无人农场智能管控平台设计与实现

冯敏康龚智峰徐璟吴雄杰戴冯家林立杰徐纪洋李晓宇王铮

(1.上海市嘉定区农机技术推广站，上海 201800；2.上海市农业机械鉴定推广站，上海 201600；3.上海联适导航技术股份有限公司，上海 201702)

引言

农业是国民经济的基础，现代农业装备是现代农业的重要支撑。近年来，随着各地新农村建设的不断推进，我国城镇化水平也逐步提高，同时出现了农业人口老龄化加剧以及青年一代就业观念改变等导致的新问题。尤其是对于农业生产来说，“谁来种地、如何种地”的问题日益严重。国内外都在探索如何通过技术改变农业生产对人的依赖，当前，世界主要发达国家是以农业生产装备融合电子信息、物联网、云计算等技术，来实现农业生产过程的自动化、智能化、机器人化，进而代替人工作业。新兴技术主要体现在智能化的作业控制，智慧化的生产决策，信息化的平台管控，智慧农业是未来农业的发展方向；与传统的机械化农业生产相比，无人化农业集成了更多的现代科技成果，以现代信息技术为手段，整合物联网、大数据、5G技术和AI等技术对农业的生产经营进行智能化数字管理，从整体上对农业发展进行设计和规划，从而实现高效的新型农业生产模式，可以在保证一定作业水平的情况下，降低劳动强度，提高生产效率，减少农资投入，节本增效，特别是减少农业生产对传统农业人口的依赖，是农业生产历史上的一次新的革命。

近年来，智慧农业发展迅速，欧美等发达国家针对智慧农业的发展相继出台了扶持政策、措施和发展规划，我国农业上应用信息技术起步较晚但发展较快。无人农场是智慧农业的重要场景之一，主要包括智能农机技术及装备、环境感知技术及装备、无人农场智能管控平台，本文以上海市嘉定无人农场为例，重点探讨了管控平台的设计与实现方案及现有问题，可为未来进一步完善提供借鉴。

1 嘉定无人农场简介

1.1 农场概况

嘉定无人农场位于外冈镇的西、北片，涉及葛隆村、泉泾村、周泾村、望新村等，以水稻种植区域为主，以外冈农业合作社泉泾基地106.67hm2水田作业区域为核心，逐步扩展至周边基地近万亩的水稻种植区域，以发展现代农业、设施粮田、设施菜田和规模化养殖为主，是嘉定区粮食主产区，根据2021年统计数据，外冈镇谷类产量12975.7t，农业年产值15005.1万元。

1.2 无人农场技术装备情况

具体见表1。

表1 农场生产装备现状

1.3 无人农场应用情况

嘉定无人农场2021年已完成20hm2示范区内的耕、种、管、收全流程无人化作业，与传统农机作业应用情况对比情况如下。

拖拉机每年需要进行深翻、旋耕、刮平、开沟等3～5次作业。无人驾驶拖拉机可减少劳动力投入并以最优路径规划，有效提高土地利用率和节约燃油，避免多余的调头动作。

插秧作业每台农机需要有1名机手、1～2名摆秧人员和1～2名运秧人员，每台每天可作业3.33～4.67hm2，人力成本投入较高。无人驾驶插秧机可减少机手的投入，地块全路径自动规划，提升作业效率。

植保作业主要以高地隙自走式打药机为主，手动喷洒时喷洒量通过手动阀进行控制，药液对机手的安全有隐患且存在重复作业的问题。无人驾驶植保机可通过路径规划解决重复作业的问题，加装精准施药变量喷洒装置节省农资和燃油成本。

传统收获作业每台收割机每天可作业2.33hm2左右，一般每2台收割机需要配备1台运粮车，收割机需要在粮满时到运粮车位置卸粮。无人驾驶收割机通过前期产量估测计算出最优收割路径和卸粮位置可以大大提高作业效率，减少多余的调头动作。

