摘要：有效的作物檢測對保證作物產量和質量至關重要，以往的巡檢方式效率低下，易受工作人員經驗和傳感器精度的影響。隨著農業(yè)智能化的發(fā)展，溫室巡檢機器人逐漸應用于溫室作業(yè)，溫室巡檢機器人結合機器人技術和溫室農藝需求，本文旨在實現(xiàn)智能化溫室巡檢和監(jiān)測，可自主、高效、安全、可靠地進行溫室巡檢任務。本文重點綜述溫室巡檢機器人的研究進展和應用情況，涵蓋巡檢平臺、導航與定位、信息采集與處理以及信息傳輸4個關鍵技術。首先，從巡檢平臺出發(fā)，對輪式、履帶式、足式、軌道式和無人機平臺在溫室巡檢中的應用進行介紹；其次，對軌道、視覺、雷達導航方式進行闡述，重點介紹地軌式和掛軌式軌道導航技術；再次，在信息采集與傳輸方面，不僅綜述巡檢機器人在環(huán)境信息和作物狀態(tài)中的應用，更是創(chuàng)新地加入在設施及設備監(jiān)測等任務方面的應用；最后，對溫室有線與無線信息傳輸方式進行介紹和對比，總結溫室巡檢機器人的特點與挑戰(zhàn)，并探討未來關鍵技術的發(fā)展趨勢，以期為未來智能溫室巡檢機器人研究提供參考。

關鍵詞：溫室；巡檢機器人；巡檢平臺；導航與定位；信息采集與處理；信息傳輸

中圖分類號：TP242.6；S126 文獻標志碼：A

文章編號：1002-1302（2024）16-0001-10

農業(yè)生產是社會發(fā)展的根基。但隨著社會經濟的騰飛與城鎮(zhèn)化的發(fā)展，全世界耕地面積正在不斷減少［1-2］。到2050年，糧食產量需增加70%才能維持人類活動［3］。為迎合現(xiàn)代社會的需求，農業(yè)正經歷變革，通過實行節(jié)水、減少農藥使用以及減少種植面積等措施，確保高質量糧食作物的供應［4］。在此背景下，設施種植業(yè)快速發(fā)展，利用溫室進行農業(yè)生產可以防止作物暴露在復雜多變的外界環(huán)境下，將作物生長所需環(huán)境條件始終維持在期望范圍內，可在有限的空間內提高農業(yè)產量，是促進資源高效利用和推動農業(yè)可持續(xù)發(fā)展的重要途經［5-6］。溫室創(chuàng)造了不同于外部氣象環(huán)境的小氣候，確保氣候的均勻性是保證溫室作物健康生長的關鍵，可以通過通風、噴淋、CO2富集等方式對溫室小氣候進行調控［7］。為保證作物的產量和質量，作物監(jiān)測對于種植、噴灑和收獲等任務的高效穩(wěn)定執(zhí)行就非常重要。最初由人工進行巡檢工作，成本低但容易受工作人員經驗的影響而導致誤判［8］。隨著技術的發(fā)展，通過安裝傳感器的方式來監(jiān)測溫室中的環(huán)境指標，在巡檢效率和工作強度上得到了優(yōu)化，然而當前傳感器網絡主要由固定節(jié)點和受能量限制的設備構成，導致監(jiān)測系統(tǒng)缺乏靈活性和長久運行的能力，但并未真正實現(xiàn)自動化［9-10］。近年來，為了更高效地管理溫室生態(tài)系統(tǒng)，引入了溫室精準農業(yè)技術，其核心是推動現(xiàn)代農業(yè)向智能化發(fā)展，即將機器人技術、物聯(lián)網技術、人工智能技術等引入到傳統(tǒng)農業(yè)生產中來［11-12］。溫室巡檢工作逐漸向自動化、智能化方向發(fā)展，將傳感器安裝在可移動的巡檢機器人上，可將巡檢到的數(shù)據利用機器學習技術進行分析和預測，并對異常數(shù)據進行報警［13］。綜上，溫室巡檢工作經歷了人工巡檢、自動化巡檢、智能化巡檢3個發(fā)展階段，利用機器人實現(xiàn)智能化巡檢是未來發(fā)展的必然［14］。智能巡檢機器人已在電力［15］、煤礦［16］、管廊［17］等多個工業(yè)場景中得到廣泛應用。與工業(yè)巡檢相比，農業(yè)在監(jiān)測對象的標準性、環(huán)境狀態(tài)的復雜性以及產品易損性等方面都面臨更多的挑戰(zhàn)［18］。隨著智慧農業(yè)時代的到來，荷蘭［19］、日本［20］、美國［21］、西班牙［22］等設施農業(yè)發(fā)達國家在智能化巡檢方面處于領先地位。根據2023年中央一號文件，智能化農業(yè)裝備已被確定為中國發(fā)展的重點之一，這意味著中國正將更多的資源和支持投入到智能化農業(yè)裝備的研發(fā)和推廣中［23］。作為農業(yè)領域中的特種機器人，溫室巡檢機器人需要與溫室巡檢的實際需求相匹配，需具備以下基本功能：（1）自主移動能力。溫室巡檢機器人應具備穩(wěn)定的底盤和智能導航系統(tǒng)，能夠自主感知周圍環(huán)境并避開障礙物，保證安全可靠地進行巡檢工作。（2）環(huán)境監(jiān)測功能。溫室巡檢機器人需要配備溫度、濕度、光照度等相關傳感器，實時監(jiān)測溫室環(huán)境參數(shù)，確保創(chuàng)建和維持適宜的生長環(huán)境。（3）作物狀態(tài)監(jiān)測。利用圖像識別技術，溫室巡檢機器人可以監(jiān)測作物的生長狀況、病蟲害情況等，提供預警和相應的治理建議。（4）結構與設備監(jiān)測。以圖像或視頻流的方式對溫室結構和設備進行巡檢，幫助工作人員及時發(fā)現(xiàn)問題并采取相應的措施。（5）數(shù)據記錄與分析。溫室巡檢機器人應能記錄并上傳巡檢數(shù)據，生成相關報告并提供數(shù)據分析功能，從而優(yōu)化溫室的管理策略。通過實現(xiàn)這些功能，溫室巡檢機器人能夠提升生產效率、降低管理成本，并幫助管理人員作出決策，確保作物健康和高質量生產［24］。因此，本研究以基本需求為基礎，探討溫室巡檢機器人設計方面的四大關鍵技術研究進展和存在的不足之處，主要包括巡檢平臺、導航與定位、信息采集與處理以及信息傳輸。此外，還展望了智能巡檢機器人的未來發(fā)展趨勢，以期為將來溫室巡檢機器人相關領域的研究和發(fā)展提供參考。

