我國煙葉智慧生產(chǎn)研究現(xiàn)狀與發(fā)展趨勢

中圖分類號：S572；S126 文獻標識碼：A文章編號：1007-5119（2025）03-0126-09

Current Status and Developing Trends of Intelligent Tobacco Production in China

XU Qiang， GUO Weimin， LIANG Taibo， WANG Jianwei， WU Baojian， DAI Huaxin， ZHANG Yanling （Zhenghou Tobacco Research Institute of CNTC， Zhengzhou 45o001， China）

Abstract： Smartagricutureisanewagriculturalapplicatiomodeltatdeplyitegates thenewgeneratinofartificialintellgnce technologiessuchasdepleaming，machinevision，knowledgeengineering，reasoninganddecisionmakingwithagricultural scenarios.Tobaoplantingisainlydistrbutedinillyandmountaiousareas in Cina，andintelligenttbacoproductisowed boththecommoncharacteristicsandcertainspecificitycomparedwithintellgent productionof majorrops.Tosystematicalyreview theresearchand practicestatus，andtoanalyzethetechnicalbolenecksrestrictingthedevelopmentandthedevelopingtrendsof intellgettobaccproductioina，teintellgtpepto，tellgtaalysisditellientdeisio-aingeaald in key processes such asseedling，field production，flue-curing，gradingand alcoholization inthis study.And problems suchas intellgentsensingspecalqpments，dataitegation，kyalgoritsandmulti-functioaldsiomakingpatfoichdto be paidatentiontointedevelopmentofinteligenttobaccoproductioninChinaandsuggestionsforfurtherdevelopment wereput forward.Theresults inthisstudycanprovidereferencesfortheresearchand practiceofChina's intellgenttobaccoproduction.

ywords： intelligent tobacco production; intelligent perception; intelligent analysis; intelligent decision

智慧農(nóng)業(yè)是以信息和知識為核心要素，通過互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)、智能裝備等現(xiàn)代信息技術(shù)與農(nóng)業(yè)深度跨界融合，實現(xiàn)農(nóng)業(yè)生產(chǎn)全過程的信息感知、定量決策、智能控制、精準投入、個性化服務的全新農(nóng)業(yè)生產(chǎn)方式，是農(nóng)業(yè)信息化發(fā)展從數(shù)字化到網(wǎng)絡化再到智能化的高級階段[1-2]。世界發(fā)達國家均制定了智慧農(nóng)業(yè)發(fā)展規(guī)劃，我國也連續(xù)出臺多項“中央一號”文件大力支持發(fā)展智慧農(nóng)業(yè)[3-4]。智慧農(nóng)業(yè)的技術(shù)架構(gòu)主要包含農(nóng)情信息智能感知、數(shù)據(jù)分析與挖掘和智慧決策與控制等層面[5-6]。隨著近年物聯(lián)網(wǎng)、云計算、大數(shù)據(jù)等技術(shù)的快速發(fā)展，機器學習與AI技術(shù)逐漸成為農(nóng)業(yè)數(shù)據(jù)分析挖掘的主要手段[5.7]，以物聯(lián)網(wǎng)、大數(shù)據(jù)技術(shù)等應用為特征的決策系統(tǒng)正得到越來越廣泛的應用[8-9]，集成大數(shù)據(jù)、信息感知、模型建立與智慧決策等技術(shù)的示范性智慧農(nóng)場在主糧作物中不斷增多[10]。

智慧煙草農(nóng)業(yè)是煙草行業(yè)中長期科技規(guī)劃綱要的重要內(nèi)容，也是近年煙草農(nóng)業(yè)研究的熱點方向之一。煙葉作為我國主要的經(jīng)濟作物，其智慧生產(chǎn)既有大農(nóng)業(yè)智慧生產(chǎn)的共性特征，也存在一定特異性。在育苗和大田生產(chǎn)環(huán)節(jié)，煙葉的智慧生產(chǎn)技術(shù)與主糧作物基本一致，例如育苗大棚內(nèi)環(huán)境信息的智能感知與決策控制[11-3]，大田生產(chǎn)過程基于衛(wèi)星、無人機以及物聯(lián)網(wǎng)等技術(shù)，智能感知氣象、土壤、植被等生態(tài)環(huán)境信息，以及作物發(fā)育、營養(yǎng)、脅迫、病蟲害等[14-18]生長信息。煙葉與主糧作物的差異主要體現(xiàn)在其生產(chǎn)多分布于經(jīng)濟欠發(fā)達的丘陵山區(qū)，而且以葉片作為產(chǎn)品，具備明顯的工業(yè)產(chǎn)品屬性。從我國煙草種植區(qū)劃上來看，大約 70% 以上煙葉種植在丘陵山區(qū)，顯著高于主糧作物丘陵山區(qū)耕地面積占比（約 30% ），不僅影響了煙草農(nóng)業(yè)機械在移栽與采收等生產(chǎn)環(huán)節(jié)的發(fā)展和應用，也限制了智慧煙草農(nóng)業(yè)的快速發(fā)展。玉米、小麥、水稻、大豆等主糧作物均以種子為產(chǎn)品，與煙葉相比，更便于實現(xiàn)機械化且對產(chǎn)品品質(zhì)影響較小。此外，大田采收后的鮮煙葉還需經(jīng)過烘烤才能完成由不具備商品價值的農(nóng)產(chǎn)品向卷煙工業(yè)原料的屬性轉(zhuǎn)變，烘烤質(zhì)量容易受到烘烤設備、工藝等的影響。傳統(tǒng)煙草農(nóng)業(yè)的研究多依賴于少量數(shù)據(jù)樣本開展相關(guān)環(huán)節(jié)管理措施、工藝參數(shù)等的調(diào)整與優(yōu)化，而數(shù)據(jù)的廣泛應用和人工智能技術(shù)的融人為智慧煙草農(nóng)業(yè)的發(fā)展帶來了新的發(fā)展機遇和挑戰(zhàn)。學者們從采集設備、數(shù)據(jù)獲取、算法模型、應用系統(tǒng)等多個角度開展了煙葉生產(chǎn)全鏈條的初步探索和研究，致力于提升煙葉生產(chǎn)智能化程度，提高生產(chǎn)效率和煙葉質(zhì)量。本研究擬從智能感知、智能分析和智慧決策等方面，系統(tǒng)梳理我國煙葉智慧生產(chǎn)的研究和實踐現(xiàn)狀，剖析限制煙葉智慧生產(chǎn)發(fā)展的技術(shù)瓶頸，研判煙葉智慧生產(chǎn)的發(fā)展趨勢，以期為我國煙葉智慧生產(chǎn)研究與實踐提供參考。

1 煙葉智慧生產(chǎn)研究現(xiàn)狀

智能感知、智能分析和智慧決策覆蓋了育苗、大田生產(chǎn)、烘烤、分級、醇化等煙葉全鏈條智慧生產(chǎn)過程（圖1），智能感知裝備和衛(wèi)星、無人機以及物聯(lián)網(wǎng)等技術(shù)的發(fā)展為智能分析提供了基礎數(shù)據(jù)，基于AI技術(shù)系列關(guān)鍵算法研究為生產(chǎn)決策提供了智慧大腦，多功能生產(chǎn)決策平臺通過數(shù)據(jù)匯交與融通，下發(fā)決策命令指導生產(chǎn)，形成煙葉智慧生產(chǎn)的良性循環(huán)機制。

