摘 要：【目的】ASABE年會作為農業(yè)工程領域權威的國際交流平臺，其論文薈萃了該領域的最新研究成果。本文旨在通過對近3年ASABE年會論文的分析，探尋農業(yè)工程領域的發(fā)展態(tài)勢?！痉椒ā勘疚倪\用文獻計量學方法，針對2021年至2023年ASABE elibrary官網發(fā)布的年會論文集開展多維度分析，探究農業(yè)工程領域的研究熱點、演變趨勢、研究對象及方法技術的發(fā)展狀況，并通過Citespace工具對分析結果進行可視化展示。【結論】研究結果表明，ASABE年會學術論文的研究熱點主要集中在深度學習等人工智能技術上，并不斷深化在農業(yè)領域的應用。研究對象既呈現出顯著的集中性，又具有明顯的廣泛性，涉及農業(yè)、畜牧業(yè)、食品科學、作物保護等多個領域。研究方法及技術應用持續(xù)創(chuàng)新，涵蓋了數據收集、處理與分析的全流程，充分展現了農業(yè)生物系統(tǒng)工程領域的綜合研究實力與前瞻性。

關鍵詞：農業(yè)工程；ASABE年會；文獻計量學；深度學習；可視化分析

引言

在全球農業(yè)現代化的演進過程中，農業(yè)工程作為農業(yè)科技轉化的核心要素，對農業(yè)生產力的顯著提升起到了重要的作用。農業(yè)工程是一門綜合性學科，它將工程技術理論和方法應用于農業(yè)生產、加工以及農村生活與生態(tài)環(huán)境的維護與改善[1]，它不僅成為推動農業(yè)農村發(fā)展與社會進步的關鍵力量，而且是實現農業(yè)農村現代化及鄉(xiāng)村振興的重要技術支撐和保障[2]。早期，農業(yè)工程主要聚焦于農業(yè)機械化和基本的工程技術應用[3]。然而，隨著科技的進步和社會需求的演變，農業(yè)工程的研究領域已擴展至更廣泛的范疇。世界農業(yè)工程學科的研究內容已從傳統(tǒng)的水、土壤、多孔介質、畜禽糞污處理、環(huán)境污染控制等領域，深化至生物質資源生產、預處理、厭氧消化，藻類培養(yǎng)，木質纖維素利用，以及人工神經網絡、人工智能、物聯(lián)網、計算機信息、光譜大數據、“3S”技術在農業(yè)中的應用（例如精準農業(yè)、智慧農業(yè)、垂直農業(yè)等）的跨學科研究[4]。農業(yè)工程作為一門交叉學科，其發(fā)展趨勢日益多元化。當前，研究熱點主要集中在采摘機器人、深度學習、高光譜分析應用、植物表型、物聯(lián)網和無線傳感器網絡等領域[5]，這些領域的研究不僅有助于提升農業(yè)生產效率，而且為農業(yè)可持續(xù)發(fā)展提供了新的解決方案。

1907年，美國農業(yè)工程師學會（American Societyof Agricultural Engineers，ASAE）成立，也標志著農業(yè)工程學科作為一門獨立學科的誕生[1]。ASAE總部位于密歇根州圣約瑟夫，成員遍布100多個國家。該學會專注于推動農業(yè)、食品和生物系統(tǒng)的工程學進步[6]，這不僅促進了先進農業(yè)機械及農業(yè)工程技術在農業(yè)生產中的廣泛應用，而且極大地推動了農業(yè)工程科研與教育在全球范圍內的普及與發(fā)展[1]。隨著學科領域的不斷拓展，2005年ASAE正式更名為美國農業(yè)生物工程師學會（American Society of Agricultural andBiological Engineers，ASABE），其學科內涵也從單純的工程技術在農業(yè)的應用，發(fā)展至依賴農學、工程、生物、信息等學科的深度交叉與融合[7]。ASABE年會作為該領域最具影響力的全球性學術會議之一，每年吸引來自世界各地的專家學者參會交流。年會不僅是展示最新科研成果、分享創(chuàng)新技術的平臺，更是推動農業(yè)工程領域發(fā)展的重要力量。通過年會，與會者可以深入了解農業(yè)工程領域的最新動態(tài)，探討行業(yè)發(fā)展趨勢，加強國際合作與交流，共同推動全球農業(yè)現代化的進程。

本研究旨在深入分析和探討ASABE年會學術論文，以期加深對農業(yè)工程領域當前熱點問題和技術核心的理解。通過此項研究，我們期望為該領域的科研人員和技術專家提供有價值的參考和靈感，從而促進農業(yè)工程領域的持續(xù)創(chuàng)新與發(fā)展。

1 數據來源與方法

本研究聚焦于ASABE elibrary官網在特定日期范圍內發(fā)布的年會論文，具體選取了2023年7月9日至12日在內布拉斯加州奧馬哈舉行的會議、2022年7月17日至20日在得克薩斯州休斯敦舉行的會議，以及2021年7月6日至7月12日舉辦的ASABE年度國際虛擬會議共計三年的年會論文作為研究樣本。為了系統(tǒng)地提取和整理這些信息，本研究編寫了一個Python程序，用于批量收集每篇年會論文的題目、作者、關鍵詞和摘要，最終成功獲取了775條年會學術論文題錄數據，其中2021年327篇，2022年218篇，2023年230篇。在獲取了初步數據之后，本研究進一步進行了數據清洗工作，旨在去除那些缺失題錄信息的文章，以確保數據的質量和完整性。經過嚴格的數據清洗流程，最終獲得了746條有效的題錄數據，其中2021年324篇，2022年195篇，2023年227篇。

為支持后續(xù)研究中的可視化分析，本研究對題錄中的關鍵詞進行了預處理。首先，我們實施了同一名詞不同復數形式的合并操作，以確保單復數格式的統(tǒng)一性。例如，將所有出現的“apples”統(tǒng)一轉化為“apple”。其次，針對名詞縮寫的處理問題，我們采用了全稱替換策略，即將縮寫形式替換為其全稱，以便在格式上達到一致性。例如將“CNN”統(tǒng)一替換為“Convolutional Neural Networks”。最后，將經過清洗和處理的題錄數據導入CiteSpace軟件中，利用該軟件強大的可視化分析工具進行深入的數據分析。

2 研究熱點分析

2.1 2021—2023年ASABE年會學術論文總體研究熱點分析

關鍵詞共現圖是一種揭示學術文獻中關鍵詞相互關系及學科領域內主題聯(lián)系的可視化工具，那些出現頻次較高的關鍵詞通常被視為一定時期內該研究領域的研究熱點[8]。通過分析文獻集中關鍵詞的共現頻次，構建共詞網絡，該圖譜不僅能夠反映特定研究領域內主題的密集度和關聯(lián)性，而且能夠幫助研究者識別研究熱點、趨勢和潛在的交叉學科領域。通過構建ASABE年會學術論文的關鍵詞共現圖，不僅為我們提供了一種直觀的方法來識別和理解農業(yè)與生物工程領域內的學術熱點和研究趨勢，而且通過可視化關鍵詞之間的相互關系，揭示了不同研究主題之間的潛在聯(lián)系和知識結構。

