ASABE年會(huì)論文研究熱點(diǎn)與方法技術(shù)進(jìn)展分析

摘 要：【目的】ASABE年會(huì)作為農(nóng)業(yè)工程領(lǐng)域權(quán)威的國(guó)際交流平臺(tái)，其論文薈萃了該領(lǐng)域的最新研究成果。本文旨在通過(guò)對(duì)近3年ASABE年會(huì)論文的分析，探尋農(nóng)業(yè)工程領(lǐng)域的發(fā)展態(tài)勢(shì)?！痉椒ā勘疚倪\(yùn)用文獻(xiàn)計(jì)量學(xué)方法，針對(duì)2021年至2023年ASABE elibrary官網(wǎng)發(fā)布的年會(huì)論文集開(kāi)展多維度分析，探究農(nóng)業(yè)工程領(lǐng)域的研究熱點(diǎn)、演變趨勢(shì)、研究對(duì)象及方法技術(shù)的發(fā)展?fàn)顩r，并通過(guò)Citespace工具對(duì)分析結(jié)果進(jìn)行可視化展示?！窘Y(jié)論】研究結(jié)果表明，ASABE年會(huì)學(xué)術(shù)論文的研究熱點(diǎn)主要集中在深度學(xué)習(xí)等人工智能技術(shù)上，并不斷深化在農(nóng)業(yè)領(lǐng)域的應(yīng)用。研究對(duì)象既呈現(xiàn)出顯著的集中性，又具有明顯的廣泛性，涉及農(nóng)業(yè)、畜牧業(yè)、食品科學(xué)、作物保護(hù)等多個(gè)領(lǐng)域。研究方法及技術(shù)應(yīng)用持續(xù)創(chuàng)新，涵蓋了數(shù)據(jù)收集、處理與分析的全流程，充分展現(xiàn)了農(nóng)業(yè)生物系統(tǒng)工程領(lǐng)域的綜合研究實(shí)力與前瞻性。

關(guān)鍵詞：農(nóng)業(yè)工程；ASABE年會(huì)；文獻(xiàn)計(jì)量學(xué)；深度學(xué)習(xí)；可視化分析

引言

在全球農(nóng)業(yè)現(xiàn)代化的演進(jìn)過(guò)程中，農(nóng)業(yè)工程作為農(nóng)業(yè)科技轉(zhuǎn)化的核心要素，對(duì)農(nóng)業(yè)生產(chǎn)力的顯著提升起到了重要的作用。農(nóng)業(yè)工程是一門(mén)綜合性學(xué)科，它將工程技術(shù)理論和方法應(yīng)用于農(nóng)業(yè)生產(chǎn)、加工以及農(nóng)村生活與生態(tài)環(huán)境的維護(hù)與改善[1]，它不僅成為推動(dòng)農(nóng)業(yè)農(nóng)村發(fā)展與社會(huì)進(jìn)步的關(guān)鍵力量，而且是實(shí)現(xiàn)農(nóng)業(yè)農(nóng)村現(xiàn)代化及鄉(xiāng)村振興的重要技術(shù)支撐和保障[2]。早期，農(nóng)業(yè)工程主要聚焦于農(nóng)業(yè)機(jī)械化和基本的工程技術(shù)應(yīng)用[3]。然而，隨著科技的進(jìn)步和社會(huì)需求的演變，農(nóng)業(yè)工程的研究領(lǐng)域已擴(kuò)展至更廣泛的范疇。世界農(nóng)業(yè)工程學(xué)科的研究?jī)?nèi)容已從傳統(tǒng)的水、土壤、多孔介質(zhì)、畜禽糞污處理、環(huán)境污染控制等領(lǐng)域，深化至生物質(zhì)資源生產(chǎn)、預(yù)處理、厭氧消化，藻類(lèi)培養(yǎng)，木質(zhì)纖維素利用，以及人工神經(jīng)網(wǎng)絡(luò)、人工智能、物聯(lián)網(wǎng)、計(jì)算機(jī)信息、光譜大數(shù)據(jù)、“3S”技術(shù)在農(nóng)業(yè)中的應(yīng)用（例如精準(zhǔn)農(nóng)業(yè)、智慧農(nóng)業(yè)、垂直農(nóng)業(yè)等）的跨學(xué)科研究[4]。農(nóng)業(yè)工程作為一門(mén)交叉學(xué)科，其發(fā)展趨勢(shì)日益多元化。當(dāng)前，研究熱點(diǎn)主要集中在采摘機(jī)器人、深度學(xué)習(xí)、高光譜分析應(yīng)用、植物表型、物聯(lián)網(wǎng)和無(wú)線傳感器網(wǎng)絡(luò)等領(lǐng)域[5]，這些領(lǐng)域的研究不僅有助于提升農(nóng)業(yè)生產(chǎn)效率，而且為農(nóng)業(yè)可持續(xù)發(fā)展提供了新的解決方案。

1907年，美國(guó)農(nóng)業(yè)工程師學(xué)會(huì)（American Societyof Agricultural Engineers，ASAE）成立，也標(biāo)志著農(nóng)業(yè)工程學(xué)科作為一門(mén)獨(dú)立學(xué)科的誕生[1]。ASAE總部位于密歇根州圣約瑟夫，成員遍布100多個(gè)國(guó)家。該學(xué)會(huì)專(zhuān)注于推動(dòng)農(nóng)業(yè)、食品和生物系統(tǒng)的工程學(xué)進(jìn)步[6]，這不僅促進(jìn)了先進(jìn)農(nóng)業(yè)機(jī)械及農(nóng)業(yè)工程技術(shù)在農(nóng)業(yè)生產(chǎn)中的廣泛應(yīng)用，而且極大地推動(dòng)了農(nóng)業(yè)工程科研與教育在全球范圍內(nèi)的普及與發(fā)展[1]。隨著學(xué)科領(lǐng)域的不斷拓展，2005年ASAE正式更名為美國(guó)農(nóng)業(yè)生物工程師學(xué)會(huì)（American Society of Agricultural andBiological Engineers，ASABE），其學(xué)科內(nèi)涵也從單純的工程技術(shù)在農(nóng)業(yè)的應(yīng)用，發(fā)展至依賴(lài)農(nóng)學(xué)、工程、生物、信息等學(xué)科的深度交叉與融合[7]。ASABE年會(huì)作為該領(lǐng)域最具影響力的全球性學(xué)術(shù)會(huì)議之一，每年吸引來(lái)自世界各地的專(zhuān)家學(xué)者參會(huì)交流。年會(huì)不僅是展示最新科研成果、分享創(chuàng)新技術(shù)的平臺(tái)，更是推動(dòng)農(nóng)業(yè)工程領(lǐng)域發(fā)展的重要力量。通過(guò)年會(huì)，與會(huì)者可以深入了解農(nóng)業(yè)工程領(lǐng)域的最新動(dòng)態(tài)，探討行業(yè)發(fā)展趨勢(shì)，加強(qiáng)國(guó)際合作與交流，共同推動(dòng)全球農(nóng)業(yè)現(xiàn)代化的進(jìn)程。

本研究旨在深入分析和探討ASABE年會(huì)學(xué)術(shù)論文，以期加深對(duì)農(nóng)業(yè)工程領(lǐng)域當(dāng)前熱點(diǎn)問(wèn)題和技術(shù)核心的理解。通過(guò)此項(xiàng)研究，我們期望為該領(lǐng)域的科研人員和技術(shù)專(zhuān)家提供有價(jià)值的參考和靈感，從而促進(jìn)農(nóng)業(yè)工程領(lǐng)域的持續(xù)創(chuàng)新與發(fā)展。

1 數(shù)據(jù)來(lái)源與方法

本研究聚焦于ASABE elibrary官網(wǎng)在特定日期范圍內(nèi)發(fā)布的年會(huì)論文，具體選取了2023年7月9日至12日在內(nèi)布拉斯加州奧馬哈舉行的會(huì)議、2022年7月17日至20日在得克薩斯州休斯敦舉行的會(huì)議，以及2021年7月6日至7月12日舉辦的ASABE年度國(guó)際虛擬會(huì)議共計(jì)三年的年會(huì)論文作為研究樣本。為了系統(tǒng)地提取和整理這些信息，本研究編寫(xiě)了一個(gè)Python程序，用于批量收集每篇年會(huì)論文的題目、作者、關(guān)鍵詞和摘要，最終成功獲取了775條年會(huì)學(xué)術(shù)論文題錄數(shù)據(jù)，其中2021年327篇，2022年218篇，2023年230篇。在獲取了初步數(shù)據(jù)之后，本研究進(jìn)一步進(jìn)行了數(shù)據(jù)清洗工作，旨在去除那些缺失題錄信息的文章，以確保數(shù)據(jù)的質(zhì)量和完整性。經(jīng)過(guò)嚴(yán)格的數(shù)據(jù)清洗流程，最終獲得了746條有效的題錄數(shù)據(jù)，其中2021年324篇，2022年195篇，2023年227篇。

為支持后續(xù)研究中的可視化分析，本研究對(duì)題錄中的關(guān)鍵詞進(jìn)行了預(yù)處理。首先，我們實(shí)施了同一名詞不同復(fù)數(shù)形式的合并操作，以確保單復(fù)數(shù)格式的統(tǒng)一性。例如，將所有出現(xiàn)的“apples”統(tǒng)一轉(zhuǎn)化為“apple”。其次，針對(duì)名詞縮寫(xiě)的處理問(wèn)題，我們采用了全稱(chēng)替換策略，即將縮寫(xiě)形式替換為其全稱(chēng)，以便在格式上達(dá)到一致性。例如將“CNN”統(tǒng)一替換為“Convolutional Neural Networks”。最后，將經(jīng)過(guò)清洗和處理的題錄數(shù)據(jù)導(dǎo)入CiteSpace軟件中，利用該軟件強(qiáng)大的可視化分析工具進(jìn)行深入的數(shù)據(jù)分析。

