection with different input original image size respectively. Experimental results showed that YOLOv4 could obtain the superior ear detection performance. Specifically, mAP and F1-score of YOLOv4 achieved 78.99% and 83.00%, respectively. The Precision was 87% and the Recall was 79.00%, which was about 8% better than YOLOv2, YOLOv3 and Faster RCNN models, in terms of all criteria. Moreover, experimental results indicates that the proposed method is superior with promising accuracy and faster speed.
针对当前三维点云处理方法在玉米植株点云中识别雄穗相对困难的问题，提出一种基于超体素聚类和局部特征的玉米植株点云雄穗分割方法。首先通过边连接操作建立玉米植株点云无向图，利用法向量差异计算边权值，并采用谱聚类方法将植株点云分解为多个超体素子区域；随后结合主成分分析方法和点云直线特征提取植株顶部的子区域；最后利用玉米植株点云的平面局部特征在顶部子区域中识别雄穗点云。对3种点云密度的15株成熟期玉米植株点云进行测试，采用F1分数作为分割精度判别指标，试验结果与手动分割真值相比，当点云密度为0.8、1.3和1.9个点/cm时，雄穗点云分割的平均F1分数分别为0.763、0.875和0.889，分割精度随点云密度增加而增高。结果表明，本研究提出的基于超体素聚类和局部特征的玉米植株点云雄穗分割方法具备在玉米植株点云中提取雄穗的能力，可为玉米高通量表型检测、玉米三维重建等研究和应用提供技术支持。
针对柚子果形和尺寸分级依赖人工经验判断的现状，本研究提出一种采用轮廓坐标系转换拟合、果形特征提取结合方向角补偿算法检测柚子纵、横径尺寸并基于果形指数对柚子形状缺陷进行判断的方法。以CMOS相机、点阵式LED光源、平面镜、计算机、箱体和支架搭建图像采集装置，获取168个不同尺寸与形状等级的沙田柚样本全表面图像数据。选择G-B分量灰度图像进行去噪与分割，利用Laplacian算子边缘检测算法提取果实的边缘像素，采用多项式拟合方式完成直角坐标向极坐标的转换从而简化果形描述，利用特征点极角值补偿样本纵横径的随机方向，继而区别类球形和类梨形两种类型计算柚子的纵径和横径。以广东梅州沙田柚为对象进行试验，结果表明，利用轮廓坐标系转换拟合、果形特征提取结合方向角补偿算法的方法检测柚子纵径的平均绝对误差、最大绝对误差和平均相对误差分别为2.23 mm、7.39 mm和1.6%，横径的平均绝对误差、最大绝对误差和平均相对误差分别为2.21 mm、7.66 mm和1.4%。从柚子轮廓极坐标的拟合函数中提取3个峰值高度、3个波峰宽度和1个波谷值差值7个特征值，利用BP神经网络算法建立柚子果形判别模型并用独立验证集进行验证，形状判别的总识别率为83.7%。本方法能为柚子尺寸和形状的自动化检测与分级提供快速无损方法。
针对多机器人在果园中作业时的通信需求，本研究基于Wi-Fi信号在桃园内接收强度预测模型，提出了一种引入优先节点和路径信号强度阈值的改进无线自组网按需平面距离向量路由协议（AODV-SP）。对AODV-SP报文进行设计，并利用NS2仿真软件对比了无线自组网按需平面距离向量路由协议（AODV）和AODV-SP在发起频率、路由开销、平均端到端时延及分组投递率4个方面的性能。仿真试验结果表明，本研究提出的AODV-SP路由协议在发起频率、路由开销、平均端到端时延及分组投递率4个方面的性能均优于AODV协议，其中节点的移动速度为5 m/s时，AODV-SP的路由发起频率和路由开销较AODV分别降低了3.65%和7.09%，节点的移动速度为8 m/s时，AODV-SP的分组投递率提高了0.59%，平均端到端时延降低了13.09%。为进一步验证AODV-SP协议的性能，在实验室环境中搭建了基于领航-跟随法的小型多机器人无线通信物理平台并将AODV-SP在此平台应用，并进行了静态丢包率和动态测试。测试结果表明，节点相距25 m时静态丢包率为0，距离100 m时丢包率为21.01%；动态行驶时能使机器人维持链状拓扑结构。本研究可为果园多机器人在实际环境中通信系统的搭建提供参考。
