馮敏康龔智峰徐璟吳雄杰戴馮家林立杰徐紀(jì)洋李曉宇王錚
(1.上海市嘉定區(qū)農(nóng)機(jī)技術(shù)推廣站,上海 201800;2.上海市農(nóng)業(yè)機(jī)械鑒定推廣站,上海 201600;3.上海聯(lián)適導(dǎo)航技術(shù)股份有限公司,上海 201702)
農(nóng)業(yè)是國民經(jīng)濟(jì)的基礎(chǔ),現(xiàn)代農(nóng)業(yè)裝備是現(xiàn)代農(nóng)業(yè)的重要支撐。近年來,隨著各地新農(nóng)村建設(shè)的不斷推進(jìn),我國城鎮(zhèn)化水平也逐步提高,同時出現(xiàn)了農(nóng)業(yè)人口老齡化加劇以及青年一代就業(yè)觀念改變等導(dǎo)致的新問題。尤其是對于農(nóng)業(yè)生產(chǎn)來說,“誰來種地、如何種地”的問題日益嚴(yán)重。國內(nèi)外都在探索如何通過技術(shù)改變農(nóng)業(yè)生產(chǎn)對人的依賴,當(dāng)前,世界主要發(fā)達(dá)國家是以農(nóng)業(yè)生產(chǎn)裝備融合電子信息、物聯(lián)網(wǎng)、云計算等技術(shù),來實現(xiàn)農(nóng)業(yè)生產(chǎn)過程的自動化、智能化、機(jī)器人化,進(jìn)而代替人工作業(yè)。新興技術(shù)主要體現(xiàn)在智能化的作業(yè)控制,智慧化的生產(chǎn)決策,信息化的平臺管控,智慧農(nóng)業(yè)是未來農(nóng)業(yè)的發(fā)展方向;與傳統(tǒng)的機(jī)械化農(nóng)業(yè)生產(chǎn)相比,無人化農(nóng)業(yè)集成了更多的現(xiàn)代科技成果,以現(xiàn)代信息技術(shù)為手段,整合物聯(lián)網(wǎng)、大數(shù)據(jù)、5G技術(shù)和AI等技術(shù)對農(nóng)業(yè)的生產(chǎn)經(jīng)營進(jìn)行智能化數(shù)字管理,從整體上對農(nóng)業(yè)發(fā)展進(jìn)行設(shè)計和規(guī)劃,從而實現(xiàn)高效的新型農(nóng)業(yè)生產(chǎn)模式,可以在保證一定作業(yè)水平的情況下,降低勞動強(qiáng)度,提高生產(chǎn)效率,減少農(nóng)資投入,節(jié)本增效,特別是減少農(nóng)業(yè)生產(chǎn)對傳統(tǒng)農(nóng)業(yè)人口的依賴,是農(nóng)業(yè)生產(chǎn)歷史上的一次新的革命。
近年來,智慧農(nóng)業(yè)發(fā)展迅速,歐美等發(fā)達(dá)國家針對智慧農(nóng)業(yè)的發(fā)展相繼出臺了扶持政策、措施和發(fā)展規(guī)劃,我國農(nóng)業(yè)上應(yīng)用信息技術(shù)起步較晚但發(fā)展較快。無人農(nóng)場是智慧農(nóng)業(yè)的重要場景之一,主要包括智能農(nóng)機(jī)技術(shù)及裝備、環(huán)境感知技術(shù)及裝備、無人農(nóng)場智能管控平臺,本文以上海市嘉定無人農(nóng)場為例,重點(diǎn)探討了管控平臺的設(shè)計與實現(xiàn)方案及現(xiàn)有問題,可為未來進(jìn)一步完善提供借鑒。
