袁建霞，张秋菊，胡小鹿，苗中华，韦真博，齐 龙，吴海华

(1.中国科学院科技战略咨询研究院，北京100190； 2.中国农村技术开发中心，北京100045；3.上海大学机电工程与自动化学院，上海200444； 4.浙江大学生物系统工程与食品科学学院，浙江 杭州310058；5.华南农业大学工程学院，广东 广州510642； 6.中国农业机械化科学研究院，北京100083)

0 引言

农业物联网技术是推动现代农业智能化发展的新兴技术，已广泛应用于农业生产的各个环节[1]。其中，大力发展农业装备物联网，将现代物联网技术和农业装备融合，可实现农业装备的智能化管理，有效整合农业生产管理信息数据资源，为农业生产提供高效、智能、安全和便捷的作业保障[2]。2018年初，我国农机服务企业大田农社举办“万物互联 赋能企业”农机企业物联网解决方案说明会，标志着我国农机行业进入了“物联网时代”。同年，江西省率先在全国提出了农机购置补贴1万元以上的农业装备(如联合收割机、轮式拖拉机、履带式拖拉机、捡拾压捆机和喷杆喷雾机等)必须配备物联网定位监控的要求[3]。本文以研究农业装备物联网的SCI论文为对象，分析该领域的国际竞争态势和研究热点，旨在为相关科技管理部门及时掌握该领域的科技发展态势和研究重点、优化研究布局和项目管理提供决策支撑。

1 研究数据与方法

以科睿唯安(Clarivate Analytics)科学引文索引(SCI)数据库的研究论文为数据源，利用“农机”“物联网”和“信息化”相关主题词及物联网技术体系关键词，并结合涉农学科方向等构建论文检索式，检索发表于2010—2020年的农业装备物联网研究性论文。然后，以检索到的论文作为数据集进行国际竞争态势和研究热点分析，分析思路和框架如图1所示。

图1 农业装备物联网竞争态势和研究热点分析框架Fig.1 Analysis framework of competition situation and research hots of internet of things for agricultural equipment

竞争态势分析以检索到的全部SCI论文为对象，主要利用文献计量学方法进行分析。首先利用科睿唯安的数据分析工具DDA(Derwent Data Analyzer)进行数据清洗，包括国家、关键词等字段的规范和统一。然后利用该工具对清洗后的标准化数据进行分析，包括论文产出趋势、领先国家和热点研究主题比较等，以反映农业装备物联网的国际竞争态势。

研究热点分析以检索到的近5年(2016—2020年)发表被引频次位于前10%的SCI论文为对象，主要采用论文内容分析法。首先在上述检索到的全部SCI论文中选取近5年发表的论文请专家进行甄选，对其中的重点论文逐篇进行内容解读，然后在此基础上根据研究方向进行人工分类，对当前农业装备物联网的研究热点方向及其重点研究内容进行分析。

2 国际竞争态势分析

2010—2020年，共检索到农业装备物联网相关研究SCI论文2 764篇，其年度论文数量随时间变化呈逐年上升趋势，从2010年的172篇增加到2019年的433篇(2020年数据不完整)，增加了1.5倍多。其中2019年增长迅速，反映出近年来农业装备物联网的研究论文产出规模正处于上升期，越来越受到重视。

2.1领先国家

2010—2020年，SCI论文数量最多的前10个国家依次是美国、中国、巴西、西班牙、意大利、德国、澳大利亚、印度、加拿大和伊朗(图2)。其中，美国的论文数量最多，有771篇，约占论文总量的28%，远领先于其他国家。其次是中国，有383篇，占比约为14%。排在第3位和第4位的巴西和西班牙分别有303和261篇。其余6个国家的论文数量在150篇左右及以下。

图2 农业装备物联网SCI论文数量最多的前10个国家Fig.2 Top 10 countries with the largest number of research papers on internet of things for agricultural equipment

