程俊杰 龍俐至 倪康 阮建云

摘要：種植是茶葉產(chǎn)業(yè)鏈的上游環(huán)節(jié)，直接影響茶葉生產(chǎn)成本。在勞動力短缺和茶產(chǎn)業(yè)可持續(xù)發(fā)展要求的背景下，茶樹種植的智能化越發(fā)受到廣泛關(guān)注。文章對茶園施肥、灌溉、耕作等方面的智能化研究進(jìn)展與短板進(jìn)行了總結(jié)與討論，同時對今后茶樹種植智能化管理領(lǐng)域的研發(fā)方向進(jìn)行了展望。

關(guān)鍵詞：茶樹種植;智能化;進(jìn)展;展望

Research Progress and Prospect of Intelligent?Management of Tea Cultivation

CHENG Junjie， LONG Lizhi， NI Kang*， RUAN Jianyun

Tea Research Institute， Chinese Academy of Agricultural Sciences， Hangzhou 310008， China

Abstract： Cultivation is the upstream node of the tea industry chain and directly affects the cost of tea production. In the context of labor shortage and requirement of the sustainable development， the intelligentization of tea cultivation has been paid more attention. Based on the published literature， this paper summarized the progress and shortcomings of intelligent research on fertilization， irrigation and tillage related to tea cultivation， and provided an outlook on the future R&D directions.

Keywords： tea cultivation， intelligent， progress， prospect

茶樹是我國重要的特色經(jīng)濟(jì)作物，目前我國茶園面積與茶葉產(chǎn)量均位居全球首位，茶業(yè)在脫貧攻堅與鄉(xiāng)村振興工作中發(fā)揮了重要作用[1]。種植是茶葉產(chǎn)業(yè)鏈中的關(guān)鍵環(huán)節(jié)，為高品質(zhì)茶葉提供了保障，但是種植成本占據(jù)了目前茶葉生產(chǎn)成本的主要份額[2]。復(fù)雜的種植條件與勞動力不足使茶葉種植成本不斷提升，種植環(huán)節(jié)的智能化是茶葉生產(chǎn)從傳統(tǒng)模式向現(xiàn)代模式轉(zhuǎn)變的必由之路[3-6]。

隨著物聯(lián)網(wǎng)、大數(shù)據(jù)、人工智能等技術(shù)的發(fā)展以及相關(guān)設(shè)備的問世，已經(jīng)能夠?qū)崿F(xiàn)茶樹生長和茶園環(huán)境信息的快速感知，以及相關(guān)作業(yè)設(shè)施的自動控制和系統(tǒng)化管理[7-9]。但我國茶區(qū)分布廣、茶園立地條件復(fù)雜、茶樹品種豐富、加工茶類多樣，茶樹種植過程的智能化管理方面依然存在著諸多有待突破的瓶頸問題。本文對目前耕作、灌溉、養(yǎng)分管理、修剪等方面的智能化管理研究與應(yīng)用現(xiàn)狀進(jìn)行綜合分析，提出其中的短板與今后的研發(fā)方向，對茶產(chǎn)業(yè)高產(chǎn)、優(yōu)質(zhì)、高效、綠色發(fā)展具有重要意義。

1? 茶樹種植智能化框架

種植智能化是一套依托于物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算等先進(jìn)技術(shù)支撐的綜合管理系統(tǒng)，包含了農(nóng)情監(jiān)測、優(yōu)化決策、設(shè)備調(diào)度的自動化，可實現(xiàn)全程數(shù)字化感知、智能化決策、精準(zhǔn)化作業(yè)、系統(tǒng)化管理，突破茶樹種植過程的高度時空變異性，實現(xiàn)耕作、灌溉、養(yǎng)分管理、修剪的智能化實施[6]。

智能化系統(tǒng)在物理架構(gòu)上由監(jiān)測感知層、傳輸存儲層、計算決策層、應(yīng)用服務(wù)層組成。

1.1? 監(jiān)測感知層

監(jiān)測感知層是智能化系統(tǒng)的“眼睛”和“耳朵”，也是智能化系統(tǒng)信息處理的基礎(chǔ)。感知層依賴載具平臺上的各類傳感器，實時獲取茶樹周邊環(huán)境、茶樹自身的各類信息，如溫濕度、輻射、茶樹養(yǎng)分等數(shù)據(jù)信息的采集。智能化系統(tǒng)對感知層要求是信息獲取的原位、實時、精準(zhǔn)、快速、智能，因此數(shù)據(jù)相對于傳統(tǒng)觀測必然需要海量儲存。

