摘 要：中国的农业生产建立在过量农药化肥投入的基础上，导致农田生态环境失衡，不利于农业的可持续发展，同时，农业劳动力短缺问题日益凸显，寻求一种生态化、高效化、智慧化的农业模式势在必行。基于多年的实践与探索，该文作者团队在山东淄博落地建成了中国首个生态无人农场，提出了“生态无人农场”的模式与发展理念。文章总结出农药、化肥和土壤耕作制度对农田生态系统造成的不利影响最为明显，提出通过一系列无人化作业手段与模式对农田生态系统进行生态化管理与改造，来实现农业生产的可持续发展。在此基础上，通过天空地一体化农情信息获取、地空一体化无人机群协同作业以及构建能够完全自主决策的智慧云大脑的技术集成创新模式，来实现农田信息的自动采集和处理、科学决策以及无人农机的远程控制等功能。文章对生态无人农场关键技术与模式进行了总结论述，提出了生态无人农场模式的实施内涵，以期为未来农业、智慧农业的发展以及推进农业农村现代化高质量发展提供借鉴。

作者：兰玉彬 赵德楠 张彦斐 朱俊科

据国家统计局数据，截至2018年底，中国的城镇化率接近60%[1]。大量的农村剩余劳动力向城市转移，空心村数量增长[2],60岁以上的老年人口仍然充当了农业生产的主要人员，未来“谁来种地”问题日益凸显。随着信息技术的迅速发展，无人农场的概念被提出来，英国哈珀·亚当斯大学（Harper Adams University）与Precision Decision公司建成了世界上首个无人农场（Hands-Free Farm)[3]。在中国，随着物联网、大数据、5G、人工智能、无人驾驶等技术的兴起，无人农场被赋予了更加丰富的内涵，成为指引中国智慧农业发展的一种重要载体。

另一方面，中国每年使用农药原药30万t[4]，农用化肥施用折纯量5 793.6万t（近十年平均数据）[5]。农药和化肥的使用提高了作物产量，但其过量和不合理的施用导致土壤板结和酸化、有机质层变薄，有益微生物、害虫天敌等逐年减少甚至区域性灭绝，农田生物多样性丧失，农田生态平衡遭到破坏[6]。农户不得不逐年增加农药化肥的施用量来保证作物产量，随之带来的是农产品品质下降，如此恶性循环，农田将产不出安全的食物。构建绿色、循环、可持续发展的农田生态系统成为解决当前问题的重要途径。从1987年开始，华南农学院骆世明教授就先后编写了多版《农业生态学》书籍，从农田生态系统中的能量流动、物质循环、生物种群与群落、农业资源的合理利用等方面对生态农业的概念、原理、模式和技术体系等[7,8,9]进行了比较全面的概述，为中国生态农业的发展奠定了重要的理论基础。

生态无人农场是生态农业与无人农场技术的有机结合，是一种技术集成创新的模式，瞄准的是“未来谁来种地、如何种好地”的问题。2017年，本文作者团队到访英国哈珀·亚当斯大学，与英国国家精细农业中心Simon Blackmore教授团队洽谈交流，双方于2018年成立了中英智能农业联合研究中心。2019年，山东理工大学在山东淄博落地建成了中国首个生态无人农场，并基于生态无人农场研究团队的实践与探索，凝练出生态无人农场的概念。

生态无人农场（Eco-Unmanned Farm,EUF），就是基于精准施药、生态沃土、农业废弃物循环利用、提高农田生态系统生物多样性等可持续发展理念，以智慧云大脑为核心，集成物联网、5G、大数据、人工智能和无人驾驶等高新技术，实现农田信息的自动采集和处理、科学决策以及无人农机的远程控制，在人不进入农田的条件下完成周期性作业的一种智慧农业模式。生态无人农场模式的实施是高度集成化的系统性应用工程，解决的也是系统性的农业问题，需要多学科的高度融合。其中涵盖了生态农业、农业物联网、农业大数据、农业人工智能、农机无人驾驶等众多高新技术。本文从构建可持续发展的农田生态系统为出发点，融合国内迅速发展的信息技术，对生态无人农场的关键技术与模式进行了总结概述，以期为未来农业、智慧农业的发展以及推进农业农村现代化高质量发展提供有益借鉴。

从生态学角度分析，农田生态系统由生物和环境两部分组成。生物部分涵盖了以绿色植物为主的生产者，以动物和微生物为主的消费者，和以微生物为主的分解者。人类活动中，农药[10]、化肥[6]的过量输入和不合理的土壤耕作制度[11,12]对农田生态系统造成的不利影响最为明显。人类的介入改变了农田生态系统的物质、能量循环，使农田的生物多样性变得单一，也改变了土壤微生物等农田生物的生存环境。在大田粮食作物生产场景中，农药、化肥的使用和深耕、深松、旋耕等土壤耕作制度强化了生产者的物质和能量输出，即产出了更多的粮食[13]。但过量的农药化肥同时也杀死了害虫天敌、土壤微生物或者抑制了其活性，连年频繁耕作破坏了土壤微生物的生存条件[14]，使其数量大大下降，降低了分解者将有机物分解成无机物的生态功能，导致了土壤有机质含量下降、土壤生病以及一系列环境失衡问题。

但人类的农业活动不可避免地对农田生态系统的平衡造成影响，因此，要将农田的开发利用与保护修复相结合，采取合理的技术措施对农田进行生态化管理与改造。需从所产生影响的根源入手，即农药、化肥、耕作制度三大因素的合理调控以及以增加分解者、害虫天敌等为主的农田生物多样性重建。如图1所示为基于无人化作业手段的生态农业关键技术与模式，其内涵是：构建循环农田生态系统、构建病虫害绿色防控技术体系和应用生态沃土机械化耕作模式。

