農機遠程智能管理平臺研發及其應用

　　摘要: 本研究針對農機管理實時數據少、農機實時作業監管困難、服務信息不對稱等問題，首先提出專業化遠程管理平臺設計時應具有五大原則：專業化、標準化、云平臺、模塊化以及開放性。基于這些原則，本研究設計了基于大田作業智能傳感技術、物聯網技術、定位技術、遙感技術和地理信息系統的可定制化的通用農機遠程智能管理平臺。平臺分別為各級政府管理部門、農機合作社、農機手、農戶設計并實現了基于WebGIS 的農機信息庫及農機位置服務、農機作業實時監測與管理、農田基礎信息管理、田間作物基本信息管理、農機調度管理、農機補貼管理、農機作業訂單管理等多個實用模塊。研究著重分析了在當前的技術背景下，平臺部分關鍵技術的實現方法，包括采用低精度GNSS定位系統前提下的作業面積的計算方法、GNSS定位數據處理過程中的數據問題分析、農機調度算法、作業傳感器信息的集成等，并提出了以地塊為核心的管理平臺建設思路;同時提出農機作業管理平臺將逐步從簡單作業管理轉向大田農機綜合管理。本平臺對同類型管理平臺的研發具有一定的參考與借鑒作用。

　　本文源自智慧農業(中英文)【2020年第2期】《智慧農業(中英文)》(季刊)是國家新聞出版署批準、國內外公開發行的農業工程類學術期刊，由中華人民共和國農業農村部主管，中國農業科學院農業信息研究所主辦，《智慧農業(中英文)》編輯委員會學術指導，《智慧農業(中英文)》編輯部編輯出版。

　　關鍵詞: 傳感技術;數據融合;管理平臺;大田農業機械;物聯網;GNSS

　　1 引 言

　　實現農業機械化是提高中國農業發展水平的重要環節，對建設中國特色現代化農業具有重要支撐作用。近幾年隨著科學技術的飛速發展，農業機械不斷向專業化、高效化、自動化、信息化與智能化的方向快速發展。其信息化與智能化不僅體現在農機具作業實施過程中，也體現在農業及農機作業管理中。針對政府農業作業監管困難、農忙時間農機資源分配難以協調、農機實際運行效率難以度量等問題，利用物聯網技術，在農機上安裝位置傳感器、作業傳感器等傳感器，建立農機智能管理平臺，從而充分發揮各種農業機械的效率與作用，更好地實現農業精細作業以及節能環保的要求是當下大田農事管理研究的熱點之一。

　　雖然國外也有農機作業及管理相關平臺的建設，但在技術完整性方面還有待進一步提高。如Wang等[1]建立了一個基于無線網絡的數據存儲服務器，用于存儲來自摘棉機、智能農噴灑裝置和變量施肥裝置的數據。類似的商業化農機管理平臺還有一些大型農機廠家的專用平臺，如美國John Deere公司的FarmSightTM農業管理平臺、美國Trimble公司的Trimble Ag Software農場管理平臺等。這類管理系統在技術上主要解決了大田中部分作業相關信息的獲取，在應用范圍上，主要負責特定農場范圍內大田農業作業相關的各種數據的獲取與采集，通常可針對特定地區完成歷年各類數據積累與分析。從實際應用角度，國外農機管理平臺通常是特定大型農機企業為了更好地使用農機而開發的農機專用平臺，而不是從政府、合作社、農戶全方位考慮的不同需求的平臺，平臺的通用性不強，不適合在中國廣泛應用。

　　中國農機行業在經歷了約十五年的快速發展期之后，正處于從傳統農機向現代農機轉型的關鍵時期。在國家高技術研究發展計劃(“863”計劃)、科學技術部“十三五”國家重點研發計劃等重大專項和地方政府的支持下，農業裝備智能化、農業系統遠程監控及農業信息化等方面獲得了較快發展。在遠程深松作業監測與收獲作業統計方面，劉碧貞等[2]研發了基于北斗衛星導航系統(BeiDou Navigation Satellite System，BDS)和全球定位系統(Global Positioning System，GPS)的谷物收割機作業綜合管理系統，實現了谷物收割機作業數據(包括谷物產量測量、收割面積和收割機作業地理位置信息等)的采集。在農機管理及農機作業管理方面的管理平臺領域，劉振宇和梁建平[3]研發了基于BDS的農機調度與作業平臺，實現了農機調度和作業監控管理的全流程服務，廣泛應用于百余家農機合作社的6000余臺農機。葉文超等[4]和張俊藝等[5]研發了基于共享農機模式的農機調度與管理平臺，拓寬了農場主和機手之間的信息共享渠道，實現了農機信息采集與智能調度。劉娜[6]引入智慧城市快遞系統研發了農機信息化綜合服務平臺，實現了農田地塊規劃、農機導航定位、農機調度分配及信息反饋等綜合智能化服務。王春山等[7]研發了以農戶和機手為服務對象的智慧農機調配管理平臺，集成了農機智能調度和農機作業面積測量算法，提高了機手收益并減少了作業面積測量成本。姚強等[8]開發了農業機械遠程管理信息系統，實現了機手、農機信息在線遠程管理和農機維修保養在線記錄功能。現階段農機管理及農機作業管理平臺通常為政府、農戶或農機作業的某個方面的管理服務[9,10]，缺少能夠為農戶、合作社、農機企業和政府協同服務，并適用于各種不同農機作業的更加靈活的管理系統。