卷积神经网络（CNN）的发展带来了大量的网络参数和庞大的模型体积，极大地限制了其在小规模计算资源设备上的应用。为将CNN应用在各种小型设备上，研究了一种基于知识蒸馏的结构化模型压缩方法。该方法首先利用VGG16训练了一个识别率较高的教师模型，再将该模型中的知识通过蒸馏的方法迁移到MobileNet，从而大幅减少了模型的参数量。将知识蒸馏后的Distilled-MobileNet模型应用在14种作物的38种常见病害分类中。进行了知识蒸馏在VGG16、AlexNet、GoogleNet和ResNet 4种不同网络结构上的表现测试，结果表明，当VGG16作为教师模型时，模型准确率提升了97.54%；使用单个病害识别率、平均准确率、模型内存、平均识别时间4个指标对训练好的Distilled-MobileNet模型进行真实环境下准确性评估，经测试，模型的平均准确率达到了97.62%，平均识别时间缩短至0.218 s，仅占VGG16模型的13.20%，模型大小压缩仅为19.83 MB，相比于VGG16缩小了93.60%，使其具备了较高的准确性和实时性要求。本方法模型在压缩内存体积和缩短识别时间上较传统神经网络有了明显提高，为内存和计算资源受限设备上的病害识别提供了新的思路。
当前农业实体识别标注数据稀缺，部分公开的农业实体识别模型依赖手工特征，实体识别精度低。虽然有的农业实体识别模型基于深度学习方法，实体识别效果有所提高，但是存在模型推理延迟高、参数量大等问题。本研究提出了一种基于知识蒸馏的农业实体识别方法。首先，利用互联网的海量农业数据构建农业知识图谱，在此基础上通过远程监督得到弱标注语料。其次，针对实体识别的特点，提出基于注意力的BERT层融合模型（BERT-ALA），融合不同层次的语义特征；结合双向长短期记忆网络（BiLSTM）和条件随机场CRF，得到BERT-ALA+BiLSTM+CRF模型作为教师模型。最后，用BiLSTM+CRF模型作为学生模型蒸馏教师模型，保证模型预测耗时和参数量符合线上服务要求。在本研究构建的农业实体识别数据集以及两个公开数据集上进行实验，结果显示，BERT-ALA+BiLSTM+CRF模型的macro-F1相对于基线模型BERT+ BiLSTM+CRF平均提高1%。蒸馏得到的学生模型BiLSTM+CRF的macro-F1相对于原始数据训练的模型平均提高3.3%，预测耗时降低了33%，存储空间降低98%。试验结果验证了基于注意力机制的BERT层融合模型以及知识蒸馏在农业实体识别方面具有有效性。
太阳能杀虫灯在有效控制虫害的同时，可减少农药施药量。随着其部署数量的增加，被盗被破坏的报道也越来越多，严重影响了虫害防治效果并造成了较大的经济损失。为有效地解决太阳能杀虫灯物联网节点被盗被破坏问题，本研究以太阳能杀虫灯物联网为应用场景，对太阳能杀虫灯硬件进行改造设计以获取更多的传感信息；提出了太阳能杀虫灯辅助设备——无人机杀虫灯，用以被盗被破坏出现后的部署、追踪和巡检等应急应用。通过上述硬件层面的改造设计和增加辅助设备，可以获取更为全面的信息以判断太阳能杀虫灯物联网节点被盗被破坏情况。但考虑到被盗被破坏发生时间短，仅改造硬件层面还不足以实现快速准确判断。因此，本研究进一步从内部硬件、软件算法和外形结构设计三个层面，探讨了设备防盗防破坏的优化设计、设备防盗防破坏判断规则的建立、设备被盗被破坏的快速准确判断、设备被盗被破坏的应急措施、设备被盗被破坏的预测与防控，以及优化计算以降低网络数据传输负荷六个关键研究问题，并对设备防盗防破坏技术在太阳能杀虫灯物联网场景中的应用进行了展望。
本期共出版12篇文章，分布于“空间信息技术农业应用”专题，“作物模型与可视化”专题，以及“信息处理与决策”栏目。本期内容涵盖了卫星/无人机遥感等在作物生长、病害、灾害监测应用，以及作物模型模拟和产量监测等。每篇文章都具特色，希望本期的出版能为领域研究人员带来新观点、新思路、新启发。
“空间信息技术农业应用”专题刊出5篇文章。中国农业大学王鹏新教授团队阐述了基于卫星遥感的农业干旱监测研究进展，并简述了以干旱指数方法和作物生长模型方法为主的农业干旱预测研究进展。北京农业信息技术研究中心李振海博士团队构建了冬小麦籽粒蛋白质含量多层线性预测模型，解决了模型在年际扩展和空间扩展存在偏差的问题，并实现了冬小麦蛋白质含量预报。美国北达科他州立大学Paulo Flores和张昭博士提出了一种基于无人机图像处理的自动数据集生成方法，并用多种机器学习模型和深度学习算法对小麦倒伏检测情况进行分类，最终确定了最佳算法和无人机飞行高度。在农业灾害应用研究方面，中国农业科学院农业信息研究所李世娟研究员团队利用冬小麦叶片及冠层高光谱遥感数据，结合植被指数、归一化均值距离和光谱微分差信息熵等方法实现了冬小麦涝渍胁迫识别及其胁迫程度判别分析。中国热带农业科学院科技信息研究所戴声佩副研究员等构建了基于卫星遥感的海南岛大面积橡胶林叶面积指数LAI估算模型并分析了其变化规律。
