農(nóng)業(yè)裝備物聯(lián)網(wǎng)研究國(guó)際競(jìng)爭(zhēng)態(tài)勢(shì)與研究熱點(diǎn)分析

袁建霞，張秋菊，胡小鹿，苗中華，韋真博，齊 龍，吳海華

(1.中國(guó)科學(xué)院科技戰(zhàn)略咨詢研究院，北京100190； 2.中國(guó)農(nóng)村技術(shù)開發(fā)中心，北京100045；3.上海大學(xué)機(jī)電工程與自動(dòng)化學(xué)院，上海200444； 4.浙江大學(xué)生物系統(tǒng)工程與食品科學(xué)學(xué)院，浙江 杭州310058；5.華南農(nóng)業(yè)大學(xué)工程學(xué)院，廣東 廣州510642； 6.中國(guó)農(nóng)業(yè)機(jī)械化科學(xué)研究院，北京100083)

0 引言

農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)是推動(dòng)現(xiàn)代農(nóng)業(yè)智能化發(fā)展的新興技術(shù)，已廣泛應(yīng)用于農(nóng)業(yè)生產(chǎn)的各個(gè)環(huán)節(jié)[1]。其中，大力發(fā)展農(nóng)業(yè)裝備物聯(lián)網(wǎng)，將現(xiàn)代物聯(lián)網(wǎng)技術(shù)和農(nóng)業(yè)裝備融合，可實(shí)現(xiàn)農(nóng)業(yè)裝備的智能化管理，有效整合農(nóng)業(yè)生產(chǎn)管理信息數(shù)據(jù)資源，為農(nóng)業(yè)生產(chǎn)提供高效、智能、安全和便捷的作業(yè)保障[2]。2018年初，我國(guó)農(nóng)機(jī)服務(wù)企業(yè)大田農(nóng)社舉辦“萬(wàn)物互聯(lián) 賦能企業(yè)”農(nóng)機(jī)企業(yè)物聯(lián)網(wǎng)解決方案說(shuō)明會(huì)，標(biāo)志著我國(guó)農(nóng)機(jī)行業(yè)進(jìn)入了“物聯(lián)網(wǎng)時(shí)代”。同年，江西省率先在全國(guó)提出了農(nóng)機(jī)購(gòu)置補(bǔ)貼1萬(wàn)元以上的農(nóng)業(yè)裝備(如聯(lián)合收割機(jī)、輪式拖拉機(jī)、履帶式拖拉機(jī)、撿拾壓捆機(jī)和噴桿噴霧機(jī)等)必須配備物聯(lián)網(wǎng)定位監(jiān)控的要求[3]。本文以研究農(nóng)業(yè)裝備物聯(lián)網(wǎng)的SCI論文為對(duì)象，分析該領(lǐng)域的國(guó)際競(jìng)爭(zhēng)態(tài)勢(shì)和研究熱點(diǎn)，旨在為相關(guān)科技管理部門及時(shí)掌握該領(lǐng)域的科技發(fā)展態(tài)勢(shì)和研究重點(diǎn)、優(yōu)化研究布局和項(xiàng)目管理提供決策支撐。

1 研究數(shù)據(jù)與方法

以科睿唯安(Clarivate Analytics)科學(xué)引文索引(SCI)數(shù)據(jù)庫(kù)的研究論文為數(shù)據(jù)源，利用“農(nóng)機(jī)”“物聯(lián)網(wǎng)”和“信息化”相關(guān)主題詞及物聯(lián)網(wǎng)技術(shù)體系關(guān)鍵詞，并結(jié)合涉農(nóng)學(xué)科方向等構(gòu)建論文檢索式，檢索發(fā)表于2010—2020年的農(nóng)業(yè)裝備物聯(lián)網(wǎng)研究性論文。然后，以檢索到的論文作為數(shù)據(jù)集進(jìn)行國(guó)際競(jìng)爭(zhēng)態(tài)勢(shì)和研究熱點(diǎn)分析，分析思路和框架如圖1所示。