　　針對上述研究現狀及農機實時作業監管困難、農機作業信息收集難、服務信息不對稱等問題，改善農機及農機作業管理方法、改進農機作業信息流通方式、完善農機作業評價方法與體系，提高農機作業效率和使用效益、為農戶/農機手/農機合作社/農機企業/農機管理人員提供全方位的服務體系的需要非常迫切。本研究通過集成大田作業智能傳感技術、物聯網技術和全球導航衛星系統(Global Navigation Satellite System，GNSS)，并依托遙感技術(Remote Sensing，RS)和地理信息系統(Geographic Information System，GIS)，研發了一種較為通用的大田智能管理app及網絡平臺，實現對大田作物的智能化管理。

　　2 平臺總體設計

　　2.1　基本原則

　　大田農機作業管理平臺的主要設計目標是實現所有大田農機作業相關信息的管理，其服務對象為所有與農機作業有關的人員，包括政府各級相關管理部門、農機合作社、農機手、農戶，以及農機企業等。作為一個專業農機作業管理服務平臺，其設計遵循以下幾方面的原則。

　　①專業化：平臺所管理的參數應包括農機作業相關參數。

　　②標準化：平臺使用的數據采集終端應采用標準化的通訊協議，如TCP/IP等。目前農機作業參數還沒有通用標準發布，可以建立最小化的核心數據集，以保證通用性。另外，平臺應能通過標準化的交互協議，與其它同類型的平臺交互通訊，以便數據共享。

　　③云平臺：平臺應采用云平臺形式提供服務，通過大型云服務提供商，快速擴展存儲空間與流量，支持農機平臺上線量從數百臺至數萬臺的平穩過渡。

　　④模塊化：通過模塊化的設計，可靈活組合、定制模塊功能，使集成平臺能無縫支持省、市、區(縣)模式的現有農機管理機制，并能支持不同管理部門、不同角色的個性化定制。

　　⑤開放性：平臺應設計開放、通用性強的通訊協議，可以對接多種實時農機傳感裝置。深松傳感器和植保噴施流量、壓力傳感器是最為常用的農機作業傳感器，平臺通過通用的數據協議應能支持還未出現的不同類型、不同品牌的傳感信號。

　　2.2　基本功能模塊設計

　　作為大田農機作業管理平臺，首先完成與農機作業過程有關的信息采集與管理，這些信息最終用于為農戶、農機手、合作社、農機企業及農機管理人員提供針對性的服務。因此，本平臺在整體設計上，首先考慮了不同農機類型和不同農業作業類型信息采集方法及傳感原理的差異，并根據不同類型的農機相關從業人員的實際需求，梳理平臺功能。平臺框架如圖1所示。

　　圖 1　農機智能管理平臺的系統框架圖

　　Fig. 1 Intelligent remote management system for agricultural machinery framework diagram

　　平臺在架構上分為四層，基礎設施層主要代表了平臺所需的各種硬件組成部分，包括了各種位置和作業傳感器及數據傳輸終端、服務器及基礎網絡配備等。通過基礎硬件設備獲取各種數據之后，經數據資源庫層完成數據的管理，包括作業相關的動態數據、農機及作業管理相關的靜態數據等。平臺的系統功能主要在業務邏輯層中實現，該層在基礎的軟件操作系統及數據管理接口、地理信息系統接口等支持之下。本研究重點對所得到的農機管理及作業管理相關的數據進行針對性功能開發，包括農田管理、農機基礎信息管理、作物管理、農機位置管理、作業信息動靜態管理、補貼管理、訂單管理以及農機故障實時診斷等;其中，農機故障實時診斷通過讀取農機實時故障碼來實現，需要與農機廠家進行合作開發。最頂層的用戶層描述了平臺的服務對象是所有與農機應用生命周期有關的人員，包括政府管理部門、農機合作社、農機手、農戶、農機企業等。平臺較為核心的模塊功能如下所述。

