华美娱乐-登录网址大田作物种植面积大、分布广、品种多，大田种植业是中国农业生产的主要组成部分。准确掌握大田作物生长进程和农情动态，进一步通过智能装备开展变量施肥、变量喷药等田间作业，可提高田间管理水平，促进农业增产增收。为突破大田作物智慧种植技术短板，推动智慧农业发展，《智慧农业（中英文）》策划出版“大田作物智慧种植”专题。专题共7篇文章，内容涵盖无人农场、大田作物智慧种植策略、表型监测育种、果实识别，以及土壤盐分反演等。

　　中国农业大学李民赞教授团队凝练了大田作物智慧种植领域有关环境与生物信息感知、信息移动互联与农业物联网、云计算与云服务、大数据分析与决策、智能农机装备与农业机器人等五大关键技术，提出了适宜中国区域特征的六大发展模式，并从基建、技术、人才和政策角度给出了发展建议。中国农业大学严海军教授团队简述了无人机遥感在饲草作物监测中的基本研究方法，按照可见光、多光谱、高光谱、热红外和激光雷达遥感五个传感器类型阐述了无人机遥感饲草作物生长监测的应用现状，指出未来饲草作物监测领域关键方向。在大田作物种植创新技术应用方面，为快速准确获取玉米收获过程中遗失籽粒数量，评估收割质量等管理信息，中国农业大学张昭教授团队

　　湖南农业大学崔国贤教授团队基于无人机遥感影像对苎麻种质资源的株高、株数、叶面积指数、叶片叶绿素含量、含水量关键表型参数进行估测。根据提取的各项遥感表型参数，采用变异性分析和主成分分析方法对苎麻种质资源进行遗传多样性分析，为作物种质资源表型监测和育种相关分析提供参考。安徽农业大学饶元教授团队构建了一个多类标签的裸桃和套袋毛桃的RGB-D数据集，提出了改进的轻量级YOLOv5s模型，通过将卷积操作分解为深度方向的卷积与宽度、高度方向的卷积，使用深度可分离卷积在保持模型检测准确性的同时减少模型的计算量、训练和推理时间，发现改进的YOLOv5s网络和含多类标签的多模态视觉数据在果实自动采摘系统视觉智能方面具有应用潜力。土壤是作物生长的基础。为探索土壤盐分含量反演状况，山东科技大学李振海教授团队以黄河三角洲典型区域为研究区，获取地物高光谱和无人机多光谱两种数据源与样点土壤盐分含量，分别使用偏最小二乘回归和随机森林两种机器学习算法建立土壤盐分含量反演模型进行对比，并结合各自数据源的优势进行了优化，实现更精准地反演土地盐渍化程度。希望本专题内容能为相关研究者提供参考，促进大田作物种植水平的提高，提升智慧大田种植业国际竞争力。

　　张漫，教授，现任中国农业大学信息与电气工程学院院长。主要从事精细农业与智慧农业、农机智能导航、农业物联网等方面的研究工作。先后主持国家自然科学基金3项、863重大专项1项、国家重点研发计划课题1项、国际科技合作专项1项、北京市自然科学基金1项、北京市重大专项1项。发表高水平文章百余篇，副主编专著2部，授权发明专利10项。获得“国家科学技术进步二等奖”“北京市科技进步一等奖”“大北农青年学者奖”“现代农装杯第五届中国农业机械学会青年科技奖”“北京市教学成果特等奖”“国家教学成果二等奖”等奖励。