精量播種是大田無人農場的關鍵技術之一，與傳統播種方式相比，在播種過程中，整個地塊不再是恒定不變的播種量，而是根據不同地塊的增產潛力情況，適度增加或減少播種量，使種子可以充分利用土壤的養分、光照、蓄水能力等條件發育。為了更加準確地指導精量播種，需要快速獲取播種種床的土壤環境信息，從而為播種決策和控制提供實時的理論依據。土壤的環境信息通常包括土壤墑情、土壤電導率、土壤有機質等參數，為了獲取上述信息并確保控制系統可以有足夠的數據處理時間，通常在播種機前端設計安裝實時傳感器實現數據的獲取。當前國內外學者在單一參數實時傳感器研究方面已經取得了一定的進展和突破，但主要以單一傳感器研究為主，在多源數據融合處理研究方面尚存在不足。
土壤墑情反應土壤含水率的多少，土壤墑情的高低決定種子生長環境的優劣，一定程度上影響其后期出苗率。國內外學者在土壤墑情原位監測方面取得了許多研究成果，采用的方法有電阻法、頻域反射法、時域反射法、中子法等。但是，采用原位監測技術無法滿足播種決策的快速響應需求。近幾年，部分學者開展了車載式土壤墑情在線監測裝置，可在播種時實時獲取當前土壤含水率，從而為后續播深、播種間距的控制提供理論依據。張東興等設計了一種可見光近紅外式土壤水分傳感器，實現了對播種溝土壤水分的在線測量。
朱文靜等針對探針式土壤水分傳感器插入土壤后因反饋點固定而需大量布點、成本高、破壞耕層等問題，研制了一種基于法布里-珀羅干涉近紅外傳感器的非接觸式土壤墑情在線檢測系統。Weatherly和Bowers采用電阻法檢測原理，開發了土壤墑情在線感知傳感器，為玉米播深調控系統提供決策依據。Price和Gaultney、Mouazen等均采用近紅外光譜法的檢測原理，設計了土壤含水率在線測量儀，實現了田間作業時對土壤含水率動態實時檢測，用于指導玉米播種深度。
土壤電導率是評價土壤生產力的一種常用參數指標。土壤電導率的測量通常采用電流-電壓四端法原理，近些年，國內有學者開始從事車載式土壤電導率檢測系統的研發工作。楊瑋等、楊文奇均基于電流-電壓四端法的測量原理，設計研發了車載式土壤電導率快速檢測系統，該系統可以快速預測土壤浸出液電導率的分布趨勢，為播種作業提供參考。國外對車載式土壤電導率傳感器的研究相對較早，目前部分產品已經商用化，比較有代表性的有Geonic Limited公司的EM38-MK2和Veris Technologies公司研制的Veris 3150型土壤電導率傳感器。
土壤有機質是評價土壤肥力水平的常用指標之一，基于土壤的有機質信息指導變量播種作業是一種較為常用的做法。國外在土壤有機質傳感器方面取得了較為深入的研究，部分產品已經實現商業化應用。普渡大學的Ess設計了一款基于光電式傳感器的土壤有機質傳感器，該傳感器基于土壤中有機質含量的不同會造成反射的光譜頻段值不同這一原理確定土壤有機質的含量。Precision Planting公司開發的SmartFirmer傳感器可同時發射和接收X射線、可見光譜、無線電波三種光線，通過分析三種光線的特征即可得到土壤的有機質含量信息。
國內目前在車載式土壤有機質傳感器的研究方面還較為缺乏，已有研究多集中在模型構建以及便攜式速測儀的研發。例如，唐海濤等、Xie等借助近紅外光譜技術，針對不同種特定情況，分別采用不同的特征波長提取算法，構建了土壤有機質含量預測模型，該算法為土壤有機質含量的在線預測提供了理論依據。崔玉露等基于光譜學原理設計了一款便攜式土壤有機質檢測儀，儀器測量值與標準值的相關系數R 2達到0.891。