圖1 農(nóng)業(yè)裝備物聯(lián)網(wǎng)競(jìng)爭(zhēng)態(tài)勢(shì)和研究熱點(diǎn)分析框架Fig.1 Analysis framework of competition situation and research hots of internet of things for agricultural equipment

競(jìng)爭(zhēng)態(tài)勢(shì)分析以檢索到的全部SCI論文為對(duì)象，主要利用文獻(xiàn)計(jì)量學(xué)方法進(jìn)行分析。首先利用科睿唯安的數(shù)據(jù)分析工具DDA(Derwent Data Analyzer)進(jìn)行數(shù)據(jù)清洗，包括國(guó)家、關(guān)鍵詞等字段的規(guī)范和統(tǒng)一。然后利用該工具對(duì)清洗后的標(biāo)準(zhǔn)化數(shù)據(jù)進(jìn)行分析，包括論文產(chǎn)出趨勢(shì)、領(lǐng)先國(guó)家和熱點(diǎn)研究主題比較等，以反映農(nóng)業(yè)裝備物聯(lián)網(wǎng)的國(guó)際競(jìng)爭(zhēng)態(tài)勢(shì)。

研究熱點(diǎn)分析以檢索到的近5年(2016—2020年)發(fā)表被引頻次位于前10%的SCI論文為對(duì)象，主要采用論文內(nèi)容分析法。首先在上述檢索到的全部SCI論文中選取近5年發(fā)表的論文請(qǐng)專家進(jìn)行甄選，對(duì)其中的重點(diǎn)論文逐篇進(jìn)行內(nèi)容解讀，然后在此基礎(chǔ)上根據(jù)研究方向進(jìn)行人工分類，對(duì)當(dāng)前農(nóng)業(yè)裝備物聯(lián)網(wǎng)的研究熱點(diǎn)方向及其重點(diǎn)研究?jī)?nèi)容進(jìn)行分析。

2 國(guó)際競(jìng)爭(zhēng)態(tài)勢(shì)分析

2010—2020年，共檢索到農(nóng)業(yè)裝備物聯(lián)網(wǎng)相關(guān)研究SCI論文2 764篇，其年度論文數(shù)量隨時(shí)間變化呈逐年上升趨勢(shì)，從2010年的172篇增加到2019年的433篇(2020年數(shù)據(jù)不完整)，增加了1.5倍多。其中2019年增長(zhǎng)迅速，反映出近年來(lái)農(nóng)業(yè)裝備物聯(lián)網(wǎng)的研究論文產(chǎn)出規(guī)模正處于上升期，越來(lái)越受到重視。

2.1領(lǐng)先國(guó)家

2010—2020年，SCI論文數(shù)量最多的前10個(gè)國(guó)家依次是美國(guó)、中國(guó)、巴西、西班牙、意大利、德國(guó)、澳大利亞、印度、加拿大和伊朗(圖2)。其中，美國(guó)的論文數(shù)量最多，有771篇，約占論文總量的28%，遠(yuǎn)領(lǐng)先于其他國(guó)家。其次是中國(guó)，有383篇，占比約為14%。排在第3位和第4位的巴西和西班牙分別有303和261篇。其余6個(gè)國(guó)家的論文數(shù)量在150篇左右及以下。

圖2 農(nóng)業(yè)裝備物聯(lián)網(wǎng)SCI論文數(shù)量最多的前10個(gè)國(guó)家Fig.2 Top 10 countries with the largest number of research papers on internet of things for agricultural equipment