图1 基于无人化作业手段的生态农业关键技术与模式

构建物质循环的农田生态系统是农业可持续发展的重要手段。中国对生态农业发展十分重视，据报道，中国先后两批建立了102个生态农业示范县，带动省级生态农业示范县500多个[15]，也因地制宜地探索出多种生态农业模式。如华南农业大学研究人员探索出的鸭稻共作模式，在水稻田中人为加入鸭种群的干预，利用鸭子的杂食性解决了农田病虫草害问题，减少了农药化肥投入，提高了农产品品质[16]。研究还表明，鸭稻共作系统中，捕食性天敌的数量和多样性都得到提高[17]。山东农业大学刘玉升教授团队等研究的利用黄粉虫、白星花金龟幼虫、黑水虻等[18,19,20]腐食性昆虫处理厨余垃圾、作物秸秆、畜禽粪便等，实现了虫子喂鸡，虫粪还田的循环模式，对农业废弃物都有较高的转换率。数据显示，对玉米秸秆的转换率可高达94.72%[21]。除此之外，还有桑基鱼塘模式、稻鱼共生模式[22]、猪-沼-果模式、林果间作模式、农村沼气模式等典型的生态农业模式。

在以小麦玉米轮作为主的生态无人农场智慧大田场景中，人类是农田生态系统中有机物的最大消费者，粮食的产出伴随着以秸秆为主的农业废弃物的产出。秸秆中仍储存着大量的有机物和能量，合理利用秸秆是近年来的研究热点，存在秸秆还田、畜牧饲料、生物质能源等[23]再利用手段。从物质与能量循环的角度考虑，秸秆的产出相对应的是农田地力、肥力的损耗，“取之于地，用之于地”的秸秆还田方式更符合生态发展的理念。但秸秆直接还田也存在腐烂周期长的问题，秸秆中携带的寄生虫、致病菌如果得不到妥善处理，也会影响作物生长。综合考虑，将秸秆合理科学地回到农田生态系统的物质循环，主要有两方面的技术手段。一是秸秆粉碎还田，即“从哪来回哪去”。二是种养循环，种，即作物种植，养，即动物养殖。秸秆作为饲料，经过牲畜的消化产生动物粪便，再经过堆沤发酵无害化处理后喷施还田，秸秆以有机肥的形式再次回到农田生态系统的物质、能量循环中，实现“取之于地，用之于地”的循环模式。其次，除了大型动物的饲养，通过养殖白星花金龟、黄粉虫等功能性昆虫，经过昆虫过腹转换，产生富含有机质的虫粪基生物肥，增加农田土壤的有机质含量，从而减少化学肥料的使用。

虽然起到分解者作用的牲畜、腐生昆虫等不在农田生态系统的空间维度范围内，即分解者与农田环境是分离的，但其仍发挥着农田分解者的生态功能，完成腐生食物链的人工闭环循环，结合部分秸秆还田，则实现了秸秆的物质多级利用。因此，构建循环农田生态系统的本质，是通过人为手段增加农田生态系统的生物多样性，实现全物质无限量循环而不产生额外废弃物，并以此达到减少化学肥料使用的生态目的。

农药是保证作物产量的有力武器，但落后的施药器械与施药技术导致农药利用率低，过量的农药施用不仅增加了农资投入成本，还导致了作物对农药的依赖性，一旦停止施用农药，病虫害爆发，将造成作物减产甚至绝产。生态无人农场通过对农田实施以精准农业航空技术应用为特色的生态化管理，辅之以地面精准施药技术装备，通过一系列农药减施、增效手段逐步减少其施用，实现“能少用则少用”，保证作物产量和食品安全。

随着兰玉彬教授“精准农业航空”技术体系[24,25,26]（图2）在国家“两减”重点专项“地面与航空高工效施药技术与智能化装备”项目的实施，植保无人机产品可靠性大幅提高，具备了自动规划航线、全程自主飞行、厘米级作业航迹精度、大数据监控、仿地飞行、自主避障等功能，大幅提高了施药效率，基本实现精准化、智能化[27]。“精准农业航空”理念的基本思想是：通过空中和地面遥感[28]，采集并解析具有地理位置的农田中的作物长势、病虫草害、生长环境等农情信息，再将农田分为作业网格，依据不同的农情制定不同的作业处方图，并对网格进行按需作业，即精准施药或精准撒播等。

图2 精准农业航空技术体系

农药的减施、增效包括地面与航空两个维度，从精准施药技术角度来分析，二者优势互补。农田生态化改造第一层次的技术要求是对靶喷施[29]，对靶喷施的定义是，区分作物与土壤，在有作物的区域喷施，在非靶标区停止喷施，逻辑关系可分为0和1；第二层次的技术要求是变量喷施[30]，在病虫害发生程度高的区域多喷，在发病程度低的区域少喷，逻辑关系是0～1；第三层次的技术要求是静电喷施[31,32]，由于从喷施器械喷出的农药雾滴或颗粒，有60%以上脱离作物靶标，流失到空气和土壤中，这一部分农药是浪费掉的，亦是造成土壤污染的重要来源。静电喷施中，利用农药雾滴或颗粒之间的排斥力，以及农药与作物间的吸附力，可以提高其在作物靶标的沉积分布均匀性，提高中靶率以及作物叶片背面的沉积量[33]，逻辑关系是0～1之间某个值乘以系数，系数越高，则农药的利用率越高。另外，利用雾滴漂移[34]控制技术和添加农药助剂[35]，可将这个系数进一步提高。综合目前的农药减施增效技术，研发对靶、变量、静电喷施系统，将是实现精准施药的究极武器，但是系统功能的集成面临可靠性和响应精度等的挑战，对靶变量静电喷施系统的技术集成研究尚属空白。通过以上技术手段逐步减少农药使用，并实现农药的最大化利用，在保证作物产量和品质的基础上，减少农药对农田生态环境的污染。