嘉定無人農(nóng)場位于外岡鎮(zhèn)的西、北片,涉及葛隆村、泉涇村、周涇村、望新村等,以水稻種植區(qū)域為主,以外岡農(nóng)業(yè)合作社泉涇基地106.67hm2水田作業(yè)區(qū)域為核心,逐步擴(kuò)展至周邊基地近萬畝的水稻種植區(qū)域,以發(fā)展現(xiàn)代農(nóng)業(yè)、設(shè)施糧田、設(shè)施菜田和規(guī)?;B(yǎng)殖為主,是嘉定區(qū)糧食主產(chǎn)區(qū),根據(jù)2021年統(tǒng)計數(shù)據(jù),外岡鎮(zhèn)谷類產(chǎn)量12975.7t,農(nóng)業(yè)年產(chǎn)值15005.1萬元。
具體見表1。
表1 農(nóng)場生產(chǎn)裝備現(xiàn)狀
嘉定無人農(nóng)場2021年已完成20hm2示范區(qū)內(nèi)的耕、種、管、收全流程無人化作業(yè),與傳統(tǒng)農(nóng)機(jī)作業(yè)應(yīng)用情況對比情況如下。
拖拉機(jī)每年需要進(jìn)行深翻、旋耕、刮平、開溝等3~5次作業(yè)。無人駕駛拖拉機(jī)可減少勞動力投入并以最優(yōu)路徑規(guī)劃,有效提高土地利用率和節(jié)約燃油,避免多余的調(diào)頭動作。
插秧作業(yè)每臺農(nóng)機(jī)需要有1名機(jī)手、1~2名擺秧人員和1~2名運(yùn)秧人員,每臺每天可作業(yè)3.33~4.67hm2,人力成本投入較高。無人駕駛插秧機(jī)可減少機(jī)手的投入,地塊全路徑自動規(guī)劃,提升作業(yè)效率。
植保作業(yè)主要以高地隙自走式打藥機(jī)為主,手動噴灑時噴灑量通過手動閥進(jìn)行控制,藥液對機(jī)手的安全有隱患且存在重復(fù)作業(yè)的問題。無人駕駛植保機(jī)可通過路徑規(guī)劃解決重復(fù)作業(yè)的問題,加裝精準(zhǔn)施藥變量噴灑裝置節(jié)省農(nóng)資和燃油成本。
傳統(tǒng)收獲作業(yè)每臺收割機(jī)每天可作業(yè)2.33hm2左右,一般每2臺收割機(jī)需要配備1臺運(yùn)糧車,收割機(jī)需要在糧滿時到運(yùn)糧車位置卸糧。無人駕駛收割機(jī)通過前期產(chǎn)量估測計算出最優(yōu)收割路徑和卸糧位置可以大大提高作業(yè)效率,減少多余的調(diào)頭動作。
根據(jù)嘉定無人農(nóng)場示范區(qū)近年來無人化作業(yè)與傳統(tǒng)作業(yè)的整體投入對比,農(nóng)資的投入將節(jié)省68.45元·667m-2。其中,傳統(tǒng)作業(yè)與無人化作業(yè)的人工成本日均差額在500元左右,人工成本節(jié)約率為56%,節(jié)省肥料達(dá)11%以上,節(jié)省燃油17.5%,節(jié)省秧苗約5%。
無人農(nóng)場智能管控平臺系統(tǒng)是無人化農(nóng)場的運(yùn)維大腦,是大數(shù)據(jù)與云計算技術(shù)、人工智能技術(shù)與智能裝備技術(shù)的集成系統(tǒng),通過大數(shù)據(jù)技術(shù)來完成知識存儲、信息采集、數(shù)據(jù)處理;通過人工智能技術(shù)完成數(shù)據(jù)智能識別、學(xué)習(xí)、推理和決策;通過無線通信技術(shù)實現(xiàn)與作業(yè)現(xiàn)場的信息交互。
2.1.1 農(nóng)情數(shù)據(jù)的規(guī)?;啃畔⑻幚?/p>
通過數(shù)據(jù)清洗、數(shù)據(jù)集成、數(shù)據(jù)轉(zhuǎn)換、數(shù)據(jù)規(guī)約等技術(shù),篩選原始數(shù)據(jù)中對決策系統(tǒng)有利的數(shù)據(jù),保證系統(tǒng)的快速響應(yīng)、提升分析建模的精度及效率。
