iFarm智慧农场平台

一、成果概述

Overview

1.1成果总体框架

本成果的总体框架见《成果1、iFarm智慧农场平台框架图》：平台采用"端—云—用"三层协同架构。"端"侧以"嵌入式系统 + 小模型 + 物联网"为特征，农机、农具、农业机器人、无人机、传感器、阀门控制器六类设备通过 config/sampling_frequency 与 device/{设备类别}/{farm id}/{uuid}/{cmd|cmd_status|spec|data} 两类 MQTT 主题接入平台，对应"AI + 边缘计算"；"云"侧以"微服务 + 私有云 + 大模型 + 持久化"为特征，在 Kubernetes 集群中集成 EMQX 集群、数据网关、PostgreSQL/PostGIS、Ceph、Redis、GeoServer 和 Nginx，并通过 API 网关接入 OpenAI、DeepSeek、Qwen、Claude 等通用大语言模型，对应"AI + 云计算"；"用"侧以"APP + API"为特征，提供移动应用、桌面应用和开发接口，对应"AI + 前端计算"。

1.2成果简介

二、成果技术体系构成

Technical Architecture

本成果不是单一软件系统，而是"端侧设备接入—云侧微服务—数据中心—空间数据—应用服务"贯通的平台技术体系。平台开发选用 Django（Python）技术栈，主要由 Ubuntu、Python、Django、PostgreSQL、PostGIS、HTML、JavaScript、CSS、Bootstrap、OR-Tools、Fields2Cover、OpenLayers 等构成，源代码采用 GitLab 进行远程托管和版本控制。第三方测试时的运行环境为 Ubuntu 22.04.5、PostgreSQL 17.2、PostGIS 3.5、Django 4.2.8、GeoServer 2.26、Nginx，被测版本为 iFarm智慧农场平台 V1.6.1。

2.1端侧：物联网设备接入层

平台以开源 MQTT 代理 EMQX 为消息中枢，六类物联网设备在平台完成注册后获得设备标志（uuid），通过发布、订阅 MQTT 主题与平台互联互通；数据网关订阅系统主题和设备主题，解析消息负载并写入 PostgreSQL 数据库，实现主题消息的持久化。全部主题均采用 QoS 2，参数主题（spec）与采样频率配置主题为保留消息。

注：每类设备均包含 cmd（指令）、cmd_status（指令应答）、spec（设备参数）、data（采样数据）4 个子主题，合计 6×3 + 1 = 19 种（第三方检测确认平台定义 7 类 19 种消息主题）。以农机为例，data 主题负载包含时间戳、经纬度（EPSG:4326）、速度、档位、发动机转速、油量、油耗、故障与保养提醒、作业类型、农具标志、作业幅宽、作业深度、作业面积等字段。

在设备接入实践中，华兴农场部署的中国农大土壤墒情传感器、TRIME-PICO 土壤温湿度传感器通过传感器主题接入；中科原动力和潍柴雷沃两家厂商的拖拉机分别采用"在拖拉机控制器中烧录基于 Eclipse Paho MQTT C 库的 MQTT 子程序、启用 SSL 加密直接传输"和"采用 ESP32S3 结合 SIMA7670 通信模块访问厂商服务器接口获取数据后以 MQTT 协议转发"两种方式接入平台，可获取拖拉机速度、经纬度、发动机转速等运行数据。

2.2云侧：本地私有云微服务层

平台以微服务方式部署于新疆农业大学数据中心的本地 Kubernetes 集群（On-Premise Kubernetes Cluster），各组件全容器化部署，使用 Deployment、StatefulSet、Service、Ingress、PVC 等原生对象管理。

2.3云侧：大模型智能服务层

平台研发了"iFarm智慧农场平台大模型API网关系统"，以 RESTful API 方式封装通用大语言模型服务，并通过系统提示将问答范围控制在农机、农具、作物品种、栽培技术、病虫害等农业垂直领域，支撑平台"农事智能问答"（文本问答、流式文本问答、"女娲"语音问答）。语音问答依次调用语音识别、大语言模型和语音合成模型，完成"语音提问—语音回答"的完整交互过程。

2.4数据层：智慧农场大数据中心

依托新疆农业大学数据中心机房建成智慧农场大数据中心，软件平台包括基于华为 FusionCompute 的虚拟化服务平台、大数据基础平台与数据中台、数据可视化平台、AI 计算平台、Kubernetes 集群、EMQX 物联网数据平台、基于 GeoNode 的遥感数据平台以及基于 OpenCSGHub 的农业智能模型管理平台。大数据中台按"贴源层—标准层—应用层"三层架构组织农业数据，基于 Apache Hive、Apache Spark 提供 Hive SQL、Spark Job、Spark SQL 计算接口，目前包含结构化数据表 118 个；气象数据每 5 分钟自动抓取，农机 Kafka 数据每 5 秒自动同步，其他新增数据每日凌晨自动同步。数据资源与硬件配置详见第四章 4.2 节和第七章 7.1 节。

2.5空间层：农场高精度地图

空间层由 5 个示范农场的高分辨率正射影像、栅格瓦片基础底图和 16 类农场要素矢量图层构成，坐标系统采用 CGCS2000 3 度带高斯—克吕格投影，高程采用 1985 国家高程基准。"农田地块高精度地图数据系统"基于 GeoServer 二次开发，以 PostgreSQL/PostGIS 持久化空间数据，对外发布 WMS、WFS 两类地图服务，支持渲染或转换为 PNG、JPEG、GML、KML 等标准格式，并提供 Python、JavaScript（OpenLayers）开发接口；系统前台已嵌入 iFarm 平台"农场地图"入口。

