農業裝備物聯網研究國際競爭態勢與研究熱點分析

袁建霞，張秋菊，胡小鹿，苗中華，韋真博，齊 龍，吳海華

(1.中國科學院科技戰略咨詢研究院，北京100190； 2.中國農村技術開發中心，北京100045；3.上海大學機電工程與自動化學院，上海200444； 4.浙江大學生物系統工程與食品科學學院，浙江 杭州310058；5.華南農業大學工程學院，廣東 廣州510642； 6.中國農業機械化科學研究院，北京100083)

0 引言

農業物聯網技術是推動現代農業智能化發展的新興技術，已廣泛應用于農業生產的各個環節[1]。其中，大力發展農業裝備物聯網，將現代物聯網技術和農業裝備融合，可實現農業裝備的智能化管理，有效整合農業生產管理信息數據資源，為農業生產提供高效、智能、安全和便捷的作業保障[2]。2018年初，我國農機服務企業大田農社舉辦“萬物互聯 賦能企業”農機企業物聯網解決方案說明會，標志著我國農機行業進入了“物聯網時代”。同年，江西省率先在全國提出了農機購置補貼1萬元以上的農業裝備(如聯合收割機、輪式拖拉機、履帶式拖拉機、撿拾壓捆機和噴桿噴霧機等)必須配備物聯網定位監控的要求[3]。本文以研究農業裝備物聯網的SCI論文為對象，分析該領域的國際競爭態勢和研究熱點，旨在為相關科技管理部門及時掌握該領域的科技發展態勢和研究重點、優化研究布局和項目管理提供決策支撐。

1 研究數據與方法

以科睿唯安(Clarivate Analytics)科學引文索引(SCI)數據庫的研究論文為數據源，利用“農機”“物聯網”和“信息化”相關主題詞及物聯網技術體系關鍵詞，并結合涉農學科方向等構建論文檢索式，檢索發表于2010—2020年的農業裝備物聯網研究性論文。然后，以檢索到的論文作為數據集進行國際競爭態勢和研究熱點分析，分析思路和框架如圖1所示。

圖1 農業裝備物聯網競爭態勢和研究熱點分析框架Fig.1 Analysis framework of competition situation and research hots of internet of things for agricultural equipment

競爭態勢分析以檢索到的全部SCI論文為對象，主要利用文獻計量學方法進行分析。首先利用科睿唯安的數據分析工具DDA(Derwent Data Analyzer)進行數據清洗，包括國家、關鍵詞等字段的規范和統一。然后利用該工具對清洗后的標準化數據進行分析，包括論文產出趨勢、領先國家和熱點研究主題比較等，以反映農業裝備物聯網的國際競爭態勢。

研究熱點分析以檢索到的近5年(2016—2020年)發表被引頻次位于前10%的SCI論文為對象，主要采用論文內容分析法。首先在上述檢索到的全部SCI論文中選取近5年發表的論文請專家進行甄選，對其中的重點論文逐篇進行內容解讀，然后在此基礎上根據研究方向進行人工分類，對當前農業裝備物聯網的研究熱點方向及其重點研究內容進行分析。

2 國際競爭態勢分析

2010—2020年，共檢索到農業裝備物聯網相關研究SCI論文2 764篇，其年度論文數量隨時間變化呈逐年上升趨勢，從2010年的172篇增加到2019年的433篇(2020年數據不完整)，增加了1.5倍多。其中2019年增長迅速，反映出近年來農業裝備物聯網的研究論文產出規模正處于上升期，越來越受到重視。

2.1領先國家

2010—2020年，SCI論文數量最多的前10個國家依次是美國、中國、巴西、西班牙、意大利、德國、澳大利亞、印度、加拿大和伊朗(圖2)。其中，美國的論文數量最多，有771篇，約占論文總量的28%，遠領先于其他國家。其次是中國，有383篇，占比約為14%。排在第3位和第4位的巴西和西班牙分別有303和261篇。其余6個國家的論文數量在150篇左右及以下。

圖2 農業裝備物聯網SCI論文數量最多的前10個國家Fig.2 Top 10 countries with the largest number of research papers on internet of things for agricultural equipment