2.1.2 無線通信技術(shù)的穩(wěn)定性與實時性響應(yīng)保障
近距離無線傳輸技術(shù),短距離無線傳輸技術(shù)和遠(yuǎn)距離無限傳輸技術(shù)3種無限通信技術(shù)的深度融合使用。
2.1.3 遙感檢測精度問題
由于地表作物類型、分布情況和生長發(fā)育的復(fù)雜性,導(dǎo)致遙感影像產(chǎn)生“同物異譜”和“同譜異物”現(xiàn)象,需要進(jìn)一步從作物成像和成像機(jī)理上做定量研究。
2.1.4 關(guān)鍵節(jié)點(diǎn)的決策能力缺失
從“人來決策”到“無人值守”,人工智能應(yīng)對突發(fā)、復(fù)雜情況的能力完全不具備,加上農(nóng)業(yè)生產(chǎn)的試錯代價過高,關(guān)鍵節(jié)點(diǎn)的決策還需要人工介入。
2.1.5 無人作業(yè)效率偏低
由于人工智能對復(fù)雜環(huán)境和農(nóng)業(yè)農(nóng)情農(nóng)藝的數(shù)據(jù)處理模型完全不成熟,自主生成的規(guī)劃路徑往往以降低效率作為條件。
平臺總體技術(shù)架構(gòu)采用微服務(wù)開發(fā),采用Consul作為注冊中心,NACOS作為配置中心,依托于華為云各項服務(wù)。使用華為云CloudDeploy流水線式管理項目的編譯發(fā)布上線;使用華為云ELB將訪問流量自動分發(fā)到多臺云服務(wù)器,實現(xiàn)更高的應(yīng)用容錯;分布式消息隊列RabbitMQ幫助流控,系統(tǒng)解耦等;結(jié)合云日志服務(wù)LTS后期高效排查問題定位問題;用華為云數(shù)據(jù)庫Redis作為共享存儲,可以在訪問高峰時預(yù)熱數(shù)據(jù)等;PostgreSql持久化數(shù)據(jù),出色的保證數(shù)據(jù)的完整性和可靠性,采用濤思時序數(shù)據(jù)庫作為時序數(shù)據(jù)(軌跡,上線日志,預(yù)警)的持久化存儲,能有效緩解PostgreSql數(shù)據(jù)庫的寫入壓力,連續(xù)查詢,支持基于滑動窗口的流式計算,大幅度提高基礎(chǔ)數(shù)據(jù)分析能力。
平臺主要分為4個應(yīng)用服務(wù):數(shù)據(jù)服務(wù)(數(shù)據(jù)報表、數(shù)據(jù)分析),車輛服務(wù)(車輛管理、車輛軌跡、預(yù)警規(guī)則),作業(yè)服務(wù)(作業(yè)管理、作業(yè)調(diào)度),視頻服務(wù)(視頻直播、視頻轉(zhuǎn)碼、視頻回放)。各個服務(wù)相互隔離互不影響,使用高效的MQ服務(wù)間接通訊,也為以后大數(shù)據(jù)量的分庫分表做準(zhǔn)備。應(yīng)用服務(wù)來聚合各個中心的數(shù)據(jù),統(tǒng)一對外。
車載終端數(shù)據(jù)采集,采用MQTT物聯(lián)網(wǎng)協(xié)議,負(fù)責(zé)與農(nóng)機(jī)車輛上裝載的設(shè)備終端模塊通信,包括數(shù)據(jù)采集、協(xié)議解析、數(shù)據(jù)校驗,數(shù)據(jù)加解密。通過高效的MQ服務(wù)上報給數(shù)據(jù)服務(wù)。
平臺系統(tǒng)根據(jù)無人車輛終端上傳的位置信息,在無人農(nóng)場電子地圖上實時顯示無人農(nóng)機(jī)終端的具體位置、運(yùn)行狀態(tài)及分布信息,達(dá)到對無人農(nóng)機(jī)終端實時可視化的監(jiān)管目的。其中還包括在無人農(nóng)場電子地圖的圖層上疊加農(nóng)田地塊圖層文件,并可通過選中農(nóng)田圖層顯示其屬性信息和相關(guān)作業(yè)信息。