圖1展示了2021至2023年間ASABE年會論文的關鍵詞共現網絡分析圖譜，為我們提供了對農業(yè)與生物工程領域研究熱點的宏觀視角。從圖中可以明顯觀察到，“deep learning（深度學習）”“machinel e a r n i n g （ 機器學習） ” “ y o u o n l y l o o k o n c e（YOLO算法）”“precision agriculture（精準農業(yè)）”“image processing（圖像處理）”“unmannedaerial vehicle（無人機）”“computer vision（計算機視覺） ” “ c o n v o l u t i o n a l n e u r a l n e t w o r k s（ 卷積神經網絡） ” “ m a c h i n e v i s i o n （ 機器視覺）”“artificial intelligence（人工智能）”“internetof things（物聯(lián)網）”“object detection（目標檢測）”“hyperspectral imaging（高光譜成像）”等關鍵詞頻次較高。

深度學習和機器學習是人工智能領域兩大核心分支。深度學習是一種機器學習方法，它通過構建具有多層結構的神經網絡來模擬人腦處理信息的方式，從而能夠自動并有效地從數據中學習復雜的特征和模式[9]。在深度學習的應用中，卷積神經網絡是圖像處理和計算機視覺領域的重要工具，它們被廣泛應用于目標檢測等任務中。精準農業(yè)又稱精細農業(yè)，指的是依托信息技術，圍繞著農業(yè)種植區(qū)域的實際情況，對農作物進行調整的管理辦法[10]。精準農業(yè)是現代農業(yè)技術的一個分支，它借助物聯(lián)網和計算機視覺技術，通過無人機搭載的高光譜成像系統(tǒng)，實現對農作物的精準監(jiān)測和管理。在這一過程中，機器視覺技術發(fā)揮著重要作用，它使得無人機能夠自動識別和分析農田中的作物狀態(tài)，為農業(yè)生產提供精準的數據支持。YOLO算法是一種用于對象檢測的深度學習算法。其核心思想是將對象檢測作為一個回歸問題來解決，直接從圖像像素預測分離的邊界框及其相關類別概率[11]，它利用深度學習模型實現了對圖像中目標的快速而準確的識別。

“ d e e p l e a r n i n g （ 深度學習） ” “ m a c h i n el e a r n ing（機器學習）”等機器學習相關術語的關鍵詞的頻繁出現，體現了當前ASABE在智能算法方面的研究熱點。同時，“you only look once（YOLO算法）”“precision agriculture（精準農業(yè)）”“image processing（圖像處理）”“unmanned"aerial vehicle（無人機）”“computer vision（計算機視覺）”“convolutional neural networks（卷積神經網絡）”“machine vision（機器視覺）”等關鍵詞的顯著位置，凸顯了現代農業(yè)技術在實現高效、精準管理方面的重要作用。此外，“artificial intelligence（人工智能）”“internet of things（物聯(lián)網）”“objectdetection（目標檢測）”“hyperspectral imaging（高光譜成像）” 等關鍵詞的共現，進一步印證了農業(yè)工程領域在推動農業(yè)現代化、智能化方面的努力。

值得注意的是， “ d e e p l e a r n i n g （ 深度學習）”“internet of things（物聯(lián)網）”“air quality（空氣質量）”“cloud computing（云計算）”等四個詞語的中心度較高，這表明這些主題在ASABE年會學術論文的研究中占據了核心地位，并且對其他研究方向具有重要的連接和推動作用。為了深入分析這些關鍵詞在農業(yè)領域的應用，我們對包含該四個關鍵詞文章進行了篩選。分析發(fā)現，“deep learning（深度學習）”廣泛且多樣化地應用于農業(yè)領域。例如，通過手持相機圖像識別技術檢測小麥細菌葉條斑病的嚴重程度[12]、利用深度學習和雙目立體視覺在安卓智能手機上實現獼猴桃產量的估計[13]，以及借助深度卷積神經網絡從葉片圖像中識別番茄疾病[14]等。此外，深度學習模型和技術還應用于田間花生莢計數以估算產量[15]，以及基于深度學習的植物寄生線蟲圖像識別系統(tǒng)等多個農業(yè)應用場景[16]?？傮w而言，ASABE年會學術論文中深度學習模型和技術在農業(yè)的應用涵蓋了圖像識別、產量估算、疾病診斷、動物行為分析等眾多農業(yè)應用場景，為農業(yè)的智能化和精準化發(fā)展提供了有力支撐。而對于“internet of things（物聯(lián)網）”技術在農業(yè)工程領域的應用則是通過開發(fā)各種傳感器系統(tǒng)[17]、構建智能監(jiān)測框架[17-18]、應用特定通信技術等手段[19]，將物聯(lián)網廣泛應用于水產養(yǎng)殖[20]、作物生長監(jiān)測[21]、室內農業(yè)[22]、精準灌溉[19]、溫室控制[23]、蜂箱健康監(jiān)測[24]、環(huán)境和害蟲監(jiān)測等農業(yè)領域[25]，以提高農業(yè)生產的效率、精準度和智能化水平?！癮irquality（空氣質量）”的研究主要涉及了多個方面與空氣質量相關的研究，包括針對家禽舍和牲畜棚內氨氣（NH?）、硫化氫（H?S）、溫室氣體（GHGs）、揮發(fā)性有機物（VOCs）、臭氣和臭氧（O?）等氣態(tài)污染物減排的研究[26-27]；對生物炭在減少豬糞氣態(tài)排放方面的作用及相關影響因素的探討[28]；關于紫外線和過濾技術在室內空間對空氣傳播病原體和顆粒物的連續(xù)凈化效果的研究[29]；以及對實時氨氣測量系統(tǒng)[30]和灌溉對露天牲畜飼養(yǎng)表面氨氣排放影響的研究[31]等等。此外，還有對紫外線和可見光輸出空間變化的簡單實用研究等方面[32]。“cloud computing（云計算）”技術在農業(yè)的應用領域包括溫室作物栽培的環(huán)境和害蟲監(jiān)測以及蛋雞養(yǎng)殖場排放監(jiān)測的數據處理、存儲、可視化和遠程控制等[25]。

綜上所述，深度學習通過圖像識別、產量估算、疾病診斷等方面，為農業(yè)的智能化和精準化發(fā)展提供了有力支撐。物聯(lián)網技術通過傳感器系統(tǒng)、智能監(jiān)測框架和特定通信技術，廣泛應用于提高農業(yè)生產的效率、精準度和智能化水平?？諝赓|量研究聚焦于家禽舍和牲畜棚內氣態(tài)污染物的減排、生物炭的減排效果、空氣凈化技術的探索以及實時測量系統(tǒng)的應用等。云計算則在農業(yè)環(huán)境監(jiān)測和養(yǎng)殖場排放監(jiān)測的數據處理、存儲、可視化和遠程控制等方面發(fā)揮了重要作用。這些技術的應用共同推動了農業(yè)領域的科技進步和可持續(xù)發(fā)展。