2.2熱點(diǎn)研究主題

提取10個(gè)領(lǐng)先國(guó)家SCI論文中出現(xiàn)頻次最高且具有實(shí)質(zhì)意義的前10個(gè)關(guān)鍵詞，來(lái)揭示和反映農(nóng)業(yè)裝備物聯(lián)網(wǎng)領(lǐng)域的熱點(diǎn)研究主題。10個(gè)高頻關(guān)鍵詞依次是灌溉、傳感器、地理信息系統(tǒng)、遙感、蒸發(fā)蒸騰、土壤水分、歸一化植被指數(shù)、玉米、機(jī)器學(xué)習(xí)和人工神經(jīng)網(wǎng)絡(luò)。然后，通過(guò)分析各領(lǐng)先國(guó)家論文中高頻關(guān)鍵詞的出現(xiàn)頻次，來(lái)比較各國(guó)重點(diǎn)關(guān)注的熱點(diǎn)研究主題(圖3)。結(jié)果顯示，美國(guó)在各熱點(diǎn)研究主題都有布局，但主要關(guān)注灌溉應(yīng)用和傳感器技術(shù)；中國(guó)主要關(guān)注遙感和傳感器技術(shù)；巴西主要關(guān)注灌溉應(yīng)用、歸一化植被指數(shù)的測(cè)定和遙感技術(shù)；意大利主要關(guān)注灌溉應(yīng)用和地理信息系統(tǒng)；德國(guó)主要關(guān)注傳感器技術(shù)；澳大利亞主要關(guān)注灌溉應(yīng)用；印度和加拿大主要關(guān)注灌溉應(yīng)用和地理信息系統(tǒng)；伊朗主要關(guān)注灌溉應(yīng)用和人工神經(jīng)網(wǎng)絡(luò)。此外，玉米是物聯(lián)網(wǎng)應(yīng)用研究最多的作物，各領(lǐng)先國(guó)家均有布局。

3 研究熱點(diǎn)分析

從檢索到的2 764篇農(nóng)業(yè)裝備物聯(lián)網(wǎng)研究SCI論文中選擇近5年(2016—2020年)發(fā)表且被引頻次排名前10%的論文162篇，請(qǐng)專家進(jìn)行分析，從專業(yè)的角度遴選出重點(diǎn)論文98篇詳細(xì)解讀分析顯示，農(nóng)業(yè)裝備物聯(lián)網(wǎng)研究主要聚焦在感知與控制層技術(shù)、應(yīng)用服務(wù)層技術(shù)、網(wǎng)絡(luò)和網(wǎng)絡(luò)平臺(tái)層技術(shù)及環(huán)境影響預(yù)測(cè)模型的研發(fā)。其中，感知與控制層技術(shù)研究的重點(diǎn)論文數(shù)量最多，有38篇(其中有2篇同時(shí)屬于應(yīng)用服務(wù)層技術(shù)研究)；其次是應(yīng)用服務(wù)層技術(shù)研究，有33篇重點(diǎn)論文；然后是網(wǎng)絡(luò)和網(wǎng)絡(luò)平臺(tái)層技術(shù)研究，有17篇；環(huán)境影響預(yù)測(cè)模型研發(fā)的最少，有12篇。

3.1感知與控制層技術(shù)研究

感知與控制層負(fù)責(zé)對(duì)農(nóng)業(yè)環(huán)境信息和動(dòng)植物生長(zhǎng)發(fā)育信息進(jìn)行采集，由多個(gè)無(wú)線傳感器終端構(gòu)建而成，監(jiān)測(cè)信息通過(guò)移動(dòng)網(wǎng)絡(luò)傳輸?shù)皆品?wù)平臺(tái)，云服務(wù)信息平臺(tái)將獲取的數(shù)據(jù)進(jìn)行處理、融合、分析和可視化等工作，同時(shí)對(duì)環(huán)境進(jìn)行調(diào)控、管理等[4]。該技術(shù)方向上的38篇論文的研究重點(diǎn)集中在植物生理和病害信息感知(16篇)、作業(yè)質(zhì)量監(jiān)測(cè)(11篇)、定位導(dǎo)航(7篇)及動(dòng)物生理和行為信息感知(4篇)。從國(guó)家分布看，主要來(lái)源于中國(guó)(9篇)、美國(guó)(8篇)和西班牙(4篇)。

