科创中国

中国农业大学信息与电气工程学院农机作业监测与大数据应用重点实验室针对全国搭载北斗卫星定位系统终端的农机产生的海量轨迹数据展开了研究，开发了多个基于轨迹数据的处理模型。为进一步强化相关模型的性能，尝试从参数优化的角度研究模型的性能提升，主要包括两个方面：首先建立了一种基于元启发式算法（Metaheuristic Algorithms，MA）的田路分割模型参数优化解决方案；其次，在黏菌算法（Slime Mould Algorithm，SMA）的基础上提出了一种改进的多元振荡黏菌算法（Multiplex Oscillation Slime Mould Algorithm，MOSMA）求解参数优化方案以更好地提高模型的分割性能。MOSMA分别提出一种动态引导策略与多元振荡策略强化了黏菌的振荡收缩反应及细胞质的流动过程，进而增强了算法的优化能力。为验证所提参数优化方法的有效性，将博创联动提供的中国农机在2021年9月底—10月中下旬进行水稻收割的作业轨迹作为数据集开展试验。试验结果表明，该研究所提方法有效地提升了田路分割模型的准确性和性能。MOSMA-BDFRTS 分割模型在10组高密度轨迹中的平均准确率相比网格搜索田路分割模型、粒子群田路分割模型分别提高了25和28个百分点；在10组低密度轨迹中分割的平均准确率分别提高了17和14个百分点。该研究可为田路分割技术提供合理的性能优化方案，也为农业机械运动轨迹分割技术的效率研究提供参考依据。

目前我国基于北斗卫星定位系统的农业应用刚刚起步，相关模型研究较少，本项目旨在通过人工智能技术对采集于农机搭载的北斗定位终端的大规模农机轨迹数据进行分析来挖掘农机轨迹背后的时空演变规律及影响农业耕收的深层因素。田路分割作为农机轨迹研究的基础部分，其分割准确性直接关系到后续其他有关农机轨迹研究的精准度。模型的参数反映了其样本学习的成效，同时也是影响其分割性能的关键因素，对参数进行优化可以使模型更好地表达轨迹的特征。为最大化田路分割模型的性能，本项目旨在利用人工智能算法来探索模型的最优参数配置，技术亮点如下：

1.首次针对农机轨迹分割模型提出一种参数优化方法。

2.分别提出一种动态引导策略与多元振荡策略强化算法的优化性能。

3.在博创联动（***）提供的中国农机轨迹数据集上展开实验，结果证明该方法有效提升了模型的性能。

4．所提方法不仅适用于当前选取的实例模型，同样适用于其他农机轨迹分类模型。

本项目所提算法已经应用于农机作业监测与大数据应用重点实验室的基于北斗的农机轨迹大数据平台上。如图1所示，在国家精准农业项目的支持下，目前已有70万台北斗终端加装于农机上，这些终端所记录的轨迹信息存储在联系人参与建设的基于北斗的农机轨迹大数据平台中。

通过对本项目所提方法优化后的高性能模型分割后的农机轨迹大数据进行分析与挖掘，能够对粮食生产过程有全面、客观、精确的把握。依托平台产生的多个项目，如“麦收快讯”，“棉收快讯”等，被中国农业农村部在2022年和2023年小麦收获季节的《小麦丰收新闻》栏目中使用（如图2所示）。上述项目还被中央电视台《新闻联播》、《晚间新闻》、《中国三农报道》等电视节目以及《人民日报》、《中国农机网》、《新京报》等知名媒体广泛采用、公布和传播（如图3、图4所示）。

该平台旨在实现国家级大范围农机数据共享和大数据应用服务，尽管相关系列信息产品（如麦收快讯）得到了广泛认可，但当前应用刚刚起步，服务层次较为浅显，仍需进一步提供更好的产品为国家掌控全国耕收情况，制定相关政策提供技术支撑。例如，开展基于北斗的农机轨迹大数据平台的移动送油工作，制定面向农机作业的移动加油配送方案，在抢收抢种和遇到恶劣天气情况时，全力保障农机作业用油需要等。

图1. 基于北斗的农机轨迹大数据平台

图2. 中国农业农村部官网《小麦丰收新闻》栏目

图3.中央电视台使用基于北斗的农机轨迹大数据平台提供的数据报道麦收进度

图4.人民日报报道本项目参与的应用场景

依托于中国农业大学信息与电气工程学院农机作业监测与大数据应用重点实验室研发，山东理工大学农业工程与食品科学学院以及国家精准农业航空施药技术国际联合研究中心参与研发：

翟卫欣：中国农业大学信息与电气工程学院副教授，从事时空大数据、地图学与地理信息系统、智能农机等研究。入选中国科协战略发展部科技智库青年人才计划。在国内外高水平时空大数据、地理信息系统等领域学术期刊上发表论文，共计40余篇；其中以第一作者或通讯作者身份发表SCI论文10余篇。参与制定2项国家标准和3项IEEE国际标准。主持国家自然科学基金等两项国家级科研项目和多项横向项目。在InternationalConference on Smart Agriculture Innovative Development、ACMSigspatial、IEEE International Geoscience and RemoteSensing Symposium、International Geographical Congress等国际会议中多次组织分会场并做口头报告。

潘家文：中国农业大学信息与电气工程学院博士生，从事计算机视觉，计算智能，视觉认知等研究。

吴才聪：中国农业大学教授，农业农村部农机作业监测与大数据应用重点实验室主任，中国农机工业协会精准农业技术装备分会秘书长，教育部卫星导航联合研究中心总体技术部主任。长期从事北斗农业应用研究，研发了基于无级变速拖拉机的无人驾驶技术，主持建设的中国农机作业大数据平台接入各类农机50万辆，组织编制的《麦收快讯》在农业农村部网站发布，协助农业农村部编制了首批大田种植数字农业建设试点项目指南，通过政策研讨、标准研制、项目示范促进了北斗农机自动驾驶系统国产化、规模化和前装化应用。

兰玉彬：山东理工大学教授，法国欧洲科学院院士，格鲁吉亚国家科学院院士，广东省“珠江人才计划”领军人才，山东省“一事一议”引进顶尖人才。从事精准农业航空，包括农业航空遥感和地面遥感、农业航空施药、智能农机装备和新型传感器等方面研究。国际上首次提出“精准农业航空”概念（2010），是精准农业航空世界领航科学家。国际上率先开展农业航空遥感和精准航空施药相结合研究。在美国最早采用有人驾驶和无人驾驶移动平台进行作物数据采集和基于多传感器融合技术与空中遥感图像相互验证并用于指导航空施药研究工作。

该项目收到国家精准农业应用项目（JZNYYY001）；北京市科技计划项 目（Z201100008020008 ）；中国科协科技智库青年人才计划项目（20220615ZZ07110141）等基金项目经费支持。该项目参与的工作已被 随着搭载北斗卫星定位系统的农机普及与发展，每日产生了海量的农机轨迹数据，相关模型研究逐渐加深，其参数维度也逐渐增加。后续仍需面向高维参数分割模型的元启发式算法以在更大规模农机轨迹所代表的复杂数学空间中拟合最优超平面的参数数值分布，并利用黏菌算法的强局部搜索能力深入挖掘，以确保解决田路分割的精度，最终实现农机轨迹语义分割模型的性能最优化。其数据采集、处理、相关算法研发、应用落地等均需要一定金额和时间支持，具体金额数目需要双方对接沟通。相关成果作为农业领域时空轨迹处理问题重要研究内容，可从大数据角度为精准农业相关课题的深入研究与科学管理提供有力支撑。

技术合作。