摘要：智慧農業是現代農業的高級形式，無人農場是實現智慧農業的重要途徑，智能農機是無人農場的物質支撐。本文以植物生產為例，介紹了智能農機的智能感知、自動導航、精準作業和智慧管理4項功能在智慧農業中的地位和關鍵技術的研究進展；介紹了華南農業大學集成相關智能農機創建水稻無人農場的實踐和無人農場的5個特點，包括耕種管收生產環節全覆蓋、機庫田間轉移作業全自動、自動避障異況停車保安全、作物生產過程實時全監控和智能決策精準作業全無人。在2020年的中稻和2021年的早稻生產中，水稻無人農場的稻谷產量均高于當地的平均產量，表明了其巨大的發展潛力。無人農場的建設為解決“誰來種田”和“如何種田”的問題提供了重要途徑。

2012年中央一號文提出，要突出農業科技創新重點，在精準農業技術等方面取得重大突破。2017年中央一號文提出，要實施智慧農業工程。智慧農業是未來農業的發展方向，是現代農業的高級形式。智慧農業是以數據、知識和智能裝備為核心要素，通過將現代科學技術與農業深度融合，實現農業生產全過程的數字化感知、智能化決策、精準化作業和智慧化管理的全新農業生產方式。當前，新一輪科技革命和產業變革正在興起，信息技術、生物技術、新材料技術和新能源技術廣泛滲透到農業領域，催生了一大批戰略性新興產業，農機裝備先進制造、農業物聯網、農業大數據和農業機器人等高新技術逐步應用到農業生產各個領域，智慧農業呈現出強勁的發展勢頭。無人農場是實現智慧農業的重要途徑。無人農場以生物技術、智能農機和信息技術為支撐。生物技術為無人農場提供適應機械化作業的品種和栽培模式，智能農機為無人農場自動化作業提供裝備支撐，信息技術為農機作業的精準定位、數據傳輸和無人農場的智慧管理提供支撐。無人農場采用4G/5G、物聯網、大數據和人工智能等新一代信息技術遠程控制各種智能農機，使之自主決策和自主作業，實現各個生產環節的智能化。智能農機具有智能感知、自動導航、精準作業和智慧管理4個功能，是無人農場的物質支撐，是農業機械的轉型升級。毛澤東同志在1959年就提出農業的根本出路在于機械化。改革開放以來，經過40多年的發展，我國的農業機械化取得了舉世矚目的成就，為提高我國農業生產率作出了巨大貢獻。目前，我國用不到世界10%的耕地生產了世界25%的糧食、養活了世界20%的人口。今天，隨著我國農業農村現代化加快推進，對農業機械提出了更高的要求，提高農業機械的智能化水平成為必然選擇，也是農業現代化的重要建設內容。國內外實踐表明，提高農業機械化和智能化可以大幅度提高勞動生產率、資源利用率和土地產出率。只有在智能農機的支持下，無人農場才能成為現實。

1.1智能感知

農作物生長環境、作物長勢和作物病蟲草害信息是智能農機進行精準作業的依據[8]。“星?機?地”是獲取這些信息的主要技術，“星”指根據衛星影像分析獲取所需要的各種農情信息，“機”指根據飛機或無人機獲取所需要的各種農情信息，“地”指在地面用儀器直接獲取所需要的各種農情信息。

1.1.1作物生長環境信息

農作物生長環境信息的快速感知是實施精準農業中最為基本和關鍵的問題，農作物生長環境信息包括土壤阻力、田面平整情況、土壤水分和土壤養分等信息。農田土壤中不同位置和不同深度的耕作阻力(土壤堅實度)差異較大，準確獲取土壤的耕作阻力信息是進行精準耕整的重要依據。張利民等成功研制出帶全球導航衛星系統(Global navigationsatellite system, GNSS)的車載式土壤耕作阻力測定儀，采用GNSS定位信息，通過液壓系統將圓錐儀(國際上通用的土壤堅實度測定儀)壓入土壤，獲取不同地塊和同一地塊不同位置、不同深度(精度可以達到0.5 cm)的耕作阻力。曾慶猛等研制出車載式可連續測定土壤耕作狀況和含水量的測定儀。