圖3 10個(gè)領(lǐng)先國(guó)家農(nóng)業(yè)裝備物聯(lián)網(wǎng)SCI論文熱點(diǎn)研究主題比較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獲取植物生長(zhǎng)指標(biāo)和檢測(cè)病害的重要手段，是當(dāng)前農(nóng)業(yè)管理中重點(diǎn)關(guān)注的問(wèn)題。目前我國(guó)研究人員對(duì)作物養(yǎng)分檢測(cè)的研究比較多，例如，基于近紅外光譜技術(shù)對(duì)油菜葉片丙二醛含量進(jìn)行檢測(cè)及基于反射光譜圖像對(duì)設(shè)施作物營(yíng)養(yǎng)信息進(jìn)行檢測(cè)等[5-6]。在病害檢測(cè)技術(shù)和方法方面也開展了較多研究[7-9]。本研究中，植物生理生態(tài)和病害信息感知方面共有16篇論文，主要開展了對(duì)玉米高度、橄欖樹冠層、生菜代謝生長(zhǎng)、豆莢種子數(shù)量、棉花發(fā)芽率、大麥籽粒產(chǎn)量和蛋白質(zhì)含量、茶葉含水量、蝴蝶蘭葉片生長(zhǎng)及水稻病害等的檢測(cè)研究，采用的主要技術(shù)有傳感器技術(shù)(如聲波傳感器、有源光學(xué)傳感器、激光雷達(dá)傳感器、紅外傳感器、主動(dòng)光學(xué)傳感器)及衛(wèi)星圖像技術(shù)等(表1)。

表1 農(nóng)業(yè)裝備物聯(lián)網(wǎng)植物生理和病害信息感知研究方向重點(diǎn)論文

作業(yè)質(zhì)量監(jiān)測(cè)主要監(jiān)測(cè)充分和虧缺灌溉條件下玉米品種產(chǎn)量和生物量對(duì)氣候變化的響應(yīng)、玉米雜交對(duì)氮肥的響應(yīng)、聯(lián)合收割機(jī)中稻米的篩分損失、新型智能灌溉系統(tǒng)設(shè)定點(diǎn)對(duì)植物生理反應(yīng)和作物生長(zhǎng)的影響、無(wú)人機(jī)空間農(nóng)藥噴灑沉積質(zhì)量、葉綠素計(jì)的使用、菠菜生物量產(chǎn)量對(duì)鹽分和水分交互脅迫的生理響應(yīng)、不同灌溉方式下小麥的水分狀況和谷物產(chǎn)量等(表2)。

定位導(dǎo)航技術(shù)研究主要涉及模糊空間決策工具的使用、果園和人工林激光測(cè)距儀自動(dòng)導(dǎo)航拖拉機(jī)、通過(guò)累積玉米田圖像中的綠色像素檢測(cè)彎曲和筆直的農(nóng)作物行、定點(diǎn)施用除草劑的自動(dòng)駕駛車隊(duì)的路線規(guī)劃、三維立體視覺監(jiān)測(cè)系統(tǒng)的應(yīng)用、葡萄園噴霧機(jī)器人低成本定位導(dǎo)航數(shù)據(jù)融合算法及同時(shí)進(jìn)行自動(dòng)地形估計(jì)和分類任務(wù)的農(nóng)機(jī)設(shè)計(jì)方案等(表3)。

