引用格式：
刘力宁, 张洪奇, 章子文, 张正辉, 王甲玉, 李宣宣, 朱珂, 柳平增. 无人智慧农场关键技术与构建模式——以“吨半粮”无人农场为例[J]. 智慧农业(中英文), 2025, 7(1): 70-84.
DOI： 10.12133/j.smartag.SA202410033
LIU lining, ZHANG Hongqi, ZHANG Ziwen, ZHANG Zhenghui, WANG Jiayu, LI Xuanxuan, ZHU Ke, LIU Pingzeng. Key Technologies and Construction model for Unmanned Smart Farms: Taking the "1.5-Ton Grain per Mu" Unmanned Farm as An Example[J]. Smart Agriculture, 2025, 7(1): 70-84.
DOI： 10.12133/j.smartag.SA202410033
无人智慧农场关键技术与构建模式——以“吨半粮”无人农场为例
刘力宁2，3，4， 张洪奇1，3，4， 章子文1，3，4， 张正辉2，3，4， 王甲玉1，3，4， 李宣宣1，3，4， 朱珂1，3，4， 柳平增1，3，4*
（1.山东农业大学 信息科学与工程学院，山东泰安 271018，中国； 2.山东农业大学 机械电子与工程学院，山东泰安 271018，中国； 3.山东农业大学 农业大数据研究中心，山东泰安 271018，中国； 4.农业农村部黄淮海智慧农业技术重点实验室，山东泰安 271018，中国）
摘要：
［目的/意义］无人智慧农场是智慧农业的重要实践模式。本研究以山东德州“吨半粮”无人智慧农场为实验场所，攻克大田智慧农场建设中的核心技术难题，探索其建设模式与服务机制。
［方法］运用物联网技术，研发了智慧农场的立体感知网络，能够高效采集并汇聚传输环境、作物长势和设备状态等关键数据。借助数据分析挖掘技术，精准提取了小麦的物候期、麦穗特征等关键表型信息。进一步结合智能农机与智能决策技术，研发了集云管控平台、智能化设备及智能农机于一体的智能控制系统。此外，依托多源数据融合、分布式计算和地理信息系统（Geographic Information System, GIS）等技术，构建了农业生产全过程智能管控平台。
［结果和讨论］“吨半粮”无人智慧农场感知系统不仅提高了数据传输质量，同时可以完成麦穗、物候期等表型特征的本地分析；智能控制系统可帮助农机提升自主作业精度和灌溉、施药效率、质量，通过农业设备的改造升级实现了农场耕作、种植、管理、收获的全链条智能化管控；大数据智慧服务平台为农户提供了气象预测、灾害预警、最佳播期等农事管理服务，极大地提高了农场管理的数字化、智能化水平。实验结果表明，自组网络数据准确率保持在85%以上，无人机施药可节药55%，灌溉模型可节水20%，“济南17”和“济麦44”分别增产10.18%和7%。
［结论］研究结果可为智慧农场建设提供参考和借鉴。
关键词： 无人智慧农场；物联网；信息采集；智能控制；大数据分析
文章图片
图 1 “吨半粮”无人智慧农场架构
Fig. 1 The architecture of the "1.5-Ton grain per Mu" unmanned smart farm
图 2 “吨半粮”无人智慧农场感知系统架构
Fig. 2 The architecture diagram of the "1.5-Ton grain per Mu" unmanned smart farm collection system
图 3 “吨半粮”无人智慧农场感知网络的自组网络结构图
Fig. 3 The network architecture diagram of self-organizing network of the "1.5-Ton grain per Mu" unmanned smart farm
图 4 小麦穗长信息提取结果
Fig. 4 Extraction results of wheat spike length information
图 5 “吨半粮”无人智慧农场无人作业总体解决方案
Fig. 5 Overall solution for unmanned operation of the "1.5-Ton grain per Mu" unmanned smart farm
图 6 “吨半粮”无人智慧农场智能农机系统方案
Fig. 6 Composition of agricultural machinery system for the "1.5-Ton grain per Mu" unmanned smart farm
图 7 “吨半粮”无人智慧农场大田灌溉系统总体框架示意图
Fig. 7 Overall framework diagram of the field irrigation system for the "1.5-Ton grain per Mu" unmanned smart farm
图 8 灌溉模型的e、ec、Kp、Ki、Kd隶属度函数图
Fig. 8 Membership function of e、ec、Kp、Ki、Kd for irrigation model
图 9 灌溉系统实现框架图
Fig. 9 System implementation framework for irrigation system
图 10 灌溉系统实地部署图
Fig. 10 On site deployment of irrigation system
图 11 “吨半粮”无人智慧农场大数据平台架构图
Fig. 11 Architecture diagram of the big data platform for the "1.5-Ton grain per Mu" unmanned smart farm
图 12 “吨半粮”无人智慧农场大数据平台的GIS体系结构图
Fig. 12 The architecture of GIS of the big data platform for the "1.5-Ton grain per Mu" unmanned smart farm
图 13 “吨半粮”无人智慧农场大数据平台部分模块页面
Fig. 13 Partial platform pages of the big data platform for the "1.5-Ton grain per Mu" unmanned smart farm
作者简介
柳平增 教授
柳平增，教授，博士生导师，山东农业大学信息科学与工程学院副院长，科技部农业信息化专家，泰山创新创业领军人才，山东农业大学1512第一层次，泰安市高层次人才。《智慧农业（中英文）》编委，农业农村部黄淮海智慧农业技术重点实验室主任，山东省高校智慧农业特色实验室主任，山东农业大学农业大数据研究中心主任。主要从事物联网、大数据、农业信息化及食品安全溯源技术研究。先后支持和参与国家863计划、国家科技支撑项目、国家星火计划、及省部级科研课题多项。在农业物联网、农产品价格分析、农业大数据及智慧农业建设发展等方面取得显著成果，在国内外学术刊物上发表研究论文120余篇，获授权国家专利60余项，授权软件著作权100余项。
（转自：智慧农业期刊）
