摘要：為了解江蘇省內(nèi)農(nóng)場智能化與無人化小麥播種機(jī)普及情況和使用效益情況，選擇江蘇省內(nèi)若干典型大型農(nóng)場和小型家庭農(nóng)場開展智能化小麥播種機(jī)應(yīng)用現(xiàn)狀調(diào)研。采用典型的旋耕播種機(jī)開展人工駕駛和輔助駕駛兩種播種模式下的燃油經(jīng)濟(jì)性對比測試試驗(yàn)，并對燃油經(jīng)濟(jì)性測試數(shù)據(jù)進(jìn)行方差分析。結(jié)果表明：農(nóng)場智能化和無人化播種作業(yè)特征主要為直線輔助駕駛技術(shù)的廣泛應(yīng)用，播種駕駛模式的不同對燃油經(jīng)濟(jì)性沒有顯著影響，影響燃油經(jīng)濟(jì)性的主要因素為拖拉機(jī)油門開度和作業(yè)速度；直線輔助駕駛模式下，漏播率和重播率從人工駕駛模式的2%～5%降低至0.1%以下。

關(guān)鍵詞：江蘇??；無人化作業(yè)；輔助駕駛；小麥播種機(jī)；農(nóng)場調(diào)研

中圖分類號：S223.2 文獻(xiàn)標(biāo)識碼：A 文章編號：2095?5553 （2024） 11?0272?06

Investigation and analysis of the present status of unmanned wheat sowing operation

in Jiangsu farms

Zhang Ping1， Wang Yan1， Zhang Jie1， Liu Haoyi2， Ding Yongqian2， Liu Yingying2

（1. Jiangsu Agricultural Machinery Testing Station， Nanjing， 210017， China;

2. College of Artificial Intelligence， Nanjing Agricultural University， Nanjing， 210031， China）

Abstract： In order to understand the popularization and utilization efficiency of intelligent and unmanned wheat seeders in farms in Jiangsu Province， and to provide references for the formation of a technical system and application mode of “Unmanned” equipment suitable for the entire process of rice?wheat rotation planting in the field， several typical large farms and small family farms in Jiangsu Province were selected to conduct an investigation on the application status of intelligent wheat seeders. Comparative tests were conducted by using a typical rotary tillage seeder under two operating modes of manual driving and navigation?assistant driving， and analysis of variance was applied on analyzing the fuel economy of the two seeding modes. The results of analysis of variance in farm investigation and testing experiments indicated that the wide application of linear navigation?assistant driving technology was mainly reflected in intelligent and unmanned farm seeding， and differences in driving modes had no significant impact on fuel economy. The main factors affecting fuel economy were throttle opening and speed of the tractor. Compared to manual driving mode， linear navigation?assistant driving mode can effectively reduce missed and replayed rates of seeding， decreasing from 2%-5% to less than 0.1%.

Keywords： Jiangsu Province; unmanned operation; navigation?assistant driving; wheat seeder; farm investigation

0 引言

隨著農(nóng)村產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整、城市化進(jìn)程的推進(jìn)和土地流轉(zhuǎn)的加快，農(nóng)村農(nóng)業(yè)勞動力短缺和人力成本攀升已經(jīng)成為農(nóng)業(yè)生產(chǎn)過程亟需解決的迫切問題[1， 2]，而傳統(tǒng)的農(nóng)業(yè)機(jī)械化模式已無法適應(yīng)社會發(fā)展的新形勢和新需求，農(nóng)業(yè)生產(chǎn)自動化和智能化被普遍認(rèn)為是解決當(dāng)前農(nóng)業(yè)生產(chǎn)窘境的必由之路[3?6]。近些年，以智慧農(nóng)業(yè)為代表的新技術(shù)正在世界范圍內(nèi)引領(lǐng)現(xiàn)代農(nóng)業(yè)的發(fā)展方向。智慧農(nóng)業(yè)以數(shù)據(jù)、知識和智能裝備為核心要素，將互聯(lián)網(wǎng)、物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算和人工智能等現(xiàn)代信息技術(shù)與農(nóng)業(yè)深度融合，為實(shí)現(xiàn)農(nóng)業(yè)生產(chǎn)信息感知、定量決策、智能控制、精準(zhǔn)投入及個性化設(shè)計服務(wù)，其具體實(shí)現(xiàn)途徑是無人農(nóng)場[7， 8]。雖然，我國農(nóng)業(yè)生產(chǎn)在水稻、小麥和玉米等主要農(nóng)作物的機(jī)械化程度較高，但作業(yè)裝備主體仍然是傳統(tǒng)農(nóng)業(yè)機(jī)械，在信息化和智能化等方面與發(fā)達(dá)國家存在較大差距[9]。無人農(nóng)場的構(gòu)建有賴于各個農(nóng)業(yè)環(huán)節(jié)的無人化，總體遵循單機(jī)無人化、群組無人化和全域無人化的發(fā)展演進(jìn)過程[10]。我國智能農(nóng)機(jī)的研究與應(yīng)用尚處于單機(jī)無人化的發(fā)展初期，以實(shí)現(xiàn)局部自動化為主，無人農(nóng)場的建設(shè)總體處于探索實(shí)踐和試驗(yàn)示范階段[11]。

