围绕大豆玉米带状复合种植种、管、收全程机械化，以大豆玉米一体化播种机、同步分带喷杆喷雾机、大豆玉米一体化收获机等同步作业专用机具，以及高地隙玉米收获机、小型窄幅收获机等分步适用机具为研究对象，根据近年来研制试验和推广应用情况，深入分析总结各类专用机具的技术特点、研发生产、试验验证、推广应用和注意事项，掌握当前专用机具发展现状，从提高作业效益、作业质量、适应性、关键结构等方面明确机具研发趋势，为大豆玉米带状复合种植全程化机械化发展奠定基础。围绕机具改进熟化与推广应用，从同播同熟品种选育、关键技术科研攻关、鉴定评价方法制定、适用机具机型遴选、试验示范推广和全程机械化模式凝练等方面提出建议。

针对现阶段我国大豆、玉米进口逐年增加，粮食安全有较大隐患的问题，我国启动大豆和油料产能提升工程，大力推广大豆玉米带状复合种植技术。大豆玉米带状复合种植农艺以“选配良种、扩间增光、缩株保密”为核心，以“减量一体化施肥、化控抗倒、绿色防控”配套，对农业机械提出提升通过性能、提高作业效率的总体要求，在播种方面发展小株距精密播种技术、大豆玉米播种分控技术、玉米大排量施肥技术、秸秆防堵技术、均匀接行技术；在田间管理方面发展双喷雾系统分带定向施药技术、自适应喷杆调节技术、植保机轮距调节技术、防飘移喷雾技术；在收获方面发展密植玉米低损摘穗技术、玉米低损低破碎脱粒技术、大豆低损割台技术、大豆低破碎柔性脱粒技术、大豆高效清选技术、大豆低破碎籽粒输送技术、大豆机收质量在线检测技术。现阶段需优化大豆玉米带状复合种植全程机械化装备，进一步结合大豆玉米带状复合种植的农艺特点与作业机具特性，加强理论研究，促进农机农艺进一步融合，加强创新机具研发，提高机具对种植模式的适应性。

农作物病害识别关乎作物的产量与质量，是智慧农业发展过程中必不可少的重要环节。随着深度学习技术在图像处理领域的飞速发展，利用深度学习从图像中识别出农作物患病类型的方法已逐渐成为主流。主要对基于深度学习的农作物病害识别方法进行综述，简要地介绍深度学习和卷积神经网络，收集一些常用的病害图像公开数据集。根据训练样本采集环境的不同，从实验室和野外两个方面概述近年来基于深度学习病害识别方法的进展，指出每种方法的优势与不足，总结出该研究领域存在数据量不足、任务难度大、深度学习模型网络结构复杂3个主要问题，并在此基础上进行展望，提出建立大规模、多种类、多类型病害数据库和设计高性能的深度学习模型是未来的重要发展方向。

推广大豆玉米带状复合种植模式是振兴国产大豆、提升油料产能的重要措施之一，能有效缓解我国大豆对外依存度高、进口压力大等困难。在分析2022年西南、黄淮海、西北地区大豆玉米带状复合种植模式推广实施情况的基础上，对各地区大豆玉米带状复合种植全程机械化技术与装备的现状进行概述，提出大豆玉米带状复合种植机械化面临的问题主要有缺少除草剂喷施专用机具、收获专用机具，现有可用生产装备数量严重不足，机械作业质量不高、适用性差，机手操作不规范等；针对现有技术问题提出我国大豆玉米带状复合种植生产机械化技术与装备的阶段性发展建议，采取先部分后全部、先易后难的方式逐步推进，先解决黄淮海及西北地区全程机械化问题，再针对丘陵山区进行研发，实现全国大部分地区全程机械化，最后综合利用自主导航辅助驾驶技术、自主避让技术及遥感遥测技术等电子信息及传感器技术，提升机具的机械化技术水平，为推动我国大豆玉米带状复合种植模式全面全程机械化高质量发展提供参考。

大豆玉米带状复合种植模式是实现“玉米不减产  多收一季豆”的可行途径，但是这与各地现有种植模式有很大差异，给播种机播种施肥等作业提出了新的要求。系统梳理该种植模式的特点，一是精量播种，玉米单粒播种，大豆每穴1或2粒；二是行距、株距缩小，合理密植。大豆株距7~10 cm，行距25~30 cm或40 cm；玉米株距8~11 cm或14 cm，行距40 cm；大豆玉米行间距60~65 cm或70 cm。三是单位面积施肥量一个加大，一个减小。玉米高氮缓释复合肥每公顷750~975 kg，大豆低氮缓释复合肥每公顷225~300 kg，“4+4”和“4+6”种植模式施肥量还要适当增加。简要介绍对应专用播种机应考核的主要内容、合格指标及验证方法，如大豆玉米带状复合种植专用机播种机安全性、适用性、先进性应达到的要求、验证实施的技术要点；阐述验证结论获取及其局限性，提出促进专用播种机发展的3条建议：增加配置、改进性能；培训农户和完善农艺；长短结合、耐心培育促发展。

