Page 39 - 《华中农业大学学报（自然科学版）》2023年第3期
P. 39

第 3 期                    郑倩 等：基于文献计量学的智慧农业研究现状及趋势分析                                        33

               网络模型提取水稻群体抗旱表型（如卷叶、含水量及                          光谱成像”“激光雷达”“面向对象的影像分析技术
               抗旱指数等）。Wu等        ［41］ 通过无人机搭载高清相机获 （OBIA）”“农业机器人”“温室”“智能农业”；应用领
               取玉米群体的田间图像，通过 CNN 模型实现对玉米                        域有“杂草检测”“智慧灌溉”“智慧种植”“植物病害”
               叶枯病的精细鉴定。Ma等           ［42］ 利用卫星图像、气象数 “果实检测”等。利用无人机搭载成像装置或传感器
               据、玉米历史产量等数据，开发了基于 Bayesian net‐                  收集信息，用于农业监测、管理和决策，是目前智慧
               works 的玉米产量预测模型，并验证了该模型的预测                       农业的一个主要研究趋势。Malambo 等             ［49］ 利用无人
               准确性。在食品行业，图像处理系统和人工智能可                           机系统高分辨率图像生成的 3D 点云估算大田种植
               以根据产品尺寸和形状进行产品分类、缺陷检测、微                          的玉米和高粱的植株高度。Deng 等              ［50］ 利用多旋翼
               生物检测和食品质量分级           ［43］ 。                     无人机同时搭载窄波段 Mini-MCA6 和宽波段 Se‐
                   ③遥感。包括以“遥感”和“生态系统服务”为代                       quoia 2 种多光谱传感器收集田间多个采样点的玉米
               表的聚类。出现频次较高的关键词中，涉及的技术                           多光谱图像，对比分析了多光谱传感器的性能及其
               方法包括“遥感”“地理信息系统”“卫星图像” “陆地                       在精准农业应用中的优势。Xu等              ［51］ 开发了 1种集成
               卫星（Landsat）”“归一化差异植被指数（NDVI）”“叶                  3 个摄像头（RGB、多光谱和热成像）和 1 个激光雷达
               面积指数（LAI）”“中分辨率成像光谱仪（MODIS）” 传感器的无人机，用于植物表型分析和精细作业。
              “时间序列”“合成孔径雷达（SAR）”“Google Earth                  智慧农机具有智能感知、自动导航、精准作业和智慧
                                                                                                    ［8］
               Engine（GEE）”等，应用领域有“土地利用”“土地覆                    管理的功能，为无人农场提供了物质支撑 。Virlet
               被”“生态系统服务”“灌溉”“作物产量”“作物分类” 等                      ［52］ 建立了一个全自动机器人田间表型平台，搭载
              “作物监测”等。遥感在农业中的应用是基于不同农                           有高分辨率可见光、叶绿素荧光和热红外摄像机、2
               作物在植株和叶片结构、叶肉细胞、叶绿素、含水量                          台高光谱成像仪和 2 台 3D 激光扫描仪，通过在轨道
               等方面存在理化性质差异，导致植株冠层和叶片反                           装置上沿 XYZ 三维坐标方向重复移动感应箱，获取
               射和发射的光谱不同，通过研究其光谱规律进行分                           田间作物的全方位表型性状。Tang 等               ［53］ 综述了数
               析 ［15］ 。Google Earth Engine（GEE）是一个基于云的          字图像处理技术和深度学习算法在水果识别和定位
               地理空间信息处理平台，常用于大规模环境监测和                           中的应用，指出了提高水果采摘机器人识别和定位
               分析。Tamiminia等    ［44］ 根据2010-2019年间GEE相          成功率需要解决光照变化和遮挡环境下的目标识
               关的同行评审文献的分析，指出 GEE 相关研究数据                        别、动态干扰环境下的目标跟踪、三维目标重建和农
               主要来自中分辨率的光学卫星图像，特别是存档超                           业机器人视觉系统容错。对智慧农机的视觉感知、
               过 40 年的陆地卫星数据，而线性回归和随机森林是                        作业路径、工作时间等数据进行人工智能分析和改
               卫星图像处理中最常用的算法。在实际应用中，光                           进优化，有利于提高智慧农机的工作效率和准确性。
               学遥感成像易受云雾干扰而无法获取遥感数据，而                           Yan 等 ［54］ 提出了一种改进的 YOLOv5s 苹果目标检
               合成孔径雷达（synthetic aperture radar， SAR）不受天         测方法，为苹果采摘机器人实时准确检测多个目标
               气影响，可全天时全天候对农作物生长、病虫害和土                          提供了技术支持。
               壤特性进行监测，是农业遥感领域的一个研究热                            2.4 前沿热点分析
               点 ［45-46］ 。Zhan 等 ［47］ 基于 Sentinel-1A 合成孔径雷达         利用 VOSviewer，基于关键词共现网络对智慧
               遥感时序数据和水稻移栽期前后呈现出下降-上升                           农业领域关键词进行演化分析，结果显示，遥感技术
               的“V”形特征，提出了一种雷达遥感水稻自动分类方                         在较早的时期就被大量研究应用；“物联网”“机器学
               法 ARM-SARFS，适用于区域尺度的水稻空间分布                       习”“深度学习”是近年来的研究热点。
               自动制图。Wang 等       ［48］ 基于 Sentinel-1A 合成孔径雷          早期的地理信息系统、土地利用效率、土地覆盖
               达数据和机器学习算法对中国东部沿海湿润地区盐                           面积等分析多采用中/低空间分辨率的遥感影像。
               渍土水分制图。                                          随着高分辨率遥感卫星的发射，“Sentinel-1”“Senti‐
                   3）以无人机和农业机器人为代表的智能农机装                        nel-2”和 “Google Earth Engine”加上人工智能方法
               备。智能农机相关研究包括以“无人机”为代表的聚                          的应用成为该领域的最新研究热点。这些前沿技术
               类以及与“遥感”“物联网”“人工智能”交叉融合的聚                        大幅提高了农作物分类和信息数据的准确度，实现
               类，出现频次较高的关键词有“无人机”“高光谱”“多                        了高精度的作物长势特征的大面积监测、农田土壤
   34   35   36   37   38   39   40   41   42   43   44