浙江大学学报（农业与生命科学版）

浙江大学学报（农业与生命科学版）, 2021, 47(2): 135-146 doi: 10.3785/j.issn.1008-9209.2020.08.171

综述

农业物联网技术现状与发展趋势

聂鹏程,,1,2, 张慧1,2, 耿洪良3, 王铮3, 何勇,,1,2,4

1.浙江大学生物系统工程与食品科学学院，杭州 310058

2.农业农村部光谱检测重点实验室（浙江大学），杭州 310058

3.西部电子商务股份有限公司，银川 750000

4.浙江大学华南工业技术研究院，广州 510530

Current situation and development trend of agricultural Internet of Things technology

NIE Pengcheng,,1,2, ZHANG Hui1,2, GENG Hongliang3, WANG Zheng3, HE Yong,,1,2,4

1.College of Biosystems Engineering and Food Science, Zhejiang University, Hangzhou 310058, China

2.Key Laboratory of Spectroscopy Sensing, Ministry of Agriculture and Rural Affairs (Zhejiang University), Hangzhou 310058, China

3.West Electronic Business Co. , Ltd. , Yinchuan 750000, China

4.Huanan Industrial Technology Research Institute of Zhejiang University, Guangzhou 510530, China

通讯作者: 何勇（https://orcid.org/0000-0001-6752-1757），Tel：+86-571-88982143，E-mail：yhe@zju.edu.cn何勇（https://orcid.org/0000-0001-6752-1757），Tel：+86-571-88982143，E-mail：yhe@zju.edu.cn

收稿日期: 2020-08-17   接受日期: 2020-09-07   网络出版日期: 2021-05-10

基金资助: 国家重点研发计划“政府间国际科技创新合作”重点专项.  2019YFE0103800
广东省重点领域研发计划.  2019B020216001
浙江省重点研发计划.  2019C02083

Received: 2020-08-17   Accepted: 2020-09-07   Online: 2021-05-10

作者简介 About authors

聂鹏程（https://orcid.org/0000-0003-2973-7797），Tel：+86-571-88982456，E-mail：pcn@zju.edu.cn , E-mail：pcn@zju.edu.cn

摘要

农业物联网技术是推动现代农业智能化发展的新兴技术，已广泛应用于农业生产的各个环节。随着新型感知技术、信息传输技术、人工智能、区块链等信息技术的快速发展，我国农业物联网应用面临新的机遇。光谱及光谱成像、机器视觉等新型传感技术，为实现快速实时无损感知提供了新思路。以5G为代表的新型通信技术，结合多源信息融合、人工智能、区块链、边缘计算等信息处理技术，使信息的传输与处理更加快速和安全可靠。本文从农业物联网的感知、传输、处理和应用4个核心层面，对农业物联网技术展开了较深入的分析，并结合新型信息技术体系，探索农业物联网的未来发展趋势，以期为我国未来农业物联网技术的创新和产业发展提供一些启示。

关键词： 农业物联网 ; 信息感知 ; 信息传输 ; 信息处理 ; 系统应用

Abstract

Agricultural Internet of Things (IoT) technology is an emerging technology to promote the intelligent development of modern agriculture, which has been widely used in every link of agricultural production. With the rapid development of information technologies such as new perception technology, information transmission technology, artificial intelligence, blockchain and other information technologies, the application of China’s agricultural IoT is facing new opportunities. New sensing technologies such as spectroscopy, spectral imaging, and machine vision provide new ideas for realizing fast, real-time, non-destructive sensing. The new communication technology represented by 5G, combined with information processing technologies such as multi-source information fusion, artificial intelligence, blockchain, edge computing, etc., makes the transmission and processing of information faster, safer and more reliable. This article deeply analyzed agricultural IoT technology from four core levels of perception, transmission, processing, and application. Based on the new information technology system, the frontier trends of future research were explored, in order to provide some enlightenment for the innovation and development of agricultural IoT technology in China in the future.

Keywords： agricultural Internet of Things ; information perception ; information transmission ; information processing ; system application

PDF (3436KB) 元数据 多维度评价 相关文章 导出 EndNote| Ris| Bibtex  收藏本文

本文引用格式

聂鹏程, 张慧, 耿洪良, 王铮, 何勇. 农业物联网技术现状与发展趋势. 浙江大学学报（农业与生命科学版）[J]. 2021, 47(2): 135-146 doi:10.3785/j.issn.1008-9209.2020.08.171

NIE Pengcheng, ZHANG Hui, GENG Hongliang, WANG Zheng, HE Yong. Current situation and development trend of agricultural Internet of Things technology. Journal of Zhejiang University（Agriculture & Life Sciences）[J]. 2021, 47(2): 135-146 doi:10.3785/j.issn.1008-9209.2020.08.171

近年来，我国高度重视农业信息化与现代化发展。物联网技术已被广泛应用于农业生产的各个环节，在精准灌溉、精准施肥、病虫害防治、环境智能调控、智慧水产、智慧畜禽业等领域发挥了重要作用。我国农业物联网技术的发展尚处于初期探索阶段，主要应用于设施农业上，存在规模小、成本高、见效差等问题。相较于荷兰、以色列、美国和日本等发达国家的农业物联网技术，我国还存在农业专用传感器缺乏、农机与农艺融合不够等缺点。

要加快我国农业物联网技术应用推广进程，必须突破农业物联网的关键技术瓶颈，研制出符合我国国情的农业物联网装备与系统，加强农机与农艺的融合应用，发挥信息在农业生产管理中的潜在价值，为农业生产经营注入新活力。

本文从物联网的“感知、传输、处理和应用”4个关键层次，对国内外研究和应用现状进行分析，详细介绍了物联网系统各层次的关键技术，指出当前我国农业物联网发展面临的问题，并结合我国实际提出农业物联网未来的研究方向与发展趋势。

1 信息感知技术

传感器是获取农业信息的载体，包括感知农业生产环境和动植物生命信息的技术与装备。传感器是物联网发展的根基，其智能化转型是提升种植业、畜禽业、水产业的信息化与智能化的核心。

1.1 种植信息感知技术

1.1.1 环境信息传感技术

环境监测传感器类型繁多，较常用的有温湿度、光照、二氧化碳等传感器。常规农田环境感知传感器技术相对成熟，但由于农田环境恶劣，导致传感器在“高湿热”或低温环境下的稳定性与可靠性差，且受成本和供电等因素的制约。因此，稳定可靠、低成本、低能耗的环境传感器的研发已成为主要发展趋势。

1.1.2 土壤信息新型传感技术

土壤信息一般包括含水量、氮、磷、钾、有机质以及各种矿物质成分。传统的土壤理化及养分分析方法费时费力。近年来，国内外研究人员对土壤信息的快速检测方法开展了相关研究，取得了较大进展。

1）土壤水分检测。传统的土壤水分检测方法无法满足快速实时原位检测的要求，而时域反射（time domain reflectometry, TDR）、频域反射（frequency domain reflectometry, FDR）等电磁传感方式又存在适应性差等缺陷。因此，一些研究人员利用可见-近红外光谱检测土壤水分含量[1]。此外，也有学者利用太赫兹光谱的惧水性，开展了基于太赫兹透射光谱技术的土壤含水率研究[2]，均获得了较好的检测效果，为土壤水分的精确测量提供了新的方法和技术。