当前我国粮食生产基本实现“谷物基本自给，口粮绝对安全”，但是粮食生产还面临着一系列的挑战。大豆玉米带状复合种植技术是保障我国玉米和大豆产量的一项关键性技术，在对大豆玉米带状复合种植概念、含义及原理梳理的基础上，结合大豆玉米带状复合种植“选配品种、扩间增光、缩株保密”的核心技术，以及合理选地、选择种植带型和田间管理的必要技术要点，并基于2021年内蒙古实际试点情况，指出当前大豆玉米带状复合种植技术主要存在农户对种植技术认知不足、技术应用具有挑战性，节水灌溉、专业机械设备和金融支持政策还未跟上，并提出下一步应加强农技指导和宣传、推进高标准农田建设和提高财政金融支持力度的对策建议。

为在黄土高原丘陵沟壑区全力推广大豆玉米带状复合种植全程机械化技术，通过对平凉市大豆玉米及其机械化生产特点、大豆玉米带状复合种植情况进行分析，提出种植效益低、气候和市场影响大、机械化技术不成熟等制约平凉市大豆玉米带状复合种植发展的关键因素，从优选适宜的种植方式、加强农机农艺与机械化信息化融合发展、发挥农业机械化技术推广体系优势、提高大豆玉米带状复合种植全程机械化水平四个方面深入探析，促进农机农艺融合发力，推动大豆玉米带状复合种植大面积均衡发展。

为突破大豆玉米复合种植模式受到播种机机械化水平低的限制并减少硬粘土及多雨条件对大豆玉米复合种植的不利影响，设计一款集旋耕、起垄、施肥、播种等作业功能于一体的2BSQF-6型大豆玉米带状复合种植播种机。首先结合大豆玉米带状复合种植的农艺要求，提出2BSQF-6型大豆玉米带状复合种植播种机整体结构设计方案。然后对旋耕、起垄、播种以及仿形等关键部件进行设计并确定关键参数。最后在灌云县大豆农场种植基地展开大豆玉米带状复合种植的播种试验。经田间试验表明，在作业速度为4.7 km/h时，大豆玉米播种深度合格率均为93.3%，大豆和玉米的粒距合格率分别为85%和95.2%，漏播率均控制在8%以下，机具各项指标均满足大豆玉米带状复合种植的农艺要求。

在大豆玉米带状复合种植模式下，大豆和玉米生长过程中植株高度差异大，每段喷杆的高度需要独立调节，以保证喷头与作物距离一致。为此采用机电液一体化控制方法，设计用于高地隙喷杆施药机的每段高度可调的分段式喷杆高度调节机构和控制系统。所设计的四杆升降机构，通过电磁换向阀控制液压油缸伸缩，带动平行四杆机构来实现升降，使喷杆支架能够带动各分段式高度调节机构整体升降。所设计的分段式高度调节机构，通过控制电动推杆伸缩带动剪叉臂绕着各铰接点转动，带动喷杆上下调节，实现每段喷杆独立调节高度。以3WP-1000GS高地隙施药机为试验平台，对喷杆高度调节范围、高度调节一致性等进行对比分析。试验结果表明：平行四杆机构的调节范围为120 cm，最高离地高度可以达到162 cm，最低离地高度为42 cm，符合设计要求，能够满足玉米和大豆田间喷药的要求。分段式高度调节机构的高度调节范围为68 cm，五组分段式高度调节机构的高度调节范围绝对偏差最大值为-0.73 cm，相对偏差最大值为-1.08%。各分段式高度调节机构可调节高度范围大，具有良好的一致性，高度调节过程流畅无卡滞，能够满足大豆玉米带状复合种植模式下田间喷雾喷头与作物距离一致的需求。

在保障粮食安全、掌握粮食安全主动权以及实现农业可持续发展的背景下，如何减少玉米、大豆争地，提高大豆的供给能力，实现农业的可持续发展成为关键。按照大豆玉米带状复合种植技术“目标—政策支持”的结构，梳理、分析作为粮食生产动力的国家层面和以内蒙古为代表的地方层面的政策支持，总结内蒙古连续几年来推进大豆玉米带状复合种植的经验做法。提出在推进大豆玉米带状复合种植的过程中，地方政府要逐步推广、因地制宜，多方位引导、消除农户顾虑，同时加强全过程监管。