2.6用侧：应用服务层

应用服务层提供桌面 Web 应用、移动端 App 和面向第三方的开发接口三种形态。Web 端功能覆盖农场年度种植方案管理、农事智能问答、农场高精地图、农场环境感知、耕地/整地/播种/植保/收获作业方案与路径规划及仿真、IOT 设备管理及监测、技术培训与农民课堂、农场数据中心（农资、人力资源、农品政价、知识库）；移动端 App 提供农场气象、农时农事、水肥处方、农场慧眼（作物种类及病虫害实时/离线识别）等功能；开发接口包括高精度地图图层数据接口和农场气象数据 Web 服务接口，并编写了接口调用手册。

三、解决的关键瓶颈技术

Bottlenecks Resolved

本成果针对大型集约化农场由传统管理向智慧农场转型过程中长期存在的瓶颈问题开展攻关，形成了八个方向的实质性突破。以下每一方向均标注对应的佐证材料来源。

3.1瓶颈一：多类型农业物联网设备的统一接入与数据持久化

问题实质。大型农场的农机、农具、农业机器人、无人机、传感器和阀门控制器品牌型号多、通信协议各异，各厂商设备数据分别汇入各自的云平台，农场侧难以统一接入和汇聚，更无法向设备反向下发作业指令，是制约农场数据融合和智能调控的首要瓶颈。

技术路线。以开源 MQTT 代理 EMQX 为消息中枢，采用 EMQX Operator 在 Kubernetes 集群中云原生分布式部署 MQTT 消息服务器集群，支持 mqtt、mqtts、ws、wss 四种接入方式；设计"config/sampling_frequency"及"device/{设备类别}/{farm id}/{uuid}/{cmd|cmd_status|spec|data}"的分层主题体系，定义通用、农机、农具、机器人、传感器、无人机、阀门共 7 类 19 种消息主题，覆盖采样频率配置、作业（操作）指令应答、设备参数和采样数据等全部交互场景，并制定《iFarm智慧农场平台MQTT设备接入规范标准》；研发"iFarm智慧农场平台MQTT数据网关系统"，将 MQTT 主题消息持久化写入数据中心。

突破意义。实现了异构设备的即插即用式接入、双向指令下发和状态回传，不同厂商设备只需按规范实现 MQTT 客户端即可接入，为农机自主作业与平台决策的闭环联动奠定了基础；已在两家厂商拖拉机和两类土壤传感器上完成实际接入验证。

佐证。《iFarm智慧农场平台研发报告》第三章；农场数据融合与可视化第三方检测报告（报告编号 2613500020）；软件著作权"iFarm智慧农场平台MQTT数据网关系统V1.0"（2025SR1004979）。

3.2瓶颈二：面向大型农场的本地私有云高可用部署

问题实质。农场业务系统、空间数据库、消息中间件和地图服务等组件数量多、负载差异大，传统单体部署方式难以满足高可用、可扩展和易运维的要求；而公有云 SaaS 模式存在数据存放于服务商、按设备或用户数量持续付费等问题，不利于农场集团和科研院所自主掌控数据。

技术路线。以 Kubernetes 为核心构建云原生基础设施，建成 3 个 Master 节点、10 个 Worker 节点和 1 个 MinIO 节点组成的 14 节点集群（每节点双路 28 核 CPU、512 GB 内存、4×25 Gb 网卡）；采用 HAProxy + Keepalived 实现控制平面负载均衡与主备切换，采用 Calico 网络插件实现细粒度流量控制与安全隔离；采用 CloudNativePG 部署高可用 PostgreSQL/PostGIS，采用 Rook-Ceph 提供块、文件和对象存储，采用 MetalLB 实现裸金属集群负载均衡；平台各微服务以 YAML 文件声明式部署，可根据 CPU 和内存负载自动扩缩容。

突破意义。形成了一套适合农业科研院所和农场集团自主掌控的私有云部署方案，并配套编写了 Kubernetes 集群部署 EMQX、GeoServer、iFarm、PostgreSQL（含 PostGIS）、Rook-Ceph 等技术规范，总结形成专著《基于Kubernetes的智慧农场云平台构建与应用》。

佐证。《iFarm智慧农场平台研发报告》第二章、第 5.3 节；农场数据融合与可视化第三方检测报告（Kubernetes 集群检测项）；附件 F 专著（ISBN 978-7-5116-7774-7）。

3.3瓶颈三：农场高精度数字空间构建与非结构化场景感知

问题实质。农机自主作业、作业路径规划和农场精细化管理均依赖于高精度、可服务化的农场数字地图，而公共底图精度难以满足农机作业要求；同时田间道路多为砂石路、土路等非结构化场景，通用感知模型适应性差，且缺少高分辨率细粒度类别的标注数据。

技术路线。采用 DJI Mavic 3M 和千巡翼 Q20 无人机对 5 个示范农场开展低空航测（Mavic 3M 航高 110 m、航向重叠 80%、旁向重叠 65%），经照片对齐、像控点导入与优化、密集点云生成、DEM 和 DOM 生成等流程生产高分辨率正射影像；构建包含田块、道路（线形与多边形）、出入口、出入引导点、机井、泵房、建筑物、电线杆、供电线路、出水桩、闸阀井、水渠、蓄水池、林带、农场边界等 16 类要素的矢量分类标准，采用 QGIS 生产要素矢量图层，经 GeoServer 以 OGC 标准服务发布。场景感知方面，构建 20 个类别、10062 个独立标注实例的乡村道路实例分割数据集，提出改进 StyleGAN2-ADA 数据增强方法、改进 ASPP 和融合多尺度特征的道路语义分割算法、面向航测影像复杂要素的改进 SparseInst 实例分割方法；三维重建方面，提出全局上下文引导的双代价聚合立体匹配网络 GCDANet、融合点线特征的双目稠密 SLAM 方法以及面向温室场景的单目三维高斯重建优化方法。