2）土壤养分检测。土壤养分快速检测技术是科学施肥的关键，也是当前行业难题。现代光谱技术的发展，为土壤养分检测提供了新的解决方案。研究人员应用近红外光谱实现了土壤中有机质、磷、水分、钾、酸碱度、有机碳、矿物质等成分的检测[3-4]，还应用可穿透光谱实现了不同深度土壤有机物、磁悬浮颗粒含量的检测[5]，均取得了较好的效果。以上研究为土壤养分快速原位检测提供了新思路，具有较好的应用潜力。

3）土壤重金属检测。土壤重金属快速检测是分析农业面源污染与环境治理的关键技术。目前，研究人员应用中红外光谱[6]、激光诱导击穿光谱（laser-induced breakdown spectroscopy, LIBS）[7]、太赫兹时域光谱[8]、Landsat 8多光谱成像[9]等技术，检测土壤中砷（As）、铅（Pb）、镉（Cd）、铬（Cr）、镍（Ni）、铜（Cu）等重金属的含量，取得了较好的相关性。从研究结果看，LIBS检测精度高，且LIBS易于模块化与便携化，在土壤重金属现场检测方面具有明显优势。

4）土壤农药残留检测。土壤农药残留是造成环境污染问题的重要根源，传统检测方法过程复杂，且依赖大型仪器，难以实时检测和推广应用。由于农药残留含量极低，常规光谱技术难以满足检测需求。近年来，因超材料具有天然材料所不具备的超常物理性质而备受关注。与超材料结合的拉曼光谱和太赫兹光谱能大大降低检测限，已成为当前的热点研究课题。

拉曼光谱技术是一种可以反映分子内部信息的指纹光谱技术。表面增强拉曼光谱是将纳米材料与拉曼光谱结合，信号强度可提升6～8个数量级，具有很高的灵敏度，在农药残留检测上具有很大的优势（图1）。研究人员开展了表面增强拉曼光谱结合基底材料的研究，实现了土壤中毒死蜱、噻菌灵等农药的超低浓度检测，获得了较高的检测精度[10-11]。

图1

新窗口打开| 下载原图ZIP| 生成PPT

图1   基于拉曼光谱的土壤中农药残留检测

SERS：表面增强拉曼光谱；TERS：针尖增强拉曼光谱；SHINERS：壳层隔绝纳米粒子增强拉曼光谱。

Fig. 1   Detection of pesticide residues in soil based on Raman spectroscopy

SERS: Surface-enhanced Raman spectroscopy; TERS: Tip-enhanced Raman spectroscopy; SHINERS: Shell-isolated nanoparticle-enhanced Raman spectroscopy.


太赫兹光谱因能量低、对非极性物质穿透能力强，可以反映分子的细微差别，而成为安检、通信领域、医学成像、无损检测等方面的研究热点。太赫兹光谱覆盖了生物大分子等物质特征谱，在农药残留检测方面具有独特优势[12]。

1.1.3 作物信息新型传感技术

1）作物营养与生理检测。作物营养与生理指标是评价与监测作物生长的关键技术参数，快速、准确地获取作物生理和营养信息，有助于作物生产的精确化、数字化、智能化管理。研究人员通过数字图像处理技术、近红外光谱、高光谱等手段对作物中氮、磷、钾、丙二醛、可溶性蛋白质、植物色素等成分[13-16]开展了研究。

2）作物病虫害检测。作物病虫害是影响农作物品质、产量及威胁粮食安全的主要因素，已成为当前农业管理中首要关注的问题。近年来，许多学者揭示了高光谱遥感、无人机、计算机视觉等技术在作物病虫害识别、监测及早期预判上的多种可能性[17-19]。

3）农产品重金属检测。重金属污染是农产品质量安全的“隐形杀手”。有毒重金属如砷（As）、铅（Pb）、镉（Cd）、铬（Cr）、硒（Se）、汞（Hg）等进入作物体内后，导致大量必需元素缺失、酶活性降低，降低农作物对钙、镁等矿质元素的吸收、转运能力，影响农作物的品质，甚至导致植物死亡[20]。动物或人食用含有重金属的农作物后，会对机体造成严重危害[21]。目前，常用的重金属检测方法有激光诱导击穿光谱[22]、原子吸收光谱法[23]、原子荧光技术[24]等。

4）农产品农药残留检测。为了防治害虫和提高农产品的产量，农民大量施用农药导致其残留严重，农产品质量问题堪忧。因此，研究快速、便捷、可靠的农药残留检测方法迫在眉睫。目前，新型的农产品农药残留检测技术有太赫兹时域光谱和表面增强拉曼光谱。

一些研究表明，太赫兹光谱技术在抗生素和杀螨剂[25]、杀虫剂[26]、混合农药[27]等的检测中具有良好效果，说明太赫兹光谱技术在农药残留分析领域具有广阔的应用前景。

利用表面增强拉曼光谱技术可以实现农药残留的快速无损检测，图2A是常见的基于表面增强拉曼光谱技术的快速无损检测方法，较为流行的是基于柔性基底材料的富集（图2B）和原位检测（图2C）2种方式。已有的研究表明，该技术可以实现噻菌灵[28]、溴氰菊酯[29]等农药残留的检测分析。

图2

新窗口打开| 下载原图ZIP| 生成PPT

图2   基于SERS技术的果蔬表面农药残留的快速无损检测

Fig. 2   Rapid and nondestructive detection of pesticide residues on the surface of fruits and vegetables based on SERS


1.2 养殖信息感知
1.2.1 畜禽养殖信息感知

规模化、设施化、集约化的畜禽养殖方式已成为当今畜禽养殖业发展的必然趋势。养殖信息的智能感知技术及专用传感器的发展，是推动畜禽精细化养殖进步的重要底层驱动力。利用先进传感技术、音视频监控技术、计算机技术等多维信息感知技术，可实现对畜禽养殖环境信息、畜禽个体生理信息、动物行为等实时监测，有助于提高动物的生理健康和福利水平。

1）畜禽养殖环境信息感知。畜禽养殖环境影响动物的生长发育，制约着畜禽的产量和质量。畜禽舍内由于饲料、垫草、粪尿、发酵物产生的粉尘和一氧化碳、氨气、甲烷、硫化氢等有害气体，容易导致人畜发生疾病[30]。对畜禽舍内环境信息的感知，是动物福利养殖的基础。目前，基于电化学检测原理的气体传感器在畜禽环境有害气体感知中应用较多[31]。感知畜禽舍环境光照强度的感知器件包括光导型和光伏型：前者灵敏度虽高，但响应时间长，频率特性差，强光线性差；后者的稳定性和光电特性的线性度更高[32]，应用较多。

受多环境参数的互相影响，以及人类活动、气候条件的干扰，畜禽舍养殖环境呈现出时变、非线性、多变量耦合的特点，环境信息获取难度大。因此，急需对适用于特定复杂的畜禽养殖舍环境信息感知与采集技术开展研究。