“作物模型与可视化”专题刊出3篇文章。塔里木大学白铁成教授等提出了基于校正WOFOST模型的枣树生长和水分运移模拟方法，为土壤、气象、灌溉管理和枣树生长耦合影响的定量化分析提供了新思路。为提高黄淮海和江淮地区小麦高产优质主产区的冬小麦产量，中国农业科学院农业信息研究所胡亚南副研究员等利用DSSAT CERES-Wheat模型分别开展基准时段和未来40年模型模拟试验，明确了未来冬小麦生育期内气候要素和最适播期变化特征。在群体尺度作物模型转入个体尺度作物模型方面，中国科学院自动化研究所康孟珍副研究员团队探索了作物不同空间尺度与时间模型建立接口的方法，发现GreenLab模型可以复现DSSAT系统的模拟数据，并进行了三维可视化展示。
最后，“信息处理与决策”栏目为读者报道了以下内容。北京农业信息技术研究中心樊江川博士团队通过构建不同光照条件下的玉米出苗过程图像数据集，使用ResNet50作为新特征提取网络对Faster R-CNN进行优化，实现了玉米幼苗准确识别和出苗动态连续监测。中国农业大学郑永军教授团队提出了一种苹果树原位测产模型，融合产量拟合网络和改进型YOLOv5果实检测算法，模型具有较好的精度和鲁棒性。仲恺农业工程学院尹航副教授等提出了一种基于经验模态分解、随机森林和长短时记忆神经网络的组合预测模型EMD-RF-LSTM，对于对虾养殖塘溶解氧浓度具有较高预测精度。农业农村部规划设计研究院孙丽高级工程师团队基于中国东北三省Sentinel-2玉米空间分布数据和气象数据，对比分析了多时间尺度的标准化降水指数（SPI）和标准化降水蒸散指数（SPEI）与旱涝受灾率的关系，分析了旱涝状况对春玉米产量的影响。
干旱是影响农业生产的主要气候因素。传统的农业干旱监测主要是基于气象和水文数据，虽然能提供监测点上较为精确的干旱监测结果，但是在监测面上的农业干旱时，仍存在一定的局限。遥感技术的快速发展，尤其是目前在轨的卫星传感器感测的电磁波段涵盖了可见光、近红外、热红外和微波等波段，为区域尺度农业干旱监测提供了新的手段。充分利用卫星遥感数据获得的丰富地表信息进行农业干旱监测和预测具有重要的研究意义。本文从遥感指数方法、土壤含水量方法和作物需水量方法三个方面阐述了基于卫星遥感的农业干旱监测研究进展。农业干旱预测是在干旱监测的基础上进行时间轴的预测，本文在总结干旱监测进展的基础上，进一步简述了以干旱指数方法和作物生长模型方法为主的农业干旱预测研究进展。
开展小麦籽粒蛋白质含量的监测预报研究对于指导农户调优栽培、企业分类收储、期货小麦价格、进口政策调整等具有重要意义。本研究以冬小麦主产区（河南省、山东省、河北省、安徽省和江苏省）为研究区域，构建了冬小麦籽粒蛋白质含量多层线性预测模型，并实现了2019年冬小麦蛋白质含量预报。为了解决预测模型在年际扩展和空间扩展存在偏差的问题，在蛋白质含量估算模型中考虑了气象因素（温度、降水、辐射量）、冬小麦筋型、抽穗—开花期增强型植被指数（EVI）等因素。结果表明，融合3个气象因素的蛋白质含量估算模型建模集精度（R2 = 0.39，RMSE = 1.04%）与验证集精度（R2 = 0.43、RMSE = 0.94%）均高于融合2个气象因子的估算模型和单个气象因子的估算模型。将蛋白质含量估算模型应用冬小麦主产区的蛋白质含量遥感估算，得到了2019年冬小麦主产区品质预报图，并形成黄淮海地区冬小麦品质分布专题图。本研究结果可同时为后续小麦种植区划和实现绿色、高产、优质、高效粮食生产提供数据支撑。
小麦在生长过程中发生倒伏会严重影响其产量，因此实时且准确地对小麦倒伏状况监测有很重要的意义。传统的方法采用手工方式生成数据集，不仅效率低、易出错，而且生成的数据集不准确。针对这一问题，本研究提出了一种基于图像处理的自动数据集生成方法。首先利用无人机在15、46和91 m三个高度采集图像数据；采集完数据后，根据无倒伏、倒伏面积<50%和倒伏面积>50%的标准对每一块地的小麦倒伏情况进行人工评估；采用三种机器学习（支持向量机、随机森林、K近邻）和三种深度学习（ResNet101、GoogLeNet、VGG16）算法对小麦倒伏检测情况进行分类。结果显示，ResNet101的分类结果优于随机森林，并且在91 m高度采集的数据分类精度并不低于在15 m高度采集的数据。本研究证明了针对在91 m高度采集的无人机图像，采用ResNet101对小麦倒伏率检测是一种有效的替代人工检测的方法，其检测精度达到了75%。
冬小麦涝渍胁迫频发不仅严重影响区域粮食安全和生态安全，还威胁社会经济稳定和可持续发展。为识别冬小麦涝渍胁迫及判别其胁迫程度，本研究设置冬小麦涝渍胁迫梯度盆栽试验，采用ASD地物光谱仪和Gaiasky-mini2推扫式成像光谱仪分别测定叶片及冠层高光谱数据，结合植被指数、归一化均值距离和光谱微分差信息熵等方法，监测冬小麦是否遭受涝渍胁迫并判别其涝渍胁迫程度。试验结果显示，简单比值色素指数SRPI是识别涝渍胁迫冬小麦的最优植被指数。红光吸收谷（RW：640~680 nm）是识别冬小麦涝渍胁迫程度的最优波段，在RW波段内，抽穗、开花和灌浆期的光谱微分差信息熵可判别冬小麦涝渍胁迫程度，胁迫程度越大，光谱微分差信息熵越大。本研究为涝渍胁迫监测提供了一种新方法，在涝渍胁迫精确防控中具有较好的应用前景。