除了精准施药，从“能不用就不用”的角度，可以应用农药替代技术。农药替代技术有三方面的含义，一是丰富生物多样性，采取以虫治虫的生物防控；二是采用杀虫灯引诱杀虫等物理防控方法；三是采用免农药喷施技术，即用无污染、无农残的免农药成分制剂替代化学农药制剂的使用。

在丰富生物多样性进行生物防控方面，通过在迁飞性害虫的迁飞途径区设置引诱带和隔离带，在引诱带、隔离带和农田周围种植矢车菊等功能性植物，涵养害虫天敌，实现以虫治虫。针对玉米螟等农业害虫，亦可采用投放赤眼蜂、绿僵菌等技术手段。针对人工投放效率低下，投放密度不均等问题，近年来利用无人机进行赤眼蜂投放成为生物防控的可行性手段之一[36]。生物防控在农药减施、替代、减少农资投入、提升生态效益方面都展现出良好的前景。

免农药喷施技术中，以喷施臭氧功能水和电生功能水为主要手段。臭氧水杀菌的原理是：臭氧中高氧化性的单氧原子与细菌、真菌等接触后，会与其细胞壁的脂类双键反应，破环其细胞壁和细胞膜，导致胞内汁液流失，同时作用于细胞内部的蛋白质、氨基酸、多糖等，使细胞迅速失活[37]。电生功能水通过将含盐电解质溶液电解为氧气、氯气、含氯化合物等有效成分，利用其氧化性、低pH值等特性，使微生物膜电位失衡，并破坏细胞内结构，导致病原菌死亡[38]。臭氧功能水和电生功能水都具有广谱、高效、快速的杀菌、杀虫作用，通过制备臭氧功能水、电生功能水，结合高效的地面与航空植保机械进行喷施，喷施后分解成氧气等无污染和无农残的成分，实现对农药的替代。

农田的农药替代生态化改造建立在多种技术手段的共同作用下，将无人农机装备、农艺与生物防治等技术手段相结合，随着有益菌群和有益昆虫天敌等生物多样性的恢复，农田生态系统对农药的依赖程度下降并逐步恢复平衡状态，借此实现农田的生态化管理与可持续发展。

传统的土壤耕作制度有翻耕、深松、旋耕等形式，短期内土壤耕作促进了地表与底层土壤的交换以及营养元素的利用，改善土壤通透性，利于作物高产[39]。但连年频繁耕作也使原本肥沃的底层土壤暴露于地表，土壤养分和水分流失严重，地力下降，导致化肥越用越多，并产生依赖性。免耕近二十年来已成为国内农业机械学家、生态学家、土壤学家、农艺学家、作物营养学家等的研究热点[40,41,42]。研究表明，相对传统耕作，免耕/少耕通过减少对土壤的扰动，可改善土壤理化性质，提高土壤中微生物活性、微生物碳含量，对土壤生物的数量、多样性、种群结构有保护和修复作用。免耕结合秸秆还田，能够增加有机质输入、提高土壤有机碳含量，提高土壤团聚体的比例和稳定性，有效协调碳排放和水分利用，提高农田生态系统固氮能力等[43,44,45]。但免耕时间过长，土壤板结、孔隙度降低，水气运行不畅，生物活动受限，减产或不利于高产[46]。秸秆覆盖处理不当，病虫害易发生。依赖化学除草剂抑制杂草，污染和残留较为严重，影响生态。

将耕作方式组合，如免耕-深松、深松-翻耕、翻耕-免耕等跨年轮作的优化耕作方案[47]被证明可以弥补单一耕作方式的局限性，更利于高产和保护农田生态。合理、科学的耕作制度需减少对土壤生态的侵蚀与破坏，为土壤微生物提供良好的生存环境，保持土壤良好的理化性质，以利于作物生长，保证作物产量与品质。山东理工大学在2005年提出了生态沃土机械化的农机农艺融合技术，之后开展了一系列研究与试验，在淄博临淄的富群农机合作社40 hm2小麦玉米生产取得成本减少15%、增产15%以上的满意效果[48]。2020年，山东理工大学生态无人农场以856.9 kg/0.067 hm2刷新了全国冬小麦单产纪录[49]。

生态沃土机械化[48,50]，就是要建立周期性轻简组合土壤耕作制度。保证作物的茁壮生长，从土壤结构上需要耕层有合理的团粒结构、适当的孔隙度，以利于水土保持、水气循环、生态平衡，从而有利于植物根系生长发育、土壤有益动物和土壤微生物活动。机械化耕作是改善耕层结构的最有效手段，但是精耕细作式的连年翻耕或单纯为保护地表完全不翻耕，从增产节约角度和土壤结构角度看都是不够科学合理的。科学的土壤耕作方法应当是进行尽量少的适度翻耕，配合适度的深松、浅旋、苗带细旋等耕作措施，形成以少耕免耕为主的长周期轻简组合耕作体系。图1中的耕作模式和图3分别是以四年、六年为周期的生态沃土周期耕作循环图。

图3 生态沃土周期耕作循环图（六年）

生态沃土机械化耕作模式是农机与农艺的有机融合，它以绿色可持续为农业机械化发展理念，用生态型机械化技术和方法轻简耕作，精准种植与管理，科学处理和田间高效利用秸秆，以不断增加土壤有机质含量、改善生态环境和土壤结构，逐步减少化肥、农药等化学物资的使用，用最低的能耗和成本达到生产生态、地力提升、高产高效的目的。