2.2熱點研究主題

提取10個領先國家SCI論文中出現頻次最高且具有實質意義的前10個關鍵詞，來揭示和反映農業裝備物聯網領域的熱點研究主題。10個高頻關鍵詞依次是灌溉、傳感器、地理信息系統、遙感、蒸發蒸騰、土壤水分、歸一化植被指數、玉米、機器學習和人工神經網絡。然后，通過分析各領先國家論文中高頻關鍵詞的出現頻次，來比較各國重點關注的熱點研究主題(圖3)。結果顯示，美國在各熱點研究主題都有布局，但主要關注灌溉應用和傳感器技術；中國主要關注遙感和傳感器技術；巴西主要關注灌溉應用、歸一化植被指數的測定和遙感技術；意大利主要關注灌溉應用和地理信息系統；德國主要關注傳感器技術；澳大利亞主要關注灌溉應用；印度和加拿大主要關注灌溉應用和地理信息系統；伊朗主要關注灌溉應用和人工神經網絡。此外，玉米是物聯網應用研究最多的作物，各領先國家均有布局。

3 研究熱點分析

從檢索到的2 764篇農業裝備物聯網研究SCI論文中選擇近5年(2016—2020年)發表且被引頻次排名前10%的論文162篇，請專家進行分析，從專業的角度遴選出重點論文98篇詳細解讀分析顯示，農業裝備物聯網研究主要聚焦在感知與控制層技術、應用服務層技術、網絡和網絡平臺層技術及環境影響預測模型的研發。其中，感知與控制層技術研究的重點論文數量最多，有38篇(其中有2篇同時屬于應用服務層技術研究)；其次是應用服務層技術研究，有33篇重點論文；然后是網絡和網絡平臺層技術研究，有17篇；環境影響預測模型研發的最少，有12篇。

3.1感知與控制層技術研究

感知與控制層負責對農業環境信息和動植物生長發育信息進行采集，由多個無線傳感器終端構建而成，監測信息通過移動網絡傳輸到云服務平臺，云服務信息平臺將獲取的數據進行處理、融合、分析和可視化等工作，同時對環境進行調控、管理等[4]。該技術方向上的38篇論文的研究重點集中在植物生理和病害信息感知(16篇)、作業質量監測(11篇)、定位導航(7篇)及動物生理和行為信息感知(4篇)。從國家分布看，主要來源于中國(9篇)、美國(8篇)和西班牙(4篇)。

圖3 10個領先國家農業裝備物聯網SCI論文熱點研究主題比較Fig.3 Comparison of hot topics of research papers of internet of things for agricultural equipment from top 10 countries

植物生理和病害信息感知是獲取植物生長指標和檢測病害的重要手段，是當前農業管理中重點關注的問題。目前我國研究人員對作物養分檢測的研究比較多，例如，基于近紅外光譜技術對油菜葉片丙二醛含量進行檢測及基于反射光譜圖像對設施作物營養信息進行檢測等[5-6]。在病害檢測技術和方法方面也開展了較多研究[7-9]。本研究中，植物生理生態和病害信息感知方面共有16篇論文，主要開展了對玉米高度、橄欖樹冠層、生菜代謝生長、豆莢種子數量、棉花發芽率、大麥籽粒產量和蛋白質含量、茶葉含水量、蝴蝶蘭葉片生長及水稻病害等的檢測研究，采用的主要技術有傳感器技術(如聲波傳感器、有源光學傳感器、激光雷達傳感器、紅外傳感器、主動光學傳感器)及衛星圖像技術等(表1)。

表1 農業裝備物聯網植物生理和病害信息感知研究方向重點論文

作業質量監測主要監測充分和虧缺灌溉條件下玉米品種產量和生物量對氣候變化的響應、玉米雜交對氮肥的響應、聯合收割機中稻米的篩分損失、新型智能灌溉系統設定點對植物生理反應和作物生長的影響、無人機空間農藥噴灑沉積質量、葉綠素計的使用、菠菜生物量產量對鹽分和水分交互脅迫的生理響應、不同灌溉方式下小麥的水分狀況和谷物產量等(表2)。

定位導航技術研究主要涉及模糊空間決策工具的使用、果園和人工林激光測距儀自動導航拖拉機、通過累積玉米田圖像中的綠色像素檢測彎曲和筆直的農作物行、定點施用除草劑的自動駕駛車隊的路線規劃、三維立體視覺監測系統的應用、葡萄園噴霧機器人低成本定位導航數據融合算法及同時進行自動地形估計和分類任務的農機設計方案等(表3)。

