State-of-the-art and Prospect of Research on Key Technical for Unmanned Farms of Field Corp
Received date: 2022-12-20
Online published: 2023-01-27
As one of the important way for constructing smart agriculture, unmanned farms are the most attractive in nowadays, and have been explored in many countries. Generally, data, knowledge and intelligent equipment are the core elements of unmanned farms. It deeply integrates modern information technologies such as the Internet of Things, big data, cloud computing, edge computing, and artificial intelligence with agriculture to realize agricultural production information perception, quantitative decision-making, intelligent control, precise input and personalized services. In the paper, the overall technical architecture of unmanned farms is introduced, and five kinds of key technologies of unmanned farms are proposed, which include information perception and intelligent decision-making technology, precision control technology and key equipment for agriculture, automatic driving technology in agriculture, unmanned operation agricultural equipment, management and remote controlling system for unmanned farms. Furthermore, the latest research progress of the above technologies both worldwide are analyzed. Based on which, critical scientific and technological issues to be solved for developing unmanned farms in China are proposed, include unstructured environment perception of farmland, automatic drive for agriculture machinery in complex and changeable farmland environment, autonomous task assignment and path planning of unmanned agricultural machinery, autonomous cooperative operation control of unmanned agricultural machinery group. Those technologies are challenging and absolutely, and would be the most competitive commanding height in the future. The maize unmanned farm constructed in the city of Gongzhuling, Jilin province, China, was also introduced in detail. The unmanned farms is mainly composed of information perception system, unmanned agricultural equipment, management and controlling system. The perception system obtains and provides the farmland information, maize growth, pest and disease information of the farm. The unmanned agricultural machineries could complete the whole process of the maize mechanization under unattended conditions. The management and controlling system includes the basic GIS, remote controlling subsystem, precision operation management subsystem and working display system for unmanned agricultural machineries. The application of the maize unmanned farm has improved maize production efficiency (the harvesting efficiency has been increased by 3-4 times) and reduced labors. Finally, the paper summarizes the important role of the unmanned farm technology were summarized in solving the problems such as reduction of labors, analyzes the opportunities and challenges of developing unmanned farms in China, and put forward the strategic goals and ideas of developing unmanned farm in China.
YIN Yanxin , MENG Zhijun , ZHAO Chunjiang , WANG Hao , WEN Changkai , CHEN Jingping , LI Liwei , DU Jingwei , WANG Pei , AN Xiaofei , SHANG Yehua , ZHANG Anqi , YAN Bingxin , WU Guangwei . State-of-the-art and Prospect of Research on Key Technical for Unmanned Farms of Field Corp[J]. Smart Agriculture, 2022 , 4(4) : 1 -25 . DOI: 10.12133/j.smartag.SA202212005
1 |
李道亮, 李震. 无人农场系统分析与发展展望[J]. 农业机械学报, 2020, 51(7): 1-12.
|
2 |
HFF.Hands Free Farm successfully completes first drilling operation[EB/OL].[2022-12-01].
|
3 |
罗锡文, 廖娟, 胡炼, 等. 我国智能农机的研究进展与无人农场的实践[J]. 华南农业大学学报, 2021, 42(6): 8-17.
|
4 |
和贤桃. 处方图式变量播种控制系统研究与试验[D]. 北京: 中国农业大学, 2018.
|
5 |
张东兴, 刘江, 杨丽, 等. 基于VIS-NIR的播种沟内土壤水分测量传感器研究[J]. 农业机械学报, 2021, 52(2): 218-226.
|
6 |
朱文静, 冯展康, 吴抒航, 等. 机载非接触式近红外土壤墒情检测系统研制[J]. 农业工程学报, 2022, 38(9): 73-80.
|
7 |
|
8 |
|
9 |
|
10 |
杨玮, 韩雨, 李民赞, 等. 基于数字示波器的车载式土壤电导率检测系统研究[J]. 农业机械学报, 2020, 51(S2): 395-401.
|
11 |
杨文奇. 大田土壤电导率快速检测系统研究[D]. 乌鲁木齐: 新疆农业大学, 2021.
|
12 |
Geonics Limited: EM 38-MK2. [EB/OL]. [2022-12-02].
|
13 |
Veris Technologies: Veris 3150[EB/OL]. [2022-12-03].
|
14 |
ESS DR. Implementing site-specific management: Map-versus sensor-based variable rate application[EB/OL].[2022-12-10].