无人农场是高标准农田建设的重要支撑，从仿生学角度分析，无人农场可称为仿人农场。与人类神经系统相对应，无人农场具有感知、决策和执行三大基本要素。无人农场是机器换人所要展现的最终形态，物联网替换了人类的感知器官；大数据和人工智能组成智慧云大脑，替换了人类的大脑；无人驾驶的农业机械（简称无人驾驶农机，泛指用于农业生产的所有机器人、无人机、机械装备等）替换了需要人类四肢参与执行的有人驾驶农机。因此，智慧云大脑是无人农场最重要的“器官”，智慧云大脑的发达程度决定了无人农场的智慧化程度。经过农田天空地一体化的农情信息感知，当农田到了一定的作业阶段，需要执行耕、种、管、收等作业环节时，农场的智慧云大脑就会自动发送指令调动农机库的无人驾驶农机下田，按照规划好的路径作业。物联网模拟的是人的感官知觉，是接收信号的载体，信号传到大脑，大脑会自动处理这些信息，并且做出回应，从而执行相应的农事操作。智慧云大脑科学决策的形成需要大数据积累和人工智能的训练[51]，不断优化精度，这样智慧云大脑才能形成农田精准管理的执行方案。有人农场和无人（仿人）农场的基本原理如图4和图5所示。在人类参与的机械化农场中，决策主要由人来完成，而在成熟的无人农场系统中，决策由农场的智慧云大脑来完成。

图4 有人农场的原理示意图

图5 无人（仿人）农场的原理示意图

以农田作物生虫需要进行施药作业的场景为例，人类通过眼睛得到作物生虫的信息，人的大脑接收信息并且根据经验做出需要进行施药的决策，通过人的四肢背负喷雾器或者驾驶施药器械开展施药作业。而在无人农场中，作物生虫的信息由农田布设的传感器网络或者通过卫星、无人机遥感获取并通过通讯网络传输至无人农场的智慧云大脑，智慧云大脑通过大数据处理和人工智能分析，形成施药决策，从而发送施药指令，施药过程由无人驾驶农机来完成。在此过程中，人不需要进入农田，这是无人农场的基本特征[52]。

无人农场实现了远程种田，即使农场主不在农场，也能实现精准管理，让一个人管理上千亩农田成为可能。从无人农场的三大功能，即农田信息的自动采集和处理、科学决策以及无人农机的远程控制来说，无人农场需要三大技术体系支撑。它们是以物联网技术为支撑的天空地一体化的农情信息获取体系，以大数据、人工智能为支撑的科学决策体系和以农机无人驾驶技术为支撑的地空一体化无人机群协同作业体系。图6为山东理工大学探索出的生态无人农场模式示意图。

图6 山东理工大学探索出的生态无人农场模式示意图

农业物联网将无人农场中农机智能装备状态信息、作物信息、环境信息三大要素的数据实时连接共享。传感器和数据传输技术是组成物联网的重要支撑[53]，将天空地一体化的传感器空间网络感知的海量多元异构信息通过有线或无线通讯技术完成装备-作物，装备-环境，作物-环境等的实时交互功能。数据传输分为有线传输和无线传输，无人农场中常用的有线传输技术有CAN现场总线技术等，常用的无线传输技术有Zigbee、WiFi、LoRa、4G、5G等[54]，而5G技术凭借其高传输速率、低延时[55]的特性，为农场管理的可视化、在线化提供了应用前景，为遥感无人机变量喷施处方图[56]的实时生成、提高农用无人机避障[57]的响应速度等提供了可能。5G技术在无人农场中的研究应用将是智慧农业发展的重要方向之一，山东淄博的第一个5G基站建立在山东理工大学生态无人农场。

农机智能装备的状态信息智能感知便于实现对装备的状态参数、作业参数等的实时监控和故障排查，为农场管理的精准决策提供依据。其感知对象涵盖了动力机械、耕整地机械、播种机械、植保机械、灌溉机械、收获机械等部分[58]。动力机械的关键参数有动力输出、扭矩、位置、行驶方向、行进速度、作业姿态等；耕整地机械中利用陀螺仪、倾角传感器、压力传感器、超声波传感器、红外传感器[59]等感知机械位置状态、耕作深度、耕作阻力以及动力输出信息等；播种机械加载的红外光敏传感器、视觉传感器、光电传感器[60]等实现对种子、肥料等固体颗粒播量、播速、播深、漏播情况等的监控；植保机械利用压力传感器、机器视觉传感器、测速传感器、流量传感器、超声波传感器、激光传感器等实现农药喷雾压力、流量、液位等的监控[61,62]，以及喷杆的高度测量与调节，植保无人机还可实现飞行高度、飞行速度的实时感知；灌溉机械利用压力传感器、流量传感器、流速传感器等对水肥灌溉的流量、流速、水压等数据监测，便于实现精准的水肥灌溉及调控；收获机械基于电阻传感器、γ射线传感器、光电传感器、压电传感器等测量粮食产量、含水率、破损率等参数[63]，为农场提供估产以及粮食品质判定的参考。可以看出，传感器分布在智能农机装备作业的各个环节，组成泛在的传感器节点，这让田间作业过程可视化、数据化，并让生产环节更加安全可控。