1.1煙葉生產(chǎn)智能感知

隨著更加精準、便攜的光學傳感器和基于圖像識別的人工智能技術(shù)的發(fā)展，以農(nóng)業(yè)傳感器為主的農(nóng)業(yè)生產(chǎn)信息獲取已逐步向圖像感知為主、多種傳感器感知共同參與的多模態(tài)信息感知方向發(fā)展[與大農(nóng)業(yè)相似，煙葉生產(chǎn)過程的智能感知也主要包含環(huán)境信息、生長信息、產(chǎn)品品質(zhì)等方面[3]1.1.1環(huán)境信息感知環(huán)境信息感知對煙草育苗、八山工，、灼和母化守過性目急化王人里女。煙草育苗環(huán)節(jié)的智能感知聚焦于棚內(nèi)溫濕度信息，大多為基于單片機、ZigBee以及物聯(lián)網(wǎng)技術(shù)的無線采集系統(tǒng)[11]，借鑒國內(nèi)外智能化溫室和植物工廠先進經(jīng)驗的自動化立體化育苗系統(tǒng)也開展了初步研究，從光、溫、水、營養(yǎng)等信息采集的角度探索煙草育苗的工廠化、集約化和自動化[12]，但是在水肥智能管控、苗期自動識別、智慧輔助決策等方面還存在著局限性[13]。煙葉大田生產(chǎn)環(huán)節(jié)，生態(tài)環(huán)境信息主要包括氣象、土壤、地形地貌和植被等。國家標準氣象站點數(shù)據(jù)仍是煙葉生產(chǎn)氣象數(shù)據(jù)的主要來源，基于商業(yè)氣象站的大田氣象信息實時監(jiān)測裝置已得到普遍應用，可以實時獲取大田環(huán)境溫濕度、光照、降水量、風速等氣象信息[4]，與微型氣象系統(tǒng)相匹配的田間定點監(jiān)測系統(tǒng)近年也逐漸增多[15]。不定期的取樣測試仍是土壤信息的主要獲取渠道，土壤水分傳感器、養(yǎng)分速測儀器等可實時感知土壤信息，其廣泛應用使土壤定點監(jiān)測技術(shù)不斷發(fā)展[1，顯著提高了監(jiān)測精度和效率。此外，基于光譜和無人機技術(shù)的測土精量配方施肥技術(shù)應用逐漸增多[17]。隨著民用衛(wèi)星技術(shù)的發(fā)展，其氣象、土壤、植被等開源數(shù)據(jù)大大便利了煙葉大田生態(tài)信息的獲取，也得到越來越多的應用[18]?？痉凯h(huán)境溫濕度是煙葉烘烤環(huán)節(jié)最關(guān)鍵的環(huán)境信息，烤房溫濕度的分布及其在烘烤過程中的變化規(guī)律一直是煙葉烘烤的研究熱點，如基于RS485、GPRS和物聯(lián)網(wǎng)技術(shù)研發(fā)的烘烤過程溫濕度實時監(jiān)測系統(tǒng)[19-22]，以及基于傳感器測量和數(shù)值模擬的烤房溫濕度分布與變化規(guī)律研究等[23]。隨著溫濕度獲取技術(shù)和裝備的逐漸成熟和廣泛應用，烘烤過程溫濕度信息的智能感知技術(shù)也逐漸成熟，已經(jīng)成為評價烘烤作業(yè)質(zhì)量和煙葉質(zhì)量診斷的有效手段[24-25]。倉儲環(huán)境信息的感知主要包含環(huán)境溫度、相對濕度、包芯溫度和氧氣濃度等[26]。包芯溫度、醇化積溫、氧氣濃度等信息的獲取和裝備開發(fā)多年來是煙葉倉儲醇化研究的熱點，目前多依賴于無線傳感網(wǎng)絡、ZigBee 技術(shù)、物聯(lián)網(wǎng)技術(shù)等實現(xiàn)[27-28]，基于積溫芯片的包芯溫度獲取裝置已在不同企業(yè)得到應用[26.29]。但是，由于環(huán)境信息與煙葉內(nèi)在質(zhì)量的關(guān)系研究尚未取得明顯進展，煙葉倉儲醇化過程所需的關(guān)鍵環(huán)境信息尚不完全明確。

1.1.2煙葉生長信息感知煙葉生長信息的感知集中于大田生產(chǎn)環(huán)節(jié)?？梢姽獬上瘛⑷~綠素熒光成像、高光譜成像、熱成像、紅外成像、近紅外成像、三維成像、激光雷達成像、計算機斷層掃描、核磁共振成像等數(shù)據(jù)采集技術(shù)廣泛應用于植物表型研究，進行養(yǎng)分分析、病蟲害監(jiān)測、三維重建、生物量檢測、產(chǎn)量預測等[30-31]。這些技術(shù)在煙葉生產(chǎn)中的應用逐漸增多，如基于高光譜成像、可見光成像、衛(wèi)星影像的田間煙葉成熟度判別[32]、病蟲害識別[33]]產(chǎn)量估算[34等。基于無人機平臺的煙株生長發(fā)育指標估測成為新的研究熱點，例如基于可見光、多光譜、激光雷達、紅外光譜分析相結(jié)合的株高株型測量、葉面積指數(shù)測量、煙草植株三維重建、病蟲害識別、成熟度識別等[35-36]。煙葉生長發(fā)育信息的智能感知數(shù)據(jù)進入快速積累期。但迄今為止，與煙葉質(zhì)量密切相關(guān)的關(guān)鍵生長發(fā)育指標如新鮮煙葉成熟度、烘烤特性等智能感知的特征敏感光譜波段尚未取得實質(zhì)性進展[37]

1.1.3煙葉品質(zhì)信息感知煙葉分級是煙葉品質(zhì)信息智能感知研究和應用的主要領域之一?；趫D像識別、光譜采集等的煙葉品質(zhì)感知和自動分級研究不斷取得新的進展[38-39]，煙葉自動分級裝備也在一些產(chǎn)區(qū)得到了應用。然而，由于目前使用的技術(shù)多是基于單片煙葉判別，在分級效率方面不能滿足收購需求，使得智能分級的研究逐漸向智能定級和工業(yè)分選轉(zhuǎn)移[40]。隨著近年智能化生產(chǎn)水平的提高，煙葉烘烤和醇化過程中質(zhì)量信息的獲取也取得明顯進展。反映煙葉烘烤質(zhì)量變化的烘烤過程煙葉圖像采集技術(shù)受到高度關(guān)注[41]，但是，由于烘烤過程的高溫高濕和黑暗環(huán)境，圖像畸變、失焦、色差明顯以及只能采集局部煙葉圖像等，一直是限制煙葉狀態(tài)信息獲取的核心問題。通過研發(fā)適應高溫高濕環(huán)境下的圖像采集裝置，過偉民等[42]解決了高溫高濕環(huán)境下煙葉圖像顏色的保真問題，實現(xiàn)了烘烤過程中煙葉圖像、水分、環(huán)境溫濕度的同步實時采集和匯交。烘烤過程中煙葉內(nèi)在質(zhì)量如質(zhì)體色素、淀粉等研究也有報道[24.43-45]，但全面反映烘烤過程煙葉質(zhì)量變化的核心指標和感知技術(shù)仍未形成。卷煙智能制造和數(shù)字化配方的發(fā)展，對煙葉醇化質(zhì)量的無損實時感知提出了新的要求。然而，由于煙葉醇化方式較多，且受到醇化煙葉整箱包裝、箱內(nèi)純黑環(huán)境等條件的限制，目前對醇化煙葉質(zhì)量的感知多采用積溫進行間接判斷[46]，雖然有關(guān)于近紅外、高光譜、代謝組等技術(shù)在煙葉醇化質(zhì)量判斷等方面的報道[47-48]，但實時、無損感知醇化煙葉質(zhì)量的技術(shù)尚未取得明顯進展。

