植保机械是农业综合生产力的重要组成部分，先进的植保装备有利于提高农药利用率、提升粮食品质，保障农业可持续发展。从世界范围来看，美国、西欧、日本的施药装备在国际上处于领先水平，相关产品自动化和智能化程度高，作业效率和效果普遍优于国产水平，他们占据了绝大多数的市场份额，我国仅在植保无人机上具有一定的技术优势。为了准确把握植保机械的研究现状和未来发展方向，本研究整理了国内外地面、航空、田间管理机器人等典型植保装备的发展历程，根据大田和果园病虫害防治需求和特点，将植保机械细分为施药、部件及智能化3个技术分支。对变量施药、对靶施药、静电喷雾、风幕风送等施药技术方法进行了总结，对底盘、喷杆平衡、机器人驱动等装备技术原理进行了分析，对无人驾驶、对行行走、视觉导航等智能化技术应用进行了阐述，还从远程管理的角度阐述包括作业规划、调度决策、作业评价以及数字化平台的智能化构建。通过国内外装备技术水平的对比，认为未来植保机械技术发展的重点在于低量精准的施药方式、系列化专业化的装备部件以及无人化和智能化的作业模式。随着人工智能技术的不断发展，具有智能感知、分析决策和自主作业的智能化植保装备将成为未来主流的发展方向。

外观品质是评价干燥花质量的重要指标。为了实现对干燥过程中菊花外观品质的快速无损检测，本研究将计算机视觉技术应用于菊花的红外辅助热风干燥过程中，基于Python语言开发了一种图像处理算法来获取在不同温度下（35 ℃，50 ℃和65 ℃）的干燥过程中菊花花瓣和花蕊表面收缩率和色泽参数的变化信息，并作为外观品质的评价指标，以此实现对干燥过程的精准控制。干燥动力学研究表明：菊花的干燥过程中始终处于降速干燥阶段，且干燥温度的升高导致了干燥时间的显著（p<0.05）缩短和干燥速率的显著升高。基于平方确定系数（R²）、残差平方和（RSS）、均方误差（MSE）值评估了常用的薄层干燥数学模型与试验数据的拟合程度，发现Henderson and Pabis模型、Page模型、Lewis模型与试验数据拟合度更高，能更好地描述菊花的干燥过程。此外，基于图像处理获取的不同干燥阶段菊花的表面收缩率及亮度值（L*）、红/绿值（a*）和黄/蓝值（b*）发现菊花形态和色泽的变化取决于干燥温度和干燥时间的共同作用，更低的干燥温度和更短的干燥时间更有利于抑制菊花在干燥过程的外观品质的劣变。进一步对零阶、一阶和一阶分数模型预测的收缩率和色泽（L*、a*和b*）值与试验数据进行线性回归分析，发现一阶分数模型能更为精准地预测菊花在干燥过程中收缩率以及色泽的变化规律。

在大数据时代的推动下，智能问答系统在各个领域得到广泛应用，为用户提供高效的答案，相比传统的文本知识收集和网络搜索引擎检索，具有明显优势。随着知识图谱技术的快速发展，智能问答系统迎来了新的发展阶段。本研究响应了智慧农业的需求，构建了一个基于知识图谱的农作物病虫害智能问答系统，旨在为用户提供与农作物病虫害相关的问答服务。主要工作包括：（1）农作物病虫害数据获取：利用分布式爬虫框架爬取农作物病虫害相关网页数据，并进行数据清理、分析、结构化等预处理操作。（2）知识图谱构建：对数据进行分析后，定义知识本体的实体类别与关系类别，完成知识图谱的模式层构建。利用基于规则的三元组模板对半结构化文本进行实体提取，构建数据层，并将三元组存储至Neo4j图数据库。（3）问答算法设计：利用BERT-BiLSTM-CRF模型进行问句实体识别，BERT-RNN模型进行问题分类。匹配模板后通过Cypher语句进行查询，将答案处理为自然语言形式并返回。（4）问答系统实现与可视化：结合农作物病虫害知识图谱与问答算法，使用Flask框架和多种web技术实现用户提问、实体识别、知识检索和答案返回等功能。试验结果表明，实体识别与问题分类模型的准确率（Precision）、召回率（Recall）和F1分别达到了93.22%、92.69%、92.21%和94.37%、93.92%、92.66%。与其他搜索途径相比，问答系统展现出了较高的准确性和稳定性。这项研究为农业信息化提供了一种智能化的解决方案，为用户获取农作物病虫害知识提供了新途径。

