朱登勝 方慧 胡韶明 王文權(quán) 周延鎖 王紅艷 劉飛 何勇

摘要： 本研究針對農(nóng)機(jī)管理實時數(shù)據(jù)少、農(nóng)機(jī)實時作業(yè)監(jiān)管困難、服務(wù)信息不對稱等問題，首先提出專業(yè)化遠(yuǎn)程管理平臺設(shè)計時應(yīng)具有五大原則：專業(yè)化、標(biāo)準(zhǔn)化、云平臺、模塊化以及開放性?；谶@些原則，本研究設(shè)計了基于大田作業(yè)智能傳感技術(shù)、物聯(lián)網(wǎng)技術(shù)、定位技術(shù)、遙感技術(shù)和地理信息系統(tǒng)的可定制化的通用農(nóng)機(jī)遠(yuǎn)程智能管理平臺。平臺分別為各級政府管理部門、農(nóng)機(jī)合作社、農(nóng)機(jī)手、農(nóng)戶設(shè)計并實現(xiàn)了基于WebGIS 的農(nóng)機(jī)信息庫及農(nóng)機(jī)位置服務(wù)、農(nóng)機(jī)作業(yè)實時監(jiān)測與管理、農(nóng)田基礎(chǔ)信息管理、田間作物基本信息管理、農(nóng)機(jī)調(diào)度管理、農(nóng)機(jī)補貼管理、農(nóng)機(jī)作業(yè)訂單管理等多個實用模塊。研究著重分析了在當(dāng)前的技術(shù)背景下，平臺部分關(guān)鍵技術(shù)的實現(xiàn)方法，包括采用低精度GNSS定位系統(tǒng)前提下的作業(yè)面積的計算方法、GNSS定位數(shù)據(jù)處理過程中的數(shù)據(jù)問題分析、農(nóng)機(jī)調(diào)度算法、作業(yè)傳感器信息的集成等，并提出了以地塊為核心的管理平臺建設(shè)思路;同時提出農(nóng)機(jī)作業(yè)管理平臺將逐步從簡單作業(yè)管理轉(zhuǎn)向大田農(nóng)機(jī)綜合管理。本平臺對同類型管理平臺的研發(fā)具有一定的參考與借鑒作用。

關(guān)鍵詞： 傳感技術(shù);數(shù)據(jù)融合;管理平臺;大田農(nóng)業(yè)機(jī)械;物聯(lián)網(wǎng);GNSS

中圖分類號： S24;S-3 文獻(xiàn)標(biāo)志碼： A 文章編號： 202004-SA006

引文格式：朱登勝， 方慧， 胡韶明， 王文權(quán)， 周延鎖， 王紅艷， 劉飛， 何勇. 農(nóng)機(jī)遠(yuǎn)程智能管理平臺研發(fā)及其應(yīng)用[J]. 智慧農(nóng)業(yè)（中英文）， 2020， 2 （2）： 67-81.

Citation：ZHU Dengsheng， FANG Hui， HU Shaoming， WANG Wenquan， ZHOU Yansuo， WANG Hongyan， LIU Fei， HE Yong. Development and application of an intelligent remote management platform for agricultural machinery[J]. Smart Agriculture， 2020， 2 （2）： 67-81.

1 引 ?言

實現(xiàn)農(nóng)業(yè)機(jī)械化是提高中國農(nóng)業(yè)發(fā)展水平的重要環(huán)節(jié)，對建設(shè)中國特色現(xiàn)代化農(nóng)業(yè)具有重要支撐作用。近幾年隨著科學(xué)技術(shù)的飛速發(fā)展，農(nóng)業(yè)機(jī)械不斷向?qū)I(yè)化、高效化、自動化、信息化與智能化的方向快速發(fā)展。其信息化與智能化不僅體現(xiàn)在農(nóng)機(jī)具作業(yè)實施過程中，也體現(xiàn)在農(nóng)業(yè)及農(nóng)機(jī)作業(yè)管理中。針對政府農(nóng)業(yè)作業(yè)監(jiān)管困難、農(nóng)忙時間農(nóng)機(jī)資源分配難以協(xié)調(diào)、農(nóng)機(jī)實際運行效率難以度量等問題，利用物聯(lián)網(wǎng)技術(shù)，在農(nóng)機(jī)上安裝位置傳感器、作業(yè)傳感器等傳感器，建立農(nóng)機(jī)智能管理平臺，從而充分發(fā)揮各種農(nóng)業(yè)機(jī)械的效率與作用，更好地實現(xiàn)農(nóng)業(yè)精細(xì)作業(yè)以及節(jié)能環(huán)保的要求是當(dāng)下大田農(nóng)事管理研究的熱點之一。

雖然國外也有農(nóng)機(jī)作業(yè)及管理相關(guān)平臺的建設(shè)，但在技術(shù)完整性方面還有待進(jìn)一步提高。如Wang等[1]建立了一個基于無線網(wǎng)絡(luò)的數(shù)據(jù)存儲服務(wù)器，用于存儲來自摘棉機(jī)、智能農(nóng)噴灑裝置和變量施肥裝置的數(shù)據(jù)。類似的商業(yè)化農(nóng)機(jī)管理平臺還有一些大型農(nóng)機(jī)廠家的專用平臺，如美國John Deere公司的FarmSightTM農(nóng)業(yè)管理平臺、美國Trimble公司的Trimble Ag Software農(nóng)場管理平臺等。這類管理系統(tǒng)在技術(shù)上主要解決了大田中部分作業(yè)相關(guān)信息的獲取，在應(yīng)用范圍上，主要負(fù)責(zé)特定農(nóng)場范圍內(nèi)大田農(nóng)業(yè)作業(yè)相關(guān)的各種數(shù)據(jù)的獲取與采集，通?？舍槍μ囟ǖ貐^(qū)完成歷年各類數(shù)據(jù)積累與分析。從實際應(yīng)用角度，國外農(nóng)機(jī)管理平臺通常是特定大型農(nóng)機(jī)企業(yè)為了更好地使用農(nóng)機(jī)而開發(fā)的農(nóng)機(jī)專用平臺，而不是從政府、合作社、農(nóng)戶全方位考慮的不同需求的平臺，平臺的通用性不強(qiáng)，不適合在中國廣泛應(yīng)用。