圖2中的關鍵詞聚類圖展示了2021—2023年ASABE年會學術論文中研究的主要方向。通過聚類算法，所有關鍵詞被有效地組織成八個主要類別，即“深度學習（deep learning）”“卷積神經網絡（convolutional neural networks）”“空氣質量（airquality）”“精準農業(yè)（precision agriculture）”“無人駕駛飛行器（unmanned aerial vehicle）”“水利用效率（water use efficiency）”“水分含量（moisturecontent）”“厭氧消化（anaerobic digestion）”。這些類別不僅反映了當前農業(yè)工程領域的研究焦點，而且預示了未來可能的研究方向。

深度學習和空氣質量兩大聚類的研究分析，鑒于前文的詳盡分析，此處不再贅述?！熬矸e神經網絡（Convolutional Neural Networks）”是一類包含卷積計算并且含有深層次結構的深度前饋神經網絡，是深度學習的代表算法之一[33]。分析所有涉及“精準農業(yè)（precision agriculture）”關鍵詞的ASABE年會論文發(fā)現，這些研究通過機器人任務規(guī)劃[34]、數據監(jiān)測與分析[35]、課程開發(fā)[36]、系統(tǒng)設計與測試[37]、機器學習與深度學習應用[38]、傳感器技術[39]、遠程監(jiān)測、數據庫開發(fā)[40]等多種手段和技術，來實現精準農業(yè)的目標，以提高農業(yè)生產的效率、質量和可持續(xù)性。農用“無人駕駛飛行器（unmanned aerial vehicle）”是在農業(yè)生產中應用的無人駕駛航空器的簡稱[41]，分析所有涉及“無人駕駛飛行器（unmanned aerial vehicle）”關鍵詞的年會論文發(fā)現，農業(yè)工程領域將無人機技術應用于播種[42]、植保路線規(guī)劃[43]、作物產量和成熟度預測[44]、表型分析[45]、病蟲害識別[46]、田間監(jiān)測[47]、性狀評估[48]、種植管理[49]等多個農業(yè)領域。通過圖像采集、數據處理和分析以及與機器學習和深度學習等技術結合，為農業(yè)生產提供了更高效和精準的支持。“水利用效率（water use efficiency）”和“水分含量（moisture content）”兩個聚類結果表明農業(yè)工程領域非常關注農業(yè)領域水利用效率評估[50]、灌溉方式優(yōu)化[51]、水分含量測定[52]等多方面的研究?！皡捬跸╝naerobic digestion）”作為一種生物能源技術，在農業(yè)廢棄物處理和資源化利用方面具有廣泛的應用前景，以厭氧消化為核心的沼氣和生物天然氣技術，是實現畜禽糞污、農作物秸稈、尾菜等農業(yè)廢棄物資源化利用的重要途徑[53]。在ASABE年會論文中，這些文章從不同廢棄物原料的處理[54]、工藝改進[55]、影響因素探究[56]、成本評估[57]、可行性研究等多個方面展示了厭氧消化在農業(yè)領域的應用，旨在提高農業(yè)廢棄物的處理效率和能源回收利用。

總體而言，ASABE年會論文的關鍵詞聚類分析揭示了深度學習在農業(yè)領域的廣泛應用，特別是在圖像識別、產量估算、疾病診斷等方面，為農業(yè)的智能化和精準化發(fā)展提供了技術支撐。同時，論文聚焦了空氣質量監(jiān)測、精準農業(yè)的實現、農用無人駕駛飛行器的應用、水利用效率的提升和厭氧消化技術在農業(yè)廢棄物處理中的研究。這些研究共同體現了農業(yè)工程領域對提升農業(yè)生產效率、環(huán)境可持續(xù)性和資源利用效率的重視。

2.2 2021—2023年ASABE年會學術論文研究熱點演變分析

圖3、圖4和圖5分別展示了2021—2023年每一年ASABE年會學術論文中關鍵詞的共現網絡。

按年度分析發(fā)現，在2021年，深度學習、機器學習、機器視覺等技術是該年度研究的熱點（圖3）。這些技術被廣泛應用于精準農業(yè)、目標檢測、圖像處理、計算機視覺等領域。同時，“air quality（空氣質量）”和“yield estimation（產量估算）”等關鍵詞也體現了研究對于環(huán)境因素與農業(yè)產量之間關系的關注。此外，卷積神經網絡作為深度學習的重要分支，在圖像識別和處理中發(fā)揮著關鍵作用。進入2022年，研究熱點依然圍繞著“deep learning（深度學習）”“image processing（圖像處理）”和“machine learning（機器學習）”展開（圖4）。值得注意的是，“you only look once（YOLO算法）”和“unmanned aerial vehicle（無人機）”等新關鍵詞的加入，反映了該領域對實時性和無人化技術的重視。同時，“hyperspectral imaging（高光譜成像）”和“moisture content（濕度含量）”等關鍵詞的出現，體現了研究對于土壤和作物信息的精細化獲取與分析的關注。此外，“internet of things（物聯(lián)網）”“cloud computing（云計算）”和“air quality（空氣質量）”等關鍵詞的中心度較高，表明這些技術在農業(yè)與生物工程領域的應用日益廣泛，地位越來越重要。到了2023年，“deep learning（深度學習）”和“machine learning（機器學習）”依然占據主導地位（圖5）。同時，“you only look once（YOLO算法）”在目標檢測領域的應用得到了進一步的研究。此外，“precision agriculture（精準農業(yè)）”“convolutional neural networks（卷積神經網絡）”“computer vision（計算機視覺）”和“machine vision（機器視覺）”等關鍵詞的高頻出現，表明這些技術在農業(yè)智能化領域的應用不斷深化?！皍nmanned aerial vehicle（無人機）”作為農業(yè)監(jiān)測的重要工具，其相關研究也持續(xù)升溫。值得注意的是，“soil moisture（土壤濕度）”這一關鍵詞的中心度較高，反映出土壤水分管理在農業(yè)生產中的重要性日益凸顯。

從2021—2023年的關鍵詞共現網絡可以看出，ASABE的研究熱點主要集中在深度學習、機器學習、機器視覺等人工智能技術上。這些技術被廣泛應用于精準農業(yè)、目標檢測、圖像處理等領域，推動了農業(yè)生產的智能化和自動化水平。同時，隨著無人機、物聯(lián)網、云計算等技術的不斷發(fā)展，這些新技術在農業(yè)與生物工程領域的應用也逐漸增多。此外，對土壤濕度、空氣質量等環(huán)境因素的研究也體現了研究對于農業(yè)生產環(huán)境的關注。未來，隨著技術的不斷進步和應用的不斷拓展，農業(yè)與生物工程的研究熱點將繼續(xù)深化和拓展。