叶面积指数（LAI）是描述植被生长状况和冠层结构的一个重要参数，快速获取大面积植被与作物LAI对于生态系统科学研究、农林业生产指导具有十分重要的理论和实践意义。本研究选取海南岛典型热带作物——橡胶树为研究对象，构建基于卫星遥感植被指数的橡胶林LAI估算模型并分析其变化规律。结果表明，相较于归一化植被指数（NDVI）、绿色归一化植被指数（GNDVI）、比值植被指数（RVI）和宽动态范围植被指数（WDRVI）四个指数，增强植被指数（EVI）、土壤调节植被指数（SAVI）、差值植被指数（DVI）和改良土壤调节植被指数（MSAVI）四个指数同LAI之间的相关性较高。构建的基于不同植被指数的橡胶林LAI估算模型（一元线性、指数和对数模型）中，基于EVI指数的橡胶林LAI一元线性估算模型效果最佳，其决定系数R2为0.69。经验证，该模型估算的橡胶林LAI精度较高，观测和模拟的橡胶林LAI线性拟合R2为0.67，均方根误差RMSE为0.16，平均相对误差RE为-0.25%，但在橡胶林LAI中值区存在低估现象，同时在LAI高值区和低值区存在一定的高估现象。从空间分布来看，海南岛橡胶林LAI高值区（4.40~6.23）主要分布在海南岛西部儋州、白沙等市县，LAI中值区（3.80~4.40）主要分布在海南岛中部澄迈、屯昌、琼中等市县，LAI低值区（2.69~3.80）主要分布在海南岛东部和南部的定安、琼海、万宁、乐东、三亚等市县。总之，构建的基于EVI指数的橡胶林LAI一元线性估算模型精度较高，克服了NDVI、GNDVI、RVI等植被指数容易出现指数饱和问题，具有较好的科学性和良好的推广应用价值。
为实现定量化分析温、光和水资源对果树生长的影响，本研究以成龄骏枣树为研究对象，提出了基于校正WOFOST模型的枣树生长和水分运移模拟方法。利用2016和2017年的田间试验观测数据，重点校正WOFOST模型的物候学发育、初始化、绿叶、CO2同化、干物质分配、呼吸作用和水分利用参数。在田间尺度，完成总地上生物量（TAGP）、叶面积指数（LAI）和土壤水分含量的动态模拟和精度验证；在县域尺度，使用55个果园的最大LAI、单产、实际蒸散量（ETa）和水分利用效率（WUE）数据评价模型区域尺度的模拟性能。结果表明，在田间尺度，校正模型模拟不同灌溉梯度TAGP的决定系数R2范围为0.92~0.98，归一化均方根误差NRMSE为8.7%~20.5%；模拟LAI的R2范围为0.79~0.97，NRMSE为8.3%~21.1%；模拟土壤水分含量的决定系数R2范围为0.29~0.75，NRMSE为4.1%~6.1%。在县域尺度，两年模拟最大LAI与实测LAI的R2分别为0.64和0.78，NRMSE分别为13.3%和10.7%；模拟单产的R2分别为0.48和0.60，NRMSE分别是12.1%和11.9%；模拟ETa均方根误差分别为36.1 mm（7.9%）和30.8 mm（7.4%）；模型也表现了较高的WUE模拟精度（10%<NRMSE<20%），均方根误差RMSE值分别为0.23和0.28 kg/m3。WOFOST模型在田间和县域尺度都取得了较高的枣树生长和水分运移模拟精度，可为土壤、气象、灌溉管理和枣树生长耦合影响的定量化分析提供新思路。
在适播期内播种是促进小麦高产稳产的关键管理技术。为应对未来气候变化带来的不利影响，提高小麦高产优质主产区的冬小麦产量，本研究选取黄淮海和江淮地区作为研究区，并在研究区内选择3个代表站点，利用DSSAT CERES-Wheat模型在基准时段和未来40年分别开展了4种典型浓度路径的温室气体排放气候情景（RCPs）、51个播期处理的模型模拟试验，以明确未来冬小麦生育期内气候要素和最适播期变化特征，定量分析采用最适播期管理措施对冬小麦的增产效应。分析试验结果表明：未来冬小麦生育期内气候特征呈现暖干化的趋势；冬小麦生育期天数随温度升高而缩短，缩短天数在研究区地理空间上自北向南递增；最适播期随温度升高而推迟，在各时段、各情景下均随纬度减小而推迟；相对于基准时段，3个站点2030s时段的最适播期推迟最大天数分别自北向南递增5 d、8 d和13 d，2050s时段最适播期较2030s时段有不同程度的推迟，且各站点以2050s 时段RCP8.5情景下的推迟天数最多；采取最适播期播种的管理措施，在3个站点均有不同程度的增产效应，黄淮海北片的增产效应最小，黄淮海南片和江淮地区增产幅度相对较高，集中在2%~4%之间。因此，未来黄淮海和江淮地区可采取推迟播期、选择适播期的管理措施来应对气候变暖情况，提高冬小麦产量。
