精细农业下信息监测与解析技术探究

任嘉宇

(黑龙江省农业机械工程科学研究院 佳木期分院，黑龙江 佳木斯 154004)

0 引言

精细农业(Precision Agriculture，PA)又被称为智慧农业、空间变量作物管理和处方作业等[1-2]。精细农业是基于现代信息技术，如遥感技术、地理信息技术、全球定位技术、大数据技术和人工智能技术等，将农业生产与地理学、农业生态学、植物营养学、土壤学、气候学等基础学科结合起来，实现在农业生产过程中，对农作物生长、土壤环境、气候信息等进行实时监测，同时对农作物长势、发育、营养需求、病虫害管理等进行数据处理，产生相关作物生产和田间管理经营策略，其技术核心是采用信息技术快速、精确获取作物生长和环境信息，按需实施田间管理策略(图1)[3-5]。

图1 精细农业基本概念与思想

精细农业的发展可实现合理施肥、灌溉，减少生产成本，提高水肥利用效率，减少化学资源与水资源投入，节本增效，减少农户劳动强度，实现作物优质高产，同时，农作物的营养得到合理利用，保证农产品质量和产量。综上所述，与传统农业相比，精细农业是以高新技术和科学管理进行田间环境动态监测，实现农业生产低耗、高效、优质[6]。

信息采集与快速获取技术是精细农业的核心与基础。本研究以精细农业生产中作物生长信息、土壤环境信息、气候信息和农产品质量信息的快速检测与解析技术为研究内容，系统论述了相关理论基础、技术方法与相关设备。研究结果以期为我国各个地区建立完善的精细农业管理系统提供技术参考与借鉴，对于相关研究学者更加深入地理解精细农业的发展提供理论依据。

1 作物生长信息检测与解析

作物生长状态直接影响作物后续的产量形成与品质，快速获取作物生长信息，并进行综合利用，对于制定合理的田间管理措施，提高作物质量和产量具有重要意义。农作物生长信息主要包括作物营养信息、生理生态信息、病虫害信息。

1.1 作物营养信息快速检测技术

作物营养信息主要包括氮、磷、钾和各项微量元素信息。氮素是影响作物生产和产量形成的重要因素之一。由于作物叶片氮含量和叶绿素之间存在一定的相关性，因此，传统氮元素检测主要采用叶绿素含量测定仪进行检测与分析。该方法测定简单、快速，但是每次只能测定单个植株的氮含量数据，属于一种人工操纵式接触式测量方法，难以进行整个农业生产区域的氮含量评估。

目前，主要采用红外光谱技术、多光谱技术、计算机视觉识别技术等实现对作物营养信息的快速检测与信息获取。另一方面，还可以通过多光谱成像技术，建立作物植被生长与氮含量的关系模型，实现对作物氮含量的预测，测定原理如图2所示[7]。

图2 多光谱图像分析流程

目前，相关科研院所与高校研发了各种作物生长过程中营养信息的快速获取设备，应用最为广泛的就是“基于光谱技术下作物叶片氮元素测定设备”，主要由光学系统、信号分析系统等组成。首先通过光源系统实现农作物信息采集，信息传递至光电传感器后，将光电传感器信号转换为电信号，电信号经过系统方法与AD转化后得出作物氮素预测模型计算得出的氮含量，测定结果显示在LED上，其测定流程如图3所示[8]。

图3 植物叶片营养元素测定原理图

1.2 作物生理生态信息快速检测技术

作物生理信息主要包括呼吸作用、光合作用、蒸腾作用、气孔导度、有效辐射等信息，对于作物产量的形成与品质提升具有重要影响。

传统的作物生理生态信息的检测主要依赖于实验室化学分析或者利用相关设备进行接触式测量，如氨基酸自动分析仪、气相色谱仪、叶绿素荧光仪和光合测定仪等，分析过程较为复杂，劳动强度较大。随着光谱技术和近红外光谱技术的逐渐发展，目前已经广泛采用作物生理生态信息与近红外检测信息的关系模型，其已经得到广泛应用。

1.3 作物形态信息快速检测技术

作物生长形态信息主要包括作物的株高、茎粗、叶面积、嫩芽等几何特征信息，目前主要采用虚拟仪器，如计算机图像处理、机器视觉技术和三维扫描技术等，建立作物生长形态特征和虚拟生长模型，结合作物营养信息和生理生态信息进一步实现对作物产量预测。以作物叶面积测量为例，目前广泛采用浙江大学研制的作物叶片无损伤检测设备，基于多晶硅光电感应板，可测量不同作物类型、不同叶片形状、厚度的叶面积参数，具有检测精度高、快速无损伤等应用优势，测定原理如图4所示。当多晶硅光电感应板在光源照射下产生一定的电压，当夹入作物叶片时，叶片被遮挡的部分会导致光电感应板电压随之变化，利用遮光面积与光电感应板电压变化关系测出作物叶片叶面积值。