2 研究熱點(diǎn)分析

2.1 2021—2023年ASABE年會(huì)學(xué)術(shù)論文總體研究熱點(diǎn)分析

關(guān)鍵詞共現(xiàn)圖是一種揭示學(xué)術(shù)文獻(xiàn)中關(guān)鍵詞相互關(guān)系及學(xué)科領(lǐng)域內(nèi)主題聯(lián)系的可視化工具，那些出現(xiàn)頻次較高的關(guān)鍵詞通常被視為一定時(shí)期內(nèi)該研究領(lǐng)域的研究熱點(diǎn)[8]。通過(guò)分析文獻(xiàn)集中關(guān)鍵詞的共現(xiàn)頻次，構(gòu)建共詞網(wǎng)絡(luò)，該圖譜不僅能夠反映特定研究領(lǐng)域內(nèi)主題的密集度和關(guān)聯(lián)性，而且能夠幫助研究者識(shí)別研究熱點(diǎn)、趨勢(shì)和潛在的交叉學(xué)科領(lǐng)域。通過(guò)構(gòu)建ASABE年會(huì)學(xué)術(shù)論文的關(guān)鍵詞共現(xiàn)圖，不僅為我們提供了一種直觀的方法來(lái)識(shí)別和理解農(nóng)業(yè)與生物工程領(lǐng)域內(nèi)的學(xué)術(shù)熱點(diǎn)和研究趨勢(shì)，而且通過(guò)可視化關(guān)鍵詞之間的相互關(guān)系，揭示了不同研究主題之間的潛在聯(lián)系和知識(shí)結(jié)構(gòu)。

圖1展示了2021至2023年間ASABE年會(huì)論文的關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)分析圖譜，為我們提供了對(duì)農(nóng)業(yè)與生物工程領(lǐng)域研究熱點(diǎn)的宏觀視角。從圖中可以明顯觀察到，“deep learning（深度學(xué)習(xí)）”“machinel e a r n i n g （ 機(jī)器學(xué)習(xí)） ” “ y o u o n l y l o o k o n c e（YOLO算法）”“precision agriculture（精準(zhǔn)農(nóng)業(yè)）”“image processing（圖像處理）”“unmannedaerial vehicle（無(wú)人機(jī)）”“computer vision（計(jì)算機(jī)視覺(jué)） ” “ c o n v o l u t i o n a l n e u r a l n e t w o r k s（ 卷積神經(jīng)網(wǎng)絡(luò)） ” “ m a c h i n e v i s i o n （ 機(jī)器視覺(jué)）”“artificial intelligence（人工智能）”“internetof things（物聯(lián)網(wǎng)）”“object detection（目標(biāo)檢測(cè)）”“hyperspectral imaging（高光譜成像）”等關(guān)鍵詞頻次較高。

深度學(xué)習(xí)和機(jī)器學(xué)習(xí)是人工智能領(lǐng)域兩大核心分支。深度學(xué)習(xí)是一種機(jī)器學(xué)習(xí)方法，它通過(guò)構(gòu)建具有多層結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)來(lái)模擬人腦處理信息的方式，從而能夠自動(dòng)并有效地從數(shù)據(jù)中學(xué)習(xí)復(fù)雜的特征和模式[9]。在深度學(xué)習(xí)的應(yīng)用中，卷積神經(jīng)網(wǎng)絡(luò)是圖像處理和計(jì)算機(jī)視覺(jué)領(lǐng)域的重要工具，它們被廣泛應(yīng)用于目標(biāo)檢測(cè)等任務(wù)中。精準(zhǔn)農(nóng)業(yè)又稱(chēng)精細(xì)農(nóng)業(yè)，指的是依托信息技術(shù)，圍繞著農(nóng)業(yè)種植區(qū)域的實(shí)際情況，對(duì)農(nóng)作物進(jìn)行調(diào)整的管理辦法[10]。精準(zhǔn)農(nóng)業(yè)是現(xiàn)代農(nóng)業(yè)技術(shù)的一個(gè)分支，它借助物聯(lián)網(wǎng)和計(jì)算機(jī)視覺(jué)技術(shù)，通過(guò)無(wú)人機(jī)搭載的高光譜成像系統(tǒng)，實(shí)現(xiàn)對(duì)農(nóng)作物的精準(zhǔn)監(jiān)測(cè)和管理。在這一過(guò)程中，機(jī)器視覺(jué)技術(shù)發(fā)揮著重要作用，它使得無(wú)人機(jī)能夠自動(dòng)識(shí)別和分析農(nóng)田中的作物狀態(tài)，為農(nóng)業(yè)生產(chǎn)提供精準(zhǔn)的數(shù)據(jù)支持。YOLO算法是一種用于對(duì)象檢測(cè)的深度學(xué)習(xí)算法。其核心思想是將對(duì)象檢測(cè)作為一個(gè)回歸問(wèn)題來(lái)解決，直接從圖像像素預(yù)測(cè)分離的邊界框及其相關(guān)類(lèi)別概率[11]，它利用深度學(xué)習(xí)模型實(shí)現(xiàn)了對(duì)圖像中目標(biāo)的快速而準(zhǔn)確的識(shí)別。

“ d e e p l e a r n i n g （ 深度學(xué)習(xí)） ” “ m a c h i n el e a r n ing（機(jī)器學(xué)習(xí)）”等機(jī)器學(xué)習(xí)相關(guān)術(shù)語(yǔ)的關(guān)鍵詞的頻繁出現(xiàn)，體現(xiàn)了當(dāng)前ASABE在智能算法方面的研究熱點(diǎn)。同時(shí)，“you only look once（YOLO算法）”“precision agriculture（精準(zhǔn)農(nóng)業(yè)）”“image processing（圖像處理）”“unmanned"aerial vehicle（無(wú)人機(jī)）”“computer vision（計(jì)算機(jī)視覺(jué)）”“convolutional neural networks（卷積神經(jīng)網(wǎng)絡(luò)）”“machine vision（機(jī)器視覺(jué)）”等關(guān)鍵詞的顯著位置，凸顯了現(xiàn)代農(nóng)業(yè)技術(shù)在實(shí)現(xiàn)高效、精準(zhǔn)管理方面的重要作用。此外，“artificial intelligence（人工智能）”“internet of things（物聯(lián)網(wǎng)）”“objectdetection（目標(biāo)檢測(cè)）”“hyperspectral imaging（高光譜成像）” 等關(guān)鍵詞的共現(xiàn)，進(jìn)一步印證了農(nóng)業(yè)工程領(lǐng)域在推動(dòng)農(nóng)業(yè)現(xiàn)代化、智能化方面的努力。

值得注意的是， “ d e e p l e a r n i n g （ 深度學(xué)習(xí)）”“internet of things（物聯(lián)網(wǎng)）”“air quality（空氣質(zhì)量）”“cloud computing（云計(jì)算）”等四個(gè)詞語(yǔ)的中心度較高，這表明這些主題在ASABE年會(huì)學(xué)術(shù)論文的研究中占據(jù)了核心地位，并且對(duì)其他研究方向具有重要的連接和推動(dòng)作用。為了深入分析這些關(guān)鍵詞在農(nóng)業(yè)領(lǐng)域的應(yīng)用，我們對(duì)包含該四個(gè)關(guān)鍵詞文章進(jìn)行了篩選。分析發(fā)現(xiàn)，“deep learning（深度學(xué)習(xí)）”廣泛且多樣化地應(yīng)用于農(nóng)業(yè)領(lǐng)域。例如，通過(guò)手持相機(jī)圖像識(shí)別技術(shù)檢測(cè)小麥細(xì)菌葉條斑病的嚴(yán)重程度[12]、利用深度學(xué)習(xí)和雙目立體視覺(jué)在安卓智能手機(jī)上實(shí)現(xiàn)獼猴桃產(chǎn)量的估計(jì)[13]，以及借助深度卷積神經(jīng)網(wǎng)絡(luò)從葉片圖像中識(shí)別番茄疾病[14]等。此外，深度學(xué)習(xí)模型和技術(shù)還應(yīng)用于田間花生莢計(jì)數(shù)以估算產(chǎn)量[15]，以及基于深度學(xué)習(xí)的植物寄生線蟲(chóng)圖像識(shí)別系統(tǒng)等多個(gè)農(nóng)業(yè)應(yīng)用場(chǎng)景[16]?？傮w而言，ASABE年會(huì)學(xué)術(shù)論文中深度學(xué)習(xí)模型和技術(shù)在農(nóng)業(yè)的應(yīng)用涵蓋了圖像識(shí)別、產(chǎn)量估算、疾病診斷、動(dòng)物行為分析等眾多農(nóng)業(yè)應(yīng)用場(chǎng)景，為農(nóng)業(yè)的智能化和精準(zhǔn)化發(fā)展提供了有力支撐。而對(duì)于“internet of things（物聯(lián)網(wǎng)）”技術(shù)在農(nóng)業(yè)工程領(lǐng)域的應(yīng)用則是通過(guò)開(kāi)發(fā)各種傳感器系統(tǒng)[17]、構(gòu)建智能監(jiān)測(cè)框架[17-18]、應(yīng)用特定通信技術(shù)等手段[19]，將物聯(lián)網(wǎng)廣泛應(yīng)用于水產(chǎn)養(yǎng)殖[20]、作物生長(zhǎng)監(jiān)測(cè)[21]、室內(nèi)農(nóng)業(yè)[22]、精準(zhǔn)灌溉[19]、溫室控制[23]、蜂箱健康監(jiān)測(cè)[24]、環(huán)境和害蟲(chóng)監(jiān)測(cè)等農(nóng)業(yè)領(lǐng)域[25]，以提高農(nóng)業(yè)生產(chǎn)的效率、精準(zhǔn)度和智能化水平?！癮irquality（空氣質(zhì)量）”的研究主要涉及了多個(gè)方面與空氣質(zhì)量相關(guān)的研究，包括針對(duì)家禽舍和牲畜棚內(nèi)氨氣（NH?）、硫化氫（H?S）、溫室氣體（GHGs）、揮發(fā)性有機(jī)物（VOCs）、臭氣和臭氧（O?）等氣態(tài)污染物減排的研究[26-27]；對(duì)生物炭在減少豬糞氣態(tài)排放方面的作用及相關(guān)影響因素的探討[28]；關(guān)于紫外線和過(guò)濾技術(shù)在室內(nèi)空間對(duì)空氣傳播病原體和顆粒物的連續(xù)凈化效果的研究[29]；以及對(duì)實(shí)時(shí)氨氣測(cè)量系統(tǒng)[30]和灌溉對(duì)露天牲畜飼養(yǎng)表面氨氣排放影響的研究[31]等等。此外，還有對(duì)紫外線和可見(jiàn)光輸出空間變化的簡(jiǎn)單實(shí)用研究等方面[32]?！癱loud computing（云計(jì)算）”技術(shù)在農(nóng)業(yè)的應(yīng)用領(lǐng)域包括溫室作物栽培的環(huán)境和害蟲(chóng)監(jiān)測(cè)以及蛋雞養(yǎng)殖場(chǎng)排放監(jiān)測(cè)的數(shù)據(jù)處理、存儲(chǔ)、可視化和遠(yuǎn)程控制等[25]。