作物与环境农田信息的感知是实现精准作业的前置基础，无人农场的智能感知需要依托天空地一体化的农情信息获取系统来实现。地面尺度的农田土壤墒情、气象信息等的获取主要依靠地面布设的传感器完成。无线传感器网络（Wireless Sensor Network,WSN）是地面传感器的重要组织结构[64,65]，大量的传感器节点利用广泛布设的探头、探针将其获取农田信息转换成电信号，经过控制模块处理后，由无线/有线网络传输至农场的智慧云大脑/指控中心/云平台。按照监测对象分类，监测范围包含了土壤墒情、气象参数和作物生长状况等。土壤墒情监测方面，贾科进等[66]设计了基于Zigbee无线传感器网络的土壤墒情监测系统，可用于节能节水和智能灌溉；漆海霞等[67]设计了基于LoRa的花生水分监测系统，试验结果表明系统在800 m距离内数据通讯成功率较高，这对中小型无人农场中的土壤墒情数据采集具有一定的应用价值；赵燕东等[68]研发了能够同时测量土壤水分、电导率、温度的多参数复合传感器系统，其能够满足在线测量的要求。气象监测方面，气象站是常用的农田气象参数测量的载体，集成了多种传感器，用于测量风速、风向、大气压、空气温湿度、光照强度等。杨亦洲等[69]组建的基于ModBus和Zigbee的气象无线传感器网络，实现了多节点、多参数的气象参数采集功能；张李元等[70]开发了基于NB-IoT技术的气象站，可实现与云服务器的数据交互功能。鉴于农业生产的场景特点，农田气象监测系统朝着数据传输稳定、低功耗和小型化方向发展[71,72]。在地面监测作物生长状况方面，则主要以图像和视频获取的形式出现，用于观察作物长势与监控农场的安全等。

在空天尺度农田信息的获取上，主要依靠遥感技术来完成。遥感，顾名思义，即遥远的感知，广义的遥感涵盖了卫星遥感、航空飞机遥感和地面遥感[28]。农业遥感技术，是指搭载图像、光谱、雷达等传感器对作物长势、农田墒情、病虫草害发病情况等进行监测，获取病虫草害、植被覆盖度、植物缺素和水分等信息[73,74,75]。生态无人农场遥感应用的目的是基于遥感手段获取的农田信息，针对性地对病虫草害发生的趋势进行预测，结合农田作物生长趋势等对最佳播种、施药、施肥、灌溉、收获等时间节点进行判断和预警，对作物产量进行估测，并可以生成作物信息处方图。处方图的网格被定义了不同处理等级，用以指导精准变量的水、肥、药等的灌溉与喷施。

刘良云等[76]利用卫星遥感获取小麦的归一化植被指数，监测了小麦播种时间，预测了小麦出粉率；唐翠翠等[77]基于卫星遥感数据建立了小麦蚜虫发生预测模型，通过对比发现，相关向量机（Relevance Vector Machine,RVM）对小麦蚜虫发生的预测精度较高，可为预防性施药防治提供依据；赵静等[78]对夏玉米无人机可见光图像进行处理，快速准确地得到了夏玉米多个生长阶段的植被覆盖度信息；赵静等[79]还利用无人机多光谱成像区分玉米与田间杂草，得出支持向量机（Support Vector Machine,SVM）模型的区分度较好；孔繁昌等[80]利用无人机高光谱图像对水稻稻瘟病的发生等级进行区分，结合光谱特征解释了病害侵染后反射率和相关植被指数的变化过程，为稻瘟病的预警提供了支持；马慧琴等[81]将遥感数据和气象数据相结合，成功预测了小麦灌浆期的蚜虫爆发趋势，精度高于80%；刘峰等[82]开发了将遥感数据与作物生长模型相结合的系统，对无人农场模型库的建立具有一定的指导意义，另外研究表明这将有助于对作物产量进行估测[83]。总体来说，卫星遥感具有监测面积广、不受时空地域限制等优点，但成本相对较高；地面遥感感知精度高，但存在操作效率低下的问题；无人机低空遥感搭载紧凑、轻便、耐用的传感器获取农田信息，可快速准确获取带有地理坐标的高精度信息数据。三种遥感手段各有利弊，但又相辅相成，共同组成了天空地尺度的农情信息感知网络，成为无人农场智慧化管理最重要的手段之一。遥感技术在生态无人农场中还有诸多应用场景，如2019年台风“利奇马”过境时，生态无人农场研究团队采用无人机遥感技术对农田小麦倒伏情况进行了快速评估[84]。

通过构建天空地一体化的农情信息感知系统，众多传感器节点获取的数据通过通讯协议汇集传输到农场的智慧云大脑/云平台/指控中心，实现了对农田全方位立体化的信息感知和获取，为无人农场大数据的形成积累关键参数，为科学决策提供基础。

人工智能技术在农业上主要有农作物识别与检测、农作物病虫害与缺素诊断、农作物生产精准管控、农产品质量分拣和溯源、土地与种植资源管理等应用场景[85]。农业人工智能在生态无人农场应用场景中，是指利用计算机的机器学习、深度学习等算法，对传感器网络所获取的海量信息进行规律挖掘，通过优化算法进行数据分析和趋势预测，形成规律模型，模型系统的成熟与集成将使智慧云大脑完全具备思考和决策的能力[86]。形成具有自主决策能力的智慧云大脑需要大数据支撑，在数据量和处理能力还不足时，往往需要使用一些相对简单的算法和模型来完成基本的功能，并通过人为地挖掘和输入重要特征，辅之以人类的决策经验，不断训练和优化决策精度。由于短期内积累的数据量往往形成不了真正意义的大数据，因此人类的决策还将承担重要的辅助作用。