田面平整情況是進行農田平整的重要依據。周浩和胡煉等采用水準儀、全站儀、地面激光掃描儀和無人機載激光掃描儀快速采集農田平整度信息，研制出基于GNSS的農田三維地形實時采集系統，可在平整作業過程中快速精準獲取田面的平整度信息。

土壤水分是影響作物生長的重要參數，Xiao等研制出既可在水田田面有水時測定水層深度又可以在水田田面無水時測定土壤水分的無線測量系統，并可以根據田面/土壤中的水層/水分情況遠程控制自動灌水和排水。

“莊稼一枝花，全靠肥當家”，土壤中氮、磷、鉀的實時在線快速測定是世界難題，至今尚未取得實質性的突破，大都只能進行間接測量。孫建英等采用光譜測量技術，分析了東北黑土地和華北潮土的土壤參數和光譜特性，采用GNSS定位信息標志土壤的位置，通過實驗室分析可準確給出pH以及氮、磷、鉀和有機質含量的分布圖，為精準施肥提供依據。Dong等嘗試采用激光誘導技術測定土壤中的氮素。

1.1.2作物長勢信息

作物長勢信息主要包括作物生長狀況(株高、葉面積指數、生物量、倒伏面積等)、養分脅迫和產量等信息，目前多采用高清數碼相機、多光譜相機以及熱像儀等傳感器進行測定。楊貴軍等研發了一套農業多載荷無人機遙感輔助小麥育種信息獲取系統，可以實現冠層葉面積指數、作物倒伏面積和產量的高通量數據獲取。孫紅等基于作物在紅光范圍660 nm附近的光譜深吸收和近紅外850 nm附近的光譜強反射特征，設計了一種采用主動光源的雙波長便攜式葉綠素含量檢測裝置，可以高效檢測作物葉綠素含量。楊燕瓊等采用衛星、高光譜儀和3CCD攝像機多信息融合技術，進行了水稻生產過程中的葉綠素含量、葉面積指數測定以及生物量和產量估測，估產方程的復相關系數均大于0.92，精度均在89%以上。汪沛等采用無人機遙感平臺獲取水稻冠層圖像，提出了基于矩形約束對低空多光譜圖像存在的桶形畸變進行校正的方法，該校正方法解決了沒有或缺少地面控制點的圖像校正的困難。臧英等建立了基于標準種植比值法的水稻養分信息快速解析和施肥決策模型，通過與已有標準種植模型比對的方式生成施肥處方，該方法可以有效地減少施肥決策中對土壤肥力數據的依賴，提高了管理決策的效率。

在作物長勢信息的快速獲取和解析處理中，傳統的航天、航空遙感技術存在氣象影響因子多、周期長、分辨率低等問題，尤其在廣東等南方地區，適合遙感的無云氣象條件的時間窗口期更少。采用無人機進行作物長勢信息的近地遙感獲取，可彌補現有航天、航空遙感技術的不足。受載荷量及滯空時間的限制，無人機掛載的遙感傳感器要求質量輕、體積小。此外，受航空管制的影響，飛行高度通常比較低，這就決定了無人機低空遙感單張影像的覆蓋面積難以達到傳統航空航天的遙感覆蓋面積。按照傳統的做法，遙感監測66.67 hm2，拼接前的影像采集量可達5 000幅，普通圖形工作站完成校正、拼接及解析等處理工作需要5 h以上。而作物的田間管理對農時要求通常時間比較短，需要即時生成作業處方圖，遙感信息的獲取和解析處理需要有較高的實時性才能滿足實際生產的要求。Jiang等研制的遙感傳感器可以提供與專業級高光譜儀器和多光譜相機相近的反射率和輻射照度測量精度，在水稻長勢信息解析中，該研究信息解析數據量可達534.6 hm2/min，相比傳統方法，長勢專題圖的生成速率和變量施肥處方圖的決策效率大幅度提升。