作物模型的研究涉及作物生长发育的复杂过程，空间上从分子到细胞、组织、器官、个体、群体等不同尺度，时间尺度上可以从秒到年。基于不同的研究需求，切换作物模型尺度，可使得作物模型的适用性更广泛灵活。其中，如何从群体尺度的作物模型转入个体尺度的作物模型是本研究的内容。本研究基于四个玉米品种的两个处理（灌溉和雨养）的已有的实验数据和基于这些数据的DSSAT系统的模拟数据，校准功能结构模型GreenLab的参数，以计算结果一致为指标，探索不同空间尺度模型建立接口的方法，比较不同模型的特点。结果表明，GreenLab模型可以复现DSSAT系统的模拟数据和实际测量数据，进一步可以反演出各种器官之间生物量的分配并进行三维可视化展示。最后讨论了不同空间尺度模型结合的优势及应用领域。
目前对玉米出苗动态检测监测主要是依靠人工观测，耗时耗力且只能选择小的样方估算整体出苗情况。为解决人工出苗动态管理不精准的问题，实现田间精细化管理，本研究以田间作物表型高通量采集平台获取的高时序可见光图像和无人机平台获取的可见光图像两种数据源构建了不同光照条件下的玉米出苗过程图像数据集。考虑到田间存在环境背景复杂、光照不均等因素，在传统Faster R-CNN的基础上构建残差单元，使用ResNet50作为新的特征提取网络来对Faster R-CNN进行优化，首先实现对复杂田间环境下玉米出苗识别和计数；进而基于表型平台所获取的高时序图像数据，对不同品种、不同密度的玉米植株进行出苗动态连续监测，对各玉米品种的出苗持续时间和出苗整齐度进行评价分析。试验结果表明，本研究提出的方法应用于田间作物高通量表型平台出苗检测时，晴天和阴天的识别精度分别为95.67%和91.36%；应用于无人机平台出苗检测时晴天和阴天的识别精度分别91.43%和89.77%，可以满足实际应用场景下玉米出苗自动检测的需求。利用表型平台可获取时序数据的优势，进一步进行了玉米动态出苗检测分析，结果表明利用本模型得到的动态出苗结果与人工实际观测具有一致性，说明本研究提出的模型的具有鲁棒性和泛化性。
果树测产是果园管理的重要环节之一，为提升苹果果园原位测产的准确性，本研究提出一种包含改进型YOLOv5果实检测算法与产量拟合网络的产量测定方法。利用无人机及树莓派摄像头采集摘袋后不同着色时间的苹果果园原位图像，形成样本数据集；通过更换深度可分离卷积和添加注意力机制模块对YOLOv5算法进行改进，解决网络中存在的特征提取时无注意力偏好问题和参数冗余问题，从而提升检测准确度，降低网络参数带来的计算负担；将图片作为输入得到估测果实数量以及边界框面总积。以上述检测结果作为输入、实际产量作为输出，训练产量拟合网络，得到最终测产模型。测产试验结果表明，改进型YOLOv5果实检测算法可以在提高轻量化程度的同时提升识别准确率，与改进前相比，检测速度最大可提升15.37%，平均mAP最高达到96.79%；在不同数据集下的测试结果表明，光照条件、着色时间以及背景有无白布均对算法准确率有一定影响；产量拟合网络可以较好地预测出果树产量，在训练集和测试集的决定系数R2分别为0.7967和0.7982，均方根误差RMSE分别为1.5317和1.4021 ㎏，不同产量样本的预测精度基本稳定；果树测产模型在背景有白布和无白布的条件下，相对误差范围分别在7%以内和13%以内。本研究提出的基于轻量化改进YOLOv5的果树产量测定方法具有良好的精度和有效性，基本可以满足自然环境下树上苹果的测产要求，为现代果园环境下的智能农业装备提供技术参考。
溶解氧（DO）浓度是对虾养殖水质检测的核心指标。为提高对虾养殖溶解氧浓度的预测精度，本研究提出了一种基于经验模态分解、随机森林和长短时记忆神经网络（EMD-RF-LSTM）的对虾养殖溶解氧浓度组合预测模型。首先采用经验模态分解（EMD）对养殖水质溶解氧浓度时序数据进行多尺度特征提取，得到不同尺度下的固有模态分量（IMF）；然后分别采用长短时记忆神经网络（LSTM）和随机森林（RF）对高、低频不同尺度IMF进行建模；最后结合各分量预测结果构建叠加模型，实现对溶解氧浓度时序数据的综合预测。本研究模型在广东省湛江市南三岛对虾养殖基地展开了试验及应用，在基于真实数据集的性能测试中，经验模态分解后EMD-ELM模型与极限学习机（ELM）模型对比，平均绝对误差（MAPE）、均方根误差（RMSE）和平均绝对误差（MAE）分别降低了30.11%、29.60%和32.95%。在经验模态分解基础上用RF和LSTM对不同特征尺度的本征模态分量分别预测后叠加求和，EMD-RF-LSTM模型预测的精度指标MAPE、RMSE和MAE分别为0.0129、0.1156和0.0844，其中关键指标MAPE较EMD-ELM、EMD-RF和EMD-LSTM分别降低了84.07%、57.57%和49.81%，预测精度显著提高。结果表明，本研究针对经验模态分解后高、低频分量分别预测的策略可有效提升综合性能，表明本研究模型具有较高的预测精度，能够较准确地实现对虾养殖水体中溶解氧浓度预测。