現(xiàn)代智能化農(nóng)業(yè)技術(shù)的應(yīng)用無疑為實(shí)際生產(chǎn)過程提供了更加高效和高質(zhì)的服務(wù)，但相比于傳統(tǒng)機(jī)械化作業(yè)模式需要更多的設(shè)備投入，其實(shí)際作業(yè)效益優(yōu)勢可能涉及一年或幾年的播種、施肥、植保和收獲等各個作業(yè)環(huán)節(jié)的實(shí)際情況，對作業(yè)效益的評價缺乏科學(xué)、系統(tǒng)和規(guī)范的研究，尚未形成一種普遍認(rèn)可的評價指標(biāo)體系和操作辦法[12?17]。目前對各類作業(yè)模式的效益分析都是針對經(jīng)濟(jì)效益而言，以單個或多個生產(chǎn)周期作為研究對象，一般采用部分預(yù)算法和投資分析法，這兩種分析方法都旨在獲得一種定量的評價結(jié)果，需要較多的統(tǒng)計數(shù)據(jù)，實(shí)際中數(shù)據(jù)采集完整性和準(zhǔn)確性難以保證，評價結(jié)果難以取得理想的效果[18]；由于面向全生產(chǎn)周期，評價結(jié)果無法區(qū)分具體生產(chǎn)環(huán)節(jié)或具體作業(yè)機(jī)具的作業(yè)效益，不利于優(yōu)化生產(chǎn)周期內(nèi)的各個作業(yè)環(huán)節(jié)，以達(dá)到更優(yōu)的綜合效益；同時，在實(shí)際農(nóng)業(yè)生產(chǎn)中，現(xiàn)代智能農(nóng)業(yè)科技的應(yīng)用并不一定產(chǎn)生直接的經(jīng)濟(jì)效益，有時更多的是生態(tài)效益和社會效益，如精準(zhǔn)農(nóng)業(yè)技術(shù)的應(yīng)用，不只帶來經(jīng)濟(jì)效益，同時也有顯著的生態(tài)效益和社會效益[18， 19]。

目前，拖拉機(jī)輔助駕駛系統(tǒng)已經(jīng)在各類大小農(nóng)場的實(shí)際生產(chǎn)中獲得了廣泛應(yīng)用，幾乎成了現(xiàn)代農(nóng)機(jī)的標(biāo)配設(shè)備，也是實(shí)現(xiàn)機(jī)具無人化作業(yè)的基礎(chǔ)前提[14]。本文著眼于小麥播種環(huán)節(jié)，通過調(diào)研典型農(nóng)場數(shù)據(jù)，對比配備拖拉機(jī)輔助駕駛系統(tǒng)的播種機(jī)和傳統(tǒng)人工駕駛播種機(jī)之間的作業(yè)效益差異及其主要影響因素，以期取得一些有益的分析結(jié)果，形成一些促進(jìn)無人化作業(yè)應(yīng)用的合理化建議。

1 材料與方法

1.1 農(nóng)場調(diào)研

采用實(shí)地問卷調(diào)查的形式，調(diào)研江蘇省境內(nèi)有代表性的大型農(nóng)場：臨海農(nóng)場和上海農(nóng)場，小型家庭農(nóng)場：金壇祥華家庭農(nóng)場和南京市浦口區(qū)福聯(lián)家庭農(nóng)場。主要調(diào)研內(nèi)容為農(nóng)場播種機(jī)無人化作業(yè)現(xiàn)狀和已往傳統(tǒng)機(jī)械化作業(yè)情況，包括農(nóng)場種子成本、作業(yè)效率、油耗、漏播率和重播率、工作時長等，結(jié)合農(nóng)場已往傳統(tǒng)機(jī)械化作業(yè)統(tǒng)計數(shù)據(jù)和近3年的無人化作業(yè)數(shù)據(jù)，形成可分析的對比數(shù)據(jù)。

1.2 燃油經(jīng)濟(jì)性測試

開展基于油耗的定性和定量試驗(yàn)，對比分析導(dǎo)航輔助駕駛和人工駕駛兩種作業(yè)模式下小麥播種施肥機(jī)的燃油經(jīng)濟(jì)性差異。