2）畜禽生理信息感知。畜禽体征信息主要包括动物个体信息、健康信息、行为信息、情绪信息等生理信息。传统畜禽生理指标的测量主要依靠人工操作或者在畜禽体内植入生理信号感知芯片，费时费力，测量结果不客观且精度低，会使动物发生应激反应，进而造成伤害。

基于传感器技术的数据获取简单方便、抗干扰能力强，可实现多种数据的实时连续测量。利用射频识别（radio frequency identification, RFID）技术、红外探测技术、无线传感网络技术等，可实现对动物的体温、心率、血压等生理指标，以及休息、快走、定位、发情等行为信息的监测[33-35]。

随着新型技术的发展，许多研究人员开展了基于机器视觉技术、双目视觉原理和径向基函数（radial basis function, RBF）神经网络等的图像监测技术对畜禽信息感知的研究，可在不危害动物的情况下，实现动物体尺、体质量、体温等生理指标的测量，以及行走、采食、饮水等行为的识别[36-38]。此外，动物叫声包含其情绪状态、生理健康等信息。采用声音收录设备实时录制声音信息，建立声音分析数据库,构建声音监测系统，可实现动物疾病诊断、情绪状态识别、行为监测、进食监测、成长率监测等[39-41]。由于畜禽活体特征复杂多变，急需研究开发精准、智能、无损的新型生理信息感知技术。

1.2.2 水产养殖信息感知

水质是影响水产品品质的关键因素。传统的水质传感器多依据电化学原理设计，受水体流速、温度、压力等外部因素影响，测量值存在一定误差。此外，其校正方法也过于烦琐，且存在寿命较短、适用范围小等问题。

随着技术的进步，具有自校准、自识别等功能的智能传感器得以实现。智能传感器不需要人工干预，可自动采集数据并对其进行预处理；同时，还具有标准化数字输出、与上位机双向通信等多种功能。针对集约化养殖对水质的要求，智能水质传感器可实现对温度、浊度、溶解氧、电导率和酸碱度等多个指标的同时监测[42]。

1.3 农业生产管理的个体识别技术

个体识别技术贯穿整个农产品的生产、加工、物流仓储、销售管理等多个环节中，用于标识和跟踪每个农产品的信息。

1.3.1 个体识别技术

农业物联网中的个体识别技术主要有条形码、二维码技术和RFID技术。

1）二维码技术。随着信息科技的发展，二维码突破了条形码的平面编码性质，充分利用横向和纵向的空间排序来记录数据符号信息[43]。由于其信息储存量大、成本低、抗损性强等独特优势，被广泛应用于农业物联网中。二维码在农产品溯源上的应用主要是农产品加工与物流，包括原材料信息、生产配方信息和成品信息等的录入、核实与查询[44]。

2）RFID技术。RFID是一种无线通信技术，可以通过无线电讯号自动识别目标对象并读写数据，已应用于畜产品、水产品、果蔬等食品溯源系统中[45-47]。与传统信息标识技术不同，RFID不受特定工作条件的限制，可以在各种恶劣环境中工作，且无须人工干预，操作方便快捷，具有对高速运动物体识别和对多个标签批量读取的特点。此外，RFID还具有可多次读写信息，可对标签中存储的单品信息加密，可扩展更大的信息存储容量等二维码技术所不具备的优点。因此，RFID将是未来农业物联网中最基本的信息工具。

1.3.2 仓储物流信息感知

在农产品流通环节，通过对仓储和物流过程中的环境信息进行实时监测，可以快速定位质量问题发生的关键节点，避免质量纠纷。在保护企业利益的同时，能及时地发出质量安全信息预警，消除农产品质量安全隐患。

利用传感器技术、RFID技术或条形码自动识别技术、全球定位系统（global positioning system, GPS）技术和车载视频识别技术等[48-49]，实现对仓储环境的感知调控、货物的识别和追踪定位等，进而实现农产品全生命周期的追踪溯源。

2 信息传输技术

农业物联网信息传输方式主要分为有线通信与无线通信。常见的有线通信技术有电力载波、光纤通信、现场总线技术、程控交换技术等。无线通信包括射频通信技术、调频通信技术、蓝牙、通用分组无线服务（general packet radio service, GPRS）、第2/3/4/5代移动通信技术（the 2nd/3rd/4th/5th generation mobile communication technology, 2G/3G/4G/5G）、ZigBee等。随着现代通信技术的发展，越来越多的新型关键通信技术和组网模式应用到农业物联网场景中，并逐步在通信带宽、通信速率、组网效率上进行突破。

2.1 5G通信技术

5G作为一种新兴的通信手段，通过对其体系构架上的改进，实现了系统性能的大幅度提高。同4G技术相比，5G通信的数据流量增长1 000倍，联网设备数目扩大100倍，峰值速率达10 Gb/s以上，用户可获得速率达到10 Mb/s，具有延时短、可靠性高、频谱利用率高和网络耗能低等特性[50]。5G通信技术为现代农业大容量数据的实时获取和场景建模提供了信息传输保障，对未来机器换人和农业生产智能化管理提供了技术保障。

2.2 远距离无线电（long range radio, LoRa）技术

LoRa技术是由美国Semech公司发布的一种专用于无线电调制解调的技术。随着物联网技术的不断发展，低功耗广域物联网（low power wide area network, LPWAN）接入技术的出现满足了远距离设备的接入需求。LPWAN技术采用星型网络覆盖方式，在接收端及时纠正数据传输过程中注入的错误码元，采用信道冲突检测机制，解决了节点数据并发和丢包问题，极大地提高了网络的鲁棒性[51]。与传统农业物联网ZigBee技术相比，其信息传输能力与稳定性大幅提升，具有传输距离远、功耗低、成本低等优势，适用于传输少量数据的应用场景。

2.3 窄带物联网（narrow band-Internet of Things, NB-IoT）技术

NB-IoT是一种专为物联网设计的窄带射频技术，因功耗低、连接稳定、成本低、架构优化出色等优势而受到青睐。它聚焦于低功耗、广覆盖物联网市场，使用授权（license）频段，可采取带内、保护带或独立载波等3种部署方式，可与现有网络共存而平滑升级。NB-IoT网络由终端、基站、核心网、机器对机器（machine-to-machine, M2M）平台及运营支撑系统等组成。NB-IoT简化了信令，具有与传统的集成移动解决方案（integrated mobile solution, IMS）/演进式分组核心网（evolved packet core, EPC）不同的核心网控制设备[52]。NB-IoT技术有效解决了农田信息远程传输成本高、能耗大等问题，是农业物联网信息传输的重要手段。

2.4 超窄带（ultra narrow band, UNB）技术

UNB技术能够提供60 b/（s·Hz）以上的极高频谱利用率。实现UNB通信的关键技术包括甚小频移键控（very minimum shift keying, VMSK）调制技术、扩展的二元相移键控（extended binary phase-shift keying, EBPSK）调制技术、最小波形差键控（very-minimum waveform difference keying, VWDK）调制技术和滤波器的选择。