　　(1)農機信息庫及農機位置服務。農機信息庫分為農機靜態基礎信息庫和農機作業動態信息庫。靜態信息庫管理基本農機基礎數據，包括農機名稱、作業幅寬、生產廠家、功率等，并按農機分類標準進行分類管理。而對農機作業過程、農機作業供需信息等動態信息，本研究采用農機動態服務庫記錄并管理，建立了基于WebGIS的農機位置服務、農機作業軌跡服務、農機作業訂單服務、農機調度服務等動態服務體系。服務體系分別采用手機app與Web端兩種方式體現，為方便用戶層即時管理并掌握農機靜態信息與動態信息，設計了訂單系統，以解決農忙時期農機應用緊張、農機服務需求信息不對稱問題。

　　(2)農機作業實時監測。針對農機作業信息難記錄、農機作業質量難監管的問題，對部分典型的農機作業，如插秧作業、打藥作業、施肥作業、收獲作業、烘干過程等配備專業傳感設備，實現作業過程中關鍵參數進行測量與記錄。并設計了具有開放性的數據協議，支持任何一種潛在的農機作業傳感數據的實時接入。可根據不同的要求，支持農機作業圖像或視頻信息的實時傳送。通過對農機作業的監測，逐步研發科學的農機作業質量評價方法。

　　(3)農機作業管理。針對海量的農機實時位置信息與傳感數據信息，在遠程采集所有農機信息及農機作業有關信息(如農機位置、作業狀態、作業面積、作業實時圖像、作業質量等)后，可依據得到的數據，進行日、周、月的農機作業統計、作業回顧等。針對農機服務與管理特點，設計大數據分析模塊用于分析農機作業效率、作業時間預測等。將數據分析與處理模塊以不同的形式嵌入到不同用戶版本的手機app及Web管理平臺中，以協助有關農機人員在各種應用場景下的管理工作，為管理人員提供管理決策的依據。

　　(4)農田信息管理。農田信息管理采用基于WebGIS控件的手機app及Web端，實現更便捷的農田信息管理。首先由使用者在手機app或Web端將地塊信息的新建、編輯數據保存在數據庫中。平臺管理人員可以在平臺上看到自己所管轄區域內的所有地塊及地塊信息。要顯示自己所管轄區域內所有的地塊，平臺管理人員需點擊地塊分布，可以依據地塊名字的關鍵字進行地塊搜索，可以了解該地塊的編號、名稱、面積、負責人等相關信息。上述農田信息即為系統管理作業的分布底圖。

　　在本平臺研發過程中，研究人員注意到地塊在大型合作社管理中的重要性，強化了地塊及農田管理功能，并將系統的核心由基于農機作業為線索的管理轉向以地塊為核心的管理。地塊是農場中變化最少的一個核心，所有的作業環節都發生在地塊上，農機所有田間行為及其結果，都可以通過地塊進行關聯。因此，地塊逐步成為系統的核心部分，將所有的農機作業信息、作物生長信息進行組合。

　　(5)訂單信息管理。農機管理系統中的訂單是指有作業需求但沒有農機的農戶通過平臺發布作業需求，成為農機作業訂單，農機作業服務機構可以通過平臺完成訂單任務。訂單管理可以查詢訂單日期、作業類型、預估金額、訂單狀態等信息，并以地區、作業類型、訂單狀態、用戶名或者合作社等條件篩選需要查找的訂單。訂單管理為農忙時期的農戶、農機手、管理人員的信息不對稱問題提供了解決方案。

　　3 關鍵技術研究

　　和大田作物直接相關的作業主要有耕整地作業、種植作業、施肥作業、植保作業和收獲作業等，如果為農場全過程管理考慮，還可以增加烘干作業的管理。其中烘干作業是靜態位置的作業，其它作業都是大田動態作業，作業信息中農機在某時間點的位置信息是最基礎的信息。在位置信息的基礎上，根據不同的作業需求可采集不同的信息，如插秧作業過程中的行距、糧食收獲作業過程中的含水量、深松過程中的耕地深度等，且不同類型的信息采集需要借助不同的傳感器來實現。智能農機管理平臺中的傳感技術包括位置傳感、農機作業狀態傳感及農機作業環境傳感等。其中，農機作業監測傳感器是目前農機研究領域的熱點之一。智能農機管理平臺應在功能接口上能夠支持多種不同的傳感器及其數據管理。以下就平臺設計過程中的若干關鍵技術加以說明。