1.2煙葉生產(chǎn)智能分析

智能分析技術(shù)是實現(xiàn)農(nóng)作物生長過程動態(tài)模擬、作物生產(chǎn)力預測預警、農(nóng)作物管理方案設計等的必要途徑和手段，煙葉生產(chǎn)過程中采用的智能分析技術(shù)主要包括基于成像和非成像技術(shù)的經(jīng)驗模型、AI技術(shù)、數(shù)字仿真與孿生等。

1.2.1經(jīng)驗模型煙葉生產(chǎn)過程中的經(jīng)驗模型研究重點關(guān)注種植面積、煙株長勢、葉面積指數(shù)、采收成熟度、煙堿、葉綠素、氮素和產(chǎn)量預測等，多基于成像或非成像光譜技術(shù)實現(xiàn)[49-52]。與其他農(nóng)作物相似，衛(wèi)星圖像廣泛應用于煙葉種植面積估測，多種植被指數(shù)被用于輔助煙草信息的識別提取[51]。光譜技術(shù)在葉綠素含量、氮含量、煙堿含量等指標的估測方面受到了高度關(guān)注和應用，例如李夢竹等[50]基于高光譜反射率對烤煙冠層葉綠素密度進行估測，模型決定系數(shù)達到0.968；蔣薇等[49]基于冠層高光譜數(shù)據(jù)建立了煙堿預測模型，模型決定系數(shù)達到0.800，預測精度較高。氣象因素在煙葉產(chǎn)量預測中應用廣泛，多基于田間實際產(chǎn)量與平行氣象數(shù)據(jù)建立相關(guān)預測模型，可實現(xiàn)煙葉產(chǎn)量的精準預測[52]。

1.2.2AI技術(shù)近年來，以深度學習為代表的AI技術(shù)憑借強大的特征提取能力和建模能力為解決海量數(shù)據(jù)處理和圖像特征復雜的問題提供了新的手段[53]，在煙葉生產(chǎn)中的研究與應用逐漸增多（表1），按照其應用方向可主要分為以CNN和YOLO為代表的分類識別算法與以SVM和RF等為代表的預測算法兩種。何艷[54]基于K-means聚類彩色圖像分割算法和CNN模型算法對育苗環(huán)節(jié)單株、多株及空穴穴盤格類別開展識別研究，壯苗識別準確率可達 99.05% 。宋坤良等[55]采用YOLO算法模型結(jié)合無人機影像，煙株數(shù)量檢測準確率達到 97.16% 。

基于機器學習和AI技術(shù)的成熟度和病蟲害識別模型在煙葉產(chǎn)區(qū)應用也逐漸增多，如“煙醫(yī)生\"智能軟件、“慧眼識煙\"APP、“看葉識熟\"APP等。機器學習和AI技術(shù)的應用也大大提高了烘烤過程煙葉狀態(tài)的識別準確率，成型產(chǎn)品在產(chǎn)區(qū)得到廣泛應用。例如姜增昀等[5基于GhostNet模型構(gòu)建了準確率為 92.05% 的GhostNet-TFSI煙葉烘烤階段機器視覺識別模型，并在此基礎上研究了高精度輕量級的改進EfficientNetB0模型[57]，準確率提升至96.13% ；吳娟[58]、李增盛等[41]基于GA-SVM模型建立的烘烤階段識別模型精度分別為 96.5% 和93.27% ；邢玉清等[59基于小波核極限學習機建立了煙葉烘烤智能識別模型，準確率進一步提升，達到了 98.33% ；Pei等[]基于信息融合的方法建立了烘烤過程煙葉狀態(tài)識別模型，準確率達到 98.4% 。但是目前大多模型驗證多基于自建數(shù)據(jù)集，泛化性和通用性不強，如何將作物不同生育期的生長特征，包括病害特征、生長參數(shù)提取等進行遷移學習，訓練通用檢測模型是當前亟須解決的問題。

1.2.3數(shù)字仿真與孿生農(nóng)業(yè)數(shù)字孿生是通過建立數(shù)字模型和傳感器來捕獲作物或農(nóng)業(yè)環(huán)境的實時信息，從而實現(xiàn)農(nóng)業(yè)生產(chǎn)全過程的可視化、數(shù)據(jù)化和智能化管理[61]。目前，數(shù)字孿生技術(shù)在西方國家已成功應用于果園病蟲害防治、農(nóng)場庫存與補給優(yōu)化管理、農(nóng)業(yè)機械及田間作業(yè)管理等方面[2]。我國蔬菜種植與管理過程中也開展了數(shù)字孿生技術(shù)的應用，針對現(xiàn)代農(nóng)業(yè)溫室設施場景內(nèi)外部構(gòu)造、溫室內(nèi)常見物聯(lián)網(wǎng)傳感器設備、溫室作物以及栽培相關(guān)器械進行高精度的三維建模，構(gòu)建虛擬溫室場景[61]。

煙葉數(shù)字仿真與孿生研究主要集中在大田生產(chǎn)和烘烤過程。煙葉烘烤過程中數(shù)字仿真與孿生聚焦于烤房氣流、溫濕度場的模擬仿真[25.63-65]?？痉績?nèi)傳感器的布設實現(xiàn)了溫濕度場的實時測量與可視化[63]，F(xiàn)LUENT和CFD等軟件的應用為烤房內(nèi)氣流運動、溫濕度場數(shù)值模擬提供了可能[65]。隨著烘烤過程的精準控制能力提高，以及烘烤過程模擬模型研究和自主調(diào)優(yōu)技術(shù)的日趨成熟，烘烤過程的數(shù)字仿真有望率先取得突破。隨著近年煙葉大田生產(chǎn)過程天空地感知技術(shù)和表型組學研究的發(fā)展，煙葉大田生產(chǎn)的數(shù)字仿真逐漸成為新的研究熱點[66-67]。鄧小鵬等[6]和胡心雨等[67]分別利用手持式激光掃描系統(tǒng)、便攜式三維掃描儀、多視角圖像序列快速獲取和重建等方法開展了大田煙草冠層結(jié)構(gòu)的三維建模研究，但是與田間煙株實際生長與模擬生長的同步、煙株實時狀態(tài)與實時管理策略之間的交互等還有較大距離。

1.3煙葉生產(chǎn)智慧決策

智慧決策的農(nóng)業(yè)應用主要包含兩類：一種是針對單一對象或單純?nèi)蝿盏闹腔蹧Q策，例如功能相對單一的物聯(lián)網(wǎng)系統(tǒng)平臺或大數(shù)據(jù)平臺；另一種是基于科學數(shù)據(jù)中心、針對作物“耕種管收\"全環(huán)節(jié)的綜合智慧決策，例如新疆生產(chǎn)建設兵團棉花生產(chǎn)大數(shù)據(jù)平臺[8]、國家水稻全產(chǎn)業(yè)鏈大數(shù)據(jù)平臺[69]等。隨著這些智慧決策平臺落地應用，無人智慧農(nóng)場發(fā)展迅速，如英國的小麥無人農(nóng)場采用智能化農(nóng)機完成小麥耕種管收全程無人化作業(yè)[70]；中國的水稻無人農(nóng)場，實現(xiàn)了包括耕種管收生產(chǎn)環(huán)節(jié)全覆蓋、機庫田間轉(zhuǎn)移作業(yè)全自動、自動避障異況停車保安全、作物生產(chǎn)過程實時全監(jiān)控、智能決策精準作業(yè)全無人的智慧管理[10]。針對農(nóng)業(yè)生態(tài)環(huán)境復雜，農(nóng)業(yè)生產(chǎn)模型功能較弱，智慧決策場景可推廣、泛化性不足等問題，哈爾濱工業(yè)大學牽頭開展“群體智能”自主作業(yè)智慧農(nóng)場技術(shù)研究，提出了農(nóng)業(yè)智慧決策實現(xiàn)的新方向。

