2022人工智能智能農業(yè)白皮書

第1章智能農業(yè)發(fā)展背 第2章農業(yè)智能分 第4章典型農業(yè)機器 4.3.5存在問題與發(fā)展策 第5章農業(yè)精準作業(yè)技 第6章智能農業(yè)展 1人工智能（ArtificialIntelligence，AI）是研究、開發(fā)用于模擬、第一階段：萌芽期（207080年代末）芽。專家系統(tǒng)之父EdwardA.Feigenbaum（AgricultureExpertSystem）也稱為以知識庫為基礎的系統(tǒng)（KnowledgeBasedSystem,KBS，是一個（或一組）智能計算機程1978LPANT/ds。20世紀8080年代末，農業(yè)專家系統(tǒng)從單一的病蟲害診斷轉向生產管理、經濟分析決策、生態(tài)環(huán)境、農產品市場銷售管理等。如COMAX/GOSSYM是美國最為成功的一個農業(yè)專家系統(tǒng)，用于向棉家系統(tǒng)、溫室黃瓜栽培管理專家系統(tǒng)等。取得較大進展。1985年，Zayas等通過采集的種子圖像，利用種子表1986年，Gunasekaran等在對玉米籽粒裂紋的研究中發(fā)現(xiàn)，運用計算90%1984Thylor算機視覺技術應用于自動分級的可行性。在隨后幾年中，Thylor等不斷開展此方面的相應研究，但其分級效率仍較低。1985年，Sarkar取得了較好的精確度，但其速度較慢。1989年，Miller等在桃的分級業(yè)部的相關標準，并得到推廣應用。2080年代，我國農業(yè)專家2080年代初，浙江大學進行過蠶育種專家系統(tǒng)的研究，1985年第二階段：快速發(fā)展期（2090年代2090年代，伴隨著人工智能技術的蓬勃發(fā)展，人工智能在ESPRIT一些輔助農業(yè)專家系統(tǒng)開發(fā)平臺應運而生，如CALEXSELECT、PALMSMICCSFARMSCAPEPCYieldGLA&NUTBAL、分級方向，1992年，Liao等在玉米籽粒的分類中引入了神經網(wǎng)絡方法來提高其分類的準確率。1994年，Liao等對玉米粒的顏色及表面缺陷進行實時分級研究，其分級速度仍較慢。1997年，Ni等通過圖測精度及用時離實際應用仍有較大距離。1998年，Choi等將彩色圖年，Chtioui等以粗糙集理論作為模式分類工具，通過計算機視覺技工應用中，Ling1991年開始研究鮮蝦圖像的形態(tài)學特征和頻譜對顏色的識別來控制烘烤食品的質量，并取得了較好效果。Seida等出相關設備。在植物生長監(jiān)測方向，1995年，Shinizu等利用機器視1996年，Casady等利用數(shù)字圖像處理技術獲得了水稻植株的高度等R-G-B特征能很好地區(qū)分非植物與植物的背景，顏色分析識別小麥田間雜草的方法。1997年，Giles等研制出一種裝的位置以進行精準噴施。Burks等利用彩色共生矩陣法和神經網(wǎng)絡技域。1991Kubota公司成功研制出用于橘子采摘機器人的機械手。1995年，周云山等將計算機視覺技術應用于蘑菇識別，使蘑廣應用仍有一定距離。1996年，近藤等研制出采用雙目視覺方法定被莖葉遮擋時，機械手難以避開莖葉等障礙物完成采摘。1997年，5個農業(yè)智能系統(tǒng)開發(fā)平臺，70多個應用框架，23個省級應用示范區(qū)，取得了重大的社會能信息技術的應用發(fā)展。2003年12863電腦農業(yè)Chinaward本的不斷攀升，為農業(yè)機器人的進一步發(fā)展提供了新的動力和可能。費用通常占全程生產費用的50%荷蘭等國家已有初步使用。例如，200年，荷蘭農業(yè)環(huán)境工程研究nHntn等對溫室黃瓜收獲機器人機械手的運動結構進4臂4自由度PRR算機視覺的應用進一步成熟。