评估生长季旱涝对作物产量的影响有助于农民采取措施增产保收。本研究基于1988—2017年气象站点数据和灾情、产量等统计数据，以中国东北三省为研究区，通过对比多时间尺度指标——标准化降水指数（SPI）和标准化降水蒸散指数（SPEI）与旱涝受灾率的关系，选择优势指数表征东北春玉米生长季干湿状况，基于HP滤波构建相对气象产量，利用距离相关分析方法选取合理时间尺度和关键月份的指数，分析这些指数与春玉米相对气象产量的关系以及不同生育阶段水分条件与产量之间的关系。结果表明：（1）SPI、SPEI均能表征东北地区农作物受旱和受涝状况，整体上SPEI在表征东北地区旱涝时更具优越性，尤其在辽宁省，因旱受灾率与SPI和SPEI相关系数差距明显，因涝受灾率与SPEI相关系数最大值为0.54，与SPI相关性不显著。（2）辽宁省SPEI3-8与相对气象产量的距离相关系数最大，吉林省和黑龙江省SPEI6-8与相对气象产量的距离相关系数最大；各省对应的SPEI与相对气象产量呈向下的抛物线趋势，其中辽宁省春玉米产量受干旱和雨涝的共同影响，吉林、黑龙江两省主要受干旱灾害的影响。（3）辽宁省春玉米在拔节—抽穗期主要受干旱影响，生长季后期受洪涝灾害影响较前期加重；当SPEI为1.0左右时，吉林省春玉米在出苗—拔节、拔节—抽穗期可达到最高产，抽穗—乳熟期受干旱影响严重；黑龙江关键生育期主要受旱灾影响，在出苗—拔节、拔节—抽穗期正常偏湿年份可达到最高产量，但中度及以上雨涝仍会导致玉米减产，抽穗—乳熟期在轻度湿润时可高产，重度湿润时会因涝减产。本研究对东北三省地区预估旱涝灾害对春玉米产量影响和及时采取灾害防御措施具有一定的参考价值。
随着植保无人机在精细农业上的应用日益增长，目前在植保无人机下洗风场演化及其作用下的雾滴沉积飘移过程的数值模拟方法取得了快速多样化发展，但对各方法的优势、缺陷、适用范围及验证手段仍缺乏系统的梳理。本文针对无粘模型、计算流体力学模型及格子玻尔兹曼模型分别开展论述。基于涡元法的无粘尾涡模型优势在于计算过程简单，但由于缺乏粘性和湍流模型，其雾滴沉积飘移模拟精度较低。计算流体力学模型又分为有限体积法与有限差分法。其中，有限体积法鲁棒性高，可适用于各种复杂环境的模拟，但格式精度有限，其模拟的翼尖涡耗散速度远快于实际情况；有限差分法能够实现对翼尖涡演化的高时空精度模拟，但其存在网格结构化要求高，算力要求过大等问题。格子玻尔兹曼方法在计算具有复杂边界条件和非平稳运动物体的三维流场问题中具备优势，但其在功能多样性和完备性上还存在不足。上述数值模型精度还需综合运用田间实验及室内实验，如高速粒子图像测速（Particle Image Velocimetry，PIV）或相位多普勒测速（Phase Doppler Interferometry，PDI）方法进行验证和优化。最后，本文提出了未来植保无人机施药模拟及验证方法发展方向。
无人机具有作业效率高、地形适应性好等独特优势，近年在农林业中应用范围不断扩大，相关研究成果数量呈快速上升式发展。为掌握无人机农林应用全球研究态势，本研究采集2011—2020年期间Web of Science 核心合集数据库中无人机农林应用全球研究相关文献数据，利用VOSviewer等统计软件对文献进行科学计量分析。分析结果表明，自2017年开始，无人机农林业应用研究发文数量快速增加，全球已有94个国家/地区、1778个机构开展了研究；发文量排名前三位的国家依次是美国、中国和澳大利亚，表明这三个国家从事无人机农林业应用的科研实力强，学术影响力大；共有398种期刊发表了有关无人机农林业应用研究文章，约占全部收录期刊的1.90%，说明更多的期刊开始关注无人机农林业应用研究；发文最多的期刊是由MDPI主办的Remote Sensing；被引次数最多的文章内容主要是关注无人机系统在摄影测量和遥感上的传感、导航、定位和通用数据处理等的研究现状。此外，对无人机农林业应用研究热点进行分析发现，无人机施药、无人机病虫害遥感、植物表型获取是无人机农林业应用的主要研究热点。本研究可为无人机在农林业上的创新研究、科研团队之间的合作提供参考。
随着植保无人飞机作业面积的增加，雾滴飘移风险也日益凸显，尤其以除草剂飘移风险危害最高。为明确除草剂溶液对雾滴粒径的影响及植保无人飞机喷施除草剂雾滴沉积飘移分布特性，本研究通过室内雾化室测定了植保无人飞机安装的离心转盘雾化喷头喷洒清水及常用的15种麦田除草剂溶液的雾滴粒径分布，并通过田间试验在药箱中添加荧光示踪剂（60 g/hm2）测定喷施作业区和飘移区的雾滴沉积量分布。室内测定结果表明，与清水相比，除草剂溶液对雾滴粒径影响显著。除唑草酮水分散粒剂外，其余溶液经离心转盘雾化喷头喷洒后，雾滴体积中径较清水均有所降低，且最大降低22.0%；小雾滴（V<150 μm）比例均有所增加，最大增加50.8%。田间飘移试验表明，植保无人飞机喷洒150 μm雾滴，在环境侧风风速为3.76 m/s时，作业区的雾滴沉积覆盖度和雾滴沉积密度仅为风速0.74 m/s时的41.3%和42.2%，且均匀性显著降低。在飘移区下风向12 m位置，雾滴沉积量为作业区的10%以下；下风向50 m处，雾滴沉积量低于检测限（0.0002 μL/cm2）。飘移比率随风速的增加而增加，当风速达到3.76 m/s时，雾滴飘移比率达到46.4%。不同侧风风速下，90%的累积飘移位置在4.8~22.4 m。对飘移区沉积量与飘移距离、侧风风速拟合，结果表明下风向沉积量与风速呈正比。本研究为植保无人飞机冬麦田不同风速作业下的雾滴飘移距离提供数据支持，为喷雾飘移缓冲带、飘移风险评估提供依据。