綜上所述，深度學(xué)習(xí)通過(guò)圖像識(shí)別、產(chǎn)量估算、疾病診斷等方面，為農(nóng)業(yè)的智能化和精準(zhǔn)化發(fā)展提供了有力支撐。物聯(lián)網(wǎng)技術(shù)通過(guò)傳感器系統(tǒng)、智能監(jiān)測(cè)框架和特定通信技術(shù)，廣泛應(yīng)用于提高農(nóng)業(yè)生產(chǎn)的效率、精準(zhǔn)度和智能化水平?？諝赓|(zhì)量研究聚焦于家禽舍和牲畜棚內(nèi)氣態(tài)污染物的減排、生物炭的減排效果、空氣凈化技術(shù)的探索以及實(shí)時(shí)測(cè)量系統(tǒng)的應(yīng)用等。云計(jì)算則在農(nóng)業(yè)環(huán)境監(jiān)測(cè)和養(yǎng)殖場(chǎng)排放監(jiān)測(cè)的數(shù)據(jù)處理、存儲(chǔ)、可視化和遠(yuǎn)程控制等方面發(fā)揮了重要作用。這些技術(shù)的應(yīng)用共同推動(dòng)了農(nóng)業(yè)領(lǐng)域的科技進(jìn)步和可持續(xù)發(fā)展。

圖2中的關(guān)鍵詞聚類(lèi)圖展示了2021—2023年ASABE年會(huì)學(xué)術(shù)論文中研究的主要方向。通過(guò)聚類(lèi)算法，所有關(guān)鍵詞被有效地組織成八個(gè)主要類(lèi)別，即“深度學(xué)習(xí)（deep learning）”“卷積神經(jīng)網(wǎng)絡(luò)（convolutional neural networks）”“空氣質(zhì)量（airquality）”“精準(zhǔn)農(nóng)業(yè)（precision agriculture）”“無(wú)人駕駛飛行器（unmanned aerial vehicle）”“水利用效率（water use efficiency）”“水分含量（moisturecontent）”“厭氧消化（anaerobic digestion）”。這些類(lèi)別不僅反映了當(dāng)前農(nóng)業(yè)工程領(lǐng)域的研究焦點(diǎn)，而且預(yù)示了未來(lái)可能的研究方向。

深度學(xué)習(xí)和空氣質(zhì)量?jī)纱缶垲?lèi)的研究分析，鑒于前文的詳盡分析，此處不再贅述。“卷積神經(jīng)網(wǎng)絡(luò)（Convolutional Neural Networks）”是一類(lèi)包含卷積計(jì)算并且含有深層次結(jié)構(gòu)的深度前饋神經(jīng)網(wǎng)絡(luò)，是深度學(xué)習(xí)的代表算法之一[33]。分析所有涉及“精準(zhǔn)農(nóng)業(yè)（precision agriculture）”關(guān)鍵詞的ASABE年會(huì)論文發(fā)現(xiàn)，這些研究通過(guò)機(jī)器人任務(wù)規(guī)劃[34]、數(shù)據(jù)監(jiān)測(cè)與分析[35]、課程開(kāi)發(fā)[36]、系統(tǒng)設(shè)計(jì)與測(cè)試[37]、機(jī)器學(xué)習(xí)與深度學(xué)習(xí)應(yīng)用[38]、傳感器技術(shù)[39]、遠(yuǎn)程監(jiān)測(cè)、數(shù)據(jù)庫(kù)開(kāi)發(fā)[40]等多種手段和技術(shù)，來(lái)實(shí)現(xiàn)精準(zhǔn)農(nóng)業(yè)的目標(biāo)，以提高農(nóng)業(yè)生產(chǎn)的效率、質(zhì)量和可持續(xù)性。農(nóng)用“無(wú)人駕駛飛行器（unmanned aerial vehicle）”是在農(nóng)業(yè)生產(chǎn)中應(yīng)用的無(wú)人駕駛航空器的簡(jiǎn)稱(chēng)[41]，分析所有涉及“無(wú)人駕駛飛行器（unmanned aerial vehicle）”關(guān)鍵詞的年會(huì)論文發(fā)現(xiàn)，農(nóng)業(yè)工程領(lǐng)域?qū)o(wú)人機(jī)技術(shù)應(yīng)用于播種[42]、植保路線規(guī)劃[43]、作物產(chǎn)量和成熟度預(yù)測(cè)[44]、表型分析[45]、病蟲(chóng)害識(shí)別[46]、田間監(jiān)測(cè)[47]、性狀評(píng)估[48]、種植管理[49]等多個(gè)農(nóng)業(yè)領(lǐng)域。通過(guò)圖像采集、數(shù)據(jù)處理和分析以及與機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等技術(shù)結(jié)合，為農(nóng)業(yè)生產(chǎn)提供了更高效和精準(zhǔn)的支持?！八眯剩╳ater use efficiency）”和“水分含量（moisture content）”兩個(gè)聚類(lèi)結(jié)果表明農(nóng)業(yè)工程領(lǐng)域非常關(guān)注農(nóng)業(yè)領(lǐng)域水利用效率評(píng)估[50]、灌溉方式優(yōu)化[51]、水分含量測(cè)定[52]等多方面的研究。“厭氧消化（anaerobic digestion）”作為一種生物能源技術(shù)，在農(nóng)業(yè)廢棄物處理和資源化利用方面具有廣泛的應(yīng)用前景，以厭氧消化為核心的沼氣和生物天然氣技術(shù)，是實(shí)現(xiàn)畜禽糞污、農(nóng)作物秸稈、尾菜等農(nóng)業(yè)廢棄物資源化利用的重要途徑[53]。在ASABE年會(huì)論文中，這些文章從不同廢棄物原料的處理[54]、工藝改進(jìn)[55]、影響因素探究[56]、成本評(píng)估[57]、可行性研究等多個(gè)方面展示了厭氧消化在農(nóng)業(yè)領(lǐng)域的應(yīng)用，旨在提高農(nóng)業(yè)廢棄物的處理效率和能源回收利用。

總體而言，ASABE年會(huì)論文的關(guān)鍵詞聚類(lèi)分析揭示了深度學(xué)習(xí)在農(nóng)業(yè)領(lǐng)域的廣泛應(yīng)用，特別是在圖像識(shí)別、產(chǎn)量估算、疾病診斷等方面，為農(nóng)業(yè)的智能化和精準(zhǔn)化發(fā)展提供了技術(shù)支撐。同時(shí)，論文聚焦了空氣質(zhì)量監(jiān)測(cè)、精準(zhǔn)農(nóng)業(yè)的實(shí)現(xiàn)、農(nóng)用無(wú)人駕駛飛行器的應(yīng)用、水利用效率的提升和厭氧消化技術(shù)在農(nóng)業(yè)廢棄物處理中的研究。這些研究共同體現(xiàn)了農(nóng)業(yè)工程領(lǐng)域?qū)μ嵘r(nóng)業(yè)生產(chǎn)效率、環(huán)境可持續(xù)性和資源利用效率的重視。

2.2 2021—2023年ASABE年會(huì)學(xué)術(shù)論文研究熱點(diǎn)演變分析

圖3、圖4和圖5分別展示了2021—2023年每一年ASABE年會(huì)學(xué)術(shù)論文中關(guān)鍵詞的共現(xiàn)網(wǎng)絡(luò)。