1.1.3作物病蟲草害信息

作物病蟲草害的早期準確監測是精準噴施作業的基礎，對精準用藥和早期防治具有重要意義。作物光譜反射特性與作物葉綠素含量具有高度相關性，當植株遭受病蟲草害時，可以通過光譜的方式進行檢測。目前，常用的作物病蟲草害監測方式主要有光譜檢測法、圖像識別法和電子鼻檢測法等。袁媛等利用R分量和中值濾波進行圖像預處理，并采用支持向量機的方法對水稻紋枯病進行分類識別。劉又夫等對褐飛虱Nilaparvata lugens(Stal)誘導的水稻冠層熱圖像溫度特征變異評估方法進行了研究，將水稻冠層的溫度特征作為輸入向量，對水稻受褐飛虱侵害狀況測試集判斷的精準率達到87.15%。He等采用深度目標檢測網絡對水稻局部圖像中的褐飛虱進行檢測和計數，提出雙層R-FCN網絡的褐飛虱檢測和計數算法，可以有效提升算法的召回率，召回率可達60.44%。鄧向武等基于多特征融合的DBN模型和深度置信網絡對稻田苗期雜草進行識別，識別率為91.13%。Liu等采用深度卷積網絡對5 136幅圖片進行了蟲害識別(12種水稻蟲害)，準確度約為95%。李澤軒收集并整理了包含15種病害和22種蟲害的水稻病蟲害數據集，在深度殘差網絡的基礎上提出了改進算法FRNet，對水稻病蟲害的識別率超過了80%。李梓和建立了一個包含8種稻田雜草的目標檢測數據集，針對稻田雜草數據存在復雜背景以及目標相互遮擋等問題提出了Det-ResNet，檢測精度達到了91.6%，并提出了一種輕量化的RetinaNet檢測模塊Efficient retinahead(ERetina-Head)，可以使模型的檢測精度提高1.2%。

1.1.4農田障礙物目標識別與定位

農田中存在著各種障礙物，影響了智能農機的正常作業，并存在安全隱患，因此，智能農機必須具備障礙物識別與檢測的能力。在智能農機對障礙物檢測的研究中，按照所使用的傳感器種類可以將障礙物檢測分為基于超聲波、毫米波雷達、激光雷達、機器視覺以及多傳感器融合等多種方法。賈闖等研制了山地果園單軌運輸機超聲波避障系統，在一定條件下，該系統能夠識別軌道上的障礙物和軌道旁的非障礙物，提高了單軌運輸機無人駕駛運行時的安全性和可靠性。王水滿基于單線激光雷達傳感器進行了無人機360°全方位障礙物檢測與識別，根據獲得的障礙物信息和無人機的狀態信息，實現無人機的自動避障。高振海等采用自適應卡爾曼濾波算法對毫米波雷達數據進行分析，估計前方目標的運動狀態，估計結果精度較高且濾波收斂穩定。基于深度學習的目標檢測算法根據候選框的生成方式，分成一階段(One-stage)目標檢測算法和二階段(Two-stage)目標檢測算法：一階段目標檢測算法的代表有YOLO系列和SSD系列等，一階段目標檢測算法計算量小、檢測速度快，但準確率較低；二階段目標檢測算法的代表有R-CNN、Fast R-CNN和SPP-NET，二階段目標檢測算法的計算量大、檢測速度慢，但準確率高。蔡舒平等對YOLOv4目標檢測模型進行了改進，改進后的模型參數減少，檢測速度提高了29.4%，魯棒性強、實時性好。馬佳良等在傳統的Fast R-CNN基礎上，提出了Accurate R-CNN目標檢測框架，可以在不同數據集和不同的任務上取得良好的檢測效果。

單一的傳感器在智能農機的環境感知中具有局限性，一般都將多個傳感器信息進行融合檢測。目前比較常用的多傳感器信息融合的方法有激光雷達與視覺融合、毫米波雷達與視覺融合等融合方式。薛金林等將攝像機與激光雷達的信息進行融合、實現了智能農機車輛前方障礙物的實時檢測。譚力凡利用毫米波雷達與機器視覺數據進行特征級融合，先從毫米波雷達數據中獲取感興趣區域，再通過坐標系轉換和時間數據融合，基于圖像處理技術，實現了對目標物的檢測與識別。

