农业数字中台

      针对智慧农业的全领域应用，神州精英基于创新的“农业信息模型（AIM）”体系构建智慧农业数字中台系统，应用大数据、云计算、5G、边缘计算、人工智能、数字孪生、知识图谱和区块链等技术，依托地理信息系统、遥感信息系统、全球定位系统、物联网标识系统，通过态势感知、数据洞察与智能决策等手段，提供以“天、空、地、物、人一体化”时空大数据为核心的农业全产业链智慧应用系统解决方案。

应用人工智能技术，系统目前主要形成了如下三方面的应用：

1.基于遥感光谱信息的农业自然灾害（病虫害、旱涝风雹灾等）与作物长势的监测、建模、分析、预测与预警；

2.基于高通量作物表型组学的作物长势信息监测、建模、分析与辅助决策；

3.基于土壤次表层特征数据的遥感探测、建模、分析、监测与预测；

四、技术说明

1.系统架构

2. 农业自然灾害与作物长势智能应用

系统采用卫星遥感、无人机遥感与物联传感快速获取农田光谱影像数据，应用快速拼图、精确定界及深度学习智能辨识等技术，实现农业自然灾害与作物长势的监测、建模、分析、预测与预警。具有精度高、效率高和成本低等特点，主要服务于农业管理机构、农业经营主体及保险机构监测、预测与预警的辅助工作。

完成的主要应用有利用遥感遥感影像数据的智能分析，对作物进行监测包括农作物面积、长势情况、产量估算、土壤墒情、病虫害等作物信息监测。

（1）作物种植面积监测：根据不同作物在遥感影像上呈现不同的颜色、纹理、形状等特征信息，利用计算机视觉技术将作物种植区域特征提取出来，从而得到作物种植面积和种植区域。

（2）作物长势监测：根据遥感影像获取作物的NDVI曲线通过深度学习反演计算作物的LAI，作为表征作物长势的参数进行作物长势监测。获得作物的苗情、生长状况及其变化的监测与预测。

（3）作物产量估算：利用遥感影像的数据建模反演农作物的生长特征数据，通过建立生长信息与产量问的关联模型获得作物产量预估信息，评价作物生长状况。

（4）土壤墒情监测：通过遥感影像数据进行干旱植被指数、条件植被温度指数、条件温度指数、归一化水分指数等的分析，选择参数建立模型进行含水量的反演。还可以对土壤肥力监测、土壤结构信息的提取。

(5)灾害监测：通过遥感影像数据的建模分析，实现如旱灾、洪涝等重大农业自然灾害进行动态监测和灾情评估，监测其发生情况、影响范围、受灾面积、受灾程度，进行灾害预警和灾后补救，减轻自然灾害给农业生产所造成的损失。

以水稻倒伏为例，主要技术流程如下：

⑴技术框架

⑵数据采集

⑶深度学习与模型构建

⑶项目成果

3. 高通量作物表型作物长势智能应用

神州精英基于自主研发的多传感器信息融合技术，应用在农业作物表型组学的最新研究成果，利用卫星遥感、无人机遥感、作物智能近感和机器人、计算机视觉技术的高通量农作物实时监测评估系统，全天候获取农作物长势、病虫害状态等精准数据；通过可见光、多光谱等光谱分析和人工智能评估技术，长势感知、数据建模、精细分析与决策支持，实现了全周期、高精度的主要农作物长势情况的智能监测与分析评估和对农业生产过程的及时指导。

通过绿色增产技术来提高粮食产能，用“藏粮于技”来加快推进农业新品种新技术的开发和应用。高通量农作物实时监测评估系统通过分子模块的解析、耦合，有目标地进行全基因组水平多模块优化组装，为 当前育种产量和品质双提升提供了最新的解决方案。对于育种和农业管理而言，表型分析是理解基因功能及环境效应的关键环节。在育种的整个进程中，表型监测不仅可对育种前期的室内种质筛选进行指导，而且能在后期推广种植中对品种的田间表现进行 评估。因此，高通量表型监测能够加速整个育种进程，并为精准农业监测中的资源调控和管理策略制定提供重要的数据支撑。

高通量农作物实时监测评估系统通过搭载三种以上不同类型的传感器，能够在短时间内获取多源近感数据，实现通量化地实现表型测量。依据所需获取的表型数据需求，利用高精度机器人平台，采用高清可见光、双目可见光、多光谱与激光雷达等智能传感器，对获取的的多源数据进行融合、建模与分析、预测与预警，完成评估与辅助决策。具有精度高、可复现强、模型可靠准确等优点。

系统平台集成和算法：

（1）高维度参数提取。作物精确的三维结构的获取依赖于激光雷达、RGB相机等传感器获取的高维数据，从高维数据中计算结构特征，尤其是高维数据的特征提取、目标探测以及分类分割等。

（2）多尺度分析。当前算法多集中于解决单一尺度 数提取，如何从不同尺度的数据中提取目标作物 信息，如从群体中提取单株信息、从单株中提取器官（如根系、花穗）等特定性状的方法十分欠缺。

（3）多源数据融合。多源数据融合涉及两个层面：一方面，将同一传感器在不同时期获取的数据进行融合，从而实现全生育期性状的动态监测和分析。另一方面，针对多源传感器获取的信息，进行不同维度、不同尺度的数据融合。

（4）多学科交叉。将工程学科与理论学科相结合，表型研究不仅仅是技术上的创新，更要为育种学家和植物学家所用。开展交叉学科间的深度合作有助于切实地将技术转化为生产力，从而从技术层面加速“基因-表型-环境”的交叉研究。

（5）多数据库共享平台和标准。基于研究“基因-表型-环境”的交互作用，更好地服务育种工作。将来自不同数据源的高通量基因型数据、表型数据以及实时变化的环境信息，进行有机的结合，建立起一套数据标准和共享平台。

系统原理如下：

系统操作界面如下：

系统分析功能如下：

系统结构如下：

4. 土壤次表层探测评估智能应用

神州精英基于次表层雷达探测技术，应用在土壤学的最新研究成果，利用无人机次表层遥感和地表次表层近感探测技术，实时获取农田土壤性质、结构等精准数据；融合数字孪生、三维光谱分析和人工智能评估等技术，通过数据建模、精细分析与决策支持，实现全周期、高精度的农田土壤智能监测与分析评估，形成对农业生产过程的智慧化指导。

系统工作原理：

传统的探地雷达只能获得土壤的单一极化数据，不能全面的反映土壤的各种性质。次表层雷达可构成四种极化模式的全极化探测，获取更加丰富的目标体信息。利用表面穿透雷达电磁波穿透土壤层、岩石层等，对土壤层上部结构进行探测，通过能量的衰减程度与波长和介质的电导率、磁导率等特性的分析与建模，判断与分析不同的土壤分层、土壤结构与土壤理化性质，从而掌握土壤特征，对土壤的利用与改良提供科学依据。

土壤层模型建立与分析

根据获取的次表层雷达电性参数数据，应用分形技术、磨粒技术及随机等效介质分析等技术，通过数据分析、数据建模、数据研判与数据可视化，形成土壤特征模型，并参照实地探测数据矫正拟合，形成优化的土壤层模型。

次表层雷达智能土壤层模型系统的应用

次表层雷达智能土壤层模型系统的优势在于探析土层厚度及分层现象。通过对雷达数据处理之后，可以了解到土壤在纵向上的特性变化情况。系统的应用可以为提高土壤综合利用率、优化土壤改良手段、调整农业耕作方式等提供科学的依据。