目前，煙葉生產(chǎn)的智慧決策研究與實現(xiàn)多針對單一任務，如煙葉質(zhì)量大數(shù)據(jù)分析服務平臺、煙草育種大數(shù)據(jù)平臺、煙葉近紅外分析系統(tǒng)平臺、煙葉烘烤大數(shù)據(jù)服務平臺等，這些系統(tǒng)平臺的落地應用大大提升了煙葉生產(chǎn)的智慧決策研究水平?；诙嘣獢?shù)據(jù)融合的煙葉生產(chǎn)一體化平臺的上線推廣也成為煙葉生產(chǎn)智慧決策新的嘗試，但是，該系統(tǒng)牽涉面廣，數(shù)據(jù)治理和融通技術(shù)尚未完全解決，使其智慧決策的效能尚未得到充分發(fā)揮。與此同時，煙葉生產(chǎn)全程機械化工作的推進和全產(chǎn)業(yè)鏈智慧生產(chǎn)水平的提高，也使得煙葉智慧農(nóng)場建設成為新的關(guān)注熱點，但尚未有成功實踐。

2 煙葉智慧生產(chǎn)制約因素

近年來，我國煙葉智慧生產(chǎn)研究和實踐均取得了明顯進展，智能感知技術(shù)不斷成熟，智慧分析模型應用范圍不斷擴大，智慧決策應用場景逐漸增多。但是仍存在一些制約因素，煙葉智慧生產(chǎn)亟需破解以下問題。

2.1 智能感知方面

智能傳感器是煙葉智慧生產(chǎn)的信息之源，高精度信息的實時獲取是煙葉生產(chǎn)各環(huán)節(jié)實現(xiàn)智能化的關(guān)鍵和基礎?，F(xiàn)有煙葉生產(chǎn)環(huán)節(jié)的傳感器大多是從大農(nóng)業(yè)或工業(yè)傳感器借鑒而來，缺乏適用于不同類型生態(tài)區(qū)、不同應用場景的信息智能感知專用裝備，例如鮮煙葉成熟度、烘烤特性、醇化質(zhì)量等相關(guān)的高精度智能感知設備。另一方面，盡管物聯(lián)網(wǎng)技術(shù)在煙葉生產(chǎn)各環(huán)節(jié)應用廣泛，但缺乏對應的數(shù)據(jù)標準，造成數(shù)據(jù)采集相對隨機且孤立，數(shù)據(jù)孤島現(xiàn)象難以破除，數(shù)據(jù)資源的作用難以充分發(fā)揮，數(shù)據(jù)驅(qū)動的煙葉智能生產(chǎn)應用面臨瓶頸。

2.2 智能分析方面

從數(shù)據(jù)角度來看，數(shù)據(jù)量大、來源復雜、數(shù)據(jù)治理困難等是智慧農(nóng)業(yè)以及煙葉智慧生產(chǎn)過程中普遍存在的問題，智慧煙葉生產(chǎn)數(shù)據(jù)治理體系仍不夠完善。從模型算法分析，一方面，目前建立的模型多數(shù)依賴于自建數(shù)據(jù)集，準確性和泛化能力不足；另一方面，數(shù)字孿生和仿真等支撐智慧決策的關(guān)鍵算法模型尚未建立，基于大數(shù)據(jù)的煙葉智慧生產(chǎn)大模型尚未取得進展，如煙草生長大模型、煙葉烘烤大模型、醇化大模型等。

2.3智慧決策方面

綜合性多功能煙葉生產(chǎn)一體化平臺是煙葉智慧決策的初步嘗試，但是目前煙葉生產(chǎn)智慧決策仍以單一任務為主，數(shù)據(jù)的匯交、融通以及綜合治理仍未完全實現(xiàn)。大農(nóng)業(yè)中農(nóng)業(yè)機器人、無人農(nóng)場、多功能決策平臺的研究層出不窮，落地應用方面也已取得初步成效，但是在煙葉智慧生產(chǎn)領域，農(nóng)業(yè)機器人、無人農(nóng)場等智慧決策實踐應用新方式還有待突破，煙葉生產(chǎn)全鏈條的智慧管理決策仍需進一步研究。

3煙葉智慧生產(chǎn)發(fā)展趨勢與建議

當前是現(xiàn)代煙草農(nóng)業(yè)轉(zhuǎn)型升級的關(guān)鍵時期，基于煙葉智慧生產(chǎn)現(xiàn)狀和制約因素，未來可聚焦于以下幾個方面開展進一步研究：

（1）建立天空地一體的煙葉生長信息智能感知技術(shù)體系

基于煙葉生產(chǎn)智慧決策需求與煙草作物時空分布特征，分別選擇丘陵、平原、高原、山地等不同生態(tài)類型烤煙區(qū)，借助多源衛(wèi)星遙感、無人機遙感、田間原位測量、巡田機器人等監(jiān)測技術(shù)手段，開展烤煙大田生長階段的天空地協(xié)同遙感監(jiān)測，建立烤煙遙感信息高效感知技術(shù)規(guī)范，獲取多尺度（煙株田塊-區(qū)域）多模態(tài)（可見光、高/多光譜）烤煙不同生育期遙感時序數(shù)據(jù)，構(gòu)建烤煙大田生長期農(nóng)情遙感監(jiān)測高質(zhì)量數(shù)據(jù)集，研發(fā)一批煙葉生產(chǎn)智能感知、智能控制和自主作業(yè)等專用技術(shù)產(chǎn)品，搭建基于現(xiàn)代信息技術(shù)和表型組學數(shù)據(jù)挖掘的煙葉生長信息感知技術(shù)和裝備體系。

（2）構(gòu)建智慧煙葉生產(chǎn)數(shù)據(jù)治理體系

以煙葉智慧生產(chǎn)數(shù)據(jù)規(guī)范采集、高效傳輸和安全共享為目標，明確各產(chǎn)區(qū)煙葉生產(chǎn)環(huán)境、生長、品質(zhì)等信息數(shù)據(jù)的主要傳輸方式和接口協(xié)議，以通用、安全、高效為原則，制定包括采集內(nèi)容、數(shù)據(jù)來源、傳輸方式、訪問控制、數(shù)據(jù)質(zhì)量和安全要求、采集傳輸頻率、數(shù)據(jù)共享等內(nèi)容的煙葉生產(chǎn)環(huán)境、生長、品質(zhì)等信息數(shù)據(jù)的數(shù)據(jù)標準、數(shù)據(jù)采集規(guī)范和上傳規(guī)范等，采集和整合全國煙葉生產(chǎn)全鏈條的時間序列和天空地不同尺度空間數(shù)據(jù)，探索數(shù)據(jù)在線增量更新技術(shù)，形成高質(zhì)量數(shù)據(jù)有效生長機制。加強現(xiàn)有系統(tǒng)互聯(lián)互通、數(shù)據(jù)同源共享，做好煙葉智慧生產(chǎn)相關(guān)數(shù)據(jù)的生長、匯交、治理工作，構(gòu)建煙葉智慧生產(chǎn)數(shù)據(jù)治理體系，建立煙葉生產(chǎn)過程信息大數(shù)據(jù)平臺，奠定智慧模型建立和智慧決策的數(shù)據(jù)基礎。