|
15 |
Precision Planting: Precision Planting SmartFirmer[EB/OL]. [2022-11-09].
|
16 |
唐海涛, 孟祥添, 苏循新, 等. 基于CARS算法的不同类型土壤有机质高光谱预测[J]. 农业工程学报, 2021, 37(2): 105-113.
|
17 |
|
18 |
崔玉露, 杨玮, 王炜超, 等. 基于光谱学原理的便携式土壤有机质检测仪设计与实验[J]. 农业机械学报, 2021, 52(S1): 323-328.
|
19 |
陈建国. 小麦精量播种与精准控制智能决策系统研究与设计[D]. 上海: 上海交通大学, 2019.
|
20 |
杨丽, 杜兆辉, 张东兴, 等. 一种基于动态处方图的变量播种控制系统及方法: CN114568077A[P]. 2022.
|
21 |
杨贵军, 李长春, 于海洋, 等. 农用无人机多传感器遥感辅助小麦育种信息获取[J]. 农业工程学报, 2015, 31(21): 184-190.
|
22 |
孙红, 邢子正, 张智勇, 等. 基于RED-NIR的主动光源叶绿素含量检测装置设计与试验[J]. 农业机械学报, 2019, 50(S1): 175-181.
|
23 |
林维潘, 李怀民, 倪军, 等. 基于便携式三波段作物生长监测仪的水稻长势监测[J]. 农业工程学报, 2020, 36(20): 203-208.
|
24 |
矫雷子, 董大明, 赵贤德, 等. 基于调制近红外反射光谱的土壤养分近场遥测方法研究[J]. 智慧农业(中英文), 2020, 2(2): 59-66.
|
25 |
周鹏, 李民赞, 杨玮, 等. 基于近红外漫反射测量的车载式原位土壤参数检测仪开发[J]. 光谱学与光谱分析, 2020, 40(9): 2856-2861.
|
26 |
|
27 |
|
28 |
|
29 |
|
30 |
何雄奎. 中国精准施药技术和装备研究现状及发展建议[J]. 智慧农业(中英文), 2020, 2(1): 133-146.
|
31 |
潘冉冉, 骆一凡, 王昌, 等. 高光谱成像的油菜和杂草分类方法[J]. 光谱学与光谱分析, 2017, 37(11): 3567-3572.
|
32 |
周巧黎, 马丽, 曹丽英, 等. 基于改进轻量级卷积神经网络MobileNetV3的番茄叶片病害识别[J]. 智慧农业(中英文), 2022, 4(1): 47-56.
|
33 |
|
34 |
|
35 |
|
36 |
|
37 |
|
38 |
PLANTINGPRECISION.Monitoring & Measurement[EB/OL].[2022-11-30].
|
39 |
大马力农机. 能播"拐子苗"的格兰智能电驱播种机,开始在黑龙江垦区应用[EB/OL]. [2022-11-30].
|
40 |
|
41 |
|
42 |
|
43 |
廖庆喜, 邓在京, 黄海东. 高速摄影在精密排种器性能检测中的应用[J]. 华中农业大学学报, 2004(5): 570-573.
|
44 |
史智兴, 高焕文. 玉米精播机排种监测报警装置[J]. 中国农业大学学报, 2003(2): 18-20.
|
45 |
周利明, 王书茂, 张小超, 等. 基于电容信号的玉米播种机排种性能监测系统[J]. 农业工程学报, 2012, 28(13): 16-21.
|
46 |
赵博, 樊学谦, 周利明, 等. 气流输送播种机压电式流量传感器设计与试验[J]. 农业机械学报, 2020, 51(8): 55-61.
|
47 |
付卫强, 董建军, 梅鹤波, 等. 玉米播种单体下压力控制系统设计与试验[J]. 农业机械学报, 2018, 49(6): 68-77.
|
48 |
高原源, 王秀, 杨硕, 等. 播种机气动式下压力控制系统设计与试验[J]. 农业机械学报, 2019, 50(7): 19-29.
|
49 |
|
50 |
AMAZONE. 140 years of Amazone and 140 years of innovation[EB/OL]. [2022-12-07].
|
51 |
雷小龙, 廖宜涛, 张闻宇, 等. 油麦兼用气送式集排器输种管道气固两相流仿真与试验[J]. 农业机械学报, 2017, 48(3): 57-68.
