一、成果概述
Overview
1.1成果总体框架
本成果的总体框架见"智能农情大数据监控系统技术路线与实施路径"图：技术路线分为多源数据采集、数据预处理与融合、平台构建、示范应用、扩展升级五个阶段；核心技术架构分为三层——"数据采集层"汇聚多光谱卫星遥感、无人机高精度影像、地面物联网传感器网络和气象环境监测站点数据，对应"天—空—地"三个尺度；"数据处理层"以 Hadoop 分布式计算框架为基础，承担 ETL 预处理、时空数据融合、深度学习模型训练和实时流数据处理；"应用服务层"提供智能决策支持、可视化监控平台、移动端应用和 API 接口服务。
1.2成果简介
天空地一体化农情大数据融合分析系统是课题子课题二、三、四研究成果的集成，由珠海航宇微科技股份有限公司（原珠海欧比特宇航科技股份有限公司）和新疆农业大学资源与环境学院完成。成果针对天、空、地监测不同尺度、海量多源异构数据难以同化融合和互通共享的问题，利用田间原位传感器（地）、无人机低空遥感（空）和高分卫星遥感（天）三种尺度的数据，研究数据清洗、降噪、归化、分类、融合等 ETL 预处理技术，实现农情信息"点—面"空间尺度和"时—空"序列的多尺度同化融合，重构不同时空粒度的农情信息数据库，研制了基于 Hadoop 的"智能农情大数据监控系统 V1.0"。
在模型层面，无人机尺度提出"提示器 + Segment Anything Model"的零微调作物田块识别方法（DeepLabV3+ + SAM 的宏平均 F1 为 92.72%）、基于可见光植被指数自动标注与 RT-DETR 的棉花出苗检测方法（F1 97.0%、mAP@50 99.2%）、多特征融合 CNN 棉花地上生物量估算方法和裸土期土壤有机质反演方法；卫星尺度采用支持向量机完成小麦、棉花种植分布提取（总体精度 93.65%），并建立出苗率、长势、病虫害、土壤水分和有机质遥感监测方法，形成"监测—诊断—预警"一体化框架。
系统 V1.0 经中认检科认证技术服务（深圳）有限公司测试（报告 ZR010903511163），系统功能模块、主要功能、系统配置、登录退出、数据采集与监测、数据可视化、数据分析与预警（含灌溉、施肥、病虫害防治、种植四类决策支持）、专题检测可视化、系统管理共 44 个检测项均判定合格。验收总结报告称系统集成 6 大核心模块与 32 项关键功能，可支持 1200 个监测点并发接入、3 分钟/次数据更新，可用性稳定在 99.6% 以上。成果获授权发明专利 2 件、受理发明专利 2 件、软件著作权 4 件，在乌鲁木齐高新区建成应用示范点 1 个。
本节正文约 900 字二、成果技术体系构成
Technical Architecture
本成果是"多尺度数据获取—农情参数反演模型—ETL 与同化融合—Hadoop 大数据平台—可视化决策应用"贯通的技术体系。地面层提供高精度点状生理数据，空中层提供中尺度面状数据，天层负责大范围像元尺度监测，三者通过交互验证、尺度校准和时空推演，避免单一数据源的局限与不确定性。
2.1地层：田间原位感知
以成果1"可穿戴式田间作物生理信息传感器"获取茎流、叶面温湿度、茎秆生长等个体生理数据，并结合土壤墒情探头、气象站等物联网设备，以 LoRa/4G/5G 网关上传。地面高精度点数据用于校准空中和天层遥感数据。
2.2空层：无人机低空遥感识别模型
| 监测对象 | 数据与方法 | 精度 |
|---|---|---|
| 多类别作物田块识别 | RGB 影像；提示器 + SAM 零微调，前端分割模型 UNet/DeepLabV3+/HRNet/PSPNet | mIoU 94% 以上（报告概述）；DeepLabV3+ + SAM 宏平均 F1 92.72% |
| 棉花幼苗识别（出苗率） | 多高度、多时相 RGB 影像；可见光植被指数自动标注 + RT-DETR | F1 97.0%，mAP@50 99.2% |
| 棉花地上生物量（AGB） | 多光谱光谱、纹理、结构特征融合；BRR/RFR/CNN | 最佳 CNN 策略 R² 0.84，RMSE 0.155 kg/m² |
| 棉花叶面积与产量 | 无人机多光谱 | 叶面积、生物量 R² 0.792、0.515；产量 R² 0.884、RMSE 0.587 |