到201年，potony采用神經網(wǎng)絡的方法對春、冬季不同質量等級的1個小麥品種進行試驗，使用圖像處理分析技術進行分類鑒別的準確率高達10%。近十幾年來，我國科研人員對計算機視覺技術在農作物種子質量檢測的應用方面作了大量研究。04年，周紅等運用計算機視覺技術提取玉米種子的外形輪廓，為玉米種子的進一步分級識別提供依據(jù)。208年，萬鵬等提出利用計算機視覺系統(tǒng)代替人眼識別整粒及碎大米粒形的方法，整米粒、碎米的識別準確率分別為867%、209%。在農產品分級分成果應用于實際生產中。2002年，un等成功研制出一種谷粒快20989%01年，tnkr等發(fā)現(xiàn)使用機器學習分類器doost和支持向量機(SuportetorahineSV)的方法可提高核桃分級檢測的精度。業(yè)航空是現(xiàn)代農業(yè)人工智能應用的重要組成部分，農業(yè)無人機在美分析及規(guī)劃、農田噴灑方面的研究等多個方面。我國自2008年無錫主要應用在土壤濕度監(jiān)測、農田噴灑、植被覆蓋度的監(jiān)測等方向7]。在這一時期，特別是209年“感知中國”的目標提出后，作為入融合，人工智能成為核心技術承擔優(yōu)化、決策的任務。2010年國（1.0（2.0智能化農業(yè)信息技術研究始于80年代初，包括施肥專家咨詢系智能農業(yè)的出現(xiàn)為現(xiàn)代農業(yè)的發(fā)展指明了方向9-1技術的應用較發(fā)達國家要落后20農林科學院聯(lián)合實施的大型定量遙感聯(lián)合試驗和北京農業(yè)信息技術研究中心，根據(jù)國家973項目與智能農業(yè)示范項目的總體要求，在驗數(shù)據(jù)。但目前我國關于智能農業(yè)的研究應用還處于起步階段。上，首先發(fā)展3S集成技術，開發(fā)應用軟件，再研制智能控制的裝備2生產過程中的科學化管理、精準化監(jiān)控和智能化決策；農業(yè)水資源、供應鏈與溯源等精準定位與智能服務；設施監(jiān)控和農業(yè)裝備智能調度、遠程診斷、設備運行和實施工況監(jiān)控等。WEB信息資源為對象，以信息檢索的農業(yè)網(wǎng)絡數(shù)據(jù)挖掘工具的典型代表有美國農業(yè)網(wǎng)絡信息中心（AGNIC）AgriscapeSearchHyltel程技術研究中心的“Agsoso”等。最早網(wǎng)絡數(shù)據(jù)抓取采用基于HtmlWeb信息抽?。╓ebInformationExtraction）使“Agsoso”等工WebWeb頁面所包含的非結構或半結構的清晰的格式。常用的信息抽取模型有基于隱馬爾可夫模型HiddenMarkovModel（HMM）的抽取方法，該方法要求大量的訓練實例，Web頁面格式無關，但本體庫的構建工作量非常大；基596.8TB美國的農場主通過安裝ClimateCorporation公司的氣象數(shù)據(jù)軟SolumFarmLogsPad就可以實現(xiàn)上傳目前農業(yè)感知大數(shù)據(jù)挖掘主要還是針對不同領域利用數(shù)據(jù)挖掘量的數(shù)據(jù)預處理算法和數(shù)據(jù)挖掘算法;農業(yè)數(shù)據(jù)挖掘服務則以服務的形式提供了針對不同領域、不同用戶的個性化數(shù)據(jù)挖掘與推薦方法。40萬種，人們可以通過數(shù)據(jù)挖掘技術根據(jù)豐富的種植經驗和積累從6-x-1施肥模型，通過收集來自于試驗田不同養(yǎng)分的測試點的數(shù)據(jù)，出蝗蟲爆發(fā)的程度空間分布圖來對其進行統(tǒng)計預測。根據(jù)山東省1999-2013年玉米田第四代棉鈴蟲發(fā)生程度采集的數(shù)據(jù)，采用支持向數(shù)據(jù)挖掘在養(yǎng)殖管理中的應用。