2.2热点研究主题

提取10个领先国家SCI论文中出现频次最高且具有实质意义的前10个关键词，来揭示和反映农业装备物联网领域的热点研究主题。10个高频关键词依次是灌溉、传感器、地理信息系统、遥感、蒸发蒸腾、土壤水分、归一化植被指数、玉米、机器学习和人工神经网络。然后，通过分析各领先国家论文中高频关键词的出现频次，来比较各国重点关注的热点研究主题(图3)。结果显示，美国在各热点研究主题都有布局，但主要关注灌溉应用和传感器技术；中国主要关注遥感和传感器技术；巴西主要关注灌溉应用、归一化植被指数的测定和遥感技术；意大利主要关注灌溉应用和地理信息系统；德国主要关注传感器技术；澳大利亚主要关注灌溉应用；印度和加拿大主要关注灌溉应用和地理信息系统；伊朗主要关注灌溉应用和人工神经网络。此外，玉米是物联网应用研究最多的作物，各领先国家均有布局。

3 研究热点分析

从检索到的2 764篇农业装备物联网研究SCI论文中选择近5年(2016—2020年)发表且被引频次排名前10%的论文162篇，请专家进行分析，从专业的角度遴选出重点论文98篇详细解读分析显示，农业装备物联网研究主要聚焦在感知与控制层技术、应用服务层技术、网络和网络平台层技术及环境影响预测模型的研发。其中，感知与控制层技术研究的重点论文数量最多，有38篇(其中有2篇同时属于应用服务层技术研究)；其次是应用服务层技术研究，有33篇重点论文；然后是网络和网络平台层技术研究，有17篇；环境影响预测模型研发的最少，有12篇。

3.1感知与控制层技术研究

感知与控制层负责对农业环境信息和动植物生长发育信息进行采集，由多个无线传感器终端构建而成，监测信息通过移动网络传输到云服务平台，云服务信息平台将获取的数据进行处理、融合、分析和可视化等工作，同时对环境进行调控、管理等[4]。该技术方向上的38篇论文的研究重点集中在植物生理和病害信息感知(16篇)、作业质量监测(11篇)、定位导航(7篇)及动物生理和行为信息感知(4篇)。从国家分布看，主要来源于中国(9篇)、美国(8篇)和西班牙(4篇)。

图3 10个领先国家农业装备物联网SCI论文热点研究主题比较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获取植物生长指标和检测病害的重要手段，是当前农业管理中重点关注的问题。目前我国研究人员对作物养分检测的研究比较多，例如，基于近红外光谱技术对油菜叶片丙二醛含量进行检测及基于反射光谱图像对设施作物营养信息进行检测等[5-6]。在病害检测技术和方法方面也开展了较多研究[7-9]。本研究中，植物生理生态和病害信息感知方面共有16篇论文，主要开展了对玉米高度、橄榄树冠层、生菜代谢生长、豆荚种子数量、棉花发芽率、大麦籽粒产量和蛋白质含量、茶叶含水量、蝴蝶兰叶片生长及水稻病害等的检测研究，采用的主要技术有传感器技术(如声波传感器、有源光学传感器、激光雷达传感器、红外传感器、主动光学传感器)及卫星图像技术等(表1)。

表1 农业装备物联网植物生理和病害信息感知研究方向重点论文

作业质量监测主要监测充分和亏缺灌溉条件下玉米品种产量和生物量对气候变化的响应、玉米杂交对氮肥的响应、联合收割机中稻米的筛分损失、新型智能灌溉系统设定点对植物生理反应和作物生长的影响、无人机空间农药喷洒沉积质量、叶绿素计的使用、菠菜生物量产量对盐分和水分交互胁迫的生理响应、不同灌溉方式下小麦的水分状况和谷物产量等(表2)。

定位导航技术研究主要涉及模糊空间决策工具的使用、果园和人工林激光测距仪自动导航拖拉机、通过累积玉米田图像中的绿色像素检测弯曲和笔直的农作物行、定点施用除草剂的自动驾驶车队的路线规划、三维立体视觉监测系统的应用、葡萄园喷雾机器人低成本定位导航数据融合算法及同时进行自动地形估计和分类任务的农机设计方案等(表3)。