1 關鍵技術

1.1 巡檢平臺

巡檢機器人移動平臺為作物巡檢提供了便捷的方式。然而，在溫室環(huán)境下，巡檢機器人需要在空間有限且復雜多變的工作環(huán)境下工作，這要求機器人的運動機構能夠進行動態(tài)調整［25］。巡檢平臺的設計需要與不同的運動機構相匹配，以確保其牽引力、轉向和越障能力的高效性，這些都是決定機器人性能的關鍵因素。溫室中主流的巡檢平臺有輪式、履帶式、足式、軌道式與無人機等種類，平臺的選取要與作物類型和生長環(huán)境進行匹配［26］。運動控制系統(tǒng)將采集目的與導航信息融合起來，使平臺能夠保持在正確的路徑下工作，進而保證機器人進行自動巡檢以及定點巡檢，這對巡檢精度和效率的提升有著重要影響［27］。

1.1.1 輪式巡檢平臺

溫室輪式平臺是在自動導引車（AGV）的基礎上演進而來的，擁有快速機動、高效操作、可靠控制、安全性強等諸多優(yōu)點［28］。Iida等研制的移動機器人以其精致小巧的設計引人注目，它巧妙地采用2個驅動輪和1個轉向輪確保其在溫室行間轉彎的靈活性（圖1-a）［29］。針對不同作物種植的行間距和高度不同等問題，可采用輪距可調、高度可調的方式解決，靈活地適應各種植需求，確保巡檢方位的全面落實［30］。

1.1.2 履帶巡檢平臺

相較于輪式巡檢平臺，履帶式巡檢平臺在非平坦地面上展現(xiàn)出更佳的適應性和穩(wěn)定性，通過履帶與地面摩擦產生的力量，使得履帶式移動平臺在各類復雜地形和惡劣環(huán)境中展現(xiàn)出更高的適應性和卓越的越障能力［31］。[JP2]孫新安利用四輪式履帶底盤配備直流電機和多種傳感器，基于自適應魯棒滑模變結構控制算法，使機器人精確按照預設軌跡移動，確保巡檢機器人在溫室復雜環(huán)境下平穩(wěn)通行，從而保證了巡檢精度（圖1-b）［32］。

1.1.3 足式巡檢平臺

足式移動平臺是通過模仿動物腿的裝置來移動自身的仿生機械系統(tǒng)［33］。動物能夠在平面上移動，并利用腿避開障礙物，通過對動物足式移動的研究和分析，研究人員設計了具有足式特征的移動機器人平臺，足式機器人一般可分為雙足、四足和六足等類型［34］。Rosero-Montalvo等使用四足移動系統(tǒng)進行溫室玫瑰花栽培環(huán)境條件的監(jiān)測，其具有較靈活的運動性能和良好的地形適應能力，在溫室農業(yè)環(huán)境中有巨大的應用潛力（圖1-c）［35］。

1.1.4 軌道式巡檢平臺

軌道式移動平臺是指機器人沿著溫室地面軌道或頂部吊裝軌道進行移動，可分為地軌式軌道和掛軌式軌道［36］。這些軌道通常采用槽鋼、工字鋼或片鋼等鋼性材料制造，在巡檢機器人上安裝各種傳感器，機器人只需沿著軌道移動即可完成任務，因此對于機器人運動方向的控制和精確定位要求相對簡單，不僅能簡化巡檢的復雜性，還能提高巡檢的穩(wěn)定性［37］。此外，軌道式機器人還可配備升降機構，擴大垂直方向上的巡檢范圍，以滿足不同高度作物的需求。然而，導軌式機器人也存在一些固有缺點，如運動線路固定無法改變，巡檢范圍受軌道限制較大，因此只適用于相對集中的生產環(huán)境［38］。沈陽新松機器人自動化股份有限公司設計的掛軌式移動平臺具有精準的軌道運動能力、爬坡能力和高濕度極端環(huán)境下的運行能力，可用于農業(yè)巡檢（圖1-d）［39］。張燕等使用安徽益可達智能科技有限公司生產的掛軌式巡檢機器人，實現(xiàn)溫室內作物360°全視角影像獲取，并可局部采集番茄葉部病害高清圖像［40］。蘇州博田自動化技術有限公司研制的地軌式巡檢機器人可實現(xiàn)溫室小環(huán)境的實時監(jiān)控與農作物生長信息的實時感知，并可預測當前、未來不同時期成熟果實數(shù)量（圖1-e）［41］。

1.1.5 無人機巡檢平臺

無人機是一種經濟實惠的具有檢測和數(shù)據分析功能的移動機器人［42-43］。優(yōu)勢在于可抵達溫室內外任意空間位置，除監(jiān)測溫室環(huán)境參數(shù)外，還可無死角監(jiān)測植物生長狀態(tài)及溫室屋頂、保溫被限位傳感器等設施裝備的安全運行狀況［44］，如圖1-f所示的荷蘭ADI公司研發(fā)的植物環(huán)境因素和生長狀態(tài)無人機監(jiān)測系統(tǒng)［45］。由于溫室園區(qū)內障礙物較多，無人機在實際使用過程中存在控制信號不穩(wěn)定等障礙，未來可積極推動地圖繪制（SLAM）和視覺等算法的研究應用，確保無人機精確定位以實現(xiàn)對溫室環(huán)境的全面監(jiān)測［46］。

1.2 導航與定位

導航和定位系統(tǒng)是實現(xiàn)機器人自主移動的關鍵技術，在自動駕駛領域存在多種導航和定位方法，大多數(shù)適用于開放且不太復雜的環(huán)境［47］。然而，在溫室環(huán)境中，為保證機器人按照預定路線自主移動，需根據溫室的特性來滿足溫室導航的要求。溫室的特征包括以下2點：（1）溫室通常密集地種植著大量植物。機器人需在植物行間進行導航，為執(zhí)行巡檢任務要求機器人在導航過程中避免對植物造成任何損傷，且能夠在狹窄的植物行間隙中靈活移動。（2）溫室通常需要良好的透光性，以提供植物進行光合作用所需的光線。在設計溫室導航系統(tǒng)時，需考慮光照對傳感器的干擾，以確保導航的準確性和安全性。

1.2.1 軌道導航技術

軌道導航技術是一種利用事先安裝在溫室頂部或地面軌道系統(tǒng)的技術，用于實現(xiàn)巡檢機器人的準確定位和精確巡檢［48］。這種技術具有高可靠性和穩(wěn)定性，在非戶外環(huán)境的設施農業(yè)中具有廣泛應用，然而軌道導航技術的建設成本較高，且易受空間限制［36］。