2.3.1 地塊狀態(tài)顯示與圖層信息顯示
將采集的地塊數(shù)據(jù)處理后,以不同的圖層、標(biāo)注點(diǎn)進(jìn)行展示,可以體現(xiàn)出地塊邊界、地塊作業(yè)狀態(tài)、特殊地標(biāo)物等信息。
2.3.2 車輛狀態(tài)顯示與位置顯示
根據(jù)無人農(nóng)機(jī)終端反饋的若干狀態(tài)信息,平臺數(shù)據(jù)管理模塊處理數(shù)據(jù)后,以不同的狀態(tài)信息展示在平臺監(jiān)控端,達(dá)到實時監(jiān)控的目的。實時更新車輛的位置信息,終端上線即發(fā)起監(jiān)控,達(dá)到動態(tài)檢測效果。
2.3.3 視頻監(jiān)控搭配遠(yuǎn)程控制
高清車載監(jiān)控搭配無人駕駛控制器,實現(xiàn)現(xiàn)場作業(yè)畫面監(jiān)控、人為干預(yù)車輛行為。主視角監(jiān)控車輛前方配合做視覺檢測,農(nóng)具視角監(jiān)控農(nóng)具的下落情況以及插秧漏苗的檢測。各種控制指令實現(xiàn)遠(yuǎn)程點(diǎn)火、部署作業(yè)、加速減速、調(diào)頭轉(zhuǎn)彎等操作。根據(jù)軟件回傳的作業(yè)信息,判斷更新作業(yè)進(jìn)度、作業(yè)面積、現(xiàn)場消息通知、差分狀態(tài)、通訊狀態(tài)等關(guān)鍵信息,配合農(nóng)田地圖和車模型,繪制實時作業(yè)軌跡。
遠(yuǎn)程部署功能模塊,可選擇單臺設(shè)備進(jìn)行作業(yè)部署,操作流程:選擇地塊—確認(rèn)作業(yè)任務(wù)—選擇作業(yè)農(nóng)藝—設(shè)置作業(yè)速度—選擇作業(yè)車輛—作業(yè)任務(wù)預(yù)覽—作業(yè)任務(wù)下發(fā)確認(rèn)—開始作業(yè)。
作業(yè)任務(wù)信息統(tǒng)計,包括當(dāng)日車輛的軌跡、發(fā)動機(jī)轉(zhuǎn)速、發(fā)動機(jī)扭矩、每小時油耗、燃油總消耗、工作時長、機(jī)油壓力、冷卻液溫度、電壓、作業(yè)面積總計、作業(yè)里程總計、作業(yè)時長總計、累計油耗等。
智能終端的信息統(tǒng)計模塊,包括農(nóng)機(jī)類型、農(nóng)機(jī)品牌、農(nóng)機(jī)型號、農(nóng)機(jī)農(nóng)藝、農(nóng)機(jī)馬力、歸屬信息、車輛調(diào)試參數(shù)等。搭載智能設(shè)備的統(tǒng)計,各個位置的攝像頭綁定及預(yù)覽、車輛歷史軌跡回放、速度變化趨勢圖、工況變化趨勢圖。
無人農(nóng)場智能管控平臺作為無人農(nóng)場運(yùn)行的核心,可查看所有自動駕駛、無人駕駛系統(tǒng)用戶信息、車輛信息、自動駕駛參數(shù)信息、安裝信息、速度坐標(biāo)面積等作業(yè)信息,作業(yè)軌跡、報警信息、作業(yè)類型等。以地理信息采集為基礎(chǔ),在田塊上對各種智能傳感器采集的信息和在地塊上進(jìn)行的各種農(nóng)業(yè)生產(chǎn)活動進(jìn)行分析展示,系統(tǒng)實現(xiàn)對農(nóng)業(yè)生產(chǎn)的作業(yè)規(guī)劃,實現(xiàn)對智能裝備如無人駕駛裝備、變量噴灑裝備、測深施肥裝備的規(guī)劃,制定綜合的無人作業(yè)方案,實現(xiàn)人機(jī)協(xié)同,多機(jī)協(xié)同作業(yè),從而實現(xiàn)耕、種、管、收各個環(huán)節(jié)的無人化作業(yè)。