UNB技术优势体现在终端成本低、功耗低、链路预算覆盖性能优等方面。UNB技术的局限性也非常明显，主要包括：终端通信能力有限，通信质量无法得到保障，空口不安全，网络需自建，下行传输能力有限且无法支持软件升级更新。UNB终端通信能力受限主要来自于非授权频谱。UNB与NB-IoT以及3G/4G/5G的有效结合可大幅降低农业物联网通信成本，提升网络局部覆盖能力。

3 信息处理技术

利用信息处理技术对各类农业活动信息进行整理、分析、加工和挖掘，实现智能判断和决策，从而为农业的智能化控制提供理论依据。

3.1 云计算与边缘计算

物联网产生的数据类型十分复杂，包括传感器数据、RFID数据、二维码、视频、图片等。将云计算与农业物联网技术相结合，构建农业数据云，可以降低成本，提高效率，节约资源，促进农业现代化发展。边缘计算是指在靠近物或数据源头的网络边缘侧，采用网络、计算、存储、应用等核心能力为一体的开放平台，就近提供最近端计算服务。云计算与边缘计算的有机结合是解决农业物联网应用时效性和进行趋势分析的重要手段，对未来农业物联网发展影响深远。

3.2 算法与模型融合

在实际应用中，因受自身属性和外界因素的影响，对象状态呈现出复杂的空间和时间差异性。大部分的算法与模型都是基于单变量时间序列的，即只能利用某一类信息源的单变量时间序列信息，并不能充分利用已有的多源信息。为了解决上述问题，可以将数学中交互多模型、多算法技术与多传感器信息融合技术有机结合，通过同时对多源信息综合处理，识别对象状态信息，从而提取一个能代表对象状态的综合信息。

3.3 模型传递

模型传递是将特定条件下建立的模型，通过一定的数学方法使其可应用于不同的样品状态、环境条件或仪器条件，是解决数据通用性的关键技术。针对农业物联网应用复杂多变的特点，可进行复杂系统的参数化建模或采用多模型融合的方法构建模型传递系统。复杂系统的参数化建模通过变量的筛选、微分、小波变换、傅里叶变换等预处理方法和增加扩充校正模型以及稳健回归等方法，扩大所建模型的应用范围，使其适应于不同对象，但是这需要大量时间计算模型的动态参数，检验模型的精确性和适应性。而多模型融合通过对最优融合后得到的最终状态进行估计，可有效提高模型适应能力。

3.4 人工智能分析技术

随着移动互联网、物联网、云计算等技术的快速发展，海量数据将爆发式增长，人工智能逐渐逼近人类智能，不断推进新一代信息技术的革新。人工智能分析技术在农业信息智能处理中发挥着越来越重要的作用，但当前针对农业生产、经营、管理的人工智能理论体系仍待突破。尤其需重点突破智能农业场景应用理论方法和共性关键技术，研制一批集智能感知、控制、自主作业、智能服务等功能于一体的系统性装备产品，有效促进农业生产经营的资源节约、配置优化、治理高效，推动农业农村发展的质量变革、效率变革和动力变革，以更好地服务于我国乡村振兴战略和农业农村现代化发展。

4 农业物联网的应用

常见的农业物联网应用体系如图3所示。利用智能感知技术、信息传输技术和智能处理技术，对农事活动中的各个环节进行实时监测和远程调控，促进农业生产、经营管理、战略决策的智能信息化，实现农业生产的高效化、集约化、规模化和标准化。

图3

新窗口打开| 下载原图ZIP| 生成PPT

图3   农业物联网应用系统

IoT：物联网；PAN：个人区域网络；LAN：局域网；WLAN：无线局域网。

Fig. 3   Agricultural Internet of Things application system

IoT: Internet of Things; PAN: Personal area network; LAN: Local area network; WLAN: Wireless local area network.


4.1 种植物联网技术应用

4.1.1 农田信息感知与调控

农田环境监控系统主要是实现对光照、温湿度、二氧化碳、微气象和水质等信息的自动监测。控制中心根据实时环境信息与作物生长模型进行智能化调控，为作物生长提供适宜环境与营养条件[53]。

4.1.2 大田作物病虫害诊断与预警

病虫害诊断与预警系统可以实现对作物病虫害的智能化实时远程监测和诊断，对大田作物的正常生长具有重要的意义。通过传感器采集大田作物的病虫害信息，结合图片（或视频）诊断模型或专家系统，实现对病虫害信息的诊断和预警，指导科学施药施肥，推进作物病虫害的绿色防控。

4.2 养殖物联网技术应用
4.2.1 畜禽养殖物联网

畜禽农业物联网系统利用智能传感器、射频识别等先进感知技术，对养殖环境及动物生命信息进行实时监测和智能调控，实现智能环境调控、精细投喂、智能育种、智能屠宰及数字化营销等全过程的数字化管理。浙江省畜牧养殖云服务平台已将全省畜禽养殖企业、行政管理机构、技术服务机构、执法机构、屠宰企业、农资经营企业等信息互联共享，通过全程数字化实现有效共治、共享，大幅提升了畜禽养殖业的智能化管理水平。

4.2.2 水产养殖物联网

高效、生态、智能化的精准养殖模式是我国水产养殖业未来的重要发展方向[54]。目前，我国水产养殖物联网技术的应用仍受传感器技术的制约，关键水质传感器国产化率不高，且使用寿命短、稳定性和可靠性低。近年来，国内科研院所积极开展水质传感器技术攻关以及水产养殖调控模型的研究，推动了我国水产养殖业的智能化转型[55-56]。同时，也开展了基于自动巡航无人驾驶技术和水下机器人自主巡线技术的养殖环境动态监测研究[57]，实现了水温、溶解氧、酸碱度和氧化还原能力等指标的实时监测，以及鱼虾生理信息的实时定点获取。

4.3 农产品溯源

在国家政策和技术发展的双重推动下，农产品溯源体系正逐步完善和普及。随着大数据、云计算、物联网等新技术在农业生产及食品加工中的推广应用，使得更全面的信息得以收集与分析。农产品溯源系统成为介于生产者和消费者之间的及时可靠的信息传递渠道，帮助消费者建立对生产企业的信赖。

种植业溯源包括采摘收割、加工包装、流通销售等环节。在生产领域，构建生产档案对农事操作、投入品使用、质量检测等信息进行记录管理；在流通领域，对仓储物流过程中的环境信息和产品质量进行实时监测；在市场领域，消费者可通过查询二维码、批号等方式追溯产品的详细信息。

畜禽产品质量安全追溯系统，主要是对养殖、屠宰、加工、销售、流通、消费等环节的全程信息化监管，实现畜产品的全产业链溯源。

水产养殖业质量追溯通过数字条码、二维码等技术，实现水产养殖过程中的水质管理、养殖户、生产地、投饲、用药等信息的数字绑定，确保追溯信息的连通性和完整性，实现水产品来源可追溯、去向可查证、责任可追究[58]。

5 小结与展望

随着农业物联网技术的不断创新和发展，物联网技术已渗透到农业的各个领域，并逐步形成专业化经营管理模式，在农业生产、经营、管理中发挥着更积极的推动作用。具体将会体现在以下几方面：