按年度分析發(fā)現(xiàn)，在2021年，深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、機(jī)器視覺(jué)等技術(shù)是該年度研究的熱點(diǎn)（圖3）。這些技術(shù)被廣泛應(yīng)用于精準(zhǔn)農(nóng)業(yè)、目標(biāo)檢測(cè)、圖像處理、計(jì)算機(jī)視覺(jué)等領(lǐng)域。同時(shí)，“air quality（空氣質(zhì)量）”和“yield estimation（產(chǎn)量估算）”等關(guān)鍵詞也體現(xiàn)了研究對(duì)于環(huán)境因素與農(nóng)業(yè)產(chǎn)量之間關(guān)系的關(guān)注。此外，卷積神經(jīng)網(wǎng)絡(luò)作為深度學(xué)習(xí)的重要分支，在圖像識(shí)別和處理中發(fā)揮著關(guān)鍵作用。進(jìn)入2022年，研究熱點(diǎn)依然圍繞著“deep learning（深度學(xué)習(xí)）”“image processing（圖像處理）”和“machine learning（機(jī)器學(xué)習(xí)）”展開(kāi)（圖4）。值得注意的是，“you only look once（YOLO算法）”和“unmanned aerial vehicle（無(wú)人機(jī)）”等新關(guān)鍵詞的加入，反映了該領(lǐng)域?qū)?shí)時(shí)性和無(wú)人化技術(shù)的重視。同時(shí)，“hyperspectral imaging（高光譜成像）”和“moisture content（濕度含量）”等關(guān)鍵詞的出現(xiàn)，體現(xiàn)了研究對(duì)于土壤和作物信息的精細(xì)化獲取與分析的關(guān)注。此外，“internet of things（物聯(lián)網(wǎng)）”“cloud computing（云計(jì)算）”和“air quality（空氣質(zhì)量）”等關(guān)鍵詞的中心度較高，表明這些技術(shù)在農(nóng)業(yè)與生物工程領(lǐng)域的應(yīng)用日益廣泛，地位越來(lái)越重要。到了2023年，“deep learning（深度學(xué)習(xí)）”和“machine learning（機(jī)器學(xué)習(xí)）”依然占據(jù)主導(dǎo)地位（圖5）。同時(shí)，“you only look once（YOLO算法）”在目標(biāo)檢測(cè)領(lǐng)域的應(yīng)用得到了進(jìn)一步的研究。此外，“precision agriculture（精準(zhǔn)農(nóng)業(yè)）”“convolutional neural networks（卷積神經(jīng)網(wǎng)絡(luò)）”“computer vision（計(jì)算機(jī)視覺(jué)）”和“machine vision（機(jī)器視覺(jué)）”等關(guān)鍵詞的高頻出現(xiàn)，表明這些技術(shù)在農(nóng)業(yè)智能化領(lǐng)域的應(yīng)用不斷深化?！皍nmanned aerial vehicle（無(wú)人機(jī)）”作為農(nóng)業(yè)監(jiān)測(cè)的重要工具，其相關(guān)研究也持續(xù)升溫。值得注意的是，“soil moisture（土壤濕度）”這一關(guān)鍵詞的中心度較高，反映出土壤水分管理在農(nóng)業(yè)生產(chǎn)中的重要性日益凸顯。

從2021—2023年的關(guān)鍵詞共現(xiàn)網(wǎng)絡(luò)可以看出，ASABE的研究熱點(diǎn)主要集中在深度學(xué)習(xí)、機(jī)器學(xué)習(xí)、機(jī)器視覺(jué)等人工智能技術(shù)上。這些技術(shù)被廣泛應(yīng)用于精準(zhǔn)農(nóng)業(yè)、目標(biāo)檢測(cè)、圖像處理等領(lǐng)域，推動(dòng)了農(nóng)業(yè)生產(chǎn)的智能化和自動(dòng)化水平。同時(shí)，隨著無(wú)人機(jī)、物聯(lián)網(wǎng)、云計(jì)算等技術(shù)的不斷發(fā)展，這些新技術(shù)在農(nóng)業(yè)與生物工程領(lǐng)域的應(yīng)用也逐漸增多。此外，對(duì)土壤濕度、空氣質(zhì)量等環(huán)境因素的研究也體現(xiàn)了研究對(duì)于農(nóng)業(yè)生產(chǎn)環(huán)境的關(guān)注。未來(lái)，隨著技術(shù)的不斷進(jìn)步和應(yīng)用的不斷拓展，農(nóng)業(yè)與生物工程的研究熱點(diǎn)將繼續(xù)深化和拓展。

3 研究對(duì)象與研究方法演變分析

在深入解析ASABE年會(huì)學(xué)術(shù)論文的關(guān)鍵詞時(shí)，我們將其細(xì)分為研究對(duì)象、研究方法和技術(shù)應(yīng)用兩個(gè)維度，以便更全面、系統(tǒng)地理解論文的核心內(nèi)容和研究趨勢(shì)。

3.1 ASABE年會(huì)學(xué)術(shù)論文研究對(duì)象分析

在2021—2023年ASABE年會(huì)學(xué)術(shù)論文的研究中，其研究對(duì)象表現(xiàn)出了顯著的多樣性。通過(guò)圖6所示的2021—2023年ASABE論文所有研究對(duì)象關(guān)鍵詞排序圖，我們可以清晰地觀察到農(nóng)業(yè)工程領(lǐng)域的研究范疇廣泛，涵蓋了畜牧業(yè)、食品科學(xué)及作物保護(hù)等多個(gè)領(lǐng)域。首先，ASABE的研究對(duì)象呈現(xiàn)出顯著的集中性?！皉ice/paddy（水稻）”和“corn/maize（玉米）”作為兩大核心研究對(duì)象，其關(guān)鍵詞頻次在歷年中均保持領(lǐng)先，且顯著高于其他關(guān)鍵詞。分析涉及這兩個(gè)關(guān)鍵詞的年會(huì)論文發(fā)現(xiàn)，這些論文涵蓋了玉米和水稻的種植[58]、病蟲(chóng)害檢測(cè)、干燥技術(shù)[59]、生長(zhǎng)影響因素[60]、品質(zhì)特性[61]、機(jī)械設(shè)備研發(fā)[62]、花粉擴(kuò)散[63]、生物質(zhì)特性等多個(gè)研究領(lǐng)域，旨在提高玉米和水稻的生產(chǎn)效率、質(zhì)量和可持續(xù)性，也反映了水稻和玉米在全球農(nóng)業(yè)中的核心地位。其次，畜禽類(lèi)研究對(duì)象在ASABE的研究中占有重要地位。高頻關(guān)鍵詞中，“swine/pork（豬/豬肉）”“dairy/cow（奶牛）”“poultry（家禽）”和“beef/cattle（牛/牛肉）”等畜禽類(lèi)相關(guān)詞匯的頻繁出現(xiàn)，分析涉及這些畜禽類(lèi)關(guān)鍵詞的年會(huì)論文發(fā)現(xiàn)，這些文章涵蓋了養(yǎng)殖環(huán)境優(yōu)化[64]、疾病防控[65]、廢棄物處理與利用[53]、肉質(zhì)評(píng)估[66]、動(dòng)物行為監(jiān)測(cè)[67]、能源管理[68]、生產(chǎn)設(shè)施設(shè)計(jì)[69]、氣體排放監(jiān)測(cè)[70]等多個(gè)研究領(lǐng)域，旨在提高養(yǎng)殖效率、動(dòng)物健康水平、產(chǎn)品質(zhì)量以及環(huán)境保護(hù)水平，體現(xiàn)了ASABE在畜禽養(yǎng)殖領(lǐng)域研究的廣泛性和深入性。再次，ASABE的研究興趣多樣，還涵蓋了“apple（蘋(píng)果）”“cotton（棉花）”“sugarcane（甘蔗）”“wheat（小麥）”“alfalfa（紫花苜蓿）”等多種作物，以及“orchard（果園）”“weed（雜草）”“pest（害蟲(chóng)）”等多樣化研究對(duì)象。這些關(guān)鍵詞的頻次雖然相對(duì)較低，但展示了ASABE在農(nóng)業(yè)工程領(lǐng)域的廣泛涉獵和全面研究。最后，新興研究領(lǐng)域在ASABE的研究中逐漸嶄露頭角。“camelliaoleifera fruit（山茶果）”“camelina straw（駱駝草）”和“king grass（帝王草）”等關(guān)鍵詞的出現(xiàn)體現(xiàn)了ASABE在農(nóng)業(yè)生物工程領(lǐng)域研究對(duì)象的多樣性。

總體而言，ASABE年會(huì)論文的研究對(duì)象主要集中在畜牧業(yè)、食品科學(xué)及作物保護(hù)等。其中，水稻和玉米作為核心研究對(duì)象，其研究覆蓋種植、病蟲(chóng)害檢測(cè)、干燥技術(shù)等多個(gè)方面，旨在提升生產(chǎn)效率和可持續(xù)性。畜禽類(lèi)研究對(duì)象，例如豬、奶牛、家禽等亦占據(jù)重要地位，涉及養(yǎng)殖環(huán)境優(yōu)化、疾病防控等研究，以提升養(yǎng)殖效率和環(huán)境保護(hù)水平。此外，研究興趣延伸至多種作物和果園、雜草、害蟲(chóng)等多樣化對(duì)象，體現(xiàn)了ASABE在農(nóng)業(yè)工程領(lǐng)域的全面涉獵。