1.2 自動導航

自動導航是智能農機的核心。我國農機導航的研究起步較晚，但經過10多年的努力，我國農機導航取得了長足進展，目前與世界上先進水平基本上處于“并跑”的態勢。華南農業大學、上海交通大學、國家農業信息工程技術研究中心、上海聯適導航技術股份有限公司和濰柴雷沃重工股份有限公司等單位為我國農機導航技術的發展作出了重要貢獻。針對我國地域廣、作物品種多、作物環境和種植制度復雜等問題，我國農機的自動導航與作業需要重點解決導航定位、導航控制和系統集成三大難題，華南農業大學等單位對此進行了系統深入的研究并取得了重大突破。目前，我國已研制出了適應旱地和水田不同作物的耕、種、管、收等作業環節的電液轉向和電機轉向的農機北斗自動導航產品，達到了國外同類產品先進水平，可滿足無人農場生產的需要。

1.2.1導航定位

針對復雜農田環境和農機作業工況嚴重影響農機姿態測量精度的問題，黃培奎等將北斗和慣性傳感器相結合，設計了外部加速度補償的卡爾曼濾波算法，俯仰角平均誤差從2.00°降低至0.55°，航向角測量精度由5.0°提高至0.3°。針對作業環境復雜、單一傳感器精度有限的問題，朱忠祥等[55]采用多傳感器信息融合的方法，利用各傳感器的優勢特征，構成數據冗余或數據互補，以陀螺儀、加速度計和電子羅盤設計了農機的航跡推算系統，結合GNSS系統的絕對定位信息，利用卡爾曼濾波融合方法，獲得了較好的定位測姿精度。針對復雜農田環境中衛星信息遮擋、電磁干擾和衛星定位精度降低的問題，張聞宇等[56]采用基于北斗和MEMS慣性傳感器的線性時變自適應卡爾曼濾波算法，在RTS差分信號丟失30 s內導航系統定位精度(REM)仍可保持在3 cm以內，顯著地提高了導航系統的斷點續航能力。

1.2.2導航控制

針對不同作物、不同生產環節和不同地塊的導航作業路徑需要優化規劃的問題，孟志軍等[57]提出了面向自動導航和農田全區域覆蓋作業路徑優化規劃方法，實現了農機自動導航系統最優作業方向計算和路徑自動生成。針對農田起伏多變，現有農機自動導航系統的控制精度和上線速度不能滿足精準作業要求的問題，王輝等采用由預瞄跟隨控制器、前視距離自適應調節器、狀態預估器和抗飽和變速積分器構成的農機導航復合路徑跟蹤控制器，顯著地提高了農機導航系統的控制精度和上線速度；針對水田側滑嚴重、農機俯仰橫滾變化頻繁且幅度大的問題，在農機導航復合路徑跟蹤控制器中增加側滑估計補償器，顯著地提高了農機導航系統的水田抗側滑干擾能力。針對現有農機導航系統缺乏避障功能，影響農機自動導航作業安全的問題，苗峻齊等采用基于激光雷達的農田障礙物識別與定位三次樣條函數的路徑規劃和純追蹤算法的路徑跟蹤控制，開發了農機自動避障技術，可以準確識別和繞行農田典型障礙物。針對現代農業生產中需要多機協同作業技術支撐的問題，張聞宇等采用基于無線自組網絡的主從裝備平行跟蹤導航控制技術，使主從裝備旋耕和收獲作業直線行走段的橫向位置誤差小于5 cm、縱向跟蹤誤差小于10 cm。

1.2.3導航集成

針對現有農機缺乏自動導航作業的底盤線控裝置的問題，開發了適用不同農機的車載線控控制裝置，滿足了農機自動導航作業的控制要求。提出了行為決策、動作規劃和反饋控制的多層智能控制策略與方法，智能決策自動導航作業控制量，可以滿足不同種類農機自動導航作業的需要，基于SAE J1939和ISO 11783總線標準，制定了團體標準，實現了農機自動導航作業系統的有效集成。