3 研究對象與研究方法演變分析

在深入解析ASABE年會學術論文的關鍵詞時，我們將其細分為研究對象、研究方法和技術應用兩個維度，以便更全面、系統(tǒng)地理解論文的核心內容和研究趨勢。

3.1 ASABE年會學術論文研究對象分析

在2021—2023年ASABE年會學術論文的研究中，其研究對象表現出了顯著的多樣性。通過圖6所示的2021—2023年ASABE論文所有研究對象關鍵詞排序圖，我們可以清晰地觀察到農業(yè)工程領域的研究范疇廣泛，涵蓋了畜牧業(yè)、食品科學及作物保護等多個領域。首先，ASABE的研究對象呈現出顯著的集中性?！皉ice/paddy（水稻）”和“corn/maize（玉米）”作為兩大核心研究對象，其關鍵詞頻次在歷年中均保持領先，且顯著高于其他關鍵詞。分析涉及這兩個關鍵詞的年會論文發(fā)現，這些論文涵蓋了玉米和水稻的種植[58]、病蟲害檢測、干燥技術[59]、生長影響因素[60]、品質特性[61]、機械設備研發(fā)[62]、花粉擴散[63]、生物質特性等多個研究領域，旨在提高玉米和水稻的生產效率、質量和可持續(xù)性，也反映了水稻和玉米在全球農業(yè)中的核心地位。其次，畜禽類研究對象在ASABE的研究中占有重要地位。高頻關鍵詞中，“swine/pork（豬/豬肉）”“dairy/cow（奶牛）”“poultry（家禽）”和“beef/cattle（牛/牛肉）”等畜禽類相關詞匯的頻繁出現，分析涉及這些畜禽類關鍵詞的年會論文發(fā)現，這些文章涵蓋了養(yǎng)殖環(huán)境優(yōu)化[64]、疾病防控[65]、廢棄物處理與利用[53]、肉質評估[66]、動物行為監(jiān)測[67]、能源管理[68]、生產設施設計[69]、氣體排放監(jiān)測[70]等多個研究領域，旨在提高養(yǎng)殖效率、動物健康水平、產品質量以及環(huán)境保護水平，體現了ASABE在畜禽養(yǎng)殖領域研究的廣泛性和深入性。再次，ASABE的研究興趣多樣，還涵蓋了“apple（蘋果）”“cotton（棉花）”“sugarcane（甘蔗）”“wheat（小麥）”“alfalfa（紫花苜蓿）”等多種作物，以及“orchard（果園）”“weed（雜草）”“pest（害蟲）”等多樣化研究對象。這些關鍵詞的頻次雖然相對較低，但展示了ASABE在農業(yè)工程領域的廣泛涉獵和全面研究。最后，新興研究領域在ASABE的研究中逐漸嶄露頭角?！癱amelliaoleifera fruit（山茶果）”“camelina straw（駱駝草）”和“king grass（帝王草）”等關鍵詞的出現體現了ASABE在農業(yè)生物工程領域研究對象的多樣性。

總體而言，ASABE年會論文的研究對象主要集中在畜牧業(yè)、食品科學及作物保護等。其中，水稻和玉米作為核心研究對象，其研究覆蓋種植、病蟲害檢測、干燥技術等多個方面，旨在提升生產效率和可持續(xù)性。畜禽類研究對象，例如豬、奶牛、家禽等亦占據重要地位，涉及養(yǎng)殖環(huán)境優(yōu)化、疾病防控等研究，以提升養(yǎng)殖效率和環(huán)境保護水平。此外，研究興趣延伸至多種作物和果園、雜草、害蟲等多樣化對象，體現了ASABE在農業(yè)工程領域的全面涉獵。

從年度變化來看，2021—2023年ASABE年會學術論文的研究對象呈現出了顯著的多樣性和動態(tài)變化性。圖7、圖8和圖9這些圖表詳細記錄了從2021—2023年每年研究對象關鍵詞的頻次。2021年，研究焦點相對分散，涵蓋了多種林果和農作物，例如“Apple（蘋果）”“Camellia oleifera fruit（油茶果）”“rice（水稻）”“Corn（玉米）”“wheat（小麥）”；牲畜及其產品，例如“Livestock manure（牲畜糞便）”；特定的農業(yè)害蟲，例如“Codlingmoth（蘋果蠹蛾）”。進入2022年，研究對象關鍵詞的頻次分布出現了明顯的變化?！皉ice（水稻）”和“forage（飼料）”的研究頻次顯著上升，顯示出對糧食作物和畜牧業(yè)飼料來源的持續(xù)關注。同時，“cotton（棉花）”“corn（玉米）”“poultry（家禽）”“l(fā)ivestock（牲畜）”等關鍵詞的頻次也保持在較高水平，而“orchard（果園）”“weed（雜草）”“fish（魚）”等新的研究對象開始進入研究視野。這一年還出現了家禽，例如“dairy cow（奶牛）”“chicken（雞）”；肉類產品，例如“pork（豬肉）”“beef（牛肉）”的研究，體現了農業(yè)研究的多元化和綜合性。到了2023年，研究對象關鍵詞的頻次分布進一步集中?！癲airy/cow（奶牛）”“corn（玉米）”“paddy/rice（水稻）”作為重要的農業(yè)資源，其研究頻次依然保持領先。同時，“cotton（棉花）”“soybean（大豆）”“apple（蘋果）”等作物和林果的研究也持續(xù)受到關注。值得注意的是，這一年還出現了對“asparagus（蘆筍）”“cane/sugarcane（甘蔗）”“beef/cattle（牛肉/牛）”“tea（茶）”等新的或較少被研究對象的關注，這反映了農業(yè)生物工程領域研究的深入和擴展。此外，一些特定的植物性食品，例如“blueberry（藍莓）”“camellia oleifera fruit（山茶果）”“dragonfruit（火龍果）”；“coconut（椰子）”“coffee（咖啡）”等經濟作物的研究也開始被納入研究范疇，體現了ASABE研究對象的廣泛性和前瞻性。

綜上所述，ASABE的研究對象在近年來呈現出多樣化、動態(tài)化和深入化的趨勢。從傳統(tǒng)的農作物和牲畜到新興的農業(yè)資源和經濟作物，從農業(yè)生產的各個環(huán)節(jié)到農業(yè)生態(tài)系統(tǒng)的整體管理，ASABE年會論文的研究對象覆蓋了農業(yè)生物工程的廣泛領域，體現了該領域研究的全面性和前瞻性。

3.2 ASABE年會學術論文研究方法及技術應用分析

2021—2023年，ASABE年會學術論文中展現了對多種先進技術和方法的廣泛關注。通過圖10所示的2021—2023年ASABE年會學術論文中研究方法及技術應用關鍵詞的頻次圖，可以觀察到幾個顯著的特征。首先，“deep learning（深度學習）”作為當今人工智能領域的前沿技術，以52次的頻次高居榜首，表明農業(yè)與生物工程領域研究在推動深度學習在農業(yè)領域應用方面作出了顯著貢獻。其次，“sensor（傳感器）”和“machine learning（機器學習）”的廣泛應用，反映了數據收集和分析方面在農業(yè)領域的重要地位。此外，“convolutional neural networks（卷積神經網絡）”“you only look once（YOLO算法）”和“unmanned aerial vehicle（無人機）”等關鍵詞的頻繁出現，進一步揭示了農業(yè)與生物工程領域在圖像處理、目標檢測和自動化監(jiān)測等領域的活躍研究?！癷mage processing（圖像處理）”“computer vision（計算機視覺）”“machine vision（機器視覺）”等技術的使用頻次也相對較高，凸顯了視覺技術在農業(yè)與生物工程領域研究中的核心地位?！癷nternetof things（物聯(lián)網）”“anaerobic digestion（厭氧消化）”“artificial intelligence（人工智能）”等關鍵詞的出現，則展現了農業(yè)與生物工程領域研究在跨學科整合和前沿探索方面的趨勢。“discrete elementmethod（離散元法）”“hyperspectral imaging（高光譜成像）”“remote sensing（遙感）”等技術的運用，則體現了農業(yè)與生物工程領域研究在數值模擬、光譜分析和遙感監(jiān)測等方面的專業(yè)能力。這些關鍵詞的總體特征顯示，農業(yè)與生物工程的研究方法和技術應用涵蓋了從數據收集、處理到分析的全方位流程，體現了其在農業(yè)生物系統(tǒng)工程領域的綜合研究實力與前瞻性。