1.2.1.1 地面軌道式

通過在地面上鋪設軌道，使機器人能夠沿著軌道準確移動，可實現(xiàn)精確的導航和定位。張曉東等采用溫室加熱管道作為軌道，使用橡膠輪作為驅動輪來減少地面震動對移動的影響，經過對平臺運動功能的驗證，獲得“最大絕對誤差為7.2 mm、相對誤差為0.72%”的結果［49］。利用二維碼獨特編碼和定位能力，機器人能夠準確識別和跟蹤二維碼，從而實現(xiàn)精準的軌跡導航［50］。Wu等在軌道的前部、后部以及左右兩側貼上帶有定位信息的二維碼，這樣即使機器人在水平和垂直方向上存在姿勢偏移，仍能掃描到二維碼，從而實現(xiàn)對軌道機器人位置信息的精準確定，這種方法簡單易行且不會對現(xiàn)有溫室環(huán)境造成破壞，只需要保證二維碼完整和定期清潔二維碼上的灰塵即可（圖2）［51］。

1.2.1.2 懸掛軌道式

將機器人機構安裝在溫室大棚的頂部，既不會影響作物的生長，[JP2]又能夠更準確地移動到作物附近，采集作物及溫室環(huán)境信息［52］。李惠玲等研制的巡檢機器人采用巡檢平臺與滑移軌道和齒條相連接，能在檢測行進方向上實現(xiàn)精準定位和駐點探測［53］。許俊云等使用伺服電機驅動機器人在雙層橫梁軌道上移動，采用脈沖方向定位方式，確保機器人平臺機構的平穩(wěn)精準移動［54］。張曉東等研制的掛軌式平臺通過齒條、齒輪和光電編碼器的共同作用，確保了裝置的直線位移和空間定位精度，結果顯示，該平臺運動誤差小、精度高，能夠精確地采集溫室管控和作物生長的實時信息［55］。

1.2.2 視覺導航技術

視覺導航技術利用視覺傳感器獲取圖像信息，通過視覺導航算法對圖像中特征目標的識別處理，提取導航數(shù)據，最終得到導航路徑，具有硬件成本低廉、感知信息豐富、靈活性強等優(yōu)點，在農業(yè)機器人導航中得到廣泛的應用［56］。常見的視覺導航傳感器有單目相機、雙目相機和深度相機。傳統(tǒng)的單目相機導航精度低、易受外界環(huán)境干擾，難以獲得具有深度的圖像信息，需對采集到的圖像進行算法處理。Chen等提出一種新的灰度因子，使得作物在圖像中更加突出，從而實現(xiàn)路徑和作物的準確分割，再采用中值點霍夫變換法，使得機器人在行間的導航路徑擬合度得到提高［57］。雙目視覺是基于視差原理從單目視覺的基礎上發(fā)展而來的，模擬了動物眼睛的成像原理，可獲得具有三維幾何信息的圖像，相較于單目視覺導航，雙目視覺可以提高分辨率與信息獲取能力，成為目前國內外的研究重點。[JP2]深度相機可利用坐標轉換得到目標相對于機器人的位置信息，在檢測到作物行間隙時，可得到圖像中的深度信息，進而獲得導航路徑。

1.2.3 雷達導航技術

激光雷達導航與定位技術利用激光雷達傳感器通過發(fā)射和接收激光來獲取周圍物體的點云信息，從而確定機器人與障礙物之間的位置關系，已廣泛應用于地面機器人定位和地圖繪制（SLAM）［58-59］。關于激光雷達的驅動資源已相對成熟，存在于國內外多個開源網站，如機器人操作系統(tǒng)（ROS）社區(qū)和GitHub等。激光雷達對光照具有較低的靈敏度并具有廣闊的探測范圍，季宇寒等采用激光雷達以及高魯棒性Gmapping算法來建立二維環(huán)境地圖，使用自適應蒙特卡羅定位算法進行導航定位，結果表明，巡檢機器人導航系統(tǒng)的位置與航向偏差符合溫室巡檢的要求［60］。Jiang等將三維激光雷達采集的三維點云數(shù)據進行濾波處理后融合到二維激光雷達中，隨后利用二維激光雷達SLAM算法進行定位和溫室地圖構建，經過實際導航測試，平均偏差不超過 2 cm，證明雷達導航系統(tǒng)具備良好的定位準確性［61］。

1.3 信息采集與處理

快速、高效、準確、無破壞性地獲取農業(yè)信息是實施精準農業(yè)的前提和基礎［62］。巡檢機器人以自主移動或遙控的方式，對相應區(qū)域環(huán)境、農作物狀態(tài)、溫室設施和溫室裝備進行采集和識別，并提供異常報警，操作人員只需收集上位機收到的實時數(shù)據、圖像等信息，即可完成巡檢工作。

1.3.1 溫室環(huán)境感知監(jiān)測系統(tǒng)

直接影響溫室作物生長的氣象因素為溫度、相對濕度、CO2濃度、光照度等外界環(huán)境變量數(shù)據，這些變量會形成實時變化的溫室小氣候系統(tǒng)［63-65］。通過在巡檢機器人上搭載相應傳感器可實現(xiàn)氣象信息的獲取，對傳感器采集的數(shù)據進行數(shù)據分析，以便在發(fā)生不利于植物生長條件出現(xiàn)時管理人員能夠迅速采取行動?？茖W地進行氣象信息采集與分析，可為農業(yè)生產相關工作提供決策依據［66］。

Durmu等在集成式移動機器人上安裝多種傳感器在溫室中采集環(huán)境數(shù)據，數(shù)據經存儲、處理后在Web應用程序上進行可視化展示［67］。Roldán等在無人機上搭載溫濕度傳感器、光照度傳感器和二氧化碳濃度傳感器，通過傳感器能夠監(jiān)測并記錄環(huán)境中的氣候變化情況，通過收集的數(shù)據繪制溫濕度和CO2濃度隨時間和空間變化而變化的趨勢圖［68］。Rosero-Montalvo等通過SCD30傳感器整合采集溫室中CO2濃度、濕度和溫度數(shù)據，使用機器學習算法對有效數(shù)據進行訓練，可確定氣候條件對不同區(qū)域作物生長的影響，以此確定溫室中最適合作物生長的區(qū)域范圍［69］。Iida等使巡檢機器人按規(guī)劃路徑行駛實時采集附近的溫度數(shù)據，并生成溫度環(huán)境信息圖，再通過反距離權重（IDW）插值法估算未知數(shù)據，生成整個溫室的環(huán)境信息圖（圖3），工作人員可直觀地了解溫度環(huán)境數(shù)據的分布差異［29］。

1.3.2 溫室作物狀態(tài)監(jiān)測

作物生理、形態(tài)等參數(shù)主要以視覺傳感器進行目標獲取，在農作物檢測方面已有大量相關文獻，2014年開始利用計算機視覺技術引入深度學習（DL）進行目標檢測，近年來隨著機器學習和深度學習的快速發(fā)展，使用卷積神經網絡的深度學習算法已被證明在圖像分類、分割和目標檢測方面表現(xiàn)出優(yōu)異的性能，已在農作物成熟度檢測、病蟲害檢測、產量預估、表型檢測與種植采摘等工作中得到廣泛應用，可有效解決人工視覺檢測勞動量大、主觀誤差大等問題［70-72］。農業(yè)巡檢機器人通過搭載高清圖像傳感器獲取作物圖像及視頻流，利用圖像識別技術和機器深度學習算法完成作物生長狀態(tài)的自主識別與判斷。