中國農(nóng)機(jī)行業(yè)在經(jīng)歷了約十五年的快速發(fā)展期之后，正處于從傳統(tǒng)農(nóng)機(jī)向現(xiàn)代農(nóng)機(jī)轉(zhuǎn)型的關(guān)鍵時期。在國家高技術(shù)研究發(fā)展計劃（“863”計劃）、科學(xué)技術(shù)部“十三五”國家重點研發(fā)計劃等重大專項和地方政府的支持下，農(nóng)業(yè)裝備智能化、農(nóng)業(yè)系統(tǒng)遠(yuǎn)程監(jiān)控及農(nóng)業(yè)信息化等方面獲得了較快發(fā)展。在遠(yuǎn)程深松作業(yè)監(jiān)測與收獲作業(yè)統(tǒng)計方面，劉碧貞等[2]研發(fā)了基于北斗衛(wèi)星導(dǎo)航系統(tǒng)（BeiDou Navigation Satellite System，BDS）和全球定位系統(tǒng)（Global Positioning System，GPS）的谷物收割機(jī)作業(yè)綜合管理系統(tǒng)，實現(xiàn)了谷物收割機(jī)作業(yè)數(shù)據(jù)（包括谷物產(chǎn)量測量、收割面積和收割機(jī)作業(yè)地理位置信息等）的采集。在農(nóng)機(jī)管理及農(nóng)機(jī)作業(yè)管理方面的管理平臺領(lǐng)域，劉振宇和梁建平[3]研發(fā)了基于BDS的農(nóng)機(jī)調(diào)度與作業(yè)平臺，實現(xiàn)了農(nóng)機(jī)調(diào)度和作業(yè)監(jiān)控管理的全流程服務(wù)，廣泛應(yīng)用于百余家農(nóng)機(jī)合作社的6000余臺農(nóng)機(jī)。葉文超等[4]和張俊藝等[5]研發(fā)了基于共享農(nóng)機(jī)模式的農(nóng)機(jī)調(diào)度與管理平臺，拓寬了農(nóng)場主和機(jī)手之間的信息共享渠道，實現(xiàn)了農(nóng)機(jī)信息采集與智能調(diào)度。劉娜[6]引入智慧城市快遞系統(tǒng)研發(fā)了農(nóng)機(jī)信息化綜合服務(wù)平臺，實現(xiàn)了農(nóng)田地塊規(guī)劃、農(nóng)機(jī)導(dǎo)航定位、農(nóng)機(jī)調(diào)度分配及信息反饋等綜合智能化服務(wù)。王春山等[7]研發(fā)了以農(nóng)戶和機(jī)手為服務(wù)對象的智慧農(nóng)機(jī)調(diào)配管理平臺，集成了農(nóng)機(jī)智能調(diào)度和農(nóng)機(jī)作業(yè)面積測量算法，提高了機(jī)手收益并減少了作業(yè)面積測量成本。姚強(qiáng)等[8]開發(fā)了農(nóng)業(yè)機(jī)械遠(yuǎn)程管理信息系統(tǒng)，實現(xiàn)了機(jī)手、農(nóng)機(jī)信息在線遠(yuǎn)程管理和農(nóng)機(jī)維修保養(yǎng)在線記錄功能。現(xiàn)階段農(nóng)機(jī)管理及農(nóng)機(jī)作業(yè)管理平臺通常為政府、農(nóng)戶或農(nóng)機(jī)作業(yè)的某個方面的管理服務(wù)[9，10]，缺少能夠為農(nóng)戶、合作社、農(nóng)機(jī)企業(yè)和政府協(xié)同服務(wù)，并適用于各種不同農(nóng)機(jī)作業(yè)的更加靈活的管理系統(tǒng)。

針對上述研究現(xiàn)狀及農(nóng)機(jī)實時作業(yè)監(jiān)管困難、農(nóng)機(jī)作業(yè)信息收集難、服務(wù)信息不對稱等問題，改善農(nóng)機(jī)及農(nóng)機(jī)作業(yè)管理方法、改進(jìn)農(nóng)機(jī)作業(yè)信息流通方式、完善農(nóng)機(jī)作業(yè)評價方法與體系，提高農(nóng)機(jī)作業(yè)效率和使用效益、為農(nóng)戶/農(nóng)機(jī)手/農(nóng)機(jī)合作社/農(nóng)機(jī)企業(yè)/農(nóng)機(jī)管理人員提供全方位的服務(wù)體系的需要非常迫切。本研究通過集成大田作業(yè)智能傳感技術(shù)、物聯(lián)網(wǎng)技術(shù)和全球?qū)Ш叫l(wèi)星系統(tǒng)（Global Navigation Satellite System，GNSS），并依托遙感技術(shù)（Remote Sensing，RS）和地理信息系統(tǒng)（Geographic Information System，GIS），研發(fā)了一種較為通用的大田智能管理app及網(wǎng)絡(luò)平臺，實現(xiàn)對大田作物的智能化管理。

2 平臺總體設(shè)計

2.1 基本原則

大田農(nóng)機(jī)作業(yè)管理平臺的主要設(shè)計目標(biāo)是實現(xiàn)所有大田農(nóng)機(jī)作業(yè)相關(guān)信息的管理，其服務(wù)對象為所有與農(nóng)機(jī)作業(yè)有關(guān)的人員，包括政府各級相關(guān)管理部門、農(nóng)機(jī)合作社、農(nóng)機(jī)手、農(nóng)戶，以及農(nóng)機(jī)企業(yè)等。作為一個專業(yè)農(nóng)機(jī)作業(yè)管理服務(wù)平臺，其設(shè)計遵循以下幾方面的原則。

①專業(yè)化：平臺所管理的參數(shù)應(yīng)包括農(nóng)機(jī)作業(yè)相關(guān)參數(shù)。

②標(biāo)準(zhǔn)化：平臺使用的數(shù)據(jù)采集終端應(yīng)采用標(biāo)準(zhǔn)化的通訊協(xié)議，如TCP/IP等。目前農(nóng)機(jī)作業(yè)參數(shù)還沒有通用標(biāo)準(zhǔn)發(fā)布，可以建立最小化的核心數(shù)據(jù)集，以保證通用性。另外，平臺應(yīng)能通過標(biāo)準(zhǔn)化的交互協(xié)議，與其它同類型的平臺交互通訊，以便數(shù)據(jù)共享。

③云平臺：平臺應(yīng)采用云平臺形式提供服務(wù)，通過大型云服務(wù)提供商，快速擴(kuò)展存儲空間與流量，支持農(nóng)機(jī)平臺上線量從數(shù)百臺至數(shù)萬臺的平穩(wěn)過渡。

④模塊化：通過模塊化的設(shè)計，可靈活組合、定制模塊功能，使集成平臺能無縫支持省、市、區(qū)（縣）模式的現(xiàn)有農(nóng)機(jī)管理機(jī)制，并能支持不同管理部門、不同角色的個性化定制。

⑤開放性：平臺應(yīng)設(shè)計開放、通用性強(qiáng)的通訊協(xié)議，可以對接多種實時農(nóng)機(jī)傳感裝置。深松傳感器和植保噴施流量、壓力傳感器是最為常用的農(nóng)機(jī)作業(yè)傳感器，平臺通過通用的數(shù)據(jù)協(xié)議應(yīng)能支持還未出現(xiàn)的不同類型、不同品牌的傳感信號。

2.2 基本功能模塊設(shè)計

作為大田農(nóng)機(jī)作業(yè)管理平臺，首先完成與農(nóng)機(jī)作業(yè)過程有關(guān)的信息采集與管理，這些信息最終用于為農(nóng)戶、農(nóng)機(jī)手、合作社、農(nóng)機(jī)企業(yè)及農(nóng)機(jī)管理人員提供針對性的服務(wù)。因此，本平臺在整體設(shè)計上，首先考慮了不同農(nóng)機(jī)類型和不同農(nóng)業(yè)作業(yè)類型信息采集方法及傳感原理的差異，并根據(jù)不同類型的農(nóng)機(jī)相關(guān)從業(yè)人員的實際需求，梳理平臺功能。平臺框架如圖1所示。

平臺在架構(gòu)上分為四層，基礎(chǔ)設(shè)施層主要代表了平臺所需的各種硬件組成部分，包括了各種位置和作業(yè)傳感器及數(shù)據(jù)傳輸終端、服務(wù)器及基礎(chǔ)網(wǎng)絡(luò)配備等。通過基礎(chǔ)硬件設(shè)備獲取各種數(shù)據(jù)之后，經(jīng)數(shù)據(jù)資源庫層完成數(shù)據(jù)的管理，包括作業(yè)相關(guān)的動態(tài)數(shù)據(jù)、農(nóng)機(jī)及作業(yè)管理相關(guān)的靜態(tài)數(shù)據(jù)等。平臺的系統(tǒng)功能主要在業(yè)務(wù)邏輯層中實現(xiàn)，該層在基礎(chǔ)的軟件操作系統(tǒng)及數(shù)據(jù)管理接口、地理信息系統(tǒng)接口等支持之下。本研究重點對所得到的農(nóng)機(jī)管理及作業(yè)管理相關(guān)的數(shù)據(jù)進(jìn)行針對性功能開發(fā)，包括農(nóng)田管理、農(nóng)機(jī)基礎(chǔ)信息管理、作物管理、農(nóng)機(jī)位置管理、作業(yè)信息動靜態(tài)管理、補貼管理、訂單管理以及農(nóng)機(jī)故障實時診斷等;其中，農(nóng)機(jī)故障實時診斷通過讀取農(nóng)機(jī)實時故障碼來實現(xiàn)，需要與農(nóng)機(jī)廠家進(jìn)行合作開發(fā)。最頂層的用戶層描述了平臺的服務(wù)對象是所有與農(nóng)機(jī)應(yīng)用生命周期有關(guān)的人員，包括政府管理部門、農(nóng)機(jī)合作社、農(nóng)機(jī)手、農(nóng)戶、農(nóng)機(jī)企業(yè)等。平臺較為核心的模塊功能如下所述。