1.2? 傳輸存儲層

傳輸存儲層是智能化系統(tǒng)的“神經(jīng)”與“倉庫”，監(jiān)測感知層搜集的海量信息數(shù)據(jù)通過傳輸存儲層匯集到數(shù)據(jù)倉庫，為后續(xù)的數(shù)據(jù)計算提供源源不斷的“養(yǎng)分”。傳輸過程主要依賴各類數(shù)據(jù)傳輸協(xié)議與設(shè)備對數(shù)據(jù)進(jìn)行高效傳輸，盡可能減少數(shù)據(jù)傳輸延遲，同時還需要實現(xiàn)不同設(shè)備的組網(wǎng)與信息的兼容并行處理，而智能化系統(tǒng)中存儲主要體現(xiàn)在海量數(shù)據(jù)的高效云存儲與交換，實現(xiàn)數(shù)據(jù)存儲與提取的高兼容、低延時、低誤差。

1.3? 計算決策層

計算決策層是“大腦”，匯集的各類信息只有經(jīng)過計算決策層的復(fù)雜運算才能生成有應(yīng)用價值的信息，反饋給用戶或者傳送給作業(yè)設(shè)備。在種植端，計算決策層主要是對農(nóng)情信息的智能化處理，設(shè)備的路徑規(guī)劃、決策控制，實現(xiàn)作物生長態(tài)勢的判斷，以及不同場景下的應(yīng)對決策生成，比如茶樹脅迫狀態(tài)診斷、對應(yīng)設(shè)備操作所需的參數(shù)等。計算決策層需要算力與算法共同實現(xiàn)，算力依托于計算芯片、內(nèi)存，而算法是決策的核心。

1.4? 應(yīng)用服務(wù)層

應(yīng)用服務(wù)層是“手腳”，將計算決策層得出的信息、參數(shù)，反饋到對應(yīng)的終端，如顯示器、機(jī)械設(shè)備，實現(xiàn)決策結(jié)果的操作應(yīng)用。由于設(shè)備種類多樣，參數(shù)需求復(fù)雜，因此應(yīng)用反饋層要求數(shù)據(jù)信息的高度兼容、操作參數(shù)精準(zhǔn)化。

目前種植智能化管理的主要瓶頸在監(jiān)測感知層與計算決策層，在監(jiān)測感知層、計算決策層，技術(shù)及裝備均剛剛處于起步階段，距離產(chǎn)業(yè)化應(yīng)用還有一段距離。而傳輸存儲層、應(yīng)用服務(wù)層隨著近年來信息技術(shù)、互聯(lián)網(wǎng)技術(shù)發(fā)展，海量數(shù)據(jù)傳輸與存儲的技術(shù)難度不大，挑戰(zhàn)在于如何降低成本。

2? 茶樹種植智能化管理研究現(xiàn)狀與問題

2.1? 農(nóng)業(yè)傳感器

農(nóng)業(yè)傳感器是智能化管理系統(tǒng)的核心技術(shù)之一，也是系統(tǒng)中重要的裝備產(chǎn)業(yè)化環(huán)節(jié)。與茶樹種植相關(guān)的農(nóng)業(yè)傳感器主要有環(huán)境傳感器、植物生理傳感器、智能設(shè)備傳感器3類[10]。環(huán)境傳感器的主要作用是獲取茶樹賴以生存的土壤、大氣環(huán)境中的相關(guān)參數(shù)，如土壤溫濕度、電導(dǎo)率、酸堿度、氮磷鉀養(yǎng)分等[11]，大氣環(huán)境中的溫濕度、二氧化碳濃度、光照度等[12]。生理傳感器用于獲取與茶樹生長態(tài)勢相關(guān)的參數(shù)，如茶樹含水率、葉片厚度、葉片氮磷鉀含量、葉片色素含量等代表茶樹生長態(tài)勢的信息。智能設(shè)備傳感器用于關(guān)鍵目標(biāo)識別、相關(guān)設(shè)備的執(zhí)行效果監(jiān)測，如灌溉設(shè)備、遮陰設(shè)備、耕作機(jī)械對灌溉量、遮陰度、耕作深度信息的實時獲取[13-14]。

上述傳感器中，大氣環(huán)境傳感器發(fā)展較為成熟，目前國內(nèi)外均有相應(yīng)的市場化產(chǎn)品[12];植物生理傳感器大多采用的是基于光學(xué)的智能傳感器技術(shù)，目前已有部分市場化產(chǎn)品。土壤環(huán)境傳感器是目前農(nóng)業(yè)傳感器發(fā)展的重點領(lǐng)域，矯雷子等[15]使用8通道窄帶激光二極管作為近紅外光源，通過測量8通道激光光束的土壤反射率，建立土壤養(yǎng)分中氮關(guān)于土壤反射率的計量模型，實現(xiàn)了氮的快速檢測。Ning等[16]也通過近紅外光譜對茶園土壤有機(jī)質(zhì)、全氮含量進(jìn)行快速檢測技術(shù)的驗證，預(yù)測準(zhǔn)確率達(dá)到了84%。但由于土壤環(huán)境的高度異質(zhì)性，為相應(yīng)傳感器的研發(fā)及空間布設(shè)帶來了不小的難度，目前缺乏可靠的產(chǎn)業(yè)化產(chǎn)品。