　　3.1　農機位置信息的獲取與分析

　　農機作業管理系統中大多采用米級定位精度的GNSS。米級定位精度對農機作業管理會產生一定的影響，本研究主要分析有關作業面積計算與精度分析、GNSS在機庫內未正常關機判斷等問題。農機作業面積計算是作業管理平臺的主要功能之一，通常采用GNSS實現農機定位并進行計算。如果采用基于實時動態載波相位差分(Real Time Kinematic，RTK)技術的GNSS，可以得到厘米級的高精度定位結果，沒有累積誤差。該技術非常適用于農機自動導航過程[11,12]，但由于價格較高，無法大量地用于普通的農機作業管理中。

　　3.1.1　基于柵格法的面積計算

　　本研究采用了柵格法完成地塊的面積計算，柵格的大小決定了面積計算的精度。算法的具體思路：首先將農機作業經緯度信息轉為平面坐標;根據地塊所在的范圍，確定地塊所在的柵格空間，將相鄰兩點的軌跡線結合農機的幅寬，并標記被幅寬覆蓋過的柵格，最后累計所有被覆蓋過的柵格，作為作業面積。

　　基于柵格的面積計算算法精度由柵格大小、GNSS定位系統的精度決定，且通過標記某個柵格被重復記錄的次數，找到重復作業的區域，使作業面積不會重復計算，有利于打藥等作業的重復區域的判別，且可以較為便捷地扣除并標記出沒有被作業覆蓋的區域。

　　3.1.2　GNSS精度引起的農機作業面積估算誤差分析

　　由于米級GNSS精度較低，在農機作業面積測量與估算時(圖2(a))，假設用一個GNSS接收機測量一個邊長為A的正方型地塊，由于GNSS的誤差，最后的GNSS軌跡落在虛框所在的區域，僅以外側虛框(假設邊長為B)為例進行分析，如公式(1)。

　　(1)

　　其中，E為最大面積測量誤差率，%。

　　(a)　地塊邊界及誤差范圍示意圖

　　(b)　面積測量最大誤差率變化

　　圖2　不同邊長地塊在不同精度GNSS信號下的面積測量誤差率變化

　　Fig. 2 Area measurement errors rate of different side length parcels under different accuracy GNSS signals

　　假設地塊邊界在30~100 m范圍變化，不同的GNSS信號誤差分為：0.03、0.05、0.2、0.4、0.6、1、1.5和3 m，可以由公式(1)計算得到最終的最大面積誤差與地塊邊長和GNSS誤差之間的關系。大田測量時，通常要求測試誤差小于5%。由圖2可見，當采用RTK精度等級的GNSS時，面積精度非常高，可以在任何大小的地塊上做精確地測量。而要達到5%的精度，所用的GNSS的精度應達到0.4 m，大部分的普通農機上的定位系統還無法達到這樣的精度。采用目前應用最廣的GNSS米級定位系統，如以小塊的正方型地塊為例，被測地塊邊長應在40 m以上，總面積約為1600 m2以上時，面積測量誤差可小于5%。如果采用的1.5 m誤差的GNSS信號，則需在大于3600 m2以上的地塊面積測量中，取得較為穩定的結果。

　　3.1.3　散亂點集判別算法

　　GNSS信號的精度受環境影響較大，在開闊的農田中，米級精度GNSS系統結果較為穩定，可以達到農機作業一般管理要求。但是實際使用中，有時發生農機停在機庫，農戶忘記關閉農機發動機的現象。機庫中的GNSS仍在工作，由于機庫遮擋的影響，往往產生大量的飄移狀態的位置點，如圖3(a)所示。這樣的點集通常最后形成一組時間間隔長、軌跡占地面積很大的散亂點集，該點集占有地面積有時大于666.66 m2，干擾了正常作業面積自動判斷與計算。因此，本研究提出了一種散亂點集自動判斷算法，用于區別正常的農機作業軌跡圖(3(b))，算法主要原理如下。

　　(a)　在機庫飄移GNSS點集

　　(b)　正常的農機作業軌跡

　　圖3　機庫漂移與正常的農機作業軌跡對比圖

　　Fig. 3 Comparison chart of hangar drift and normal agricultural machinery operation track