针对无行间硬化路与悬挂导轨的南北垄种植的日光温室，可采用离心雾化与气流辅助技术进行行侧施药作业。针对搭载对行间歇施药控制系统的推车式电动离心雾化喷雾机，以体积中值直径、相对跨度为指标，喷雾距离、雾化器转速、泵流量为试验因素，进行雾滴粒径影响因素试验和雾滴粒径模型标定试验。试验结果表明：流量、雾化器转速与其控制电机占空比均可进行线性拟合；针对体积中值直径，仅在雾化器电机占空比为15%时，喷雾距离呈负相关的显著性影响；任一喷雾距离或流量，雾化器转速对其呈负相关的显著性影响；任一雾化器转速，泵流量呈正相关的显著性影响；雾化器转速、泵流量均对相对跨度呈正相关的显著性影响；采用非线性回归法，建立喷雾距离在0.50~1.00 m下雾化器转速和泵流量相关的初始雾滴粒径模型，在有效占空比范围内，雾滴粒径在469~1003 μm范围可调，满足不同情况下的雾滴粒径需求。

针对虾蟹养殖过程中投饵采用沿塘抛洒、人工划船抛洒等无法做到均匀投喂，存在饵料利用率低、投饵作业效率低、影响水质、劳动强度大，饵料抛撒分布一致性和均匀性差等问题。开展颗粒饲料撒播无人机和智能投饵(药)船等智能投饵装备的投饵能力、投饵破损率、最大投饵幅宽、航线规划能力、自主控制模式行驶轨迹精度、续航能力的测定，测试机具作业性能；通过对生产率、投饵效率比、经济效益的测定，测试机具效能。试验结果表明：颗粒饲料撒播无人机和智能投饵(药)船投饵能力分别为2.04~35.10 kg/min和0.75~3.02 kg/min，破损率平均值分别为0.28%和2.07%，最大投饵幅宽平均值分别为14.85 m和10.402 m，航线规划能力分别为自动规划和人工规划，行驶轨迹精度最大水平偏航距分别为-0.17 m 和-0.73 m，班次生产率分别为7.918 hm2/h和3.841 hm2/h，投饲效率比分别为53.24%和-25.66%，平均费用分别为1 867.05元/hm2和5 244.6元/hm2。两款机型均进行颗粒饲料智能化投饵作业。颗粒饲料撒播无人机可在多个池塘间连续投饵作业，无需人工搬运机具进行换塘作业，投饵作业效率、可靠性和转移灵活度高于智能投饵(药)船和人工投饵作业；不受池塘形状尺寸、水草覆盖率、增氧管路、电线排布等影响；智能投饵(药)船可在下雨、刮风等恶劣天气进行投饵作业；作业续航时间较长，充一次电可满足当日投饵作业；可一次同时完成投饵和施药作业。

为解决设施蔬菜生产存在的用工难、用工贵、劳动强度大、作业效率低、农机农艺融合不够等问题，设计基于PLC和自适应FuzzyPID的设施蔬菜生产无人化开沟施肥机的控制系统。采用西门子S7-200 SMART PLC 作为主控制器开发开沟施肥机的控制系统，实现无人化开沟施肥；再采用自适应FuzzyPID控制方法实现精准施肥。通过试验可得开沟深度最大相对误差为7.5%，平均相对误差为1.2%，施肥量最大相对误差14%，平均相对误差为6.6%，满足开沟控制要求和精准施肥要求，控制系统稳定性好，控制精度高，满足生产要求。

真空吸鱼泵是水产养殖中用于起捕输送活鱼的一种重要工具，为探究真空吸鱼泵抽气压力、吸程及管道入口流速之间的关系，计算建立5种不同吸程的真空吸鱼泵流道物理模型，应用瞬态VOF方法捕捉不同参数影响下的水气界面气液两相流变化。数值计算结果表明：同一抽气压力下，不同吸程管道的入口速度在0.5 s内迅速增大，之后波动减小，且入口平均速度偏差仅3.4%，吸程对管道入口平均速度几乎无影响；管道内水抽吸至集鱼筒后，充满大量水与气团组成的泡沫状气液混合体，不同吸程下的集鱼筒在t=8 s时均已注满水；吸程为2、3、4、5、6 m的吸鱼泵抽吸过程的所需的临界抽气压力分别为-13、-14、-16、-20、-25 kPa，吸程与临界抽气压力关系拟合为多项式，可得出同一真空吸鱼泵在任意吸程条件下所需最大抽气负压值。

实时监测鱼菜共生系统中的关键环境信息对整个系统的水质调控具有重要意义。设计一种基于GPRS的多参数环境信息监测系统，系统可对水产养殖区与蔬菜栽培区中共11项环境参数进行远程监测，并将数据上传至云端服务器，再通过PC端以及移动端实现实时监测、历史数据查询、远程调控等功能，联合多种环境信息对氨氮的组成以及水质状况进行分析，同时将获取的环境数据通过多元线性回归的方法建立离子氨浓度预测模型。试验结果表明，设计的系统运行平稳，数据采集成功率约为99.53%；建立的离子氨多元线性回归方程决定系数R2为0.817，预测结果平均绝对百分比误差MAPE为4.68%，可以有效预测养殖环境的离子氨浓度，实现预警。

