摘要：WANG Rujing. Agricultural Sensor: Research Progress, Challenges and Perspectives[J]. Smart Agriculture, 2024, 6(1): 1-17.

本文节选自：

王儒敬. 农业传感器：研究进展、挑战与展望[J]. 智慧农业(中英文), 2024, 6(1): 1-17.

WANG Rujing. Agricultural Sensor: Research Progress, Challenges and Perspectives[J]. Smart Agriculture, 2024, 6(1): 1-17.

官网全文在线阅读

农机传感器研究进展

农机传感器是安装在农业机械设备上，感知、监测和记录农业机械、农业装备及农业机器人的机器工况、作业目标识别、作业效果等农机参数，并转换成可识别信号的装置。农机传感器一般不独立使用，通常作为关键配件嵌入至农业机械中。农机传感器在实现农机工况和耕种管收信息实时感知、农机自动化作业、药肥饲料等农资用量精确化施用等环节中扮演着重要角色。农机传感器具有以下优点：一是具有较好的信息获取与反馈的及时性；二是可针对不同工况开展工作，具有良好的可靠性和精确性；三是能够开展非接触、不同距离的监测工作；四是传感器型号众多，针对不同的工况具有专门的系列产品设计，能够适应恶劣的环境使用需求。

农机装备的自动定位与导航是实现农机自动驾驶的基础，目前主要基于全球导航卫星系统（Global Navigation Satellite System, GNSS）定位技术和视觉定位技术来实现。随着GNSS定位技术向民用领域的开放，利用载波相位差分技术的实时动态定位精度可达厘米级，相关技术和产品在精准农业领域得到了广泛应用，并促进了农业自动导航技术的发展。

智能农机和农业机器人在复杂非结构化的农业环境中的自主导航是完成各种作业任务的先决条件，但如何实现自主精确导航仍然是一个具有挑战性的问题。随着电子信息技术的发展，视觉定位技术已成为农业机器人实时、准确导航的有力工具。视觉定位技术使用摄像头或其他视觉传感器获取环境信息，并通过图像或视频对作业环境建模进行处理和分析，实现农机装备的自动定位和姿态调整，由于在没有卫星信息时也能实现定位和导航，其研究受到广泛关注。视觉定位技术在农机领域主要应用场景包括农机自动驾驶、农田作物检测、精准播种和施肥、农田测绘和规划，以及农田精准灌溉等。

复杂的农业环境，如外观不断变化的田间或果园，以及植物高度重复的结构导致的视觉混叠对农机定位提出了独特的挑战，农业环境中定位问题的核心是可靠地提取传感器信息并将其自动关联农业环境地图。利用各种视觉传感器和视觉系统获取的2D和3D图像，可对农业环境进行非接触式测量，反映环境中树木、农作物、障碍物等的形态特征和空间位置，实现农机导航规划。Xue等设计了一个自适应记忆模块来缓解视觉里程计任务的累积误差。该模块使用时空注意力方法基于特征域的共可视性为每个视图选择特征，并使用卷积神经网络和循环神经网络从局部到全局逐步构建和保存记忆，为农业机器人进一步的姿态估计提供充分且有价值的信息。

对障碍物的实时感知是智能农机装备在复杂开放的非确定性农田环境下安全可靠工作的保证。Yin等基于3D相机开发了一种障碍物规避系统，采用噪声滤波算法检测损坏像素，通过背景去除方法区分背景中的障碍物，基于二维直方图反投影障碍物像素到地平面的聚类算法来进行图像的分割和解析，其静态条件下位置精度的均方根误差为5.6 cm、动态条件下的均方根误差为7.1 cm。

农机作业工况信息涵盖了位置信息、速度信息、作业参数、传感器数据、作业状态和异常报警等多个方面的内容，通过获取和分析这些信息，可以实现对农机作业过程的全面监测和管理，提高农业生产效率和质量。肖跃进等在作业机械上配备信息采集器，通过控制器局域网总线传至核心处理器将接收到的数据综合分析后生成农机的工况信息，通过移动通信发送到云端的服务器上。利用云计算服务平台建立监测与调度系统，动态采集农机作业信息，并及时地将信息传送到调度中心，最终实现田间农机工况信息在云平台上实时监控，为未来的农机调度提供数据支持。

精准播种和变量施肥是一项先进的农业生产技术。金鑫等基于光电检测与介质型电容传感技术，分别将对射式红外传感器、变介电常数电容传感器元件封装于排种管上端内与排肥管下端口，可实现种、肥流量信号的实时监测；变量施肥通过采集肥箱压力传感器获取的肥料质量变化数据，解算出实际施肥量和肥料流量；整机监控系统能够适应复杂田间环境，漏播监测准确率可达91%，变量施肥准确率超过96%，具有较好的实用性和经济性。

谷物流量监测是实时监测产量的有效手段，也是实现精准农业的关键技术之一。尹文庆等构建了基于结构光三维视觉的滑槽输送谷粒体积流量的测量系统，通过实时获取滑槽谷粒流表面的结构光图像，建立谷粒流的截面积计算模型和体积计算模型，在4种谷粒体积流量的测量中，系统测量误差不大于5.2%，可以实现滑槽输送谷粒体积的在线测量。耿端阳等以谷物产量与谷物流压力间的监测数学模型为依据，开发了基于谷物流压力原理的谷物产量监测系统，实现了谷物收割过程和谷物产量等信息的实时测量、显示与存储，并对田间实际效果进行试验验证，其谷物产量测产误差为5.28%，可以为后续作业管理提供决策依据。

随着计算机技术、传感器技术和人工智能技术的不断进步，农业装备正在向自动化和智能化发展。未来，研制可自主作业、节能降耗、智能化、高速宽幅的多功能农业机械，已成为农业机械化生产发展的重要方向。农机传感器对无人农机与农业机器人的发展应用至关重要，因此农机传感器需要在复杂环境中运动状态下实时且精准地感知农业环境、农机自身与作业对象信息，这对农机传感器的瞬时感知能力与可靠性提出重要挑战。

发布征集

来源：智慧农业资讯