Springer出版社推出的智慧农业系列丛书介绍了智慧农业技术的进展，包括但不限于作物收获机器人、大田作物无人机技术、植物工厂中的创新物联网应用以及优化生产过程的大数据。它包括理论研究和实际应用，重点是系统研究。将强调农业生产中的人工智能技术，包括创新算法和新的应用领域。此外，新的作物正在出现，如美国的大麻，也有覆盖。这一系列书籍将覆盖世界各地，如美国、加拿大、中国、日本、韩国和巴西。

　　智慧农业系列丛书旨在为跨学科研究人员提供一个学术平台，提供与智慧农业相关的最新技术。鼓励不同学术背景的研究人员为本书做出贡献，例如农业工程师、育种者、园艺家、农学家和植物病理学家。这套书的目标读者非常广泛—所有与农业生产有关的专业人员。它也可以作为研究生的教科书。

　　由Zhao ZHANG, Hu LIU, Ce YANG, Yiannis AMPATZIDIS, Jianfeng ZHOU和Yu JIANG编著的《Unmanned Aerial Systems in Precision Agriculture》(《精准农业中的无人机系统》)刚出版不久。全书共8章，描述了无人机(UAV)在精准农业中的技术进步和应用。它专注于无人机在农业中的应用，如作物病害检测，季中产量估计，作物养分状况和高通量表型。与专注于特定应用的个别论文不同，本书为具有广泛主题的读者提供了一个整体的观点。除了植物科学，植物病理学，育种，工程领域的研究人员外，它还面向对成像处理，农业人工智能，精准农业，农业自动化和机器人技术感兴趣的本科生和研究生。植物表型资讯组织专业编辑人员做了系统介绍，将分8期推出。

　　小麦是世界上的重要粮食作物，倒伏是限制其产量的关键因素。准确、客观、及时地评估小麦倒伏状况对许多利益相关者来说非常重要。由于传统的观察方法效率低、费力、主观且不可靠，因此需要一种自动方法来取代手动方法。在本研究中，从无人机(UAV)采集的整个实验现场图像中提取的基于超绿的现场图自动数据集生成方法可以很容易地应用于类似的工作流程。对于小麦倒伏率(考虑三个等级)的检测，从ResNet50和GoogLeNet的深度特征与支持向量机(SVM)分类器的比较来看，建议采用ResNet50的深度特征，其检测精度更高。选定的ResNet50深度特征与手工制作的特征相比，产生了更高的准确性，同时应用起来更简单，不需要领域知识，进而实现了小麦倒伏率检测的自动特征提取。初始倒伏发生后的时间效应表明，无人机任务数据应在倒伏发生后不久进行收集，这将产生更高的检测精度，因为在早期阶段有更好的颜色对比，避免作物成熟期间的自然颜色损失导致检测精度降低。与GoogLeNet和手工制作的特征不同，ResNet50的特征产生了一个稳健的模型，在初始倒伏后的第一和第二周的时间范围内，预测的准确性没有降低。本研究表明，对实验田的无人机图像(在最初的倒伏后较早(1-2周)采集)应用自动数据集生成方法，并采用ResNet50提取的深层特征加上SVM分类器，是检测小麦倒伏率的有效方法，其准确率超过70%。

　　图1使用无人机(UAV)结合支持向量机分类器的手工和深度特征，在小麦倒伏发生后的不同日期检测小麦倒伏的一般程序流程图。

　　图2 小麦倒伏研究试验田的布局和位置。

　　图3开发了从实验田中自动生成单个小麦倒伏地块数据集的方法。

　　图4 根据日期(a)和不同模型(b)，使用支持向量机分类器对深层特征进行模型精度比较。日期1、2和3分别表示2020年7月23日、7月28日和8月11日。

　　图5基于手工制作的特征对三个日期的检测精度。日期1、2、3分别表示2020年7月23日、7月28日和8月11日。

　　图6使用支持向量机分类器的深度和手工特征的准确性比较。日期1、2、3分别表示2020年7月23日、7月28日和8月11日。

　　智慧农业系列丛书介绍了智慧农业技术的进展，包括但不限于作物收获机器人、大田作物无人机技术、植物工厂中的创新物联网应用以及优化生产过程的大数据。它包括理论研究和实际应用，重点是系统研究。将强调农业生产中的人工智能技术，包括创新算法和新的应用领域。此外，新的作物正在出现，如美国的大麻，也有覆盖。这一系列书籍将覆盖世界各地，如美国、加拿大、中国、日本、韩国和巴西。

　　智慧农业系列丛书旨在为跨学科研究人员提供一个学术平台，提供与智慧农业相关的最新技术。鼓励不同学术背景的研究人员为本书做出贡献，例如农业工程师、育种者、园艺家、农学家和植物病理学家。这套书的目标读者非常广泛—所有与农业生产有关的专业人员。它也可以作为研究生的教科书。

　　本书共8章，描述了无人机(UAV)在精准农业中的技术进步和应用。它专注于无人机在农业中的应用，如作物病害检测，季中产量估计，作物养分状况和高通量表型。与专注于特定应用的个别论文不同，本书为具有广泛主题的读者提供了一个整体的观点。除了植物科学，植物病理学，育种，工程领域的研究人员外，它还面向对成像处理，农业人工智能，精准农业，农业自动化和机器人技术感兴趣的本科生和研究生。

　　来源：Zhang, Z, Liu, H, Yang, C, et al. Unmanned Aerial Systems in Precision Agriculture [M]. Springer, Singapore, 2022.

　　https://doi.org/10.1007/978-981-19-2027-1_4

　　编辑：小王博士在努力