1.2.1 測試設(shè)備

采用播種施肥一體機(jī)作為測試作業(yè)機(jī)械；小麥播種施肥機(jī)的配套動力為沃得奧龍-WD1204-G輪式四驅(qū)拖拉機(jī)，其額定功率為88 kW；采用AM-120油耗傳感檢測系統(tǒng)和筆記本電腦構(gòu)建機(jī)具燃油采集平臺，AM-120油耗傳感檢測系統(tǒng)主要由過濾器、缸體、活塞、回轉(zhuǎn)體、配液盤、轉(zhuǎn)軸、碼盤及光電轉(zhuǎn)換元件組成，主要技術(shù)指標(biāo)如表1所示。

1.2.2 測試方案

在江蘇省現(xiàn)代農(nóng)機(jī)科技示范園區(qū)內(nèi)部場地開展相關(guān)測試工作，分別選取拖拉機(jī)主變速Ⅰ擋和Ⅱ擋作為駕駛測試擋位，每個擋位選取半油門和滿油門兩種供油模式（輔助駕駛時采用手油門方式，人工駕駛時腳踩油門控制），測試過程旋耕刀具入土工作，采用人工駕駛和輔助駕駛兩種模式，通過駕駛模式、駕駛擋位和油門狀態(tài)的組合，開展多因素組合測試。

測試組合共分8種：I擋人工滿油（SF1）、I擋自動滿油（ZF1）、I擋人工半油（SM1）、I擋自動半油（ZM1）、II擋人工滿油（SF2）、II擋自動滿油（ZF2）、II擋人工半油（SM2）和II擋自動半油（ZM2）。以拖拉機(jī)穩(wěn)定行駛20 m視為完成1次測試，每完成1次測試記錄1次油耗數(shù)據(jù)，每種測試組合完成9次試驗(yàn)，測試場景如圖1所示。

2 結(jié)果與分析

2.1 農(nóng)場調(diào)研結(jié)果

無人化作業(yè)和人工駕駛作業(yè)的調(diào)研結(jié)果如表2、表3所示。經(jīng)調(diào)研，4個農(nóng)場目前均已配備拖拉機(jī)輔助駕駛系統(tǒng)，所選用的輔助駕駛系統(tǒng)涵蓋了聯(lián)適、中海達(dá)、華測等主流國產(chǎn)衛(wèi)星導(dǎo)航品牌。大型農(nóng)場使用輔助駕駛的時間較長（如臨海農(nóng)場已使用10年以上），家庭農(nóng)場全面啟用相對較晚（也已超過3年），目前幾個農(nóng)場均沒有全自動無人駕駛拖拉機(jī)用于實(shí)際生產(chǎn)環(huán)節(jié)。上海農(nóng)場、臨海農(nóng)場為蘇北大型農(nóng)場，地塊長度通常超過500 m，所配置的施肥播種一體機(jī)幅寬為3.5～3.8 m，18行排種口。金壇祥華家庭農(nóng)場、南京市浦口區(qū)福聯(lián)家庭農(nóng)場為蘇中和蘇南地區(qū)家庭農(nóng)場，地塊長度通常小于100 m，所配置的施肥播種一體機(jī)的幅寬為2.3 m，12行排種口。

2.2 燃油經(jīng)濟(jì)性測試結(jié)果

不同作業(yè)狀態(tài)下施肥播種一體機(jī)I擋和II擋油耗測量值分別如圖2和圖3所示，可以看出，I擋和II擋速度的滿油門油耗明顯大于各自擋位的半油門油耗，但油門狀態(tài)相同的情況下，不同速度擋位，不同駕駛模式下的油耗差異性難以直接判斷。

為了進(jìn)一步分析輔助駕駛和人工駕駛在油耗上的差異，繪制了油耗數(shù)據(jù)箱線圖如圖4所示，每一個箱線代表一種作業(yè)測試組合。從圖4可以看出，不同油門大小下的作業(yè)油耗存在顯著性差異。

2.3 結(jié)果分析

2.3.1 駕駛模式對播種環(huán)節(jié)的影響分析

1） 采用拖拉機(jī)輔助駕駛系統(tǒng)后，播種的作業(yè)質(zhì)量明顯提高。調(diào)研發(fā)現(xiàn)，播種漏播（指拖拉機(jī)相臨作業(yè)行存在間隙造成的漏播）或重播率（指拖拉機(jī)相臨作業(yè)行存在重疊造成的重播）小于0.1%，輔助駕駛的直線行駛軌跡橫向偏差不超過2.5 cm，相較于人工駕駛拖拉機(jī)，施肥播種質(zhì)量不受拖拉機(jī)手自身經(jīng)驗(yàn)影響，播種質(zhì)量穩(wěn)定可靠，播種質(zhì)量的提高對后續(xù)的產(chǎn)量和田間管理有益。而人工作業(yè)質(zhì)量與作業(yè)機(jī)手的作業(yè)水平和疲勞程度有關(guān)，一般平均總漏播率和重播率為3%左右，大型農(nóng)場由于單行作業(yè)距離較長，總重播和漏播率略高。大量研究表明[20]，重播和漏播主要是由作業(yè)機(jī)具偏離作業(yè)軌跡造成的，輔助駕駛系統(tǒng)的應(yīng)用能有效消除由于作業(yè)軌跡偏離造成的重播和漏播。