同時支持對系統(tǒng)平臺的數(shù)字化農(nóng)業(yè)應(yīng)用的拓展,通過部署數(shù)字化農(nóng)業(yè)信息采集傳感器,實現(xiàn)農(nóng)田基本信息采集,包括環(huán)境因素、土壤基本肥力、作物生長監(jiān)測、產(chǎn)量評估的智能感知,從而制定科學(xué)的基肥、追肥作業(yè)處方圖,實現(xiàn)作物全生育周期長勢監(jiān)測,作物產(chǎn)量分析和全年度綜合作業(yè)分析,結(jié)合智能農(nóng)業(yè)裝備和智能傳感器的信息,對地塊上全作業(yè)季信息的采集,結(jié)合產(chǎn)量數(shù)據(jù),得出全年度的分析報告,為用戶種地提供指導(dǎo)依據(jù),同時可以積累多年份農(nóng)業(yè)生產(chǎn)大數(shù)據(jù),結(jié)合專家分析,建立農(nóng)業(yè)生產(chǎn)模型。
通過對農(nóng)業(yè)數(shù)據(jù)基礎(chǔ)設(shè)施的數(shù)據(jù)積累,建立相關(guān)作物生長模型、病蟲害預(yù)測模型等,通過模型來控制作物生產(chǎn)過程智能化,實現(xiàn)作物生產(chǎn)灌溉、施肥、植保等作業(yè)過程精準(zhǔn)化,達(dá)到精耕細(xì)作的目的。
通過對上海市嘉定無人農(nóng)場的實踐,無人農(nóng)場建設(shè)還存在以下幾個方面的問題。
初期投入成本高。由于農(nóng)業(yè)人口大量減少,現(xiàn)階段農(nóng)業(yè)勞動力成本也逐步提高,但是無人農(nóng)場需要前期投入大量智能化裝備,前期成本相對于勞動力仍然過高;無人農(nóng)場大規(guī)模推廣應(yīng)用也受到了前期投入成本過高的限制,新興技術(shù)成果需要產(chǎn)業(yè)政策的不斷扶持,才能進(jìn)一步逐漸普及。
技術(shù)可靠性待提升。以減少對人的依賴為特征和目標(biāo)的無人農(nóng)場技術(shù),需要穩(wěn)定和可靠的裝備作為支撐,因此需要加快對農(nóng)業(yè)高端傳感器、大數(shù)據(jù)模型、人工智能軟硬件和裝備集成技術(shù)的進(jìn)一步提升,加快集成應(yīng)用與示范;推進(jìn)農(nóng)業(yè)大數(shù)據(jù)基礎(chǔ)數(shù)據(jù)庫的建設(shè),建立并不斷完善具有自主知識產(chǎn)權(quán)的農(nóng)業(yè)模型訓(xùn)練數(shù)據(jù)集,形成成本更低也更符合國內(nèi)農(nóng)情的模型來指導(dǎo)我國的農(nóng)業(yè)生產(chǎn);利用高校和科研院所的科研優(yōu)勢,針對不同區(qū)域的氣候及作物品種、土壤性質(zhì)等研發(fā)相應(yīng)的技術(shù)裝備,通過“創(chuàng)新聯(lián)合體”的方式加快成果的推廣。
標(biāo)準(zhǔn)體系不夠完善。國外的智慧農(nóng)業(yè)技術(shù)發(fā)展歷史較長,積累并形成了大量的無人農(nóng)場技術(shù)標(biāo)準(zhǔn)體系,但是技術(shù)標(biāo)準(zhǔn)涉及的農(nóng)藝都是建立在各國種植作物的種類和品種以及技術(shù)裝備基礎(chǔ)上的,國內(nèi)無法直接應(yīng)用,未來需要建立適應(yīng)國情的無人農(nóng)場技術(shù)標(biāo)準(zhǔn)體系,以促進(jìn)我國無人農(nóng)場的發(fā)展。