（1）農(nóng)機(jī)信息庫及農(nóng)機(jī)位置服務(wù)。農(nóng)機(jī)信息庫分為農(nóng)機(jī)靜態(tài)基礎(chǔ)信息庫和農(nóng)機(jī)作業(yè)動態(tài)信息庫。靜態(tài)信息庫管理基本農(nóng)機(jī)基礎(chǔ)數(shù)據(jù)，包括農(nóng)機(jī)名稱、作業(yè)幅寬、生產(chǎn)廠家、功率等，并按農(nóng)機(jī)分類標(biāo)準(zhǔn)進(jìn)行分類管理。而對農(nóng)機(jī)作業(yè)過程、農(nóng)機(jī)作業(yè)供需信息等動態(tài)信息，本研究采用農(nóng)機(jī)動態(tài)服務(wù)庫記錄并管理，建立了基于WebGIS的農(nóng)機(jī)位置服務(wù)、農(nóng)機(jī)作業(yè)軌跡服務(wù)、農(nóng)機(jī)作業(yè)訂單服務(wù)、農(nóng)機(jī)調(diào)度服務(wù)等動態(tài)服務(wù)體系。服務(wù)體系分別采用手機(jī)app與Web端兩種方式體現(xiàn)，為方便用戶層即時管理并掌握農(nóng)機(jī)靜態(tài)信息與動態(tài)信息，設(shè)計了訂單系統(tǒng)，以解決農(nóng)忙時期農(nóng)機(jī)應(yīng)用緊張、農(nóng)機(jī)服務(wù)需求信息不對稱問題。

（2）農(nóng)機(jī)作業(yè)實時監(jiān)測。針對農(nóng)機(jī)作業(yè)信息難記錄、農(nóng)機(jī)作業(yè)質(zhì)量難監(jiān)管的問題，對部分典型的農(nóng)機(jī)作業(yè)，如插秧作業(yè)、打藥作業(yè)、施肥作業(yè)、收獲作業(yè)、烘干過程等配備專業(yè)傳感設(shè)備，實現(xiàn)作業(yè)過程中關(guān)鍵參數(shù)進(jìn)行測量與記錄。并設(shè)計了具有開放性的數(shù)據(jù)協(xié)議，支持任何一種潛在的農(nóng)機(jī)作業(yè)傳感數(shù)據(jù)的實時接入?？筛鶕?jù)不同的要求，支持農(nóng)機(jī)作業(yè)圖像或視頻信息的實時傳送。通過對農(nóng)機(jī)作業(yè)的監(jiān)測，逐步研發(fā)科學(xué)的農(nóng)機(jī)作業(yè)質(zhì)量評價方法。

（3）農(nóng)機(jī)作業(yè)管理。針對海量的農(nóng)機(jī)實時位置信息與傳感數(shù)據(jù)信息，在遠(yuǎn)程采集所有農(nóng)機(jī)信息及農(nóng)機(jī)作業(yè)有關(guān)信息（如農(nóng)機(jī)位置、作業(yè)狀態(tài)、作業(yè)面積、作業(yè)實時圖像、作業(yè)質(zhì)量等）后，可依據(jù)得到的數(shù)據(jù)，進(jìn)行日、周、月的農(nóng)機(jī)作業(yè)統(tǒng)計、作業(yè)回顧等。針對農(nóng)機(jī)服務(wù)與管理特點，設(shè)計大數(shù)據(jù)分析模塊用于分析農(nóng)機(jī)作業(yè)效率、作業(yè)時間預(yù)測等。將數(shù)據(jù)分析與處理模塊以不同的形式嵌入到不同用戶版本的手機(jī)app及Web管理平臺中，以協(xié)助有關(guān)農(nóng)機(jī)人員在各種應(yīng)用場景下的管理工作，為管理人員提供管理決策的依據(jù)。

（4）農(nóng)田信息管理。農(nóng)田信息管理采用基于WebGIS控件的手機(jī)app及Web端，實現(xiàn)更便捷的農(nóng)田信息管理。首先由使用者在手機(jī)app或Web端將地塊信息的新建、編輯數(shù)據(jù)保存在數(shù)據(jù)庫中。平臺管理人員可以在平臺上看到自己所管轄區(qū)域內(nèi)的所有地塊及地塊信息。要顯示自己所管轄區(qū)域內(nèi)所有的地塊，平臺管理人員需點擊地塊分布，可以依據(jù)地塊名字的關(guān)鍵字進(jìn)行地塊搜索，可以了解該地塊的編號、名稱、面積、負(fù)責(zé)人等相關(guān)信息。上述農(nóng)田信息即為系統(tǒng)管理作業(yè)的分布底圖。

在本平臺研發(fā)過程中，研究人員注意到地塊在大型合作社管理中的重要性，強(qiáng)化了地塊及農(nóng)田管理功能，并將系統(tǒng)的核心由基于農(nóng)機(jī)作業(yè)為線索的管理轉(zhuǎn)向以地塊為核心的管理。地塊是農(nóng)場中變化最少的一個核心，所有的作業(yè)環(huán)節(jié)都發(fā)生在地塊上，農(nóng)機(jī)所有田間行為及其結(jié)果，都可以通過地塊進(jìn)行關(guān)聯(lián)。因此，地塊逐步成為系統(tǒng)的核心部分，將所有的農(nóng)機(jī)作業(yè)信息、作物生長信息進(jìn)行組合。

（5）訂單信息管理。農(nóng)機(jī)管理系統(tǒng)中的訂單是指有作業(yè)需求但沒有農(nóng)機(jī)的農(nóng)戶通過平臺發(fā)布作業(yè)需求，成為農(nóng)機(jī)作業(yè)訂單，農(nóng)機(jī)作業(yè)服務(wù)機(jī)構(gòu)可以通過平臺完成訂單任務(wù)。訂單管理可以查詢訂單日期、作業(yè)類型、預(yù)估金額、訂單狀態(tài)等信息，并以地區(qū)、作業(yè)類型、訂單狀態(tài)、用戶名或者合作社等條件篩選需要查找的訂單。訂單管理為農(nóng)忙時期的農(nóng)戶、農(nóng)機(jī)手、管理人員的信息不對稱問題提供了解決方案。

3 關(guān)鍵技術(shù)研究

和大田作物直接相關(guān)的作業(yè)主要有耕整地作業(yè)、種植作業(yè)、施肥作業(yè)、植保作業(yè)和收獲作業(yè)等，如果為農(nóng)場全過程管理考慮，還可以增加烘干作業(yè)的管理。其中烘干作業(yè)是靜態(tài)位置的作業(yè)，其它作業(yè)都是大田動態(tài)作業(yè)，作業(yè)信息中農(nóng)機(jī)在某時間點的位置信息是最基礎(chǔ)的信息。在位置信息的基礎(chǔ)上，根據(jù)不同的作業(yè)需求可采集不同的信息，如插秧作業(yè)過程中的行距、糧食收獲作業(yè)過程中的含水量、深松過程中的耕地深度等，且不同類型的信息采集需要借助不同的傳感器來實現(xiàn)。智能農(nóng)機(jī)管理平臺中的傳感技術(shù)包括位置傳感、農(nóng)機(jī)作業(yè)狀態(tài)傳感及農(nóng)機(jī)作業(yè)環(huán)境傳感等。其中，農(nóng)機(jī)作業(yè)監(jiān)測傳感器是目前農(nóng)機(jī)研究領(lǐng)域的熱點之一。智能農(nóng)機(jī)管理平臺應(yīng)在功能接口上能夠支持多種不同的傳感器及其數(shù)據(jù)管理。以下就平臺設(shè)計過程中的若干關(guān)鍵技術(shù)加以說明。