表2 農(nóng)業(yè)裝備物聯(lián)網(wǎng)作業(yè)質(zhì)量監(jiān)測(cè)研究方向重點(diǎn)論文

在動(dòng)物生理和行為信息感知方面，隨著新技術(shù)的發(fā)展，我國(guó)已有研究人員開展了基于深度圖像的豬體尺檢測(cè)、基于機(jī)器視覺的母豬分娩檢測(cè)，以及基于視頻分析的奶牛呼吸檢測(cè)等研究[10-13]。而在本研究中，動(dòng)物生理和行為信息感知方面共的4篇重點(diǎn)論文的主要研究?jī)?nèi)容分別是構(gòu)建利用營(yíng)養(yǎng)成分和攝入量等變量預(yù)測(cè)山羊腸內(nèi)甲烷排放的統(tǒng)計(jì)模型、基于核磁共振波譜進(jìn)行魚的代謝組學(xué)評(píng)估、利用圖像運(yùn)動(dòng)特征提取識(shí)別豬群的攻擊行為及開發(fā)基于智能手機(jī)慣性測(cè)量單元的開源算法檢測(cè)牛草攝入量和反芻行為(表4)。

3.2網(wǎng)絡(luò)層及平臺(tái)層技術(shù)研究

網(wǎng)絡(luò)層是位于物聯(lián)網(wǎng)3層結(jié)構(gòu)中第2層的信息處理系統(tǒng)，其功能為“傳送”，即通過(guò)通信網(wǎng)絡(luò)進(jìn)行信息傳輸，包括網(wǎng)絡(luò)層和網(wǎng)絡(luò)平臺(tái)層。網(wǎng)絡(luò)層技術(shù)有端云通信技術(shù)、端端通信技術(shù)、網(wǎng)絡(luò)接口技術(shù)(人、機(jī)器、系統(tǒng)之間)、網(wǎng)絡(luò)標(biāo)準(zhǔn)技術(shù)(人、機(jī)器、系統(tǒng)之間)及協(xié)同作業(yè)技術(shù)(算法、機(jī)器學(xué)習(xí)、深度學(xué)習(xí))等。網(wǎng)絡(luò)平臺(tái)技術(shù)主要包括農(nóng)業(yè)大數(shù)據(jù)采集技術(shù)、農(nóng)業(yè)大數(shù)據(jù)挖掘和分析技術(shù)(跨媒體數(shù)據(jù)、多元數(shù)據(jù)、特征提取、模式識(shí)別、云計(jì)算)及農(nóng)業(yè)大數(shù)據(jù)決策技術(shù)(專家系統(tǒng)、知識(shí)系統(tǒng))等。本研究中網(wǎng)絡(luò)層及平臺(tái)層技術(shù)研究方向上有17篇重點(diǎn)論文，主要來(lái)源于美國(guó)(5篇)和印度(2篇)：其中6篇研究網(wǎng)絡(luò)層技術(shù)，重點(diǎn)關(guān)注的是協(xié)同作業(yè)技術(shù)中基于神經(jīng)網(wǎng)絡(luò)、支持向量機(jī)等算法的開發(fā)(表5)；11篇涉及網(wǎng)絡(luò)平臺(tái)技術(shù)的論文主要研究大數(shù)據(jù)分析和決策技術(shù)(表6)。

3.3應(yīng)用服務(wù)層技術(shù)研究

物聯(lián)網(wǎng)通過(guò)感知層采集數(shù)據(jù)，并通過(guò)網(wǎng)絡(luò)層傳送到應(yīng)用層。應(yīng)用層的主要工作就是處理這些數(shù)據(jù)來(lái)進(jìn)行應(yīng)用開發(fā)計(jì)算，并根據(jù)數(shù)據(jù)做出反饋[4]。本研究中，應(yīng)用服務(wù)層技術(shù)研究相關(guān)重點(diǎn)論文共33篇，主要依次聚焦智能灌溉(21篇)、智能植保(6篇)、智能養(yǎng)殖(4篇)和智能施肥(2篇)等領(lǐng)域(表7)。從國(guó)家分布來(lái)看，主要來(lái)源于西班牙(10篇)、美國(guó)(5篇)和中國(guó)(3篇)。智能灌溉領(lǐng)域運(yùn)用了多傳感器技術(shù)、葉片水壓傳感器技術(shù)、云端服務(wù)器、機(jī)器學(xué)習(xí)、無(wú)線傳輸系統(tǒng)，以及無(wú)人機(jī)技術(shù)和光譜技術(shù)等。