總體上我國已經(jīng)開展了不少關(guān)于信息快速獲取及組網(wǎng)技術(shù)的研發(fā)[17-19]，但目前茶園智慧管理中的傳感器仍采用通用型農(nóng)業(yè)傳感器，專用傳感器較為缺乏;另外，目前采用的方案大多是通過將工業(yè)傳感器、微控制器、無線通信以模塊化集成，成本較高，不利于規(guī)?；茝V應(yīng)用[10];此外，在信息安全、能耗與可靠性方面還存在諸多問題，這也導(dǎo)致了農(nóng)業(yè)傳感器還未有統(tǒng)一的技術(shù)標(biāo)準(zhǔn)[20]。

2.2? 信息感知技術(shù)

2.2.1? 空間信息獲取

人工測量和統(tǒng)計抽樣是獲取茶園信息的傳統(tǒng)方法，但效率低、精度差，且時效性不高。依托衛(wèi)星、無人機(jī)等遙感平臺，配合地理信息技術(shù)，可以實現(xiàn)茶樹種植區(qū)內(nèi)關(guān)鍵信息的快速獲取。

國內(nèi)外學(xué)者應(yīng)用不同的遙感數(shù)據(jù)源的光譜特征和各種植被指數(shù)，結(jié)合不同的算法提取紋理特征實現(xiàn)對茶園的分類，以及茶樹生長過程及受害情況、茶園產(chǎn)量預(yù)測等[21]。在茶園空間分布信息提取[22-25]、茶樹種植適宜性評價[26-27]、茶園產(chǎn)量預(yù)測[28-29]等方面開展了初步嘗試。但不同研究所用的數(shù)據(jù)源不同，分類方法與研究區(qū)域也存在差異，雖在各自研究中模型的識別和提取精度良好，但不同研究結(jié)果之間難以比較，無法確定不同反演模型的優(yōu)劣[21]。

我國農(nóng)業(yè)遙感衛(wèi)星傳感器以多光譜遙感為主，觀測要素缺乏、缺少光學(xué)與微波等協(xié)同觀測能力，遙感數(shù)據(jù)保障率和質(zhì)量有待提高[30]。此外，遙感平臺仍然是非連續(xù)性，時效性不如物聯(lián)網(wǎng)技術(shù)領(lǐng)域的實時監(jiān)控影像平臺，而遙感影像數(shù)據(jù)解析需要額外算法和算力支持，時空分辨率均不如地面監(jiān)測系統(tǒng)。

2.2.2? 茶樹生長態(tài)勢感知

植物生長信息可直接用于脅迫診斷、產(chǎn)量與品質(zhì)預(yù)測，這些參數(shù)大多依賴傳統(tǒng)的理化分析方法，費時費力，而智能化管理系統(tǒng)所需的實時數(shù)據(jù)需要對作物生理參數(shù)進(jìn)行快速、無損檢測。王嬌嬌等[31]針對作物長勢快速監(jiān)測與精確診斷的需求，設(shè)計了作物長勢監(jiān)測儀數(shù)據(jù)采集與分析系統(tǒng)，通過藍(lán)牙技術(shù)連接智能手機(jī)和作物長勢監(jiān)測儀獲取作物采樣數(shù)據(jù)，經(jīng)內(nèi)置光譜模型計算得到地塊的作物生長參數(shù)分布專題圖，實時獲取田間作物的監(jiān)測診斷信息并提出專業(yè)的田間管理指導(dǎo)方案。

在茶樹種植領(lǐng)域，對茶樹生長具有關(guān)鍵影響的養(yǎng)分、葉綠素等生化成分主要是通過光譜設(shè)備進(jìn)行無損檢測，但光譜設(shè)備所獲取的并非是直觀的生理生化數(shù)據(jù)，還需要對光譜數(shù)據(jù)進(jìn)行反演，因此，在茶樹生長態(tài)勢感知方面開展了大量反演模型算法研究工作。目前國內(nèi)外有部分學(xué)者已經(jīng)開展了利用高光譜設(shè)備，對茶樹品種[32]、茶樹葉面積指數(shù)[33]、冠層葉片中葉綠素[34-35]、氮[33-34， 36-37]、磷鉀[38]含量進(jìn)行反演算法的研究。從具體研究結(jié)果看，通過可見光-紅外波段的光譜成像技術(shù)，結(jié)合機(jī)器學(xué)習(xí)算法可以獲得不錯的識別與診斷效果，結(jié)果具有一定的可靠性。但從發(fā)表的文獻(xiàn)看，研究的設(shè)備平臺及茶樹對象差異較大，模型間缺乏可比性，模型普適性與泛化能力較弱。此外，對能夠直觀反映茶樹生長態(tài)勢的發(fā)芽密度、樹幅等參數(shù)的快速感知仍然缺乏相應(yīng)的設(shè)備與算法。