3.1 農(nóng)機(jī)位置信息的獲取與分析

農(nóng)機(jī)作業(yè)管理系統(tǒng)中大多采用米級定位精度的GNSS。米級定位精度對農(nóng)機(jī)作業(yè)管理會產(chǎn)生一定的影響，本研究主要分析有關(guān)作業(yè)面積計算與精度分析、GNSS在機(jī)庫內(nèi)未正常關(guān)機(jī)判斷等問題。農(nóng)機(jī)作業(yè)面積計算是作業(yè)管理平臺的主要功能之一，通常采用GNSS實現(xiàn)農(nóng)機(jī)定位并進(jìn)行計算。如果采用基于實時動態(tài)載波相位差分（Real Time Kinematic，RTK）技術(shù)的GNSS，可以得到厘米級的高精度定位結(jié)果，沒有累積誤差。該技術(shù)非常適用于農(nóng)機(jī)自動導(dǎo)航過程[11，12]，但由于價格較高，無法大量地用于普通的農(nóng)機(jī)作業(yè)管理中。

3.1.1 基于柵格法的面積計算

本研究采用了柵格法完成地塊的面積計算，柵格的大小決定了面積計算的精度。算法的具體思路：首先將農(nóng)機(jī)作業(yè)經(jīng)緯度信息轉(zhuǎn)為平面坐標(biāo);根據(jù)地塊所在的范圍，確定地塊所在的柵格空間，將相鄰兩點的軌跡線結(jié)合農(nóng)機(jī)的幅寬，并標(biāo)記被幅寬覆蓋過的柵格，最后累計所有被覆蓋過的柵格，作為作業(yè)面積。

基于柵格的面積計算算法精度由柵格大小、GNSS定位系統(tǒng)的精度決定，且通過標(biāo)記某個柵格被重復(fù)記錄的次數(shù)，找到重復(fù)作業(yè)的區(qū)域，使作業(yè)面積不會重復(fù)計算，有利于打藥等作業(yè)的重復(fù)區(qū)域的判別，且可以較為便捷地扣除并標(biāo)記出沒有被作業(yè)覆蓋的區(qū)域。

3.1.2 GNSS精度引起的農(nóng)機(jī)作業(yè)面積估算誤差分析

由于米級GNSS精度較低，在農(nóng)機(jī)作業(yè)面積測量與估算時（圖2（a）），假設(shè)用一個GNSS接收機(jī)測量一個邊長為A的正方型地塊，由于GNSS的誤差，最后的GNSS軌跡落在虛框所在的區(qū)域，僅以外側(cè)虛框（假設(shè)邊長為B）為例進(jìn)行分析，如公式（1）。

假設(shè)地塊邊界在30～100 m范圍變化，不同的GNSS信號誤差分為：0.03、0.05、0.2、0.4、0.6、1、1.5和3 m，可以由公式（1）計算得到最終的最大面積誤差與地塊邊長和GNSS誤差之間的關(guān)系。大田測量時，通常要求測試誤差小于5%。由圖2可見，當(dāng)采用RTK精度等級的GNSS時，面積精度非常高，可以在任何大小的地塊上做精確地測量。而要達(dá)到5%的精度，所用的GNSS的精度應(yīng)達(dá)到0.4 m，大部分的普通農(nóng)機(jī)上的定位系統(tǒng)還無法達(dá)到這樣的精度。采用目前應(yīng)用最廣的GNSS米級定位系統(tǒng)，如以小塊的正方型地塊為例，被測地塊邊長應(yīng)在40 m以上，總面積約為1600 m2以上時，面積測量誤差可小于5%。如果采用的1.5 m誤差的GNSS信號，則需在大于3600 m2以上的地塊面積測量中，取得較為穩(wěn)定的結(jié)果。

3.1.3 散亂點集判別算法

GNSS信號的精度受環(huán)境影響較大，在開闊的農(nóng)田中，米級精度GNSS系統(tǒng)結(jié)果較為穩(wěn)定，可以達(dá)到農(nóng)機(jī)作業(yè)一般管理要求。但是實際使用中，有時發(fā)生農(nóng)機(jī)停在機(jī)庫，農(nóng)戶忘記關(guān)閉農(nóng)機(jī)發(fā)動機(jī)的現(xiàn)象。機(jī)庫中的GNSS仍在工作，由于機(jī)庫遮擋的影響，往往產(chǎn)生大量的飄移狀態(tài)的位置點，如圖3（a）所示。這樣的點集通常最后形成一組時間間隔長、軌跡占地面積很大的散亂點集，該點集占有地面積有時大于666.66 m2，干擾了正常作業(yè)面積自動判斷與計算。因此，本研究提出了一種散亂點集自動判斷算法，用于區(qū)別正常的農(nóng)機(jī)作業(yè)軌跡圖（3（b）），算法主要原理如下。

由于在本平臺中已計算得到了所有作業(yè)軌跡點的斜率，并要求算法盡可能簡潔，易于大規(guī)模數(shù)據(jù)處理。觀察圖3飄移點集與作業(yè)軌跡，可以發(fā)現(xiàn)漂移點集的相鄰兩點的斜率變化范圍較大，而面積相對正常作業(yè)面積始終偏小。平臺目前中的作業(yè)主要為耕地、插秧、收獲、施肥及植保噴藥作業(yè)，正常的作業(yè)軌跡為直線往復(fù)或繞行。分析圖3數(shù)據(jù)，正常農(nóng)機(jī)作業(yè)形成的往復(fù)式作業(yè)軌跡通常由很多平行線組成，只在地頭轉(zhuǎn)彎處有較大的斜率變化。繞行法也最終會生成在方向上相互垂直的二組平行直線，而散亂的GNSS點軌跡無規(guī)律，相鄰兩點的斜率變動大且無規(guī)律。散亂點中不會出現(xiàn)多條正常作業(yè)所生成的平行線。因此，算法的核心是判斷點集中是否有多條相互平行或垂直的直線。

常用的直線擬合方法有Hough變換及其變形[13，14]、最小二乘法、粒子群算法[15]、隨機(jī)一致性采樣法等。其中，隨機(jī)一致性采樣法對含有較多噪聲點的農(nóng)機(jī)作業(yè)軌跡直線擬合較果較好。但這類算法最終會針對所有輸入點得到一條擬合直線。由于在農(nóng)機(jī)正常作業(yè)點集中通常包含多條作業(yè)直線，且這類算法通常忽視點集的時間序列特點，因此，常規(guī)的直線擬合算法不合適用于機(jī)庫散亂點的判斷問題?；诖?，本研究提出了一種便捷的散亂點判別算法，算法步驟如下。

①點集去重復(fù)。

③由斜率計算出前后相鄰兩個點的角度值Ti。

④對于點集N中的每個點，當(dāng)前點Ni為中心，求出Ni前后5個點范圍內(nèi)，共11個點為一個窗口大小的角度均值;將11個點的窗口順序移動軌跡點集，得到每個點為中心的角度均值A(chǔ)i。

⑤求每個點的瞬時角度Ti與角度均值A(chǔ)i的偏差Ei，表現(xiàn)該點與該點處擬合直線斜率的瞬時角度偏差。

⑥從1個點開始，判斷是否存在時間連續(xù)的C個以上的點Ei值滿足直線要求閾值VE。

對正常人工駕駛的軌跡的作業(yè)路線進(jìn)行分析，可以發(fā)現(xiàn)正常人工駕駛的農(nóng)機(jī)作業(yè)軌跡的角度偏差通常小于10°，偶爾一些跳點角度偏差達(dá)到15°以內(nèi)，而在轉(zhuǎn)彎處Ei明顯增大，這也與人工駕駛及采用低精度的GNSS相符合。因此，可以在直線部分找到連續(xù)的小于10°的Ei，而在散亂點集中，該Ei值的變化較大，無明顯規(guī)律。圖4顯示了散亂點及直線部分的斜率偏差指標(biāo)（換算成角度）分布。