|
52 |
张晓辉, 王永振, 仉利, 等. 小麦气力集排器排种分配系统设计与试验[J]. 农业机械学报, 2018, 49(3): 59-67.
|
53 |
袁文胜, 冯玉岗, 金诚谦, 等. 播种机播种量、施肥量自动标定装置及方法: CN202011541466.4[P]. 2021-04-20.
|
54 |
孟志军, 赵春江, 刘卉, 等. 基于处方图的变量施肥作业系统设计与实现[J]. 江苏大学学报(自然科学版), 2009, 30(4): 338-342.
|
55 |
付卫强, 孟志军, 黄文倩, 等. 基于CAN总线的变量施肥控制系统[J]. 农业工程学报, 2008, 24(S2): 127-132.
|
56 |
张季琴, 刘刚, 胡号, 等. 排肥单体独立控制的双变量施肥控制系统研制[J]. 农业工程学报, 2021, 37(10): 38-45.
|
57 |
刘刚, 胡号, 黄家运, 等. 变量施肥滞后时间检测与位置修正方法研究[J]. 农业机械学报, 2021, 52(S1): 74-80.
|
58 |
|
59 |
王大可, 衣淑娟, 赵雪, 等. 气吸精播机施肥量无线计量监测系统的研究[J]. 农机化研究, 2017, 39(3): 84-88.
|
60 |
杨柳, 杨莎, 杨璎珞. 一种电动玉米精量播种机施肥监测装置设计[J]. 南方农机, 2022, 53(15): 9-11.
|
61 |
陈金成, 张惠, 汤智辉, 等. 分层施肥机作业监测系统的设计与田间试验[J]. 江苏农业科学, 2021, 49(20): 205-210.
|
62 |
孙文斌, 王荣, 高荣华, 等. 基于可见光谱和改进注意力的农作物病害识别[J]. 光谱学与光谱分析, 2022, 42(5): 1572-1580.
|
63 |
|
64 |
|
65 |
SPEEDTUBE.The SprayKit: Two worksteps in one[EB/OL]. [2022-11-19].
|
66 |
MEGA米格. 悬挂式喷雾机[EB/OL]. 2022-11-28.
|
67 |
|
68 |
张春凤, 翟长远, 赵学观, 等. 对靶喷药系统压力波动特性的试验研究[J]. 农业工程学报, 2022, 38(18): 31-39.
|
69 |
|
70 |
|
71 |
|
72 |
朱昱, 潘耀忠, 张杜娟. 基于深度卷积网络和分水岭分割的耕地地块识别方法[J]. 地球信息科学学报, 2022, 24(12): 2389-2403.
|
73 |
郑明雪, 罗治情, 陈娉婷, 等. 基于改进Mean Shift的无人机农业应用遥感影像地块边界提取[J]. 湖北农业科学, 2021, 60(23): 153-156.
|
74 |
吴晗, 林晓龙, 李曦嵘, 等. 面向农业应用的无人机遥感影像地块边界提取[J]. 计算机应用, 2019, 39(1): 298-304.
|
75 |
宋建涛, 李大军, 郭丙轩. 基于遥感影像的地块边界半自动提取[J]. 北京测绘, 2019, 33(10): 1171-1175.
|
76 |
刘东, 欧阳安, 陈聪, 等. 基于归一化植被指数的农田边界识别方法[J]. 江苏农业科学, 2022, 50(11): 196-201.
|
77 |
|
78 |
王侨, 刘卉, 杨鹏树, 等. 基于机器视觉的农田地头边界线检测方法[J]. 农业机械学报, 2020, 51(5): 18-27.
|
79 |
乔榆杰, 杨鹏树, 孟志军, 等. 面向自动驾驶农机的农田地头边界线检测系统[J]. 农机化研究, 2022, 44(11): 24-30.
|
80 |
阚韬, 辜彬. 农田边界检测方法及装置: CN108596937A[P]. 2018.
|
81 |
|
82 |
姜国权, 杨小亚, 王志衡, 等. 基于图像特征点粒子群聚类算法的麦田作物行检测[J]. 农业工程学报, 2017, 33(11): 165-170.
|
83 |
孟庆宽, 刘刚, 张漫, 等. 基于线性相关系数约束的作物行中心线检测方法[J]. 农业机械学报, 2013, 44(S1): 216-223.
|
84 |
王侨, 孟志军, 付卫强, 等. 基于机器视觉的玉米苗期多条作物行线检测算法[J]. 农业机械学报, 2021, 52(4): 208-220.
