农业机械学报

作者：张晓爽，杨丽，和贤桃，张东兴，崔涛，鲍磊，安绍毅

单位：中国农业大学,中国农业大学;农业农村部土壤-机器-植物系统技术重点实验室,中国农业大学;农业农村部土壤-机器-植物系统技术重点实验室,中国农业大学;农业农村部土壤-机器-植物系统技术重点实验室,中国农业大学;农业农村部土壤-机器-植物系统技术重点实验室,中国农业大学,中国农业大学,

关键词：玉米;变量播种;生成对抗网络;空间插值

基金：国家重点研发计划项目（2021YFD2000404）、国家自然科学基金项目（32071915）和国家现代玉米产业技术体系项目（CARS-02）

针对宽幅玉米播种机在变量播种过程中难以依据行间土壤养分异质性实现播量独立调控的问题，本文构建了一种基于生成对抗网络（Generative adversarial network, GAN）训练方式的轻量化局域土壤有机质分布图实时生成算法（Lightweight local soil organic matter distribution maps real-time generation algorithm, L-LSA）。该算法通过并行设计的空洞卷积与标准卷积残差网络结构，实现对土壤数据点间全局与局部特征的协同提取。所提取的高维特征经由多层反卷积残差网络进行逐级上采样与细节还原，从而高精度生成局域土壤有机质分布图。为提升分布图边界区域的生成精度，训练阶段在引入自重建任务以增强模型边缘信息感知能力的同时，引入梯度惩罚的判别损失和均方误差（Mean squared error, MSE）的生成损失函数对算法权重进行联合优化，确保生成图像在像素级精度和整体分布上与分布图真值具有高度一致性。为验证基于L-LSA算法的变量播种策略的可行性与优势，开展了性能评估试验。结果表明，在以测试集作为模型输入的条件下，播种机作业幅宽增加对L-LSA算法的成图性能造成了一定影响，但其整体表现仍保持较高水平，相对误差（Relative error, RE）始终低于2.5%，均方根误差（Root mean squared error, RMSE）控制在1.0g/kg以下，响应时间稳定在10ms以内。田间验证试验结果表明，L-LSA算法相较于传统克里金插值方法，在局域图边界处的预测误差最高降低1.67个百分点，中部区域最高降低0.75个百分点，有效改善了克里金算法在边界区域预测精度不足的问题，提升了整体成图准确性。此外，对该算法生成的适用于4、6、8行玉米播种机的全局播量处方图进行播种精度评估，结果表明，其精度较传感器式变量播种策略分别提高1.33、3.46、2.33个百分点，显著增强了变量播种作业的精准性。该研究为高精度局域土壤信息图构建提供了有效的技术途径，为实现变量播种决策方法提供了新方向。

来源：2025年第9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9期