1）新型农业传感器不断丰富。未来农业物联网技术的发展离不开传感器的丰富和体系的完善。当前，比较成熟的农用传感器主要为常规环境类传感器。可感知复杂种植/养殖环境信息以及生命体征动态信息的新型多功能复合传感器的研发，仍是未来农用传感器发展的重要攻关方向。同时，随着智能技术发展的不断深入，微型、低成本、自适应、微功耗、高可靠性的农业传感器的研发，也将是农业物联网发展的重要趋势。

2）数据清洗与数据质量管理技术快速发展。随着农业物联网技术的深入应用，涉农数据将呈现出爆炸式增长。数据的可靠性和准确性是保障信息转化为价值的前提，而现实中感知到的数据多是冗余、错误、不完整和不一致的。农业数据源多、数据类型复杂、甄别困难将成为制约数字农业发展的重要因素。科学高效的数据清洗与数据质量管理机制不仅会推动相关政策的制定，也将催生新业态，激发产业活力。因此，高效的数据清洗、数据管理体系以及数据共享机制的建立迫在眉睫。

3）新型农业智能作业装备不断涌现。随着农业物联网技术的发展，越来越多的智能装备将被广泛应用在农业领域中，逐步取缔传统农业作业方式。轻量化、小型化、智能化、低成本作业装备将越来越多，并成为未来农业物联网发展的主流方向。此外，智能装备的广泛应用也将进一步推进农机与农艺的深度融合，促进农业机械发挥更大的作用。

4）促进分子设计育种技术快速发展。农业物联网技术的发展与应用，将会积累大量的农业气候、作物生命、土壤养分等信息，极大丰富了现代设计育种领域的信息来源，促进农业育种与生物信息、大数据、人工智能等学科领域的汇聚融合，有效推动农业育种高效快速发展。

5）加快现代绿色生态农业发展进程。农业物联网技术应用将转变传统的肥、药施用手段，进一步提高植物生长生命体征、病虫害信息精确度。结合大数据与人工智能技术，大幅提升病虫害预测与防治能力。结合多功能变量作业控制系统，指导变量施肥、变量喷药和变量灌溉等作业，有效降低农药、化肥施用量，保障农产品及环境绿色、安全，推进农业的绿色生态可持续发展。

6）农业大数据将加速现代农业发展。农业生产、经营与管理等数据的大规模汇聚形成农业大数据体系，包括数据接入、数据清洗、数据管理、资源目录、共享交换、数据稽核、数据报表、预测预报等服务。全面覆盖涉农数据资源，如耕地数据、种质资源数据、农业气象数据、遥感数据、种植业数据、畜牧业数据、渔业数据、农产品加工流通数据、农产品进出口数据等数据资源。大数据体系的应用将进一步提升农业各环节信息的透明度，推进农业向高效、节约型现代农业转型。

7）区块链技术将深刻影响农业物联网技术发展模式。区块链本质上是一个互联网共享数据库，存储于其中的数据或信息，具有不可伪造、全程留痕、可以追溯、公开透明、集体维护等特征。充分利用区块链技术，可重塑农产品追溯体系和品牌，也有助于管理农资流向，保障食品安全。由于当前农业生产、流通、销售等环节中设施设备的落后，农业区块链技术始终面临着“产业链数据难以上链”的困境。对于农业物联网而言，区块链不仅是技术手段，更是一种管理模式。基于区块链技术的应用模式将深刻影响农业物联网的管理模式，是未来农业物联网领域的重要发展方向和攻关目标。

参考文献

宋韬,鲍一丹,何勇.

利用光谱数据快速检测土壤含水量的方法研究

.光谱学与光谱分析,2009,29(3):675-677. DOI:10.3964/j.issn.1000-0593(2009)03-0675-03

[本文引用: 1]

SONG T, BAO Y D, HE Y.

Research on the method for rapid detection of soil moisture content using spectral data

Spectroscopy and Spectral Analysis, 2009,29(3):675-677. (in Chinese with English abstract)

DOI:10.3964/j.issn.1000-0593(2009)03-0675-03      [本文引用: 1]

夏佳欣,范成发,王可嘉,等.

基于太赫兹透射谱的土壤含水量测量

.激光与光电子学进展,2011,48(2):97-102. DOI:10.3788/LOP48.023001

[本文引用: 1]

XIA J X, FAN C F, WANG K J, et al.

Soil moisture measurement based on terahertz transmission spectrum

Laser Optoelectronics Progress, 2011,48(2):97-102. (in Chinese with English abstract)

DOI:10.3788/LOP48.023001      [本文引用: 1]

宋海燕.土壤近红外光谱检测.北京:化学工业出版社,2013.

[本文引用: 1]

SONG H Y. Soil Near Infrared Spectroscopy. Beijing: Chemical Industry Press, 2013. (in Chinese)

[本文引用: 1]

JIA X L, CHEN S C, YANG Y Y, et al.

Organic carbon prediction in soil cores using VNIR and MIR techniques in an alpine landscape

Scientific Reports, 2017,7:2144. DOI:10.1038/s41598-017-02061-z

[本文引用: 1]

DWORAK V, AUGUSTIN S, GEBBERS R.

Application of terahertz radiation to soil measurements: initial results

Sensors, 2011,11(10):9973-9988. DOI:10.3390/s111009973

[本文引用: 1]

NIAZI N K, SINGH B, MINASNY B.

Mid-infrared spectroscopy and partial least-squares regression to estimate soil arsenic at a highly variable arsenic-contaminated site

International Journal of Environmental Science and Technology, 2015,12(6):1965-1974. DOI:10.1007/s13762-014-0580-5

[本文引用: 1]

余克强,赵艳茹,刘飞,等.

激光诱导击穿光谱技术检测土壤中的铅和镉含量

.农业工程学报,2016,32(15):197-203. DOI:10.11975/j.issn.1002-6819.2016.15.027

[本文引用: 1]

YU K Q, ZHAO Y R, LIU F, et al.

Laser-induced breakdown spectroscopy for determining content of Pb and Cd in soil

Transactions of the CSAE, 2016,32(15):197-203. (in Chinese with English abstract)

DOI:10.11975/j.issn.1002-6819.2016.15.027      [本文引用: 1]

李斌,赵春江.

基于太赫兹光谱的土壤重金属铅含量检测初步研究

.农业机械学报,2016,47():291-296. DOI:10.6041/j.issn.1000-1298.2016.S0.045

[本文引用: 1]

LI B, ZHAO C J.

Preliminary research on heavy metal Pb detection in soil based on terahertz spectroscopy

Transactions of the Chinese Society of Agricultural Machinery, 2016,47():291-296. (in Chinese with English abstract)

DOI:10.6041/j.issn.1000-1298.2016.S0.045      [本文引用: 1]

PENG Y, KHEIR R B, ADHIKARI K, et al.

Digital mapping of toxic metals in Qatari soils using remote sensing and ancillary data

Remote Sensing, 2016,8(12):1003. DOI:10.3390/rs8121003

[本文引用: 1]

NIE P C, DONG T, XIAO S P, et al.