根据嘉定无人农场示范区近年来无人化作业与传统作业的整体投入对比，农资的投入将节省68.45元·667m-2。其中，传统作业与无人化作业的人工成本日均差额在500元左右，人工成本节约率为56%，节省肥料达11%以上，节省燃油17.5%，节省秧苗约5%。

2 农场智慧农业平台设计

2.1 需求分析

无人农场智能管控平台系统是无人化农场的运维大脑，是大数据与云计算技术、人工智能技术与智能装备技术的集成系统，通过大数据技术来完成知识存储、信息采集、数据处理；通过人工智能技术完成数据智能识别、学习、推理和决策；通过无线通信技术实现与作业现场的信息交互。

2.1.1 农情数据的规模化批量信息处理

通过数据清洗、数据集成、数据转换、数据规约等技术，筛选原始数据中对决策系统有利的数据，保证系统的快速响应、提升分析建模的精度及效率。

2.1.2 无线通信技术的稳定性与实时性响应保障

近距离无线传输技术，短距离无线传输技术和远距离无限传输技术3种无限通信技术的深度融合使用。

2.1.3 遥感检测精度问题

由于地表作物类型、分布情况和生长发育的复杂性，导致遥感影像产生“同物异谱”和“同谱异物”现象，需要进一步从作物成像和成像机理上做定量研究。

2.1.4 关键节点的决策能力缺失

从“人来决策”到“无人值守”，人工智能应对突发、复杂情况的能力完全不具备，加上农业生产的试错代价过高，关键节点的决策还需要人工介入。

2.1.5 无人作业效率偏低

由于人工智能对复杂环境和农业农情农艺的数据处理模型完全不成熟，自主生成的规划路径往往以降低效率作为条件。

2.2 整体架构

平台总体技术架构采用微服务开发，采用Consul作为注册中心，NACOS作为配置中心，依托于华为云各项服务。使用华为云CloudDeploy流水线式管理项目的编译发布上线；使用华为云ELB将访问流量自动分发到多台云服务器，实现更高的应用容错；分布式消息队列RabbitMQ帮助流控，系统解耦等；结合云日志服务LTS后期高效排查问题定位问题；用华为云数据库Redis作为共享存储，可以在访问高峰时预热数据等；PostgreSql持久化数据，出色的保证数据的完整性和可靠性,采用涛思时序数据库作为时序数据(轨迹,上线日志,预警)的持久化存储，能有效缓解PostgreSql数据库的写入压力，连续查询，支持基于滑动窗口的流式计算，大幅度提高基础数据分析能力。

平台主要分为4个应用服务：数据服务(数据报表、数据分析)，车辆服务(车辆管理、车辆轨迹、预警规则)，作业服务(作业管理、作业调度)，视频服务(视频直播、视频转码、视频回放)。各个服务相互隔离互不影响，使用高效的MQ服务间接通讯，也为以后大数据量的分库分表做准备。应用服务来聚合各个中心的数据，统一对外。

车载终端数据采集，采用MQTT物联网协议，负责与农机车辆上装载的设备终端模块通信，包括数据采集、协议解析、数据校验，数据加解密。通过高效的MQ服务上报给数据服务。

2.3 全场概况模块

平台系统根据无人车辆终端上传的位置信息，在无人农场电子地图上实时显示无人农机终端的具体位置、运行状态及分布信息，达到对无人农机终端实时可视化的监管目的。其中还包括在无人农场电子地图的图层上叠加农田地块图层文件，并可通过选中农田图层显示其属性信息和相关作业信息。

2.3.1 地块状态显示与图层信息显示

将采集的地块数据处理后，以不同的图层、标注点进行展示，可以体现出地块边界、地块作业状态、特殊地标物等信息。

2.3.2 车辆状态显示与位置显示

根据无人农机终端反馈的若干状态信息，平台数据管理模块处理数据后，以不同的状态信息展示在平台监控端，达到实时监控的目的。实时更新车辆的位置信息，终端上线即发起监控，达到动态检测效果。