（3）突破關(guān)鍵環(huán)節(jié)的智慧化支撐技術(shù)

探討AI技術(shù)、仿真技術(shù)等新一代信息技術(shù)在煙葉生產(chǎn)關(guān)鍵環(huán)節(jié)的適宜應用場景，重點突破煙葉生長模型建立與產(chǎn)質(zhì)量預測技術(shù)、煙葉生產(chǎn)過程三維建模與生長仿真技術(shù)、煙葉烘烤過程數(shù)字孿生和工藝仿真技術(shù)、煙葉質(zhì)量數(shù)字化表征技術(shù)、倉儲過程數(shù)字孿生技術(shù)等，一方面為田間栽培管理、產(chǎn)量預測、群體性狀監(jiān)測等提供快速、準確、便捷的決策支撐，另一方面為上下游技術(shù)研發(fā)提供方法支持。例如：煙葉生長模型構(gòu)建技術(shù)能夠為品種選育提供不同生長環(huán)境下煙株生長發(fā)育指標預測，為智慧育種的關(guān)鍵技術(shù)支撐；煙葉產(chǎn)質(zhì)量預測技術(shù)能夠為工商企業(yè)預測產(chǎn)量，提供科學調(diào)撥依據(jù)；煙葉質(zhì)量數(shù)字化表征技術(shù)是卷煙數(shù)字化產(chǎn)品設計的重要前提。

隨著海量多源數(shù)據(jù)的不斷積累，亟待開發(fā)煙葉智慧生產(chǎn)系列大模型以深度開發(fā)數(shù)據(jù)資源價值，例如以煙葉烘烤大數(shù)據(jù)為基礎的烘烤大模型，可實現(xiàn)烘烤進度監(jiān)測、烘烤資源調(diào)度、執(zhí)行到位率監(jiān)測、烘烤工藝調(diào)優(yōu)、烘烤技術(shù)指導、烘烤質(zhì)量預測等系列服務，為智慧生產(chǎn)提供可靠的方法和技術(shù)支撐。

（4）開展示范性煙葉智慧農(nóng)場建設

無人或少人化智慧農(nóng)場是實現(xiàn)智慧生產(chǎn)的主要途徑之一。標準煙田建設和煙葉生產(chǎn)全程機械化為智慧煙葉農(nóng)場建設提供了良好條件。在機械化作業(yè)進程較快、基礎設施相對完善的區(qū)域，采取群智協(xié)同模式，開展示范性煙葉智慧農(nóng)場建設，探索可復制、易升級的煙葉智慧化生產(chǎn)新模式。例如在適用于全程機械化作業(yè)的黑龍江、河南等平原煙區(qū)，從“多源數(shù)據(jù)感知融合-核心算法建立-精準作業(yè)與優(yōu)化-應用示范”的角度，逐步開展面向智慧農(nóng)場的數(shù)字化技術(shù)體系和管理模式研究，形成典型產(chǎn)區(qū)煙葉生產(chǎn)智慧化管理升級方案，打造引領性煙葉生產(chǎn)智慧農(nóng)場，實現(xiàn)“前沿引領與實際應用并重”的目的，為全國煙葉生產(chǎn)的智慧化發(fā)展提供科學支撐與示范樣板。

參考文獻

[1] 趙春江.人工智能引領農(nóng)業(yè)邁人嶄新時代[J].中國農(nóng)村科技，2018（1）：29-31. ZHAO CJ. Artificial intelligence leads agriculture into anew era[J]. China Rural Science amp; Technology，2018（1）： 29-31.

[2] 羅錫文，廖娟，胡煉，等.我國智能農(nóng)機的研究進展與無人農(nóng)場 的實踐[J].華南農(nóng)業(yè)大學學報，2021，42（6）：8-17，5. LUO XW，LIAO J，HUL，etal.Research progress of intelligent agricultural machinery and practice of unmanned farm in China[J]. Journal of South China Agricultural University，2021， 42（6）： 8-17， 5.

[3] 趙春江.智慧農(nóng)業(yè)的發(fā)展現(xiàn)狀與未來展望[J].中國農(nóng)業(yè)文摘-農(nóng)業(yè) 工程，2021，33（6）：4-8. ZHAO C J. Development status and future prospect of smart agriculture[J]. Agricultural Science and Engineering in China， 2021， 33（6）： 4-8.

[4] 羅錫文.農(nóng)業(yè)人工智能的應用和思考[J].中國農(nóng)村科技，2019（5）： 16-19. LUOX W.Application and thinking of agricultural artificial intelligence[J]. China Rural Science amp; Technology，2019（5）：16-19.

[5]MITRA A， VANGIPURAM SL T， BAPATLA A K，et al. Everything you wanted to know about smart agriculture[EB/OL]. 2022：2201.04754.htps：//arxiv.org/abs/2201.04754v1.

[6] 趙春江.農(nóng)業(yè)知識智能服務技術(shù)綜述[J].智慧農(nóng)業(yè)（中英文），2023， 5（2）：126-148. ZHAO C J. Agricultural knowledge intelligent service technology： A review[J].Smart Agriculture，2023，5（2）：126-148.

[7]CHOUHAN S S， SINGH U P， JAIN S.Applications of computer visionin plant pathology：A survey[J].Archives of Computational Methods in Engineering， 2020，27（2）： 611-632.

[8] 許多，魯旺平，許瑞清，等.基于農(nóng)業(yè)時空多模態(tài)知識圖譜的水 稻精準施肥決策方法[J].華中農(nóng)業(yè)大學學報，2023，42（3）：281- 292. XU D，LU W P， XU R Q， et al. A method of deciding precision fertilization of rice based on spatiotemporal multi-modal knowledge graph of agriculture[J]. Journal of Huazhong Agricultural University， 2023，42（3）：281-292.

[9] 李家其，徐雯穎，葉婷，等.智慧農(nóng)業(yè)背景下的作物信息學：以 信息獲取、分析和智能決策為例[J].智慧農(nóng)業(yè)導刊，2021，1（10）： 11-16. LI J Q，XU W Y， YE T， et al. Crop informatics in the context of smart agriculture： A case study of information acquisition， analysis andintelligent decision-making[J]. Journal of Smart Agriculture， 2021，1（10）： 11-16.

[10]羅錫文，胡煉，何杰，等.中國大田無人農(nóng)場關(guān)鍵技術(shù)研究與建 設實踐[J].農(nóng)業(yè)工程學報，2024，40（1）：1-16. LUO X W， HU L， HE J， et al. Key technologies and practice of unmanned farm in China[J]. Transactions of the Chinese Society of Agricultural Engineering，2024， 40（1）：1-16.

[11]魏興，祝詩平，黃華，等.基于 ZigBee 的煙草育苗大棚群環(huán)境參 數(shù)無線監(jiān)測系統(tǒng)設計[J].江蘇農(nóng)業(yè)科學，2016，44（2）：414-417. WEI X， ZHU S P， HUANG H， et al. Design of wireless monitoring system for environmental parameters of tobacco seedling greenhouse group based on ZigBee[J]. Jiangsu Agricultural Sciences，2016， 44（2）： 414-417.