1.3 精準作業

1.3.1精準耕整

精準耕整的目的是為作物生長提供良好的種床。智能耕整農機應能根據作業的種植農藝要求和土壤質地對作業機具的位置、姿態、壓力和作業深度等進行精準控制。目前，液壓系統、傳感器和電子控制系統已廣泛應用于各種耕整機械中，大大提高了耕整機械的智能化水平。國內外耕整機械的發展方向是多功能、復式作業、大型化和精量化，對智能化水平提出了更高的要求。

農田精準平整是精準耕整的重要環節，華南農業大學和中國農業大學成功研制出與插秧機頭和拖拉機配套的水田激光平地機和旱地激光平地機，平地時平地鏟的高程和水平可同時調整，平整后水田平整精度小于3 cm、旱地平整精度小于5 cm，大大提高了水肥利用率，提高了作物產量。采用衛星信息控制的平地機已投入生產使用。

土壤深松是一種國內外公認的提高土壤耕作質量的先進技術，也是我國農業農村部重點推廣的先進技術之一。孟志軍等成功研發出土壤深松系統，該系統采用衛星定位系統和耕深測量系統，可同時準確測定土壤深松的深度和面積。

1.3.2精準種植

“秧好半年禾”，精準種植是農作物的關鍵之一。智能種植機械能夠根據不同作物生長特性、土壤特性和種植時的氣候情況實現精準播種和移栽，包括開溝寬度和深度，同步施肥方式，行距、穴(株)距，播種量和覆土深度等。直播和移栽是最常見的2種種植方式。對播種精度要求最高的是超級雜交稻、玉米、大豆、棉花(都要求每穴播1粒種子)以及一些園藝作物和經濟作物。排種器是智能播種機械的核心，由于不同作物種子的大小、形狀各異，對排種器的要求各不相同，常用的排種器有機械式和氣力式2大類，目前，我國這2類排種器的研究與國外的先進水平不斷縮小，部分已達到國外先進水平，如勺輪式、指夾式和氣力式玉米精量排種器基本上與國外處于“并跑”水平。氣力式排種器對種子的大小、形狀要求不嚴格，適合形狀不規則的種子，可以實現高速播種，播種精度高，株距均勻，廣泛應用于各種智能播種機中。華南農業大學采用型孔輪式和氣力式排種器，研制成功同步開溝起壟穴播、同步開溝起壟施肥穴播和同步開溝起壟噴施穴播的“三同步”水稻精量穴播機，實現了行距可選、穴距可調、播量可控和仿形作業，在國內26個省市推廣應用，取得了一批高產記錄，在新疆水稻產量超過15 000 kg/hm2。采用電機驅動代替地輪驅動排種器，在播種機上加裝播種量檢測和調控系統以及補種裝置，可以在播種時同步施肥和噴施農藥，該技術的應用范圍不斷擴大，部分地區已經普及。

采用移栽作業方式的作物主要有水稻、蔬菜以及一些園藝作物和經濟作物。目前，我國作物移栽技術研究取得重大進展，與國外基本上處于“并跑”的態勢，特別是水稻插秧機，通過采用毯狀苗、缽體苗和毯狀缽體苗，實現了不同品種水稻的精準移栽，插秧時同步施肥，該技術正在逐步普及。油菜移栽技術也取得重大突破。

1.3.3精準田間管理

田間管理主要包括水、肥、藥的管理。精準施肥主要包括基肥和追肥。作物種植前精確獲取土壤中的養分情況是精準施基肥的前提。目前，田間實時在線測量土壤中氮磷鉀的技術尚未取得實質性突破，主要是利用衛星定位信息田間取土并在實驗室分析獲得土壤中的養分分布圖；根據養分處方圖，采用智能施肥機實現精準施肥。精確獲取作物的長勢和養分脅迫情況是精準施追肥的基礎。目前，國內外眾多學者采用光譜技術獲取作物長勢信息的研究取得了一定進展。李克亮等在廣東早稻生長中根據水稻長勢采取精準施肥，產量增加9.27%。