2） 采用拖拉機(jī)輔助駕駛系統(tǒng)后，拖拉機(jī)手的工作強(qiáng)度明顯降低。拖拉機(jī)輔助駕駛系統(tǒng)在實(shí)際作業(yè)時，拖拉機(jī)手只需要在危險狀況下接管拖拉機(jī)，其他時間基本解放了雙手，拖拉機(jī)手的勞動強(qiáng)度明顯降低。相較于人工駕駛作業(yè)模式，由于輔助駕駛作業(yè)可在夜間進(jìn)行，在搶農(nóng)時和搶茬口時機(jī)手工作可滿16 h（人工作業(yè)一般不超過12 h），且能保證穩(wěn)定的播種質(zhì)量，因此，輔助駕駛系統(tǒng)可增強(qiáng)全天候、高效播種作業(yè)的能力。

3） 采用拖拉機(jī)輔助駕駛系統(tǒng)后，作業(yè)效率沒有明顯提升。按照目前按天支付報酬和作業(yè)總量規(guī)劃明確的管理制度下，拖拉機(jī)手一般每天工作12 h左右，作業(yè)總量和作業(yè)速度基本恒定，輔助駕駛和人工駕駛的作業(yè)效率并無明顯差異。

4） 采用拖拉機(jī)輔助駕駛系統(tǒng)后，經(jīng)濟(jì)成本區(qū)別不大。直接經(jīng)濟(jì)成本為人員成本、播種成本和燃油成本，調(diào)研結(jié)果表明：輔助駕駛系統(tǒng)的人員投入并未減少，而播種人力成本按天或按作業(yè)面積付費(fèi)，按天付費(fèi)時，費(fèi)用與每天的工作時長掛鉤，總體和按作業(yè)面積付費(fèi)相似，所以直接的人工成本付出沒有明顯變化，由于作業(yè)機(jī)手作業(yè)經(jīng)驗(yàn)豐富，輔助駕駛和人工駕駛的燃油成本也基本相同。

2.3.2 大型農(nóng)場和家庭農(nóng)場效益差異分析

1） 大型農(nóng)場作業(yè)效率高、油耗低。大型農(nóng)場普遍采用了大型農(nóng)機(jī)具，作業(yè)幅寬大，且單行作業(yè)長度遠(yuǎn)大于小型農(nóng)場，因此，相同的作業(yè)面積，大型農(nóng)場的農(nóng)機(jī)具作業(yè)路程短、調(diào)頭轉(zhuǎn)彎路次數(shù)少，由此獲得了較高的作業(yè)效率和較低的作業(yè)油耗。

2） 大型農(nóng)場規(guī)模效益明顯。由于規(guī)模化經(jīng)營，大型農(nóng)場的作業(yè)效率和物資成本投入上有明顯的規(guī)模效益優(yōu)勢，與小型農(nóng)場相比，大型農(nóng)場的播種作業(yè)效率大約是小型農(nóng)場的4倍，意味著相同作業(yè)面積的人力成本僅為小型農(nóng)場的1/4，單位面積的油耗是小型農(nóng)場的70%左右，單位面積種子成本約為小型農(nóng)場的80%。

2.3.3 燃油經(jīng)濟(jì)性測試結(jié)果方差分析

為進(jìn)一步分析作業(yè)模式、速度擋位對油耗的影響差異，開展了針對油耗的雙因素方差分析，分析駕駛模式和速度擋位對油耗是否存在顯著差異性影響，圖5和圖6分別是滿油門作業(yè)狀態(tài)和半油門作業(yè)狀態(tài)下的方差分析箱線圖。

由箱線圖和方差分析結(jié)果表明：滿油門狀態(tài)下，速度擋位和駕駛模式對油耗均無顯著影響，半油門狀態(tài)下，速度擋位對油耗有顯著影響，而駕駛模式對油耗無顯著影響。

