RESEARCH TRENDS 科研动态
AgriPhenoTM 快讯 20
随着移动机器人和无人机的快速发展和普及，它们越来越多地被部署在农业应用中进行自动化操作，以避免危险、
重复和复杂的手动操作。
针对精准农业中面临的收割问题，Zheng等（Zheng et al., 2022）通过对番茄采摘问题的研究，设计了一种机器人
抓取器。结果表明，该夹具能够顺利抓取直径为65～95mm的中大型番茄，且在抓取操作中均满足最小损伤力条
件。在机器人喷洒和施肥等作物管理方面，Hu等（Hu et al., 2022）提出了一种多目标跟踪方法，通过构建独特的
特征来检测和生菜个体。该方法旨在避免对同一棵生菜进行多次喷洒。为了解决玉米收获机工作时产生的振动变
形问题，Fu等（Fu et al., 2023）提出了一种改进的经验模态分解（EMD）算法，以减少田间噪声和非平稳振动。结
果表明，该模型能够有效地减少噪声干扰，恢复原始信号的有效信息，识别框架振动状态的准确率达到99.21%。
无人机可用于监测作物健康状况、土壤湿度水平，并确定需要灌溉或施肥的区域。通过使用先进的传感器和相机，
无人机可以捕捉传感数据并进行调查，为农民提供对作物生长和产量的宝贵见解。此外，无人机应用于农时的指
导、导航和控制的各个方面开始进行研究，以允许使用自主无人机机队进行实时作物管理。Huang等（Huang et
al., 2022）提出了一种分布式控制方案可解决多无人机系统中的防撞问题，该方法能够有效控制多架无人机在预定
时间内完成植保任务。Yunlong Li等（Li et al., 2022）提出了一种田间小麦倒伏鉴定的解决方案，可利用无人机获取
小麦的三维点云数据，利用神经网络对其进行处理，得到小麦倒伏的识别结果。该分类模型的F1评分在灌浆期和
成熟期分别为96.7%和94.6%。
智能农业中的机器人和无人机
植物生长和农业生产可能不稳定，因为它们在很大程度上受到环境的影响。良好的森林、土地和水资源生态环境
是可持续发展的基础。研究人员越来越重视将人工智能和传感器技术应用于生态系统，并通过传感和监测生态系
统为可持续植物保护做出进一步贡献。在森林火灾危险性识别领域，Shaoxiong Zheng等（Zheng et al., 2022）提
出了一种改进的森林火灾识别算法，通过融合BP神经网络和SVM分类器进行火灾识别。他们构建了一个森林火灾
数据集，并用不同的分类算法对其进行了测试。结果表明，该方法的准确率为92.73%，验证了算法的有效性。
农业生态中的AI和传感器
农业可持续发展需要从多个角度做出努力。人类需要创造一个良好的生态环境，包括水资源、森林和土壤，以确保
植物在健康的环境中生长。更合理的传感器布置和人工智能的使用可以实时监测环境变化，使农民能够做出更优
化的控制措施。此外，植物表型将在未来农业中发挥更重要的作用，包括植物育种和植物参数获取。人工智能和机
器人技术已越来越多地融入植物保护、施肥和收割中，以追求更高的食品质量和产量。各种人工智能方法、智能农
业机器人和设备已被证明在实验室和田间都是有效的。在实际农业生产中部署这些方法和机器人，同时以更低的
成本实现整个过程，这对研究人员和农业行业来说都是即将到来的挑战。此外，包括空地联合在内的多机器人协作
将塑造一个更好的智能农业系统，并为未来的农业建设一个可持续和循环的农业系统。
结束语
参考文献
Su, Daobilige et al. Editorial: AI, sensors and robotics in plant phenotyping and precision agriculture, volume
II. Frontiers in plant science, 2023, 14�1215899.
RESEARCH TRENDS 科研动态
AgriPhenoTM 快讯 20
随着移动机器人和无人机的快速发展和普及，它们越来越多地被部署在农业应用中进行自动化操作，以避免危险、
重复和复杂的手动操作。
针对精准农业中面临的收割问题，Zheng等（Zheng et al., 2022）通过对番茄采摘问题的研究，设计了一种机器人
抓取器。结果表明，该夹具能够顺利抓取直径为65～95mm的中大型番茄，且在抓取操作中均满足最小损伤力条
件。在机器人喷洒和施肥等作物管理方面，Hu等（Hu et al., 2022）提出了一种多目标跟踪方法，通过构建独特的
特征来检测和生菜个体。该方法旨在避免对同一棵生菜进行多次喷洒。为了解决玉米收获机工作时产生的振动变
形问题，Fu等（Fu et al., 2023）提出了一种改进的经验模态分解（EMD）算法，以减少田间噪声和非平稳振动。结
果表明，该模型能够有效地减少噪声干扰，恢复原始信号的有效信息，识别框架振动状态的准确率达到99.21%。
无人机可用于监测作物健康状况、土壤湿度水平，并确定需要灌溉或施肥的区域。通过使用先进的传感器和相机，
无人机可以捕捉传感数据并进行调查，为农民提供对作物生长和产量的宝贵见解。此外，无人机应用于农时的指
导、导航和控制的各个方面开始进行研究，以允许使用自主无人机机队进行实时作物管理。Huang等（Huang et
al., 2022）提出了一种分布式控制方案可解决多无人机系统中的防撞问题，该方法能够有效控制多架无人机在预定
时间内完成植保任务。Yunlong Li等（Li et al., 2022）提出了一种田间小麦倒伏鉴定的解决方案，可利用无人机获取
小麦的三维点云数据，利用神经网络对其进行处理，得到小麦倒伏的识别结果。该分类模型的F1评分在灌浆期和
成熟期分别为96.7%和94.6%。
智能农业中的机器人和无人机
植物生长和农业生产可能不稳定，因为它们在很大程度上受到环境的影响。良好的森林、土地和水资源生态环境
是可持续发展的基础。研究人员越来越重视将人工智能和传感器技术应用于生态系统，并通过传感和监测生态系
统为可持续植物保护做出进一步贡献。在森林火灾危险性识别领域，Shaoxiong Zheng等（Zheng et al., 2022）提
出了一种改进的森林火灾识别算法，通过融合BP神经网络和SVM分类器进行火灾识别。他们构建了一个森林火灾
数据集，并用不同的分类算法对其进行了测试。结果表明，该方法的准确率为92.73%，验证了算法的有效性。
农业生态中的AI和传感器
农业可持续发展需要从多个角度做出努力。人类需要创造一个良好的生态环境，包括水资源、森林和土壤，以确保
植物在健康的环境中生长。更合理的传感器布置和人工智能的使用可以实时监测环境变化，使农民能够做出更优
化的控制措施。此外，植物表型将在未来农业中发挥更重要的作用，包括植物育种和植物参数获取。人工智能和机
器人技术已越来越多地融入植物保护、施肥和收割中，以追求更高的食品质量和产量。各种人工智能方法、智能农
业机器人和设备已被证明在实验室和田间都是有效的。在实际农业生产中部署这些方法和机器人，同时以更低的
成本实现整个过程，这对研究人员和农业行业来说都是即将到来的挑战。此外，包括空地联合在内的多机器人协作
将塑造一个更好的智能农业系统，并为未来的农业建设一个可持续和循环的农业系统。
结束语
参考文献
Su, Daobilige et al. Editorial: AI, sensors and robotics in plant phenotyping and precision agriculture, volume
II. Frontiers in plant science, 2023, 14�1215899.