为探究飞防助剂类型与杀虫剂的混配方式对水稻二化螟防治效果的影响，本研究以杀虫剂（10%甲维?茚虫威SC、5%氯虫苯甲酰胺SC和0.8%鱼藤酮SC）、飞防助剂（有机硅助剂、矿物油助剂和卵磷脂助剂）、施药液量（21、24和27 L/hm2）为因素设计了3因素3水平的L9（34）正交试验，通过方差分析（ANOVA）方法对各因素的显著性水平进行了分析。结果表明，在本研究的试验条件下，施药后第14天，杀虫剂对水稻二化螟防治效果有显著性影响（P<0.05），飞防助剂对水稻二化螟防效有极显著影响（P<0.01）；在设定的施药液量范围内（21~27 L/hm2），施药液量对水稻二化螟防效无显著性影响。混配方式7（0.8%鱼藤酮SC、有机硅助剂和27 L/hm2施药液量）具有较好的速效性与持效性，施药后第14天的防效达81.45%；混配方式4（5%氯虫苯甲酰胺SC、有机硅助剂和24 L/hm2施药液量）持效性显著，施药后第14天的防效为79.30%。本研究成果可为防治水稻二化螟的药液混配方式提供参考。
变量喷雾技术是提高农药利用率、节省农药用量的重要手段之一。为达到果园施药减量增效的效果，本研究开发了一种变量喷雾控制系统，提出了叶面积密度参数与执行机构脉宽调制（Pulse Width Modulation，PWM）占空比的计算方法。该系统上位机基于激光LiDAR传感器探测的点云密度表征叶面积密度作为施药参数，并根据喷药处方计算各喷头对应电磁阀的PWM占空比，通过RS485通讯实时发送施药处方到下位机的可编程逻辑控制器（Programmable Logic Controller，PLC），下位机PLC根据接收的PWM占空比控制对应电磁阀的开关频率实现喷头喷雾流量的调节。通过试验测量了施药单元网格尺寸、系统延时时间以及PWM占空比与喷头流量之间的模型参数三部分关键系统参数。结果表明在0.2、0.3和0.4 MPa压力下PWM占空比与喷头流量之间均为线性关系，线性拟合优度均在0.98以上。最后，通过喷雾试验验证变量喷雾样机的有效性，试验结果表明，采样点水敏纸上单位面积（cm2）最少雾滴个数为35滴，达到了有效喷雾效果；当靶标冠幅与总冠幅比为39.9%时，变量喷雾模式相比于连续恒定式喷雾省药71.96%，相比于对靶开关式喷雾省药29.72%，达到了减量效果。
塔式果园风送喷雾机是目前普遍使用的果园喷雾机，塔式结构易产生旋转和不规则的垂直气流，导致喷雾机出风口两侧风场分布不对称，且分布规律不易预测。为探究适用塔式果园风送喷雾机出风口风场建模方法，本研究基于喷雾机出风口风场计算流体动力学（Computational Fluid Dynamics，CFD）建模方法，提出了用户定义函数（User-Defined Function，UDF）分段式三维风速入口边界条件设置方法，并研究了湍流模型和计算域尺寸对喷雾机CFD风场模拟结果的影响特性。采用Fluent软件，建立了三种CFD模型：模型一以11个区域的平均风速作为边界条件；模型二采用UDF分段式三维风速入口作为边界条件；为进一步研究计算域尺寸对风场模拟的影响，建立了小计算域尺寸的模型三。三种模型均采用基于雷诺时均控制（Reynolds-Averaged Navier-Stokes，RANS）方程的k-ε湍流模型和k-ω湍流模型进行风场计算。为了验证模型的可靠性，设计了空间风场立体测量系统，实现了精确快速空间风速测量。验证结果表明，Standard k-ε、Realizable k-ε、BSL k-ω和SST k-ω湍流模型较适合风场CFD建模，其中Standard?k-ε湍流模型运算结果最优，模型决定系数R2为0.81。基于UDF分段式三维风速入口边界条件设置方法不仅提高了仿真结果的准确性（提高了5%），而且降低了计算的复杂性。在其他参数设置相同的情况下，大尺寸计算域模型的性能略优于小尺寸计算域。实际建模过程中建议根据计算机计算能力、仿真的实际要求设置合适的计算域尺寸。本研究结果可为喷雾机出风口风场CFD建模方法提供参考。
