文献类型： 中文期刊
第一作者： 高 宁
作者： 高 宁;张 安琪;梅 鹤波;杨 兴华;甘 蕾;孟 志军
作者机构：
关键词： 土壤墒情;机载式监测;原位监测;机器学习;深度学习;信号处理
期刊名称：
ISSN： 2096-7217
年卷期： 2024 年 5 卷 3 期
页码： 51-62
摘要： 随着农业生产对田间管理要求的不断提升，传统的农机设备已逐渐难以适应现代智慧农业的生产需求。在这一背景下，土壤墒情监测技术作为现代农田管理中获取土壤含水率信息的关键手段，正扮演着推动农机向自动化、智能化发展的重要角色。为此，深入梳理和分析国内外土壤墒情监测技术研究现状，重点围绕土壤墒情监测的方式及原理、模型构建算法以及信号处理方法这3个方面技术的研究进展进行阐述，通过对比分析，归纳与总结了国内外在监测方式、原理、模型构建算法和信号处理方法上的异同以及实际应用中存在的问题和面临的挑战，并提出了土壤墒情监测技术在这3个方面未来的发展趋势：土壤墒情监测方式方面，构建多源土壤墒情监测信息平台，以实现更全面的数据收集和分析；模型构建算法方面，通过采用机器学习和深度学习算法，为不同土壤环境和作业场景量身定制模型算法模块，提高监测设备准确性和适用性；信号处理方面，加强多源信号融合技术的应用，降低作业环境对监测设备的影响。
分类号：
- 相关文献
[1]基于云原生技术的土壤墒情监测系统设计与应用. 于景鑫,杜森,吴勇,钟永红,张钟莉莉,郑文刚,李文龙. 2020
[2]基于词向量的检索扩展方法与农业领域实证. 吴蕾,梁晓贺,乌吉斯古楞,王瑞. 2019
[3]基于无人机遥感的盛花期薇甘菊爆发点识别与监测. 孙中宇,荆文龙,乔曦,杨龙. 2019
[4]机器学习在植物病害识别研究中的应用. 王聃,柴秀娟. 2019
[5]基于深度学习的作物基因组学和遗传改良. 辛志奇,赵航,汪海,路铁刚. 2021
[6]农业大模型:关键技术、应用分析与发展方向. 郭旺,杨雨森,吴华瑞,朱华吉,缪祎晟,顾静秋. 2024
[7]机器学习全基因组选择研究进展. 李竟,张元旭,王泽昭,陈燕,徐凌洋,张路培,高雪,高会江,李俊雅,朱波,郭鹏. 2024
[8]机器学习在动物基因组选择中的研究进展. 李棉燕,王立贤,赵福平. 2023
[9]栽培苜蓿草地智能感知系统关键生物物理指标实时监测及分析算法研究. 苗春丽,李仲贤,赵志成,伏帅,高金龙,刘洁,冯琦胜,梁天刚. 2023
[10]基于高光谱成像技术和深度学习的烤后烟叶品种分类判别. 孟令峰,邢富康,韦克苏,王爱华,程昌新,曹娜,林跃平,王松峰,朱荣光. 2024
[11]人工智能在木质纤维素酶工程中应用的研究进展. 周家安,高乐,李忠秋,刘春龙. 2025
[12]新疆绿洲棉花种植体系土壤氨挥发损失原位监测. 徐万里,汤明尧,马正强,张云舒,刘骅. 2011
[13]新疆灰漠土区不同肥料配比土壤氨挥发原位监测. 徐万里,刘骅,张云舒,王西和,秦巧,廖宗文. 2009
[14]机电液一体化技术在工程机械上的应用研究. 李洪忠,梁振清. 2004
[15]蛋鸡发声与机械噪声特征提取及分类识别. 曹晏飞,余礼根,滕光辉,赵淑梅,刘旭明. 2014
[16]基于经验模态分解与极限学习机的粮食产量模型预测. 袁世一. 2024
[17]智能农机嵌入式数据信息库的设计. 任嘉宇. 2024
[18]基于神经网络集成的蚕茧干壳量无损检测方法研究. 胡兴明,吴恢,叶楚华,邓文,杨光友,周国柱. 2008
[19]不同灌溉量对滴灌棉花产量及土壤墒情的影响. 何帅,尹飞虎,马富裕. 2015
[20]土壤墒情自动监测系统的开发与应用. 赵泽英,彭志良,王虎,李莉婕,陈维榕,孙长青. 2016