在深入探究ASABE年會學術論文中研究方法及技術應用關鍵詞的趨勢變化時，我們觀察到了2021—2023年顯著的變化態(tài)勢。圖11、圖12和圖13分別展示了這三年間研究方法及技術應用關鍵詞的年度排序情況，為我們提供了直觀的分析依據。在2021年的TOP10關鍵詞中，“deep learning（深度學習）”“convolutional neural network（卷積神經網絡）”“machine learning（機器學習）”等技術占據主導地位，反映出該年度內，基于數據驅動的深度學習模型和相關算法在農業(yè)生物系統(tǒng)工程中的熱門程度。至2022年，“deep learning（深度學習）”依然保持領先地位，但“image processing（圖像處理）”技術的關注度顯著提升， 同時， “ h y p e r s p e c t r a limaging（高光譜成像）”和“artificial intelligence（人工智能）”等技術開始嶄露頭角，暗示了技術焦點的多樣化和跨學科融合的趨勢。進入2023年，“deep learning（深度學習）”“machine learning（機器學習）”等關鍵技術持續(xù)保持高關注度，但“You Only Look Once（YOLO算法）”和“anaerobicdigestion（厭氧消化）”的崛起，則體現了研究焦點向實時性、高效性和環(huán)境可持續(xù)性方向的轉移。這些變化不僅揭示了農業(yè)生物系統(tǒng)工程領域研究方法及技術應用的前沿動態(tài)，而且為未來的研究方向和技術發(fā)展提供了重要參考。

4 結論

本文采用文獻計量學方法， 聚焦于A S A B Eelibrary官網在特定日期范圍內發(fā)布的年會論文，利用CiteSpace軟件對2021—2023年ASABE年會學術論文的研究熱點分別進行了總體與分類分析，得出的結論如下。

（1）從ASABE年會學術論文研究熱點的總體特征來看，在農業(yè)工程領域，深度學習、機器學習等人工智能技術在農業(yè)領域的應用趨勢顯著，尤其是在圖像識別、產量估算、疾病診斷等方面，為農業(yè)的智能化和精準化提供了技術支撐。同時，無人機、物聯(lián)網、云計算等技術也在精準農業(yè)、環(huán)境監(jiān)測等方面展現出巨大的應用潛力，有效提升了農業(yè)生產的效率、精準度和智能化水平。此外，對土壤濕度、空氣質量等環(huán)境因素的研究也體現了對農業(yè)生產環(huán)境的重視。整體而言，農業(yè)工程領域正積極利用先進技術推動農業(yè)現代化、智能化發(fā)展，以實現農業(yè)生產的可持續(xù)發(fā)展。隨著技術的不斷進步和應用領域的不斷拓展，未來該領域的研究熱點將繼續(xù)深化和拓展。

（2）從近年來ASABE年會學術論文研究熱點的演變軌跡來看，自2021年以來，深度學習、機器學習等技術的研究與應用呈現出持續(xù)深化的趨勢。與此同時，YOLO算法與無人機技術等新興算法與技術應用也逐漸成為研究熱點，展現了技術應用的廣闊前景。這些技術的不斷發(fā)展與深入應用，不僅推動了農業(yè)生產方式的智能化與自動化變革，更為農業(yè)生產的革新與發(fā)展注入了新的活力。隨著技術的不斷進步與應用的持續(xù)拓展，農業(yè)與生物工程領域的研究熱點將進一步深化與拓展。深度學習、機器學習等人工智能技術將繼續(xù)在精準農業(yè)、目標檢測、圖像處理等領域發(fā)揮重要作用，而無人機、物聯(lián)網、云計算等技術的融合應用也將為農業(yè)生產方式的革新與發(fā)展提供更為廣闊的空間。同時，對土壤濕度、空氣質量等環(huán)境因素的深入研究，亦將進一步提升農業(yè)生產的環(huán)境適應性與可持續(xù)性。

（3）從ASABE年會學術論文研究對象上看，ASABE 年會論文的研究對象展現出全面、多樣、動態(tài)且深入的顯著趨勢。其重點涵蓋了畜牧業(yè)、食品科學、作物保護等領域。在農業(yè)方面，水稻和玉米成為核心研究對象，相關研究涉及種植、病蟲害檢測、干燥技術等諸多環(huán)節(jié)，致力于提高生產效率與可持續(xù)性。在畜牧業(yè)中，豬、奶牛、家禽和牛等畜禽類占據關鍵地位，研究范疇包括養(yǎng)殖環(huán)境優(yōu)化、疾病防控等內容，旨在提升養(yǎng)殖效率并強化環(huán)境保護水平。此外，研究范疇還延伸至眾多其他方面，諸如多種作物、果園、雜草、害蟲等多樣化對象，充分彰顯了ASABE 在農業(yè)工程領域的廣泛涉獵。從傳統(tǒng)的農作物與牲畜，拓展至新興的農業(yè)資源和經濟作物，從農業(yè)生產的單一環(huán)節(jié)延伸至農業(yè)生態(tài)系統(tǒng)的整體管理，ASABE 年會論文的研究對象廣泛覆蓋了農業(yè)生物工程的眾多領域，凸顯出該領域研究的全面性和前瞻性。

（4）從ASABE年會學術論文研究方法及技術應用來看，2021—2023年ASABE年會學術論文中展現了對多種先進技術和方法的廣泛關注。深度學習作為當今人工智能領域的前沿技術，其頻次高居榜首。傳感器、機器學習、卷積神經網絡、“YOLO”算法、無人機等關鍵詞的出現頻率也很高。這些關鍵詞的總體特征顯示出農業(yè)與生物工程的研究方法和技術應用涵蓋了從數據收集、處理到分析的全方位流程，體現了其在農業(yè)生物系統(tǒng)工程領域的綜合研究實力與前瞻性。其中，隨著時間的推移，農業(yè)生物系統(tǒng)工程領域的研究焦點呈現多樣化、跨學科融合和實時高效化的趨勢。這些變化不僅揭示了農業(yè)生物系統(tǒng)工程領域研究方法及技術應用的前沿動態(tài)，而且為未來的研究方向和技術發(fā)展提供了重要參考。