突破意义。华兴昌吉农场 16 个检查点的平均 RMS 误差为 0.027 m（单点 0.007～0.042 m），远优于 CH/T 9008.3-2010 规定的 1∶500 数字正射影像图平面位置中误差 ≤0.3 m 的要求，表明搭载 RTK 的 DJI Mavic 3M 按上述参数作业，可在无像控条件下获取满足 1∶500 精度要求的地图数据。

佐证。《智慧农场示范区农场高精地图测绘报告》；测绘成果检验报告（新测质检［委］2025 年 036 号）；发明专利申请"乡村道路识别方法、装置、设备及存储介质"（CN 117935203 A）；论文 E05、E06、E13、E16、E22、E26、E34。

3.4瓶颈四：农场年度种植方案依赖经验编制

问题实质。大型集约化农场年度种植方案（每一地块种植何种作物）需综合考虑政策、作物单产、农产品市场行情、轮作、种植成本等因素，是典型的运筹学约束规划问题。以华兴农场 24 块田地、18 种可选作物为例，候选方案数量巨大，长期以来主要依靠管理人员经验完成，难以保证经济效益最优。

技术路线。以农场地块（Field）、作物（Crop）、品种（Variety）、产销（PlantMarket）和历年种植方案（Plan）等数据模型为基础，建立以农场总体经济效益最大化为目标的新年度种植方案约束规划模型，目标函数综合亩产、单价、补贴、成本和重茬减产系数；模型支持全部地块种植且地块不可拆分、设定某作物种植面积下限或面积范围、同一地块连续种植同一作物逐年减产（如 10%）、产量单价和成本在设定区间内随机浮动（如 ±5%）、排除特定作物等约束条件，基于 Google OR-Tools 的 CP-SAT 求解器实现自动优化求解。

突破意义。农场管理人员事先准备作物、品种、地块和产销数据并简单设置约束参数后，即可自动生成新年度种植方案，并可与人工编制方案进行对比分析；示范农场用户评价认为"种植方案制定时，我们可以参考系统自动生成的方案，结合农场实际进行微调，比之前完全依靠人工经验要高效、科学得多"。

佐证。《iFarm智慧农场平台研发报告》第 4.1 节；平台第三方测试报告（XJSTC-ST-2025-026-1.0，"方案"类测试项）；软件著作权"农场生产规划管理系统V1.0"（2024SR1716288）、"农业种植决策支持系统V1.0"（2025SR0903958）。

3.5瓶颈五：农机作业路径依赖人工经验、无法下发给无人农机

问题实质。大型农场地块形状多样，农机作业路径主要依靠农机手经验确定，存在重漏作业、空驶距离长、地头转弯不合理等问题，也难以为无人农机提供可执行的作业指令；重型拖曳式农具不能倒车作业等实际约束进一步增加了规划难度。

技术路线。基于农田地块几何形状、农机最小转弯半径、农具作业幅宽、地头转弯模式等先验信息，以剩余面积最大、作业行数最少、作业行总长度最大、地块覆盖度最大、作业行总长与调头转弯总数之和最小、路径总长度最小等为优化目标，集成荷兰瓦赫宁根大学开源覆盖路径规划工具包 Fields2Cover，实现耕地、整地、播种、植保、采收五个作业环节的全覆盖路径自动规划和动画仿真演示；创建路径规划时可选择地块、拖拉机、农具、路线模式（环足、螺旋）、螺旋幅数和调头算法（鱼尾平滑掉头、灯泡平滑掉头），并针对整地机等重型拖曳式农具禁用鱼尾调头。年度作业方案支持"沿用上年方案"和"根据新年度种植方案创建"两种生成方式。算法研究方面，提出面向大面积不规则农田小麦播种的改进混合粒子群算法 TLG-PSO、面向整地作业路径规划与任务分配的两阶段混合 NSGA-III 与白鲸优化算法、基于目标方位判定与权重动态步长的改进 RRT Star 农机路径规划算法。

突破意义。路径规划同时生成包含经度、纬度、海拔高度、运动方向、行驶速度、行驶距离、前进或倒退、直行或转弯等字段的行驶轨迹数据，可通过农机作业指令主题下发给无人农机，打通了"平台决策—农机执行"的数据链路；节省用工评测中农机自主作业与人工作业均采用平台规划的同一作业路径。

佐证。《iFarm智慧农场平台研发报告》第 4.5～4.9 节；平台第三方测试报告（耕地、整地、播种、植保、收获类测试项全部符合）；论文 E09、E21。

3.6瓶颈六：农业垂直领域知识服务专业性不足

问题实质。农场管理人员在生产中遇到的问题多样且专业性强，通用搜索方式效率低、针对性差；通用大语言模型直接使用时回答范围发散，农业专业知识（尤其是棉花等新疆主栽作物病虫害知识）缺乏结构化的数据支撑。

技术路线。研发"iFarm智慧农场平台大模型API网关系统"，以 RESTful API 封装大语言模型服务，通过系统提示将问答控制在农业垂直领域，实现文本提问—文本回答、文本提问—文本流回答和语音提问—语音回答三种交互方式。知识工程方面，构建了包含 30 种棉花病害、49 种棉花虫害、1420 个节点、2362 个关系的棉花病虫害知识图谱数据集，包含 11 种实体类别的棉花病虫害中文命名实体识别语料库和包含 78 种实体、9 种问句类型的问句数据集，提出基于 RoBERTa 多特征融合的命名实体识别模型、基于 ERNIE 及改进 DPCNN 的问句意图识别模型、面向玉米种植知识问答的细粒度语义检索增强生成算法 Sem-RAG 以及基于 CrossViT 和 T5 的棉花病虫害多任务图像描述生成框架 CottonCapT6。