　　由于在本平臺中已計算得到了所有作業軌跡點的斜率，并要求算法盡可能簡潔，易于大規模數據處理。觀察圖3飄移點集與作業軌跡，可以發現漂移點集的相鄰兩點的斜率變化范圍較大，而面積相對正常作業面積始終偏小。平臺目前中的作業主要為耕地、插秧、收獲、施肥及植保噴藥作業，正常的作業軌跡為直線往復或繞行。分析圖3數據，正常農機作業形成的往復式作業軌跡通常由很多平行線組成，只在地頭轉彎處有較大的斜率變化。繞行法也最終會生成在方向上相互垂直的二組平行直線，而散亂的GNSS點軌跡無規律，相鄰兩點的斜率變動大且無規律。散亂點中不會出現多條正常作業所生成的平行線。因此，算法的核心是判斷點集中是否有多條相互平行或垂直的直線。

　　常用的直線擬合方法有Hough變換及其變形[13，14]、最小二乘法、粒子群算法[15]、隨機一致性采樣法等。其中，隨機一致性采樣法對含有較多噪聲點的農機作業軌跡直線擬合較果較好。但這類算法最終會針對所有輸入點得到一條擬合直線。由于在農機正常作業點集中通常包含多條作業直線，且這類算法通常忽視點集的時間序列特點，因此，常規的直線擬合算法不合適用于機庫散亂點的判斷問題。基于此，本研究提出了一種便捷的散亂點判別算法，算法步驟如下。

　　①點集去重復。

　　②利用公式(2)計算被測點集的所有點的斜率。

　　(2)

　　其中，

　　為投影后的緯度坐標，m;

　　為投影后的經度坐標，m。

　　③由斜率計算出前后相鄰兩個點的角度值Ti。

　　④對于點集N中的每個點，當前點Ni為中心，求出Ni前后5個點范圍內，共11個點為一個窗口大小的角度均值;將11個點的窗口順序移動軌跡點集，得到每個點為中心的角度均值Ai。

　　⑤求每個點的瞬時角度Ti與角度均值Ai的偏差Ei，表現該點與該點處擬合直線斜率的瞬時角度偏差。

　　⑥從1個點開始，判斷是否存在時間連續的C個以上的點Ei值滿足直線要求閾值VE。

　　對正常人工駕駛的軌跡的作業路線進行分析，可以發現正常人工駕駛的農機作業軌跡的角度偏差通常小于10°，偶爾一些跳點角度偏差達到15°以內，而在轉彎處Ei明顯增大，這也與人工駕駛及采用低精度的GNSS相符合。因此，可以在直線部分找到連續的小于10°的Ei，而在散亂點集中，該Ei值的變化較大，無明顯規律。圖4顯示了散亂點及直線部分的斜率偏差指標(換算成角度)分布。

　　(a)　散亂點角度偏差

　　(b)　田間部分從轉彎到直線的軌跡角度偏差變化

　　圖4　散亂點及田間部分的角度偏差示意圖

　　Fig. 4 Schematic diagram of the angular deviation of scattered points and field parts

　　由圖4(a)可見，散亂點的總體角度偏差大，而田間直線部分(圖4(b))角度偏差較小。基本在10°以內。

　　上述算法主要驗證了是否可以在點集中找到多條相似斜率的連續直線段，即使是采用普通米級精度的GNSS信號，也可以過濾因機庫遮擋而生成的大量漂移點。對斜率的進一步分析與計算可以得到更多有關作業軌跡的信息。如果農機停在樹下或其它干擾物下，也可以用該方法進行計算。而如果農機是停在較為開闊的農田中，由GNSS系統的精度可確保不會引起過大的漂移而干擾正常的面積計算。

　　3.2　農機作業調度

　　對有較大農機保有量的農場，還應提供適用于大量農機作業管理的一些算法，如農機調度算法[16-21]。

　　農機調度的概念在現在大部分的農機管理平臺中，大都設計為：操作人員主動觀察現在的農機作業情況，通過電話、微信等人工的方式，進行農機的宏觀調度。本系統的訂單模塊與其類似。

　　本研究所提的農機調度，是指已知當前的作業需求、可得到的農機數量等參數，通過建立一種帶時間窗農機調度模型，來自動安排一個合作社內全部的作業順序及農機與作業的配對，在模型所需數據可以得到的前提下，可用于部分輔助農機調度決策的生成。

　　本研究的帶時間窗農機調度模型針對以農機合作社為代表的面向訂單的典型農機服務模式，由作業的訂單產生了調度的需求。由現有的農田位置、農機的功率、作業效率等產生現在的可分配的資源，通過分析農田作業點、農機庫及農機、空間、時間等多個影響因素，結合現有車輛調度問題的研究，建立一種基于遺傳算法[22]的帶時間窗農機調度模型。在遺傳算法框架中，對染色體進行合適編碼，進化過程包括精英保留、選擇、交叉、變異和個體優化等步驟，設計多個變異算子和鄰域搜索算子。模型適用于以合作社為主導的農機調度模式和面向作業訂單的農機調度模式[23]，算法主要階段性步驟如下。