采用聯(lián)機分析處理（On-LineAnalyticalProcessing,OLAP）技術切片、鉆取和旋轉多維數(shù)據(jù)，挖掘是巨大的挑戰(zhàn)，導致有效的農業(yè)知識無法得到有效的應用。隨著Internet的發(fā)展，農業(yè)知識共享和交互需求越來越廣泛，使得面向農FAO（FoodandAgricultureOrganization）農業(yè)本體的農業(yè)詞全領域本體和食物、營養(yǎng)與農業(yè)本體等原始本體。Lauser等構建了生建提供了依據(jù)。Maliappis針對園藝學領域構造了本體模型，Kokla研XML文件，另一方面將注冊信息加入資源索引表，建立關鍵描述字OWL在本體與本體、本體與信息源的映射中解決。資源的有效定位、自動檢索、推理與交互問題。查詢條件由Web本譯器，轉換為用Web本體表示的查詢條件表達式。該查詢條件表達1000億元人民幣，對農業(yè)生產造成了基于機器視覺的農業(yè)病蟲害自動監(jiān)測識別系統(tǒng)框架如圖2-12-1Matlab進行害蟲圖像處理，并將害蟲識別算法編譯生成動態(tài)連接庫，然后在Visualstudio.Net平臺下進行調用；在Visualstudio.Net平臺中應用支持向量機進行害蟲種類識別，完成系

2-2

2-2所示，圖像采集箱主要包括可調節(jié)支架、工業(yè)相機SV2001GCWf=3.2。圖中參照物采用的是黃色乒乓球，用2-32-42-4a為簡易150圖2-4b為自動更換粘蟲板的害蟲監(jiān)測裝置，該裝置包括誘捕部a簡易害蟲自動監(jiān)測裝置 圖2-4基于機器視覺的害蟲監(jiān)測裝置440×355大小的范圍進行處理。由于監(jiān)測裝置在田間HSV顏色空2-52-5a2-5b為梨小食心蟲圖像，將圖2-5d。a背景圖 b害蟲圖c差分圖像 d靶標害蟲分割圖像圖2-5基于圖像差分的害蟲分割構建害蟲識別模型，實現(xiàn)靶標害蟲種類的區(qū)分[23]Matlab環(huán)境積、周長、標準積、延伸率、復雜度、占空比、H、S、V92-6害蟲識別與計數(shù)[25-27]2-7所示為梨小食心蟲圖像識別與計數(shù)軟件界面圖。選擇常見的果樹害蟲梨小食心蟲Grapholithamolesta(Busck、桃蛀螟Conogethespunctiferalis(Guenee、蘋小卷葉蛾90%以上。圖2-7動物行為學（thoogy）是專門研究動物行為的學科，以研究動物與環(huán)境和群體內個體之間的關系以及和其他生物的互動等為主要行為的控制及社會性組織等方面研究進行了擴展[28。（只咀嚼行為等識別的基本單元的參考模板結合在一起形成參考模式庫；在識別階配，找出最相近的參考模板對應的基本單元。相對薄弱。德國BiobserveTrackit系統(tǒng)，分別從23維的奶牛監(jiān)測系統(tǒng)通過在奶牛頸部安裝無線傳感器節(jié)點獲取奶牛的體牛發(fā)情以及健康狀態(tài)等進行自動識別。加速度傳感器采集動物行為數(shù)據(jù)并通過分析處理后來識別其活絡傳輸通信技術驗證了4種基本行為（走、跑、跳、靜）的監(jiān)測。（ondstrutveDtrintionhnologi,N）是一門新興的綜合性應用學科，它是在不損壞被檢測對象的前提下，電學特性分析法、電磁與射線檢測技術等五大類，涉及近紅外光譜、（diorqunyIdntifitiontrintionFI波、核磁共振、X光成像、X光衍射、機器視覺、高光譜成像、電子（煙（力等類型的能量，利用相應的傳感器得到從檢測對象中輸出的能量，將輸出能量與對象品質有關的物理化學信息進行關聯(lián)并建立數(shù)學模（即在無損狀態(tài)下檢測出定性或定量的品質信息[41（所用的對象可以反復（（3（操（）節(jié)約試劑，綠色、環(huán)保。