智慧农业科研，发展大田作物智慧种植，掌握农业前沿科技

　　智慧种植

　　一、基于多种深度学习算法的田间玉米籽粒检测与计数

　　参与机构：中国农业大学智慧农业系统集成研究教育部重点实验室、中国农业大学农业农村部农业信息获取技术重点实验室、北达科他州州立大学农业与生物工程系、韩国江原大学生物系统工程系、韩国江原大学

　　为快速准确获取玉米收获过程中遗失籽粒数信息，进行收割损失调节等管理，对比不同目标检测网络对田间玉米籽粒计数的性能。该团队利用RGB相机获取数据集，构建籽粒识别的不同目标检测网络，进行训练、验证、测试，依据测试集图像的识别结果进行籽粒计数性能评价。

　　玉米粒

　　结果表明，YOLOv5-L网络对测试集图像检测的平均精度、模型尺寸、;籽粒计数的检测正确率、漏检率、F1值、处理速度、识别与计数等性能优于其他三种网络，并对具有不同地表遮挡程度和籽粒聚集状态的图像具有较强的鲁棒性，可实现实际作业中玉米收获损失籽粒的实时监测，精度高、适用性强。

　　二、基于植物功能-结构模型的玉米-大豆条带间作光截获行间差异研究

　　参与机构：中国农业大学土地科学与技术学院、浙江省农业科学院农业装备研究所、瓦赫宁根大学作物系统分析中心、新西兰植物和食品研究所马尔堡研究中心

　　针对间作种植中作物生长、表型和光截获的行间差异，解析条带间作生产力的行间差异，该团队研究基于田间观测数据构建植物功能-结构模型，量化间作系统中光截获的行间差异，并于2017—2018年开展了间作田间试验。

　　玉米大豆套种

　　田间试验结果表明，间作种植显著增加了玉米节间直径。受玉米遮阴影响，大豆节间变长、变细，且随大豆条带变窄差异越明显。基于三维FSPM，未来可进行不同生长环境下间作种植模式等的布局优化，以达到最佳系统光截获优势。

　　三、基于地物高光谱和无人机多光谱的黄河三角洲土壤盐分机器学习反演模型

　　参与机构：山东科技大学测绘与空间信息学院、滨州学院山东省黄河三角洲生态环境重点实验室、青岛农业大学农学院

　　针对黄河三角洲地区土壤盐渍化问题，该团队探索无人机影像在地表无植被覆盖条件下的土壤盐分含量反演状况，获取地物高光谱和无人机多光谱两种数据源与样点土壤盐分含量，通过优选敏感光谱参量，使用偏最小二乘回归和随机森林两种机器学习算法建立土壤盐分含量反演模型，实现研究区的土壤盐分含量反演。

　　土壤板结

　　本研究构建并对比了两种不同源数据的黄河三角洲土壤盐分反演模型，并结合各自数据源的优势进行优化，探索了地表无植被覆盖情况下的土壤盐分含量反演方法，对更精准反演土地盐渍化程度提供了参考。

　　四、大田无人农场关键技术研究现状与展望

　　参与机构：北京市农林科学院智能装备技术研究中心、智能农业动力装备全国重点实验室 、国家农业信息化工程技术研究中心等

　　无人农场，作为智慧农业的一种表现形式，建设农业强国的重要探索，和实现农业现代化的发展方向。以数据、知识和智能装备为核心要素，将现代信息技术与农业深度融合，实现农业全过程生产所需的信息感知、定量决策、智能控制、精准投入及个性化服务一体化。

　　智能农机

　　该团队从无人农场的概念、架构入手，讨论了信息感知与智能决策、精准作业系统与装备、自动驾驶、无人化农机装备，以及无人农场管控平台等关键技术与装备，分析了发展国内无人农场亟待解决的关键科学与技术问题。并以吉林省公主岭市玉米无人农场为例，论证了物联网、大数据、云计算以及人工智能等技术，在玉米全程无人化生产中的具体应用及效果。

　　根据已经发表的智慧农业科研论文，理想认识国内农业发展现状及存在的机遇和挑战，明确为了农业发展的战略目标与思路，掌握农业前沿知识。