由圖4（a）可見，散亂點的總體角度偏差大，而田間直線部分（圖4（b））角度偏差較小?；驹?0°以內(nèi)。

上述算法主要驗證了是否可以在點集中找到多條相似斜率的連續(xù)直線段，即使是采用普通米級精度的GNSS信號，也可以過濾因機(jī)庫遮擋而生成的大量漂移點。對斜率的進(jìn)一步分析與計算可以得到更多有關(guān)作業(yè)軌跡的信息。如果農(nóng)機(jī)停在樹下或其它干擾物下，也可以用該方法進(jìn)行計算。而如果農(nóng)機(jī)是停在較為開闊的農(nóng)田中，由GNSS系統(tǒng)的精度可確保不會引起過大的漂移而干擾正常的面積計算。

3.2 農(nóng)機(jī)作業(yè)調(diào)度

對有較大農(nóng)機(jī)保有量的農(nóng)場，還應(yīng)提供適用于大量農(nóng)機(jī)作業(yè)管理的一些算法，如農(nóng)機(jī)調(diào)度算法[16-21]。

農(nóng)機(jī)調(diào)度的概念在現(xiàn)在大部分的農(nóng)機(jī)管理平臺中，大都設(shè)計為：操作人員主動觀察現(xiàn)在的農(nóng)機(jī)作業(yè)情況，通過電話、微信等人工的方式，進(jìn)行農(nóng)機(jī)的宏觀調(diào)度。本系統(tǒng)的訂單模塊與其類似。

本研究所提的農(nóng)機(jī)調(diào)度，是指已知當(dāng)前的作業(yè)需求、可得到的農(nóng)機(jī)數(shù)量等參數(shù)，通過建立一種帶時間窗農(nóng)機(jī)調(diào)度模型，來自動安排一個合作社內(nèi)全部的作業(yè)順序及農(nóng)機(jī)與作業(yè)的配對，在模型所需數(shù)據(jù)可以得到的前提下，可用于部分輔助農(nóng)機(jī)調(diào)度決策的生成。

本研究的帶時間窗農(nóng)機(jī)調(diào)度模型針對以農(nóng)機(jī)合作社為代表的面向訂單的典型農(nóng)機(jī)服務(wù)模式，由作業(yè)的訂單產(chǎn)生了調(diào)度的需求。由現(xiàn)有的農(nóng)田位置、農(nóng)機(jī)的功率、作業(yè)效率等產(chǎn)生現(xiàn)在的可分配的資源，通過分析農(nóng)田作業(yè)點、農(nóng)機(jī)庫及農(nóng)機(jī)、空間、時間等多個影響因素，結(jié)合現(xiàn)有車輛調(diào)度問題的研究，建立一種基于遺傳算法[22]的帶時間窗農(nóng)機(jī)調(diào)度模型。在遺傳算法框架中，對染色體進(jìn)行合適編碼，進(jìn)化過程包括精英保留、選擇、交叉、變異和個體優(yōu)化等步驟，設(shè)計多個變異算子和鄰域搜索算子。模型適用于以合作社為主導(dǎo)的農(nóng)機(jī)調(diào)度模式和面向作業(yè)訂單的農(nóng)機(jī)調(diào)度模式[23]，算法主要階段性步驟如下。

①將車庫中的農(nóng)機(jī)按照作業(yè)能力由高到低排序。

②逐一對每一臺農(nóng)機(jī)的調(diào)度路徑進(jìn)行規(guī)劃，開始一條空路徑r_0。

③在所有未規(guī)劃的任務(wù)點中，隨機(jī)選擇一個任務(wù)點作為種子，將它插入到路徑r_i。

④如果所有任務(wù)點都已規(guī)劃好，跳到第⑦步;

否則，如果當(dāng)前路徑r_i不滿足四大可行性評判準(zhǔn)則（時間窗可行性準(zhǔn)則、農(nóng)機(jī)作業(yè)匹配準(zhǔn)則、最大資源限制準(zhǔn)則、調(diào)度路徑完整性準(zhǔn)則），則跳至第⑥步;

否則，對于每一個未規(guī)劃的任務(wù)點，找出該任務(wù)點在r_i的最佳插入位置。

⑤如果沒有可行的位置用于插入，跳至第⑥步。選擇最佳任務(wù)點，將其插入到路徑r_i，更新車輛狀態(tài)。跳至第④步。

⑥開啟一條新路徑r_（i+1），i=i+1，跳到第③步。

⑦返回當(dāng)前解。

主要技術(shù)路線圖如5所示。

由圖5可知，針對合作社的農(nóng)機(jī)調(diào)度算法，主要考慮了單個或多個車庫條件下，首先確定車庫的位置、地塊的位置及每個地塊上的作業(yè)需求，生成一個作業(yè)需求表。針對這個作業(yè)需求表，設(shè)計調(diào)度目標(biāo)：如調(diào)度成本最低、完成作業(yè)計劃所需要的農(nóng)機(jī)數(shù)量最少、或完成作業(yè)的時間要求最短等三個方面。針對某一個調(diào)度目標(biāo)，設(shè)計相應(yīng)的目標(biāo)函數(shù)，利用遺傳算法優(yōu)化農(nóng)機(jī)作業(yè)過程的總成本最優(yōu)，其中要考慮農(nóng)機(jī)在不同地塊上作業(yè)的時間成本、油耗成本、轉(zhuǎn)移成本等，最終為管理人員提供作業(yè)順序建議方案。

對于應(yīng)用者來說，需要錄入較多的基礎(chǔ)數(shù)據(jù)，如農(nóng)機(jī)每種作業(yè)的作業(yè)效率、地塊的位置、訂單的詳細(xì)信息、農(nóng)機(jī)每種作業(yè)的平均油耗數(shù)據(jù)等，因此，模型的全面應(yīng)用還需要經(jīng)過一段時間的數(shù)據(jù)積累。

3.3 農(nóng)機(jī)作業(yè)傳感器信息的集成

豐富的農(nóng)機(jī)作業(yè)傳感信息是農(nóng)機(jī)作業(yè)管理平臺與一般的車聯(lián)網(wǎng)系統(tǒng)的主要區(qū)別之一，也是將來大田農(nóng)機(jī)大數(shù)據(jù)服務(wù)系統(tǒng)的基礎(chǔ)。目前，由于國內(nèi)農(nóng)機(jī)領(lǐng)域的傳感技術(shù)較為落后，能直接集成的傳感器較少，最為常見的是深松作業(yè)傳感器及部分噴施作業(yè)信息的集成。

3.3.1 深松傳感技術(shù)及數(shù)據(jù)集成

深松傳感技術(shù)的最終目標(biāo)是精確測量出深松深度，深松傳感也是目前已有較大范圍應(yīng)用的一種農(nóng)機(jī)作業(yè)檢測技術(shù)，可基于不同的深松檢測原理進(jìn)行操作。

本平臺采用的是自行研發(fā)的機(jī)械式仿形深松深度測量法，對測量臂的外形進(jìn)行了建模運算。在測量時，當(dāng)測量臂接觸地面并滑動轉(zhuǎn)過一定角度時，角度傳感器實時測出角度值，通過設(shè)定的比例系數(shù)得出農(nóng)具下降的高度，由此測出耕深。該裝置已獲得了專利授權(quán)（ZL 2019209013772）。但從平臺的角度來說，平臺也可以集成多種不同的深松傳感器數(shù)據(jù)。