3 討論

3.1 播種環(huán)節(jié)技術(shù)現(xiàn)狀分析

目前播種環(huán)節(jié)的無人化作業(yè)程度和技術(shù)水平還比較低，應(yīng)用于實(shí)際生產(chǎn)的只有直線輔助駕駛技術(shù)，一些更高層次的無人化作業(yè)還處于示范和演示階段，遠(yuǎn)未達(dá)到實(shí)際生產(chǎn)應(yīng)用水平。相比于傳統(tǒng)的基于人工駕駛拖拉機(jī)的播種作業(yè)，基于拖拉機(jī)輔助駕駛系統(tǒng)的小麥播種作業(yè)已經(jīng)體現(xiàn)出了明顯的質(zhì)量和效益優(yōu)勢，配備現(xiàn)代農(nóng)業(yè)新技術(shù)的無人化作業(yè)模式已經(jīng)成為大眾認(rèn)可和期盼的未來作業(yè)模式。

小麥播種質(zhì)量主要包括播種準(zhǔn)確性和均勻性兩個方面，準(zhǔn)確性和均勻性一方面有賴于播量控制系統(tǒng)的性能；另一方面有賴于拖拉機(jī)作業(yè)路徑的合理性，其關(guān)鍵指標(biāo)是漏播率和重播率。人工駕駛作業(yè)模式下，漏播率和重播率與機(jī)手的駕駛技術(shù)和疲勞程度密切相關(guān)，實(shí)際作業(yè)中，往往通過在田間拉線標(biāo)記來提高駕駛質(zhì)量；輔助駕駛模式下，由于輔助駕駛設(shè)備的精度普遍較高，漏播率和重播率能有效降低。但就當(dāng)前的整體輔助駕駛技術(shù)水平和拖拉機(jī)本身可控性能的而言，拖拉機(jī)輔助駕駛功能主要體現(xiàn)在能有效維持拖拉機(jī)的直線行駛狀態(tài)，轉(zhuǎn)彎調(diào)頭和拖拉機(jī)行駛速度控制等還需人工完成。由此可見，兩種作業(yè)模式的主要差異在于拖拉機(jī)直線行駛作業(yè)的質(zhì)量，直線行駛質(zhì)量與播種漏播率和重播率密切相關(guān)。

由于無人化程度不高，兩種作業(yè)模式均需人工參與，作業(yè)前都需要做相關(guān)的輔助導(dǎo)航工作，人力成本的投入沒有明顯的差異。就播種作業(yè)環(huán)節(jié)而言，拋開設(shè)備投入成本差異，兩類作業(yè)模式在其他投入上沒有明顯差異；產(chǎn)出上主要是作業(yè)質(zhì)量的差異，直接差異是漏播率與重播率，間接差異是作物產(chǎn)量差異。

3.2 燃油經(jīng)濟(jì)性影響因素分析

1） 油門大小對油耗存在顯著影響。該測試結(jié)果與日常認(rèn)知是吻合的，因?yàn)橛烷T大小是油耗大小的直接原因。

2） 駕駛模式對油耗無顯著影響。雖然，測試結(jié)果顯示駕駛模式對油耗無顯著影響，但熟練的駕駛技術(shù)和合理的作業(yè)時長仍然是保障人工駕駛正常作業(yè)的基本前提，若從事長時間持續(xù)作業(yè)，人工駕駛的作業(yè)質(zhì)量將難以保證，因此，分析結(jié)果只是說明在正常作業(yè)狀態(tài)下，人工駕駛和輔助駕駛油耗沒有顯著差異。

3） 速度擋位和油門狀態(tài)的合理匹配有利于降低油耗。全油門工作狀態(tài)下，速度擋位對油耗沒有顯著影響，而半油門狀態(tài)卻存在顯著影響，分析該現(xiàn)象的原因是：測試時作業(yè)環(huán)境的土壤阻力功耗與半油狀態(tài)II擋速度時的輸出功率相當(dāng)，因?yàn)橥侠瓩C(jī)的最大輸出功率與油門狀態(tài)直接正相關(guān)，而同樣的油門狀態(tài)，作業(yè)速度越大，輸出功率越小。由此可見，在輸出功率足夠時，提高作業(yè)速度可以降低油耗和提高工作效率。

3.3 無人化作業(yè)效益優(yōu)勢分析

根據(jù)調(diào)研和燃油經(jīng)濟(jì)性測試結(jié)果，縱向?qū)Ρ?，無人化作業(yè)的最大優(yōu)勢是提高作業(yè)質(zhì)量和降低勞動強(qiáng)度，作業(yè)質(zhì)量體現(xiàn)為重播率和漏播率的明顯下降（普遍下降2%以上），其直接經(jīng)濟(jì)效益雖難精確估算，但卻能明顯預(yù)見經(jīng)濟(jì)效益優(yōu)勢；同時，勞動強(qiáng)度的降低對勞動者的身心健康有益，雖也難以用經(jīng)濟(jì)效益加以評價，但更多體現(xiàn)為社會效益，因?yàn)槟苁箘趧诱哂懈嗟木θシ?wù)社會的其他領(lǐng)域。橫向?qū)Ρ?，無人化作業(yè)更適合規(guī)模化作業(yè)，調(diào)研數(shù)表明：大型農(nóng)場的實(shí)際經(jīng)濟(jì)效益明顯高于小型農(nóng)場，可以類比，小型農(nóng)場的經(jīng)濟(jì)效益也明顯高于單戶作業(yè)情況，這也是我國農(nóng)村推行土地流轉(zhuǎn)集中經(jīng)營的原因。總而言之，無人化作業(yè)的推廣應(yīng)用存在明顯的經(jīng)濟(jì)和社會效益優(yōu)勢。