精準施藥的機械主要包括地面施藥機械和航空植保機械，根據獲取的作物病蟲草害信息制定的處方圖，進行精準對靶變量噴施。噴霧壓力可調、噴霧流量可調等先進技術已廣泛應用于地面施藥機械和航空植保機械中。高地隙寬幅噴桿噴霧機已得到了廣泛應用，通過變軸距調節技術，可以適應多種耕地和不同壟距的作業需要。袁琦堡等成功研究出自動混藥技術，水箱、藥箱和混合器分別設置，根據病蟲草害信息和噴施處方圖在田間作業時實時混藥，實現了藥液濃度和噴量自動調節。航空植保技術近10年來在我國得到了快速發展，成為大田作物植保的主流技術之一，2020年，無人機植保作業面積超過0.67億hm2，田塊邊界自動識別、作物路徑自動規劃、高效低污染施藥、多機協同作業等先進技術等得到了廣泛應用。

精準灌溉技術在國內得到了廣泛應用。在土壤中設置傳感器，精確獲取土壤中的含水量，根據作物不同生長期的需水規律，進行精準灌溉，可實現水肥藥一體化灌溉。實踐表明，精準灌溉可大幅度減少用水量，提高作物產量。徐剛等采用物聯網技術和傳感器網絡采集農田的溫濕度和光照強度等參數，以此優化灌溉策略。阮俊瑾等設計了一種能實現灌溉、混藥和施肥一體的球混式水肥灌溉系統。

1.3.4精準收獲

對精準收獲的基本要求是根據作物成熟度適時收獲，根據作物長勢和產量自動調節收獲機前進速度、割臺高度、脫粒滾筒轉速和清選等工作參數，對各部件工作狀況實現監控、顯示和報警。目前，國內外的收獲機普遍采用電子和液壓技術，實現了上述功能，還可以生成產量分布圖。陳進等采用圖像處理的方法，對收獲的水稻成分進行在線識別，破碎籽粒、稻稈雜質以及稻梗雜質的綜合評價指標分別達到92.92%、90.65%和90.52%，為調節作業參數提供了依據。麻芳蘭等設計了一種以切割系統負載壓力作為反饋信號的甘蔗收獲機入土切割切深自動控制系統，切割器可隨負載壓力的變化而調整切割深度，入土切割深度達20 mm左右，調整誤差為2 mm左右。張光躍等研制了一種基于壓電陶瓷傳感器的清選損失率在線監測系統，實現了聯合收獲機工作過程中谷物損失率的實時監測，測量誤差小于4.1%。

張漫等在收獲機上安裝產量傳感器和衛星定位信號接收裝置，生成了我國首張小麥產量分布圖。我國濰柴雷沃公司、中國一拖集團有限公司和沃得農機公司等一些農機企業生產的收獲機已開始安裝谷物產量、含水率、流量、損失率和含雜率傳感器，提高了智能化水平。濰柴雷沃公司研制的玉米穗莖收獲機，可一次完成玉米果穗摘取、輸送、剝皮、莖稈切割等功能，具有果穗損傷率低、莖稈喂入均勻、切碎質量好、功率消耗小等特點。中聯重機的AS60型甘蔗收獲機實現了衛星定位和自動導航等功能[94]。

1.4 智慧管理

智能農機的智慧管理包括遠程監控農機作業位置、作業速度和作業質量，遠程監控農機作業工況并進行故障預警、指導維修和農機遠程調度。目前，各種智能農機上都安裝有GNSS裝置，農機開始作業就可將農機的位置和作業軌跡實時發送至農機管理中心和農機生產企業，并支持農機作業歷史數據記錄與軌跡回放，而裝有質量監控傳感器的智能農機可同時發送作業質量的相關數據，包括耕、種、管、收各環節的作業質量。通過安裝在農機上的各種工況傳感器，農機管理中心和農機生產企業可遠程監控農機的實時工況，如拖拉機的發動機參數、PTO轉數、行駛速度等，收獲機的發動機參數、割臺高度、實際割幅、脫粒滾筒轉速、清選風扇轉速、凈糧升運速度和谷物流量等，播種機的播種量、播種堵塞狀態和播種深度等，施肥機的施肥輪轉速、施肥量和堵塞狀態等，噴霧機的噴霧壓力、藥液流量和噴頭區段狀態等。將所獲得的各種工況信息與數據庫中的相關數據自動進行對比，如出現異常，即向農機駕駛員或無人農場管理中心發出預警信息，比如發現收獲機脫粒滾筒轉速降低過多，就立即建議降低收獲機前進速度或減小割幅，以防止堵塞；出現故障，就指導駕駛員或相關人員進行排除或維修；出現較大故障，就通知農機所在地的維修站人員前往維修。通過遠程監控智能農機的位置和作業速度，根據最小轉移路徑原則，可以對農機進行遠程調度。