從年度變化來(lái)看，2021—2023年ASABE年會(huì)學(xué)術(shù)論文的研究對(duì)象呈現(xiàn)出了顯著的多樣性和動(dòng)態(tài)變化性。圖7、圖8和圖9這些圖表詳細(xì)記錄了從2021—2023年每年研究對(duì)象關(guān)鍵詞的頻次。2021年，研究焦點(diǎn)相對(duì)分散，涵蓋了多種林果和農(nóng)作物，例如“Apple（蘋(píng)果）”“Camellia oleifera fruit（油茶果）”“rice（水稻）”“Corn（玉米）”“wheat（小麥）”；牲畜及其產(chǎn)品，例如“Livestock manure（牲畜糞便）”；特定的農(nóng)業(yè)害蟲(chóng)，例如“Codlingmoth（蘋(píng)果蠹蛾）”。進(jìn)入2022年，研究對(duì)象關(guān)鍵詞的頻次分布出現(xiàn)了明顯的變化?！皉ice（水稻）”和“forage（飼料）”的研究頻次顯著上升，顯示出對(duì)糧食作物和畜牧業(yè)飼料來(lái)源的持續(xù)關(guān)注。同時(shí)，“cotton（棉花）”“corn（玉米）”“poultry（家禽）”“l(fā)ivestock（牲畜）”等關(guān)鍵詞的頻次也保持在較高水平，而“orchard（果園）”“weed（雜草）”“fish（魚(yú)）”等新的研究對(duì)象開(kāi)始進(jìn)入研究視野。這一年還出現(xiàn)了家禽，例如“dairy cow（奶牛）”“chicken（雞）”；肉類(lèi)產(chǎn)品，例如“pork（豬肉）”“beef（牛肉）”的研究，體現(xiàn)了農(nóng)業(yè)研究的多元化和綜合性。到了2023年，研究對(duì)象關(guān)鍵詞的頻次分布進(jìn)一步集中?！癲airy/cow（奶牛）”“corn（玉米）”“paddy/rice（水稻）”作為重要的農(nóng)業(yè)資源，其研究頻次依然保持領(lǐng)先。同時(shí)，“cotton（棉花）”“soybean（大豆）”“apple（蘋(píng)果）”等作物和林果的研究也持續(xù)受到關(guān)注。值得注意的是，這一年還出現(xiàn)了對(duì)“asparagus（蘆筍）”“cane/sugarcane（甘蔗）”“beef/cattle（牛肉/牛）”“tea（茶）”等新的或較少被研究對(duì)象的關(guān)注，這反映了農(nóng)業(yè)生物工程領(lǐng)域研究的深入和擴(kuò)展。此外，一些特定的植物性食品，例如“blueberry（藍(lán)莓）”“camellia oleifera fruit（山茶果）”“dragonfruit（火龍果）”；“coconut（椰子）”“coffee（咖啡）”等經(jīng)濟(jì)作物的研究也開(kāi)始被納入研究范疇，體現(xiàn)了ASABE研究對(duì)象的廣泛性和前瞻性。

綜上所述，ASABE的研究對(duì)象在近年來(lái)呈現(xiàn)出多樣化、動(dòng)態(tài)化和深入化的趨勢(shì)。從傳統(tǒng)的農(nóng)作物和牲畜到新興的農(nóng)業(yè)資源和經(jīng)濟(jì)作物，從農(nóng)業(yè)生產(chǎn)的各個(gè)環(huán)節(jié)到農(nóng)業(yè)生態(tài)系統(tǒng)的整體管理，ASABE年會(huì)論文的研究對(duì)象覆蓋了農(nóng)業(yè)生物工程的廣泛領(lǐng)域，體現(xiàn)了該領(lǐng)域研究的全面性和前瞻性。

3.2 ASABE年會(huì)學(xué)術(shù)論文研究方法及技術(shù)應(yīng)用分析

2021—2023年，ASABE年會(huì)學(xué)術(shù)論文中展現(xiàn)了對(duì)多種先進(jìn)技術(shù)和方法的廣泛關(guān)注。通過(guò)圖10所示的2021—2023年ASABE年會(huì)學(xué)術(shù)論文中研究方法及技術(shù)應(yīng)用關(guān)鍵詞的頻次圖，可以觀察到幾個(gè)顯著的特征。首先，“deep learning（深度學(xué)習(xí)）”作為當(dāng)今人工智能領(lǐng)域的前沿技術(shù)，以52次的頻次高居榜首，表明農(nóng)業(yè)與生物工程領(lǐng)域研究在推動(dòng)深度學(xué)習(xí)在農(nóng)業(yè)領(lǐng)域應(yīng)用方面作出了顯著貢獻(xiàn)。其次，“sensor（傳感器）”和“machine learning（機(jī)器學(xué)習(xí)）”的廣泛應(yīng)用，反映了數(shù)據(jù)收集和分析方面在農(nóng)業(yè)領(lǐng)域的重要地位。此外，“convolutional neural networks（卷積神經(jīng)網(wǎng)絡(luò)）”“you only look once（YOLO算法）”和“unmanned aerial vehicle（無(wú)人機(jī)）”等關(guān)鍵詞的頻繁出現(xiàn)，進(jìn)一步揭示了農(nóng)業(yè)與生物工程領(lǐng)域在圖像處理、目標(biāo)檢測(cè)和自動(dòng)化監(jiān)測(cè)等領(lǐng)域的活躍研究?！癷mage processing（圖像處理）”“computer vision（計(jì)算機(jī)視覺(jué)）”“machine vision（機(jī)器視覺(jué)）”等技術(shù)的使用頻次也相對(duì)較高，凸顯了視覺(jué)技術(shù)在農(nóng)業(yè)與生物工程領(lǐng)域研究中的核心地位?！癷nternetof things（物聯(lián)網(wǎng)）”“anaerobic digestion（厭氧消化）”“artificial intelligence（人工智能）”等關(guān)鍵詞的出現(xiàn)，則展現(xiàn)了農(nóng)業(yè)與生物工程領(lǐng)域研究在跨學(xué)科整合和前沿探索方面的趨勢(shì)?！癲iscrete elementmethod（離散元法）”“hyperspectral imaging（高光譜成像）”“remote sensing（遙感）”等技術(shù)的運(yùn)用，則體現(xiàn)了農(nóng)業(yè)與生物工程領(lǐng)域研究在數(shù)值模擬、光譜分析和遙感監(jiān)測(cè)等方面的專(zhuān)業(yè)能力。這些關(guān)鍵詞的總體特征顯示，農(nóng)業(yè)與生物工程的研究方法和技術(shù)應(yīng)用涵蓋了從數(shù)據(jù)收集、處理到分析的全方位流程，體現(xiàn)了其在農(nóng)業(yè)生物系統(tǒng)工程領(lǐng)域的綜合研究實(shí)力與前瞻性。

在深入探究ASABE年會(huì)學(xué)術(shù)論文中研究方法及技術(shù)應(yīng)用關(guān)鍵詞的趨勢(shì)變化時(shí)，我們觀察到了2021—2023年顯著的變化態(tài)勢(shì)。圖11、圖12和圖13分別展示了這三年間研究方法及技術(shù)應(yīng)用關(guān)鍵詞的年度排序情況，為我們提供了直觀的分析依據(jù)。在2021年的TOP10關(guān)鍵詞中，“deep learning（深度學(xué)習(xí)）”“convolutional neural network（卷積神經(jīng)網(wǎng)絡(luò)）”“machine learning（機(jī)器學(xué)習(xí)）”等技術(shù)占據(jù)主導(dǎo)地位，反映出該年度內(nèi)，基于數(shù)據(jù)驅(qū)動(dòng)的深度學(xué)習(xí)模型和相關(guān)算法在農(nóng)業(yè)生物系統(tǒng)工程中的熱門(mén)程度。至2022年，“deep learning（深度學(xué)習(xí)）”依然保持領(lǐng)先地位，但“image processing（圖像處理）”技術(shù)的關(guān)注度顯著提升， 同時(shí)， “ h y p e r s p e c t r a limaging（高光譜成像）”和“artificial intelligence（人工智能）”等技術(shù)開(kāi)始嶄露頭角，暗示了技術(shù)焦點(diǎn)的多樣化和跨學(xué)科融合的趨勢(shì)。進(jìn)入2023年，“deep learning（深度學(xué)習(xí)）”“machine learning（機(jī)器學(xué)習(xí)）”等關(guān)鍵技術(shù)持續(xù)保持高關(guān)注度，但“You Only Look Once（YOLO算法）”和“anaerobicdigestion（厭氧消化）”的崛起，則體現(xiàn)了研究焦點(diǎn)向?qū)崟r(shí)性、高效性和環(huán)境可持續(xù)性方向的轉(zhuǎn)移。這些變化不僅揭示了農(nóng)業(yè)生物系統(tǒng)工程領(lǐng)域研究方法及技術(shù)應(yīng)用的前沿動(dòng)態(tài)，而且為未來(lái)的研究方向和技術(shù)發(fā)展提供了重要參考。

4 結(jié)論

本文采用文獻(xiàn)計(jì)量學(xué)方法， 聚焦于A S A B Eelibrary官網(wǎng)在特定日期范圍內(nèi)發(fā)布的年會(huì)論文，利用CiteSpace軟件對(duì)2021—2023年ASABE年會(huì)學(xué)術(shù)論文的研究熱點(diǎn)分別進(jìn)行了總體與分類(lèi)分析，得出的結(jié)論如下。

（1）從ASABE年會(huì)學(xué)術(shù)論文研究熱點(diǎn)的總體特征來(lái)看，在農(nóng)業(yè)工程領(lǐng)域，深度學(xué)習(xí)、機(jī)器學(xué)習(xí)等人工智能技術(shù)在農(nóng)業(yè)領(lǐng)域的應(yīng)用趨勢(shì)顯著，尤其是在圖像識(shí)別、產(chǎn)量估算、疾病診斷等方面，為農(nóng)業(yè)的智能化和精準(zhǔn)化提供了技術(shù)支撐。同時(shí)，無(wú)人機(jī)、物聯(lián)網(wǎng)、云計(jì)算等技術(shù)也在精準(zhǔn)農(nóng)業(yè)、環(huán)境監(jiān)測(cè)等方面展現(xiàn)出巨大的應(yīng)用潛力，有效提升了農(nóng)業(yè)生產(chǎn)的效率、精準(zhǔn)度和智能化水平。此外，對(duì)土壤濕度、空氣質(zhì)量等環(huán)境因素的研究也體現(xiàn)了對(duì)農(nóng)業(yè)生產(chǎn)環(huán)境的重視。整體而言，農(nóng)業(yè)工程領(lǐng)域正積極利用先進(jìn)技術(shù)推動(dòng)農(nóng)業(yè)現(xiàn)代化、智能化發(fā)展，以實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)的可持續(xù)發(fā)展。隨著技術(shù)的不斷進(jìn)步和應(yīng)用領(lǐng)域的不斷拓展，未來(lái)該領(lǐng)域的研究熱點(diǎn)將繼續(xù)深化和拓展。