Quantitative determination of thiabendazole in soil extracts by surface-enhanced Raman spectroscopy

Molecules, 2018,23(8):1949. DOI:10.3390/molecules23081949

[本文引用: 1]

HE Y, XIAO S P, DONG T, et al.

Gold nanoparticles with different particle sizes for the quantitative determination of chlorpyrifos residues in soil by SERS

International Journal of Molecular Sciences, 2019,20(11):2817. DOI:10.3390/ijms20112817

[本文引用: 1]

赵春喜.

土壤中有机污染物的太赫兹时域光谱检测分析

.科技信息,2010(8):498. DOI:10.3969/j.issn.1001-9960.2010.08.422

[本文引用: 1]

ZHAO C X.

Terahertz time domain spectrum analysis of organic pollutants in soil

Scientific and Technological Information, 2010(8):498. (in Chinese)

DOI:10.3969/j.issn.1001-9960.2010.08.422      [本文引用: 1]

朱文静.

基于偏振-高光谱多维光信息的西红柿氮磷钾及交互作用检测研究

.江苏,镇江:江苏大学,2014.

[本文引用: 1]

ZHU W J.

Research on the detection of facility crop nutrition information based on reflectance spectrum image

Zhenjiang, Jiangsu: Jiangsu University, 2014. (in Chinese with English abstract)

[本文引用: 1]

孔汶汶,刘飞,邹强,等.

基于近红外光谱技术的油菜叶片丙二醛含量快速检测方法研究

.光谱学与光谱分析,2011,31(4):988-991. DOI:10.3964/j.issn.1000-0593(2011)04-0988-04

KONG W W, LIU F, ZOU Q, et al.

Fast determination of malondialdehyde in oilseed rape leaves using near infrared spectroscopy

Spectroscopy and Spectral Analysis, 2011,31(4):988-991. (in Chinese with English abstract)

DOI:10.3964/j.issn.1000-0593(2011)04-0988-04     

苏辰.

基于反射光谱图像的设施作物营养信息探测研究

.江苏,镇江:江苏大学,2017.

SU C.

Research on detection of facility crop nutrition information based on reflectance spectrum image

Zhenjiang, Jiangsu: Jiangsu University, 2017. (in Chinese with English abstract)

HE Y, ZHANG C, LIU F, et al.

Determination of pigments concentration of oilseed rape (Brassica napus L

.) leaves using hyperspectral imaging. Applied Engineering in Agriculture, 2015,31(1):23-30. DOI:10.13031/aea.31.10690

[本文引用: 1]

杨菲菲,李世娟,刘升平,等.

作物环境胁迫高光谱遥感监测研究进展

.中国农业科技导报,2020,22(4):85-93. DOI:10.13304/j.nykjdb.2019.0489

[本文引用: 1]

YANG F F, LI S J, LIU S P, et al.

Research progress on hyperspectral remote sensing monitoring of crop environmental stress

Journal of Agricultural Science and Technology, 2020,22(4):85-93. (in Chinese with English abstract)

DOI:10.13304/j.nykjdb.2019.0489      [本文引用: 1]

秦彩杰,李勇.

作物病虫害自动识别技术研究:基于视频监控和无人机平台

.农机化研究,2021,43(10):42-45, 50. DOI:10.13427/j.cnki.njyi.2021.10.009

QIN C J, LI Y.

Research on automatic identification technology of crop diseases and pests: based on video surveillance and UAV platforms

Agricultural Mechanization Research, 2021,43(10):42-45, 50. (in Chinese with English abstract)

DOI:10.13427/j.cnki.njyi.2021.10.009     

刘子毅.基于图谱特征分析的农业虫害检测方法研究.杭州:浙江大学,2017:72-97.

[本文引用: 1]

LIU Z Y. Detection of agricultural pest insects based on imaging and spectral feature analysis. Hangzhou: Zhejiang University, 2017:72-97. (in Chinese with English abstract)

[本文引用: 1]

沈娟,杨玫.

农产品重金属污染及其检测技术

.安徽农学通报,2020,26(17):136-137. DOI:10.16377/j.cnki.issn1007-7731.2020.17.059

[本文引用: 1]

SHEN J, YANG M.

Heavy metal pollution in agricultural products and its detection technology

Anhui Agricultural Science Bulletin, 2020,26(17):136-137. (in Chinese with English abstract)

DOI:10.16377/j.cnki.issn1007-7731.2020.17.059      [本文引用: 1]

周利航,薛科宇,赵哲,等.

原子荧光技术在农产品重金属检测中的应用

.江西农业,2019(4):125. DOI:10.19394/j.cnki.issn1674-4179.2019.04.104

[本文引用: 1]

ZHOU L H, XUE K Y, ZHAO Z, et al.

Application of atomic fluorescence technology in the detection of heavy metals in agricultural products

Jiangxi Agriculture, 2019(4):125. (in Chinese with English abstract)

DOI:10.19394/j.cnki.issn1674-4179.2019.04.104      [本文引用: 1]

SHEN T T, KONG W W, LIU F, et al.

Rapid determination of cadmium contamination in lettuce using laser-induced breakdown spectroscopy

Molecules, 2018,23(11):1-15. DOI:10.3390/molecules23112930

[本文引用: 1]

代学城.

微探原子吸收光谱法在农产品重金属检测中的应用

.农业与技术,2020,40(21):40-41. DOI:10.19754/j.nyyjs.20201115013

[本文引用: 1]

DAI X C.

The application of micro probe atomic absorption spectrometry in the detection of heavy metals in agricultural products

Agriculture and Technology, 2020,40(21):40-41. (in Chinese with English abstract)

DOI:10.19754/j.nyyjs.20201115013      [本文引用: 1]

盖梦.

原子荧光技术在农产品重金属检测中的运用

.粮食科技与经济,2020,45(7):122-123. DOI:10.16465/j.gste.cn431252ts.20200733

[本文引用: 1]

GAI M.

Application of atomic fluorescence technology in the detection of heavy metals in agricultural products

Food Science and Technology and Economy, 2020,45(7):122-123. (in Chinese with English abstract)

DOI:10.16465/j.gste.cn431252ts.20200733      [本文引用: 1]

MASSAOUTI M, DASKALAKI C, GORODETSKY A, et al.

Detection of harmful residues in honey using terahertz time-domain spectroscopy

Applied Spectroscopy, 2013,67(11):1264-1269. DOI:10.1366/13-07111

[本文引用: 1]

BAEK S H, KANG J H, HWANG Y H, et al.

Detection of methomyl, a carbamate insecticide, in food matrices using terahertz time-domain spectroscopy

Journal of Infrared Millimeter and Terahertz Waves, 2016,37(5):486-497. DOI:10.1007/s10762-015-0234-9

[本文引用: 1]

MAENG I, BAEK S H, KIM H Y, et al.

Feasibility of using terahertz spectroscopy to detect seven different pesticides in wheat flour

Journal of Food Protection, 2014,77(12):2081-2087. DOI:10.4315/0362-028X.JFP-14-138

[本文引用: 1]

蔺磊,吴瑞梅,刘木华,等.