雖然用于土壤環境信息監測的傳感器類型較多，但受限于播種作業過程中傳感器安裝空間緊湊、數據響應延遲的影響，當前難以實現多類型土壤傳感器的同時檢測，而且缺乏地塊往年產量、當年氣象信息等數據的支撐，使得在線式土壤傳感器難以全面綜合地決策播種作業，目前基于實時土壤傳感器的變量播種控制系統在國外的使用率也相對較低。相應地，采用處方圖指導變量播種作業仍然是最常用的一種變量播種方式。關于變量播種處方圖的生成，美國已經形成了一個成熟的商業化服務系統，其中，CASE公司、Topcon公司、Ag Leader公司等也在變量播種處方圖的決策和生成方面形成了許多技術服務。與發達國家相比，國內在變量播種決策方面的研究尚且處于起步階段，已有研究多基于播種機前進速度進行播量控制，其研究重點多集中在控制系統上，較少涉及播種決策方面研究。
精準施肥涉及到信息感知、處方決策與精確控制等多項關鍵技術。國內外關于作物氮素診斷方面做了大量研究工作，國外市場上幾種代表性獲取作物營養的傳感器，包括美國俄克拉荷馬州立大學和N-tech公司研制的GreenSeeker(660 nm，780 nm)，美國Holland公司研制的RapidSCAN CS-45(670 nm，730 nm和780 nm)等。楊貴軍等、孫紅等、林維潘等分別研發了作物長勢監測儀CropSense(650 nm，810 nm)、雙波段(650 nm，850 nm)主動光源葉綠素含量檢測傳感器、便攜式三波段(660 nm，730 nm，815 nm)以及作物生長監測儀CGMD303，可獲得歸一化植被指數、葉面積指數、植被覆蓋度、葉綠素含量等指標。矯雷子等[24]和周鵬等分別采用激光誘導技術測定土壤氮素、近紅外光譜技術檢測土壤氮素。
在精準施肥決策方法方面，美國俄克拉荷馬州立大學Lukina等、Raun 和Walsh研發了氮肥優化算法。Shi等基于GreenSeeker傳感器，在變量施肥決策時根據其氮素含量對施肥模型進行修正，將目標施肥量按NDVI值劃分為12個等級分層施肥。Cao等利用多種光譜傳感器數據分別建立了東北地區水稻、玉米變量施肥決策模型。
精準施藥的核心是獲取農田小區域內病蟲草害差異性信息，采用變量施藥技術，按需施藥。病蟲草害信息實時獲取技術主要包括基于光譜、圖像和光譜成像3種，分別適合防除作物出苗前的雜草、行間雜草和行內雜草。基于光譜方法，國外已有WeedSeeker、Weed IT等雜草傳感器;基于圖像方法，國外已有Autopilot、CamPilot、Robocrop等視覺導航產品;基于高光譜成像方法，潘冉冉等結合化學計量學方法實現了對油菜中的雜草的分類識別。病害識別也已有較多成果，周巧黎等基于改進輕量級卷積神經網絡MobileNetV3對番茄葉片病害進行了識別;REDDY和REKHA基于遷移學習的深葉病害預測框架實現了葉片病害自動檢測;Bravo等采用光譜反射數據對小麥黃銹病進行了早期診斷;Liu等利用BP神經網絡實現了對4個等級的水稻稻穗病害分類。在病蟲草害檢測基礎上，結合土壤、氣象、管理等多源異構數據，采用隨機森林、人工神經網絡等機器學習算法，建立了作物生長狀態診斷模型與施藥處方決策模型，融合多源數據和知識規則生成田塊尺度施藥處方。
綜合國內外在大田無人農場的信息感知與智能決策技術方面，國外種肥藥關鍵信息在線感知技術研究較為系統，已推出了面向種肥藥精準施用決策的多款在線感知傳感器商品，國內多以集成應用國外傳感器為主，在傳感器組合和決策模型的適應性上都受到了限制。國內科研團隊也自主研發了部分土壤、作物傳感器，并在不同地區初步開展了不同作物的精準施肥和精準施藥的決策模型研究，隨著傳感技術和決策模型的完善，國內自主研發的傳感器將在精準作業過程中發揮出更大的作用。
官方微信