| 小麦生物量 | 无人机多光谱 | R² 0.82，RMSE 0.66 |
| 土壤水分 | 水分敏感指数 EXG、NGBDI、VDVI + BP 神经网络 | R² 0.862，RMSE 0.0114 |
| 裸土期土壤有机质 | 传统光谱指数 + 光谱形态指数 + 纹理特征；RFR/XGBoost/SVR/ANN | R² 0.84（翻耕后整地 XGBoost 0.8392） |
| 小麦条锈病 | 多种光谱指数 + 随机森林 | R² 0.5617 |
2.3天层：高分卫星遥感机理模型
| 参数 | 方法 | 主要结果 |
|---|---|---|
| 作物种类识别 | 高光谱/高分影像 + 物候数据，SVM 与随机森林对比 | SVM 更优，提取小麦图斑 7 个、棉花图斑 77 个，总体精度 93.65%（2024 年 6 月） |
| 出苗率 | NDVI 与 SAVI 结合，降低土壤背景噪声 | 出苗率 3–40%、40–70%、70–100% 面积占比 24.41%、33.10%、42.49% |
| 长势 | 10 种植被指数主成分分析，五级评价 | 3–6 月小麦、5–6 月棉花逐月长势分级专题图（见 4.2 节） |
| 病虫害 | 三角植被指数（TVI）回归，阈值自适应三级诊断 | 健康 / 疑似轻微病害 / 疑似严重病害空间分布 |
| 土壤墒情 | NDVI、RVI 多元逐步回归；BIC 与 Cp 统计量联合筛选变量 | 土壤含水率栅格；棉田高于麦田 |
| 土壤有机质 | 交叉验证优化主成分数的 PLSR 模型 | 有机质含量空间分布；棉田高于麦田 |
2.4数据处理层：ETL 与多尺度同化融合
ETL 预处理包括卫星影像云去除与辐射校正、无人机多光谱几何配准与特征提取、田间传感器信号过滤与异常值剔除，以及清洗、降噪、归一化和冲突分类。融合方面，以地面点状生理数据对无人机面状影像交互校准，再以卫星像元数据进行区域推演，实现"点—面"空间尺度融合；引入卡尔曼滤波和数据同化算法处理时间序列，填补缺测、重构长时序，实现"时—空"序列连续性重构，最终构建统一的农情信息数据库。
2.5平台层：基于 Hadoop 的智能农情大数据监控系统
平台基于 Hadoop 生态构建，包括 HDFS 分布式文件系统、YARN 资源调度和 Spark 内存计算，配合动态负载均衡和端到端加密、权限分级管理。第三方测试的运行环境如下。
| 设备 | 硬件配置 | 软件环境 |
|---|---|---|
| 服务器/兼容机 | CPU ≥2.8 GHz；内存 ≥3 T；硬盘 ≥4 T × 4 | CentOS 7.9；Hadoop 3.3.4；MySQL 8.0；Redis 6.2.10；Python 3.9（TensorFlow 2.8、PyTorch 1.12 等） |
| 台式机/兼容机 | CPU ≥2.4 GHz；内存 ≥16 G；512 G SSD | Windows 10/11 64 位；Chrome 100+ / 360 浏览器 13.0+ |
| 便携终端（无人机地面站） | CPU ≥2.0 GHz；内存 ≥8 G；硬盘 ≥256 G | Ubuntu 20.04 嵌入式系统；无人机遥感数据预处理软件 V2.1 |
| 网络 / 物理环境 | 示范区专用物联网网络，带宽 ≥100 Mbps；田间传感器 −20～60 ℃、湿度 ≤90% 无凝露；机房 18～25 ℃、40%～60% RH | |
2.6应用层：可视化决策功能
系统主界面由气候监控、数据监测、农情预测、智慧农场、农情预警五大板块组成，功能覆盖：实时数据仪表盘与土壤、气象、作物生长监测；饼图、趋势图、地图热力图、日/周/月报表和多期遥感/无人机影像年度对比；统计、预测、关联分析与阈值预警（系统内、短信、邮件、App 推送）；灌溉、施肥、病虫害防治、种植四类决策支持；种植分布、长势、土壤有机质、墒情、病虫害、出苗率六类遥感专题图；用户、设备、参数和日志管理。
三、解决的关键瓶颈技术
Bottlenecks Resolved
本成果针对当前农业信息监测系统"监测指标少、覆盖面积小、精准度低、实时性差、数据孤岛"等问题开展攻关，形成以下七个方向的进展。
3.1瓶颈一：天空地多尺度异构数据难以融合与共享