表2 農業裝備物聯網作業質量監測研究方向重點論文

在動物生理和行為信息感知方面，隨著新技術的發展，我國已有研究人員開展了基于深度圖像的豬體尺檢測、基于機器視覺的母豬分娩檢測，以及基于視頻分析的奶牛呼吸檢測等研究[10-13]。而在本研究中，動物生理和行為信息感知方面共的4篇重點論文的主要研究內容分別是構建利用營養成分和攝入量等變量預測山羊腸內甲烷排放的統計模型、基于核磁共振波譜進行魚的代謝組學評估、利用圖像運動特征提取識別豬群的攻擊行為及開發基于智能手機慣性測量單元的開源算法檢測牛草攝入量和反芻行為(表4)。

3.2網絡層及平臺層技術研究

網絡層是位于物聯網3層結構中第2層的信息處理系統，其功能為“傳送”，即通過通信網絡進行信息傳輸，包括網絡層和網絡平臺層。網絡層技術有端云通信技術、端端通信技術、網絡接口技術(人、機器、系統之間)、網絡標準技術(人、機器、系統之間)及協同作業技術(算法、機器學習、深度學習)等。網絡平臺技術主要包括農業大數據采集技術、農業大數據挖掘和分析技術(跨媒體數據、多元數據、特征提取、模式識別、云計算)及農業大數據決策技術(專家系統、知識系統)等。本研究中網絡層及平臺層技術研究方向上有17篇重點論文，主要來源于美國(5篇)和印度(2篇)：其中6篇研究網絡層技術，重點關注的是協同作業技術中基于神經網絡、支持向量機等算法的開發(表5)；11篇涉及網絡平臺技術的論文主要研究大數據分析和決策技術(表6)。

3.3應用服務層技術研究

物聯網通過感知層采集數據，并通過網絡層傳送到應用層。應用層的主要工作就是處理這些數據來進行應用開發計算，并根據數據做出反饋[4]。本研究中，應用服務層技術研究相關重點論文共33篇，主要依次聚焦智能灌溉(21篇)、智能植保(6篇)、智能養殖(4篇)和智能施肥(2篇)等領域(表7)。從國家分布來看，主要來源于西班牙(10篇)、美國(5篇)和中國(3篇)。智能灌溉領域運用了多傳感器技術、葉片水壓傳感器技術、云端服務器、機器學習、無線傳輸系統，以及無人機技術和光譜技術等。

表3 農業裝備物聯網定位導航技術研究方向重點論文

表4 農業裝備物聯網動物生理和行為信息感知研究方向重點論文

表5 農業裝備物聯網網絡層技術研究方向重點論文

表6 農業裝備物聯網網絡平臺層技術研究方向重點論文

智能植保領域：基于商用農用機器人底盤和噴淋系統搭建了自動噴淋除草機器人，同時搭載了車載傳感器和GNSS(全球導航衛星系統)定位系統對雜草進行監測；利用機器視覺和人工智能對目標進行識別，設計并研制了胡椒地除草噴霧機器人，同時將RTK GPS(實時動態全球定位系統)連接到智能噴霧機上，開發算法自動生成雜草地圖；利用無人機技術對目標物進行航跡規劃導航噴霧；提出了一種基于計算機的自主適應無人機控制系統，可以精確改變無人機的飛行路線，以實現精確農藥噴灑。

智能養殖領域：基于鼻帶壓力傳感器、在線數據分析記錄器和軟件，開發了一種測量奶牛的反芻和進食行為的新型自動化科學監測裝置；基于藍牙無線傳輸技術和加速度傳感器監測羊的各種基本行為，包括吃草、站立和行走等；提出了一種基于加速度傳感器區分奶牛行為的新方法，可以對奶牛的喂食和站立進行實時檢測。