1.3.2.1 病蟲害監(jiān)測

在受保護的溫室下，溫暖、潮濕的環(huán)境和豐富的食物為病蟲害的發(fā)展提供了有利的棲息地［73］。在農業(yè)生態(tài)系統(tǒng)中，保持對植物病蟲害的觀察很重要，若不進行適當控制，溫室作物生產的集約化可能會為病蟲害侵擾創(chuàng)造有利條件，實時監(jiān)測病蟲害狀態(tài)對確保糧食安全至關重要［74］。在病蟲害監(jiān)測領域存在多種檢測方式，其中巡檢機器人通常采用機器視覺、光譜成像、結合機器學習或深度學習的方法進行巡檢。Gutierrez等認為，采用深度學習的方法可有效識別和區(qū)分煙粉虱卵和白粉虱卵，能夠在早期階段檢測到番茄和胡椒的病蟲害［22］。Martin等在巡檢機器人上搭載1個深度相機獲取葉子的位置信息和1個高清RGB攝像頭獲取番茄早期階段病蟲害的清晰圖像，對作物病蟲害的防治起推動作用［75］。

1.3.2.2 成熟度監(jiān)測

作物產量的提升大大提高了作物品質檢測與分級要求，在作物收獲前，對作物進行成熟度檢測是必要步驟［76］。一般而言，果實的顏色、形狀、大小和表面特征可提供一些成熟度的線索。Seo等研制的機器人利用Faster R-CNN算法檢測番茄，并結合K均值聚類算法實現(xiàn)番茄果實區(qū)域與背景區(qū)域的準確分離，再將RGB圖像轉換為HSV顏色模型，用于對番茄的成熟度進行分級，并對成熟的番茄果實進行計數(shù)，該方法在試驗中達到88.6%的檢測準確率，但需要進一步解決遮擋和果實圖像重疊等問題［77］。Wang等使用一種改進的R-CNN方法，可以增強模型的表達能力和魯棒性，使其在面對樹枝遮擋、果實重疊、光照影響等復雜因素時，仍能保持對番茄成熟度的準確檢測，該方法在需要高精度和多尺度的檢測任務上展現(xiàn)出明顯優(yōu)勢，有效提高了成熟度檢測的準確性［78］。當前，巡檢機器人在進行成熟度檢測時，為確保準確性和可靠性，需要收集大規(guī)模的樣本數(shù)據來訓練模型，這是一項巨大的挑戰(zhàn)［79］。

1.3.3 溫室設備監(jiān)測

溫室調控設備用于監(jiān)測和控制溫室內的環(huán)境參數(shù)，然而溫室中的許多設備并無位置反饋裝置，這可能導致設備實際位置與控制系統(tǒng)記錄的位置產生偏差，進而影響溫室環(huán)境的精確調控［80］。巡檢機器人可監(jiān)測溫室設備的運行狀態(tài)和工作情況，[JP2]及時發(fā)現(xiàn)設備故障、異?；驌p壞等情況，并提醒工作人員采取修復措施［81］。Huang等使用圖像檢測算法對風機停轉狀態(tài)和天窗開度進行檢測，可實時獲取設備的運行狀態(tài)，并設有異常警報裝置，進而提高溫室通風裝置自動控制的安全性［82］。

1.3.4 溫室結構監(jiān)測

溫室可為作物提供穩(wěn)定而適宜的生長環(huán)境，保證溫室結構的穩(wěn)定性和安全性，對作物健康生長非常重要，定期檢查和維護溫室結構，及時修復和處理問題，以確保溫室能夠提供良好的環(huán)境條件［83］。Pea通過1張/s圖像的頻率收集溫室立柱圖案，并通過機器視覺技術測量位移，可實現(xiàn)對短時間內發(fā)生的微小線性和角位移變化進行監(jiān)測，及時探測立柱的變形情況［84］。王佩積等讓巡檢機器人在呈蛇盤繞狀的軌道上運行，對弧形溫室的棚頂破損進行巡檢，可覆蓋整個弧形溫室的棚頂，及時發(fā)現(xiàn)破損問題［85］。大疆無人機利用高分辨率攝影機對連棟溫室進行全面拍攝，可自動檢測出缺陷、破損或裂紋，有助于提前發(fā)現(xiàn)溫室結構存在的潛在問題，確保溫室正常運行［86］。

1.4 數(shù)據傳輸

通信模塊是巡檢機器人與外界進行信息交互的通道，機器人在現(xiàn)場采集的傳感器數(shù)據、[JP2]圖像及自身工作情況需上傳到遠程監(jiān)控平臺，同時也需要接收監(jiān)控平臺下發(fā)的操作指令，形成閉環(huán)控制［87］。穩(wěn)定、快速、完整的數(shù)據傳輸是巡檢機器人智能化的重要技術，按不同傳輸方式可分為有線傳輸和無線傳輸［88］。

1.4.1 有線傳輸

有線傳輸是指通過物理媒介（如電纜或光纖）傳輸數(shù)據或信號的方式，常見的有通用串行總線（USB）、以太網、控制器局域網總線（CAN）、有線載波等，有線傳輸是文件傳輸中最簡單、最快、最穩(wěn)定的方法，但由于存在距離限制，數(shù)據僅能在有線連接范圍內傳輸［89］。其中，載波通信利用頻帶共享的原理，在同一根電纜上可同時傳輸多種信號，提供高帶寬和快速傳輸速度，適用于大容量數(shù)據處理［90］。安徽益可達智能科技有限公司使用滑觸線實現(xiàn)了供電、數(shù)據和網絡信號的傳輸，采用調制解調技術和信號處理算法，提高對電力線噪聲和干擾的抵抗能力，從而確保通信的穩(wěn)定性與可靠性（圖4）［91］。

1.4.2 無線傳輸

隨著移動通信技術和無線網絡技術的進步，數(shù)據傳輸逐漸向無線發(fā)展，現(xiàn)在有許多無線傳輸方式可供選擇，包括ZigBee、Wi-Fi、LoRa、NB-IoT[JP2]和蜂窩通信技術等［92］。無線傳輸方式擺脫了終端線的束縛，提高了通信的靈活性和便攜性，能滿足機器人實時通信和數(shù)據傳輸?shù)男枨螅?3］。