　　①將車庫中的農機按照作業能力由高到低排序。

　　②逐一對每一臺農機的調度路徑進行規劃，開始一條空路徑

　　。

　　③在所有未規劃的任務點中，隨機選擇一個任務點作為種子，將它插入到路徑

　　。

　　④如果所有任務點都已規劃好，跳到第⑦步;

　　否則，如果當前路徑

　　不滿足四大可行性評判準則(時間窗可行性準則、農機作業匹配準則、最大資源限制準則、調度路徑完整性準則)，則跳至第⑥步;

　　否則，對于每一個未規劃的任務點，找出該任務點在

　　的最佳插入位置。

　　⑤如果沒有可行的位置用于插入，跳至第⑥步。選擇最佳任務點，將其插入到路徑

　　，更新車輛狀態。跳至第④步。

　　⑥開啟一條新路徑

　　，

　　，跳到第③步。

　　⑦返回當前解。

　　主要技術路線圖如5所示。

　　圖5　農機調度模塊技術路線簡圖

　　Fig. 5 Technical route of agricultural machinery dispatching module

　　由圖5可知，針對合作社的農機調度算法，主要考慮了單個或多個車庫條件下，首先確定車庫的位置、地塊的位置及每個地塊上的作業需求，生成一個作業需求表。針對這個作業需求表，設計調度目標：如調度成本最低、完成作業計劃所需要的農機數量最少、或完成作業的時間要求最短等三個方面。針對某一個調度目標，設計相應的目標函數，利用遺傳算法優化農機作業過程的總成本最優，其中要考慮農機在不同地塊上作業的時間成本、油耗成本、轉移成本等，最終為管理人員提供作業順序建議方案。

　　對于應用者來說，需要錄入較多的基礎數據，如農機每種作業的作業效率、地塊的位置、訂單的詳細信息、農機每種作業的平均油耗數據等，因此，模型的全面應用還需要經過一段時間的數據積累。

　　3.3　農機作業傳感器信息的集成

　　豐富的農機作業傳感信息是農機作業管理平臺與一般的車聯網系統的主要區別之一，也是將來大田農機大數據服務系統的基礎。目前，由于國內農機領域的傳感技術較為落后，能直接集成的傳感器較少，最為常見的是深松作業傳感器及部分噴施作業信息的集成。

　　3.3.1　深松傳感技術及數據集成

　　深松傳感技術的最終目標是精確測量出深松深度，深松傳感也是目前已有較大范圍應用的一種農機作業檢測技術，可基于不同的深松檢測原理進行操作。

　　本平臺采用的是自行研發的機械式仿形深松深度測量法，對測量臂的外形進行了建模運算。在測量時，當測量臂接觸地面并滑動轉過一定角度時，角度傳感器實時測出角度值，通過設定的比例系數得出農具下降的高度，由此測出耕深。該裝置已獲得了專利授權(ZL 2019209013772)。但從平臺的角度來說，平臺也可以集成多種不同的深松傳感器數據。

　　因此，從平臺數據集成的角度，主要的關注點在于：傳感器將一個與角度有關的電信號轉為深度變化信息后，平臺需要記錄隨時間、經度、緯度變化的深度信息，并與作業及農機基礎數據相關聯。因此，集成的動態數據主要是時間、經度、緯度和深度。在數據處理上，由于實際的農田中，土塊高低有一定的變化，所以需要在數據處理上進行平滑處理，如移動平滑、中位值平均算法、S-G(Savitzky-Golay)卷積平滑、最小二乘擬合等數據平滑算法。

　　3.3.2　變量噴施技術及數據集成

　　變量噴施是現代農業中的一項基礎作業，通過變量噴施作業實現作物的按需作業，在保證噴施效果的同時，減少環境污染與肥料或農藥的浪費。本平臺集成的變量作業技術，實際使用的是基于GNSS定位系統根據作業速度快慢調整作業量、控制壓力或流量。流量的調整可以通過調節回流量，保證系統中的流量大小，具體能夠實現作業速度快則噴量自動增大，作業速度慢則噴量自動減少，作業停止則停止噴施。

　　由于大田噴施作業控制機構復雜，通常包括多個區段，每個區段均可控制開關和流量，在系統集成方面也增加了一定的復雜性，本系統除了位置信息外的變量噴施部分參數如表1所示。