綜上所述，ASABE作為農業(yè)工程領域的權威學術組織，其年會學術論文在2021—2023年的研究熱點主要集中在深度學習等人工智能技術上，并不斷深化在相關領域的應用。研究對象既呈現出顯著的集中性，涉及的研究領域又具有明顯的廣泛性，呈現出多樣化、動態(tài)化和深入化的趨勢。研究方法和技術應用更是不斷隨著時間更新迭代，始終服務于農業(yè)工程領域的前沿研究問題，研究焦點向實時性、高效性和環(huán)境可持續(xù)性方向的轉移，引領該領域未來的發(fā)展方向。相信在未來，隨著技術的不斷進步和應用面的不斷拓寬，農業(yè)與生物工程的研究將繼續(xù)深化和拓展，為生產力提升和可持續(xù)發(fā)展做出更多貢獻。

盡管本研究通過文獻計量學方法和CiteSpace軟件對ASABE年會學術論文進行了深入的分析，揭示了農業(yè)工程領域的研究熱點和趨勢，但仍存在一定的局限性。首先，本研究僅聚焦于ASABE elibrary官網發(fā)布的年會論文，可能無法全面反映全球農業(yè)工程領域的研究現狀。其次，本研究的時間跨度為2021—2023年，相對較短，可能無法充分揭示農業(yè)工程領域研究熱點的長期演變規(guī)律。針對上述局限性，未來的研究可以從以下三個方面進行拓展和深化。首先，可以進一步拓寬研究范圍，將全球范圍內的農業(yè)工程領域研究納入分析，以更全面地了解該領域的研究現狀和發(fā)展趨勢。其次，可以深入研究不同地域和文化背景下的農業(yè)工程研究差異，探討其背后的原因和影響因素。此外，還可以結合其他數據源和方法，例如社交媒體、專家訪談等，以獲取更豐富、多元的研究信息。面向未來，隨著科技創(chuàng)新的不斷加速和跨學科融合的深入，農業(yè)生物工程領域的研究將迎來更廣闊的前景。未來農業(yè)生物工程領域的研究將繼續(xù)保持蓬勃發(fā)展的態(tài)勢，通過技術創(chuàng)新和跨學科融合，不斷推動農業(yè)生產的現代化、智能化和可持續(xù)發(fā)展。

參考文獻

[1] 師麗娟.中外農業(yè)工程學科發(fā)展比較研究[D].北

京：中國農業(yè)大學，2016.

[2] 魏秀菊，朱明，廖艷.鄉(xiāng)村振興背景下農業(yè)工程學科

的生態(tài)農業(yè)工程創(chuàng)新拓展[J].農業(yè)工程，2022，

12（8）：5-14.

[3] 張偉.中國農業(yè)工程教育發(fā)展的新階段——1978—

1989[J].農業(yè)工程學報，1989，5（3）：23-28.

[4] 李莉，王應寬，傅澤田，等.世界農業(yè)工程學科研究

進展及發(fā)展趨勢[J].農業(yè)工程學報，2023，39（3）：

1-15.

[5] 范磬亞，張月群，梁斌.國際農業(yè)工程學科的前沿主

題及發(fā)展趨勢分析[J].江蘇科技信息，2020，37

（9）：13-17.

[6] ASABE. About Us[EB/OL].[2024-06-26].https：

//www.asabe.org/About-Us

[7] 馬成林.農業(yè)工程學科發(fā)展趨勢[C]//農業(yè)系統(tǒng)工

程理論與實踐研究——全國農業(yè)系統(tǒng)工程學術研

討會論文集.哈爾濱，2006：12-17.

[8] Chen C M.Science mapping：asystematic review

of the literature[J].Journal of Data and

Information Science，2017，2（2）：1-40.

[9] Rajendra Kumar P，Manash E K.Deep learning：

a branch of machine learning[J].Journal of

Physics：Conference Series，2019，1228（1）：

012045.

[10] 歐俊，曾曉霞.精準農業(yè)與智能農機的現狀與未來

發(fā)展[J].南方農機，2024，55（8）：44-46+56.

[11] RedmonJ，DivvalaS，GirshickR，et al.You

only look once：unified，real-time object

detection[C]//2016 IEEE Conference on

Computer Vision and Pattern Recognition

（CVPR）.LasVegas，NV，USA.IEEE，2016：779-

788.

[12] J a h a n N ， Z h a n g Z ， L i u Z H ， e t a l .

U s i n g i m a g e s f r o m a h a n d h e l d c a m e r a

to detect wheat bacterial leaf streak

disease severities[C]//2021 ASABE Annual

International Virtual Meeting，July 12-

16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[13] ZhouZX，FuLS.Kiwifruit yield estimation

using deep learning and binocular stereo

vision on Android smartphones[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society

of Agricultural and BiologicalEngineers，

2021.

[14] ChengHH，DaiY L，Lin C P，et al.Identifying

tomato diseases from leave images using

deep convolutional neural networks[C]//2021

A S A B E A n n u a l I n t e r n a t i o n a l V i r t u a l

Meeting，July 12-16，2021.St.Joseph，MI：

A m e r i c a n S o c i e t y o f A g r i c u l t u r a l a n d

BiologicalEngineers，2021.

[15] Rafael Bidese Puhl，Yin Bao，Alvaro Sanz-

Saez，Charles Chen. Infield peanut pod

counting using deep neural networks for

yield estimation[C]//2021 ASABE Annual

International Virtual Meeting，July 12-16，

2021.American Society of Agricultural and

BiologicalEngineers，2021.

[16] LaiHH，Chang Y T，YangJI，et al.Application

of convolutional neural networks on the

development of plant-parasitic nematode

image identification system[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society

of Agricultural and BiologicalEngineers，

2021.

[17] SangjanW，CarterA H，PumphreyM O，et al.

D e v e l o p m e n t o f s e n s o r s y s t e m f o r t h e

Internet of Things（IoT）-based automated

I n - f i e l d m o n i t o r i n g t o s u p p o r t c r o p

improvement programs[C]//2021 ASABE Annual

International Virtual Meeting，July 12-

16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[18] Eros A H，William M D，Simon J Q，Ma. I M

T，Armando S M B，Lea T，Ma. B C R，Alyssa

J C，Jeremias A G，Dan J A R，et al. AIoTb

a s e d S y s t e m f o r I n d o o r P l a n t G r o w t h

Monitoring and Early Nutrient Deficiency

Detection[C]//2022 Houston，Texas July 17-

20，2022.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2022.

[19] Zhang H Z，HeL，DiGioiaF，et al.Internet of

Things（IoT）-based precision irrigation

w i t h L o R a W A N t e c h n o l o g y a p p l i e d t o

vegetable production[C]//2021 ASABE Annual

International Virtual Meeting，July12-16，

2021.St.Joseph，MI：American Society of

Agricultural and Biological Engineers，

2021：2210-2228.

[20] PraptiD R，BinMohamedShariffA R，CheManH，et

al.An overview of water quality monitoring

in IoT based aquaculture[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society

of Agricultural and BiologicalEngineers，

2021.