表3 農(nóng)業(yè)裝備物聯(lián)網(wǎng)定位導(dǎo)航技術(shù)研究方向重點(diǎn)論文

表4 農(nóng)業(yè)裝備物聯(lián)網(wǎng)動(dòng)物生理和行為信息感知研究方向重點(diǎn)論文

表5 農(nóng)業(yè)裝備物聯(lián)網(wǎng)網(wǎng)絡(luò)層技術(shù)研究方向重點(diǎn)論文

表6 農(nóng)業(yè)裝備物聯(lián)網(wǎng)網(wǎng)絡(luò)平臺(tái)層技術(shù)研究方向重點(diǎn)論文

智能植保領(lǐng)域：基于商用農(nóng)用機(jī)器人底盤和噴淋系統(tǒng)搭建了自動(dòng)噴淋除草機(jī)器人，同時(shí)搭載了車載傳感器和GNSS(全球?qū)Ш叫l(wèi)星系統(tǒng))定位系統(tǒng)對(duì)雜草進(jìn)行監(jiān)測(cè)；利用機(jī)器視覺和人工智能對(duì)目標(biāo)進(jìn)行識(shí)別，設(shè)計(jì)并研制了胡椒地除草噴霧機(jī)器人，同時(shí)將RTK GPS(實(shí)時(shí)動(dòng)態(tài)全球定位系統(tǒng))連接到智能噴霧機(jī)上，開發(fā)算法自動(dòng)生成雜草地圖；利用無(wú)人機(jī)技術(shù)對(duì)目標(biāo)物進(jìn)行航跡規(guī)劃導(dǎo)航噴霧；提出了一種基于計(jì)算機(jī)的自主適應(yīng)無(wú)人機(jī)控制系統(tǒng)，可以精確改變無(wú)人機(jī)的飛行路線，以實(shí)現(xiàn)精確農(nóng)藥噴灑。

智能養(yǎng)殖領(lǐng)域：基于鼻帶壓力傳感器、在線數(shù)據(jù)分析記錄器和軟件，開發(fā)了一種測(cè)量奶牛的反芻和進(jìn)食行為的新型自動(dòng)化科學(xué)監(jiān)測(cè)裝置；基于藍(lán)牙無(wú)線傳輸技術(shù)和加速度傳感器監(jiān)測(cè)羊的各種基本行為，包括吃草、站立和行走等；提出了一種基于加速度傳感器區(qū)分奶牛行為的新方法，可以對(duì)奶牛的喂食和站立進(jìn)行實(shí)時(shí)檢測(cè)。

智能施肥領(lǐng)域：基于產(chǎn)量反應(yīng)和農(nóng)藝效率等建立水稻營(yíng)養(yǎng)專家決策支持系統(tǒng)，推薦水稻施肥方法；采用遙感技術(shù)檢測(cè)氮肥對(duì)作物的影響，計(jì)算作物對(duì)施氮的空間響應(yīng)。