計算機視覺是以計算機和圖像獲取部分為工具，以圖像處理技進而實現(xiàn)外觀質量的綜合評價[44光區(qū)域，而且擴展到了紫外、近紅外、紅外等區(qū)域。X光譜成像技術（SpectralImaging）是20世紀80年代發(fā)展起來的新2-1無損檢測技術是一門新興的科學檢測技術，以多學科交融為基動控制技術以及計算機技術在農產品無損檢測中將發(fā)揮越來越重要3DSS理信息系統(tǒng)（ManagementInformationSystemMIS）理論基礎上發(fā)展基礎數(shù)據(jù)（氣象、土壤、品種、種植、經濟及地圖等數(shù)據(jù)）的特征，以及“”技術的實時定位監(jiān)測與分析功能進行融合，具有綜合性、物生長狀況作出實時預測并提供優(yōu)化管理決策，實現(xiàn)作物生產的高和重要支柱。了的水稻計算機模擬優(yōu)化決策系統(tǒng)（RiceClutivationalSimulationRCSODS和機理性的統(tǒng)一。隨著未來作物模型機理性研究不斷的拓寬未來的作物生產決策支持系統(tǒng)將更需要注重系統(tǒng)的實用性及使用的要研制多作物、多年連續(xù)的生長管理決策支持，作物生長模型規(guī)則：IFV(蔬菜作物)∧T(發(fā)病時期)∧P(發(fā)病部位)∈αThenIF病斑形狀：多角形（0.3）∧病斑顏色：黃褐色（0.08）∧發(fā)采用模糊均值聚類算法（y-anslgorihm,FM）來對農業(yè)病害進行診斷，聚類以后根據(jù)隸屬度矩陣R值以及聚類中心C把（腐爛程度稍微五個級別。（1術研究、產品研發(fā)、平臺建設、應用示范為一體的發(fā)展技術路線56目前我國水產養(yǎng)殖管理專家系統(tǒng)所存在的挑戰(zhàn)主要表現(xiàn)在農業(yè)物聯(lián)網(wǎng)關鍵技術不成熟、產業(yè)化程度低、標準規(guī)范缺失等方面。3-1疾病預警主要包括分為水環(huán)境預警模塊和非水環(huán)境預警模塊兩約化養(yǎng)殖的主要影響因素為溶氧、水溫、鹽度、氨氮、pH、等水環(huán)綜合多個水產養(yǎng)殖專家的意見，來確定每個水質參數(shù)的無警、中警、素超過確定的警限就輸出相應的預警預案。3-2約在40國需要飼養(yǎng)較多的繁殖母豬才能保證出欄商品豬的數(shù)量?？傮w而言，平仍遠遠落后于歐美等發(fā)達國家。據(jù)gri-stts2010年提供的母豬生產力行業(yè)基礎報告，在國際上母豬繁殖力即生產力較高的國家如荷232之間，一年能夠提供的斷奶活仔數(shù)高達246頭，母豬死亡率為6，斷奶日齡提前到185kg及豬肉數(shù)量的穩(wěn)定供給，維護了豬肉價格的穩(wěn)定。（p<0.05該智能設備的先進性在于結合了不同哺乳母豬個體及哺乳仔豬實現(xiàn)基于哺乳母豬個體營養(yǎng)需求的差異性飼喂。創(chuàng)新性在于：來，最大限度滿足哺乳母豬對養(yǎng)分需求的動態(tài)變化；環(huán)境監(jiān)測系統(tǒng)基于ARMM3針對民族地區(qū)群眾在應用農業(yè)信息技術過程中的特殊性和薄弱統(tǒng)計機器翻譯的編/解碼器技術、民族語言顯示和編碼轉換技術、軟處理與知識管理平臺”進行多民族語言知識獲取、多語言文字適應、/維和漢以農業(yè)術語為樞紐，借鑒土耳其Bilkent大學Guvenir&Cicekli的TTL(TranslationTemplateLearner)啟發(fā)式方法，從兩對互譯的漢民雙采用統(tǒng)計機器翻譯領域公認的成熟開源語言模型訓練工具漢/蒙農業(yè)咨詢即時翻譯系統(tǒng)的實驗，針對蒙文的特點，該平臺前期的錯誤率驅動算法實現(xiàn)。