果园通常地形崎岖，树冠茂密，杂草丛生。由于信号遮挡、多径效应和射频干扰，GNSS难以在果园中进行自主导航。为了实现果园的自主导航，本文提出了一种基于不同拍摄角度下多幅图像的视觉导航方法。一种动态图像捕捉设备是为安装相机而设计的，可以在不同角度拍摄多个图像。首先，将获得的果园图像分为天空和土壤检测阶段。每个图像被转换到HSV空间，并通过中值滤波和形态学处理初步分割为天空、树冠和土壤区域。其次，利用最大连通区域算法提取天空和土壤区域，并利用Canny算子对区域边缘进行检测和滤波。第三，通过对区域坐标点的拟合，提取当前帧数中的导航线。然后使用动态加权滤波算法分别提取土壤和天空检测阶段的导航线，并将天空检测阶段导航线镜像到土壤区域。最后，利用卡尔曼滤波算法对最终导航路径进行融合提取。对200幅图像的测试结果表明，视觉导航路径拟合的准确率为95.5%，单帧图像处理耗时60 ms，满足导航的实时性和鲁棒性要求。在油茶园进行的视觉导航实验表明，当行驶速度为0.6 m/s时，无杂草和杂草环境下视觉导航的最大跟踪偏移量分别为0.14 m和0.24 m，均方根误差分别为30 mm和55 mm。

苹果园生产管理面临着劳动力成本上升和人口老龄化的双重挑战，为提高作业效率、降低生产成本、提升果品质量，机械化、智能化技术在苹果园生产管理中的应用愈来愈重要。研究综述宽行密植和间伐提干改造园宜机化作业栽培模式立地条件下苹果园生产管理中智能机械化技术的研究进展；阐述分析果园割草、施药、花果管理、果实采收运输、果树枝条处理等关键环节的机械化技术与装备、智能化技术与装备研究进展，发现现阶段尽管灌溉和施肥等环节机械化程度较高，修剪、疏花、疏果、套袋取袋、采摘等环节仍依赖人工，机械化程度低；且智能技术如无人机、物联网在果园管理中的应用尚不广泛，精准农业和自动化控制等方面有待加强；现有技术独立发展，缺少有效集成，影响生产效率和果品质量提升；技术集成度不高与数据采集与分析能力不足等问题。针对现阶段智慧果园建设的技术模式，需要研发适应不同立地条件的果园机械装备，创建全程机械化示范基地；重点研发关键生产环节的机械化智能化技术，推广易操控的智能机械；利用多源信息感知设备，实现果园环境信息的数字化感知；进行智能决策和精准作业，提高作业效率和质量，通过智慧果园运维系统实现任务分配与调度、作业控制与监测的需求，为构建苹果园生产全程机械化典型应用场景提供技术支撑。

针对丘陵山区果园除草作业困难、除草效率低、智能化水平不高等问题，设计了一种小型山地果园除草机器人。为提高履带式除草机器人作业路径的跟踪精度，开展了履带式除草机器人路径跟踪控制算法研究。采用“倒三角形旋接结构”设计了一种仿形浮动底盘，搭载“Y型”甩刀组件进行粉碎除草作业，由增程式油电混合动力系统提供动力支持，针对斜坡转向滑移大等问题提出了基于模型预测控制（MPC）的斜坡转向控制策略，采用往返式路径规划方法对果园进行全覆盖路径规划，结合BDS定位导航技术及全覆盖路径规划方式，确保履带式除草机器人在作业过程中具备高跟踪精度。构建履带除草机器人运动学模型，在MATLAB软件中，对履带除草机器人在斜坡上的转向动力学及其控制策略进行了仿真分析。仿真试验结果表明，设计的坡面转向模型在15°条件下路径跟踪平均误差仅为0.039 m，展现了良好的精确度。田间试验表明，提出的MPC控制器能够有效改善坡面转向工况下路径跟踪效果，在坡度角为15°时，上下坡工况下平均误差相较于PID控制器分别减小了51.76%，63.77%。融合北斗导航功能的除草机器人，有效除草率高于97%，可在25°坡面上正常行走。该研究成果为丘陵山地除草机器人的研制提供了参考。

绳牵引并联机器人具有结构简单、运动惯性小、可重构、响应速度快等特点，成为近年来机器人领域研究的热点。而绳驱柔性机械手由于其驱动绳索的柔弹性为任务操作提供了一定的适应性和柔顺性，能够实现作业对象与机械手良好的动态交互，提高防破损耦合的能力，引起了农业机器人领域科研人员的广泛关注。由于农业采摘机器人的作业环境具有非结构化、不确定的特点，而大多数的果实外表皮脆弱易损，因此对直接与果实接触的采摘机械手要求更严格，既要满足稳定抓持又不能损伤果实。为实现采摘机器人高效精准作业，与生物友好交互的轻量化柔性末端执行机构是急需重点突破的关键理论技术之一。首先，阐述了具有商业应用前景的绳驱柔性机械手的特点及发展概况；然后，详细综述了国内外研究人员对绳驱柔性机械手的设计、建模和控制等理论的研究进展，进一步概述了绳驱柔性机械手在肢体康复和灵巧操作领域的应用开发，详细分析绳驱柔性机械手在农业采摘领域应用的意义，并对绳驱柔性机械手在番茄、苹果、草莓和黑莓采摘的研究现状进行分析；最后，针对现阶段绳驱柔性机械手在农业采摘存在的采摘准确度不高、通用性差和成本高、造成损伤、采摘效率低下等问题，指出今后绳驱柔性机械手商业化应用亟须在农机农艺协同、模块化与可重构设计、提高交互安全性、多传感器融合、采摘序列规划与强鲁棒控制等方面开拓创新，为果蔬机械化无损采摘机构的设计提供新的思路和方法。