3.4環(huán)境影響預(yù)測(cè)模型研究

環(huán)境影響預(yù)測(cè)模型研究方向共有12篇研究論文，其研究重點(diǎn)是開發(fā)各種算法和預(yù)測(cè)模型，以根據(jù)監(jiān)測(cè)到的相關(guān)數(shù)據(jù)來(lái)評(píng)估或預(yù)測(cè)農(nóng)業(yè)生產(chǎn)環(huán)境及其對(duì)作物的影響，評(píng)估內(nèi)容主要包括農(nóng)業(yè)水文過(guò)程與灌溉節(jié)水情況、防護(hù)林帶對(duì)農(nóng)作物產(chǎn)量的影響、水資源的脆弱性對(duì)雨養(yǎng)作物的影響、非生物脅迫(干旱、寒冷、鐵毒性、鹽堿度)對(duì)水稻生長(zhǎng)的影響、溫室環(huán)境與作物生長(zhǎng)的關(guān)系、土壤電導(dǎo)率與作物產(chǎn)量和土壤特性的空間關(guān)系、氮營(yíng)養(yǎng)對(duì)玉米的影響、農(nóng)田水分蒸發(fā)和作物蒸騰、有機(jī)磷時(shí)空分布、地表溫度和土壤溫度的時(shí)空變化，以及根據(jù)圖像進(jìn)行作業(yè)環(huán)境評(píng)估等(表8)。

表7 農(nóng)業(yè)裝備物聯(lián)網(wǎng)應(yīng)用服務(wù)層技術(shù)研究方向重點(diǎn)論文

4 展望

(1)全面感知是農(nóng)業(yè)裝備物聯(lián)網(wǎng)的重要基礎(chǔ)。農(nóng)業(yè)裝備物聯(lián)網(wǎng)要將大量物體接入網(wǎng)絡(luò)并進(jìn)行通信活動(dòng)，對(duì)物體的全面感知非常重要，感知層是物聯(lián)網(wǎng)獲得信息的基礎(chǔ)，傳感器、射頻識(shí)別技術(shù)(RFID)、全球衛(wèi)星定位系統(tǒng)(GS)、全球定位系統(tǒng)(GPS)、條碼技術(shù)等感知設(shè)備負(fù)責(zé)對(duì)物理世界的各種信息進(jìn)行采集。未來(lái)伴隨著5G通信技術(shù)的興起和北斗衛(wèi)星體系的建成將為農(nóng)業(yè)裝備物聯(lián)網(wǎng)通信帶來(lái)新機(jī)遇。

(2)信息處理是農(nóng)業(yè)裝備物聯(lián)網(wǎng)發(fā)展的核心。通過(guò)云計(jì)算、專家系統(tǒng)和人工智能等信息處理平臺(tái)，最終實(shí)現(xiàn)信息技術(shù)與行業(yè)的深度融合，完成物品信息的匯總、協(xié)同、共享、互通、分析預(yù)測(cè)和決策等功能。隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，更多的優(yōu)化算法、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)將被應(yīng)用于農(nóng)業(yè)裝備物聯(lián)網(wǎng)中。

(3)預(yù)測(cè)決策模型是農(nóng)業(yè)裝備物聯(lián)網(wǎng)的研究難點(diǎn)。目前處于大規(guī)模應(yīng)用的農(nóng)業(yè)預(yù)測(cè)決策模型還比較少，主要是由于數(shù)據(jù)、平臺(tái)、軟件等比較欠缺，因此，農(nóng)業(yè)信息化還處于初級(jí)階段，還做不到實(shí)時(shí)診斷和處理。未來(lái)在加強(qiáng)數(shù)據(jù)獲取和傳輸?shù)幕A(chǔ)上，需重點(diǎn)開展預(yù)測(cè)決策模型等基礎(chǔ)理論研究，提高數(shù)據(jù)綜合處理能力和決策能力，以加強(qiáng)計(jì)算服務(wù)和信息控制，進(jìn)而推動(dòng)農(nóng)業(yè)裝備物聯(lián)網(wǎng)的大規(guī)模應(yīng)用。