[21] MN C A H，AlkadyKH，JinHY，et al.A deep

convolutional neural network based image

processing framework for monitoring the

growth of soybean crops[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society

of Agricultural and BiologicalEngineers，

2021.

[22] Guntaka ML，SaraswatD，Langenhoven P.IoT

based low-cost testbed for precision indoor

farming[C]//2021 ASABE Annual International

Virtual Meeting，July 12-16，2021.St.Joseph，

MI：American Society of Agricultural and

BiologicalEngineers，2021.

[23] Narimani M，Hajiahmad A，MoghimiA，et al.

Developing an aeroponic smart experimental

greenhouse for controlling irrigation and

plant disease detection using deep learning

and IoT[C]//2021 ASABE Annual International

Virtual Meeting，July 12-16，2021.St.Joseph，

MI：American Society of Agricultural and

BiologicalEngineers，2021.

[24] Ho I C，LaiYJ，ChiangPN，et al.Integration

of multiple sensors for beehive health

status monitoring and assessment[C]//2022

Houston，Texas July 17-20，2022.St.Joseph，

MI：American Society of Agricultural and

BiologicalEngineers，2022.

[25] W u Y T，W u Y F，C h e n S K，e t a l . D e s i g n o f a

versatile wireless multi-sensor interface

for the intelligent environmental and

pest monitoring system[C]//2022 Houston，

T e x a s J u l y 1 7 - 2 0 ， 2 0 2 2 . S t . J o s e p h ， M I ：

A m e r i c a n S o c i e t y o f A g r i c u l t u r a l a n d

BiologicalEngineers，2022.

[26] Lee M，LiPY，Koziel J A，et al.Pilotscale

testing of UV-alight treatment for

mitigation of NH3，H2S，GHGs，VOCs，odor，

and O3inside the poultry barn[J].Frontiers

in Chemistry，2020，8：613.[PubMed]

[27] L e e M ， K o z i e l J A ， M u r p h y W ， e t a l .

D e s i g n ， t e s t i n g ， a n d c o m m i s s i o n i n g o f

m o b i l e l a b o r a t o r y f o r m i t i g a t i o n o f

gaseous emission from livestock barns

with photocatalysis[C]//2021 ASABE Annual

International Virtual Meeting，July 12-

16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[28] Baitong C，Jacek A K，Chumki B，Hantian

M，M y e o n g s e o n g L，S a m u e l C O，P e i y a n g

L，Daniel S A，Andrzej B，Robert C B，

et al. Reduction of gaseous emissions

from swine manure：effect of biochar dose

and reapplication[C]//2021 ASABE Annual

International Virtual Meeting，July 12-

16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[29] Peiyang L，Jacek A K，Nubia M，Jeffrey J Z，

Danielle W，Erin S，Mateo B，William B W，

Reid V P，Dongjie L，et al. Continuous air

cleaning by filtration and UV-C treatment

of airborne pathogens and particulate

matter in indoor spaces[C]//2022 Houston，

T e x a s J u l y 1 7 - 2 0 ， 2 0 2 2 . S t . J o s e p h ， M I ：

A m e r i c a n S o c i e t y o f A g r i c u l t u r a l a n d

BiologicalEngineers，2022.

[30] Lee M，Brandani C，Bush K J，et al.Realtime

ammonia measurement system using an

electrochemical sensor[C]//2023 ASABE

Annual International Meeting. St. Joseph，

MI：ASABE，2023：1.

[31] Lee M，Brandani C B，Bush K J，et al. The

effect of water application on ammonia

emissions from open-lot livestock-feeding

surfaces[C]//2023 ASABE Annual International

Meeting. St. Joseph，MI：ASABE，2023：1.

[32] Li P，Koziel J A，Yedilbayev B，et al. A

simple and practical study on the spatial

variation of ultraviolet and visible light

output：measurement and estimation of nearand

far-distance conditions[C]//2023 ASABE

Annual International Meeting. St. Joseph，

MI：ASABE，2023：1.

[33] 李炳臻，劉克，顧佼佼，等.卷積神經網絡研究綜述

[J].計算機時代，2021（4）：8-12+17.

[34] AdosoglouG，ParkS，AmpatzidisY，et al.

A high-level task planning of autonomous

robots carrying multiple herbicides and

treating specific weed types[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society

of Agricultural and BiologicalEngineers，

2021.

[35] Gauci A A，LindseyA，ShearerSA，et al.

Scalability of yield monitor data for

supporting on-farm research[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society

of Agricultural and BiologicalEngineers，

2021.

[36] M a t h a n k e r S K . D e v e l o p i n g a p r e c i s i o n

a g r i c u l t u r e t e c h n o l o g y c o u r s e f o r

regions with lower technology adoption

levels[C]//2021 ASABE Annual International

Virtual Meeting，July 12-16，2021.St.Joseph，

MI：American Society of Agricultural and

BiologicalEngineers，2021.

[37] LiuYH，WangH，ZhouLM，et al.Design and

test of closed-loop fertilizer control

system based on PID[C]//2021 ASABE Annual

International Virtual Meeting，July 12-

16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[38] WuCX，LuckJ，Thompson L，et al.Machine

learning methods for predicting sitespecific

profitability from sensor-based

nitrogen applications[C]//2021 ASABE Annual

International Virtual Meeting，July12-16，

2021.St.Joseph，MI：American Society of

Agricultural and Biological Engineers，

2021：2469-2479.

[39] MirbodO，ChoiD，HeinemannP H，et al.Infield

apple size and location tracking using

machine vision to assist fruit thinning

and harvest decision-making[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society

of Agricultural and BiologicalEngineers，

2021：2123-2128.

[40] D e n g B Y ， L u Y Z ， X u J J . W e e d d a t a b a s e

development：an updated survey of public weed

datasets and cross-season weed detection

adaptation[J].Ecological Informatics，2024，

81：102546.

[41] 侯方安，祁亞卓.淺析農用無人飛機在我國的發(fā)展

[J].農機科技推廣，2020（12）：15-17+19.

[42] WanJJ，Qi L J，ZhangH，et al.Research status

and development trend of UAV broadcast

sowing technology in China[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society

of Agricultural and BiologicalEngineers，

2021.

[43] WanJJ，Qi L J，ZhangH，et al.A real-time

route planning method based on DeepLabV3+

for plant protection UAVs[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society

of Agricultural and BiologicalEngineers，

2021.

[44] Vijayakumar V，CostaL，Ampatzidis Y.Prediction

of citrus yield with AI using ground-based

fruit detection and UAV imagery[C]//2021

A S A B E A n n u a l I n t e r n a t i o n a l V i r t u a l

Meeting，July 12-16，2021.St.Joseph，MI：

A m e r i c a n S o c i e t y o f A g r i c u l t u r a l a n d

BiologicalEngineers，2021.

[45] WangTY，ChandraA，Meeks M，et al.UAV remote

sensing-based phenotyping to evaluate

drought stress in turfgrass[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society

of Agricultural and BiologicalEngineers，

2021.

[46] A h m a d A ， S a r a s w a t D ， E l G a m a l A ， e t a l .

