為發展智慧農業，國家在資金、科研、政策等方面都投入不少力量，尤其是科技、科研方面，中國農業大學、山東科技大學、北京市農林科學院、瓦赫寧根大學等國內外高校，紛紛展開了跨學科、跨專業的聯合研究，在大田作物智慧種植方面取得了一定進展，內容包含大田無人農場、玉米籽粒檢測與計數、玉米-大豆條帶間、土壤鹽分機器學習等。

一、基于多種深度學習算法的田間玉米籽粒檢測與計數

參與機構：中國農業大學智慧農業系統集成研究教育部重點實驗室、中國農業大學農業農村部農業信息獲取技術重點實驗室、北達科他州州立大學農業與生物工程系、韓國江原大學生物系統工程系、韓國江原大學

為快速準確獲取玉米收獲過程中遺失籽粒數信息，進行收割損失調節等管理，對比不同目標檢測網絡對田間玉米籽粒計數的性能。該團隊利用RGB相機獲取數據集，構建籽粒識別的不同目標檢測網絡，進行訓練、驗證、測試，依據測試集圖像的識別結果進行籽粒計數性能評價。

結果表明，YOLOv5-L網絡對測試集圖像檢測的平均精度、模型尺寸、;籽粒計數的檢測正確率、漏檢率、F1值、處理速度、識別與計數等性能優于其他三種網絡，并對具有不同地表遮擋程度和籽粒聚集狀態的圖像具有較強的魯棒性，可實現實際作業中玉米收獲損失籽粒的實時監測，精度高、適用性強。

二、基于植物功能-結構模型的玉米-大豆條帶間作光截獲行間差異研究

參與機構：中國農業大學土地科學與技術學院、浙江省農業科學院農業裝備研究所、瓦赫寧根大學作物系統分析中心、新西蘭植物和食品研究所馬爾堡研究中心

針對間作種植中作物生長、表型和光截獲的行間差異，解析條帶間作生產力的行間差異，該團隊研究基于田間觀測數據構建植物功能-結構模型，量化間作系統中光截獲的行間差異，并于2017—2018年開展了間作田間試驗。

田間試驗結果表明，間作種植顯著增加了玉米節間直徑。受玉米遮陰影響，大豆節間變長、變細，且隨大豆條帶變窄差異越明顯。基于三維FSPM，未來可進行不同生長環境下間作種植模式等的布局優化，以達到最佳系統光截獲優勢。

三、基于地物高光譜和無人機多光譜的黃河三角洲土壤鹽分機器學習反演模型

參與機構：山東科技大學測繪與空間信息學院、濱州學院山東省黃河三角洲生態環境重點實驗室、青島農業大學農學院

針對黃河三角洲地區土壤鹽漬化問題，該團隊探索無人機影像在地表無植被覆蓋條件下的土壤鹽分含量反演狀況，獲取地物高光譜和無人機多光譜兩種數據源與樣點土壤鹽分含量，通過優選敏感光譜參量，使用偏最小二乘回歸和隨機森林兩種機器學習算法建立土壤鹽分含量反演模型，實現研究區的土壤鹽分含量反演。

本研究構建并對比了兩種不同源數據的黃河三角洲土壤鹽分反演模型，并結合各自數據源的優勢進行優化，探索了地表無植被覆蓋情況下的土壤鹽分含量反演方法，對更精準反演土地鹽漬化程度提供了參考。

四、大田無人農場關鍵技術研究現狀與展望

參與機構：北京市農林科學院智能裝備技術研究中心、智能農業動力裝備全國重點實驗室 、國家農業信息化工程技術研究中心等

無人農場，作為智慧農業的一種表現形式，建設農業強國的重要探索，和實現農業現代化的發展方向。以數據、知識和智能裝備為核心要素，將現代信息技術與農業深度融合，實現農業全過程生產所需的信息感知、定量決策、智能控制、精準投入及個性化服務一體化。

該團隊從無人農場的概念、架構入手，討論了信息感知與智能決策、精準作業系統與裝備、自動駕駛、無人化農機裝備，以及無人農場管控平臺等關鍵技術與裝備，分析了發展國內無人農場亟待解決的關鍵科學與技術問題。并以吉林省公主嶺市玉米無人農場為例，論證了物聯網、大數據、云計算以及人工智能等技術，在玉米全程無人化生產中的具體應用及效果。

根據已經發表的智慧農業科研論文，理想認識國內農業發展現狀及存在的機遇和挑戰，明確為了農業發展的戰略目標與思路，掌握農業前沿知識。

審核編輯黃宇