2.3? 智慧茶園系統(tǒng)實現(xiàn)

2.3.1? 茶園綜合管理系統(tǒng)

吳彬等[39]利用無線通信、傳感器檢測和數(shù)字圖像識別技術(shù)，自主設(shè)計和研制了一套茶園可視化農(nóng)業(yè)氣象信息動態(tài)監(jiān)測預(yù)警系統(tǒng)，該系統(tǒng)可實現(xiàn)茶園圖像信息、溫濕度、降水?dāng)?shù)據(jù)的一體化采集和綜合顯示的功能。海濤等[40]設(shè)計了基于低能耗廣域網(wǎng)物聯(lián)網(wǎng)云平臺的茶園監(jiān)控系統(tǒng)，該系統(tǒng)能實時采集茶園空氣溫濕度、土壤溫濕度等參數(shù)，通過服務(wù)器對獲取的茶園信息進(jìn)行分析、存儲，并將數(shù)據(jù)同步到PC端和移動端，實現(xiàn)對茶園環(huán)境的遠(yuǎn)程智能監(jiān)控。徐松鐳等[41]設(shè)計了1套基于物聯(lián)網(wǎng)的光伏茶園監(jiān)測系統(tǒng)，該系統(tǒng)能夠采集光伏發(fā)電量和茶樹生長環(huán)境的各項數(shù)據(jù)，再通過監(jiān)測系統(tǒng)把數(shù)據(jù)上傳至搭建好的服務(wù)器端，有利于實現(xiàn)數(shù)據(jù)共享，從而可以通過該系統(tǒng)遠(yuǎn)程查看和分析數(shù)據(jù)。

陳玉[42]開發(fā)了一套集軟硬件于一體的高標(biāo)準(zhǔn)現(xiàn)代茶園物聯(lián)網(wǎng)系統(tǒng)，以提高茶園綜合管理能力。該系統(tǒng)包括智慧茶園云管理平臺，分為茶樹生長環(huán)境監(jiān)測平臺、視頻監(jiān)控平臺、水肥藥一體化調(diào)控平臺、茶葉質(zhì)量追溯平臺、茶樹生長過程綜合管理平臺5個子平臺，為實現(xiàn)智慧茶園的精準(zhǔn)控制管理提供了平臺技術(shù)支撐。陳義勇等[43]開展了茶園生境智慧管控技術(shù)研究，建立了一套茶園生境智慧管控技術(shù)，包含茶園土壤生態(tài)調(diào)控技術(shù)、茶園生態(tài)位配置與管控技術(shù)、茶園病蟲害監(jiān)測預(yù)警與生態(tài)防控技術(shù)、茶園生境環(huán)境信息自動化感知技術(shù)、茶園水分智慧管控技術(shù)以及茶園生境智慧管控專家服務(wù)系統(tǒng)等。

從實際應(yīng)用情況看，目前“智慧茶園”均止步在農(nóng)情信息收集與信息匯總展示場景，管理決策仍然依賴于人，而智能決策算法缺失是“智慧茶園”的瓶頸問題。王圓[44]通過自建茶業(yè)領(lǐng)域問答數(shù)據(jù)集，訓(xùn)練Sentence-BERT模型，用于生成句的語義嵌入表示，并結(jié)合Faiss相似性檢索庫，完成QA語義相似度匹配，將模型封裝，形成智慧茶園專家系統(tǒng)，通過自動問答的形式，構(gòu)建核心決策指導(dǎo)功能，測試結(jié)果顯示，自動問答功能能夠幫助領(lǐng)域相關(guān)者解決在茶葉種植、生產(chǎn)等環(huán)節(jié)遇到的問題。