问题实质。卫星、无人机和田间传感器数据在空间分辨率、时间频率、格式和精度上差异大，传统系统数据关联度弱、格式不兼容，单一数据源不确定性高，形成数据孤岛。
技术路线。建立标准化 ETL 预处理流程，对三层数据进行清洗、降噪、归一化和冲突分类；以地面点数据校准无人机面数据、以卫星数据进行区域推演实现"点—面"融合，以卡尔曼滤波与数据同化实现时间序列补全，构建统一的多时空粒度农情信息数据库。
突破意义。形成从个体生理指标到区域农情分布的全链条数据支撑；系统"多期遥感影像、无人机影像对比""专题检测可视化"等功能经第三方测试合格。
佐证。验收总结报告第三章 4.1、4.2 节；测试报告 ZR010903511163 第 4.5、4.7 节。
3.2瓶颈二：田块级作物识别依赖大量标注
问题实质。深度学习语义分割模型在新区域、新作物上需要重新标注和微调，部署周期长，且分割边界完整性不足。
技术路线。以前端分割模型初分割结果生成提示，驱动 Segment Anything Model 进行"零微调"精细分割，实现从无人机影像到田块矢量图斑的端到端输出。
突破意义。四种前端模型结合 SAM 后各项指标均提升，UNet 的 mIoU 由 79.34% 提升至 85.69%、F1 由 88.31% 提升至 92.26%（见表 5-1）；方法降低了对标注数据的依赖，可服务种植面积监测、农业保险勘验等业务。
佐证。验收总结报告第三章 2.1 节、表 4。
3.3瓶颈三：棉花苗期小目标识别与训练数据构建效率低
问题实质。棉花幼苗目标小、多尺度变化显著，人工标注工作量大。
技术路线。构建多高度、多时相苗期 RGB 影像数据集，利用可见光植被指数和 RGB 通道差异实现幼苗自动提取与标注，引入 RT-DETR 等模型并系统分析飞行高度、观测时间和模型类型对精度的影响。
突破意义。出苗检测 F1 达 97.0%、mAP@50 达 99.2%，为无人机作业参数设置和模型选择提供定量依据；形成发明专利申请"一种基于无人机 RGB 遥感影像深度学习的棉花出苗率计算方法"和软件著作权"基于植被指数的棉花幼苗自动化标注软件"。
佐证。验收总结报告第二章 2 节、第三章 2.2 节；专利申请号 202410504418.X；软著 2025SR2356767。
3.4瓶颈四：作物生物量与冠层参数估算精度不足
问题实质。以往研究多只结合光谱和纹理特征，单一光谱特征难以准确估算棉花地上生物量和冠层结构参数。
技术路线。融合无人机多光谱的光谱、纹理特征与点云提取的冠层高度（结构特征），以相关系数与方差膨胀因子筛选变量，对比 BRR、RFR 与 CNN 模型；同时研究基于无人机光学影像的冠层聚集度指数计算和叶面积指数监测。
突破意义。三类特征融合较单一光谱特征平均 R² 提高 0.28，CNN 最佳策略 R² 0.84（报告值）；形成论文（Agronomy 2026）、冠层聚集度指数发明专利申请和"无人机遥感棉花叶面积指数监测软件"。
佐证。验收总结报告第三章 2.3 节；论文 Huang S. et al., Agronomy 2026, 16, 74；专利申请号 202510496711.0；软著 2025SR0615195。
3.5瓶颈五：裸土期土壤有机质反演受地表状态影响大
问题实质。耕地翻耕、整地等作业改变地表粗糙度和光谱响应，通用光谱指数模型适用性差。
技术路线。构建"传统光谱指数—光谱形态指数—纹理特征"三类特征组合，首次将 Rstd、SA 及新提出的 SSI、MSD、NSVI 等光谱形态指数用于裸土期有机质反演，引入 GLCM 纹理及梯度能量、拉普拉斯能量结构特征，按地表作业状态分别建模。
突破意义。综合数据集 ANN 最优（R² 0.7321、RPD 1.962），翻耕后整地数据集 XGBoost 最优（R² 0.8392、RPD 2.570），翻耕后未整地数据集 RFR 最优（R² 0.8614、RPD 2.775），揭示了不同算法对地表状态的响应差异。
佐证。验收总结报告第三章 2.4 节、表 5。
3.6瓶颈六：通用遥感模型对新疆特色作物定量解析精度不足
问题实质。通用植被指数和模型阈值未针对新疆干旱区绿洲农业优化，单一指数适用性有限，统计模型存在多变量共线性和"黑箱"问题。
