针对联合收割机作业路径规划不合理、联合收割机与运粮车无法协同优化调度等问题，以最小化联合收割机总非生产性作业时间和非生产性作业等待时间为目标，构建多机型多任务协同优化调度模型，设计多机协同优化调度算法(MMCOSA)。首先通过对传统蚁群算法(ACO)进行改进，计算得到联合收割机的静态路径规划方案，然后采用相对距离最近策略实现联合收割机与运粮车协同作业动态优化。试验结果表明，采用MMCOSA算法计算得到的联合收割机总非产性作业时间和非生产性作业等待时间均比传统ACO算法的结果平均缩短17.5%和19.02%，MMCOSA算法不仅加快收敛速度，而且缩短作业时间，为农忙时节联合收割机与运粮车的协同调度问题提供有效的解决方案。

种质是农业的基础，是国家的战略资源，种子质量的优劣影响着整体种植业的生产规模和潜力。我国种业存在产业链条信息不完整、不透明；种子溯源系统与体系不完善、不安全等问题。将区块链技术融入到传统的种子信息溯源中，提出分布式数据存储的种子质量追溯模型。利用以太坊、物联网和终端应用等设计三层架构：应用层、物联网层和数据存储层。根据以太坊本身特点和系统数据存储、查询要求，设计分布式多数据库存储的方式。系统存储种子从生产到流通部门各个环节的数据信息，结合区块链数据信息不可篡改性、透明性和可追溯性高的特点，保证种子供应链上所有数据不被他人改动或隐藏，实现准确追溯、快速鉴定种子质量。系统采用的用户信用度智能合约算法，直击种子数据源头，保证购买种子的质量安全，为维护种子消费者权益提供信息技术与服务保障。

随着我国农业机械化不断发展,智能农机应运而生,其作业路径被农机大数据中心实时监测、调控。合理的作业路径不仅可以提高作业效率,而且当车队运行状态或农田环境改变后,能实现精准作业,因此,研究如何动态优化车队协同作业具有十分重要的理论意义和实用价值。以总作业时间和作业时长综合最短为优化目标,同时避免作业冲突,构建机群协同作业路径动态优化模型,设计冲突检测规则,提出一种机群协同作业路径动态优化(DOFOP)算法。试验结果表明,当有农机发生故障时,重新优化后的作业时长、总作业时间比并排作业均减少2.52%,平均作业农田能力AEFC、农田效率FE比并排作业平均提高2.63%、2.59%;当有农机作业速率发生改变时,重新优化后的作业时长、总作业时间比原作业分别降低7.22%、2.73%,AEFC、FE比原作业分别提高7.99%、2.82%;当农田面积发生改变时,重新优化后的作业时长、总作业时间比原作业降低6.26%、0.1%,AEFC、FE比原作业分别提高6.48%、0.1%。当机群作业状态发生改变时,DOFOP算法能有效动态优化机群作业路径,提高机群作业效率,实现机群精准作业。

针对自然环境下马铃薯叶片病害识别率低和晚疫病斑定位难的问题,基于大田环境中采集的马铃薯叶片图像,首先对马铃薯叶片病害进行识别,对比AlexNet、VGG16、InceptionV3、ResNet50、MobileNet五种神经网络模型,结果表明InceptionV3模型的识别效果准确率最高,可达98.00%。其次对马铃薯叶片的晚疫病斑进行检测,提出一种改进型的CenterNet-SPP模型,该模型通过特征提取网络获取对象的中心点,再通过中心点回归获得中心点偏移量、目标大小等图像信息,训练后的模型在验证集下的 mAP可达90.03%,以 F₁为评价值分析对比其它目标检测模型,CenterNet-SPP模型的效果最好,准确率为94.93%,召回率为90.34%, F₁值为92.58%,平均检测一张图像耗时0.10 s。为自然环境下马铃薯叶片病害识别和检测提供较为全面的深度学习算法和模型研究基础。

在进行大规模农田作业时,农业机械及其行走路线的选择不能再依靠传统经验。为实现精准农业及提高农机作业效率、降低作业成本,采用模拟退火算法进行农机作业路径优化,并改进模拟退火算法,提出一种基于多普勒与贪心策略模拟退火算法,从矩形农田、梯形农田、不同农机三方面对农机作业路径进行优化,并与贪心算法优化结果进行对比。试验结果表明,相比贪心算法,SA算法和SADG算法均能找到更优的农机作业路径,同时SADG算法较SA算法优化性能及寻优效率更高;在矩形农田中,SA算法和SADG算法平均优化性能比贪心算法提高均超过8%;在梯形农田中,随着作业角β增大,SA算法和SADG算法农机作业路径优化性能呈递增趋势,平均优化性能比贪心算法提高均超过9%;在不同农机参数下(作业幅宽w,最小转弯半径r),当2r/w>2时,随着农机最小转弯半径的增大,优化性能呈递减趋势,SA算法和SADG算法平均优化性能比贪心算法提高了9%左右。该研究为优化农机作业路径、提高农机作业效率、降低农机作业成本提供了一种更加高效、可行的方法。

当采用多台不同型号的农机同时作业时,农机作业速度、作业幅宽均不相同,为避免作业冲突、降低作业成本,首次提出一种异型机群协同作业路径实时优化算法,机群作业过程分为并排作业阶段和剩余农田作业阶段,按照作业速度从大到小,HAMCO算法实时调整机群作业顺序。实验结果表明,在作业20 min后,若农机M_1作业速度从2.5 m/s分别变为2.95 m/s、3.4 m/s、4.5 m/s时,农机M_1分别在第148行反超农机M_2,在第71行、第139行分别反超农机M_2、农机M_3,在第56行、第71行、第142行分别反超农机M_2、农机M_3、农机M_4;在作业15 min后,若农机M_4作业速度从3.8 m/s分别变为2.8 m/s、2.51 m/s、2.1 m/s时,农机M_4分别在第165行被农机M_3反超,在第81行、第166行分别被农机M_3、农机M_2反超,在第57行、第78行、第132行分别被农机M_3、农机M_2、农机M_1反超。剩余农田作业阶段,HAMCO算法可找出18种符合条件的联合收割机组合,农机M_1、农机M_2、农机M_3、农机M_4数量分别为0台、0台、3台、1台时,总作业成本最小,为6.11 kg,农机M_1、农机M_2、农机M_3、农机M_4数量分别为2台、0台、0台、2台时,总作业成本最大,为11.93 kg,最佳机群组合最大可节省油耗5.82 kg。HAMCO算法能实时为机群分配最合理的作业路径,同时确保机群作业成本最低。