突破意义。平台问答功能已在示范农场应用，用户评价"生产过程中遇到问题还可以问人工智能，回答效果还挺好的"；棉花病虫害知识图谱数据集已在科学数据银行公开共享（数据 DOI：10.57760/sciencedb.agriculture.00046），为提升农事问答的准确性和专业性提供了技术储备。

佐证。软件著作权"iFarm智慧农场平台大模型API网关系统V1.0"（2025SR1002973）；平台第三方测试报告（普通文本问答、流式文本问答、"女娲"语音问答测试项）；论文 E10、E11、E12、E15、E30。

3.7瓶颈七：农场环境感知数据缺失、漂移与服务化不足

问题实质。农场环境数据是水肥决策、农事安排的重要依据，但田间传感器易受恶劣环境、电池耗尽、硬件故障等影响，产生数据缺失和数据漂移；同时观测站数据多封闭在厂商系统中，缺少面向业务系统的标准化服务接口。

技术路线。2023 年 12 月 21 日在华兴农场部署 DZZ4-AOSA3 型农业小气候自动观测站，通过 5G 通讯模块与数据中心连接，定义气象指标数据项 52 项，实现数据库存储、MQTT 消息转发和基于 HTTP 的 Web 服务接口；数据质量方面，提出基于 CNN-BiLSTM-Attention-KF 的无线传感器网络数据漂移盲校准方法和基于 CNN-LSTM 的土壤温湿度缺失数据填补算法；预测方面，提出基于 iTransformer 与 LSTM 融合的农场气温多步预测模型和基于 CNN-BiLSTM 的冬小麦需水量预测模型。

突破意义。气象数据通过 HTTP GET 返回 JSON，可被平台、数据驾驶舱和移动端 App 统一调用，平台"农场气象"可查看实时气象、七日预报、历史气象及 24 节气信息；数据质量与预测算法为农场水肥智能决策提供了数据基础，相关成果形成专著《农业小气候感知系统研究与应用》。

佐证。《iFarm智慧农场平台研发报告》第 4.4 节；附件 F 专著（ISBN 978-7-5116-7354-1）；论文 E20、E27、E29、E33。

3.8瓶颈八：复杂田间环境作物视觉识别精度与实时性难以兼顾

问题实质。田间光照多变、目标遮挡严重、作物形态差异大，作物及病虫害识别模型精度与实时性难以兼顾，模型体积过大又难以部署到手机等边缘终端。

技术路线。提出改进 YOLOv8n 的收获期甘蓝球识别模型、基于可变形注意力的甘蓝高精度分割网络 CabbageNet、基于深度相机的垄作草莓关键点检测与三维定位方法、改进 YOLOv5 的绿辣椒检测方法、改进 YOLOv8n-seg 及 YOLOv8n-LF 的机收小麦含杂率与破碎率检测方法、改进通道注意力机制的农作物病害识别模型以及轻量化无人机航拍小目标检测架构 AeroLight，并将作物识别能力部署到 iFarm 移动端 App。

突破意义。经第三方检测，App"农场慧眼"功能支持棉花、小麦、玉米、水稻、番茄、西瓜、葡萄 7 类作物的种类识别和 59 类病虫害的实时/离线识别；甘蓝球识别模型大小仅 4.8 MB，垄作草莓识别模型参数量降至原模型的 38.2%，兼顾了精度与边缘部署需求。

佐证。iFarm APP 第三方检测报告（报告编号 2513501077）；发明专利申请"基于深度学习的叶菜采收方法、系统、设备及存储介质"（CN 118470525 A）；软件著作权"基于YOLOv8的小麦含杂率检测系统V1.0""基于YOLOv12无人机航拍图像的小目标检测系统V1.0"；论文 E02、E04、E07、E08、E14、E17、E18、E28、E32。

四、取得的重大科技成果

Major Achievements

4.1研建了 iFarm智慧农场平台并全部通过第三方测试

平台 Web 端和移动端功能完整，2025 年 3 月 15 日正式上线运行并发布用户手册。平台及其配套系统共通过第三方测试（检测、检验）5 项，测试结论均为符合要求。

4.1.1Web 端功能模块及测试覆盖

4.1.2平台源代码规模

平台源代码涉及 Python、HTML、JavaScript、CSS、Markdown、SQL、YAML 等语言，各类源代码文件总数 13485 个，可体现项目组的整体开发工作量。

4.2建成了智慧农场大数据中心和数据资源体系

经第三方检测，虚拟化平台已部署数据中心虚拟机 17 个（虚拟化管理节点 2 个、大数据管理节点 3 个、数据中台节点 3 个、可视化节点 4 个、气象服务节点 1 个、在线课堂节点 1 个、GeoNode 节点 1 个、Kafka 节点 1 个、Nginx 节点 1 个）；大数据中台支持 MySQL、Oracle、SQLServer、PostgreSQL、达梦、人大金仓、Hive、Presto 等异构数据源统一接入和 DES、3DES、AES、RSA、SM2、SM4 加密；数据可视化平台在对帆软、ECharts、DataEase 及中国电子云五个方面比对后选定中国电子云，构建了八大模块的农场数据驾驶舱（一级大屏）及作物二级可视化大屏；遥感数据平台基于 GeoNode V4.2.2 完成中文定制化开发；AI 计算平台由 1 台管理节点和 4 台 GPU 计算节点组成，部署 50 TB NFS 共享文件系统，采用 Slurm 作业调度。