技术路线。分类采用 SVM 与随机森林对比；出苗监测结合 NDVI 与 SAVI；长势评估以主成分分析融合 10 种植被指数；病虫害以 TVI 回归建立阈值自适应三级诊断；土壤墒情以贝叶斯信息准则与 Cp 统计量筛选变量解决共线性；有机质以交叉验证确定 PLSR 主成分数。病虫害方向还研究了基于无人机多光谱与植被指数的棉蚜种群预测（XGBoost-GWO-SVR）和苜蓿诱集带调控天敌防治棉蚜的遥感评估。
突破意义。形成"监测—诊断—预警"一体化框架和可解释的反演模型；棉蚜预测模型的 MSE、MAE 较 SVR 分别降低 90.20% 和 70.36%。
佐证。验收总结报告第三章 3 节；论文 Jiang P. et al., IEEE Access 2023；Zhou X. et al., Agriculture 2024, 14, 741。
3.7瓶颈七：海量遥感数据的处理效率与样本管理
问题实质。大范围农田监测数据量大，传统单机系统处理延迟高；遥感矢量裁剪、变化检测样本库构建等环节效率低。
技术路线。基于 Hadoop（HDFS、YARN、Spark）构建分布式存储与并行计算平台，配合动态负载均衡；提出基于 R-tree 空间索引优化的多边形裁剪方法和遥感影像变化检测类样本库处理方法；研发地面数据综合处理软件和通用数据采集记录系统。
突破意义。形成授权发明专利 2 件、软件著作权 2 件，为平台数据处理提供工程化支撑。验收总结报告给出吞吐量为单机 6.8 倍、单日最大处理 15 TB、融合算法耗时由 12 分钟缩短至 3.2 分钟等性能数据，但测试报告中未见对应测试项（见 9.5 节）。
佐证。专利 ZL 2025 1 0105843.6、ZL 2022 1 1541397.6；软著 2024SR1664874、2024SR1658819。
四、取得的重大科技成果
Major Achievements
4.1研制智能农情大数据监控系统 V1.0 并通过第三方测试
系统由中认检科认证技术服务（深圳）有限公司测试，报告编号 ZR010903511163，测试日期 2025 年 11 月 19 日至 12 月 22 日，申请商和制造商均为珠海航宇微科技股份有限公司。测试类型表列出可移植性、可靠性、兼容性、性能、数据完整性、功能性等 12 类，实际检测表均为功能符合性确认，44 个检测项全部"符合要求、合格"。
| 章节 | 检测模块 | 检测项 | 项数 | 结论 |
|---|---|---|---|---|
| 4.1 | 系统功能模块 | 实时监测、智能分析、可视化展示、决策支持、历史查询 | 5 | 合格 |
| 4.2 | 主要功能 | 数据采集与监测、数据可视化、数据分析与预警、智能决策支持、历史数据查询与分析、系统管理 | 6 | 合格 |
| 4.3 | 系统配置 | 系统参数、数据可视化、数据采集、预警配置；设备注册、设备参数配置、设备状态监测 | 7 | 合格 |
| 4.3 | 系统登录与退出 | WEB 端登录、退出 | 2 | 合格 |
| 4.4 | 数据采集与监测 | 土壤（温湿度、养分、pH、EC）、气象、作物生长（株高、叶面积指数、产量预测）监测 | 3 | 合格 |
| 4.5 | 数据可视化 | 可视化模块、实时数据仪表盘、地图可视化、数据报表、多期遥感/无人机影像对比 | 5 | 合格 |
| 4.6 | 数据分析与预警 | 数据分析、预警管理；灌溉、施肥、病虫害防治、种植决策支持 | 6 | 合格 |
| 4.7 | 专题检测可视化 | 种植分布、长势、土壤有机质、土壤墒情、病虫害、出苗率监测 | 6 | 合格 |
| 4.8 | 系统管理 | 用户管理、设备管理、系统配置、日志管理 | 4 | 合格 |
| 合计 | 44 | 全部合格 | ||
4.2完成棉花、小麦卫星遥感专题监测
基于 2024 年高分影像，完成研究区作物种植分布、棉花出苗率、3–6 月小麦与 5–6 月棉花长势和病虫害、土壤墒情和有机质专题制图，并已作为底图嵌入系统"专题检测可视化"模块。
| 作物 / 月份 | 好 | 较好 | 一般 | 较差 | 差 |
|---|---|---|---|---|---|
| 小麦 3 月 | 28.90 | 54.54 | 13.34 | 2.79 | 0.44 |
| 小麦 4 月 | 52.01 | 38.90 | 6.55 | 2.14 | 0.41 |