3.4 推進(jìn)無人化作業(yè)模式的條件

當(dāng)前實(shí)際生產(chǎn)中的無人化作業(yè)程度尚處于初級階段，輔助駕駛技術(shù)的應(yīng)用雖然能有效緩解人類勞動強(qiáng)度、維持高水平作業(yè)質(zhì)量，但與無人化作業(yè)的智能內(nèi)涵尚相去甚遠(yuǎn)，無人化作業(yè)水平的提升有賴于裝備智能化程度。根據(jù)農(nóng)場調(diào)研結(jié)果和燃油經(jīng)濟(jì)性比較測試結(jié)果，推進(jìn)無人化作業(yè)需要具備以下3個基本條件。

1） 作業(yè)對象的大型化。這是體現(xiàn)無人化作業(yè)優(yōu)勢的運(yùn)營基礎(chǔ)。大型田塊可容納大型機(jī)具作業(yè)，既能有效提升單行行程的作業(yè)面積，又有效減少作業(yè)機(jī)具換行調(diào)頭的次數(shù)，減少無效作業(yè)時間，在大幅提高工作效率的同時有效節(jié)約成本；同時，大型田塊容易形成規(guī)范、統(tǒng)一和齊整的作業(yè)環(huán)境，更加適合開展無人化作業(yè)，充分發(fā)揮無人作業(yè)的效益優(yōu)勢。

2） 作業(yè)裝備的現(xiàn)代化。這是提升無人化作業(yè)層次的硬件基礎(chǔ)。應(yīng)用于實(shí)際生產(chǎn)的拖拉機(jī)基本都是傳統(tǒng)的手動換擋拖拉機(jī)，難以實(shí)現(xiàn)自動換擋操作，這是當(dāng)前無人化作業(yè)大多只局限于直線輔助駕駛的主要原因。無人化作業(yè)離不開現(xiàn)代智能化農(nóng)業(yè)技術(shù)的應(yīng)用，傳統(tǒng)純機(jī)械式的農(nóng)機(jī)裝備無法承載現(xiàn)代農(nóng)業(yè)技術(shù)，只有農(nóng)業(yè)裝備的現(xiàn)代化才能有效推進(jìn)復(fù)雜無人化作業(yè)模式的應(yīng)用。

3） 作業(yè)過程的智能化。這是保障無人化作業(yè)效益的技術(shù)基礎(chǔ)，也是無人化作業(yè)的靈魂。無人化作業(yè)最終要取代有人化作業(yè)，必須具備有人化作業(yè)無法達(dá)到的優(yōu)勢，無人化作業(yè)絕不能只是簡單地替換人類的勞動，而應(yīng)該充分吸收現(xiàn)代精細(xì)作業(yè)、人工智能等現(xiàn)代農(nóng)業(yè)技術(shù)的新成果并加以應(yīng)用，具備對作業(yè)過程工作狀況的感知能力，能針對實(shí)際作業(yè)環(huán)節(jié)的作業(yè)工況，決策出合理的作業(yè)機(jī)具工作參數(shù)，體現(xiàn)無人化作業(yè)過程的技術(shù)優(yōu)勢、智能優(yōu)勢和效益優(yōu)勢。

4 結(jié)論

1） 在實(shí)際農(nóng)業(yè)生產(chǎn)中，由于作業(yè)機(jī)具基本為傳統(tǒng)農(nóng)機(jī)具，江蘇省內(nèi)大型農(nóng)場和小型家庭農(nóng)場無人化作業(yè)程度較低，無人化作業(yè)主要體現(xiàn)在直線輔助駕駛技術(shù)的應(yīng)用，且應(yīng)用基本全覆蓋。

2） 借助輔助駕駛技術(shù)的無人化播種作業(yè)可以顯著提高播種的作業(yè)質(zhì)量，總漏播率和重播率從人工駕駛的2%～5%下降到0.1%以下；相對于人工駕駛拖拉機(jī)，播種質(zhì)量不受拖拉機(jī)手駕駛技術(shù)水平影響，播種質(zhì)量穩(wěn)定可靠，對后續(xù)的田間管理、產(chǎn)量和品質(zhì)把控有積極影響。