1.4.2.1 近距離傳輸

ZigBee是一種基于IEEE802.15.4標準的無線局域網技術，獨具近距離、低功耗、高安全性、低成本、小體積和強兼容性等特點［94］，但其抗干擾能力一般。該技術基于無線網絡，以每個獨立節(jié)點為原點，可形成星型、樹型和網格型3種拓撲結構［95］。在農業(yè)領域，該技術常被用于設施農業(yè)智能裝備的信息傳輸。

Wi-Fi是一種被廣泛應用的短距離無線局域網數(shù)據傳輸技術，它是基于IEEE 802.11協(xié)議能夠快速傳輸局域范圍內的信息，支持實時視頻傳輸。然而，在使用Wi-Fi進行通信時需要設置額外的數(shù)據線來連接Wi-Fi模塊與網關，ESP8266是一種典型的Wi-Fi模塊［49，96］。張世昂等對巡檢機器人傳感器采集的信息進行處理，通過Wi-Fi將其發(fā)送至云平臺，從而實現(xiàn)對農作物巡檢信息的遠程實時監(jiān)測［97］。

1.4.2.2 低功率廣域傳輸

遠距離無線電（LoRa）與窄帶物聯(lián)網（NB-IoT）是溫室常用的低功耗廣域傳輸技術，具有低功耗、遠距離和低成本等特點。LoRa是一種基于Sub-GHz頻段線性調頻擴頻技術的卓越超遠距離無線傳輸技術，具備強大的抗干擾和穿透能力［98］。采用基于時分多址復用技術的無線通信策略，可有效提高數(shù)據傳輸?shù)目煽啃院托诺览寐剩诒ＷC低功耗的同時實現(xiàn)在與網關相距600 m的情況下連通［99］。LoRa技術成功解決了傳統(tǒng)功耗和傳輸距離不可兼得的難題［100］。NB-IoT是構建于蜂窩網絡的一種新興物聯(lián)網（IoT）通信技術，NB-IoT的1個扇區(qū)能夠支持10萬個連接，單個基站最多可接入5萬個終端。吳雪雪采用 NB-IoT 無線通信技術和CoAP協(xié)議把傳感器獲取的數(shù)據發(fā)送至云端，實現(xiàn)了同時對多個大棚內作物生長環(huán)境的實時監(jiān)測［101］。Sung等使用NB-IoT通信模塊，提出使用低成本、高可靠性的邏輯回歸融合方法來匹配多種傳感器，可更穩(wěn)定地將傳感器數(shù)據發(fā)送到云平臺［102-103］。

1.4.2.3 蜂窩網絡

GPRS、4G和5G是移動通信技術的不同代際。GPRS是2G邁向3G的過度技術，相對GPRS，4G能夠提供更高速的數(shù)據傳輸和更穩(wěn)定的網絡連接，是目前使用最廣泛的蜂窩網絡。最新一代的5G技術以其高速率、廣連接性和低延遲的特點嶄露頭角［104］。5G不易受到遮擋物如溫室墻壁的影響，能夠快速為用戶提供互聯(lián)網訪問和高清流媒體服務［105］。將5G技術應用于農業(yè)巡檢可極大地提高農業(yè)生產效率，是未來幾年智慧農業(yè)發(fā)展的一大趨勢。

1.4.3 常用通信技術比較

這幾種溫室監(jiān)控系統(tǒng)常用的通信方式各有特色，適用于不同需求（表1）。常見無線通信技術傳輸距離與傳輸速率分布差異見圖5。它們可以各自發(fā)揮優(yōu)勢，也可以組合使用，實現(xiàn)高效、遠程傳輸。

2 未來展望

巡檢機器人的發(fā)展加快了傳統(tǒng)農業(yè)向智慧農業(yè)、精準農業(yè)的轉變，對保障糧食安全具有重要意義。本研究對巡檢機器人關鍵技術提出以下展望。

2.1 巡檢平臺

第一，巡檢機器人作業(yè)環(huán)境復雜多變，作物行窄小且多溝壑，要求巡檢平臺具有較高的靈活性，機器人應具備較小的轉彎半徑甚至原地轉向。第二，為提高巡檢速度與效率，應盡量使用輕量化材料開發(fā)輕量化移動平臺，研制合理的平臺結構，以保證行駛的穩(wěn)定性。第三，溫室常處于高溫高濕的環(huán)境下，巡檢機器人應具有防水防潮防高溫的功能。

2.2 導航與定位

第一，積極發(fā)揮各種導航與定位方式的優(yōu)點，促進多種導航方式的復合應用。第二，推動導航模塊產業(yè)升級，降低研發(fā)成本與維護費用。第三，進一步發(fā)展數(shù)據處理算法，開發(fā)適用于多元異構復雜陌生場景的人工智能模型。

2.3 數(shù)據采集與處理

第一，促進信息采集傳感器技術精準度的發(fā)展，確保所獲取信息的可靠性。第二，吸收先進技術，進一步優(yōu)化數(shù)據處理算法，加快完善數(shù)據庫，實現(xiàn)多種作物或多種病蟲害的監(jiān)測與識別。第三，發(fā)展對溫室保溫被、遮陽簾、風機濕簾和棚頂?shù)仍O施機構和設備的巡檢。第四，當采集到的信息與預設值出現(xiàn)偏差時，可控制相應設備進行調控。

2.4 信息傳輸

第一，使用更高速度、更穩(wěn)定的無線網絡實現(xiàn)更快速的數(shù)據傳輸和遠程監(jiān)控。第二，巡檢機器人產生的大量數(shù)據可能涉及敏感信息，如農作物的生長狀況、農戶的種植技術等。因此，需要重視數(shù)據安全和隱私保護，采取相應的加密和認證技術，確保數(shù)據不被惡意利用。

參考文獻：

［1］杜國明，閆佳秋，張 娜，等. 面向多元主體需求的耕地質量體系新認知［J］. 農業(yè)工程學報，2023，39（1）：212-222.

［2］Brewer J，Larsen A，Noack F. The land use consequences of rural to urban migration［J］. American Journal of Agricultural Economics，2024，106（1）：177-205.

［3］Nordin S M，Zolkepli I A，Ahmad Rizal A R，et al. Paving the way to paddy food security：a multigroup analysis of agricultural education on Circular Economy Adoption［J］. Journal of Cleaner Production，2022，375：134089.

［4］Goddek S，Krner O，Keesman K J，et al. How greenhouse horticulture in arid regions can contribute to climate-resilient and sustainable food security［J］. Global Food Security，2023，38：100701.

［5］Feng J N，Wang D L，Yang F，et al. PODD：a dual-task detection for greenhouse extraction based on deep learning［J］. Remote Sensing，2022，14（19）：5064.

［6］White R R，Gleason C B. Global human-edible nutrient supplies，their sources，and correlations with agricultural environmental impact［J］. Scientific Reports，2022，12：16781.

［7］Xu D Y，Ren L，Zhang X Y. Predicting multidimensional environmental factor trends in greenhouse microclimates using a hybrid ensemble approach［J］. Journal of Sensors，2023，2023：6486940.