| 小麦 5 月 | 67.96 | 25.05 | 4.35 | 2.15 | 0.49 |
| 小麦 6 月 | 42.21 | 49.90 | 5.67 | 2.00 | 0.22 |
| 棉花 5 月 | 1.99 | 7.06 | 72.25 | 17.84 | 0.86 |
| 棉花 6 月 | 4.67 | 52.07 | 41.51 | 1.71 | 0.03 |
病虫害监测显示：3–6 月小麦整体健康；5 月连片规模化棉田大部分健康，南部不规则棉田部分地块疑似严重病害，6 月病虫害得到有效控制。土壤墒情与有机质反演均显示棉田高于麦田，验收总结报告将其归因于灌溉频次、秸秆还田与耕作制度差异。
4.3形成无人机低空遥感模型体系
| 策略 | 特征组合 | RFR | XGBoost | SVR | ANN |
|---|---|---|---|---|---|
| 1 | 传统光谱指数 | 0.6412 | 0.7883 | 0.5374 | 0.5638 |
| 2 | + 光谱形态指数（Rstd） | 0.6472 | 0.7980 | 0.5554 | 0.5492 |
| 3 | + 纹理特征（Contrast、Variance） | 0.7002 | 0.8392 | 0.6282 | 0.5740 |
4.4建成应用示范点
在乌鲁木齐市高新技术产业开发区建成应用示范点 1 个，建设 10 个田间监测站、1 个无人机起降场、1 个数据中心，部署土壤、气象与作物生长监测物联网设备 30 套，为系统全流程测试与优化提供真实环境。测试报告中的设备注册界面所示安装地址为"新疆乌鲁木齐市高新技术产业开发区"。
4.5成果转化与效益（报告自述）
验收总结报告称：通过与新疆某农业科技有限公司签订技术许可协议获得直接经济收益 500 万元，已启动在北疆 10 个县市推广；示范应用中棉花亩均增产 8%、小麦 6%，灌溉用水效率提升 18%，化肥用量减少 12%，病虫害防治成本降低 23%，累计直接经济效益 280 万元，农情监测时间由 2～3 天缩短至 30 分钟内。上述数据在验收附件中未见合同或效益证明（见 9.5 节）。
五、技术经济指标与国际国内同类技术/产品的比较
Benchmarking
5.1 节数据摘自课题论文与验收总结报告中的对比试验，未经第三方机构复测。5.2 节为验收总结报告表 6 的系统性能指标，其中"行业标准""传统方法"等对照值未注明出处，系统性能值在第三方测试报告 ZR010903511163 中未见对应测试项，此处原样列出以供核实。
5.1关键算法性能比较
| 模型 | Precision | mIoU | Recall | F1 |
|---|---|---|---|---|
| UNet → UNet + SAM | 89.29 → 92.69 | 79.34 → 85.69 | 89.52 → 92.48 | 88.31 → 92.26 |
| DeepLabV3+ → + SAM | 93.15 → 93.36 | 86.44 → 86.62 | 93.34 → 93.20 | 92.66 → 92.72 |
| HRNet → + SAM | 79.95 → 83.94 | 64.05 → 69.48 | 77.70 → 81.15 | 77.01 → 81.29 |
| PSPNet → + SAM | 77.79 → 79.41 | 59.68 → 62.25 | 72.65 → 73.98 | 72.83 → 74.21 |
| 技术方向 | 课题方法 | 与对比方法比较结果 | 来源 |
|---|---|---|---|
| 棉花 AGB 估算 | 光谱 + 纹理 + 结构特征融合 CNN | 较单一光谱特征平均 R² 提高 0.28、RMSE 降低 0.095 kg/m²；CNN 优于 RFR、BRR | 报告 2.3 节；Agronomy 2026 |
| 裸土期有机质 | 三类特征组合 | XGBoost R² 由 0.7883 提升至 0.8392 | 报告表 5 |
| 棉蚜预测 | XGBoost-GWO-SVR | MSE、MAE 较 SVR 降低 90.20%、70.36%，较 BPNN 降低 84.77%、89.22% | IEEE Access 2023 |