4.3建成了示范农场高精度地图数据系统

课题组对 5 个示范农场开展了无人机高精度地图测绘，累计拍摄影像 104201 张（2023 年 49464 张、2024 年 16651 张、2025 年 38086 张），影像数据量 937.6 GB，测区面积 51.61 km²，航摄累计面积 190830.53 亩，矢量生产面积 135379.98 亩。要素矢量图层按农场实际地物绘制：华兴昌吉农场和农高园区各 16 类，华兴阜康丰收农场 15 类，华兴阜康瑞丰达农场 14 类，华兴阜康天池源缔农场 13 类，分别在 GeoServer 中以 5 个工作空间发布。

农田地块高精度地图数据系统前台提供农场地图首页、工作空间、存储仓库、要素图层、开发接口（Python、JavaScript OpenLayers）和应用演示（华兴昌吉 3D 地图）等功能，后台负责地图数据服务发布、数据源管理、安全控制与权限分配；76 个测试项全部通过第三方验收测试并取得软件产品证书（新RC-2025-0147）。高精度地图在 iFarm 平台中支撑了农场种植方案可视化、农机耕种管收环节作业路径规划和大数据平台作业状态展示等应用。

4.4量化评测了智慧农场自主作业的节省用工效果

课题组建立了节省用工效果评测方法：有效作业总距离为各作业幅长度之和，调头转弯总距离为各调头转弯路径长度之和，二者分别除以直线作业速度和调头转弯速度得到有效作业时长和调头转弯时长；补种、补料、补油等无效空转时长在智慧农场与传统农场中视为相同；总用工人时为各阶段时长与占用人员数之积的和，自主作业阶段对应人员数为零；节省用工率 = （传统作业总用工人时 − 自主作业总用工人时）/ 传统作业总用工人时。评测中农机自主作业和人工作业采用平台规划的相同作业路径。

2024 年 10 月至 2025 年 10 月，在华兴农场选择代表性地块，对棉花、小麦、玉米、水稻四种作物的耕地、整地、播种（插秧）、植保、采收等环节开展了自主作业与传统人工作业对比评测，结果如表 4-7 所示。

注：各环节数值为该环节智慧农场自主作业相对传统农场人工作业的节省用工率；"—"表示该作物评测中未单列该环节。

评测结果表明，由于自主作业的直线作业速度和调头速度一般低于人工驾驶，且播种、采收环节自主作业时仍需配备作业人员（播种环节 2 人、采收环节 1 人），这两个环节的节省用工率相对较低；耕地、整地、植保等环节基本实现无人化作业，棉花这三个环节节省用工率均在 96% 以上。在自主作业速度与人工作业速度相同的环节（如小麦、玉米播种和水稻插秧），节省用工主要来自作业人员数量的减少。

4.5研发了 iFarm 移动端 App

iFarm APP V1.0.0 面向农场管理人员和生产人员的移动应用需求，主要功能包括："登录"，通过用户名（手机号）和密码登录并对错误输入给出提示；"农场气象"，展示当日实时气象（温度、相对湿度、累计降水、大气压强、云量、风向、风速、风力、更新时间等）及七日气象预报和七日气象回顾；"农时农事"，展示棉花、小麦、玉米、水稻、辣椒、番茄、葡萄、西瓜、林木等作物的耕作步骤、各环节农机农具推荐和推荐耕作农时；"水肥处方"，展示上述作物各环节作业步骤、每亩推荐用水用肥量和全年水肥用量统计；"农场慧眼"，支持实时拍摄、离线上传照片或视频等方式的作物种类识别和病虫害识别，离线病害识别可手动选择作物类型或自动识别作物；"我的"和"设置"，支持个人信息、农场信息查看及检查更新、退出登录等操作。App 经第三方检测，9 项功能全部符合要求。

4.6形成了系列学术与知识产权成果

围绕平台关键技术发表（录用）学术论文 34 篇（英文期刊 12 篇，其中 Computers and Electronics in Agriculture 影响因子 10.3）、出版学术专著 3 部、申请发明专利 3 项、获得软件著作权登记 18 项、取得软件产品证书 2 项，培养博士研究生 3 名、硕士研究生 18 名。明细见第六章和第八章。

4.7实现了科技成果转化

2025 年 10 月 15 日，新疆农业大学（乙方）与新疆丝路慧农信息科技有限公司（甲方）在乌鲁木齐签订技术转让合同，将 iFarm智慧农场平台技术使用权许可甲方实施，合同金额 120 万元，按固定费用方式支付（合同签订后 10 日内支付 80 万元，一年内支付 40 万元），有效期至 2030 年 10 月 15 日。合同载明本技术的成熟程度为"已经获得第三方测试、已经获得软件产品登记证书"，乙方须提交平台源代码、需求规格说明书、设计说明书、测试用例和用户手册，并以培训方式提供平台功能操作及部署维护技术服务。

五、技术经济指标与国际国内同类技术/产品的比较

Benchmarking

5.1平台总体技术特征比较

5.2关键算法性能比较

5.3经济性指标比较

在经济性方面，iFarm 平台对生产效率的提升主要体现在节省用工上。华兴农场的对比评测表明（表 4-7），智慧农场自主作业相比传统人工作业，棉花、小麦、玉米、水稻综合节省用工率分别达到 65.93%、82.20%、79.20% 和 59.36%，其中棉花耕地、整地、植保环节以及小麦、玉米耕地和收割环节节省用工率均超过 90%。同时，平台基于开源软件栈构建并采用本地私有云部署，可避免按设备数量或用户数量持续支付商业软件许可和云服务费用，有利于降低大型农场数字化转型成本。

需要说明的是，节省用工评测中的自主作业由智能农机装备完成（部分装备来自成果2），平台的贡献在于提供作业方案、全覆盖路径规划和行驶轨迹指令；该指标反映的是"平台决策 + 农机执行"整体技术体系的效果。