[12]束勝，康云艷，王玉，等.世界設施園藝發(fā)展概況、特點及趨勢 分析[J].中國蔬菜，2018（7）：1-13. SHU S，KANG Y Y，WANG Y，et al.General situation， characteristics and trend analysis ofprotected horticulture in the world[J]. China Vegetables，2018（7）：1-13.

[13]施旭，高松，劉帥，等.基于人工智能技術(shù)的智慧煙草農(nóng)業(yè)發(fā)展 探究[J].浙江農(nóng)業(yè)科學，2024，65（4）：942-948. SHI X， GAO S， LIU S， et al. Research on the development of smart tobacco agriculture based on artificial intelligence technology[J]. Journal of Zhejiang Agricultural Sciences，2024， 65（4）： 942-948.

[14]陳城，孫杰．劉軍，等.鄂西山區(qū)煙草氣象觀測站網(wǎng)設計[JI.中低 緯山地氣象，2022，46（4）：92-95. CHENC，SUNJ，LIUJ，et al.Design of tobacco meteorological observation network in western Hubei mountionarea[J].Mid-Low Latitude Mountain Meteorology，2022，46（4）：92-95.

[15]程功，李劍秋.基于WSN的煙田監(jiān)測關(guān)鍵技術(shù)[J].現(xiàn)代農(nóng)業(yè)科技， 2014（3）：339，343. CHENG G，LI J Q. Key technologies of tobacco field monitoring basedon WSN[J].ModemAgriculturalScienceandTechnology 2014（3）： 339，343.

[16]SHYLAJA S N， VEENA M B. Real-time monitoring of soil nutrient analysis using WSN[C]//2017 Intermational ConferenceonEnergy Communication，Data Analytics and Soft Computing （ICECDS）， Chennai. IEEE，2017：3059-3062.

[17]MENG JH， CHENG Z Q. Improving the estimation of soil-available nutrients at the sub-field scale using time-series UAV observations[J]. Remote Sensing Letters， 2020， 11（8）： 739-747.

[18]藏照陽，王建偉，陳祥，等.氣候變化背景下河南煙區(qū)氣象資源 及氣象風險因素時空分布特征[J].中國煙草學報，2023，29（2）： 32-45. ZANG Z Y， WANG J W， CHEN X， et al. Spatial and temporal distributioncharacteristicsofmeteorologicalresourcesand meteorological risk factors in Henan tobacco-growing areas under the backgroundof climate change[J].Acta Tabacaria Sinica，2023，29（2）： 32-45.

[19]劉志壯，張文昭.基于RS485總線網(wǎng)絡的烤煙集中監(jiān)控系統(tǒng)[J]. 吉首大學學報（自然科學版），2006，27（1）：43-46. LIU Z Z， ZHANG W Z. Concentrating surveillance-control system of tobacco baking based on RS485 bus[J]. Journal of Jishou University （Natural Sciences Edition），2006，27（1）： 43-46.

[20]謝守勇，王靖，羅舒.基于GPRS 的煙葉烘烤溫濕度遠程監(jiān)控系 統(tǒng)[J].中國農(nóng)機化學報，2016，37（6）：118-121. XIE S Y， WANG J， LUO S. Remote monitoring system of tobacco baking temperature humidity based on GPRS[J]. Journal of Chinese Agricultural Mechanization，2016，37（6）：118-121.

[21]張保全，張波，張瑞亞，等.基于物聯(lián)網(wǎng)的溫濕度實時監(jiān)測系統(tǒng) 在煙葉烘烤中的應用[J].天津農(nóng)業(yè)科學，2018，24（10）：61-63， 72. ZHANGBQ，ZHANGB，ZHANGRY，etal.Applicationof real timemonitoring system of temperature and humidity based on Internet of Things in tobacco leaf baking[J]. Tianjin Agricultural Sciences，2018，24（10）： 61-63， 72.

[22]陳祖銷，張富生，過偉民，等.基于物聯(lián)網(wǎng)的煙葉烘烤溫濕度數(shù) 據(jù)采集分析與算法構(gòu)建[J].煙草科技，2023，56（10）：11-20. CHEN Z X，ZHANG FS，GUO WM，et al.IoT-based acqusition andanalysis algorithms for temperature and humidity data during tobacco flue-curing[J].Tobacco Science amp; Technology，2023， 56（10）： 11-20.

[23]過偉民，鄭勁民，常乃杰，等.基于溫濕度時序數(shù)據(jù)的煙葉烘烤 工藝特征分析[J].中國煙草學報，2022，28（5）：56-63. GUO W M， ZHENGJM， CHANG NJ，et al. Analysis offue-curing process characteristics based on temperature and humidity time series data[J].Acta Tabacaria Sinica，2022，28（5）： 56-63.

[24]陳祖銷，李俊營，藏照陽，等.氣流上升式密集烤房溫濕度場分 布及其對煙葉質(zhì)量的影響[J].煙草科技，2024，57（3）：43-55. CHEN Z X，LI JY， ZANG Z Y，et al. Temperature and humidity distributionsand their influences on tobacco leaf quality in air ascending bulk curing barn[J]. Tobacco Science amp; Technology， 2024， 57（3）： 43-55.

[25]GUO W M， XU Q，WANG A G，et al. Neural network assisted temperature and humidity field simulationmethod in tobacco curing process[J]. Industrial Crops and Products， 2025，225： 120508.

[26]張鑫，王蘇紅，徐瑋杰，等.倉儲煙葉箱芯溫度變化規(guī)律及預測 預警研究：以安徽鳳陽地區(qū)片煙養(yǎng)護為例[J].中國煙草學報， 2023，29（5）：34-41. ZHANG X，WANG S H，XU W J，et al.Study on variation characteristics，forecasting and early warning of inner temperature of tobacco leaves carton during storage-taking tobacco maintenance in Fengyang of Anhui Province as example[J]. Acta Tabacaria Sinica， 2023， 29（5）： 34-41.

[27]朱晴.無線傳感器網(wǎng)絡在煙葉倉儲監(jiān)控中的研究與應用[D].長沙： 中南大學，2015. ZHU Q. The research and application of wireless sensor network in tobacco storage monitoring[D]. Changsha： Central South University， 2015.

[28]蘇茂軍.基于工業(yè)物聯(lián)網(wǎng)的倉儲煙葉質(zhì)量監(jiān)測系統(tǒng)研究[D].成都： 電子科技大學，2023. SU M J.Research on quality monitoring system of warehouse tobaccobased on Industrial Internet of Things[D].Chengdu： University of Electronic Scienceand Technology of China，2023.

[29]廣西中煙工業(yè)有限責任公司，. 一種測定醇化片煙積溫的裝置：CN201720920339.2[P].2018-12- 21. Guangxi Tobacco Industry Co.，Ltd.，Zhengzhou Tobacco Research Institute of China National Tobacco Corporation.A device for measuring the accumulated temperature of alcoholized cigarette smoke： CN201720920339.2[P].2018-12-21.

[30]CONRAD A O， LI W，LEE D Y， et al. Machine learming-based presymptomatic detection of rice sheath blight using spectral profiles[J].Plant Phenomics，2020：8954085.

[31]DEERY DM， REBETZKE GJ，JIMENEZ-BERNIJA， etal.Groundbased LiDAR improves phenotypic repeatability of above-ground biomass and crop growth rate in wheat[J].Plant Phenomics，2020： 8329798.