农业大数据存在多维、广源、异构、动态的特点[87]，传统的数据存储和数据处理方式已经无法满足大数据的应用要求。寻求一种数据存储能力强、计算速度快的数据管理平台尤为重要。Hadoop框架是无人农场大数据的主要组织形式，具有高效、安全、易拓展等优点[88]。基于Hadoop的大数据管理平台，通过构建分布式的文件系统，在Hadoop框架下的HDFS和MapReduce两大核心组件分别具备了海量的数据存储功能和数据高速处理能力[89]，经过MapReduce的进一步数据归纳、数据挖掘，结合人工智能的算法处理，实现无人农场管理的智能分析与智能决策。随着无人农场天空地一体化的农情信息采集，大数据逐渐积累，而新数据的产生存储不会影响原有数据的结构，而是通过构建新数据节点的方式实现数据累加[90]。人工智能算法为大数据提供经验模型，结合MapReduce的并列计算，实现对数据价值的深度挖掘。农田环境、作物种类和田间管理环节的复杂性、病虫草害发生的多样性、植物生长的特异性，以及农业生产资料之间的相互影响不确定性，导致了农业大数据海量多源异构数据的冗杂性，这将为农业大数据的获取提出更高的要求。模块化、规律化的信息分类采集，将有助于大数据快速存储与计算。

人工智能（Artificial Intelligence,AI）是一种模拟或者延伸人的智能方法、理论的工具。通俗意义上来讲，人工智能模拟的是人的思维方法，是通过一定的计算机语言、程序算法来完成认知、学习、判断、形成策略等功能[91]。而人工智能算法实质上是为了解决特定的问题而设计的计算过程和数学模型，是事务的规律性总结。因此，农业人工智能的核心技术是基于农业大数据的算法形成的规律模型，规律模型可以用来指导实际的农业生产与管理。在无人农场中，大数据和人工智能技术替代了人类大脑，以智慧云大脑/云平台/指控中心为载体发挥形成田间管理决策和发送作业指令等功能。数据、计算和算法是人工智能的三大基石，而算法是人工智能的灵魂。农业人工智能中，按照训练方式的不同，可分为监督学习、无监督学习、半监督学习和强化学习等。在与无人农场相关的人工智能算法研究中，卷积神经网络、回归神经网络、随机森林、线性回归、逻辑回归、支持向量机等监督学习算法和深度卷积神经网络等深度学习算法较为常见，不同的算法在无人农场实现功能时有各自的应用场景。在作物病害识别方面，刘涛等[92]基于Mean Shift算法实现了水稻病斑区域的划分，利用支持向量机模型对多种水稻病害完成了识别分类；夏永泉等[93]基于随机森林算法对小麦叶部白粉病、叶枯病、叶锈病等进行识别，准确率可达95%，精度优于同等条件下的支持向量机方法；孙俊等[94]对传统的卷积神经网络进行了优化，通过批归一化与全局池化方法加速了作物病害图像数据处理和特征精简，使模型对作物病害的识别准确率达到99.56%。在作物识别方面，杨蜀秦等[95]开发了基于DeepLab V3+深度语义分割网络的优化模型，获得了93.06%的平均像素精度和87.12%的平均交并，为作物特征与分类提取提供了更加准确的性能与技术支持；贾银江等[96]通过引入AMPSO算法对支持向量机进行优化，提高了模型对作物的分类精度。

在农业人工智能功能实现层面上，地面无人农机/机器人与已经具备了故障自检、作业信息上传、自主避障功能，在与农田环境交互方面，初步具备了作物识别与检测功能，空中的遥感无人机基于可见光、多光谱、高光谱数据执行作物识别、作物长势监测、病虫害诊断与识别和预警等功能。在生态无人农场中，根据获取的气象信息和以及人类耕作经验，智慧云大脑做出播种的决策并向播种机发送指令下田播种作业；根据遥感数据得出的农田病虫害信息，得知农田需要水、肥、药管理时，智慧云大脑做出预警，并向无人喷灌或无人植保机械发送指令，基于生成的农田信息处方图，开展精准施药、施肥、灌溉作业；根据作物长势和生长情况，得出作物已经成熟信息时，向收获机发送指令下田开展收获作业。这些功能部分还处于研究试验研究阶段，尚未形成成熟体系，不过，这些将是农业人工智能技术在生态无人农场建设中的重要体现，也是未来努力的方向。如图7所示为山东理工大学建设的生态无人农场智慧云大脑。

图7 生态无人农场智慧云大脑

大数据与人工智能技术充当了无人农场的智慧云大脑，类比人脑，智慧云大脑是无人农场最重要的器官。当智慧云大脑完全具备独立自主决策能力时，即无人农场实现自我管理时，将最大程度地使人类从农业生产过程中解放出来，只需享受产出的食物。

世界上首个无人农场的雏形在英国诞生，其英文表达是Hands-Free Farm，展现的是在没有任何人进入农场的情况下，由机械完成从翻地、播种、灌溉、直到收获的全部流程，并由无人机监控作物的生长[5]。因此，农机无人驾驶是无人农场最初想要展现的形式。但在生态无人农场模式下，农机无人驾驶只是无人农场的执行层，无人驾驶农机将在前端感知层和决策层基础上，使农田的管理更加信息化、精准化、智能化和高效化。

无人驾驶技术最先应用于汽车驾驶领域，但农田相对公路的应用场景更为复杂，如农田地块往往崎岖不平，农机进行耕种管收等作业需要与旋耕机、播种机等特定农机具配合，在地头转弯时需将农机具抬起，又涉及与传感器和液压控制系统的协调。在田间作业时，遇到障碍物需要自主避障，农机出现故障，需要自主停车等。综上，实现农机无人驾驶需要精准的位置定位、合理的路径规划、准确的姿态控制、灵敏的自动避障和连贯的机具协同。图8为生态无人农场地空一体化无人机群协同作业场景。