2.3.2? 智能灌溉設(shè)備

茶園智能化灌溉系統(tǒng)發(fā)展有兩個方面，一是優(yōu)化灌溉系統(tǒng)的驅(qū)動結(jié)構(gòu)，改進(jìn)灌溉效果，如付文哲[45]發(fā)明了一種茶園噴灌系統(tǒng)，包括水池、泵、第一過濾器、給料單元和灌溉單元，該系統(tǒng)能提高灌溉均勻性。張艷[46]研究設(shè)計了一套由可編程控制器和變頻器聯(lián)合控制的茶園變頻恒壓噴灌控制系統(tǒng)，可根據(jù)用水量的變化，在全流量范圍內(nèi)利用變頻泵的連續(xù)調(diào)節(jié)和工頻泵的分級調(diào)節(jié)相結(jié)合，實現(xiàn)恒壓、節(jié)能，并對噴灌過程中的各種特征量進(jìn)行實時、動態(tài)顯示，提高了茶園噴灌的自動化水平和管理水平。另一方面智能化灌溉是通過算法實現(xiàn)灌溉時機(jī)的精準(zhǔn)選擇，如湖州職業(yè)技術(shù)學(xué)院[47]發(fā)明了一種茶園自動噴灌系統(tǒng)，使用濕度傳感器精確檢測茶園土壤的濕度，使用光照傳感器檢測光照強(qiáng)度，由控制器控制噴灌水泵的開啟，實現(xiàn)茶園的自動噴灌。蔡彬等[48]設(shè)計了一種基于無線傳感網(wǎng)絡(luò)的茶園智能化噴灌系統(tǒng)，可針對不同茶樹生長期對土壤、溫度、水分、鹽分等條件的需要，進(jìn)行精準(zhǔn)實時灌溉。

2.3.3? 其他智能機(jī)械

通用智能機(jī)械平臺方面，朱登勝等[49]基于大田作業(yè)智能傳感技術(shù)、物聯(lián)網(wǎng)技術(shù)、定位技術(shù)、遙感技術(shù)和地理信息系統(tǒng)，通過采用低精度全球 衛(wèi)星導(dǎo)航系統(tǒng)（GNSS）定位前提下的作業(yè)面積的計算方法、GNSS定位處理過程中的數(shù)據(jù)問題分析、農(nóng)機(jī)調(diào)度算法、作業(yè)傳感器信息的集成，設(shè)計了可定制化的通用農(nóng)機(jī)遠(yuǎn)程智能管理平臺。

受制于茶園復(fù)雜地形、植被覆蓋、土壤類型差異，與茶樹種植相關(guān)的智能農(nóng)機(jī)設(shè)備，如耕作機(jī)、施肥機(jī)、修剪機(jī)的智能化程度遠(yuǎn)不及灌溉設(shè)備。根據(jù)國家茶產(chǎn)業(yè)技術(shù)體系茶園機(jī)械研究室的報告，“十三五”期間，我國茶園作業(yè)機(jī)械領(lǐng)域僅解決了茶園無專用機(jī)械的問題，但現(xiàn)有機(jī)械的智能化程度低、作業(yè)仍然需要較多人工參與，與智慧管理、無人化生產(chǎn)的要求還有很大的差距[50]，未來仍將依托于智能裝備領(lǐng)域的重大突破[51-52]。此外，智能農(nóng)機(jī)裝備領(lǐng)域未形成科學(xué)的標(biāo)準(zhǔn)化體系，導(dǎo)致該領(lǐng)域相關(guān)標(biāo)準(zhǔn)定位不清、標(biāo)準(zhǔn)間交叉重復(fù)、配套性差。發(fā)布實施的智能農(nóng)機(jī)裝備地方標(biāo)準(zhǔn)、團(tuán)體標(biāo)準(zhǔn)、企業(yè)標(biāo)準(zhǔn)質(zhì)量參差不齊，裝備生產(chǎn)沒有統(tǒng)一規(guī)范、新產(chǎn)品研發(fā)無標(biāo)可依、上下游產(chǎn)業(yè)無法配套銜接[53]。

3? 茶樹種植智能化管理研究展望

茶樹生長環(huán)境及態(tài)勢的快速感知、智能決策和針對性農(nóng)藝措施是實現(xiàn)茶園智能化管理的重要前提，但目前在先進(jìn)傳感器、決策算法、智能機(jī)械裝備等方面均存在較大短板，需要在以下3個方面加強(qiáng)研究。

3.1? 先進(jìn)傳感器研發(fā)

研究可靠的快速感知技術(shù)，研發(fā)高精度、可靠性強(qiáng)的農(nóng)業(yè)專用傳感器，同時研究多傳感器的時空同步采集、高效組網(wǎng)傳輸、多模態(tài)數(shù)據(jù)融合處理及實時在線解析等關(guān)鍵技術(shù)，用于大量不同參數(shù)的快速獲取。

3.2? 智能決策管理模型

目前“智慧茶園”系統(tǒng)的瓶頸之一是決策模型缺乏，形成了有數(shù)據(jù)無算法的困境，因此需要深化茶樹領(lǐng)域相關(guān)的農(nóng)業(yè)模型研究，為茶園管理與作業(yè)過程的智能化決策提供依據(jù)。針對物聯(lián)網(wǎng)引入的海量數(shù)據(jù)，需要研發(fā)大數(shù)據(jù)驅(qū)動的知識共享與綜合輔助決策模型，通過知識和數(shù)據(jù)相結(jié)合的決策模型，將精準(zhǔn)決策與智能算法進(jìn)行有效關(guān)聯(lián)，進(jìn)行預(yù)測評判，為生產(chǎn)作業(yè)提供智能化決策。