表2 农业装备物联网作业质量监测研究方向重点论文

在动物生理和行为信息感知方面，随着新技术的发展，我国已有研究人员开展了基于深度图像的猪体尺检测、基于机器视觉的母猪分娩检测，以及基于视频分析的奶牛呼吸检测等研究[10-13]。而在本研究中，动物生理和行为信息感知方面共的4篇重点论文的主要研究内容分别是构建利用营养成分和摄入量等变量预测山羊肠内甲烷排放的统计模型、基于核磁共振波谱进行鱼的代谢组学评估、利用图像运动特征提取识别猪群的攻击行为及开发基于智能手机惯性测量单元的开源算法检测牛草摄入量和反刍行为(表4)。

3.2网络层及平台层技术研究

网络层是位于物联网3层结构中第2层的信息处理系统，其功能为“传送”，即通过通信网络进行信息传输，包括网络层和网络平台层。网络层技术有端云通信技术、端端通信技术、网络接口技术(人、机器、系统之间)、网络标准技术(人、机器、系统之间)及协同作业技术(算法、机器学习、深度学习)等。网络平台技术主要包括农业大数据采集技术、农业大数据挖掘和分析技术(跨媒体数据、多元数据、特征提取、模式识别、云计算)及农业大数据决策技术(专家系统、知识系统)等。本研究中网络层及平台层技术研究方向上有17篇重点论文，主要来源于美国(5篇)和印度(2篇)：其中6篇研究网络层技术，重点关注的是协同作业技术中基于神经网络、支持向量机等算法的开发(表5)；11篇涉及网络平台技术的论文主要研究大数据分析和决策技术(表6)。

3.3应用服务层技术研究

物联网通过感知层采集数据，并通过网络层传送到应用层。应用层的主要工作就是处理这些数据来进行应用开发计算，并根据数据做出反馈[4]。本研究中，应用服务层技术研究相关重点论文共33篇，主要依次聚焦智能灌溉(21篇)、智能植保(6篇)、智能养殖(4篇)和智能施肥(2篇)等领域(表7)。从国家分布来看，主要来源于西班牙(10篇)、美国(5篇)和中国(3篇)。智能灌溉领域运用了多传感器技术、叶片水压传感器技术、云端服务器、机器学习、无线传输系统，以及无人机技术和光谱技术等。

表3 农业装备物联网定位导航技术研究方向重点论文

表4 农业装备物联网动物生理和行为信息感知研究方向重点论文

表5 农业装备物联网网络层技术研究方向重点论文

表6 农业装备物联网网络平台层技术研究方向重点论文

智能植保领域：基于商用农用机器人底盘和喷淋系统搭建了自动喷淋除草机器人，同时搭载了车载传感器和GNSS(全球导航卫星系统)定位系统对杂草进行监测；利用机器视觉和人工智能对目标进行识别，设计并研制了胡椒地除草喷雾机器人，同时将RTK GPS(实时动态全球定位系统)连接到智能喷雾机上，开发算法自动生成杂草地图；利用无人机技术对目标物进行航迹规划导航喷雾；提出了一种基于计算机的自主适应无人机控制系统，可以精确改变无人机的飞行路线，以实现精确农药喷洒。

智能养殖领域：基于鼻带压力传感器、在线数据分析记录器和软件，开发了一种测量奶牛的反刍和进食行为的新型自动化科学监测装置；基于蓝牙无线传输技术和加速度传感器监测羊的各种基本行为，包括吃草、站立和行走等；提出了一种基于加速度传感器区分奶牛行为的新方法，可以对奶牛的喂食和站立进行实时检测。