图8 生态无人农场地空一体化无人机群协同作业

全球卫星定位系统（Global Navigation Satellite System,GNSS）是一种以卫星为基础的高精度无线电导航定位系统，是实现农机定位导航的核心技术。它泛指所有的卫星定位导航系统，包括美国的GPS、俄罗斯的GLONASS、中国的北斗卫星导航系统（BeiDou Navigation Satellite System,BDS）等[97]。高精度的导航定位是实现无人农场精准高效作业的基本要求，随着基于载波相位差分技术的实时动态定位技术（Real-time kinematic,RTK）的成熟，较传统GNSS精度优化的RTK-GNSS应用方案得到广泛研究和应用，国内常用的有RTK-GPS和RTK-BDS等。RTK-GNSS定位导航系统由GNSS、差分基准站、定位接收机、导航控制器等组成，差分基准站向定位接收机发送差分数据包，定位接收机通过对卫星信号和差分信号的解译，算得与基准站之间的坐标差，从而得出定位接收机即农机的准确位置[98]。导航控制器通过对行向、速度、转向角等的测算与解译，控制农机按照规划好的航线行进，完成导航功能[99]，其误差精度一般在厘米级。

合理的路径规划是指根据地块情况进行全局或者局部路径规划，而针对有无地图可分为静态规划和动态规划，以适应不同作业场景和提高地图精度[100]。准确的姿态控制是指根据规划好的路径进行直线追踪和转向控制[99]。罗锡文等[101]研发了基于RTK-DGPS的拖拉机自动定位导航系统，并设计了基于PID算法的导航控制器，当前进速度为0.8 m/s时，平均导航跟踪误差小于3 cm；张华强等[102]设计了一种基于改进纯追踪模型的农机路径跟踪算法，以东方红1104-C型拖拉机为试验平台,设计了农机自动导航控制系统，试验表明当行驶距离超过5 m后，最大横向误差为2 cm，有效提高了直线作业精度；王辉等[103]设计了一种基于预瞄追踪模型的农机导航路径跟踪控制方法，采用预瞄追踪辅助直线引导农机快速稳定跟踪规划路径，取得了良好的直线路径追踪效果。在转向控制方面，魏爽等[104]建立了基于预瞄点搜索的纯追踪模型，在梨形转向导航模式下，误差为14.42 cm；杨洋等[105]设计了基于直流电机与全液压转向器直联的自动转向机构及其电控系统，车轮转角响应平均稳态误差小于0.1°，实现了良好的转向性能；印祥等[106]以高速插秧机为试验平台，研制了以无刷电机作为动力源的电动自动转向系统，试验结果表明在[-10°，10°]范围内的转向控制误差小于1°、均方根误差小于1°，具备良好的控制稳定性和可靠性。国内一些农机企业也配备了电控液压系统，结合车轮偏角传感器和转向控制系统，实现了高灵敏度和精度的转向控制。国内极飞公司研发了农机自驾仪，集成了定位、解译、转向控制等功能，经过简单改造，就可实现传统农机向无人驾驶农机的过度，具有较好的推广前景。与地面轮式机具相比，植保无人机具有操作灵活、作业效率高等特点，植保无人机在换行时，通常无需机头与机尾的调换，通过平移换行即可完成航线追踪，提高了作业效率，降低了动能损耗[107]。

连贯的机具协同有两个层次的含义。首先是农机与机具的协同，是指农机行至地头时对所挂载的机具进行抬升与下落的控制[58]，以完成路径航线间的高效衔接。鉴于传统的机械液压提升不利于智能化控制，目前常采用电液提升方法，通过电液比例控制来解决这一问题。其次是农机间的协同，一般指受农时和突发自然灾害等因素影响，为保证作业效率需进行多机协同作业。同种农机间的协同需要相同的农机进行同工作量分配的农事操作以提高效率；不同农机之间的协同，如收获机与运粮车的协同，减少了作物收获后的二次转运，提高了运输效率。多机协同同样需要合理的路径规划[108]，以防止作业区域的重合和航线重合导致的农机相撞事故。曹如月等[109]设计了基于蚁群算法的多机协同作业任务规划算法，可有效降低路径代价，提高作业效率；曹如月等[110]设计的基于WEB-GIS远程控制平台，集数据收发、存储、查询、显示和分析于一体，实现了多机协同的远程控制；姚竟发等[111]提出了联合收割机多机无冲突协同作业路径优化算法，可有效降低作业时长，为作物抢收赢取宝贵时间；针对草地贪夜蛾等重大病虫害的防控，植保无人机的一控多机功能[112]为虫口夺粮、保卫粮食安全做出了重要贡献，在中国河南等地得到了示范性的应用。

在硬件装备与无人作业系统方面（如图9所示），无人驾驶农机涵盖了耕、种、管、收四大环节，由无人驾驶耕整地机械、无人驾驶播种机械、无人驾驶植保机械、自走式喷灌机械、无人驾驶收获机械等部分组成。除此之外，还有众多田间信息采集的机器人等，结合空中的无人机进行播种、播肥、施药等作业环节，共同组成了地空一体化的无人机群协同作业体系。从农机无人驾驶相关技术的研究进展来看，当前已经基本具备了农机无人驾驶功能，在中国山东、河北、广东、吉林等地已经得到初步推广应用。生态无人农场模式将在前端智能感知与科学决策的基础上，进一步整合、集成一系列智能化无人作业技术，向着农田少人乃至完全无人作业发展。

图9 无人驾驶农机作业装备

生态无人农场智慧大田。生态无人农场模式倡导的是一种绿色可持续发展的理念，在此基础上的感知层、决策层和执行层三个层面上，进行多种技术的集成创新，以达到生产生态、高产高效、智慧管理，因此生态无人农场模式在不同应用场景下具有不同的技术内涵。本文主要介绍了智慧大田场景下的技术与典型模式，除了前端的感知层、决策层，在执行层面上，大田种植农场的执行系统主要以无人化的大型农业机械为主，而在果园、温室等场景下，小型的农业机器人是主要的执行系统。