六、知识产权、技术标准、市场准入与权益归属

IP, Standards & Ownership

成果1共申请发明专利 3 项，获得计算机软件著作权登记 18 项，取得软件产品证书 2 项，发表（录用）学术论文 34 篇，出版学术专著 3 部。

6.1专利情况

6.1.1已公开的发明专利申请（3 件）

专利 1、2 的代理机构为北京超凡宏宇知识产权代理有限公司（11463），代理师分别为江进、邓超，权利要求书均为 2 页，说明书均为 9 页；专利 3 的代理机构同上，代理师邓超，权利要求书 3 页、说明书 13 页、附图 6 页。三件专利目前均处于公开阶段，尚未获得授权。

6.1.2专利主要技术内容

• 乡村道路识别方法：通过图像注释工具对乡村道路图像进行标注得到标签图像，基于条形池化简单金字塔模块和带有坐标注意力的统一注意力融合模块构建语义分割模型，基于损失函数、梯度优化算法和多项式衰减策略迭代训练，用于实际乡村道路场景中未标注道路图像的识别，是任务一"非结构化田间道路环境感知模型"研究的直接成果。
• 基于深度学习的叶菜采收方法：获取待采收叶菜的采收区域图像，输入优化了特征提取骨干网络和预测头部的叶菜目标检测模型获取叶菜目标区域，对目标区域扫描建图获取叶菜中心点点云数据，计算相邻叶菜的距离和位置关系，获得导航对行采收路径，可提高采收准确率、降低漏采率和损伤率。
• 集成于植保机器人的探地雷达天线及实时成像方法：通过两个 UR5e 机械臂控制探地雷达获取室内实测数据，结合仿真模型数据构建训练数据集，基于由形态反演损失、电性参数反演损失和可调权重因子构成的动态可调联合损失函数训练深度学习反演模型，并将多频段探地雷达天线集成于植保机器人底部中央，实现地面植保作业与地下土壤及根系实时成像的同步进行。

6.1.3专利布局特征分析

三件专利分别对应平台的感知层（乡村道路识别，服务于高精度地图与农机环境感知）、作业层（叶菜智能采收，服务于农业机器人作业）和地下探测层（探地雷达实时成像，服务于植保机器人与土壤根系监测），均由在读博士、硕士研究生与指导教师共同完成，体现了人才培养与知识产权产出的结合。平台核心的设备接入、私有云部署、种植方案约束规划和路径规划等工程性成果主要以软件著作权形式保护。

6.2软件著作权情况

18 项计算机软件著作权的著作权人均为新疆农业大学，权利取得方式均为原始取得，权利范围均为全部权利。

按功能类别统计：智慧农场平台及网关 3 项、高精度地图数据服务 3 项、农场数据管理与可视化 3 项、生产规划与决策支持 4 项、农业知识服务 1 项、智能感知与视觉检测 4 项，覆盖了智慧农场平台的主要技术环节。

6.3学术论文

围绕农场环境感知与全景分割、三维重建与 SLAM、农机导航与路径规划、作物目标检测与病害识别、农业知识图谱与智能问答、多源数据融合与预测等方向，发表（录用）学术论文 34 篇，其中英文期刊论文 12 篇、中文期刊论文 22 篇。

注："对应任务"取自课题支撑论文清单中的子课题编号。代表性论文中，E01 发表于农业工程领域期刊 Computers and Electronics in Agriculture（影响因子 10.3），系统梳理了近十年基于无人机遥感与机器学习的棉花长势监测研究；E03 发表于 iScience，将农机自动导航方法归纳为 GNSS、机器视觉和激光雷达三类并比较其优缺点；E30 发表于《中国科学数据》，数据集已在科学数据银行公开共享。

6.4学术专著

《智慧农场数字空间数据构建技术与应用》由三部分组成：第一部分介绍智慧农场出现的背景、地理空间数据在农业中的重要性和依托项目情况；第二部分详细介绍项目中高精度地理空间数据的生产流程，包括需求分析与设备选型、技术设计、数据采集、航摄影像处理、矢量数据生产、数据存储与发布等环节；第三部分阐述数据的应用情况并展望未来。《农业小气候感知系统研究与应用》在版权页中标注了本专项（编号 2022A02011）的项目支撑。

6.5技术标准情况

成果1属于应用软件产品，未单独制定企业或行业标准。在研发过程中，参照软件工程国家标准，结合科研项目特点制定了较为完整的平台开发与部署技术规范体系。

高精度地图测绘采用 2000 国家大地坐标系和 1985 国家高程基准，成图比例尺 1∶500，成图方法为数字摄影测量法。

6.6新产品市场准入情况

两项软件均经评估符合《软件产品评估标准》（T/SIA003-2019），软件类别为应用软件，申请企业为新疆农业大学。上述证书为平台进入市场推广应用提供了资质条件，技术转让合同亦将"已经获得软件产品登记证书"作为本技术的成熟程度依据。

6.7知识产权与成果权益归属

根据新疆农业大学与新疆丝路慧农信息科技有限公司签订的技术转让合同：

• 许可性质：乙方（新疆农业大学）将 iFarm智慧农场平台的技术使用权许可甲方实施，并提供技术服务和技术指导；
• 交付资料：平台源代码、需求规格说明书、设计说明书、测试用例和用户手册，前 5 项经双方确认后为合同组成部分；
• 后续改进成果：甲方利用所转让技术进行后续改进产生的具有实质性或创造性技术进步特征的新技术成果归甲方所有；乙方后续改进产生的新技术成果归乙方所有；
• 违约约定：甲方违反实施范围、方式、许可性质或保密义务的，应承担合同总价 30% 的违约金。