智能施肥領域：基于產量反應和農藝效率等建立水稻營養專家決策支持系統，推薦水稻施肥方法；采用遙感技術檢測氮肥對作物的影響，計算作物對施氮的空間響應。

3.4環境影響預測模型研究

環境影響預測模型研究方向共有12篇研究論文，其研究重點是開發各種算法和預測模型，以根據監測到的相關數據來評估或預測農業生產環境及其對作物的影響，評估內容主要包括農業水文過程與灌溉節水情況、防護林帶對農作物產量的影響、水資源的脆弱性對雨養作物的影響、非生物脅迫(干旱、寒冷、鐵毒性、鹽堿度)對水稻生長的影響、溫室環境與作物生長的關系、土壤電導率與作物產量和土壤特性的空間關系、氮營養對玉米的影響、農田水分蒸發和作物蒸騰、有機磷時空分布、地表溫度和土壤溫度的時空變化，以及根據圖像進行作業環境評估等(表8)。

表7 農業裝備物聯網應用服務層技術研究方向重點論文

4 展望

(1)全面感知是農業裝備物聯網的重要基礎。農業裝備物聯網要將大量物體接入網絡并進行通信活動，對物體的全面感知非常重要，感知層是物聯網獲得信息的基礎，傳感器、射頻識別技術(RFID)、全球衛星定位系統(GS)、全球定位系統(GPS)、條碼技術等感知設備負責對物理世界的各種信息進行采集。未來伴隨著5G通信技術的興起和北斗衛星體系的建成將為農業裝備物聯網通信帶來新機遇。

(2)信息處理是農業裝備物聯網發展的核心。通過云計算、專家系統和人工智能等信息處理平臺，最終實現信息技術與行業的深度融合，完成物品信息的匯總、協同、共享、互通、分析預測和決策等功能。隨著計算機技術的不斷發展，更多的優化算法、機器學習、深度學習將被應用于農業裝備物聯網中。

(3)預測決策模型是農業裝備物聯網的研究難點。目前處于大規模應用的農業預測決策模型還比較少，主要是由于數據、平臺、軟件等比較欠缺，因此，農業信息化還處于初級階段，還做不到實時診斷和處理。未來在加強數據獲取和傳輸的基礎上，需重點開展預測決策模型等基礎理論研究，提高數據綜合處理能力和決策能力，以加強計算服務和信息控制，進而推動農業裝備物聯網的大規模應用。

(4)多學科融合是農業裝備物聯網發展的重要途徑。農業物聯網技術不僅需要電子信息方面的知識，更需要農業生物系統方面的知識，包括動植物、土壤、環境等對象，只有在充分了解對象特性的基礎上才能夠根據對象的需要和特點搭建最適合(無論是效能還是經濟)的物聯網，因此，有關農業生物系統方面的技術將在未來農業發展中起到越來越重要的作用。與此同時，大田種植、設施園藝、畜禽養殖、水產養殖和農產品物流等具體的應用層，不僅僅用到了物聯網通信技術，還需要大數據、農業、環境、控制等。此外，要對基于農業裝備物聯網技術產生的復雜問題開展科學研究，還必須了解其他領域的知識，對研究問題有全方位多領域的認知，才能從真正意義上解決農業物聯網的核心問題。不斷加大學科融合，共同探討農業裝備物聯網問題是實現技術突破的關鍵。

(5)智慧田間管理是目前農業裝備物聯網發展的重要方向。田間管理以植保方向為主，其次是灌溉，再次是田間生理參數獲取。植保是目前農業物聯網應用最為成熟的領域，不管是基于無人機還是機器人的自動噴灑裝置，相關研究是最多的，目前應用的探測傳感器、數據傳輸和定位系統多數為成熟的商業傳感器模塊。相關應用研究主要集中在路徑規劃，以及植物、雜草或病蟲害識別上。同時，對土壤本身的研究也值得關注，尤其是土壤的含水率檢測，目前國內開展的土壤含水率檢測多為離線檢測，還沒有可靠的田間土壤含水率在線監測傳感器，可視為卡脖子技術或者先進技術，需要進行優先布局研究。

(6)智慧牧場將是未來農業裝備物聯網研究的重要陣地。當前，智慧牧場的發展明顯落后于智慧農場，無論是應用的技術手段還是對象的監測分析，都不如智慧農場研究深入?？赡艿脑蚴?，動物生理和行為參數的差異性和不確定性使得難以在短期或者小范圍研究中找到可以遵循的規律，若要進行有效分析需要更多的樣本數據，而農場規模和區域的局限性限制了物聯網技術在牧場中的應用和推廣。不過，基于機器視覺的農業物聯網技術在養殖業已開始應用，未來智慧養殖將會得到更大發展。