针对传统燃油驱动、前轮转向的高地隙喷雾机传动效率低、碳排放高、环境污染、智能化水平低、灵活性差等问题，本研究提出了一种适用于无人驾驶的高地隙四轮独立驱动（Four Wheel Independent Drive，4WID）喷雾机。其采用混合动力、前后双转向桥的4WID，转向半径小，前后轮的运行轨迹高度一致，能够减少田间植保作业时的压苗现象。考虑水田极端作业环境下驱动轮的滑移、陷坑等问题，基于喷雾机线性时变的运动学模型（LTV），构建了考虑驱动轮滑移的分层路径跟踪控制。上层模型预测控制（Model Predictive Control，MPC）器根据预期路径、车辆当前位置，获得喷雾机的转向角和运动速度，实现路径跟踪。下层以模糊控制和积分分离PID控制构建驱动轮滑移控制器，从而实现路径跟踪、运动速度、驱动轮滑移的有效控制，提高了喷雾机在复杂作业环境中的稳定性和路径跟踪精度。采用Adams/Matlab的联合仿真结果表明，在复杂的工况条件下，喷雾机驱动轮的滑移率依然控制在±20%之内，防止驱动轮发生过度滑移对车速和转向角产生不良影响，有利于喷雾机稳定性的提升。本喷雾机能够快速准确地跟踪期望路径，与未考虑驱动轮滑移的控制相比，能够适应更加复杂的工作环境，跟踪精度有明显提升。
近年来，随着无人机和各类传感器在作物育种和田间生产中被广泛使用，作物表型组学得到了极大的发展。兼具了高精度、高通量和高度自动化的作物表型组学及其相关技术的发展，加快了新品种的选育和优化了田间管理。作物三维重构技术是作物表型组学最基本的技术方法之一，是精准描述作物形态全息结构的重要工具，而作物的三维重构模型对于高通量作物表型获取、作物株型特征评价、植株结构和表型相关性分析等均具有重要意义。为深入总结作物表型中三维重构技术研究进展，本文从作物三维重构的基本方法与应用特点、研究现状和前景展望等三个方面展开综述。本文首先归纳整理了现有作物三维重构方法，并对各类方法的基本原理进行了综述，分析了各类方法的特点和优缺点，同时在归纳作物三维重构方法一般性流程的基础上，对各类方法的适用性进行剖析，归纳整理出了各类方法在实施时的具体流程和注意事项；其次，本文依据研究目标对象不同将作物三维重构的应用分为单株作物重构、田间群体重构和根系重构三部分，并从这三个视角对作物三维重构技术的应用情况进行了综述，依据精度、速度和成本三方面，探究了各个方法对于不同作物三维重构的研究现状，分析整理出不同重构对象背景下作物三维重构存在的问题与挑战；最后，从作物三维重构全程自动化、4D表型的构成、作物虚拟生长与模拟育种和智慧农业发展等方面对作物三维重构技术的前景进行了展望。
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。
粮食的储藏与加工是保障国家粮食安全的重要环节。射频技术凭借具有穿透深度大、加热迅速、整体加热、无化学残留等特点，已广泛应用于粮食产后研究，并在部分领域工业化应用前景广阔。为深入了解射频加热技术在粮食储藏与加工中应用研究进展，本文首先对射频技术展开概述，阐述了射频加热的基本原理，并对目前商业化应用的射频加热系统的类型与特点进行介绍；从粮食与储粮害虫的介电特性、储粮害虫的耐热性和粮食的加热均匀性改善三个方面概述了目前射频在粮食储藏与加工中的基础研究；在此基础上，结合生产中面临的实际问题对该技术在粮食产后杀虫、灭菌、钝酶和干燥等方面的应用进行了总结；最后，就该技术应用于粮食储藏与加工尚存的问题与未来研究方向提出了建议。本文可为射频技术在粮食储藏与加工中的应用研究提供指导作用。
果蔬在采后贮藏和运输过程中极易发生品质劣变，食用价值降低且造成巨大的经济损失。为保障果蔬品质，减少产后劣变导致的资源浪费，本文综述了果蔬品质劣变传感检测与监测技术最新研究现状，分析了各类检测技术的原理、特点及优缺点。其中，机器视觉可检测果蔬外部品质和表面缺陷，电子鼻可监测果蔬的劣变气味，近红外光谱可检测果蔬内部品质和隐性缺陷，高光谱成像能实现可视化检测果蔬内外品质、监测劣变过程，拉曼光谱可检测果蔬腐败菌及其代谢产物，多技术联用和多信息融合能综合评价果蔬劣变。以各种传感器为感知节点构建物联网监测系统，进而实现果蔬品质劣变信息的智能化实时监测，为解决果蔬加工过程中品质劣变控制技术难题提供参考，对降低果蔬产后的经济损失，推进果蔬产业可持续发展具有重要意义。
电子鼻因具备操作简单、能够快速、无损检测的特点，满足人们对肉与肉制品安全指标高效和高精确度检测提出了更高的要求。本文阐述了电子鼻技术的检测原理和其在硬件和软件系统方面的发展；从肉与肉制品的新鲜度检测、掺假检测、风味评价、病原微生物污染检测四个方向，对近年来电子鼻技术在肉与肉制品检测的应用研究进展进行了分析，突出了电子鼻技术应用的可行性和先进性；指出电子鼻技术在肉与肉制品检测中面临的检测效果参差不齐，电子鼻仪器体积大、价格高昂，模型通用性和普及性不够等不足。最后，本文从硬件系统和软件系统两方面，对未来电子鼻技术的发展及其应用前景进行了展望，包括硬件系统方面提高电子鼻传感器阵列电极膜材料的性能，增强电子鼻耐用性和识别气味的灵敏度；软件系统方面不断探索引入新的模式识别算法，使电子鼻技术实现对气味更快、更准确的识别分析。