噻菌灵农药的表面增强拉曼光谱分析

.光谱学与光谱分析,2015,35(2):404-408. DOI:10.3964/j.issn.1000-0593(2015)02-0404-05

[本文引用: 1]

LIN L, WU R M, LIU M H, et al.

Surface-enhanced Raman spectroscopy analysis of thiabendazole pesticide

Spectroscopy and Spectral Analysis, 2015,35(2):404-408. (in Chinese with English abstract)

DOI:10.3964/j.issn.1000-0593(2015)02-0404-05      [本文引用: 1]

DONG T, LIN L, HE L, et al.

Density functional theory analysis of deltamethrin and its determination in strawberry by surface enhanced Raman spectroscopy

Molecules, 2018,23(6):1458. DOI:10.3390/molecules23061458

[本文引用: 1]

漆海霞.畜禽舍关键环境因子检测系统的研究.广州:华南农业大学,2016.

[本文引用: 1]

QI H X. Study on detection system of key environmental factors in livestock and poultry house. Guangzhou: South China Agricultural University, 2016. (in Chinese with English abstract)

[本文引用: 1]

李颖,付金宇,侯永超.

有害气体检测的电化学技术的应用发展

.科学技术与工程,2018,18(3):132-141. DOI:10.3969/j.issn.1671-1815.2018.03.021

[本文引用: 1]

LI Y, FU J Y, HOU Y C.

Application development of electrochemical sensors technology for harmful gases detecting

Science Technology and Engineering, 2018,18(3):132-141. (in Chinese with English abstract)

DOI:10.3969/j.issn.1671-1815.2018.03.021      [本文引用: 1]

王志琛.光导型及光伏型红外探测器多种技术参数检测系统.长春:长春理工大学,2015.

[本文引用: 1]

WANG Z C. The detection system for various technical parameters of photoconductive and photovoltaic infrared detector. Changchun: Changchun University of Science and Technology, 2015. (in Chinese with English abstract)

[本文引用: 1]

郭东东.基于三轴加速度传感器的山羊行为特征识别研究.太原:太原理工大学,2015.

[本文引用: 1]

GUO D D. Research on 3D acceleration sensor recognition for goats behavior recognition. Taiyuan: Taiyuan University of Science and Technology, 2015. (in Chinese with English abstract)

[本文引用: 1]

王俊,谭骥,张海洋,等.

基于无线传感器网络的奶牛运动行为实时监测系统

.家畜生态学报,2018,39(10):45-52. DOI:10.3969/j.issn.1673-1182.2018.10.009

WANG J, TAN J, ZHANG H Y, et al.

A real-time monitoring system for cow behavior based on wireless sensor network

Acta Ecologae Animalis Domastici, 2018,39(10):45-52. (in Chinese with English abstract)

DOI:10.3969/j.issn.1673-1182.2018.10.009     

黄孟选,李丽华,许利军,等.

RFID技术在动物个体行为识别中的应用进展

.中国家禽,2018,40(22):39-44. DOI:10.16372/j.issn.1004-6364.2018.22.009

[本文引用: 1]

HUANG M X, LI L H, XU L J, et al.

Application progress of RFID technology in individual animal behavior recognition

China Poultry, 2018,40(22):39-44. (in Chinese with English abstract)

DOI:10.16372/j.issn.1004-6364.2018.22.009      [本文引用: 1]

李卓,杜晓冬,毛涛涛,等.

基于深度图像的猪体尺检测系统

.农业机械学报,2016,47(3):311-318. DOI:10.6041/j.issn.1000-1298.2016.03.044

[本文引用: 1]

LI Z, DU X D, MAO T T, et al.

Pig dimension detection system based on depth image

Transactions of the Chinese Society of Agricultural Machinery, 2016,47(3):311-318. (in Chinese with English abstract)

DOI:10.6041/j.issn.1000-1298.2016.03.044      [本文引用: 1]

刘龙申,沈明霞,柏广宇,等.

基于机器视觉的母猪分娩检测方法研究

.农业机械学报,2014,45(3):237-242. DOI:10.6041/j.issn.1000-1298.2014.03.039

LIU L S, SHEN M X, BO G Y, et al.

Sows parturition detection method based on machine vision

Transactions of the Chinese Society of Agricultural Machinery, 2014,45(3):237-242. (in Chinese with English abstract)

DOI:10.6041/j.issn.1000-1298.2014.03.039     

赵凯旋,何东健,王恩泽.

基于视频分析的奶牛呼吸频率与异常检测

.农业机械学报,2014,45(10):258-263. DOI:10.6041/j.issn.1000-1298.2014.10.040

[本文引用: 1]

ZHAO K X, HE D J, WANG E Z.

Detection of breathing rate and abnormity of dairy cattle based on video analysis

Transactions of the Chinese Society of Agricultural Machinery, 2014,45(10):258-263. (in Chinese with English abstract)

DOI:10.6041/j.issn.1000-1298.2014.10.040      [本文引用: 1]

赵晓洋.基于动物发声分析的畜禽舍环境评估.杭州:浙江大学,2019.

[本文引用: 1]

ZHAO X Y. Environmental assessment of livestock houses based on vocal analysis of animals. Hangzhou: Zhejiang University, 2019. (in Chinese with English abstract)

[本文引用: 1]

黎煊,赵建,高云,等.

基于深度信念网络的猪咳嗽声识别

.农业机械学报,2018,49(3):179-186. DOI:10.6041/j.issn.1000-1298.2018.03.022

LI X, ZHAO J, GAO Y, et al.

Recognition of pig cough sound based on deep belief nets

Transactions of the Chinese Society of Agricultural Machinery, 2018,49(3):179-186. (in Chinese with English abstract)

DOI:10.6041/j.issn.1000-1298.2018.03.022     

黄福任,贾博,徐洪东,等.

母羊发情声音数字化识别模型的建立

.中国畜牧杂志,2019,55(12):8-12. DOI:10.19556/j.0258-7033.20190527-06

[本文引用: 1]

HUANG F R, JIA B, XU H D, et al.

Establishment of digital recognition model for ewe estrus sound

Chinese Journal of Animal Science, 2019,55(12):8-12. (in Chinese with English abstract)

DOI:10.19556/j.0258-7033.20190527-06      [本文引用: 1]

曾宝国,刘美岑.

基于物联网的水产养殖水质实时监测系统

.计算机系统应用,2013,22(6):53-56. DOI:10.3969/j.issn.1003-3254.2013.06.011

[本文引用: 1]

ZENG B G, LIU M C.

Real-time water quality of aquaculture monitoring system based on the Internet of Things

Computer Systems and Applications, 2013,22(6):53-56. (in Chinese with English abstract)

DOI:10.3969/j.issn.1003-3254.2013.06.011      [本文引用: 1]

杨平平.

一种基于二维码的农产品追溯方法

.电子技术与软件工程,2020(17):203-204.

[本文引用: 1]

YANG P P.

A method for traceability of agricultural products based on QR codes

Electronic Technology and Software Engineering, 2020(17):203-204. (in Chinese with English abstract)

[本文引用: 1]

侯敬熙.基于二维码的猪肉溯源系统开发研究.广州:华南农业大学,2018.