3） 基于輔助駕駛的播種無人化作業(yè)與人工駕駛播種作業(yè)，在燃油經(jīng)濟(jì)性上沒有顯著差異，但前者可以顯著降低勞動者的工作強(qiáng)度，具備全天候作業(yè)條件，能滿足農(nóng)業(yè)生產(chǎn)搶農(nóng)時和搶茬口需求，提高農(nóng)業(yè)生產(chǎn)抗風(fēng)險能力。

4） 與小型農(nóng)場相比，大型農(nóng)場無論在作業(yè)效率上，還是在經(jīng)濟(jì)效益上，都有規(guī)模效益優(yōu)勢，大型機(jī)具和大型田塊是推廣無人化作業(yè)模式應(yīng)用的運(yùn)營基礎(chǔ)。

5） 在規(guī)模化運(yùn)營的基礎(chǔ)上，在實(shí)現(xiàn)農(nóng)機(jī)裝備自身的升級換代和充分應(yīng)用現(xiàn)代智能農(nóng)業(yè)技術(shù)的前提下，才有可能真正推進(jìn)無人化作業(yè)在實(shí)際生產(chǎn)中的應(yīng)用，并最終實(shí)現(xiàn)全程無人化。

參 考 文 獻(xiàn)

[ 1 ] 張彥軍， 劉利永， 李道亮， 等. 無人農(nóng)場的代際演進(jìn)動力及路徑研究[J]. 山東農(nóng)業(yè)科學(xué)， 2020， 52（8）： 160-166.

Zhang Yanjun， Liu Liyong， Li Daoliang， et al. Research on evolutionary impetus and path of unmanned farm [J]. Shandong Agricultural Sciences， 2020， 52（8）： 160-166.

[ 2 ] 楊建輝. 農(nóng)業(yè)現(xiàn)代化對農(nóng)業(yè)可持續(xù)發(fā)展的影響及空間演化研究[J]. 中國農(nóng)機(jī)化學(xué)報， 2020， 41（8）： 229-236.

Yang Jianhui. Study of the impact of agricultural modernization on the sustainable development of agriculture and its spatial difference [J]. Journal of Chinese Agricultural Mechanization， 2020， 41（8）： 229-236.

[ 3 ] 齊元靜， 唐沖. 農(nóng)村勞動力轉(zhuǎn)移對中國耕地種植結(jié)構(gòu)的影響[J]. 農(nóng)業(yè)工程學(xué)報， 2017， 33（3）： 233-240.

Qi Yuanjing， Tang Chong. Effect of labor migration on cultivated land planting structure in rural China [J]. Transactions of the Chinese Society of Agricultural Engineering， 2017， 33（3）： 233-240.

[ 4 ] 田娜， 楊曉文， 單東林， 等. 我國數(shù)字農(nóng)業(yè)現(xiàn)狀與展望[J]. 中國農(nóng)機(jī)化學(xué)報， 2019， 40（4）： 210-213.

Tian Na， Yang Xiaowen， Shan Donglin， at el. Status and prospect of digital agriculture in China [J]. Journal of Chinese Agricultural Mechanization， 2019， 40（4）： 210-213.

[ 5 ] 馬菁澤， 甘詩潤， 魏霖靜. 人工智能在農(nóng)業(yè)領(lǐng)域的應(yīng)用現(xiàn)狀與未來趨勢[J]. 軟件導(dǎo)刊， 2019， 18（10）： 8-11.

Ma Jingze， Gan Shirun， Wei Linjing. Current and future development of the application of artificial intelligence in agriculture [J]. Software Guide， 2019， 18（10）： 8-11.

[ 6 ] 許世衛(wèi)， 王東杰， 李哲敏. 大數(shù)據(jù)推動農(nóng)業(yè)現(xiàn)代化應(yīng)用研究[J]. 中國農(nóng)業(yè)科學(xué)， 2015， 48（17）： 3429-3438.

Xu Shiwei， Wang Dongjie， Li Zhemin. Application research on big data promote agricultural modernization [J]. Scientia Agricultura Sinica， 2015， 48（17）： 3429-3438.

[ 7 ] 唐華俊. 智慧農(nóng)業(yè)賦能農(nóng)業(yè)現(xiàn)代化高質(zhì)量發(fā)展[J]. 農(nóng)機(jī)科技推廣， 2020（6）： 4-5.

[ 8 ] 尹彥鑫， 孟志軍， 趙春江， 等. 大田無人農(nóng)場關(guān)鍵技術(shù)研究現(xiàn)狀與展望[J]. 智慧農(nóng)業(yè)， 2022， 4（4）： 1-23.

Yin Yanxin， Meng Zhijun， Zhao Chunjiang， et al. State?of?the?art and prospect of research on key technical for unmanned farms of field crop [J]. Smart Agriculture， 2022， 4（4）： 1-23.