3-53-6用于漢蒙翻譯，同樣還可以應用在其他雙語（如漢/藏、漢/傣、漢/維和漢彝等3-73-83-93-10農業(yè)空間信息決策支持系統(tǒng)是指利用遙感（RemoteSensing,RSGIS航定位系統(tǒng)（GlobalNavigationSatelliteSystemGNSS、計算機通訊（1）面向各級動物疫病防控部門的重大動物疫病防疫和應對疫病突發(fā)事件的應急決策服務，集網(wǎng)絡IS、PS、計算機網(wǎng)絡和現(xiàn)代通信與分析等功能。于網(wǎng)絡GIS技術和WebServices技術，采用模塊化、低耦合度、開放性要解決這些問題，還需進一步深化空間信息技術和現(xiàn)代農業(yè)信息融合，為現(xiàn)代農業(yè)空間信息決策提供技術支撐。4（Alpha（Deep4-14-2BoniRob4-3嫁接機器人是采用工業(yè)化流水線模式替代人工嫁接作業(yè)的機器響。100100株/h率95以上，半自動嫁接生產效率為30040株/h，成功率98以上。世紀9年代初到世紀初，主要由研究所、日本洋馬公司、生研機構等單位主導[6,7]。日本嫁接機器人具有如下特點（1以砧木和接穗穴盤整盤上苗為作（嫁接方法有貼接法和平接法（高、效率高、技術水平相對較高。212年荷蘭SOrou公司陸續(xù)開發(fā)出rf101001年意大利公司推出了fting00、PGFT50型系列嫁接機，設瞬干粘合劑固定嫁接苗。12年西班牙onic公司推出一種自動上硅表。4-4以上[73式和裝備，對于果蔬產品的安全供應和產業(yè)可持續(xù)發(fā)展具有重要意義。（1）（3）而目前最接近商業(yè)化的可能是岡山大學的KondoN等人研制的草莓的作業(yè)環(huán)境中，以柑橘收獲機器人為代表。美國的VisionRobotics公我國研制的番茄智能采收系統(tǒng)如圖45所示，系統(tǒng)主要由移動底4-5盡管當前國內外在采摘機器人樣機的開發(fā)和試驗應用取得了一求。主要原因在于：面對非結構環(huán)境下的具有生物特性的作業(yè)對象，工業(yè)化機器人技術在信息獲取和高效作業(yè)方面的應用受到極大限制。農田作業(yè)的重要條件。用的限制，并規(guī)劃在205年前將5～0%的土地實現(xiàn)有機種植，同時日益增加的市場需求也促進了該技術的發(fā)展[83加拿大以及中國等國也相繼開展株間智能鋤草的研究。202年瑞典哈爾穆斯塔德大學的strnd等研制了一種基于機器2厘米[83203年英國克蘭菲爾德大學oe研制了一種擺動株間鋤草系統(tǒng)，平均株距為0毫米，前進速度在4千米/小時以下時鋤草效果良好，8千米/小時情況下有17%的作物根區(qū)域被鋤刀入侵[84]。2014年西班牙塞維利亞大學的Pr1千米小時為最佳的工作速度，小時連續(xù)作業(yè)傷苗率為05[85。表明該方法檢測平均誤差±2毫秒86機械化科學研究院的毛文華等人采用基于多特征的田間雜草識別方89917~22毫秒[878[88中國農業(yè)大學黃小龍設計的一種旋轉盤株間鋤刀，鋤草率為88%，傷苗率為16%[89。機載體導航技術主要依賴S或機器視覺對載體進行路徑規(guī)劃和導偏差進行實時補償，橫向偏差可通過機器視覺和PS獲得。苗草信息獲取技術可分為3近距離傳感器檢測技術主要是通過使用近距離傳感對作物進行對機器響應速度提出更高要求；同時機器前進速度受到限制。根據(jù)株間鋤草裝置是否有動力源可分為被動鋤草裝置和主動鋤草裝旋轉，垂直軸旋轉方式包括帶豁口鋤刀、爪齒擺線鋤刀等。的問題主要包括（況，如雜草過多、作物過小等情況，復雜算法使圖像處理時間增加，系統(tǒng)實時性降低（（（液動鋤草系統(tǒng)油源易受污染。