因此，從平臺數(shù)據(jù)集成的角度，主要的關(guān)注點在于：傳感器將一個與角度有關(guān)的電信號轉(zhuǎn)為深度變化信息后，平臺需要記錄隨時間、經(jīng)度、緯度變化的深度信息，并與作業(yè)及農(nóng)機(jī)基礎(chǔ)數(shù)據(jù)相關(guān)聯(lián)。因此，集成的動態(tài)數(shù)據(jù)主要是時間、經(jīng)度、緯度和深度。在數(shù)據(jù)處理上，由于實際的農(nóng)田中，土塊高低有一定的變化，所以需要在數(shù)據(jù)處理上進(jìn)行平滑處理，如移動平滑、中位值平均算法、S-G（Savitzky-Golay）卷積平滑、最小二乘擬合等數(shù)據(jù)平滑算法。

3.3.2 變量噴施技術(shù)及數(shù)據(jù)集成

變量噴施是現(xiàn)代農(nóng)業(yè)中的一項基礎(chǔ)作業(yè)，通過變量噴施作業(yè)實現(xiàn)作物的按需作業(yè)，在保證噴施效果的同時，減少環(huán)境污染與肥料或農(nóng)藥的浪費。本平臺集成的變量作業(yè)技術(shù)，實際使用的是基于GNSS定位系統(tǒng)根據(jù)作業(yè)速度快慢調(diào)整作業(yè)量、控制壓力或流量。流量的調(diào)整可以通過調(diào)節(jié)回流量，保證系統(tǒng)中的流量大小，具體能夠?qū)崿F(xiàn)作業(yè)速度快則噴量自動增大，作業(yè)速度慢則噴量自動減少，作業(yè)停止則停止噴施。

由于大田噴施作業(yè)控制機(jī)構(gòu)復(fù)雜，通常包括多個區(qū)段，每個區(qū)段均可控制開關(guān)和流量，在系統(tǒng)集成方面也增加了一定的復(fù)雜性，本系統(tǒng)除了位置信息外的變量噴施部分參數(shù)如表1所示。

與其它農(nóng)機(jī)管理系統(tǒng)不同，本研究針對主要的農(nóng)機(jī)作業(yè)類型，如插秧、收獲、深松、打藥等，設(shè)計了不同的作業(yè)管理單元。系統(tǒng)通過自動識別作業(yè)類型，自動進(jìn)入相應(yīng)的作業(yè)管理單元。目前主要涉及種植、收獲、植保、耕地等幾大主要的作業(yè)管理，用戶只需了解農(nóng)機(jī)類型，即可自動進(jìn)入對應(yīng)類型的作業(yè)管理，無需人工作業(yè)選擇。

3.3.3 農(nóng)機(jī)數(shù)據(jù)通訊終端研制

針對農(nóng)機(jī)數(shù)據(jù)的遠(yuǎn)程通訊問題，本平臺設(shè)計了專用的農(nóng)機(jī)數(shù)據(jù)通訊終端。為配合如前所述的多種傳感器數(shù)據(jù)采集，通訊終端需要支持多種常用的農(nóng)機(jī)數(shù)據(jù)接口CAN/RS232/RS485，以便于匯集各種農(nóng)機(jī)定位、狀態(tài)和作業(yè)信息。其中，控制器局域網(wǎng)絡(luò)（Controller Area Network，CAN）是ISO國際標(biāo)準(zhǔn)化的串行通信協(xié)議，RS232是數(shù)據(jù)終端設(shè)備和數(shù)據(jù)通信設(shè)備之間串行二進(jìn)制數(shù)據(jù)交換接口技術(shù)標(biāo)準(zhǔn)，RS485采用平衡發(fā)送和差分接收方式實現(xiàn)通信。采用TCP/IP協(xié)議，通過GSM/GPRS/4G移動通訊模塊實時將定位、狀態(tài)、作業(yè)傳感信息發(fā)送到遠(yuǎn)端云平臺。

本平臺研制了三種不同類型的農(nóng)機(jī)數(shù)據(jù)采集終端，分別為僅支持GNSS信號的2G終端、支持GNSS和485接口傳感器的2G終端、支持GNSS和485/CAN接口傳感器的4G終端三種。分別如圖6所示。

這三種終端傳感器分別從簡單的定位數(shù)據(jù)到多傳感器支持，從2G到4G信號支持，應(yīng)用于不同需求的場合。如有部分農(nóng)機(jī)作業(yè)暫時缺少適合的傳感器，則只需要GNSS定位數(shù)據(jù)。目前大部分傳感器如圖像傳感器采用485接口。由于CAN是一些中大型農(nóng)機(jī)公司常用的數(shù)據(jù)接口，應(yīng)會在未來的幾年中逐步推廣。不同的接口支持使得平臺可以隨著傳感器技術(shù)的進(jìn)步，逐步增加平臺中的作業(yè)數(shù)據(jù)類型與數(shù)據(jù)來源。

無論采用哪一種終端，本平臺設(shè)計了基于透傳的數(shù)據(jù)通訊協(xié)議，完成終端與平臺的通訊，并同時可以外接不同類型的傳感器。為滿足不同類型傳感器的對接，終端采用了傳感器信號的透傳模式，平臺只需要在服務(wù)器端做對應(yīng)的數(shù)據(jù)解析，任何類型的傳感器均可接入平臺。

另外，當(dāng)出現(xiàn)大量終端同時上線對接到平臺時，平臺在策略上采用了多服務(wù)器自動均衡用戶量的做法，可以隨著用戶量的增加而增加服務(wù)器數(shù)量，并對服務(wù)器做好負(fù)載均衡，以滿足農(nóng)忙時期大量終端同時上線的要求。

圖7為農(nóng)機(jī)終端上線過程、終端與農(nóng)機(jī)作業(yè)傳感器、終端與農(nóng)機(jī)通訊服務(wù)器的一部分交互過程。終端在通信服務(wù)器上通過各種驗證之后，首先要定時向通信服務(wù)器發(fā)送心跳包，終端也會啟動外設(shè)查找，即查看是否有農(nóng)機(jī)作業(yè)傳感器的掛接。如有，則外設(shè)通過終端與服務(wù)器通過透傳建立聯(lián)系，并同時啟動位置服務(wù)。通訊服務(wù)器端定時查看終端是否仍在活躍狀態(tài)，如果通訊超時，則結(jié)束與終端的連接。作業(yè)傳感器的信息通過終端透傳到服務(wù)器上，因此終端可以適應(yīng)各種傳感器的應(yīng)用需求。

4 系統(tǒng)的實施與應(yīng)用

4.1 平臺實現(xiàn)與部署

平臺采用多服務(wù)器架構(gòu)，通過負(fù)載均衡服務(wù)，為終端分配物聯(lián)網(wǎng)通訊服務(wù)，完成通訊、存儲與計算功能。平臺分前端農(nóng)機(jī)管理應(yīng)用平臺及系統(tǒng)支撐平臺兩部分：農(nóng)機(jī)管理應(yīng)用平臺主要負(fù)責(zé)業(yè)務(wù)直接相關(guān)的功能模塊，包括用戶服務(wù)、作業(yè)管理服務(wù)、地塊服務(wù)以及農(nóng)機(jī)服務(wù)等。系統(tǒng)支撐平臺主要負(fù)責(zé)消息總線、分布式緩存管理、服務(wù)發(fā)現(xiàn)等。系統(tǒng)的主要架構(gòu)圖如圖8所示。

本平臺采用微服務(wù)和云存儲技術(shù)實現(xiàn)，通過SaaS（Software-as-a-Service，）為Web與app提供數(shù)據(jù)服務(wù)，并通過多種技術(shù)融合的數(shù)據(jù)存儲體系保證數(shù)據(jù)穩(wěn)定可靠和響應(yīng)時效。其中，配置管理采用Consul技術(shù)，負(fù)載均衡采用Nginx技術(shù)，身份認(rèn)證采用Identity server 4技術(shù)，基于Microsoft 最新開源跨平臺的.net core為框架，支持在Windows和Linux服務(wù)器上部署，緩存技術(shù)為Redis，數(shù)據(jù)庫兼容MySQL、MongoDB等。在GIS服務(wù)上，采用Openlayers技術(shù)，并支持天地圖、高德、百度地圖等國產(chǎn)數(shù)據(jù)，也同時支持谷歌地圖以方便農(nóng)機(jī)管理平臺向海外推廣應(yīng)用。前端設(shè)計主要采用Angular、Reactor、Typescript、Javascript和Less等技術(shù)。移動端設(shè)計采用DCloud、MUI技術(shù)，同步支持安卓和iOS系統(tǒng)。