[ 9 ] 趙春江. 智慧農(nóng)業(yè)發(fā)展現(xiàn)狀及戰(zhàn)略目標(biāo)研究[J]. 智慧農(nóng)業(yè)， 2019， 1（1）： 1-7.

Zhao Chunjiang. State?of?the?art and recommended developmental strategic objectives of smart agriculture [J]. Smart Agriculture， 2019， 1（1）： 1-7.

[10] 羅錫文， 廖娟， 胡煉， 等. 我國智能農(nóng)機(jī)的研究進(jìn)展與無人化農(nóng)場的實(shí)踐[J]. 華南農(nóng)業(yè)大學(xué)學(xué)報， 2021， 42（6）： 8-17.

Luo Xiwen， Liao Juan， Hu Lian， et al. Research progress of intelligent agricultural machinery and practice of unmanned farm in China [J]. Journal of South China Agricultural University， 2021， 42（6）： 8-17.

[11] 李道亮， 李震. 無人化農(nóng)場系統(tǒng)分析與發(fā)展展望[J]. 農(nóng)業(yè)機(jī)械學(xué)報， 2020， 51（7）： 1-3.

Li Daoliang， Li Zhen. System analysis and development prospect of unmanned farming [J]. Transactions of the Chinese Society for Agricultural Machinery， 2020， 51（7）： 1-3.

[12] 張明柱， 王界中， 王建華， 等. 提高燃油經(jīng)濟(jì)性的拖拉機(jī)變速控制策略[J]. 農(nóng)業(yè)工程學(xué)報， 2020， 36（1）： 82-89.

Zhang Mingzhu， Wang Jiezhong， Wang Jianhua， et al. Speed changing control strategy for improving tractor fuel economy [J]. Transactions of the Chinese Society of Agricultural Engineering， 2020， 36（1）： 82-89.

[13] 顏家樂. 農(nóng)業(yè)智能化管理系統(tǒng)的應(yīng)用探索[J]. 現(xiàn)代農(nóng)業(yè)研究， 2022， 28（9）： 137-139.

Yan Jiale. Application exploration of agricultural intelligent management system [J]. Modern Agriculture Research， 2022， 28（9）： 137-139.

[14] 張龍， 師帥兵， 王少輝. 基于拖拉機(jī)燃油經(jīng)濟(jì)性自動換擋規(guī)律研究[J]. 拖拉機(jī)與農(nóng)用運(yùn)輸車， 2013， 40（5）： 16-18.

Zhang Long， Shi Shuaibing， Wang Shaohui. Research of automatic shift law based on tractor fuel economy [J]. Tractor & Farm Transporter， 2013， 40（5）： 16-18.

[15] 戴起偉， 曹靜， 凡燕， 等. 面向現(xiàn)代設(shè)施農(nóng)業(yè)應(yīng)用的物聯(lián)網(wǎng)技術(shù)模式設(shè)計[J]. 江蘇農(nóng)業(yè)學(xué)報， 2012， 28（5）： 1173-1180.

Dai Qiwei， Cao Jing， Fan Yan， et al. Systemic design of Internet of Things for application in modern facility agriculture [J]. Jiangsu Journal of Agricultural Sciences， 2012， 28（5）： 1173-1180.

[16] 邵子玚， 謝和成. 傳統(tǒng)農(nóng)業(yè)邁向現(xiàn)代農(nóng)業(yè)的意義及路徑[J]. 南方農(nóng)機(jī)， 2022， 53（23）： 92-94.

[17] 薛正平. 精準(zhǔn)農(nóng)業(yè)變量施肥技術(shù)及其環(huán)境經(jīng)濟(jì)效益[D]. 南京： 南京農(nóng)業(yè)大學(xué)， 2007.

Xue Zhengping. Variable?rate fertilization and its environmental and economic benefit in precision agriculture [D]. Nanjing： Nanjing Agricultural University， 2007.

[18] 侯翔. 基于北斗導(dǎo)航的農(nóng)機(jī)自動駕駛系統(tǒng)構(gòu)建與經(jīng)濟(jì)效益研究[D]. 揚(yáng)州： 揚(yáng)州大學(xué)， 2020.

[19] 劉富璽. 試驗(yàn)小區(qū)的小麥精密播種裝備及測試評價[D]. 南京： 南京農(nóng)業(yè)大學(xué)， 2019.

Liu Fuxi. Test plot evaluation of precision seeding equipment of wheat [D]. Nanjing： Nanjing Agricultural University， 2019.

[20] 歐陽晨. 播種機(jī)漏播和播種軌跡自動監(jiān)測報警及補(bǔ)償系統(tǒng)設(shè)計與實(shí)現(xiàn)[D]. 哈爾濱： 東北大學(xué)， 2016.