［8］毛罕平，晉 春，陳 勇. 溫室環(huán)境控制方法研究進展分析與展望［J］. 農業(yè)機械學報，2018，49（2）：1-13.

［9］Elijah O，Rahman T A，Orikumhi I，et al. An overview of internet of things （IoT） and data analytics in agriculture：benefits and challenges［J］. IEEE Internet of Things Journal，2018，5（5）：3758-3773.

［10］梁一嘯，劉志欣，范 恩，等. 基于多傳感器的溫室環(huán)境監(jiān)測系統(tǒng)設計與實現(xiàn)［J］. 物聯(lián)網技術，2022，12（2）：16-19.

［11］Jae K S，Hyun Y，Lee M，et al. A study on data collector and shared platform in smart greenhouse for precision agriculture［J］. Journal of Knowledge Information Technology and Systems，2020，15（5）：895-903.

［12］Maraveas C，Piromalis D，Arvanitis K G，et al. Applications of IoT for optimized greenhouse environment and resources management［J］. Computers and Electronics in Agriculture，2022，198：106993.

［13］吳雄偉，周云成，劉峻渟，等. 面向溫室移動機器人的無監(jiān)督視覺里程估計方法［J］. 農業(yè)工程學報，2023，39（10）：163-174.

［14］劉成良，貢 亮，苑 進，等. 農業(yè)機器人關鍵技術研究現(xiàn)狀與發(fā)展趨勢［J］. 農業(yè)機械學報，2022，53（7）：1-22，55.

［15］鄔蓉蓉，黎大健，覃 劍，等. 變電站室內柔索驅動巡檢機器人系統(tǒng)設計與運動學分析［J］. 電力系統(tǒng)保護與控制，2021，49（10）：89-97.

［16］張旭輝，杜永剛，霍鑫健，等. 綜采工作面巡檢機器人柔性軌道設計與運動學仿真［J］. 煤炭科學技術，2022，50（12）：240-246.

［17］Jang H，Kim T Y，Lee Y C，et al. Autonomous navigation of In-pipe inspection robot using contact sensor modules［J］. IEEE/ASME Transactions on Mechatronics，2022，27（6）：4665-4674.

［18］齊 飛，李 愷，李 邵，等. 世界設施園藝智能化裝備發(fā)展對中國的啟示研究［J］. 農業(yè)工程學報，2019，35（2）：183-195.

［19］Zeidler C，Zabel P，Vrakking V，et al. The plant health monitoring system of the EDEN ISS space greenhouse in Antarctica during the 2018 experiment phase［J］. Frontiers in Plant Science，2019，10：1457.

［20］Ouyang C，Hatsugai E，Shimizu I. Tomato disease monitoring system using modular extendable mobile robot for greenhouses：automatically reporting locations of diseased tomatoes［J］. Agronomy，2022，12（12）：3160.

［21］Guo P，DUvDzkWJjsq/OGw/OUTc/bPXd33SwePUmvvl/IvHX3BA=usadeerungsikul P O，Nof S Y. Agricultural cyber physical system collaboration for greenhouse stress management［J］. Computers and Electronics in Agriculture，2018，150：439-454.

［22］Gutierrez A，Ansuategi A，Susperregi L，et al. A benchmarking of learning strategies for pest detection and identification on tomato plants for autonomous scouting robots using internal databases［J］. Journal of Sensors，2019，2019：5219471.

［23］2023年中央一號文件聚焦鄉(xiāng)村振興：提出強化農業(yè)科技和裝備支撐［J］. 中南農業(yè)科技，2023，44（3）：180.

［24］黃曼綺，王 旭. 基于TRIZ的溫室大棚機器人監(jiān)測系統(tǒng)設計［J］. 實驗室研究與探索，2023，42（5）：88-91，148.

［25］居 錦，李萍萍，劉繼展，等. 溫室自主沿邊導航的移動平臺設計與試驗［J］. 農機化研究，2018，40（9）：81-87，92.

［26］Shafaei S M，Mousazadeh H. Parametric analysis of traction energy of an autonomous wheeled robotic system for application in greenhouse environment［J］. Journal of Terramechanics，2023，105：11-25.

［27］Andreescu G D，Gurban E H. Greenhouse environment monitoring and control：state of the art and current trends［J］. Environmental Engineering and Management Journal，2018，17（2）：399-416.

［28］藥林桃，曹曉林，吳羅發(fā)，等. 溫室智能移動平臺研究現(xiàn)狀與展望［J］. 南方農機，2020，51（23）：11-14.

［29］Iida K，Kumamoto H，Nakamura S，et al. Mobile robot for environmental measurement in greenhouse［J］. Journal of the Institute of Industrial Applications Engineers，2020，8（1）：33-38.

［30］印 祥，安家豪，王艷鑫，等. 高地隙施藥機自動駕駛系統(tǒng)研制與試驗［J］. 農業(yè)工程學報，2021，37（9）：22-30.

［31］張燕軍，楊 天，徐 勇，等. 溫室履帶式智能施藥機器人設計與試驗［J］. 農機化研究，2022，44（8）：97-104.

［32］孫新安. 農業(yè)智能巡檢機器人軌跡跟蹤控制［J］. 農機化研究，2019，41（9）：99-103.

［33］許 威，蘇 波，江 磊，等. 足式越野機器人集群系統(tǒng)關鍵技術與應用展望［J］. 兵工學報，2023，44（9）：2568-2579.

［34］Guo F，Wang S K，Wang J Z，et al. Kinematics-searched framework for quadruped traversal in a parallel robot［J］. Industrial Robot，2019，47（2）：267-279.

［35］Rosero-Montalvo P D，Erazo-Chamorro V C，López-Batista V F，et al. Environment monitoring of rose crops greenhouse based on autonomous vehicles with a WSN and data analysis［J］. Sensors，2020，20（20）：5905.

［36］王蓬勃，黃 鋒，祁百生，等. 溫室移動作業(yè)平臺自主換軌方法設計與試驗［J］. 農業(yè)工程技術，2021，41（4）：27-32.

［37］黃梓宸，Sugiyama S. 日本設施農業(yè)采收機器人研究應用進展及對中國的啟示［J］. 智慧農業(yè)（中英文），2022，4（2）：135-149.

［38］徐 燦，熊 征，蔣先平，等. 串收番茄采摘機器人的設計與研究［J］. 現(xiàn)代農業(yè)裝備，2021，42（6）：15-23.

［39］李 剛，王童語，包仁人，等. 吊軌式管廊巡檢機器人結構設計及實驗［J］. 制造業(yè)自動化，2023，45（6）：189-194.

［40］張 燕，田國英，楊英茹，等. 基于SVM的設施番茄早疫病在線識別方法研究［J］. 農業(yè)機械學報，2021，52（增刊1）：125-133，206.

