中国科学院合肥智能机械研究所（以下简称：智能所）针对智慧农业发展关键环节与瓶颈技术，围绕农业传感器、农业大数据、农业机器人基础理论、关键技术、支撑平台及核心产品进行研究与集成示范，取得了系列成果，积累了坚实技术基础。

　　农业专家系统

　　中科院合肥智能机械研究所于1983年在国内率先开展智能农业研究与应用，开发了我国第一个农业专家系统“砂浆黑土小麦施肥专家系统”，1997年获国家科技进步二等奖，开启我国智慧农业研究先河。农业专家系统作为智慧农业的核心内容有效保障了我国“电脑农业”、“数字农业”、“精准农业”等系列国家农业信息技术重大专项的实施。

　　构建农业传感器核心技术体系

　　（1）成功研制车载土壤养分与重金属污染物快速、原位检测装置。创新深度学习光谱非线性建模方法、大数据背景下模型的学习与进化方法，攻克土壤光学检测在消除土壤颗粒、湿度以及多种成分交互影响的世界性难题，大幅度提高近红外、激光击穿诱导、X荧光射线、离子迁移谱以及太赫兹等土壤光谱分析预测模型的鲁棒性与模型泛化能力。研制成功车载土壤养分与重金属智能速测装备，实现土壤总氮、有机质、PH值等综合肥力，土壤镁、钙、锰、铁等中微量元素，土壤主要重金属快速原位检测，解决大面积、低成本、土壤综合肥力速测与测土配方精准施肥问题。检测成本由现有设备300元降到3元以内，检测时间由1周降低至3～5分钟。

　　（2）成功研制高通量土壤养分智能化检测装备。严格按照农业部《测土配方施肥技术规范》及相关元素检测标准，基于多传感器融合和人工智能等先进技术手段，搭建全自动土壤养分智能化、高通量检测装备，实现对NY/T2911-2016规定的PH、全氮、有效磷、速效钾、缓效钾、有机质、有效硫、有效硼、水解氮、有效钼、交换性钙镁、石灰需要量、土壤质地的高效处理及检测，使得每个样品的检测时间缩短到6～8分钟。

　　（3）成功研发出了农产品安全质量快速现场检测传感器。基于纳米传感原理与器件设计新原理，建立可靠、实用的分析检测环境污染物的纳米传感分析方法，研发出针对农业环境与农产品质量安全检测的便携化学发光检测仪、表面增强拉曼便携式检测仪、荧光快速现场检测仪、现场环境检测可视化荧光试纸等，构建了针对农产品质量安全的快速检测技术体系。可以检测农产品中痕量重金属离子如As³⁺、Pb²⁺、Cd²⁺及Hg²⁺等、农药残留分子如有机磷类、环酰脲类及氨基甲酸脂类等、持久性有机污染物如三卤甲烷、三氯乙烯、多氯联苯、二恶英、卤代脂肪烃、多环芳烃等。检测准确率大于95%。

　　构建我国土壤综合肥力动态分布图

　　（1）突破了多光谱、多尺度、多时相作物养分大数据融合技术，研发出高分遥感反演土壤综合肥力系统。采用以田块为单元的大宗作物遥感精准识别技术，充分利用遥感大数据支撑下不同作物在时间维与光谱维的变化特征，开展作物类型空间遥感制图。在农田轮作间歇期，利用可见光、近红外波段光谱信息与土壤有机质含量的相关性，构建有机质含量地面监测模型，实现农田土壤有机质含量遥感制图。对于光谱特征不显著的土壤速效养分，以养分缺失引起的作物长势参数的变化为切入点，利用作物模型与时间序列遥感数据同化相结合,实现了重点区域耕层土壤速效养分反演。

　　（2）传统土壤肥力评价方法与深度学习建模方法集成创新，构建了不同土壤类型的土壤肥力扩散与评价模型。基于中科院地理科学与资源研究所自主知识产权的Sandwich（三明法）模型，结合GIS及高分辨率卫星遥感技术，建立农业土壤综合肥力空间数据库；通过研究土壤肥力深度学习，提高土壤肥力数据的泛化能力，构建多尺度面源土壤肥力扩散模型，分析不同土壤类型的土壤肥力扩散情况。

　　（3）创新土壤肥力深度学习建模方法与模型进化机制，构建土壤肥力动态变化图。以大尺度下全国土壤综合肥力分布图、小尺度下全国不同区域田块土壤肥力各指标分布图、土壤肥力扩散模型与土壤肥力预测模型为先验数据与先验知识，构建了大数据样本条件下土壤综合肥力模型、土壤肥力专家经验知识模型。

　　智能所依据土壤基础地理数据、高分遥感作物反演数据、种植结构数据、农业气象数据、地面测土配方数据等，采用深度学习算法分类聚类，构建完成太湖县、怀远县、呼伦贝尔等区域土壤肥力动态分布图，平均精度超过75%，与农机智能装备配合，实现县域精准施肥服务。