随着农业智能化时代到来，机器人技术在农业、林果业智能采摘领域的应用愈发广泛，路径规划算法作为采摘作业的核心技术，其先进程度对采摘作业的效率和质量起着决定性作用。为此，针对采摘机械臂路径规划算法的特点，将其划分为群优化算法、图搜索算法、概率地图算法(PRM)和快速扩展随机树算法(RRT)四大类，并基于上述分类，介绍近年来国内外学者具有代表性的研究成果，重点分析各类路径规划算法应用在采摘作业时的优缺点，通过对比，系统的总结各类算法的可行性、适用性以及局限性。最后，对采摘机械臂路径规划算法未来发展方向进行展望，提出算法优化的具体意见，为采摘机械臂路径规划研究提供一定的思路。

水稻秸秆与土壤翻埋过程是影响秸秆还田的重要因素。在前期建立的还田刀辊—土壤—水稻秸秆三者仿真互作模型的基础上，进一步研究土壤颗粒的运动状态。在耕深为20cm、刀轴旋转速度为240r/min、单位秸秆量为3.5kg/m2时，以秸秆翻埋率和还田深度为指标，分别进行仿真与室内模拟试验，翻埋率分别为87.5%、86.7%，还田深度分别为19.16cm、18.68cm，模拟试验验证仿真试验的有效性。仿真结果显示所标定颗粒152658与刀辊接触时，开始向后下方位移，到达最低点后随着刀辊的旋转向后上方抛洒，此时运动轨迹近似抛物线，随后在重力作用下回落到地表，与其他颗粒碰撞产生波动，直至最终停下。通过随机标定颗粒研究土壤受力情况，结果表明：当弯刀在开始接触土壤颗粒时，颗粒X、Y、Z方向受力均直线上升，最大值分别为15.61N、37.2N、50.37N，直到该土壤颗粒团被弯刀切碎后，力逐渐下降为0。同理标定秸秆颗粒45681，分析其运动轨迹，仿真结果表明：起初土壤颗粒对秸秆速度产生促进和抑制双重作用，随着土壤回落地表，秸秆在土层下主要受到土壤摩擦作用，直至秸秆速度降为0。仿真分析从微观角度揭示弯刀对秸秆翻埋还田的工作机理，为部件优化设计提供理论支持。

随着智慧农业技术和大田种植技术的不断发展，自动除草具有广阔的市场前景。关于除草剂自动喷洒的有效性，农田杂草的精准、快速地识别和定位是关键技术之一。基于此提出一种改进的YOLOv5算法实现农田杂草检测，该方法通过改进数据增强方式，提高模型泛化性；通过添加注意力机制，增强主干网络的特征提取能力；通过改进框回归损失函数，提升预测框的准确率。试验表明，在芝麻作物和多种杂草的复杂环境下，本文方法的检测平均精度均值mAP为90.6%，杂草的检测平均精度AP为90.2%，比YOLOv5s模型分别提高4.7%和2%。在本文试验环境下，单张图像检测时间为2.8 ms，可实现实时检测。该研究内容可以为农田智能除草设备提供参考。

在农业生产管理中，利用农业物联网可以高效地获取农作物的生长环境信息，但是农田中终端节点之间分布距离较远，同时受限于接入容量，设备功耗等，从而给农作物环境监测带来一定的困扰。针对智慧农业存在的问题，利用NB-IoT技术组建无线传感网络对农作物生长环境进行实时采集和监测，同时研究基于多传感器数据融合方法，利用自适应加权平均融合以及神经网络方法对各区域内的传感器数据进行融合，从而得到农作物环境状况的综合判断。该方法可以针对不同农作物及其生存环境需求，有效提升农作物生存状态预测精度，本方法相比传统方法预测误差降低45%以上，验证本方法的有效性和优越性。

针对现有检测算法难以检测自然场景下小而密集的柑橘问题，提出一种DS-YOLO(Deformable Convolution SimAM YOLO)密集柑橘检测算法。引入可形变卷积网络(Deformable Convolution)代替原YOLOv4中的特征提取网络部分卷积层，使特征提取网络能自适应提取遮挡、重叠等导致柑橘形状信息缺失的位置特征，在特征融合模块中，增加新的检测尺度并融合SimAM注意力机制，增强模型对于小而密集柑橘特征的提取能力。试验结果表明：DS-YOLO算法相较于原YOLOv4准确率提高8.75%，召回率提高7.9%，F1分数提高5%，能够较准确检测自然环境下的密集柑橘目标，为密集水果产量预测和采摘机器人提供了有效的技术支持。