Comparison of deep learning models for

corn disease identification，tracking，

a n d s e v e r i t y e s t i m a t i o n u s i n g i m a g e s

acquired from uav-mounted and handheld

sensors[C]//2021 ASABE Annual International

Virtual Meeting，July 12-16，2021.St.Joseph，

MI：American Society of Agricultural and

BiologicalEngineers，2021.

[47] Huang YB，FengG，Tewolde H.Multisource

r e m o t e s e n s i n g f i e l d m o n i t o r i n g

f o r i m p r o v i n g c r o p p r o d u c t i o n

m a n a g e m e n t [ C ] / / 2 0 2 1 A S A B E A n n u a l

International Virtual Meeting，July 12-

16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[48] B a g h e r i a n K，B i d e s e P u h l R，B a o Y，e t a l .

Phenotyping agronomic traits of peanuts

using UAV-based hyperspectral imaging and

deep learning[C]//2022 Houston，Texas July

17-20，2022.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2022.

[49] WaldrepK S，Tagert M L M，McCoyJ，et al.

UAV multispectral imagery for site-specific

management of iron deficiency chlorosis（IDC）

in soybean[C]//2022 Houston，Texas July 17-

20，2022.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2022.

[50] LenaB P，Bondesan L，Ortiz B V，et al.

Evaluation of different negligible drainage

flux for field capacity estimation and its

implication on irrigation depth for major

soil types in Alabama，USA[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[51] Jasreman S，Derek M H，Yufeng G，Geng B，

Christopher M U N，Mitchell S M，Sandeep

B，et al. Sensor-based irrigation of maize

and soybean in East-Central Nebraska under

a sub-humid climate[C]//2021 ASABE Annual

International Virtual Meeting，July 12-

16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[52] McGillS E，HayesM，PowerK，et al.Determining

moisture content in equine arena footing

on-farm[C]//2022 Houston，Texas July 17-

20，2022.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2022.

[53] 王健，隋斌，程紅勝，等.我國不同區(qū)域農業(yè)廢棄物

厭氧消化及資源化技術模式構建及其評價研究

[J].中國沼氣，2021，39（4）：3-11.

[54] Chiumenti A，TedescoS，Da Borso F.Anaerobic

digestion of spent compost and peat from

the cultivation of mushroom[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[55] ChiumentiA，OwonoOwono B，FaitG，et al.

Upflow anaerobic floating filter（UAFF）

for the anaerobic digestion of fish farm

waste from brackish aquaculture[C]//2022

Houston，Texas July 17-20，2022.St.Joseph，

MI：American Society of Agricultural and

BiologicalEngineers，2022.

[56] BolandM L，Cheng J J.Metagenomics reveals

microbiome changes with lignocellulose

biomass addition in anaerobic co-digesters

treating swine wastewater[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[57] MyersG M，AndersenD S，Raman D R.Cost

assessment of centralizing a swine manure

and corn stover co-digestion system for

biogas production[C]//2021 ASABE Annual

International Virtual Meeting，July 12-

16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[58] S a h a C K ， S a r k a r S ， A l a m M M . S y n c h r o n i z e d

p a d d y c u l t i v a t i o n u s i n g m e c h a n i c a l

r i c e t r a n s p l a n t i n g t e c h n o l o g y i n

Bangladesh[C]//2022 Houston，Texas July 17-

20，2022.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2022.

[59] L u t h r a K ， S a d a k a S . E n e r g y a n d e x e r g y

a n a l y s i s o f r o u g h r i c e d r y i n g i n a

fluidized bed and fixed bed with ambient

air dehumidification[C]//2021 ASABE Annual

International Virtual Meeting，July 12-

16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[60] A m e e r S ， W e i L ， W u Y J ， e t a l . E f f e c t s o f

biochar-based control release nitrogen

fertilizers on corn growth in greenhouse

trials[C]//2022 Houston，Texas July 17-

20，2022.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2022.

[61] Oduola A A，Atungulu G G.Effects of novel

infrared heat treatments and tempering on

rice pasting properties[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society

of Agricultural and BiologicalEngineers，

2021.

[62] S u n Z Q ， D u X Q ， Y i n C ， e t a l . D e s i g n a n d

experiment of an automatic separating and

embedding machine for rice potted-seedling

tray[C]//2021 ASABE Annual International

Virtual Meeting，July 12-16，2021.St.Joseph，

MI：American Society of Agricultural and

BiologicalEngineers，2021.

[63] XiT，YaoFQ，WangY W，et al.Optimization of

airflow velocity of pneumatic pollination

for hybrid rice breeding[C]//2022 Houston，

T e x a s J u l y 1 7 - 2 0 ， 2 0 2 2 . S t . J o s e p h ， M I ：

A m e r i c a n S o c i e t y o f A g r i c u l t u r a l a n d

BiologicalEngineers，2022.

[64] FieldT C，StwalleyR M.Numerical modeling

a n d o p t i m i z a t i o n o f t h e p u r d u e h o g

cooling pad design[C]//2021 ASABE Annual

International Virtual Meeting，July 12-

16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[65] LiPY，Koziel J A，Zimmerman J J，et al.

Method for aerosolization and collection

of Porcine Reproductive and Respiratory

S y n d r o m e V i r u s（P R R S V）：e n g i n e e r i n g

c o n s i d e r a t i o n s [ C ] / / 2 0 2 1 A S A B E A n n u a l

International Virtual Meeting，July 12-

16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[66] OlaniyiE，LuYZ，SukumaranA T，et al.Nondestructive

assessment of white striping

in broiler breast meat using structuredillumination

reflectance imaging with deep

learning[J].Journalofthe ASABE，2023，66（6）：

1437-1447.

[67] S h i n s u k e K ， T o m o h i r o M ， K e n - i c h i H ，

M i t s u h i k o K ， e t a l . O b j e c t d e t e c t i o n

technique applied to cattle production

sites-Identifying individual Japanese black

cows[C]//2021 ASABE Annual International

Virtual Meeting，July 12-16，2021.St.Joseph，

MI：American Society of Agricultural and

BiologicalEngineers，2021.

[68] Shine P，Upton J，MurphyM D.The development

of a national-level energy assessment tool

for the dairy industry[C]//2022 Houston，

T e x a s J u l y 1 7 - 2 0 ， 2 0 2 2 . S t . J o s e p h ， M I ：

A m e r i c a n S o c i e t y o f A g r i c u l t u r a l a n d

BiologicalEngineers，2022.

[69] FieldT C，ShirleyL K，SchinckelA P，et al.

Modification of the purdue hog cooling pad

control scheme design for heat stress in

gilts[C]//2021 ASABE Annual International

Virtual Meeting，July 12-16，2021.St.Joseph，

MI：American Society of Agricultural and

BiologicalEngineers，2021.

[70] C o r t u s E L ， S a m u e l R S ， Y a n g X F ， e t a l .

Evaluating gas and particulate matter

e m i s s i o n s a n d d o w n w i n d c o n c e n t r a t i o n

impacts using the EPI air filter wall

system[C]//2021 ASABE Annual International

Virtual Meeting，July12-16，2021.St.Joseph，

MI：American Society of Agricultural and

Biological Engineers，2021：1737-1746.