　　构建安徽省农产品质量安全与追溯平台

　　应用现代物联网技术、地理信息技术（GIS）、视频监控技术、二维码等信息技术，将生产企业信息、农产品生产基地信息、投入品信息、农事作业信息、农产品质量检测检疫信息，以及农产品加工、储藏、销售等农产品质量安全信息进行有效集成，实现农产品全程质量追溯与监管。并分建阜阳市、界首市、金寨县农产品质量安全与溯源平台等各个子溯源系统。

　　快检平台首先解决了农产品质量安全监管中职能交叉和监管空白问题，该平台依据国家行政区划代码标准，构建了统一规范的全省乡镇检测站命名编号体系，实现对各检测站的数字化和信息化管理。平台对快检大数据运用可视化技术、数据挖掘技术，实现了农产品检测数据的图表和报表统计分析。并运用地理信息技术、应用预警、风险评估模型，将各检测站实时检测情况展示在地图上，给监管单位提供决策支持。

　　构建天罗地网智慧植保监测体系

　　成功开发病虫草害自动识别与计数系统，并形成智慧植保的核心技术体系，农业部发文建议全国推广。利用深度学习技术开展自然环境下病虫草害智能识别技术研究，识别率（病害87%、虫害96%、草害99%）处于国际领先地位；实现病虫害人工监测到智能监测，省时、省力、省工。与农业部农技中心、安徽省农委全面合作进行全国推广，解决低成本、普适化精细施药问题。目前市场总量约5万台套，覆盖全国测报市场60%。

　　集成开发了大尺度病虫害遥感监测系统、地面固定式测报灯智能测报系统、智能化移动式病虫害测报装置和新一代智能化害虫监测灭杀装置等，构建我国新一代病虫害天罗地网智慧植保监测体系，使我国病虫害监测高效、便捷、准确，为我国绿色生产与农业环境保护提供核心技术支持。

　　（1）突破多源、异质异构、多尺度病虫害大数据融合技术，研发高分遥感病虫害监测系统。综合高分多源遥感数据与地面病虫监测网络数据，挖掘病虫害发生发展各阶段的光谱响应规律和变化趋势，形成高专一性病虫害遥感监测与识别系统，并综合光谱、时相、景观等多维特征建立病虫发生动态遥感高空监测模型。

　　（2）突破层叠条件下害虫自动计数技术，研制固定测报灯智能测报系统。围绕我国病虫害固定式测报灯人工计数、统计报表等费时、费力的迫切需求，采用深度学习技术，基于目前固定测报灯海量图片数据，突破层叠状态下固定式测报灯害虫与病害孢子图像自动识别与统计分析技术，研制固定测报灯在分时段、分区域间的智能化联动控制装置，实现病虫情自动统计、自动上传、自动报表生成功能。

　　（3）突破复杂自然条件下病虫害识别技术，创新移动式智能化测报系统。针对我国固定式测报装置生产维护成本高、布点不足等问题，集成包括光学传感器、视觉组件、移动终端等多种信息获取手段，研制智能化移动病虫害测报装置，实现对田间病虫害信息的便携式自动获取，填补国内外移动病虫害智能测报技术与产品空白。

　　基于DNN深度学习网络，突破复杂自然条件下病虫害识别技术，研发大数据下智能病虫害分析引擎，建立重大病虫害视觉特征可视化分析系统。集成气象、作物品种、土壤墒情等先验信息，融合传统病虫害预测方法、模型等先验知识，基于深度学习技术，创新大样本、离散条件下病虫草害发生时空分布及发生规律的数据挖掘方法，构筑新的病虫害发生的环境及影响评估因子，形成新一代移动式病虫害智能测报技术体系。

　　（4）突破选择性扑杀技术瓶颈，研制新一代智能化害虫监测灭杀装置。研制害虫敏感的新型变频光源，集成害虫智能识别与统计技术，根据害虫、益虫统计数量，实现诱虫光源频率针对害虫种类的自适应调整，突破选择性扑杀技术瓶颈，集成光学、自动控制、人工智能等技术，研制成功新一代智能化害虫监测灭杀装置。

　　创新集成纳米疏水材料、自适应控制等技术，实现新型害虫监测灭杀装置，自动清洁、智能化变光诱虫、害虫选择性扑杀、害虫灭杀装置自动化控制等功能，解决大范围害虫监测灭杀装置的低功耗、低成本、智能化问题。

　　（5）天地一体化病虫害监测技术集成创新，构建病虫害天罗地网的绿色智能防控体系。大尺度病虫害遥感监测系统、地面固定式测报灯智能测报系统、智能化移动式病虫害测报装置、新一代智能化害虫监测灭杀装置系统集成，地面不同区域间固定测报灯连续害虫数据与移动病虫害离散监测数据以及高空遥感监测数据的融合与深度挖掘，构建全国范围内病虫害智能测报平台，并逐步形成天地空病虫害立体监测网络体系。

　　农产品采收机器人

　　针对草莓、蓝莓、枸杞等浆果采摘存在劳动力密集、采摘效率低、劳动强度大等问题，应用机器视觉、3D定位、机械构造、智能机械、智能控制等多种技术，结合采收作业对象的生物-力学特征，采用精准震动、自动剪切等多种方式初步实现了浆果自动化采摘。

　　作者单位：中国科学院合肥智能机械研究所