2.3.3 视频监控搭配远程控制

高清车载监控搭配无人驾驶控制器，实现现场作业画面监控、人为干预车辆行为。主视角监控车辆前方配合做视觉检测，农具视角监控农具的下落情况以及插秧漏苗的检测。各种控制指令实现远程点火、部署作业、加速减速、调头转弯等操作。根据软件回传的作业信息，判断更新作业进度、作业面积、现场消息通知、差分状态、通讯状态等关键信息，配合农田地图和车模型，绘制实时作业轨迹。

2.4 任务管理模块

远程部署功能模块，可选择单台设备进行作业部署，操作流程：选择地块—确认作业任务—选择作业农艺—设置作业速度—选择作业车辆—作业任务预览—作业任务下发确认—开始作业。

作业任务信息统计，包括当日车辆的轨迹、发动机转速、发动机扭矩、每小时油耗、燃油总消耗、工作时长、机油压力、冷却液温度、电压、作业面积总计、作业里程总计、作业时长总计、累计油耗等。

2.5 无人终端模块

智能终端的信息统计模块，包括农机类型、农机品牌、农机型号、农机农艺、农机马力、归属信息、车辆调试参数等。搭载智能设备的统计，各个位置的摄像头绑定及预览、车辆历史轨迹回放、速度变化趋势图、工况变化趋势图。

3 小结与展望

无人农场智能管控平台作为无人农场运行的核心，可查看所有自动驾驶、无人驾驶系统用户信息、车辆信息、自动驾驶参数信息、安装信息、速度坐标面积等作业信息，作业轨迹、报警信息、作业类型等。以地理信息采集为基础，在田块上对各种智能传感器采集的信息和在地块上进行的各种农业生产活动进行分析展示，系统实现对农业生产的作业规划，实现对智能装备如无人驾驶装备、变量喷洒装备、测深施肥装备的规划，制定综合的无人作业方案，实现人机协同，多机协同作业，从而实现耕、种、管、收各个环节的无人化作业。

同时支持对系统平台的数字化农业应用的拓展，通过部署数字化农业信息采集传感器，实现农田基本信息采集，包括环境因素、土壤基本肥力、作物生长监测、产量评估的智能感知，从而制定科学的基肥、追肥作业处方图，实现作物全生育周期长势监测，作物产量分析和全年度综合作业分析，结合智能农业装备和智能传感器的信息，对地块上全作业季信息的采集，结合产量数据，得出全年度的分析报告，为用户种地提供指导依据，同时可以积累多年份农业生产大数据，结合专家分析，建立农业生产模型。

通过对农业数据基础设施的数据积累，建立相关作物生长模型、病虫害预测模型等，通过模型来控制作物生产过程智能化，实现作物生产灌溉、施肥、植保等作业过程精准化，达到精耕细作的目的。

通过对上海市嘉定无人农场的实践，无人农场建设还存在以下几个方面的问题。

初期投入成本高。由于农业人口大量减少，现阶段农业劳动力成本也逐步提高，但是无人农场需要前期投入大量智能化装备，前期成本相对于劳动力仍然过高；无人农场大规模推广应用也受到了前期投入成本过高的限制，新兴技术成果需要产业政策的不断扶持，才能进一步逐渐普及。

技术可靠性待提升。以减少对人的依赖为特征和目标的无人农场技术，需要稳定和可靠的装备作为支撑，因此需要加快对农业高端传感器、大数据模型、人工智能软硬件和装备集成技术的进一步提升，加快集成应用与示范；推进农业大数据基础数据库的建设，建立并不断完善具有自主知识产权的农业模型训练数据集，形成成本更低也更符合国内农情的模型来指导我国的农业生产；利用高校和科研院所的科研优势，针对不同区域的气候及作物品种、土壤性质等研发相应的技术装备，通过“创新联合体”的方式加快成果的推广。

标准体系不够完善。国外的智慧农业技术发展历史较长，积累并形成了大量的无人农场技术标准体系，但是技术标准涉及的农艺都是建立在各国种植作物的种类和品种以及技术装备基础上的，国内无法直接应用，未来需要建立适应国情的无人农场技术标准体系，以促进我国无人农场的发展。