［41］溫室軌道檢查機器人［EB/OL］. （2022-02-26）［2023-09-06］. http：//www.farmaibot.com/products/robot/e63dbcd4.html.

［42］Radoglou-Grammatikis P，Sarigiannidis P，Lagkas T，et al. A compilation of UAV applications for precision agriculture［J］. Computer Networks，2020，172：107148.

［43］Gago J，Estrany J，Estes L，et al. Nano and micro unmanned aerial vehicles （UAVs）：a new grand challenge for precision agriculture？［J］. Current Protocols in Plant Biology，2020，5（1）：e20103.

［44］Roldán J J，Joossen G，Sanz D，et al. Mini-UAV based sensory system for measuring environmental variables in greenhouses［J］. Sensors，2015，15（2）：3334-3350.

［45］Aslan M F，Durdu A，Sabanci K，et al. A comprehensive survey of the recent studies with UAV for precision agriculture in open fields and greenhouses［J］. Applied Sciences，2022，12（3）：1047.

［46］Boursianis A D，Papadopoulou M S，Diamantoulakis P，et al. Internet of Things （IoT） and Agricultural Unmanned Aerial Vehicles （UAVs） in smart farming：a comprehensive review［J］. Internet of Things，2022，18：100187.

［47］Uyeh D D，Ramlan F W，Mallipeddi R，et al. Evolutionary greenhouse layout optimization for rapid and safe robot navigation［J］. IEEE Access，2019，7：88472-88480.

［48］[JP2]成科揚，朱雪森，裴運申，等. 農業(yè)自動化機械障礙物檢測研究進展［J］. 江蘇大學學報（自然科學版），2023，44（4）：415-425.

［49］張曉東，李鵬飛，毛罕平，等. 溫室生長信息和環(huán)境信息多傳感檢測系統(tǒng)設計［J］. 江蘇農業(yè)科學，2021，49（24）：209-215.

［50］王 鵬，耿長興，王蓬勃. 設施農業(yè)噴霧機器人的組合視覺導航方法［J］. 江蘇大學學報（自然科學版），2019，40（3）：307-312.

［51］Wu C J，Tang X L，Xu X Y. System design，analysis，and control of an intelligent vehicle for transportation in greenhouse［J］. Agriculture，2023，13（5）：1020.

［52］Lin J L，Ma J，Liu K，et al. Development and test of an autonomous air-assisted sprayer based on single hanging track for solar greenhouse［J］. Crop Protection，2021，142：105502.

［53］李惠玲，張曉東，李 葦，等. 設施園藝作物生長信息智能化檢測裝備的創(chuàng)新設計［J］. 現(xiàn)代農業(yè)裝備，2020，41（5）：30-35，41.

［54］許俊云，漆海霞，黎鑒文，等. 溫室作物生長信息檢測相機的電驅平臺設計［J］. 農機化研究，2023，45（9）：54-59.

［55］張曉東，龔 鎮(zhèn)，毛罕平，等. 懸軌式溫室綜合信息自動監(jiān)測裝置的設計與實驗［J］. 農機化研究，2019，41（11）：104-109，121.

［56］Zeng F Y，Wang C，Ge S S.A survey on visual navigation for artificial agents with deep reinforcement learning［J］. IEEE Access，2020，8：135426-135442.

［57］Chen J Q，Qiang H，Wu J H，et al. Extracting the navigation path of a tomato-cucumber greenhouse robot based on a Median point Hough transform［J］. Computers and Electronics in Agriculture，2020，174：105472.

［58］宋懷波，段援朝，李 嶸，等. 基于激光SLAM的牛場智能推翻草機器人自主導航系統(tǒng) ［J］. 農業(yè)機械學報，2023，54（2）：293-301.

［59］Zhang S，Guo C Y，Gao Z N，et al. Research on 2D laser automatic navigation control for standardized orchard［J］. Applied Sciences，2020，10（8）：2763.

［60］季宇寒，李 寒，張 漫，等. 基于激光雷達的巡檢機器人導航系統(tǒng)研究［J］. 農業(yè)機械學報，2018，49（2）：14-21.

［61］Jiang S K，Wang S L，Yi Z Y，et al. Autonomous navigation system of greenhouse mobile robot based on 3D lidar and 2D lidar SLAM［J］. Frontiers in Plant Science，2022，13：815218.

［62］Yan M L，Liu P Z，Zhao R，et al. Field microclimate monitoring system based on wireless sensor network［J］. Journal of Intelligent & Fuzzy Systems，2018，35（2）：1325-1337.

［63］況 洋，王躍亭，王敏娟，等. 溫室溫濕度傳感網簇頭選舉算法研究［J］. 農業(yè)機械學報，2021，52（增刊1）：418-426.

［64］李 莉，李文軍，馬德新，等. 基于LSTM的溫室番茄蒸騰量預測模型研究［J］. 農業(yè)機械學報，2021，52（10）：369-376.

［65］Walter A，Liebisch F，Hund A. Plant phenotyping：from bean weighing to image analysis［J］. Plant Methods，2015，11：14.

［66］岳學軍，蔡雨霖，王林惠，等. 農情信息智能感知及解析的研究進展［J］. 華南農業(yè)大學學報，2020，41（6）：14-28.

［67］Durmu H，Güne E O. Integration of the mobile robot and Internet of Things to collect data from the agricultural fields［C］//8th International Conference on Agro-Geoinformatics. Turkey：IEEE，2019：1-5.

［68］Roldán J J，Joossen G，Sanz D，et al. Mini-UAV based sensory system for measuring environmental variables in greenhouses［J］. Sensors，2015，15（2）：3334-3350.

［69］Rosero-Montalvo P D，Gordillo-Gordillo C A，Hernandez W.Smart farming robot for detecting environmental conditions in a greenhouse［J］. IEEE Access，2023，11：57843-57853.

［70］程 曼，袁洪波，蔡振江，等. 田間作物高通量表型信息獲取與分析技術研究進展［J］. 農業(yè)機械學報，2020，51（增刊1）：314-324.

［71］翟肇裕，曹益飛，徐煥良，等. 農作物病蟲害識別關鍵技術研究綜述［J］. 農業(yè)機械學報，2021，52（7）：1-18.

［72］陳仁凡，謝 知，林 晨. 基于YOLO-ODM的溫室草莓成熟度的快速檢測［J］. 華中農業(yè)大學學報，2023，42（4）：262-269.

［73］Rincón V J，Grella M，Marucco P，et al. Spray performance assessment of a remote-controlled vehicle prototype for pesticide application in greenhouse tomato crops［J］. The Science of the Total Environment，2020，726：138509.

［74］陸宴輝，劉 楊，楊現(xiàn)明，等. 中國農業(yè)害蟲綜合防治研究進展：2018—2022年［J］. 植物保護，2023，49（5）：145-166.