3.3? 智能茶園機(jī)械裝備

需要開展茶園機(jī)械裝備作業(yè)過程實時分析、智能化決策與控制前期研究，建立茶園農(nóng)機(jī)智能化、精準(zhǔn)化作業(yè)技術(shù)儲備。但由于茶樹種植相關(guān)的機(jī)械化程度仍然很低，除了研制自動化程度高的大型茶園機(jī)械外，還需要針對分布較廣的山地丘陵茶園，加強(qiáng)結(jié)構(gòu)簡單、易于操作的輕小型機(jī)械的研發(fā)，提高我國茶樹種植的機(jī)械化水平。

參考文獻(xiàn)

[1] 姜仁華， 熊興平， 姚明哲. 我國茶葉科技“十三五”進(jìn)展及“十四五”發(fā)展思考[J]. 中國茶葉， 2021， 43（9）： 17-24.

[2] 蔡健波. 新形勢下茶園種植成本控制管理研究[J]. 中國鄉(xiāng)鎮(zhèn)企業(yè)會計， 2020（10）： 91-92.

[3] 阮建云， 季凌飛， 申瑞寒， 等. 茶樹栽培研究“十三五”進(jìn)展及“十四五”發(fā)展方向[J]. 中國茶葉， 2021， 43（9）： 58-65.

[4] 羅錫文， 廖娟， 臧英， 等. 我國農(nóng)業(yè)生產(chǎn)的發(fā)展方向： 從機(jī)械化到智慧化[J]. 中國工程科學(xué)， 2022， 24（1）： 46-54.

[5] 趙春江. 智慧農(nóng)業(yè)的發(fā)展現(xiàn)狀與未來展望[J]. 華南農(nóng)業(yè)大學(xué)學(xué)報， 2021， 42（6）： 1-7.

[6] 疏再發(fā)， 吉慶勇， 金晶， 等. 智慧茶園技術(shù)集成與應(yīng)用[J]. 中國茶葉， 2022， 44（3）： 10-16， 20.

[7] 張銘銘， 唐小林， 范起業(yè)， 等. 我國茶葉機(jī)械研究進(jìn)展與展望[J]. 中國茶葉加工， 2021（4）： 5-9.

[8] 謝鵬安， 鄭澤鋒. 廣東省茶葉生產(chǎn)全程機(jī)械化技術(shù)現(xiàn)狀與展望[J]. 現(xiàn)代農(nóng)業(yè)裝備， 2021， 42（3）： 83-86.

[9] 李金瓊， 陳思羽， 肖世偉， 等. 物聯(lián)網(wǎng)技術(shù)在精準(zhǔn)農(nóng)業(yè)中的應(yīng)用[J]. 中國科技信息， 2022（4）： 84-86.

[10] 顏瑞， 王震， 李言浩， 等. 中國農(nóng)業(yè)智能傳感器的應(yīng)用、問題與發(fā)展[J]. 農(nóng)業(yè)大數(shù)據(jù)學(xué)報， 2021， 3（2）： 3-15.

[11] 趙玉成， 谷小青， 頓文濤， 等. 無線傳感器網(wǎng)絡(luò)在土壤肥力監(jiān)測中的應(yīng)用[J]. 現(xiàn)代農(nóng)業(yè)科技， 2013（9）： 242-243， 246.

[12] 李金生， 傅康. 淺析農(nóng)業(yè)氣象信息傳感器的發(fā)展和應(yīng)用[J]. 南方農(nóng)機(jī)， 2020， 51（13）： 79.

[13] 李明星. 傳感器在智慧農(nóng)業(yè)中的應(yīng)用分析[J]. 現(xiàn)代化農(nóng)業(yè)， 2021（9）： 71-72.

[14] 牛冠錚. 基于單片機(jī)控制的農(nóng)業(yè)智能灌溉系統(tǒng)中傳感器應(yīng)用研究[J]. 現(xiàn)代化農(nóng)業(yè)， 2021（4）： 71-72.

[15] 矯雷子， 董大明， 趙賢德， 等. 基于調(diào)制近紅外反射光譜的土壤養(yǎng)分近場遙測方法研究[J]. 智慧農(nóng)業(yè)（中英文）， 2020， 2（2）： 59-66.

[16] NING J M， SHENG M， YI X Y， et al. Rapid evaluation of soil fertility in tea plantation based on near-infrared[J]. Spectroscopy Letters， 2018， 51（9）： 463-471.