七、试验基地、中试线、生产线建设情况

Facilities & Demonstration Sites

7.1智慧农场大数据中心

依托新疆农业大学数据中心机房建成，新部署各类服务器 25 台、交换机 3 台、集中存储 1 台（Unity 480XT），扩容现有集中存储（Unity 380XT）1 台，整合现有服务器 6 台（GPU 服务器 5 台、管理服务器 1 台），为平台运行、模型训练和数据存储提供算力和存储保障。

7.2应用示范基地

以新疆恒丰现代农业科技股份有限公司（新疆华兴投资集团有限公司所属）为示范单位，组织其下属四个农场及新疆昌吉国家农业高新技术产业示范区农场建立应用示范农场 5 个，开展 iFarm 平台应用示范；华兴昌吉农场同时作为农业小气候自动观测站部署点、农机自主作业示范和节省用工评测的核心试验基地。

7.2.1华兴昌吉农场核心示范基地

华兴昌吉农场坐落于昌吉国家农业科技园区内，位于昌吉市大西渠镇北 9 公里处，总占地面积 2.2 万亩，其中耕地面积约 1.4 万亩，主要从事棉花、小麦、番茄、玉米、水稻、西瓜等作物种植和棉花初加工。农场拥有各类设备 111 台套，其中大型农机 64 台套（约翰迪尔 7M-2204 拖拉机 18 台、约翰迪尔 JD5-854-1 拖拉机 32 台、约翰迪尔 CP690 采棉机 4 台、雷沃 M1404-5X 无人拖拉机 1 台、雷沃自走式无人谷物联合收割机 1 台、中科原动力 NCT1204 无人拖拉机 1 台），大型农具 41 台套。农场共有可耕种地块 28 块，最大地块面积 1384.37 亩，最小地块面积 35.22 亩，平均地块面积 503.28 亩。

7.2.2示范应用内容

平台上线后，示范农场开展的应用工作主要包括：注册农场管理员，核查及完善地块、人员等基本数据和种植、水肥等历史生产数据；生成新年度种植方案，与人工编制方案进行对比分析；按照耕种管收生产环节，对作业方案自动生成和农机路径规划进行应用对比；在历年水肥数据基础上生成本年度水肥模型；开展六类物联网设备的管理及监测；通过文本、流式文本和语音三种方式使用农事智能问答；查看高精度地图并核查各图层准确性；查阅气象、土壤墒情及品种、病虫害等数据资源；注册农民在线课堂学习课程；结合生产实际梳理应用问题并提出优化建议。平台已完成华兴昌吉农场 2022～2025 年度种植方案等历年生产数据的初始化。

7.3在线培训平台

采用开放式在线教育平台 Open edX 进行本地化部署与二次开发，建成面向农业从业者的"农民课堂"在线学习平台，开设"iFarm平台操作技术培训"和"棉花种植技术培训"两门课程，农民可通过手机端和电脑端自主学习并查看学习进度。前者讲解用户注册登录及种植方案管理、农事智能问答、高精地图管理、环境感知监测、农机作业路径规划、数据中心管理等功能的使用方法；后者包含新疆农业大学专家团队总结的近五年新疆棉花种植经验、扬州大学农学院教授公开课以及华兴农场棉农实地采访三部分。

7.4中试线、生产线建设情况

八、人才队伍建设情况

Talent Development

8.1人才队伍总体规模与结构

成果1由新疆农业大学计算机与信息工程学院牵头研发，形成了一支以课题负责人张太红教授为核心，孟小艳、白涛、古丽米拉·克孜尔别克、蒲智、程曦、陈燕红等教师为骨干，博士、硕士研究生为主体的跨学科研发团队，研究方向涵盖农业信息化、计算机应用技术、地图学与地理信息系统、农业工程等领域。

平台研发采用敏捷开发模式：项目负责人以快速原型法确定平台主体架构和核心功能，之后按每两周一个迭代周期（Sprint）持续交付；开发人员统一使用 PyCharm 集成开发环境，在 GitLab 的 ifarm 仓库 main 分支创建个人分支，经编码、测试后发起合并请求，由仓库主人审核。团队成员在需求分析、架构设计、编码测试、部署运维等全流程得到了系统锻炼。

8.2高层次农业信息化人才培养

依托新疆农业大学农业工程、计算机技术、电子信息等学科学位点，以课题研究任务为载体培养农业信息化方向研究生 21 名，其中博士研究生 3 名、硕士研究生 18 名，学位论文选题全部围绕课题研究内容。

其中，田永强、姚芷馨、赵昀杰等博士研究生围绕农场感知、乡村道路全景分割和探地雷达反演等方向开展了深入研究，姚芷馨的博士学位论文由赵春江院士担任合作导师；赵春江院士同时为"基于深度学习的叶菜采收方法"专利发明人之一。

8.3农场操作人员与技术人员培训

8.4示范单位技术骨干培养

结合平台培训与示范应用为示范单位培养技术骨干 7 名：新疆恒丰现代农业科技股份有限公司技术人员孟德龙、罗正杰、杨武鹏、王金泰参加了 iFarm 平台用户专项培训；王金泰、刘道明、陶军、杨重生分别担任各示范农场的平台应用负责人，承担了农场数据核查完善、平台功能应用对比、问题梳理与优化建议等工作，已能够独立运用平台开展农场生产管理，成为示范单位推广应用智慧农场技术的中坚力量。

8.5协作网络

平台开发由新疆农业大学主持，负责架构选型、总体设计、需求分析、UI 设计、数据库设计、程序编码、测试、部署及运维；清华大学、新疆大学、西安交通大学、石河子大学、西安理工大学、北京市农林科学院、新疆农业科学院土壤肥料与农业节水研究所等参与模型构建；江苏大学、北京中科原动力科技有限公司、潍柴雷沃智慧农业科技股份有限公司参与无人农机研发；珠海欧比特宇航科技股份有限公司、乌鲁木齐气象卫星地面站参与高分遥感影像收集处理和高精度地图测绘；新疆恒丰现代农业科技股份有限公司、新疆昌吉国家农业高新技术产业示范区等单位负责应用示范。