[32]李鑫，湯衛(wèi)榮，張永輝，等.基于高光譜成像技術(shù)的煙葉田間成 熟度判別模型[J].煙草科技，2022，55（7）：17-24. LI X，TANG W R， ZHANG Y H， et al. Discriminant model for field maturityoftobacco leavesbased onhyperspectral imaging technology[J].Tobacco Scienceamp; Technology，2022，55（7）：17-24.

[3]ZHU H Y，CHU BQ，ZHANG C，et al. Hyperspectral imaging for presymptomatic detection of tobacco disease with successive projections algorithm and machine-learning classifiers[J]. Scientific Reports，2017， 7： 4125.

[34]李富欣，張利紅，徐敏.基于GIS 的河南省烤煙移栽面積遙感監(jiān) 測及產(chǎn)量估算[J].江西農(nóng)業(yè)學報，2014，26（7）：76-79，83. LI F X， ZHANG L H， XU M. Remote-sensing monitoring of fluecured tobacco transplanting area and estimation of tobacco yield in Henan Province based on GIS[J]. Acta Agriculturae Jiangxi， 2014， 26（7）： 76-79，83.

[35]尹慧，蔣云雨，姜自斌，等.基于無人機遙感簡析煙田監(jiān)測技術(shù) 的應用現(xiàn)狀[J].農(nóng)業(yè)工程技術(shù)，2022，42（6）：28-29. YIN H， JIANG YY，JIANG Z B，et al.Application status of tobacco field monitoring technology basedonUAVremote sensing[J]. Agricultural Engineering Technology，2022，42（6）：28-29.

[36]王帥.基于無人機多光譜遙感數(shù)據(jù)的煙草估產(chǎn)模型研究：以廣東 省始興縣為例[D].晉中：山西農(nóng)業(yè)大學，2021. WANG S. Tobacco yield estimation based on UAV multi-spectral remote sensing image： Taking Shixing County of Guangdong Provinceasanexample[D].Jinzhong：ShanxiAgricultural University，2021.

[37]裴文燦，孫光偉，黃金國，等.田間即時鮮煙葉 SPAD值預測和 成熟度識別方法[J].計算機工程與應用，2024，60（8）：348-360. PEIWC，SUNGW，HUANGJG， etal.Immediate prediction model ofSPAD valueand maturity of fresh tobacco leavesin field[J]. Computer Engineering and Applications， 2024， 60（8）： 348-360.

[38]賓俊，周冀衡，范偉，等.基于NIR 技術(shù)和ELM的烤煙煙葉自 動分級[J].中國煙草學報，2017，23（2）：60-68. BIN J，ZHOUJH，F(xiàn)ANW，etal.Automatic grading of flue-cured tobacco leavesbased onNIR technologyandextremelearning machine algorithm[Jl.ActaTabacaria Sinica.2017.23（2）：60-68.

[39]王超，李朋成，楊凱，等.近紅外光譜煙葉質(zhì)量等級快速檢測與 等級特征分析[J].光譜學與光譜分析，2021，41（3）：943-947. WANG C，LI P C， YANG K， et al. Rapid detection of tobacco quality grade and analysis of grade characteristics by using near-infrared spectroscopy[J]. Spectroscopy and Spectral Analysis， 2021，41（3）： 943-947.

[40]齊玥程，王燕，李麗，等.基于深度學習的在線煙葉等級判定研 究[J].安徽農(nóng)業(yè)科學，2023，51（3）：235-239. QI Y C，WANG Y，LI L，et al.Online tobacco leaf grade determination research based on deep learning[J]. Journal of Anhui Agricultural Sciences，2023， 51（3）： 235-239.

[41]李增盛，孟令峰，王松峰，等.基于圖像處理的煙葉烘烤階段判 別模型優(yōu)選[J].中國煙草學報，2022，28（2）：65-76. LI Z S，MENG L F，WANG SF， et al. Selection of optimum discriminant model in tobacco curing stage based onimage processing[J].Acta Tabacaria Sinica，2022，28（2）： 65-76.

[42].一種烘烤過程煙葉圖像實時采 集比色裝置：CN202221755282.2[P].2022-09-30. Zhengzhou Tobacco Research Institute of CNTC.A device for realtime image acquisition and colorimetry of tobacco leaves during fluecuring： CN202221755282.2[P].2022-09-30.

[43]韋克蘇，涂永高，王豐，等.基于近紅外光譜的煙葉烘烤過程質(zhì) 體色素實時監(jiān)測[J].江蘇農(nóng)業(yè)科學，2021，49（16）：184-188. WEI K S，TU Y G， WANG F， et al. Real-time quantitative analysis of chlorophyll and carotene in tobacco during bulk curing processby near-infrared spectroscopy[J]. Jiangsu Agricultural Sciences，2021， 49（16）： 184-188.

[44]賀帆，王濤，王戰(zhàn)義，等.變黃期不同溫濕度對烘烤中煙葉蛋白 質(zhì)降解及酶活性的影響[J].中國煙草學報，2014，20（5）：80-86. HE F，WANG T，WANG Z Y， et al. Effects of temperature and humility on protein degradation and related enzyme activities in tobacco leaf in yellowing stage[J].Acta Tabacaria Sinica，2014， 20（5）： 80-86.

[45]MENG Y， XU Q， CHEN G Q，et al. Regression prediction of tobacco chemical components during curing based on color quantification and machine learning[J].Scientific Reports， 2024，14： 27080.

[46]韓麗媛.醇化庫溫度變化規(guī)律與煙葉醇化品質(zhì)關(guān)聯(lián)性研究[J].智慧 農(nóng)業(yè)導刊，2023，3（4）：41-44. HAN L Y.Research on the relationship between alcoholization warehouse temperature changes and alcoholization quality of tobacco leaves[J].Journal of Smart Agriculture，2023，3（4）： 41-44.

[47]王發(fā)勇，王玉真，劉澤，等.醇化過程中云南清香型煙葉的化學 成分分析[J].西南農(nóng)業(yè)學報，2023，36（8）：1671-1676. WANG FY，WANG Y Z， LIU Z， et al. Chemical composition analysis of clear flavor tobacco leaf during maturation in Yunnan Province[J]. Southwest China Journal of Agricultural Sciences，2023， 36（8）： 1671-1676.

[48]黃桂紅，謝華利，彭黔榮，等.烤煙醇化過程中的代謝物和脂質(zhì) 分析[J].中國煙草科學，2022，43（3）：78-86. HUANG G H， XIE H L，PENG Q R， et al.Metabolite and lipid profiling of flue-cured tobacco leaves during aging[J].Chinese Tobacco Science，2022，43（3）：78-86.

[49]蔣薇，湯亮，薛博文，等.基于連續(xù)小波變換的烤煙葉片總氮和 煙堿含量高光譜監(jiān)測預測研究[J].中國煙草學報，2023，29（4）： 33-43. JIANG W，TANG L，XUE B W， et al. Hyperspectral monitoring and prediction of total nitrogen and nicotine contents in flue-cured tobacco leaves based on continuous wavelet transform[J].Acta TabacariaSinica，2023，29（4）：33-43.

[50]李夢竹，劉國順，賈方方.干旱脅迫下旺長期烤煙冠層葉綠素密 度的高光譜估測[J].中國煙草科學，2017，38（1）：23-28. LI M Z，LIU G S，JIAFF.Hyperspectral estimation of canopy chlorophyll density in flue-cured tobacco under different drought stress at the vigorous growth stage[J].Chinese Tobacco Science. 2017， 38（1）： 23-28.