(4)多學(xué)科融合是農(nóng)業(yè)裝備物聯(lián)網(wǎng)發(fā)展的重要途徑。農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)不僅需要電子信息方面的知識(shí)，更需要農(nóng)業(yè)生物系統(tǒng)方面的知識(shí)，包括動(dòng)植物、土壤、環(huán)境等對(duì)象，只有在充分了解對(duì)象特性的基礎(chǔ)上才能夠根據(jù)對(duì)象的需要和特點(diǎn)搭建最適合(無(wú)論是效能還是經(jīng)濟(jì))的物聯(lián)網(wǎng)，因此，有關(guān)農(nóng)業(yè)生物系統(tǒng)方面的技術(shù)將在未來(lái)農(nóng)業(yè)發(fā)展中起到越來(lái)越重要的作用。與此同時(shí)，大田種植、設(shè)施園藝、畜禽養(yǎng)殖、水產(chǎn)養(yǎng)殖和農(nóng)產(chǎn)品物流等具體的應(yīng)用層，不僅僅用到了物聯(lián)網(wǎng)通信技術(shù)，還需要大數(shù)據(jù)、農(nóng)業(yè)、環(huán)境、控制等。此外，要對(duì)基于農(nóng)業(yè)裝備物聯(lián)網(wǎng)技術(shù)產(chǎn)生的復(fù)雜問(wèn)題開展科學(xué)研究，還必須了解其他領(lǐng)域的知識(shí)，對(duì)研究問(wèn)題有全方位多領(lǐng)域的認(rèn)知，才能從真正意義上解決農(nóng)業(yè)物聯(lián)網(wǎng)的核心問(wèn)題。不斷加大學(xué)科融合，共同探討農(nóng)業(yè)裝備物聯(lián)網(wǎng)問(wèn)題是實(shí)現(xiàn)技術(shù)突破的關(guān)鍵。

(5)智慧田間管理是目前農(nóng)業(yè)裝備物聯(lián)網(wǎng)發(fā)展的重要方向。田間管理以植保方向?yàn)橹?，其次是灌溉，再次是田間生理參數(shù)獲取。植保是目前農(nóng)業(yè)物聯(lián)網(wǎng)應(yīng)用最為成熟的領(lǐng)域，不管是基于無(wú)人機(jī)還是機(jī)器人的自動(dòng)噴灑裝置，相關(guān)研究是最多的，目前應(yīng)用的探測(cè)傳感器、數(shù)據(jù)傳輸和定位系統(tǒng)多數(shù)為成熟的商業(yè)傳感器模塊。相關(guān)應(yīng)用研究主要集中在路徑規(guī)劃，以及植物、雜草或病蟲害識(shí)別上。同時(shí)，對(duì)土壤本身的研究也值得關(guān)注，尤其是土壤的含水率檢測(cè)，目前國(guó)內(nèi)開展的土壤含水率檢測(cè)多為離線檢測(cè)，還沒有可靠的田間土壤含水率在線監(jiān)測(cè)傳感器，可視為卡脖子技術(shù)或者先進(jìn)技術(shù)，需要進(jìn)行優(yōu)先布局研究。

(6)智慧牧場(chǎng)將是未來(lái)農(nóng)業(yè)裝備物聯(lián)網(wǎng)研究的重要陣地。當(dāng)前，智慧牧場(chǎng)的發(fā)展明顯落后于智慧農(nóng)場(chǎng)，無(wú)論是應(yīng)用的技術(shù)手段還是對(duì)象的監(jiān)測(cè)分析，都不如智慧農(nóng)場(chǎng)研究深入。可能的原因是，動(dòng)物生理和行為參數(shù)的差異性和不確定性使得難以在短期或者小范圍研究中找到可以遵循的規(guī)律，若要進(jìn)行有效分析需要更多的樣本數(shù)據(jù)，而農(nóng)場(chǎng)規(guī)模和區(qū)域的局限性限制了物聯(lián)網(wǎng)技術(shù)在牧場(chǎng)中的應(yīng)用和推廣。不過(guò)，基于機(jī)器視覺的農(nóng)業(yè)物聯(lián)網(wǎng)技術(shù)在養(yǎng)殖業(yè)已開始應(yīng)用，未來(lái)智慧養(yǎng)殖將會(huì)得到更大發(fā)展。