Page 33 - 《武汉大学学报（信息科学版）》2025年第9期
P. 33

第 50 卷第 9 期             张  新等：北斗和遥感融合的智慧无人农场关键技术研究                                   1761


                3.3 智能决策与精准管理                                   业进入数据定义产量的新时代。
                3.3.1 耕种管收智能决策                                  3.3.3 全场景数字重构
                    智能决策是基于农情感知与精准监测结果                              通过全三维与特征知识孪生驱动的数字化
                对农场作业提供科学指导，包括耕整、种植、田间                          协同设计技术，研究无人农场全场景目标要素组
                管理和收获。                                          成体系及识别方法和农田立体环境参数与植物
                    1）耕整方案智能决策的关键在于合理规划                         生长模型结合的场景重构方法，围绕无人农场区
                田块布局和耕作方式。通过无人机航拍获取地                            域内的无人农机作业进行数字场景重构。研究
                面高程，结合土壤养分的分布划分田块，确保田                           内 容 主 要 包 括 农 场 场 景 重 构 、低 功 耗 物 联 网 通
                块连片面积尽可能大，提高机械化作业效率。耕                           信、作物生长模型构建 3 个部分。
                作方式应根据不同农作物对土壤结构的要求和                                围绕耕-种-管-收全过程实现全场景的数字
                地区耕种习惯进行个性化定制。                                  重构，主要分为 3D 建模、数字重构和设备交互 3
                    2）种植方案智能决策主要包括播种时间和                         个方面。结合农场实地场景、高精地图、农机、机
                播种密度。选择播种时间需要根据作物生长需                            具、物联网设备等，3D 建模技术首先获取所需建
                求和当地气温选择，并考虑气候因素（如晴天或                           模对象的三视图，然后基于这些视图构建模型的
                降雨前）；确定播种密度需要考虑行距、穴距、每                          初步轮廓，并逐步增加细节以形成高精度模型。
                穴种粒数和播种精度，可通过播种机具智能改造                           鉴于高精度模型的面数通常较多，直接应用可能
                和 BDS 定 位 技 术 实 现 精 准 的 穴 距 调 整 和 三 维           会 造 成 渲 染 上 的 负 担 ，因 此 需 要 对 模 型 进 行 简
                定位。                                             化，通过拓扑优化转换为低多边形模型。进行数
                    3）田 间 管 理 智 能 决 策 主 要 在 于 水 、肥 、药 3         字重构需要综合运用多种计算机图形学技术和
                个方面的精细化管理。首先是水的管理，要能根                           工具，从数据采集到模型构建再到纹理映射和材
                据作物生长情况和土壤墒情及时进行补水或排                            质 贴 图 等 各 个 环 节 进 行 精 细 化 的 处 理 和 控 制 。
                水，根据作物不同生长时期特性对土壤墒情进行                           数字重构的最终目的是实现交互式展示与虚拟
                调整，如小麦返青期及时灌溉对于促进根系恢复                           现实应用    ［42］ 。
                和生长至关重要       ［35］ 。其次是肥的管理，通过目标                    结合物联网传感器与通信技术，对无人农场
                产量和土壤氮、磷、钾含量计算施肥量，根据作物                          的土壤环境、气象环境、农业病虫害以及农作物
                各生长时期植株氮含量、叶面积指数等长势参数                           长势进行实时动态监测，形成智能感知网络。物
                构 建 施 肥 模 型 来 调 整 施 肥 量 和 施 肥 时 间     ［36-38］ 。  联网传感器设备主要应用于获取无人农场范围
                最后是对病虫害的防控，根据孢子捕捉仪和病情                           内环境、土壤和农作物相关参数，一般由分层土
                仪进行病虫害响应预警，无人机高光谱遥感影像                           壤多参数采集仪、气象站、病虫监测仪器组成，为
                结合深度学习模型可确定病虫害的发生地点与                            广域大范围农情监测提供客观依据。无人农场
                发 生 程 度 ，同 时 确 保 无 人 机 进 行 对 应 农 药 的            地面感知网络建设单元通过建设地面物联网将
                喷洒  ［39］ 。                                      农田土壤、气象、农作物的各类农情信息进行点
                3.3.2 变量处方图                                     状式的高频采集，相关数据通过无人农场专用通
                    变量处方图是精准农业的智慧大脑，通过数                         信组网设备传输至管控云平台，为农情参数实时
                据驱动的动态调控，将农田管理从均质化推向细                           反演提供数据支撑。通过构建无人农场专用通
                胞级精细化，根据作物需求、土壤条件等变量精                           信网络，基于低功耗广域网络技术研发低功耗轻
                确制定不同区域的管理方案。变量处方图包括                            便型通信组网设备，为无人农场全场景立体感知
                变 量 播 种 图 、变 量 施 肥 图 、变 量 灌 溉 图 等 专 题 。         网络提供数据无线传输通道，解决无人农场地面
                作为决策层与作业层的联系载体，变量处方图是                           传感器节点分布广、低能耗的应用需求                  ［43-44］ 。
                精准指导灌溉、施肥、施药等农业活动智能化执                               作物生长模型分系统在无人农场中承担作
                行的重要工具      ［40-41］ ，农场管理系统通过下达作业               物生长信息和土壤养分数字化模拟决策的功能。
                处方，指导无人农机进行水肥药的作业。未来依                           一方面，无人农场作物管理决策系统需要构建相
                托 AI 自学习、数字孪生与区块链技术，变量处方                        应的作物生长模型，为各种农事计划和决策提供
                图将向自主生成、实时迭代的方向进化，成为无                           物候期、收获指数、土层肥力变化、胁迫因子和作
                人农场按需供给、克级调控的智慧中枢，引领农                           物长势等多种指标预测结果。另一方面，农业数
   28   29   30   31   32   33   34   35   36   37   38