（2）從近年來(lái)ASABE年會(huì)學(xué)術(shù)論文研究熱點(diǎn)的演變軌跡來(lái)看，自2021年以來(lái)，深度學(xué)習(xí)、機(jī)器學(xué)習(xí)等技術(shù)的研究與應(yīng)用呈現(xiàn)出持續(xù)深化的趨勢(shì)。與此同時(shí)，YOLO算法與無(wú)人機(jī)技術(shù)等新興算法與技術(shù)應(yīng)用也逐漸成為研究熱點(diǎn)，展現(xiàn)了技術(shù)應(yīng)用的廣闊前景。這些技術(shù)的不斷發(fā)展與深入應(yīng)用，不僅推動(dòng)了農(nóng)業(yè)生產(chǎn)方式的智能化與自動(dòng)化變革，更為農(nóng)業(yè)生產(chǎn)的革新與發(fā)展注入了新的活力。隨著技術(shù)的不斷進(jìn)步與應(yīng)用的持續(xù)拓展，農(nóng)業(yè)與生物工程領(lǐng)域的研究熱點(diǎn)將進(jìn)一步深化與拓展。深度學(xué)習(xí)、機(jī)器學(xué)習(xí)等人工智能技術(shù)將繼續(xù)在精準(zhǔn)農(nóng)業(yè)、目標(biāo)檢測(cè)、圖像處理等領(lǐng)域發(fā)揮重要作用，而無(wú)人機(jī)、物聯(lián)網(wǎng)、云計(jì)算等技術(shù)的融合應(yīng)用也將為農(nóng)業(yè)生產(chǎn)方式的革新與發(fā)展提供更為廣闊的空間。同時(shí)，對(duì)土壤濕度、空氣質(zhì)量等環(huán)境因素的深入研究，亦將進(jìn)一步提升農(nóng)業(yè)生產(chǎn)的環(huán)境適應(yīng)性與可持續(xù)性。

（3）從ASABE年會(huì)學(xué)術(shù)論文研究對(duì)象上看，ASABE 年會(huì)論文的研究對(duì)象展現(xiàn)出全面、多樣、動(dòng)態(tài)且深入的顯著趨勢(shì)。其重點(diǎn)涵蓋了畜牧業(yè)、食品科學(xué)、作物保護(hù)等領(lǐng)域。在農(nóng)業(yè)方面，水稻和玉米成為核心研究對(duì)象，相關(guān)研究涉及種植、病蟲(chóng)害檢測(cè)、干燥技術(shù)等諸多環(huán)節(jié)，致力于提高生產(chǎn)效率與可持續(xù)性。在畜牧業(yè)中，豬、奶牛、家禽和牛等畜禽類(lèi)占據(jù)關(guān)鍵地位，研究范疇包括養(yǎng)殖環(huán)境優(yōu)化、疾病防控等內(nèi)容，旨在提升養(yǎng)殖效率并強(qiáng)化環(huán)境保護(hù)水平。此外，研究范疇還延伸至眾多其他方面，諸如多種作物、果園、雜草、害蟲(chóng)等多樣化對(duì)象，充分彰顯了ASABE 在農(nóng)業(yè)工程領(lǐng)域的廣泛涉獵。從傳統(tǒng)的農(nóng)作物與牲畜，拓展至新興的農(nóng)業(yè)資源和經(jīng)濟(jì)作物，從農(nóng)業(yè)生產(chǎn)的單一環(huán)節(jié)延伸至農(nóng)業(yè)生態(tài)系統(tǒng)的整體管理，ASABE 年會(huì)論文的研究對(duì)象廣泛覆蓋了農(nóng)業(yè)生物工程的眾多領(lǐng)域，凸顯出該領(lǐng)域研究的全面性和前瞻性。

（4）從ASABE年會(huì)學(xué)術(shù)論文研究方法及技術(shù)應(yīng)用來(lái)看，2021—2023年ASABE年會(huì)學(xué)術(shù)論文中展現(xiàn)了對(duì)多種先進(jìn)技術(shù)和方法的廣泛關(guān)注。深度學(xué)習(xí)作為當(dāng)今人工智能領(lǐng)域的前沿技術(shù)，其頻次高居榜首。傳感器、機(jī)器學(xué)習(xí)、卷積神經(jīng)網(wǎng)絡(luò)、“YOLO”算法、無(wú)人機(jī)等關(guān)鍵詞的出現(xiàn)頻率也很高。這些關(guān)鍵詞的總體特征顯示出農(nóng)業(yè)與生物工程的研究方法和技術(shù)應(yīng)用涵蓋了從數(shù)據(jù)收集、處理到分析的全方位流程，體現(xiàn)了其在農(nóng)業(yè)生物系統(tǒng)工程領(lǐng)域的綜合研究實(shí)力與前瞻性。其中，隨著時(shí)間的推移，農(nóng)業(yè)生物系統(tǒng)工程領(lǐng)域的研究焦點(diǎn)呈現(xiàn)多樣化、跨學(xué)科融合和實(shí)時(shí)高效化的趨勢(shì)。這些變化不僅揭示了農(nóng)業(yè)生物系統(tǒng)工程領(lǐng)域研究方法及技術(shù)應(yīng)用的前沿動(dòng)態(tài)，而且為未來(lái)的研究方向和技術(shù)發(fā)展提供了重要參考。

綜上所述，ASABE作為農(nóng)業(yè)工程領(lǐng)域的權(quán)威學(xué)術(shù)組織，其年會(huì)學(xué)術(shù)論文在2021—2023年的研究熱點(diǎn)主要集中在深度學(xué)習(xí)等人工智能技術(shù)上，并不斷深化在相關(guān)領(lǐng)域的應(yīng)用。研究對(duì)象既呈現(xiàn)出顯著的集中性，涉及的研究領(lǐng)域又具有明顯的廣泛性，呈現(xiàn)出多樣化、動(dòng)態(tài)化和深入化的趨勢(shì)。研究方法和技術(shù)應(yīng)用更是不斷隨著時(shí)間更新迭代，始終服務(wù)于農(nóng)業(yè)工程領(lǐng)域的前沿研究問(wèn)題，研究焦點(diǎn)向?qū)崟r(shí)性、高效性和環(huán)境可持續(xù)性方向的轉(zhuǎn)移，引領(lǐng)該領(lǐng)域未來(lái)的發(fā)展方向。相信在未來(lái)，隨著技術(shù)的不斷進(jìn)步和應(yīng)用面的不斷拓寬，農(nóng)業(yè)與生物工程的研究將繼續(xù)深化和拓展，為生產(chǎn)力提升和可持續(xù)發(fā)展做出更多貢獻(xiàn)。

盡管本研究通過(guò)文獻(xiàn)計(jì)量學(xué)方法和CiteSpace軟件對(duì)ASABE年會(huì)學(xué)術(shù)論文進(jìn)行了深入的分析，揭示了農(nóng)業(yè)工程領(lǐng)域的研究熱點(diǎn)和趨勢(shì)，但仍存在一定的局限性。首先，本研究?jī)H聚焦于ASABE elibrary官網(wǎng)發(fā)布的年會(huì)論文，可能無(wú)法全面反映全球農(nóng)業(yè)工程領(lǐng)域的研究現(xiàn)狀。其次，本研究的時(shí)間跨度為2021—2023年，相對(duì)較短，可能無(wú)法充分揭示農(nóng)業(yè)工程領(lǐng)域研究熱點(diǎn)的長(zhǎng)期演變規(guī)律。針對(duì)上述局限性，未來(lái)的研究可以從以下三個(gè)方面進(jìn)行拓展和深化。首先，可以進(jìn)一步拓寬研究范圍，將全球范圍內(nèi)的農(nóng)業(yè)工程領(lǐng)域研究納入分析，以更全面地了解該領(lǐng)域的研究現(xiàn)狀和發(fā)展趨勢(shì)。其次，可以深入研究不同地域和文化背景下的農(nóng)業(yè)工程研究差異，探討其背后的原因和影響因素。此外，還可以結(jié)合其他數(shù)據(jù)源和方法，例如社交媒體、專(zhuān)家訪談等，以獲取更豐富、多元的研究信息。面向未來(lái)，隨著科技創(chuàng)新的不斷加速和跨學(xué)科融合的深入，農(nóng)業(yè)生物工程領(lǐng)域的研究將迎來(lái)更廣闊的前景。未來(lái)農(nóng)業(yè)生物工程領(lǐng)域的研究將繼續(xù)保持蓬勃發(fā)展的態(tài)勢(shì)，通過(guò)技術(shù)創(chuàng)新和跨學(xué)科融合，不斷推動(dòng)農(nóng)業(yè)生產(chǎn)的現(xiàn)代化、智能化和可持續(xù)發(fā)展。

參考文獻(xiàn)

[1] 師麗娟.中外農(nóng)業(yè)工程學(xué)科發(fā)展比較研究[D].北

京：中國(guó)農(nóng)業(yè)大學(xué)，2016.

[2] 魏秀菊，朱明，廖艷.鄉(xiāng)村振興背景下農(nóng)業(yè)工程學(xué)科

的生態(tài)農(nóng)業(yè)工程創(chuàng)新拓展[J].農(nóng)業(yè)工程，2022，

12（8）：5-14.

