农业机械学报

作者：罗锡文，谷秀艳，胡炼，赵润茂，岳孟东，何杰，黄培奎，汪沛

单位：华南农业大学,华南农业大学,华南农业大学,华南农业大学,华南农业大学,华南农业大学,华南农业大学,华南农业大学,

关键词：智慧农场;空-天-地;边界识别;种植区域;田埂;机耕道

基金：国家重点研发计划项目(2021YFD2000600)

智慧农业是现代农业的发展方向,无人化智慧农场是实现智慧农业的重要途径,无人化智慧农场是农业转型升级的重要方向,其精准高效作业质量依赖于农田边界识别技术的精度和可靠性。本文系统梳理了农田边界识别的技术体系与应用场景,重点分析了卫星遥感、无人机遥感和地面感知3类数据获取方式和识别算法研究现状。卫星遥感的优势在于其广域周期性的监测能力可支撑大范围农田变化分析,但空间分辨率有限;无人机高分辨率影像与地面传感器深度融合(如 LiDAR 点云与 RGB 图像配准)可实现厘米级边界分割,为复杂农田场景提供高精度数据支撑,但视野范围有限。传统图像处理算法(阈值分割、边缘检测等)在规则农田中具有实时性优势,但难以应对异物同谱、静态要素遮挡等场景;基于深度学习的 U-Net、DeepLab 系列模型通过多尺度特征融合与注意力机制优化可显著提升对不规则边界的识别鲁棒性。 这些技术都已应用于农业数字化地图构建和农机路径规划,但仍面临多源数据时空对齐精度不足导致融合效率低,轻量化模型在边缘计算设备上的推理速度难以满足实时作业需求,农田边界变动实时监测难等问题。未来应聚焦多模态时空特征融合、边缘推理导向的模型轻量化技术,以及空-天-地协同支撑下的数字农田地图自主更新技术,为实现农田边界的高精度、高响应和高动态识别提供支撑。

来源：2025年第2期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第2期