图4 植物叶面积无损伤测量仪硬件电路图

1.4 作物虫、草信息检测技术

作物生长过程中在遭受病虫草害后，会产生一系列形态、生长生理上的变化，影响了作物正常发育，进而降低了作物的产量与品质。传统病虫草害信息检测技术主要包括显微镜分析技术、生物测定技术、生物电子技术等，时效性较差，在病虫草害实际发生过程中不实用。

1.4.1 病虫害

传统病虫害观测方法主要是采用人工判断与观测，人工劳动强度大且时效性较差。未来克服人工检测中存在的检测误差与不足，后期逐渐开展病虫害机器监测设备的研究，如计算机图像识别法、虫害声测技术和光谱监测法等。目前应用最为广泛的病虫害监测技术为光谱技术，直接通过光谱检测害虫，根据不同害虫自身体内不同的化学成分差异与特征进行病虫害种类的识别。

1.4.2 草害

目前，田间杂草检测识别技术主要包括近红外检测技术、多光谱成像技术和计算机视觉识别技术等。现以计算机视觉识别技术在杂草识别中的应用进行介绍。计算机视觉识别技术融合了图像处理技术和人工智能算法，如图像滤波、图像增强和边缘检测等技术，对于采集的田间图像进行关键特征提取，进而实现对杂草的检测与信息识别，工作原理如图5所示。

图5 计算机视觉系统应用原理

2 土壤信息检测与解析

土壤信息主要包括土壤各种营养元素如氮、磷、钾等，土壤理化性质，如坚实度、温湿度、pH等信息检测。目前，土壤营养元素检测主要采用ISFET技术又被称为“生物传感器信号转换器”，内部含有多个传感器，可以将生物敏感元件拾取的生物化学信息转换为容易处理的电信息，可同时检测多种营养元素。土壤相关理化性质，一般采用传感器进行直接测定，对于较难测定数值，一般采用超声波回波效应检测土壤相关粗糙度、坚实度等，了解土壤理化性状与地表状态。

3 农业气候信息检测与解析

大气湿度主要采用相关传感器进行测定，如干湿球型传感器、石英晶体振子式传感器、氯化锂露点式传感器等。风向主要采用编码式脚位移传感器进行检测。太阳辐射主要采用检测辐射热效应得到相关测定值。阳光强度主要是将检测的光照强度利用光敏元件直接将光照转化为电压量进行测定。二氧化碳目前主要采用红外技术研发的红外二氧化碳检测仪进行农田二氧化碳的测定，具有检测精度高、方便快捷等应用优势。

4 农产品信息检测与解析

近年来，人们对农产品的安全质量问题日益关注，如农产品信息、品质指标和安全指标等，因此，实现农产品相关指标的信息检测与测量也是未来研究的热点技术之一。

4.1 农产品形态信息检测与解析

农产品形态主要包括果实的大小、长短、表面曲线和相关缺陷信息等，根据农产品形态信息进行果实分级。目前广泛采用近红外(NIR)和中红外(MIR)摄像机对果实外部品质进行检测，其检测原理如图6所示。

图6 农产品形态信息检测技术原理图

4.2 农产品品质检测与解析

农产品品质信息主要包括蛋白质含量、氨基酸含量、脂肪含量和淀粉含量等信息。目前，主要依靠光谱信息和光谱成像信息进行农产品品质的检测，如丹麦Foss研制的品质分析仪，可实现快速检测小麦、大豆、水稻等作物的蛋白质、淀粉、含水率和油分等指标。在光谱成像技术方面，目前，主要采用CT成像技术、核磁共振成像技术和高光谱技术等实现农产品品质的快速检测。

5 结论

精细农业的发展可实现合理施肥、灌溉，减少生产成本，与传统农业相比，精细农业是以高新技术和科学管理进行田间环境动态监测，实现农业生产低耗、高效、优质。本研究以精细农业生产中作物生长信息、土壤环境信息、气候信息和农产品质量信息的快速检测与解析技术为研究内容，系统论述了检测技术与检测方法。研究结果对于全面提升我国精细农业的发展提供理论借鉴，同时为更多研究学者提供相关理论知识与应用参考。