| 卫星作物分类 | SVM vs 随机森林 | SVM 更优，总体精度 93.65% | 报告 3.1 节 |
5.2系统核心性能指标（验收总结报告表 6）
| 指标 | 系统性能 | 对照值 | 报告评价 |
|---|---|---|---|
| 棉花出苗率监测精度 | 97.2% | 传统方法 82% | 国际先进 |
| 土壤墒情预测误差（RMSE） | 2.8% | 行业标准 5% | 超出行业标准 |
| 作物长势监测相关系数 | 0.956 | 一般系统 0.85 | 国际先进 |
| 系统数据吞吐量 | 6.8 倍 | 传统单机系统 1 倍 | 显著领先 |
| 单日最大处理能力 | 15 TB | 一般系统 2–3 TB | 行业领先 |
| 数据融合算法处理时间 | 3.2 分钟 | 项目初期 12 分钟 | 大幅优化 |
| 用户并发支持数量 | 2000+ | 传统系统 500 | 高并发处理 |
| 平均响应时间 | 1.8 秒 | 行业平均 5 秒 | 响应迅速 |
| 系统可用性 | 99.95% | 行业标准 99% | 高可靠性 |
| 棉花病虫害预警准确率 | 92.3% | 传统方法 70–80% | 精准预警 |
| 土壤有机质反演精度 | 86.3% | 传统方法 70% | 高精度反演 |
| 数据查询响应 / 检索准确率 | ≤1 秒 / 99.9% | 3–5 秒 / 95% | 快速、精确检索 |
六、知识产权与权益归属
Intellectual Property
科技项目成果信息表登记的研发单位为珠海航宇微科技股份有限公司，合作形式为独立研究，证书编号 ZR240816001，批准机关中认检科认证技术服务（深圳）有限公司，发证时间 2025 年 12 月 22 日，成果价值自评为"落后技术、工艺、装备的替代"。合同约定子课题二由新疆农业大学资源与环境学院承担，子课题三、四由珠海欧比特宇航科技股份有限公司（现名珠海航宇微科技股份有限公司）承担。
6.1发明专利
| 名称 | 专利/申请号 | 权利人/申请人 | 状态 |
|---|---|---|---|
| 一种基于 R-tree 空间索引优化的多边形裁剪方法 | ZL 2025 1 0105843.6 CN 119513224 B | 珠海航宇微科技股份有限公司、珠海欧比特卫星大数据有限公司 | 授权（2025-05-06） |
| 一种遥感影像变化检测类样本库的处理方法 | ZL 2022 1 1541397.6 CN 115830297 B | 珠海欧比特宇航科技股份有限公司 | 授权（2025-07-22，申请日 2022-12-02） |
| 一种基于无人机光学影像的棉花冠层聚集度指数计算方法 | 202510496711.0 | 新疆农业大学 | 初步审查合格（2025-05-21） |
| 一种基于无人机 RGB 遥感影像深度学习的棉花出苗率计算方法 | 202410504418.X | 新疆农业大学 | 受理（2024-04-25），已提交实质审查请求 |
6.2计算机软件著作权
| 软件名称 | 登记号 | 著作权人 | 登记日期 |
|---|---|---|---|
| 无人机遥感棉花叶面积指数监测软件 V1.0 | 2025SR0615195 | 新疆农业大学 | 2025-04-14 |
| 基于植被指数的棉花幼苗自动化标注软件 | 2025SR2356767 | 新疆农业大学 | 2025 年 |
| 航宇微地面数据综合处理软件 [ORBITA/DMZ-T] V1.0 | 2024SR1664874 | 珠海航宇微科技股份有限公司 | 2024-11-01 |
| 航宇微通用数据采集记录系统 [DataAcq] V1.0 | 2024SR1658819 | 珠海航宇微科技股份有限公司 | 2024-10-31 |
6.3学术论文
| 论文 | 期刊 | 资助标注 |
|---|---|---|
| Estimation of Cotton Aboveground Biomass Based on UAV Multispectral Images: Multi-Feature Fusion and CNN Model | Agronomy 2026, 16, 74 | 2022A02011-1 |