王慧平采用Java語言和ArcGIS等開發工具，結合ArcGIS JavaSrcipt AP1、Ajax及JSF等關鍵技術，設計了一種基于WebGIS的農機遠程監管服務系統，實現了農機實時跟蹤、農機歷史軌跡回放、農機作業任務報單、農機作業任務計量和農機作業工況報單等功能，能夠及時獲取和有效管理農機作業現場各類數據，實現了農機信息采集、傳輸、分析和訪問的集成化。謝婷婷[98]開發了一套基于遺傳算法(Genetic algorithm，GA)的農機作業調度系統，提出了一種改進的遺傳算法。系統還結合北斗衛星導航技術和地理位置信息系統，生成農機調度方案，實現了農機跨區作業調度。崔征澤[99]結合數據傳輸子系統、數據分析子系統以及監測管理子系統，設計了一種用于農機終端監測的物聯網應用系統，可以對農機終端數據進行收集、存儲和分析，并根據農機終端傳感器數據分析農機作業質量，實現對農機的高效管理。

華南農業大學集成相關的智能農機裝備，創建了水稻無人農場，并在廣東增城進行了實踐，2020年的中稻試驗面積為1.87 hm2，2021年的早稻和晚稻試驗面積為3.33 hm2。增城水稻無人農場從2020年5月3日開始旋耕，至8月30日收獲，歷時120 d，實現了水稻生產耕種管收全程無人作業。水稻無人農場的稻谷產量均高于當地的平均產量，表明了其巨大的發展潛力。2021年早稻生產采用優質絲苗米品種‘19香’，產量9 943.35 kg/hm2，高于當地的平均產量7 500 kg/hm2。2021年在廣東三水啟動了花生無人農場建設，產量3 164.10 kg/hm2，高于廣東省花生種植的平均產量2 400 kg/hm2。水稻無人農場具有耕種管收生產環節全覆蓋、機庫田間轉移作業全自動、自動避障異況停車保安全、作物生產過程實時全監控和智能決策精準作業全無人等5個特點。

2.1耕種管收生產環節全覆蓋

2.1.1耕整

采用無人駕駛旋耕機進行旱旋耕，直線行駛橫向誤差不超過2.5 cm，田頭轉彎對行誤差不超過3.0 cm。作業質量好、作業效率高，2021年在3.33 hm2試驗田中的旋耕作業效率可達到1.33 hm2/h。

2.1.2種植

采用無人駕駛直播機進行精量旱直播，這是華南農業大學近10年來在國內推廣的一種輕簡栽培技術，在新疆采用精量旱直播技術3年平均產量均超過15 000 kg/hm2[100]。播種時將水稻干種或浸泡24 h后的濕種(不催芽)直接播在播種機開出的播種溝中并覆土(2 cm左右)，然后上水5~10 cm；幾天后，待水自然落下后，稻種吸飽了水，土壤濕潤，稻種扎根出苗情況特別好。

2.1.3管理

在水稻生產前期采用無人機施肥和施藥，作業前先用無人機獲取水稻生長的養分脅迫和病蟲害情況，然后制定施肥和施藥處方圖，實現了精準對靶噴施。在水稻生長后期，采用無人駕駛高地隙噴桿噴霧機(地隙1 m、噴幅12 m)，霧化效果好、作業效率高，由于作業路徑采用了優化規劃方法，實現了噴霧時“不重不漏”。