[51]張陽，屠乃美，陳舜堯，等.基于Sentinel-2A數(shù)據(jù)的縣域烤煙種 植面積提取分析[J].煙草科技，2020，53（11）：15-22. ZHANGY，TUNM，CHENSY，etal.Extractionof flue-cured tobacco plantingarea on county scale based on Sentinel-2A data[J]. Tobacco Scienceamp; Technology，2020，53（11）：15-22.

[52]何娜，范雨嫻，袁小康，等.基于關(guān)鍵氣象因子的湘西烤煙產(chǎn)量 預報模型構(gòu)建[J].中國農(nóng)學通報，2023，39（24）：96-102. HEN，F(xiàn)ANYX，YUANXK，etal.Construction offlue-cured tobacco yield forecast model in Xiangxi Autonomous Prefecture based on key meteorological factors[J].Chinese Agricultural Science Bulletin，2023，39（24）： 96-102.

[53]楊文慶，劉天霞，唐興萍，等.智慧農(nóng)業(yè)背景下的植物表型組學 研究進展[J].河南農(nóng)業(yè)科學，2022，51（7）：1-12. YANG W Q，LIU TX， TANG X P，et al. Research progress on plant phenomics in the context of smart agriculture[J].Journal of Henan Agricultural Sciences，2022，51（7）：1-12.

[54]何艷.基于機器視覺的穴盤煙苗識別算法研究[D].西南大學， 2019. HEY.Recognition algorithm of plug seedling based on machine vision[D].Southwest University，2019.

[55]宋坤良，王新興，藍凱.基于改進YOLOv4模型的無人機影像煙 草株數(shù)統(tǒng)計[J].測繪技術(shù)裝備，2022，24（4）：78-82. SONGKL，WANGXX，LANK.Tobacco plantsnumber statistics of UAV images based on improved YOLOv4 model[J]. Geomatics Technology and Equipment，2022，24（4）：78-82.

[56]姜增昀.基于機器視覺的煙葉成熟度和烘烤階段識別研究[D].重 慶：西南大學，2023. JIANG Z Y.Research on recognition method of tobacco leaf maturity and flue-cured stage based on machine vision[D].Chongqing： Southwest University，2023.

[57]姜增昀，祝詩平，馮川，等.高精度輕量級煙葉烘烤階段識別模 型研究[J].中國煙草學報，2023，29（1）：55-63. JIANGZY，ZHUSP，F(xiàn)ENGC，etal.Research onhigh-precision lightweight model for tobacco leaf curing stage identification[J]. Acta Tabacaria Sinica，2023，29（1）：55-63.

[58]吳娟.基于圖像特征和GA-SVM的烤煙烘烤階段識別研究[J].西 南師范大學學報（自然科學版），2016，41（9）：100-106. WU J.Recognition of tobacco flue-curing phases based on image features and GA-SVM algorithm[J].Journal of Southwest China Normal University （Natural Science Edition），2016， 41（9）：100-106.

[59]邢玉清，樊彩霞，豆根生，等.基于小波核極限學習機的煙葉烘 烤過程的智能識別[J].中國煙草學報，2024，30（1）：55-62. XING YQ，F(xiàn)AN C X，DOU G S， et al. Intellgent recognition of tobacco curing process based on wavelet kernel extreme learning machine[J].Acta Tabacaria Sinica，2024，30（1）：55-62.

[60]PEI W C， ZHOUPY，HUANGJG，et al. State recognition and temperature rise time prediction of tobacco curing using multi-sensor data-fusionmethod based on feature impact factor[J].Expert Systems with Applications，2024，237： 121591.

[61]王維，趙鵬飛，韓沫，等.數(shù)字孿生技術(shù)賦能農(nóng)業(yè)智慧發(fā)展[J].蔬 菜，2023（12）：1-9. WANG W， ZHAO P F， HAN M， et al. Digital twin technology empowers the development of agricultural wisdom[J]. Vegetables， 2023（12）： 1-9.

[62] VERDOUWCN，KRUIZEJW.Digital twinsin farm management： Illustrations from the FIWARE accelerators SmartAgriFood and Fractals[C]//7thAsian-Australasian Conferenceon Precision Agriculture，Hamilton，2017.

[63]劉浩，普恩平，王春林，等.密集烤房溫濕度場測量及可視化分 析系統(tǒng)的設計與實現(xiàn)[J].新型工業(yè)化，2017，7（9）：35-40. LIU H， PU E P，WANG CL，et al.Design and implementation of humiture field measurement and visual analysis system for bulk curingbarn[J].The Journal ofNew Industrialization，2017，7（9）：35- 40.

[64]劉兆宇.散葉裝煙密集烤房熱濕環(huán)境數(shù)值模擬研究[D].昆明：昆 明理工大學，2022. LIUZY.Numerical simulation of thermal and humid environment in bulk curing barn with loose leaf tobacco loading[D]. Kunming： KunmingUniversity of Scienceand Technology，2022.

[65]杜林昕，黃亞宇，查蕾蕾，等.基于CFD的密集式烤房氣流均勻 性研究[J].農(nóng)業(yè)裝備與車輛工程，2021，59（12）：126-129. DULX，HUANGYY，ZHALL，etal.Research onair flow uniformity of intensive barn based on CFD[J].Agricultural Equipmentamp; Vehicle Engineering，2021，59（12）：126-129.

[66]鄧小鵬，徐照麗，楊宇虹，等.大田煙草冠層結(jié)構(gòu)與光分布的三 維建模研究[C]/中國煙草2013年學術(shù)年會論文集.武漢，2013： 96-102. DENGXP，XU ZL，YANGYH， etal.Quantification of spatial light distribution of field-grown tobacco canopy based on threedimensional modeling[C]//Proceedings of the 2013 China Tobacco Annual Conference.Wuhan，2013：96-102.

[67]胡心雨，冉茂，葉協(xié)鋒，等.基于三維點云的烤煙三維模型構(gòu)建 及株型分析[J].中國煙草學報，2022，28（3）：127-132. HUXY，RANM，YEXF，etal.Studyon theconstructionof 3D model of flue-cured tobacco based on 3D point cloud[J].Acta Tabacaria Sinica，2022，28（3）：127-132.

[68]呂新，梁斌，張立福，等.新疆生產(chǎn)建設兵團棉花生產(chǎn)大數(shù)據(jù)平 臺建設與探索[J].農(nóng)業(yè)大數(shù)據(jù)學報，2020，2（1）：70-78. LUX，LIANG B，ZHANG LF，et al. Construction of an agricultural bigdata platform for XPCC cotton production[J].Journal of AgriculturalBigData，2020，2（1）：70-78.

[69]國家水稻全產(chǎn)業(yè)鏈大數(shù)據(jù)平臺上線啟用推動水稻產(chǎn)業(yè)數(shù)字化建設 [J].農(nóng)業(yè)工程技術(shù)，2023，43（14）：7. Thelaunch of the national riceindustrychain big data platform promotes the digitalization of the rice industry[J].Agricultural Engineering Technology，2023，43（14）：7.

[70]HFF.Hands free farm successfully completes first drilling operation [EB/OL].（2020-05-28） [2024-09-20].https：//www.harper-adams.ac. uk/news/203508/hands-free-farm-successfully-completesfirst-drillingoperation.