液壓供應主要通過拖拉機配備的液壓輸（）電驅和氣動鋤草系統(tǒng)，受到能源供給的限制，續(xù)航能力弱，不適宜大田鋤草作業(yè)（（1）（2）（4）（5）（6）（7）發(fā)達國家對農產品分揀機器人的研制起步早、投資大、發(fā)展快，0世紀8年代開始，發(fā)達國家根據(jù)本國實際，紛紛開始農產品分揀機器人的研發(fā)，并相繼研制出了適用于不同水果和蔬菜等多種農產品質量品質分級光電圖像識別和提升分揀機械組合裝置，把大的西紅柿和小的櫻桃大利IE公司開發(fā)出一系列用于水果及蔬菜采摘后進行體積、尺4毫米的水果分揀速度達到8個/秒，大于40毫米的水果達12個/秒。1995年美國研制成功的rlin4噸小時，計算機視覺技術的農產品尤其是水果外觀品質分揀技術與裝備研究已經較為成熟，公司主要有澳大利亞的Pgrdrs、法國f/oda集團、荷蘭ta集團、新西蘭opac公司、意大利尤尼泰克itgrop、荷蘭rf、美國FC和意大利Sao等。糖度、含酸度、蘋果中的糖蜜等多種指標，并推出袖珍式FRUIT5裝1998年日本MitsuiMining公司的Kawano等人研發(fā)了基于近紅外5在農業(yè)裝備中的應用，有效提高了農業(yè)裝備的作業(yè)性能和操作性能。在基于SS精密定位的農田作業(yè)機械自動導航系統(tǒng)研究方面，早在20世紀0年前，llrodt就開始了對農用車輛的自動導航的研究。最近2PPS、P衛(wèi)星自動導航中可以與地理信息系統(tǒng)（S）的數(shù)字地圖聯(lián)合使用，來確PS在農業(yè)車輛導航系統(tǒng)中被廣泛采用[104-106]。一種實時動態(tài)KPS（eliineticsifrntilPS能每隔0s2c。另一種基于載波相位的PPS（rrirPhseifrntilPS，誤差約為1nfor大學研究者率先把用于航天器的PPS引hnre780大型拖拉325/h時橫向偏差的標準差小于2cm。之后，許多研究者對基于PS的農RTKGPS棒性，Noguchi和Reid應用多傳感器融合技術，開發(fā)了一套集RTKGPS、陀螺儀和機器視覺于一體的拖拉機自動導航系統(tǒng)。德國Hohenheim大學采用兩個Trimble7400型RTKGPS定位系統(tǒng)在飼料收傳感器信息融合方面取得了研究成果。芬蘭ModulaireLtd公司采用意預先給定的全局路徑作業(yè)。荷蘭農業(yè)與環(huán)境研究所采用RTKGPS±（50~100mm公司的OutbackS3自動駕駛系統(tǒng)由A220雙頻GPS接收器、OutbackS3農用導航儀和eDriveTC自動駕駛儀等組成，主要差分模式為OmniSTARHP/XP和SBAS/DGPS，行間精度是100mm。國內基于衛(wèi)星導航技術的農機自動導航系統(tǒng)的開發(fā)研究起步相9江大學對基于PS和傳感器技術的農用車輛自動導航系統(tǒng)進行了研S和固態(tài)慣性傳感器技術為農用作業(yè)機械提供亞米頻率，開發(fā)了基于PA模型和多傳感器信息融合技術的ln濾波器，仿真結果顯示，該ln濾波器可以提供高達50z的定位數(shù)據(jù)輸出頻率，定位誤差在01~5。華南農業(yè)大學將PS技術、計算機動力的農用智能移動作業(yè)平臺，以PS、電子羅盤為主要導航傳感器，在樣機模型上建立了PS導航控制系統(tǒng)，設計了基于預瞄跟隨國農業(yè)大學研究了在鐵牛4拖拉機上搭建PS自動駕駛系統(tǒng)的硬件組成及關鍵技術，重點設計了自動駕駛控制的軟件系統(tǒng)[10-15]。如我國拖拉機的平均無故障作業(yè)時間為10故障作業(yè)時間高于300間一般在30~40一般在~100h。廣泛應用現(xiàn)代信息、傳感與控制技術是國外農業(yè)裝備作業(yè)過程信號實時監(jiān)測也使得作業(yè)人員能使得作業(yè)裝備盡可能運行在最佳工況，這是提高設備壽命和無故障率的重要手段。