生态无人农场智慧果园。生态无人农场智慧果园是指利用物联网、大数据、人工智能、固定与移动的智能装备等对果树生长进行水、肥、药等的精准管理。通过果园布设的传感系统，实现对果园状态的精准感知，通过水肥一体化、精准施药，实现生态高效，通过农业机器人实现无人化管理。智慧果园中涉及的除草、套袋、授粉、施药、采摘、分选等主要环节都是由机器人来完成。物联网是精准管理的前端基础、智慧决策平台是核心系统，无人作业车、农业机器人等是生产环节的装备载体。生态无人农场智慧果园的实施对象现阶段主要针对规范化种植、机械化管理的标准果园，目前对于机械化管理程度较低的果园应用潜力较小。

生态无人农场智慧温室。生态无人农场智慧温室可以实现对温室栽培对象的生长信息实时获取、处理与管理决策，智能化的温室环境传感器、智慧化的温室管理平台和自动操作的温室管理机器人实现了对人工的替代，并对水、肥、养、药等进行精准调控。完成无人育苗、无人监测、无人调控、无人分拣、无人收获（采摘）等，来达到自动生产、生态高效、智慧集约的效果。

生态无人农场智慧渔场。本着循环水利用等生态理念，生态无人农场智慧渔场的管理可以分为三个部分：在渔场内布设各类传感器以及动态的巡检系统，对水温、水质、光照、气体含量、鱼类生长状况、鱼类行为进行测量与监控；将数据传输至渔场的智慧云大脑/管控平台，经过数据处理产生科学决策；发送指令对水体环境进行预警、调控，利用固定装备、无人船、无人机、无人巡检装备等完成精准的水质调节、饲料投喂、增氧和收获等一系列操作。

生态无人农场智慧牛场。智慧牛场基于废水、粪污等的合理处理及循环利用的理念，在智慧牛场感知、决策、执行三大基础模块的支撑下，实现牛场智能识别、智能调控、智能繁育、智能投喂、智能清理、废物处理等功能，核心的技术仍是基于人工智能的决策系统，代替人脑进行调控干预，使牛场的生产管理更加科学合理与精准高效。

除以上介绍的几种常见的应用场景外，还有生态无人农场智慧鸡场、智慧猪场、智慧牧场等诸多应用场景，但其核心思想仍是生态发展理念与无人农场、信息技术等的深度融合，生态无人农场技术模式在不同应用场景下需因地制宜地配套相应的支持系统。

2020年12月，中国工程院发布了《全球工程技术前沿2020》，在农业领域公布的11个工程研究前沿和9个工程开发前沿中：农业生物信息、环境信息的智能感知、农业机器人作业对象识别与定位、农业资源高效利用与循环经济、土壤生物多样性与生态系统功能四项内容被列入工程研究前沿；无人农场智能装备、农业先进传感机理与技术、农业农村有机废弃物绿色资源化利用、植保无人飞机病虫害智能识别与精准对靶施药四项内容被列入工程开发前沿[113]，而这些研究方向也与生态无人农场理念的众多关键技术密切相关，这正说明了生态无人农场技术模式是农业领域未来发展的重要方向。

目前，山东理工大学在智慧大田种植场景下的生态无人农场模式已经基本成熟，并且于2020年在吉林省农安县实现了首次推广。山东理工大学生态无人农场研究团队正在向生态无人农场技术体系下的智慧渔场、智慧果园、智慧温室等探索和推进，将生态无人农场这一模式和理念进行深层次的探索，为未来农业提供宝贵的借鉴。

21世纪是信息技术高速发展的时代，互联网、移动支付、网络购物等技术悄然进入人们的生活，人类生存方式产生了巨大变革。农业作为国民经济的基础，传统的农业模式也必将发生革命以适应社会发展的需要。在中国城镇化浪潮下，土地流转也将成为土地高效集约化利用带来契机。未来农业，技术先行，生态无人农场技术模式是对农业未来的可持续发展进行的一种大胆的尝试与探索，在解决农业劳动力短缺问题、作业提效、作物增产、土地高效利用和生态保护方面都将产生巨大价值。

基于对生态无人农场模式的探索进行的总结论述，得出以下结论：

1）导致农田生态系统生态问题的三大主要因素分别是农药、化肥的过度施用以及连年频繁耕作对土壤生态的破坏。生态无人农场模式通过无人化作业手段对农田生态系统进行生态化管理与改造，即通过无人驾驶机械作业完成对农药、化肥的减施与替代，以及土壤耕作的轻简化，以此将生态农业与无人农场有机结合。

2）生态无人农场模式的实施内涵是：精准施药绿色环保、生态沃土集约高产、物质循环持续发展、作物生长立体感知、数据驱动精准分析、人工智能科学决策、卫星定导精准作业和机具协同省时高效。

作者：兰玉彬 赵德楠 张彦斐 朱俊科 山东理工大学农业工程与食品科学学院 山东理工大学生态无人农场研究院 山东省旱作智能农机装备协同创新中心 山东省农业航空智能装备工程技术研究中心 中英智能农业联合研究中心

作者简介：兰玉彬，博士，教授，博士生导师，法国欧洲科学、艺术与人文学院院士，格鲁吉亚国家科学院外籍院士，研究方向为精准农业航空应用技术。Email:ylan@sdut.edu.cn;

基金：山东省引进顶尖人才“一事一议”专项（鲁政办字[2018]27号）;淄博市生态无人农场研究院项目（2019ZBXC200）

来源：《农业工程学报》期刊