[3] 張偉.中國(guó)農(nóng)業(yè)工程教育發(fā)展的新階段——1978—

1989[J].農(nóng)業(yè)工程學(xué)報(bào)，1989，5（3）：23-28.

[4] 李莉，王應(yīng)寬，傅澤田，等.世界農(nóng)業(yè)工程學(xué)科研究

進(jìn)展及發(fā)展趨勢(shì)[J].農(nóng)業(yè)工程學(xué)報(bào)，2023，39（3）：

1-15.

[5] 范磬亞，張?jiān)氯?，梁?國(guó)際農(nóng)業(yè)工程學(xué)科的前沿主

題及發(fā)展趨勢(shì)分析[J].江蘇科技信息，2020，37

（9）：13-17.

[6] ASABE. About Us[EB/OL].[2024-06-26].https：

//www.asabe.org/About-Us

[7] 馬成林.農(nóng)業(yè)工程學(xué)科發(fā)展趨勢(shì)[C]//農(nóng)業(yè)系統(tǒng)工

程理論與實(shí)踐研究——全國(guó)農(nóng)業(yè)系統(tǒng)工程學(xué)術(shù)研

討會(huì)論文集.哈爾濱，2006：12-17.

[8] Chen C M.Science mapping：asystematic review

of the literature[J].Journal of Data and

Information Science，2017，2（2）：1-40.

[9] Rajendra Kumar P，Manash E K.Deep learning：

a branch of machine learning[J].Journal of

Physics：Conference Series，2019，1228（1）：

012045.

[10] 歐俊，曾曉霞.精準(zhǔn)農(nóng)業(yè)與智能農(nóng)機(jī)的現(xiàn)狀與未來(lái)

發(fā)展[J].南方農(nóng)機(jī)，2024，55（8）：44-46+56.

[11] RedmonJ，DivvalaS，GirshickR，et al.You

only look once：unified，real-time object

detection[C]//2016 IEEE Conference on

Computer Vision and Pattern Recognition

（CVPR）.LasVegas，NV，USA.IEEE，2016：779-

788.

[12] J a h a n N ， Z h a n g Z ， L i u Z H ， e t a l .

U s i n g i m a g e s f r o m a h a n d h e l d c a m e r a

to detect wheat bacterial leaf streak

disease severities[C]//2021 ASABE Annual

International Virtual Meeting，July 12-

16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[13] ZhouZX，F(xiàn)uLS.Kiwifruit yield estimation

using deep learning and binocular stereo

vision on Android smartphones[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society

of Agricultural and BiologicalEngineers，

2021.

[14] ChengHH，DaiY L，Lin C P，et al.Identifying

tomato diseases from leave images using

deep convolutional neural networks[C]//2021

A S A B E A n n u a l I n t e r n a t i o n a l V i r t u a l

Meeting，July 12-16，2021.St.Joseph，MI：

A m e r i c a n S o c i e t y o f A g r i c u l t u r a l a n d

BiologicalEngineers，2021.

[15] Rafael Bidese Puhl，Yin Bao，Alvaro Sanz-

Saez，Charles Chen. Infield peanut pod

counting using deep neural networks for

yield estimation[C]//2021 ASABE Annual

International Virtual Meeting，July 12-16，

2021.American Society of Agricultural and

BiologicalEngineers，2021.

[16] LaiHH，Chang Y T，YangJI，et al.Application

of convolutional neural networks on the

development of plant-parasitic nematode

image identification system[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society

of Agricultural and BiologicalEngineers，

2021.

[17] SangjanW，CarterA H，PumphreyM O，et al.

D e v e l o p m e n t o f s e n s o r s y s t e m f o r t h e

Internet of Things（IoT）-based automated

I n - f i e l d m o n i t o r i n g t o s u p p o r t c r o p

improvement programs[C]//2021 ASABE Annual

International Virtual Meeting，July 12-

16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[18] Eros A H，William M D，Simon J Q，Ma. I M

T，Armando S M B，Lea T，Ma. B C R，Alyssa

J C，Jeremias A G，Dan J A R，et al. AIoTb

a s e d S y s t e m f o r I n d o o r P l a n t G r o w t h

Monitoring and Early Nutrient Deficiency

Detection[C]//2022 Houston，Texas July 17-

20，2022.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2022.

[19] Zhang H Z，HeL，DiGioiaF，et al.Internet of

Things（IoT）-based precision irrigation

w i t h L o R a W A N t e c h n o l o g y a p p l i e d t o

vegetable production[C]//2021 ASABE Annual

International Virtual Meeting，July12-16，

2021.St.Joseph，MI：American Society of

Agricultural and Biological Engineers，

2021：2210-2228.

[20] PraptiD R，BinMohamedShariffA R，CheManH，et

al.An overview of water quality monitoring

in IoT based aquaculture[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society

of Agricultural and BiologicalEngineers，

2021.

[21] MN C A H，AlkadyKH，JinHY，et al.A deep

convolutional neural network based image

processing framework for monitoring the

growth of soybean crops[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society

of Agricultural and BiologicalEngineers，

2021.

[22] Guntaka ML，SaraswatD，Langenhoven P.IoT

based low-cost testbed for precision indoor

farming[C]//2021 ASABE Annual International

Virtual Meeting，July 12-16，2021.St.Joseph，

MI：American Society of Agricultural and

BiologicalEngineers，2021.

[23] Narimani M，Hajiahmad A，MoghimiA，et al.

Developing an aeroponic smart experimental

greenhouse for controlling irrigation and

plant disease detection using deep learning

and IoT[C]//2021 ASABE Annual International

Virtual Meeting，July 12-16，2021.St.Joseph，

MI：American Society of Agricultural and

BiologicalEngineers，2021.

[24] Ho I C，LaiYJ，ChiangPN，et al.Integration

of multiple sensors for beehive health

status monitoring and assessment[C]//2022

Houston，Texas July 17-20，2022.St.Joseph，

MI：American Society of Agricultural and

BiologicalEngineers，2022.

[25] W u Y T，W u Y F，C h e n S K，e t a l . D e s i g n o f a

versatile wireless multi-sensor interface

for the intelligent environmental and

pest monitoring system[C]//2022 Houston，

T e x a s J u l y 1 7 - 2 0 ， 2 0 2 2 . S t . J o s e p h ， M I ：

A m e r i c a n S o c i e t y o f A g r i c u l t u r a l a n d

BiologicalEngineers，2022.

[26] Lee M，LiPY，Koziel J A，et al.Pilotscale

testing of UV-alight treatment for

mitigation of NH3，H2S，GHGs，VOCs，odor，

and O3inside the poultry barn[J].Frontiers

in Chemistry，2020，8：613.[PubMed]

[27] L e e M ， K o z i e l J A ， M u r p h y W ， e t a l .

D e s i g n ， t e s t i n g ， a n d c o m m i s s i o n i n g o f

m o b i l e l a b o r a t o r y f o r m i t i g a t i o n o f

gaseous emission from livestock barns

with photocatalysis[C]//2021 ASABE Annual

International Virtual Meeting，July 12-

16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[28] Baitong C，Jacek A K，Chumki B，Hantian

M，M y e o n g s e o n g L，S a m u e l C O，P e i y a n g

L，Daniel S A，Andrzej B，Robert C B，

et al. Reduction of gaseous emissions

from swine manure：effect of biochar dose

and reapplication[C]//2021 ASABE Annual

International Virtual Meeting，July 12-

16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[29] Peiyang L，Jacek A K，Nubia M，Jeffrey J Z，

Danielle W，Erin S，Mateo B，William B W，

Reid V P，Dongjie L，et al. Continuous air

cleaning by filtration and UV-C treatment

of airborne pathogens and particulate

matter in indoor spaces[C]//2022 Houston，

T e x a s J u l y 1 7 - 2 0 ， 2 0 2 2 . S t . J o s e p h ， M I ：

A m e r i c a n S o c i e t y o f A g r i c u l t u r a l a n d

BiologicalEngineers，2022.

[30] Lee M，Brandani C，Bush K J，et al.Realtime

ammonia measurement system using an

electrochemical sensor[C]//2023 ASABE

Annual International Meeting. St. Joseph，

MI：ASABE，2023：1.

[31] Lee M，Brandani C B，Bush K J，et al. The

effect of water application on ammonia

emissions from open-lot livestock-feeding

surfaces[C]//2023 ASABE Annual International

Meeting. St. Joseph，MI：ASABE，2023：1.

[32] Li P，Koziel J A，Yedilbayev B，et al. A

simple and practical study on the spatial

variation of ultraviolet and visible light

output：measurement and estimation of nearand

far-distance conditions[C]//2023 ASABE

Annual International Meeting. St. Joseph，

MI：ASABE，2023：1.

[33] 李炳臻，劉克，顧佼佼，等.卷積神經(jīng)網(wǎng)絡(luò)研究綜述

[J].計(jì)算機(jī)時(shí)代，2021（4）：8-12+17.

[34] AdosoglouG，ParkS，AmpatzidisY，et al.

A high-level task planning of autonomous

robots carrying multiple herbicides and

treating specific weed types[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society

of Agricultural and BiologicalEngineers，

2021.

[35] Gauci A A，LindseyA，ShearerSA，et al.

Scalability of yield monitor data for

supporting on-farm research[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society

of Agricultural and BiologicalEngineers，

2021.

[36] M a t h a n k e r S K . D e v e l o p i n g a p r e c i s i o n

a g r i c u l t u r e t e c h n o l o g y c o u r s e f o r

regions with lower technology adoption

levels[C]//2021 ASABE Annual International

Virtual Meeting，July 12-16，2021.St.Joseph，

MI：American Society of Agricultural and

BiologicalEngineers，2021.