[本文引用: 1]

HOU J X. Research on the development of pork traceability system based on QR code. Guangzhou: South China Agricultural University, 2018. (in Chinese with English abstract)

[本文引用: 1]

焦玉聪,张立新,黄庆林,等.

基于RFID及二维码的肉制品质量安全溯源系统

.江苏农业科学,2017,45(5):215-218.DOI:10.15889/j.issn.1002-1302.2017.05.060

[本文引用: 1]

JIAO Y C, ZHANG L X, HUANG Q L, et al.

Meat product quality and safety traceability system based on RFID and QR code

Jiangsu Agricultural Sciences, 2017,45(5):215-218. (in Chinese with English abstract)

DOI:10.15889/j.issn.1002-1302.2017.05.060      [本文引用: 1]

夏俊,凌培亮,虞丽娟,等.

水产品全产业链物联网追溯体系研究与实践

.上海海洋大学学报,2015,24(2):303-313.

XIA J, LING P L, YU L J, et al.

Research and practice of the Internet of Things traceability system for the entire aquatic product industry chain

Journal of Shanghai Ocean University, 2015,24(2):303-313. (in Chinese with English abstract)

刘世明,陈建宏,张宗平,等.

基于RFID的供港蔬菜安全监管溯源系统

.计算机系统应用,2014,23(2):42-47.DOI:10.3969/j.issn.1003-3254.2014.02.007

[本文引用: 1]

LIU S M, CHEN J H, ZHANG Z P, et al.

Vegetables supplied to Hong Kong safety supervision traceability system based on RFID

Computer Systems and Applications, 2014,23(2):42-47. (in Chinese with English abstract)

DOI:10.3969/j.issn.1003-3254.2014.02.007      [本文引用: 1]

胡梦杰,孟凡婷.

基于物联网技术的冷链智能化应用研究

.物联网技术,2020,10(3):64-66, 69. DOI:10.16667/j.issn.2095-1302.2020.03.018

[本文引用: 1]

HU M J, MENG F T.

Research on the application of cold chain intelligence based on Internet of Things technology

Internet of Things Technology, 2020,10(3):64-66, 69. (in Chinese with English abstract)

DOI:10.16667/j.issn.2095-1302.2020.03.018      [本文引用: 1]

霍文慧,李敬兆.

基于物联网的智慧物流监测系统

.物联网技术,2020,10(9):19-23. DOI:10.16667/j.issn.2095-1302.2020.09.005

[本文引用: 1]

HUO W H, LI J Z.

A smart logistics monitoring system based on the Internet of Things

Internet of Things Technology, 2020,10(9):19-23. (in Chinese with English abstract)

DOI:10.16667/j.issn.2095-1302.2020.09.005      [本文引用: 1]

周一青,潘振岗,翟国伟,等.

第五代移动通信系统5G标准化展望与关键技术研究

.数据采集与处理,2015,30(4):714-724. DOI:10.16337/j.1004-9037.2015.04.002

[本文引用: 1]

ZHOU Y Q, PAN Z G, ZHAI G W, et al.

Standardization and key technologies for future fifth generation of mobile communication systems

Journal of Data Acquisition and Processing, 2015,30(4):714-724. (in Chinese with English abstract)

DOI:10.16337/j.1004-9037.2015.04.002      [本文引用: 1]

董慧,黄世震.

基于LoRa技术的智慧农业系统设计与实现

.微型机与应用,2017,36(22):106-108. DOI:10.19358/j.issn.1674-7720.2017.22.028

[本文引用: 1]

DONG H, HUANG S Z.

Design and implementation of intelligent agriculture system based on LoRa technology

Microcomputer and its Applications, 2017,36(22):106-108. (in Chinese with English abstract)

DOI:10.19358/j.issn.1674-7720.2017.22.028      [本文引用: 1]

刘玮,董江波,刘娜,等.

NB-IoT关键技术与规划仿真方法

.电信科学,2016():144-148. DOI:10.11959/j.issn.1000-0801.2016326

[本文引用: 1]

LIU W, DONG J B, LIU N, et al.

NB-IoT key technology and design simulation method

Telecommunications Science, 2016():144-148. (in Chinese with English abstract)

DOI:10.11959/j.issn.1000-0801.2016326      [本文引用: 1]

李道亮.农业物联网导论.北京:科学出版社,2012.

[本文引用: 1]

LI D L. Introduction to Agricultural Internet of Things. Beijing: Science Press, 2012. (in Chinese)

[本文引用: 1]

李道亮.

敢问水产养殖路在何方?智慧渔场是发展方向

.中国农村科技,2018(1):43-46. DOI:10.3969/j.issn.1005-9768.2018.01.018

[本文引用: 1]

LI D L.

Where is the way to aquaculture?

The smart fishery is the direction of development. China Rural Science and Technology, 2018(1):43-46. (in Chinese)

DOI:10.3969/j.issn.1005-9768.2018.01.018      [本文引用: 1]

陈英义,程倩倩,方晓敏,等.

主成分分析和长短时记忆神经网络预测水产养殖水体溶解氧

.农业工程学报,2018,34(17):183-191. DOI:10.11975/j.issn.1002-6819.2018.17.024

[本文引用: 1]

CHEN Y Y, CHENG Q Q, FANG X M, et al.

Principal component analysis and long short-term memory neural network for predicting dissolved oxygen in water for aquaculture

Transactions of the CSAE, 2018,34(17):183-191. (in Chinese with English abstract)

DOI:10.11975/j.issn.1002-6819.2018.17.024      [本文引用: 1]

陈英义,成艳君,杨玲,等.

基于改进深度信念网络的池塘养殖水体氨氮预测模型研究

.农业工程学报,2019,35(7):195-202. DOI:10.11975/j.issn.1002-6819.2019.07.024

[本文引用: 1]

CHEN Y Y, CHENG Y J, YANG L, et al.

Prediction model of ammonia-nitrogen in pond aquaculture water based on improved multi-variable deep belief network

Transactions of the CSAE, 2019,35(7):195-202. (in Chinese with English abstract)

DOI:10.11975/j.issn.1002-6819.2019.07.024      [本文引用: 1]

孟祥宝,黄家怿,谢秋波,等.

基于自动巡航无人驾驶船的水产养殖在线监控技术

.农业机械学报,2015,46(3):276-281. DOI:10.6041/j.issn.1000-1298.2015.03.040

[本文引用: 1]

MENG X B, HUANG J Y, XIE Q B, et al.

Online monitoring equipment for aquaculture based on unmanned automatic cruise boat

Transactions of the Chinese Society for Agricultural Machinery, 2015,46(3):276-281. (in Chinese with English abstract)

DOI:10.6041/j.issn.1000-1298.2015.03.040      [本文引用: 1]

黄鸿兵,吴光红.

浅述江苏省水产品质量安全及监管体系

.食品安全质量检测学报,2014,5(1):94-98.

[本文引用: 1]

HUANG H B, WU G H.

Brief introduction of aquatic product quality safety and supervision system of Jiangsu Province

Journal of Food Safety and Quality, 2014,5(1):94-98. (in Chinese with English abstract)

[本文引用: 1]

/

〈 〉