［75］Martin J，Ansuategi A，Maurtua I，et al. A generic ROS-based control architecture for pest inspection and treatment in greenhouses using a mobile manipulator［J］. IEEE Access，2021，9：94981-94995.

［76］苗榮慧，李志偉，武錦龍. 基于改進YOLO v7的輕量化櫻桃番茄成熟度檢測方法［J］. 農業(yè)機械學報，2023，54（10）：225-233.

［77］Seo D，Cho B H，Kim K C. Development of monitoring robot system for tomato fruits in hydroponic greenhouses［J］. Agronomy，2021，11（11）：2211.

［78］Wang Z，Ling Y M，Wang X L，et al. An improved Faster R-CNN model for multi-object tomato maturity detection in complex scenarios［J］. Ecological Informatics，2022，72：101886.

［79］龍 燕，楊智優(yōu)，何夢菲. 基于改進YOLO v7的疏果期蘋果目標檢測方法［J］. 農業(yè)工程學報，2023，39（14）：191-199.

［80］秦琳琳，馬 嬌，黃云夢，等. 基于積溫理論的溫室溫度混雜系統(tǒng)預測控制［J］. 農業(yè)機械學報，2018，49（10）：347-355.

［81］秦琳琳，黃云夢，吳 剛，等. 溫室通風設備狀態(tài)監(jiān)測系統(tǒng)設計與試驗［J］. 農業(yè)機械學報，2021，52（1）：303-311.

［82］Huang Y M，Qin L L，Wu G，et al. Research on Android-based video monitoring for greenhouse devices status［C］//2019 Chinese Control Conference.Guangzhou：IEEE，2019：6404-6409.

［83］齊 飛，閆冬梅，魏曉明. 日光溫室前屋面支撐位置對實腹式骨架安全性的影響［J］. 農業(yè)工程學報，2020，36（16）：174-181.

［84］Pea A，Peralta M，Marín P. Design and testing of a structural monitoring system in an almería-type tensioned structure greenhouse［J］. Sensors，2020，20（1）：258.

［85］王佩積，馬桂蓮. 一種溫室大棚棚頂破損巡檢裝置：CN213358174U［P］. 2021-06-04.

［86］[JP2]大疆無人機航拍玻璃溫室4k 60幀整體效果［EB/OL］. （2020-08-18）［2023-09-06］. https：//www.bilibili.com/video/BV1Bh41197F2/.

［87］朱 博，杜澤龍，梁鴻鵬，等. 基于云端服務資源的室內外連續(xù)監(jiān)控機器人系統(tǒng)架構設計［J］. 計算機應用，2022，42（增刊1）：333-341.

［88］[JP2]王立新，郭 凰，楊佳宇，等. 無線通信在結構健康監(jiān)測系統(tǒng)的應用研究綜述［J］. 科學技術與工程，2023，23（6）：2229-2241.

［89］錢志鴻，肖 琳，王 雪. 面向未來移動網絡密集連接的關鍵技術綜述［J］. 通信學報，2021，42（4）：22-43.

［90］Pan C，Guo L W，Wang X Z，et al. Research on new generation of power line carrier communication trusted networking algorithm［J］. Journal of Physics：Conference Series，2021，1871（1）：012147.

［91］[JP2]益可達. 智慧農業(yè)巡檢案例［EB/OL］. （2020-11-06）［2023-09-06］. http：//www.ydgdj.com/show_75.html.

［92］Feng X，Yan F，Liu X Y. Study of wireless communication technologies on Internet of Things for precision agriculture［J］. Wireless Personal Communications，2019，108（3）：1785-1802.

［93］Zhang B T，Meng L Y. Energy efficiency analysis of wireless sensor [JP2]networks in precision agriculture economy［J］. Scientific Programming，2021（1）：8346708.

［94］曹東江，王 帥，熊潤群，等. 異構物聯(lián)網直聯(lián)通信關鍵技術［J］. 中國科學（信息科學），2021，51（10）：1738-1754.

［95］賈 登，駱學理，劉 成，等. 基于ZigBee的無線壓力采集系統(tǒng)設計［J］. 電子測量技術，2022，45（11）：114-119.

［96］Wang X L.Wireless monitoring algorithm of intelligent greenhouse based on fuzzy control［J］. Journal of Intelligent & Fuzzy Systems，2021，41（6）：6015-6023.

［97］張世昂，付根平. 農業(yè)智能巡檢小車的設計［J］. 中國農機化學報，2018，39（4）：82-89.

［98］Ayoub K M，Alam M M，Sajak A A B，et al. Requirements，deployments，and challenges of LoRa technology：a survey［J］. Computational Intelligence and Neuroscience，2023，2023：5183062.

［99］歐 洋，馬春燕，郝彥釗. 基于LoRa氣霧立體栽培環(huán)境數(shù)據監(jiān)測系統(tǒng)設計［J］. 電子器件，2022，45（1）：244-250.

［100］賈敬敦，魯相潔，黃 峰，等. 遠程控制與無線通信技術在農業(yè)中的應用分析與展望［J］. 農業(yè)機械學報，2021，52（增刊1）：351-359.

［101］吳雪雪. 基于NB-IoT的農作物大棚監(jiān)測系統(tǒng)研究［J］. 農機化研究，2023，45（11）：122-126.

［102］Sung W T，Weng C H，Hsiao S J.Smart greenhouse control via NB-IoT［J］. Intelligent Automation & Soft Computing，2022，34（3）：1971-1988.

［103］李喬宇，封文杰，尚明華，等. 數(shù)據權益去中心化的農業(yè)物聯(lián)網系統(tǒng)［J］. 江蘇農業(yè)科學，2022，50（4）：187-193.

［104］崔 耀，葉 壯. 基于5G+云邊端協(xié)同技術的采煤機智能調高調速控制系統(tǒng)設計與應用［J］. 煤炭科學技術，2023，51（6）：205-216.

［105］Chen Y F，Zhang J，F(xiàn)eng W，et al. Radio sensing using 5G signals：concepts，state of the art，and challenges［J］. IEEE Internet of Things Journal，2022，9（2）：1037-1052.

基金項目：北京市設施蔬菜創(chuàng)新團隊項目（編號：BAIC01-2023）；農業(yè)農村部規(guī)劃設計研究院設施園藝智能裝備創(chuàng)新團隊項目（編號：CXTD-2021-05）；河北省重大成果轉化項目（編號：21287001Z）；河北省重點研發(fā)計劃（編號：22327214D、21326904D）。

作者簡介：王少聰（2000—），男，河北定州人，碩士研究生，主要從事智能農業(yè)裝備研究。E-mail：1203226060@qq.com。

通信作者：丁小明，研究員，主要從事設施農業(yè)技術標準和裝備開發(fā)研究。E-mail：dingxiaoming@aape.org.cn。