| Prediction Dynamics in Cotton Aphid Using UAV Multispectral Images and Vegetation Indices | IEEE Access（2023-01-10 在线发表） | 2022A02011 |
| Preliminary Assessment of Alfalfa Crop Trap Strategy in Regulating Natural Predators for Aphis gossypii Glover Control | Agriculture 2024, 14, 741 | 2022A02011 |
七、试验基地与示范基地
Field Sites
- 乌鲁木齐高新区应用示范点：10 个田间监测站、1 个无人机起降场、1 个数据中心、30 套物联网设备，集数据采集、处理、分析与应用验证于一体。
- 昌吉华兴农场：新疆华兴投资集团有限公司提供试验场地设施，开展无人机与卫星遥感样区观测及田间传感器同步观测。
- 推广计划：合同约定建立核心示范区 5000 亩、推广应用 3 万亩；验收总结报告后续计划向昌吉周边推广至 8 万亩并开展农户实操培训。
八、人才队伍建设
Talent
子课题二由新疆农业大学资源与环境学院王新军（副高级）负责，门新纳、轩俊伟、苏童、衡瑞等参与；子课题三、四由珠海欧比特宇航科技股份有限公司刘双印（正高级、总工程师）、周学林（技术总监）负责，冯大春、吴佳奇、刘同来、郭建军、姜红涛、纪婵、张强、徐晓龙等为骨干。合同约定子课题二培养高层次人才 4～5 名，子课题三、四各培养科技人员 6～7 名。课题整体培养技术骨干 15 人（系统开发 8 人、田间应用 7 人）、博士/硕士研究生 11 人。
九、成果综合评价与结论
Assessment & Conclusion
9.1成果创新性评价
第一，多尺度协同的数据框架。针对新疆绿洲农业提出天—空—地多源数据交互验证与"点—面—时空"同化融合框架，以地面原位数据校准遥感数据，缓解单一数据源的不确定性。
第二，面向特色作物的遥感模型。在无人机尺度引入 SAM 零微调分割、植被指数自动标注与多特征融合 CNN，在卫星尺度建立可解释的统计反演模型，覆盖识别、出苗、长势、生物量、病虫害、墒情、有机质等参数。
第三，平台化的应用集成。将模型成果以专题图、预警和四类决策支持的形式集成到 Hadoop 平台，44 个功能检测项全部合格。
9.2成果水平定位
- 软件功能：系统 V1.0 功能完整，第三方功能测试全部合格。
- 模型精度：出苗检测 F1 97.0%、田块分割 F1 92.72%、卫星分类 93.65%，在自建数据集上优于对比方法。
- 知识产权：授权发明专利 2 件、受理 2 件，软件著作权 4 项，超额完成合同"专利 3 件、软著 3 件"指标。
9.3推广前景
新疆是我国重要的棉粮生产基地，耕地面积广、智能化需求迫切。系统通过调整作物模型可适配北方干旱半干旱区多种作物，未来可与智慧农场平台、农产品溯源等体系融合；新疆农业大学与珠海航宇微联合推广团队已制定"试点示范—区域推广"规划。
9.4验收结论建议
本成果完成了无人机与卫星遥感模型研究和系统研制，第三方功能测试完整，知识产权数量达标。建议认定本成果达到课题"研发智能农情大数据监控系统 1 个"的约束性指标；系统性能和应用效益数据建议在补充证明材料后再予认定。
9.5需补充完善的事项（如实列出）
- 性能指标缺少第三方佐证：验收总结报告称"经第三方专业机构测试验证"的 1200 个监测点并发、3 分钟/次更新、可用性 99.6%，以及表 6 的 97.2%、15 TB、2000+ 用户、1.8 秒等指标，在测试报告 ZR010903511163 中均无对应测试项；该报告"功能性"类型的方法为"对软件已经实现的现定功能进行人工确认"，测试类型表中的性能、可靠性等类别未出具检测数据。"国际先进""国内领先"等评价亦无对应依据。
- 报告内部数值不一致：系统可用性有 99.6%、99.9%、99.95% 三种写法；并发用户有 1000+、2000、2000+；出苗率精度有 97%、97.2%；验收总结报告 2.3 节 AGB 最佳模型 R² 0.84、RMSE 0.155，而 Agronomy 论文摘要为 R² 0.80、RMSE 0.17 kg·m⁻²。