[17] 李鵬超. 基于ZigBee無線傳感器網(wǎng)絡(luò)的農(nóng)業(yè)大田數(shù)據(jù)監(jiān)測系統(tǒng)設(shè)計與實現(xiàn)[D]. 西安： 長安大學(xué)， 2018.

[18] 張伊萌. 面向智慧農(nóng)業(yè)的大規(guī)模傳感器數(shù)據(jù)采集系統(tǒng)[D]. 上海： 上海交通大學(xué)， 2018.

[19] 陳宏， 吳建德. 基于傳感器和電力線載波通信的智慧農(nóng)業(yè)物聯(lián)網(wǎng)研究[J/OL]. 光通信技術(shù)， 2022. http：//kns.cnki.net/kcms/detail/45.1160.TN.20220415.1053.002.html.

[20] 彭漢艮， 倪軍， 陳可. 農(nóng)業(yè)傳感器發(fā)展態(tài)勢研究[J]. 江蘇農(nóng)機(jī)化， 2021（4）： 25-27.

[21] 黃邵東， 徐偉恒， 吳超， 等. 遙感在茶園監(jiān)測中的應(yīng)用研究進(jìn)展[J]. 西部林業(yè)科學(xué)， 2020， 49（2）： 1-9， 23.

[22] WANG B， LI J， JIN X F， et al. Mapping tea plantations from multi-seasonal landsat-8 OLI imageries using a random forest classifier[J]. Journal of the Indian Society of Remote Sensing， 2019， 47（8）： 1315-1329.

[23] LI N， ZHANG D， LI L W， et al. Mapping the spatial distribution of tea plantations using high-spatiotemporal-resolution imagery in Northern Zhejiang， China[J/OL]. Forests， 2019， 10（10）： 856. https：//doi.org/10.3390/f10100856.

[24] XU W H， QIN Y W， XIAO X M， et al. Quantifying spatial-temporal changes of tea plantations in complex landscapes through integrative analyses of optical and microwave imagery[J]. International Journal of Applied Earth Observation and Geoinformation， 2018， 73： 697-711.

[25] 徐偉燕， 孫睿， 金志鳳. 基于資源三號衛(wèi)星影像的茶樹種植區(qū)提取[J]. 農(nóng)業(yè)工程學(xué)報， 2016， 32（s1）： 161-168.

[26] 黃春娟， 趙尹強(qiáng)， 易小蓉. 基于GIS的云南南澗茶樹種植氣候適宜性區(qū)劃[J]. 農(nóng)業(yè)與技術(shù)， 2019， 39（24）： 116-121.

[27] 胡波， 金志鳳， 李穎， 等. 江南茶區(qū)茶樹栽培綜合適宜性評價[J]. 氣象科技， 2018， 46（2）： 390-395.

[28] RAMADANNINGRUM D P， KAMAL M， MURTI S H. Image-based tea yield estimation using Landsat-8 OLI and Sentinel-2B images[J/OL]. Remote Sensing Applications： Society and Environment， 2020， 20： 100424. https：//doi.org/10.1016/j.rsase.2020.100424.

[29] FAUZIANA F， DANOEDORO P， MURTI S H. Linear spectral mixture analysis of SPOT-7 for tea yield estimation in pagilaran estate， batang central java[J/OL]. IOP Conference Series： Earth and Environmental Science， 2016， 47（1）： 012034. https：//doi.org/10.1088/1755-1315/47/1/012034.

[30] 陳仲新， 郝鵬宇， 劉佳， 等. 農(nóng)業(yè)遙感衛(wèi)星發(fā)展現(xiàn)狀及我國監(jiān)測需求分析[J]. 智慧農(nóng)業(yè)， 2019， 1（1）： 32-42.

[31] 王嬌嬌， 徐波， 王聰聰， 等. 作物長勢監(jiān)測儀數(shù)據(jù)采集與分析系統(tǒng)設(shè)計及應(yīng)用[J]. 智慧農(nóng)業(yè)， 2019， 1（4）： 91-104.

[32] TU Y X， BIAN M， WAN Y K， et al. Tea cultivar classification and biochemical parameter estimation from hyperspectral imagery obtained by UAV[J/OL]. PeerJ， 2018， 6： e4858. https：//doi.org/10.7717/peerj.4858.

[33] 吳偉斌， 李佳雨， 張震邦， 等. 基于高光譜圖像的茶樹LAI與氮含量反演[J]. 農(nóng)業(yè)工程學(xué)報， 2018， 34（3）： 195-201.

[34] YAMASHITA H， SONOBE R， HIRONO Y H， et al. Dissection of hyperspectral reflectance to estimate nitrogen and chlorophyll contents in tea leaves based on machine learning algorithms[J/OL].

Scientific Reports， 2020， 10（1）：17360. https：//doi.org/10.1038/

s41598-020-73745-2.