|
85 |
|
86 |
|
87 |
|
88 |
|
89 |
|
90 |
|
91 |
尚业华, 张光强, 孟志军, 等. 基于欧氏聚类的三维激光点云田间障碍物检测方法[J]. 农业机械学报, 2022, 53(1): 23-32.
|
92 |
郎朗, 冯晓蓉, 刘浪. 基于LiDAR的农田地形环境三维重建方法设计与研究[J]. 中国农机化学报, 2020, 41(1): 155-160.
|
93 |
|
94 |
|
95 |
|
96 |
|
97 |
张健. 农机自动驾驶路径规划及控制方法[D]. 哈尔滨: 哈尔滨理工大学, 2021.
|
98 |
|
99 |
林乙蘅. 基于多源信息融合的智能农机路径规划和路径跟踪研究[D]. 南京: 东南大学, 2018.
|
100 |
唐小涛. 智能水稻穴直播机导航控制系统的研究[D]. 上海: 上海交通大学, 2018.
|
101 |
|
102 |
罗承铭, 熊陈文, 黄小毛, 等. 四边形田块下油菜联合收获机全覆盖作业路径规划算法[J]. 农业工程学报, 2021, 37(9): 140-148.
|
103 |
|
104 |
|
105 |
|
106 |
袁加红. 水稻插秧机最优覆盖路径规划研究[D]. 合肥: 安徽农业大学, 2016.
|
107 |
|
108 |
翟卫欣, 王东旭, 陈智博, 等. 无人驾驶农机自主作业路径规划方法[J]. 农业工程学报, 2021, 37(16): 1-7.
|
109 |
刘一帆, 施光林, 陈耀峰, 等. 基于纯跟踪模型的模糊路径跟踪控制方法[J]. 机械设计与研究, 2022, 38(3): 136-140.
|
110 |
|
111 |
|
112 |
|
113 |
|
114 |
|
115 |
张万枝, 白文静, 吕钊钦, 等. 线性时变模型预测控制器提高农业车辆导航路径自动跟踪精度[J]. 农业工程学报, 2017, 33(13): 104-111.
|
116 |
|
117 |
|
118 |
|
119 |
|
120 |
|
121 |
|
122 |
|
123 |
赵腾. 基于激光扫描的联合收割机自动导航方法研究[D]. 杨凌: 西北农林科技大学, 2017.
|
124 |
王立辉, 石佳晨, 王乐刚, 等. 智能收获机定位和自适应路径追踪方法[J]. 导航定位学报, 2020, 8(6): 29-36.
|
125 |
|
126 |
|
127 |
|
128 |
宫金良, 王伟, 张彦斐, 等. 基于农田环境的农业机器人群协同作业策略[J]. 农业工程学报, 2021, 37(2): 11-19.
|
129 |
姚竟发, 滕桂法, 霍利民, 等. 联合收割机多机协同作业路径优化[J]. 农业工程学报, 2019, 35(17): 12-18.
|
130 |
|
131 |
|
132 |
|
133 |
|
134 |
|
135 |
|
136 |
|
137 |
|
138 |
|
139 |
白晓平, 胡静涛, 王卓. 基于视觉伺服的联合收割机群协同导航从机定位方法[J]. 农业工程学报, 2016, 32(24): 59-68.
|
140 |
白晓平, 王卓, 胡静涛, 等. 基于领航-跟随结构的联合收获机群协同导航控制方法[J]. 农业机械学报, 2017, 48(7): 14-21.
|
141 |
|
142 |
|
143 |
|
144 |
|
145 |
|
146 |
王培, 孟志军, 安晓飞, 等. 拖拉机功率与深松作业效率关系研究[J]. 农业机械学报, 2019, 50(S1): 87-90.
|
147 |
孟志军, 武广伟, 魏学礼, 等. 农机作业监管信息化技术应用与展望[J]. 农机科技推广, 2019(5): 9-11.
|
148 |
冀福华. 农机田间作业大数据处理关键技术研究及平台构建[D]. 北京: 中国农业机械化科学研究院, 2020.
|
149 |
崔征泽. 农机监测管理系统的设计与实现[D]. 哈尔滨: 哈尔滨工业大学, 2019.
|
150 |
房黎明. 雷沃阿波斯发布农机行业首个智慧农业解决方案iFarming[J]. 农业机械, 2016, (11): 62-63.
|
/
〈 | 〉 |