- 示范与推广面积口径：合同约定核心示范区 5000 亩、推广 3 万亩；验收总结报告称"5000 亩核心示范区和 100 万亩辐射推广区"实地验证、"北疆 10 个县市"推广，而后续计划为推广至 8 万亩，且实际建成示范点为乌鲁木齐高新区 1 处。建议统一口径并提供应用证明（合同年度计划要求"示范应用证明 1 份"）。
- 成果转化与效益缺证明：500 万元技术许可和 280 万元直接经济效益在附件中未见合同和效益证明，项目执行情况统计表"成果转让数""转让收入"及两份成果信息表的转化信息均未填写。
- 测试报告信息：测试日期为 2025-11-19 至 12-22，但签名页日期为 2025-10-05；成果信息表证书编号 ZR240816001 与测试报告编号 ZR010903511163 不一致；测试界面截图中出现玉米螟、晚疫病、"叶菜类蔬菜""南部菜地"等，提示部分为演示数据，建议补充接入实测数据的运行记录。
- 专利与论文权属、时间：两件授权专利的权利人为珠海企业，其中 R-tree 专利共同权利人"珠海欧比特卫星大数据有限公司"不是课题参与单位，变化检测样本库专利申请日（2022-12-02）早于课题起始日（2022-12-20）；IEEE Access 论文收稿于 2022-12-07、2023-01 在线发表，IEEE Access 与 Agriculture 论文标注的是专项编号 2022A02011 而非课题编号。建议说明其与本课题的关联。
- 报告描述需与实际对应：第三章 4.2.3 节列出的 Decagon 5TM、Campbell Scientific 气象站、LI-COR、大疆 M300 + MicaSense RedEdge 等仪器，以及"PB 级虚拟数据集""10–20 节点集群"等，未见采购或使用记录；图 23 中的"关键技术指标"为设计目标。建议以实际软硬件配置和测试数据替换规划性表述。单位名称"珠海微宇航科技股份有限公司"为笔误，应为珠海欧比特宇航科技股份有限公司（现珠海航宇微科技股份有限公司）。
附录：佐证材料清单
Supporting Documents
| 序号 | 材料名称 | 类型 | 关键信息 |
|---|---|---|---|
| 1 | 课题1 验收总结报告 | 技术总结 | 第二章 2～4 节；第三章 2～4 节、（二）2 节；第四章 |
| 2 | 第三方检测报告 4-智能农情大数据监控系统 | 第三方测试报告 | ZR010903511163，29 页，44 项全部合格 |
| 3 | 发明专利 1-一种基于 R-tree 空间索引优化的多边形裁剪方法 | 专利证书 | ZL 2025 1 0105843.6 |
| 4 | 发明专利 2-一种遥感影像变化检测类样本库的处理方法 | 专利证书 | ZL 2022 1 1541397.6 |
| 5 | 发明专利 3-一种基于无人机光学影像的棉花冠层聚集度指数计算方法 | 初审合格通知书 | 202510496711.0 |
| 6 | 发明专利 4-一种基于无人机 RGB 遥感影像深度学习的棉花出苗率计算方法 | 受理通知书 | 202410504418.X |
| 7 | 软件著作权 1-无人机遥感棉花叶面积指数监测软件 V1.0 | 软著证书 | 2025SR0615195 |
| 8 | 软件著作权 2-基于植被指数的棉花幼苗自动化标注软件 | 软著证书 | 2025SR2356767 |
| 9 | 软件著作权 3-航宇微地面数据综合处理软件 V1.0 | 软著证书 | 2024SR1664874 |
| 10 | 软件著作权 4-航宇微通用数据采集记录系统 V1.0 | 软著证书 | 2024SR1658819 |
| 11 | 论文 5-Agronomy、论文 6-IEEE Access、论文 7-Agriculture | 期刊论文 | 见表 6-3 |
| 12 | 科技项目成果信息表 | 成果登记 | 新技术；研发单位珠海航宇微；证书编号 ZR240816001 |
| 13 | 企业名称变更核准意见书 | 工商材料 | 珠海欧比特宇航科技股份有限公司更名 |