2.1.4收獲

華南農業大學成功研制出2種無人駕駛主從收獲系統：第1種為隨車卸糧模式，作業時無人駕駛卸糧車與無人駕駛收獲機并行，在直線段卸糧，直線行駛時收獲機和運糧車橫向位置誤差不超過5 cm、縱向位置誤差不超過10 cm，可保證收獲機準確地將稻谷卸至運糧車中。第2種為等待卸糧模式，無人駕駛收獲機在田中收獲時，無人駕駛卸糧車在田邊等待；收獲機糧倉快滿時，通過云端服務器向卸糧車發出卸糧通知，卸糧車隨即自動行駛至收獲機旁邊，收獲機準確地將收獲的稻谷卸至運糧車中；卸糧后收獲機繼續收獲，卸糧車糧倉裝滿后自動開至田邊，將稻谷卸至運糧卡車中，由運糧卡車將稻谷運至干燥中心。在廣東增城水稻無人農場的收獲中，采用了第2種模式，即等待卸糧模式。

2.2 機庫田間轉移作業全自動

農機自動從機庫轉移至田間，完成田間作業后自動回到機庫。基于無人農場高精度數字地圖設計運移路徑關鍵點，自動生成直線行駛和圓弧過渡路徑，并采用預瞄點跟蹤方法實現高精度路徑跟蹤，采用路徑信息有限狀態機理實現機庫至田間的運移和田間作業的狀態切換。

2.3 自動避障異況停車保安全

智能農機裝有障礙物識別傳感器，識別到障礙物為移動式物體(如人、車、動物等)時，則采用等待模式，待移動式物體通過后再行駛；若是固定式的障礙物，則利用三次樣條函數的避障路徑規劃和純追蹤算法的路徑跟蹤控制，實現自動避障。作業時如遇異常情況，如機器故障(收獲機堵塞等)或信號問題(衛星或RTK信號丟失等)，則自動停車，并向管理中心發出警告信號。

2.4 作物生產過程實時全監控

在無人農場田頭安裝了多個監控裝置，可以全程全方位實時監控水稻生長過程中的長勢和病蟲害情況，并通過無線網絡傳輸至管理中心和相關人員的計算機或手機中，必要時，再輔以無人機拍攝全局和局部的各種信息。

2.5 智能決策精準作業全無人

根據作物的長勢和病蟲草害情況，結合專家知識，及時作出決策，并指揮相關智能農機進行精準作業，包括精準灌溉、精準施肥和精準施藥等。

農業的根本出路在于機械化，隨著工業化和城鎮化的發展，我國農業生產面臨勞動力短缺和老齡化的嚴峻挑戰。現代農業要求大幅提高勞動生產率、土地產出率和資源利用率，智慧農業技術可為“三率”的提高和現代農業建設提供強有力的科技支撐。

智慧農業是農業現代化的高級形式，依托生物技術、智能農機和信息技術建設的無人農場是實現智慧農業的重要途徑。具有智能感知、自動導航、精準作業和智慧管理功能的智能農機是建設無人農場的物質支撐。改革開放以來，我國農業機械化取得了巨大成就，智能農機裝備和無人農場技術也取得了一定進展。華南農業大學集成相關智能農機建設的水稻無人農場在智慧農業發展中表現出巨大的潛力，對我國無人農場建設起到了示范作用。

建設無人農場可有效緩解農村勞動力短缺的現狀，積極推進現代農業建設。無人農場技術可徹底將農民從繁重的勞動中解放出來，為解決“誰來種田”提供了重要的途徑。

目前，我國的無人農場建設剛剛起步，要實現大范圍推廣應用還需要解決以下5個問題：1)關鍵技術的突破，包括適應不同區域、不同地形、不同作物和不同種植制度的無人農場關鍵技術，特別是智能農機技術及集成和管控平臺；2)適應無人農場的經營規模和土地整治，要大力支持新型農業經營主體，擴大經營規模和加強土地連片整治；3)要因地制宜，探索各種適宜的無人農場建設模式和制定相應的標準；4)要加強無人農場建設需要的各類人才的培養和培訓，包括各種技術人員和經營管理人員；5)要加強無人農場建設相關政策制定，調動政府、企業和社會資金投資建設無人農場的積極性。

當前，以互聯網、大數據和人工智能為代表的新一代信息技術蓬勃發展，給經濟發展、社會進步和人民生活帶來重大而深遠的影響，也推動了農業機械化和智能化的快速發展，這都必將促進我國無人農場建設進入快速發展期，進而為我國現代農業發展作出重要貢獻。