[35] SONOBE R， HIRONO Y， OI A. Non-destructive detection of tea leaf chlorophyll content using hyperspectral reflectance and machine learning algorithms[J/OL]. Plants， 2020， 9（3）： 368. https：//doi.org/10.3390/plants9030368.

[36] WANG Y J， LI T H， JIN G W， et al. Qualitative and quantitative diagnosis of nitrogen nutrition of tea plants under field condition using hyperspectral imaging coupled with chemometrics[J]. Journal of the Science of Food and Agriculture， 2020， 100（1）： 161-167.

[37] 劉連忠， 李孟杰， 林源豐， 等. 基于圖像處理的茶樹含氮量診斷方法初步研究[J]. 北華大學(xué)學(xué)報（自然科學(xué)版）， 2019， 20（1）： 114-120.

[38] WANG Y J， JIN G， LI L Q， et al. NIR hyperspectral imaging coupled with chemometrics for nondestructive assessment of phosphorus and potassium contents in tea leaves[J/OL]. Infrared Physics & Technology， 2020， 108： 103365. https：//doi.org/10.1016/j.infrared.2020.103365.

[39] 吳彬， 楊詠鋼， 李艷芳， 等. 茶園可視化農(nóng)業(yè)氣象信息動態(tài)監(jiān)測預(yù)警系統(tǒng)研制及試驗[J]. 計算機(jī)測量與控制， 2018， 26（8）： 195-199.

[40] 海濤， 陸猛， 黃光日， 等. 基于LPWAN物聯(lián)網(wǎng)云平臺的茶園監(jiān)控系統(tǒng)設(shè)計[J]. 河北農(nóng)業(yè)大學(xué)學(xué)報， 2021， 44（5）： 93-99.

[41] 徐松鐳， 楊昊. 基于物聯(lián)網(wǎng)的光伏茶園監(jiān)測系統(tǒng)設(shè)計[J]. 信息與電腦（理論版）， 2021， 33（1）： 95-96.

[42] 陳玉. 基于物聯(lián)網(wǎng)技術(shù)的智慧茶園管理系統(tǒng)設(shè)計[D]. 曲阜： 曲阜師范大學(xué)， 2020.

[43] 陳義勇， 黎健龍， 周波， 等. 茶園生境智慧管控技術(shù)助推廣東茶產(chǎn)業(yè)可持續(xù)健康發(fā)展[J]. 廣東農(nóng)業(yè)科學(xué)， 2020， 47（12）： 193-202.

[44] 王圓. 智慧茶園專家系統(tǒng)的設(shè)計與實現(xiàn)[D].曲阜： 曲阜師范大學(xué)， 2021.

[45] 付文哲. 一種茶園噴灌系統(tǒng)： 208657549U[P]. 2019-03-29.

[46] 張艷. 基于PLC茶園變頻恒壓噴灌自動控制系統(tǒng)的設(shè)計[J]. 農(nóng)技服務(wù)， 2015， 32（12）： 4-7.

[47] 湖州職業(yè)技術(shù)學(xué)院.一種茶園自動噴灌系統(tǒng)： 208387486U[P]. 2019-01-18.

[48] 蔡彬， 繆子梅， 褚琳琳， 等. 基于無線傳感網(wǎng)絡(luò)的茶園智能化噴灌系統(tǒng)[J]. 節(jié)水灌溉， 2017（11）： 93-96.

[49] 朱登勝， 方慧， 胡韶明， 等. 農(nóng)機(jī)遠(yuǎn)程智能管理平臺研發(fā)及其應(yīng)用[J]. 智慧農(nóng)業(yè)（中英文）， 2020， 2（2）： 67-81.

[50] 宋志禹， 韓余， 丁文芹， 等. 茶園機(jī)械研究“十三五”進(jìn)展及“十四五”發(fā)展方向[J]. 中國茶葉， 2021， 43（10）： 26-33.

[51] 廖念禾， 吳維雄， 殷雨翔， 等. 丘陵山區(qū)茶園種植機(jī)械化現(xiàn)狀分析[J]. 農(nóng)機(jī)使用與維修， 2021（3）： 141-142.

[52] 張銘銘， 唐小林， 范起業(yè)， 等. 我國茶葉機(jī)械研究進(jìn)展與展望[J]. 中國茶葉加工， 2021（4）： 5-9.

[53] 胡小鹿， 梁學(xué)修， 張俊寧， 等. 中國智能農(nóng)機(jī)裝備標(biāo)準(zhǔn)體系框架構(gòu)建與研制建議[J]. 智慧農(nóng)業(yè)（中英文）， 2020， 2（4）： 116-123.

基金項目：國家重點研發(fā)計劃（2021YFD1601101）。

作者簡介：程俊杰，男，主要從事茶樹表型圖像識別研究。*通信作者，E-mail：nikang@tricaas.com。