　　表1 大田噴施作業參數

　　Table 1 Field spraying operation parameters

　　參數名稱描述

　　噴霧類型分為液力噴霧、靜電噴霧、離心力噴霧

　　藥液類型分為水基、油基

　　區段數3，5，7，9等區段個數值

　　區段長度/cmn為區段數量，每個字節順序表示區段長度，范圍1~n

　　噴頭編號正在作業噴頭的編號值

　　平均藥量/(L·m-2)一次作業過程的平均藥量

　　作業總流量/L一次作業過程的總流量

　　作業總行程/m一次作業過程中噴灑的總行程

　　作業總面積/m2一次作業過程總的覆蓋面積

　　與其它農機管理系統不同，本研究針對主要的農機作業類型，如插秧、收獲、深松、打藥等，設計了不同的作業管理單元。系統通過自動識別作業類型，自動進入相應的作業管理單元。目前主要涉及種植、收獲、植保、耕地等幾大主要的作業管理，用戶只需了解農機類型，即可自動進入對應類型的作業管理，無需人工作業選擇。

　　3.3.3　農機數據通訊終端研制

　　針對農機數據的遠程通訊問題，本平臺設計了專用的農機數據通訊終端。為配合如前所述的多種傳感器數據采集，通訊終端需要支持多種常用的農機數據接口CAN/RS232/RS485，以便于匯集各種農機定位、狀態和作業信息。其中，控制器局域網絡(Controller Area Network，CAN)是ISO國際標準化的串行通信協議，RS232是數據終端設備和數據通信設備之間串行二進制數據交換接口技術標準，RS485采用平衡發送和差分接收方式實現通信。采用TCP/IP協議，通過GSM/GPRS/4G移動通訊模塊實時將定位、狀態、作業傳感信息發送到遠端云平臺。

　　本平臺研制了三種不同類型的農機數據采集終端，分別為僅支持GNSS信號的2G終端、支持GNSS和485接口傳感器的2G終端、支持GNSS和485/CAN接口傳感器的4G終端三種。分別如圖6所示。

　　圖6　三種不同復雜度的平臺終端

　　Fig. 6 Three different complexity of platform terminals

　　這三種終端傳感器分別從簡單的定位數據到多傳感器支持，從2G到4G信號支持，應用于不同需求的場合。如有部分農機作業暫時缺少適合的傳感器，則只需要GNSS定位數據。目前大部分傳感器如圖像傳感器采用485接口。由于CAN是一些中大型農機公司常用的數據接口，應會在未來的幾年中逐步推廣。不同的接口支持使得平臺可以隨著傳感器技術的進步，逐步增加平臺中的作業數據類型與數據來源。

　　無論采用哪一種終端，本平臺設計了基于透傳的數據通訊協議，完成終端與平臺的通訊，并同時可以外接不同類型的傳感器。為滿足不同類型傳感器的對接，終端采用了傳感器信號的透傳模式，平臺只需要在服務器端做對應的數據解析，任何類型的傳感器均可接入平臺。

　　另外，當出現大量終端同時上線對接到平臺時，平臺在策略上采用了多服務器自動均衡用戶量的做法，可以隨著用戶量的增加而增加服務器數量，并對服務器做好負載均衡，以滿足農忙時期大量終端同時上線的要求。

　　圖7為農機終端上線過程、終端與農機作業傳感器、終端與農機通訊服務器的一部分交互過程。終端在通信服務器上通過各種驗證之后，首先要定時向通信服務器發送心跳包，終端也會啟動外設查找，即查看是否有農機作業傳感器的掛接。如有，則外設通過終端與服務器通過透傳建立聯系，并同時啟動位置服務。通訊服務器端定時查看終端是否仍在活躍狀態，如果通訊超時，則結束與終端的連接。作業傳感器的信息通過終端透傳到服務器上，因此終端可以適應各種傳感器的應用需求。

　　圖7　終端上線及作業傳感器信息獲取部分流程

　　Fig. 7 Part acquisition process of terminal online and operation sensor information

　　4 系統的實施與應用

　　4.1　平臺實現與部署

　　平臺采用多服務器架構，通過負載均衡服務，為終端分配物聯網通訊服務，完成通訊、存儲與計算功能。平臺分前端農機管理應用平臺及系統支撐平臺兩部分：農機管理應用平臺主要負責業務直接相關的功能模塊，包括用戶服務、作業管理服務、地塊服務以及農機服務等。系統支撐平臺主要負責消息總線、分布式緩存管理、服務發現等。系統的主要架構圖如圖8所示。