4.2 平臺應(yīng)用實例

本平臺已在國內(nèi)多地展開了應(yīng)用，本研究以浙江省為例對系統(tǒng)運行和應(yīng)用情況進(jìn)行說明（圖9）。

圖9（a）為浙江省級的一個農(nóng)機(jī)管理的政府端平臺，可以通過平臺看到全省農(nóng)機(jī)分類、各地市實時在線的農(nóng)機(jī)數(shù)量、各地市的累計作業(yè)面積等。圖9（b）是定制的縣級農(nóng)機(jī)管理平臺，除了管理縣級的農(nóng)機(jī)動態(tài)，還增加了部分當(dāng)?shù)毓芾砣藛T較為關(guān)心的各類統(tǒng)計信息。政府管理人員看到的信息均來自于合作社、農(nóng)場中的農(nóng)機(jī)運行數(shù)據(jù)的匯集與統(tǒng)計。與現(xiàn)有的農(nóng)機(jī)管理平臺相比，本研究設(shè)計的平臺為合作社做了增強(qiáng)型設(shè)計，平臺合作社作為一線的農(nóng)業(yè)管理層，有自己獨特的Web管理端與功能比較全面的手機(jī)app。如圖10所示。

圖10（a）在以遙感圖像為底圖的界面中，顯示了該農(nóng)場的所有地塊，在合作社的各功能模塊中，作業(yè)管理和作物管理都是基于地塊的管理。本平臺也設(shè)計了相關(guān)的app，并與Web端的功能設(shè)計基本接近，但app提供了更便捷的操作方式，可用手機(jī)完成所有的操作?；诤献魃绲腤eb端設(shè)計及相應(yīng)的手機(jī)app中，用戶可以完成合作社的人員管理、農(nóng)田管理、農(nóng)機(jī)基礎(chǔ)信息管理、農(nóng)機(jī)作業(yè)管理與作物管理，以及訂單管理等多種日常農(nóng)事管理，部分對政府較為重要的作業(yè)信息則與政府接口連通，以保證數(shù)據(jù)的準(zhǔn)確性與可靠性。真正形成了合作社到政府管理的從分散到集中的管理模式。

5 結(jié)論與展望

本研究提出了一種綜合性的農(nóng)機(jī)作業(yè)管理系統(tǒng)，該系統(tǒng)針對農(nóng)機(jī)管理、農(nóng)田管理、農(nóng)機(jī)作業(yè)管理脫節(jié)的問題，在同一個系統(tǒng)中，以農(nóng)田管理為核心，支持農(nóng)田地塊、農(nóng)機(jī)服務(wù)信息、農(nóng)機(jī)作業(yè)信息的協(xié)同管理，把分散的農(nóng)業(yè)設(shè)施、農(nóng)田信息、農(nóng)機(jī)服務(wù)需求信息和農(nóng)機(jī)作業(yè)信息，以農(nóng)田（地塊）為核心，將所有信息連成統(tǒng)一的、互有因果的整體，形成農(nóng)機(jī)作業(yè)、平臺監(jiān)管的新模式及流程，實現(xiàn)農(nóng)機(jī)資源及農(nóng)田資源的自動化、智能化、精準(zhǔn)化與統(tǒng)一化的分析與管理。

然而，目前在農(nóng)機(jī)作業(yè)上可使用的傳感器十分有限，常見的有深松檢測傳感、谷物水分傳感、流量和轉(zhuǎn)速傳感等，這部分傳感技術(shù)只能覆蓋農(nóng)機(jī)作業(yè)中的一部分參數(shù)，且有些作業(yè)信息需要設(shè)計專門的傳感機(jī)構(gòu)或裝置進(jìn)行檢測，有些作業(yè)參數(shù)目前還難以檢測，如實際的插秧深度、實際的噴施作業(yè)效果等。傳感技術(shù)限制了目前農(nóng)機(jī)管理系統(tǒng)上的數(shù)據(jù)來源，相關(guān)的傳感技術(shù)亟需快速發(fā)展，而平臺需要在此過程中不斷地支持新的傳感器的集成。

另外，這類綜合性的農(nóng)機(jī)作業(yè)管理平臺還需要與各種企業(yè)配套的專用農(nóng)機(jī)或農(nóng)機(jī)管理平臺配合。很多農(nóng)機(jī)生產(chǎn)企業(yè)已提供了適合自己本企業(yè)的農(nóng)業(yè)管理平臺，依據(jù)標(biāo)準(zhǔn)協(xié)議建立接口，協(xié)同完成大田農(nóng)機(jī)作業(yè)的管理。

隨著農(nóng)機(jī)作業(yè)管理平臺的大規(guī)模應(yīng)用及大量農(nóng)機(jī)作業(yè)傳感數(shù)據(jù)的集成，農(nóng)機(jī)管理平臺的應(yīng)用有利于真實的管理數(shù)據(jù)的獲取，減少人為因素對數(shù)據(jù)的干擾。大量農(nóng)機(jī)作業(yè)數(shù)據(jù)也有利于農(nóng)機(jī)作業(yè)的行為分析和農(nóng)機(jī)工況分析等，最終將有助于農(nóng)機(jī)合作社、農(nóng)機(jī)手、農(nóng)戶及農(nóng)機(jī)企業(yè)提高管理效率、提升產(chǎn)能。平臺也完全可以實現(xiàn)控制農(nóng)機(jī)，當(dāng)5G技術(shù)逐漸應(yīng)用普及時，農(nóng)機(jī)作業(yè)管理平臺將逐漸成為大田農(nóng)機(jī)作業(yè)的管理中心及大田數(shù)字農(nóng)業(yè)中心，實現(xiàn)精細(xì)農(nóng)業(yè)按需作業(yè)目標(biāo)，最終在保護(hù)環(huán)境的前提下，保證大田農(nóng)業(yè)的可持續(xù)發(fā)展，并使每個農(nóng)產(chǎn)品消費者也從中獲益。

參考文獻(xiàn)：

[1] WANG N， ZHANG N， WANG M. Wireless sensors in agriculture and food industry—Recent development and future perspective[J]. Computers and Electronics in Agriculture， 2006， 50： 1-14.

[2] 劉碧貞， 黃華， 祝詩平， 等. 基于北斗/GPS的谷物收割機(jī)作業(yè)綜合管理系統(tǒng)[J]. 農(nóng)業(yè)工程學(xué)報， 2015， 31（10）： 204-210.

LIU B， HUANG H， ZHU S， et al. Integrated management system of grain combine harvester based on Beidou & GPS [J]. Transactions of the CSAE， 2015， 31（10）： 204-210.

[3] 劉振宇， 梁建平. 基于BDS的農(nóng)機(jī)精確調(diào)度和高效作業(yè)平臺設(shè)計與應(yīng)用[J]. 中國農(nóng)機(jī)化學(xué)報， 2018， 39（10）： 97-102.

LIU Z， LIANG J. Design and application of precision scheduling and efficient operation platform for agricultural machinery based on BDS [J]. Journal of Chinese Agricultural Mechanization， 2018， 39（10）： 97-102.

[4] 葉文超， 張小花， 廖東東， 等. 基于Android的農(nóng)機(jī)調(diào)度與管理平臺設(shè)計與應(yīng)用[J]. 仲愷農(nóng)業(yè)工程學(xué)院學(xué)報， 2019， 32（3）： 53-57.