[37] LiuYH，WangH，ZhouLM，et al.Design and

test of closed-loop fertilizer control

system based on PID[C]//2021 ASABE Annual

International Virtual Meeting，July 12-

16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[38] WuCX，LuckJ，Thompson L，et al.Machine

learning methods for predicting sitespecific

profitability from sensor-based

nitrogen applications[C]//2021 ASABE Annual

International Virtual Meeting，July12-16，

2021.St.Joseph，MI：American Society of

Agricultural and Biological Engineers，

2021：2469-2479.

[39] MirbodO，ChoiD，HeinemannP H，et al.Infield

apple size and location tracking using

machine vision to assist fruit thinning

and harvest decision-making[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society

of Agricultural and BiologicalEngineers，

2021：2123-2128.

[40] D e n g B Y ， L u Y Z ， X u J J . W e e d d a t a b a s e

development：an updated survey of public weed

datasets and cross-season weed detection

adaptation[J].Ecological Informatics，2024，

81：102546.

[41] 侯方安，祁亞卓.淺析農(nóng)用無(wú)人飛機(jī)在我國(guó)的發(fā)展

[J].農(nóng)機(jī)科技推廣，2020（12）：15-17+19.

[42] WanJJ，Qi L J，ZhangH，et al.Research status

and development trend of UAV broadcast

sowing technology in China[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society

of Agricultural and BiologicalEngineers，

2021.

[43] WanJJ，Qi L J，ZhangH，et al.A real-time

route planning method based on DeepLabV3+

for plant protection UAVs[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society

of Agricultural and BiologicalEngineers，

2021.

[44] Vijayakumar V，CostaL，Ampatzidis Y.Prediction

of citrus yield with AI using ground-based

fruit detection and UAV imagery[C]//2021

A S A B E A n n u a l I n t e r n a t i o n a l V i r t u a l

Meeting，July 12-16，2021.St.Joseph，MI：

A m e r i c a n S o c i e t y o f A g r i c u l t u r a l a n d

BiologicalEngineers，2021.

[45] WangTY，ChandraA，Meeks M，et al.UAV remote

sensing-based phenotyping to evaluate

drought stress in turfgrass[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society

of Agricultural and BiologicalEngineers，

2021.

[46] A h m a d A ， S a r a s w a t D ， E l G a m a l A ， e t a l .

Comparison of deep learning models for

corn disease identification，tracking，

a n d s e v e r i t y e s t i m a t i o n u s i n g i m a g e s

acquired from uav-mounted and handheld

sensors[C]//2021 ASABE Annual International

Virtual Meeting，July 12-16，2021.St.Joseph，

MI：American Society of Agricultural and

BiologicalEngineers，2021.

[47] Huang YB，F(xiàn)engG，Tewolde H.Multisource

r e m o t e s e n s i n g f i e l d m o n i t o r i n g

f o r i m p r o v i n g c r o p p r o d u c t i o n

m a n a g e m e n t [ C ] / / 2 0 2 1 A S A B E A n n u a l

International Virtual Meeting，July 12-

16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[48] B a g h e r i a n K，B i d e s e P u h l R，B a o Y，e t a l .

Phenotyping agronomic traits of peanuts

using UAV-based hyperspectral imaging and

deep learning[C]//2022 Houston，Texas July

17-20，2022.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2022.

[49] WaldrepK S，Tagert M L M，McCoyJ，et al.

UAV multispectral imagery for site-specific

management of iron deficiency chlorosis（IDC）

in soybean[C]//2022 Houston，Texas July 17-

20，2022.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2022.

[50] LenaB P，Bondesan L，Ortiz B V，et al.

Evaluation of different negligible drainage

flux for field capacity estimation and its

implication on irrigation depth for major

soil types in Alabama，USA[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[51] Jasreman S，Derek M H，Yufeng G，Geng B，

Christopher M U N，Mitchell S M，Sandeep

B，et al. Sensor-based irrigation of maize

and soybean in East-Central Nebraska under

a sub-humid climate[C]//2021 ASABE Annual

International Virtual Meeting，July 12-

16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[52] McGillS E，HayesM，PowerK，et al.Determining

moisture content in equine arena footing

on-farm[C]//2022 Houston，Texas July 17-

20，2022.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2022.

[53] 王健，隋斌，程紅勝，等.我國(guó)不同區(qū)域農(nóng)業(yè)廢棄物

厭氧消化及資源化技術(shù)模式構(gòu)建及其評(píng)價(jià)研究

[J].中國(guó)沼氣，2021，39（4）：3-11.

[54] Chiumenti A，TedescoS，Da Borso F.Anaerobic

digestion of spent compost and peat from

the cultivation of mushroom[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[55] ChiumentiA，OwonoOwono B，F(xiàn)aitG，et al.

Upflow anaerobic floating filter（UAFF）

for the anaerobic digestion of fish farm

waste from brackish aquaculture[C]//2022

Houston，Texas July 17-20，2022.St.Joseph，

MI：American Society of Agricultural and

BiologicalEngineers，2022.

[56] BolandM L，Cheng J J.Metagenomics reveals

microbiome changes with lignocellulose

biomass addition in anaerobic co-digesters

treating swine wastewater[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[57] MyersG M，AndersenD S，Raman D R.Cost

assessment of centralizing a swine manure

and corn stover co-digestion system for

biogas production[C]//2021 ASABE Annual

International Virtual Meeting，July 12-

16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[58] S a h a C K ， S a r k a r S ， A l a m M M . S y n c h r o n i z e d

p a d d y c u l t i v a t i o n u s i n g m e c h a n i c a l

r i c e t r a n s p l a n t i n g t e c h n o l o g y i n

Bangladesh[C]//2022 Houston，Texas July 17-

20，2022.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2022.

[59] L u t h r a K ， S a d a k a S . E n e r g y a n d e x e r g y

a n a l y s i s o f r o u g h r i c e d r y i n g i n a

fluidized bed and fixed bed with ambient

air dehumidification[C]//2021 ASABE Annual

International Virtual Meeting，July 12-

16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[60] A m e e r S ， W e i L ， W u Y J ， e t a l . E f f e c t s o f

biochar-based control release nitrogen

fertilizers on corn growth in greenhouse

trials[C]//2022 Houston，Texas July 17-

20，2022.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2022.

[61] Oduola A A，Atungulu G G.Effects of novel

infrared heat treatments and tempering on

rice pasting properties[C]//2021 ASABE

Annual International Virtual Meeting，July

12-16，2021.St.Joseph，MI：American Society

of Agricultural and BiologicalEngineers，

2021.

[62] S u n Z Q ， D u X Q ， Y i n C ， e t a l . D e s i g n a n d

experiment of an automatic separating and

embedding machine for rice potted-seedling

tray[C]//2021 ASABE Annual International

Virtual Meeting，July 12-16，2021.St.Joseph，

MI：American Society of Agricultural and

BiologicalEngineers，2021.

[63] XiT，YaoFQ，WangY W，et al.Optimization of

airflow velocity of pneumatic pollination

for hybrid rice breeding[C]//2022 Houston，

T e x a s J u l y 1 7 - 2 0 ， 2 0 2 2 . S t . J o s e p h ， M I ：

A m e r i c a n S o c i e t y o f A g r i c u l t u r a l a n d

BiologicalEngineers，2022.

[64] FieldT C，StwalleyR M.Numerical modeling

a n d o p t i m i z a t i o n o f t h e p u r d u e h o g

cooling pad design[C]//2021 ASABE Annual

International Virtual Meeting，July 12-

16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[65] LiPY，Koziel J A，Zimmerman J J，et al.

Method for aerosolization and collection

of Porcine Reproductive and Respiratory

S y n d r o m e V i r u s（P R R S V）：e n g i n e e r i n g

c o n s i d e r a t i o n s [ C ] / / 2 0 2 1 A S A B E A n n u a l

International Virtual Meeting，July 12-

16，2021.St.Joseph，MI：American Society of

Agricultural and BiologicalEngineers，2021.

[66] OlaniyiE，LuYZ，SukumaranA T，et al.Nondestructive

assessment of white striping

in broiler breast meat using structuredillumination

reflectance imaging with deep

learning[J].Journalofthe ASABE，2023，66（6）：

1437-1447.

[67] S h i n s u k e K ， T o m o h i r o M ， K e n - i c h i H ，

M i t s u h i k o K ， e t a l . O b j e c t d e t e c t i o n

technique applied to cattle production

sites-Identifying individual Japanese black

cows[C]//2021 ASABE Annual International

Virtual Meeting，July 12-16，2021.St.Joseph，

MI：American Society of Agricultural and

BiologicalEngineers，2021.

[68] Shine P，Upton J，MurphyM D.The development

of a national-level energy assessment tool

for the dairy industry[C]//2022 Houston，

T e x a s J u l y 1 7 - 2 0 ， 2 0 2 2 . S t . J o s e p h ， M I ：

A m e r i c a n S o c i e t y o f A g r i c u l t u r a l a n d

BiologicalEngineers，2022.

[69] FieldT C，ShirleyL K，SchinckelA P，et al.

Modification of the purdue hog cooling pad

control scheme design for heat stress in

gilts[C]//2021 ASABE Annual International

Virtual Meeting，July 12-16，2021.St.Joseph，

MI：American Society of Agricultural and

BiologicalEngineers，2021.

[70] C o r t u s E L ， S a m u e l R S ， Y a n g X F ， e t a l .

Evaluating gas and particulate matter

e m i s s i o n s a n d d o w n w i n d c o n c e n t r a t i o n

impacts using the EPI air filter wall

system[C]//2021 ASABE Annual International

Virtual Meeting，July12-16，2021.St.Joseph，

MI：American Society of Agricultural and

Biological Engineers，2021：1737-1746.