　　圖8　系統部署示意圖

　　Fig. 8 Diagram of system deployment

　　本平臺采用微服務和云存儲技術實現，通過SaaS(Software-as-a-Service，)為Web與app提供數據服務，并通過多種技術融合的數據存儲體系保證數據穩定可靠和響應時效。其中，配置管理采用Consul技術，負載均衡采用Nginx技術，身份認證采用Identity server 4技術，基于Microsoft 最新開源跨平臺的.net core為框架，支持在Windows和Linux服務器上部署，緩存技術為Redis，數據庫兼容MySQL、MongoDB等。在GIS服務上，采用Openlayers技術，并支持天地圖、高德、百度地圖等國產數據，也同時支持谷歌地圖以方便農機管理平臺向海外推廣應用。前端設計主要采用Angular、Reactor、Typescript、Javascript和Less等技術。移動端設計采用DCloud、MUI技術，同步支持安卓和iOS系統。

　　4.2　平臺應用實例

　　本平臺已在國內多地展開了應用，本研究以浙江省為例對系統運行和應用情況進行說明(圖9)。

　　(a)　省級管理平臺

　　(b)　縣級管理平臺

　　圖9　省級與縣級管理平臺系統界面圖(以浙江省為例)

　　Fig. 9 Graphical user interface of provincial and county level management platform system(a case of Zhejiang province)

　　圖9(a)為浙江省級的一個農機管理的政府端平臺，可以通過平臺看到全省農機分類、各地市實時在線的農機數量、各地市的累計作業面積等。圖9(b)是定制的縣級農機管理平臺，除了管理縣級的農機動態，還增加了部分當地管理人員較為關心的各類統計信息。政府管理人員看到的信息均來自于合作社、農場中的農機運行數據的匯集與統計。與現有的農機管理平臺相比，本研究設計的平臺為合作社做了增強型設計，平臺合作社作為一線的農業管理層，有自己獨特的Web管理端與功能比較全面的手機app。如圖10所示。

　　(a)Web端 (b)手機app

　　圖10　合作社農機管理平臺Web端與手機app

　　Fig. 10 Cooperative agricultural machinery management platform of Web and mobile app

　　圖10(a)在以遙感圖像為底圖的界面中，顯示了該農場的所有地塊，在合作社的各功能模塊中，作業管理和作物管理都是基于地塊的管理。本平臺也設計了相關的app，并與Web端的功能設計基本接近，但app提供了更便捷的操作方式，可用手機完成所有的操作。基于合作社的Web端設計及相應的手機app中，用戶可以完成合作社的人員管理、農田管理、農機基礎信息管理、農機作業管理與作物管理，以及訂單管理等多種日常農事管理，部分對政府較為重要的作業信息則與政府接口連通，以保證數據的準確性與可靠性。真正形成了合作社到政府管理的從分散到集中的管理模式。

　　5 結論與展望

　　本研究提出了一種綜合性的農機作業管理系統，該系統針對農機管理、農田管理、農機作業管理脫節的問題，在同一個系統中，以農田管理為核心，支持農田地塊、農機服務信息、農機作業信息的協同管理，把分散的農業設施、農田信息、農機服務需求信息和農機作業信息，以農田(地塊)為核心，將所有信息連成統一的、互有因果的整體，形成農機作業、平臺監管的新模式及流程，實現農機資源及農田資源的自動化、智能化、精準化與統一化的分析與管理。

　　然而，目前在農機作業上可使用的傳感器十分有限，常見的有深松檢測傳感、谷物水分傳感、流量和轉速傳感等，這部分傳感技術只能覆蓋農機作業中的一部分參數，且有些作業信息需要設計專門的傳感機構或裝置進行檢測，有些作業參數目前還難以檢測，如實際的插秧深度、實際的噴施作業效果等。傳感技術限制了目前農機管理系統上的數據來源，相關的傳感技術亟需快速發展，而平臺需要在此過程中不斷地支持新的傳感器的集成。

　　另外，這類綜合性的農機作業管理平臺還需要與各種企業配套的專用農機或農機管理平臺配合。很多農機生產企業已提供了適合自己本企業的農業管理平臺，依據標準協議建立接口，協同完成大田農機作業的管理。

　　隨著農機作業管理平臺的大規模應用及大量農機作業傳感數據的集成，農機管理平臺的應用有利于真實的管理數據的獲取，減少人為因素對數據的干擾。大量農機作業數據也有利于農機作業的行為分析和農機工況分析等，最終將有助于農機合作社、農機手、農戶及農機企業提高管理效率、提升產能。平臺也完全可以實現控制農機，當5G技術逐漸應用普及時，農機作業管理平臺將逐漸成為大田農機作業的管理中心及大田數字農業中心，實現精細農業按需作業目標，最終在保護環境的前提下，保證大田農業的可持續發展，并使每個農產品消費者也從中獲益。