智能施肥领域：基于产量反应和农艺效率等建立水稻营养专家决策支持系统，推荐水稻施肥方法；采用遥感技术检测氮肥对作物的影响，计算作物对施氮的空间响应。

3.4环境影响预测模型研究

环境影响预测模型研究方向共有12篇研究论文，其研究重点是开发各种算法和预测模型，以根据监测到的相关数据来评估或预测农业生产环境及其对作物的影响，评估内容主要包括农业水文过程与灌溉节水情况、防护林带对农作物产量的影响、水资源的脆弱性对雨养作物的影响、非生物胁迫(干旱、寒冷、铁毒性、盐碱度)对水稻生长的影响、温室环境与作物生长的关系、土壤电导率与作物产量和土壤特性的空间关系、氮营养对玉米的影响、农田水分蒸发和作物蒸腾、有机磷时空分布、地表温度和土壤温度的时空变化，以及根据图像进行作业环境评估等(表8)。

表7 农业装备物联网应用服务层技术研究方向重点论文

4 展望

(1)全面感知是农业装备物联网的重要基础。农业装备物联网要将大量物体接入网络并进行通信活动，对物体的全面感知非常重要，感知层是物联网获得信息的基础，传感器、射频识别技术(RFID)、全球卫星定位系统(GS)、全球定位系统(GPS)、条码技术等感知设备负责对物理世界的各种信息进行采集。未来伴随着5G通信技术的兴起和北斗卫星体系的建成将为农业装备物联网通信带来新机遇。

(2)信息处理是农业装备物联网发展的核心。通过云计算、专家系统和人工智能等信息处理平台，最终实现信息技术与行业的深度融合，完成物品信息的汇总、协同、共享、互通、分析预测和决策等功能。随着计算机技术的不断发展，更多的优化算法、机器学习、深度学习将被应用于农业装备物联网中。

(3)预测决策模型是农业装备物联网的研究难点。目前处于大规模应用的农业预测决策模型还比较少，主要是由于数据、平台、软件等比较欠缺，因此，农业信息化还处于初级阶段，还做不到实时诊断和处理。未来在加强数据获取和传输的基础上，需重点开展预测决策模型等基础理论研究，提高数据综合处理能力和决策能力，以加强计算服务和信息控制，进而推动农业装备物联网的大规模应用。

(4)多学科融合是农业装备物联网发展的重要途径。农业物联网技术不仅需要电子信息方面的知识，更需要农业生物系统方面的知识，包括动植物、土壤、环境等对象，只有在充分了解对象特性的基础上才能够根据对象的需要和特点搭建最适合(无论是效能还是经济)的物联网，因此，有关农业生物系统方面的技术将在未来农业发展中起到越来越重要的作用。与此同时，大田种植、设施园艺、畜禽养殖、水产养殖和农产品物流等具体的应用层，不仅仅用到了物联网通信技术，还需要大数据、农业、环境、控制等。此外，要对基于农业装备物联网技术产生的复杂问题开展科学研究，还必须了解其他领域的知识，对研究问题有全方位多领域的认知，才能从真正意义上解决农业物联网的核心问题。不断加大学科融合，共同探讨农业装备物联网问题是实现技术突破的关键。

(5)智慧田间管理是目前农业装备物联网发展的重要方向。田间管理以植保方向为主，其次是灌溉，再次是田间生理参数获取。植保是目前农业物联网应用最为成熟的领域，不管是基于无人机还是机器人的自动喷洒装置，相关研究是最多的，目前应用的探测传感器、数据传输和定位系统多数为成熟的商业传感器模块。相关应用研究主要集中在路径规划，以及植物、杂草或病虫害识别上。同时，对土壤本身的研究也值得关注，尤其是土壤的含水率检测，目前国内开展的土壤含水率检测多为离线检测，还没有可靠的田间土壤含水率在线监测传感器，可视为卡脖子技术或者先进技术，需要进行优先布局研究。

(6)智慧牧场将是未来农业装备物联网研究的重要阵地。当前，智慧牧场的发展明显落后于智慧农场，无论是应用的技术手段还是对象的监测分析，都不如智慧农场研究深入。可能的原因是，动物生理和行为参数的差异性和不确定性使得难以在短期或者小范围研究中找到可以遵循的规律，若要进行有效分析需要更多的样本数据，而农场规模和区域的局限性限制了物联网技术在牧场中的应用和推广。不过，基于机器视觉的农业物联网技术在养殖业已开始应用，未来智慧养殖将会得到更大发展。