電子駕駛操縱等系統(tǒng)來監(jiān)測控制隨機工作性能參數(shù)，如實際行駛速田研制的P0208半喂入式聯(lián)合收割機對輸送螺旋桿處堵塞、集裝箱北京農業(yè)智能裝備技術研究中心的鄧巍等通過優(yōu)化紅外發(fā)射電路上增加了凸透鏡和顏色傳感器及對紅外發(fā)射進行不同編碼的調制增加紅外探測的距離和精度。5-1AHRS5-2國外學者在激光靶標探測方面做了深入研究。萊里達大學的性。JoanRamon等同樣利用激光雷達進行了非破壞性的靶標體積測Index基于圖像處理的靶標探測技術主要采用CCD（ChargeCoupled長的趨勢，蔬菜播種面積以每年2%的速度增長，04年達到405萬公頃[14450達到4~倍[141控制）系統(tǒng)，極大地提高了灌溉施肥工作的效率和水肥管理水平化的產品已成規(guī)?；a[142,155,158。以色列Eldarshany公司提供FrtimixFertigalFertijet自動灌溉施肥器等產品，在先進的水、肥參數(shù)控制非常穩(wěn)定。荷蘭Prva公司的utrFit、utriflx和utrijt三種系列灌溉施肥機。全部實現(xiàn)了在水肥一體化工作的精確方案[167-16。作繁瑣，英文界面，技術門檻高[157-15]。國內正在開展自動化精量灌溉施肥機研制與開發(fā)，采用P（PrgrbleogicContrll）控制技術、PW（Pulseidthodultion）調節(jié)技術、模糊邏輯控制，156,163-165研制的S/pH[15,15,165-FWF好評。同時，應北京、寧夏、新疆等有機蔬菜生產基地的特殊需求，過可編程控制系統(tǒng)對有機營養(yǎng)液制備、營養(yǎng)液配比與灌溉的智能管養(yǎng)分淋洗損失、地下水污染等問題[141145,153。開發(fā)了基于物聯(lián)網(wǎng)技術模型為基礎的水肥一體化決策模型和水肥一體化裝備的配套高效高產栽培技術體系。實現(xiàn)大型設施蔬菜生產基地的水肥管理的互聯(lián)互低生產成本，提高設施蔬菜的產量和品質，提高園區(qū)綜合經濟效益，促進設施農業(yè)的信息化和智能化發(fā)展。合設施蔬菜溫室內實時獲取的環(huán)境因子數(shù)據(jù)，采用在線分析處理（On-LineTransactionProcessing,OLAP、多源數(shù)據(jù)回歸、數(shù)據(jù)智能當前設施蔬菜水肥一體化技術已經由過去局部試驗示范發(fā)展為華南地區(qū)利用灌溉注入有機液肥等技術形式使水肥一體化技術日趨豐富和完善。1994年，S.Blackmore首次闡述了利用信息采集技術輔助農業(yè)生21進了其在農業(yè)生產中的應用171,189效果和系統(tǒng)架構等都進行了大量的研究工作。歐洲的frgoProjt項目組利用無線傳感器網(wǎng)絡對農業(yè)環(huán)境中的殺蟲劑含量與土地肥力進行實時監(jiān)測[172208等研究了大田中作物生長及冠層對無線傳感器網(wǎng)絡信號傳輸?shù)挠绊憽?07年，onsttinos等研究在溫室信息采集和環(huán)境控制領域也獲得了廣泛應用[176]。09年，Ploski等提出了一種基于無線傳感器網(wǎng)絡事件驅動控制的溫室氣候監(jiān)控模擬方法[18]。韓國學者研究了基于無線傳感器網(wǎng)絡的溫室露點凝結預防監(jiān)測與自動控制系統(tǒng)。10年，rkr等預測到200年基于無線傳感器網(wǎng)絡的溫室小氣候智能控制將成為現(xiàn)實170。根據(jù)植物的需求調控微氣候環(huán)境因子和肥水供給是設施生產的物的生長關系更直接。A（SpkingPlntpproh）概念由shiotontuhlla09shioto等通過01（MultiplePlantStress,MIPS）應用與溫室植物監(jiān)測，通過圖像對植物早期病蟲質與產量的影響、光合監(jiān)測反饋等技術研究，具體采用荷蘭PHENOSPEX公司研發(fā)