YE W， ZHANG X， LIAO D， et al. Design and application of agricultural machinery scheduling and management platform based on Aandroid [J]. Journal of Zhongkai University of Agriculture and Engineering， 2019， 32（3）： 53-57.

[5] 張俊藝， 馮澤佳， 高磊， 等. 基于Android系統(tǒng)的農(nóng)機(jī)調(diào)度管理平臺的設(shè)計與開發(fā)[J]. 中國農(nóng)機(jī)化學(xué)報， 2018， 39（5）： 91-96.

ZHANG J， FENG Z， GAO L， et al. Design and development of agricultural machinery dispatching management platform based on Android system [J]. Journal of Chinese Agricultural Mechanization， 2018， 39（5）： 91-96.

[6] 劉娜. 農(nóng)機(jī)信息化綜合服務(wù)平臺設(shè)計——基于智慧城市嵌入式快遞系統(tǒng)[J]. 農(nóng)機(jī)化研究， 2020， 42（5）： 196-200.

LIU N. Design of agricultural machinery information integrated service platform based on intelligent express delivery system of smart city [J]. Journal of Agricultural Mechanization Research， 2020， 42（5）： 196-200.

[7] 王春山， 張璠， 滕桂法， 等. 智慧農(nóng)機(jī)調(diào)配管理平臺設(shè)計與實現(xiàn)[J]. 中國農(nóng)機(jī)化學(xué)報， 2018， 39（1）： 61-68.

WANG C， ZHANG F， TENG G， et al. Design and implementation of smart agricultural machinery platform[J]. Journal of Chinese Agricultural Mechanization， 2018， 39（1）： 61-68.

[8] 姚強(qiáng)， 郭彩霞， 呂斌. 農(nóng)業(yè)機(jī)械遠(yuǎn)程管理信息系統(tǒng)研究[J]. 農(nóng)業(yè)網(wǎng)絡(luò)信息， 2018 （2）： 26-32.

YAO Q， GUO C， LYU B， et al. Research on the remote management information system of agricultural machinery[J]. Agriculture Network Information， 2018 （2）： 26-32.

[9] 劉文娜. 農(nóng)業(yè)機(jī)械遠(yuǎn)程控制管理與農(nóng)機(jī)化信息服務(wù)[J]. 河北農(nóng)機(jī)， 2015（4）： 35.

LIU W. Agricultural machinery remote control management and agricultural mechanization information service [J]. Hebei Agricultural Machinery， 2015（4）： 35.

[10] 劉陽春， 苑嚴(yán)偉， 張俊寧. 深松作業(yè)遠(yuǎn)程管理系統(tǒng)設(shè)計與試驗[J]. 農(nóng)業(yè)機(jī)械學(xué)報， 2016， 47（S1）： 43-48.

LIU Y， YUAN Y， ZHANG J， et al. Design and experiment of remote management system for subsoiler [J]. Transactions of the CSAM， 2016， 47（S1）： 43-48.

[11] 蔣浩. 基于RTK技術(shù)的農(nóng)業(yè)機(jī)械自動導(dǎo)航系統(tǒng)研究[D]. 杭州： 浙江大學(xué)， 2019.

JIANG H. Research on automatic navigation system of agricultural machinery based on RTK technology[D]. Hangzhou： Zhejiang University， 2019.

[12] GAO W， PAN S， GAO C， et al. Tightly combined GPS and GLONASS for RTK positioning with consideration of differential inter-system phase bias[J]. Measurement Science and Technology， 2019， 30（5）： ID 054001.

[13] 莊曉霖. 基于機(jī)器視覺的路徑識別及避障導(dǎo)航系統(tǒng)[D]. 廣州： 華南農(nóng)業(yè)大學(xué)， 2016.

ZHUANG X. Path recognition and obstacle avoidance navigation system based on machine vision [D]. Guangzhou： South China Agricultural University， 2016.

[14] HARIK E C， KORSAETH A. Combining hector slam and artificial potential field for autonomous navigation inside a greenhouse[J]. Robotics， 2018， 7（2）： ID 22.

[15] 孟慶寬， 張漫， 楊耿煌， 等. 自然光照下基于粒子群算法的農(nóng)業(yè)機(jī)械導(dǎo)航路徑識別[J]. 農(nóng)業(yè)機(jī)械學(xué)報， 2016（6）： 356-360.

MENG Q， ZHANG M， YANG G， et al. Guidance line recognition of agricultural machinery based on particle warm optimization under natural illumination[J]. Transactions of the CSAM， 2016（6）： 356-360.

[16] 王雪陽， 苑侗侗， 苑迎春， 等. 帶時間窗的農(nóng)機(jī)調(diào)度方法研究[J]. 河北農(nóng)業(yè)大學(xué)學(xué)報， 2016， 39（6）： 117-123.

WANG X， YUAN T， YUAN Y， et al. A study on method of agricultural scheduling with time-window [J]. Journal of Agricultural University of Hebei， 2016， 39（6）： 117-123.

[17] EDWARDS G T C， HINGE J， SKOU-NIELSEN N， et al. Route planning evaluation of a prototype optimised infield route planner for neutral material flow agricultural operations[J]. Biosystems Engineering， 2017， 153： 149-157.

[18] CONESA-MU?OZ J， BENGOCHEA-GUEVARA J M， ANDUJAR D， et al. Route planning for agricultural tasks： A general approach for fleets of autonomous vehicles in site-specific herbicide applications[J]. Computers and Electronics in Agriculture， 2016， 127： 204-220.

[19] SETHANAN K， NEUNGMATCHA W. Multi-objective particle swarm optimization for mechanical harvester route planning of sugarcane field operations[J]. European Journal of Operational Research， 2016， 252（3）： 969-984.

[20] SEYYEDHASANI H， DVORAK J S. Reducing field work time using fleet routing optimization[J]. Biosystems Engineering， 2018， 169： 1-10.

[21] SPINGAEL J， PATERNOSTER A， BRAET J. Reducing postharvest losses of apples： Optimal transport routing （while minimizing total costs）[J]. Computers and Electronics in Agriculture， 2018， 146： 136-144.

[22] SEYYEDHASANI H， DVORAK J S. Using the vehicle routing problem to reduce field completion times with multiple machines[J]. Computers and Electronics in Agriculture， 2017， 134： 142-150.

[23] 王文權(quán). 帶時間窗農(nóng)機(jī)調(diào)度問題模型及算法研究[D]. 杭州： 浙江大學(xué)， 2019.

WANG W. Research on models and algorithms for agricultural machinery scheduling problem with time window[D]. Hangzhou： Zhejiang University， 2019.

Abstract： In order to solve problems such as the lack of real-time data in agricultural machinery management， the difficulty in real-time machine operation supervision and the asymmetry of machine service information， an intelligent remote management platform was developed in this research. Firstly， five design principles of a specialized remote agricultural machinery management system： specialization， standardization， cloud platform， modularity and openness were proposed. Based on these principles， a customizable general-purpose intelligent remote management system for agricultural machinery based on intelligent sensing technology， Internet of Things technology， positioning technology， remote sensing technology and geographic information system was designed. Practical modules， including agricultural machinery information-based and location-based services using WebGIS， real-time monitoring and management of machinery operation， basic information management of farmland， basic information management of crops in the field， dispatching management of machinery， subsidy management of machinery， order management of machinery operation were designed and implemented in the platform for users of government agencies， agricultural machinery corporations， machine operators， and farmers. Besides， some key technologies of the platform under the current technical background， including the calculation method of the working area with low-precision GNSS positioning receivers， the analysis of anomality data during the processing of GNSS positioning data， the machine scheduling algorithm development， the integration of sensors were focused， analyzed and implementd. The idea of building the machinery management platform with each individual field as the building block was developed. It can be predicted that the agricultural machinery operation management platform would gradually change from simple operation management to field-level comprehensive management. The research and development of this platform can not only solve current machinery management problems， but also provide basic functions for development of similar machinery management platforms.

Key words： sensing technology; data fusion; management platform; farm machinery; IoT; GNSS