8.6人才队伍建设成效小结

通过课题实施，培养博士、硕士研究生 21 名，团队教师出版学术专著 3 部，以研究生为第一作者发表论文 34 篇，开展集中培训 5 期 215 人次，为示范单位培养技术骨干 7 名，新疆农业大学农业信息化研究团队在智慧农场平台研发、农业物联网、农业遥感与人工智能应用等方面的科研能力得到显著提升。

九、成果综合评价与结论

Assessment & Conclusion

9.1成果创新性评价

第一，架构层面的开放性与自主可控。构建"端—云—用"协同架构的本地私有云微服务智慧农场平台，以 7 类 19 种分层 MQTT 主题实现农机、无人机、传感器等六类异构设备即插即用接入与指令双向闭环，突破了单一厂商封闭平台的局限；全栈开源软件与本地 Kubernetes 集群部署使农场集团能够自主掌控数据与系统。

第二，决策层面的模型化与智能化。将年度种植方案制定抽象为约束规划问题并以 CP-SAT 自动求解，将耕整播管收五环节作业抽象为全覆盖路径规划问题并输出可下发给无人农机的轨迹指令，并通过大模型 API 网关提供农业垂直领域问答，使平台从"数据展示和记录"走向"方案生成与决策支持"。

第三，数据层面的高精度与体系化。自主测绘 5 个示范农场高精度地图（16 类要素、1∶500 精度、平均 RMS 误差 0.027 m），建成包含 5.68 万条品种数据、341 种病虫害、119 篇标准等资源的农业大数据中心，为平台决策和农机自主作业提供了可靠的先验信息与数据基础。

9.2成果水平定位

• 软件质量：平台 Web 端 111 个测试项、地图数据系统 76 个测试项、App 9 项功能、数据融合与可视化系统全部检测项均符合要求，2 项软件取得软件产品证书，产品化程度较高。
• 与常见农场信息化系统相比：在多农场服务模式、私有云部署、异构设备统一接入、高精度空间数据、决策能力和农机作业衔接六个维度形成差异化特征（见表 5-1）。
• 关键算法：表 5-2 列出的 22 项代表性算法在公开或自建数据集上取得了优于对比方法的结果，相关成果发表于 Computers and Electronics in Agriculture、iScience 等期刊。
• 应用效果：5 个示范农场完成 2025 年生产周期应用，"平台决策 + 农机执行"技术体系在四种作物上的综合节省用工率为 59.36%～82.20%。

9.3成果转化与推广前景

成果已具备明确的转化基础：平台技术使用权已以 120 万元许可新疆丝路慧农信息科技有限公司实施，合同约定交付源代码及全套软件工程文档；平台与地图数据系统均持有软件产品证书；Kubernetes 部署规范、MQTT 设备接入规范和用户手册、在线课程等配套齐全。新疆大型集约化农场数量多、规模大，农场集团化管理需求突出，平台"一套平台服务多个农场"的设计和对异构农机设备的开放接入能力，具有在新疆兵团及地方农场集团推广的现实条件。

9.4验收结论建议

本成果目标明确、技术架构先进、关键技术突破实在、第三方测试完整、示范应用覆盖完整生产周期、实现技术转让、知识产权权属清晰、人才培养成效显著。建议认定本成果达到课题"研建农场智能平台 1 个"的约束性指标及任务一、二、四的预期目标。

9.5需补充完善的事项（如实列出）

1. 发明专利授权：3 件发明专利目前均处于公开阶段，尚未授权，建议跟踪实质审查进展；平台核心工程成果目前主要以软件著作权保护。
2. 佐证材料中的数据不一致：研发报告第 2.3 节称 Kubernetes 集群为 25 节点（3 控制 + 22 工作），与该报告第 5.3 节及验收总结报告的 14 节点（3 Master + 10 Worker + 1 MinIO）不一致；测绘报告"航摄田块要素面积"为 66694.24 亩，与研发报告和验收总结报告的 66699.24 亩不一致；研发报告第 9.2 节称培训 4 次 152 人次，而前 4 期人数合计为 173 人次（附件 I 为 5 期 215 人次）。建议统一口径。
3. 研发报告示范农场简介：第 9.1 节华兴阜康瑞丰达农场简介文字与华兴昌吉农场重复，丰收、天池源缔、农高区农场简介缺失；华兴昌吉农场 2023～2025 年种植结构三年数据完全相同。建议核实补充。
4. 大模型服务依赖：农事智能问答通过 API 网关调用外部通用大语言模型，研发报告显示网关部署于亚马逊云端；建议评估数据安全与服务可用性，逐步引入可本地部署的模型及农业知识库。
5. 示范用户提出的功能完善需求：种植方案需整合土壤、市场、气候预测等多源数据并生成多方案对比；农事问答需补充本地化知识库；地图需集成遥感影像并关联农事进展；环境感知需增加阈值报警；作业方案与路径规划需考虑机械调配、障碍物和土壤湿度并与农机自动驾驶导航直接连通；水肥决策需结合实时墒情与气象预测；设备管理需获取实时位置、油耗、工时等动态数据；品种与课程资源需进一步覆盖新疆主栽品种和"耕种管收"全环节。
6. 节省用工评测的边界：评测依托单一示范农场的代表性地块完成，部分环节由成果2装备执行，建议扩大到更多农场和地块，并单独评估平台在管理环节（方案编制、路径规划）带来的工时节省。

附录：佐证材料清单

Supporting Documents