数字孪生驱动的温室大棚3D智能管理平台构建_魏东.pdf

引用本文格式 魏东 张玉尧 刘正 等 数字孪生驱动的温室大棚3D智能管理平台构建 J 农业工程 2025 15 12 29 35 DOI 10 19998 ki 2095 1795 202512305 WEI Dong ZHANG Yuyao LIU Zheng et al 3D intelligent management platform construction for greenhouse driven by digital twins J Agricultural Engineering 2025 15 12 29 35 数字孪生驱动的温室大棚3D智能管理平台构建 魏 东 张玉尧 刘 正 乔 璐 张晨阳 张 辉 河南省农业科学院农业经济与农村发展研究所 河南 郑州 450000 摘 要 针对传统温室大棚管理中存在的信息孤岛 调控滞后及资源浪费等问题 提出一种基于数字孪生技术的温室 3D智能管理平台 以下简称智能管理平台 构建方法 通过融合物理机理建模与机器学习技术 构建双向动态映射的 数字孪生模型 实现温室环境数据的实时采集 模型更新与闭环控制 智能管理平台采用分层架构设计 集成多源感知 网络 边缘计算 3D可视化及智能决策算法 支持从数据采集到策略反馈的全流程闭环管理 试验表明 智能管理平 台可显著提升温室管理效率 温度预测均方根误差降低70 用电量减少20 用水量减少25 同时 番茄单株产量 提升14 6 果实品质 糖度 维生素C含量 及商品果率显著优化 研究成果为智慧农业精准化 智能化管理提供了 理论支撑与技术参考 关键词 数字孪生 温室大棚 3D可视化 多目标优化 智能管理平台 中图分类号 S24 文献标识码 A 文章编号 2095 1795 2025 12 0029 07 DOI 10 19998 ki 2095 1795 202512305 3D intelligent management platform construction for greenhouse driven by digital twins WEI Dong ZHANG Yuyao LIU Zheng QIAO Lu ZHANG Chenyang ZHANG Hui Institute of Agricultural Economics and Rural Development Henan Academy of Agricultural Sciences Zhengzhou Henan 450000 China Abstract In response to problems such as information silos delayed regulation and resource wastage in traditional greenhouse man agement a method for constructing a 3D intelligent greenhouse management platform based on digital twin technology referred to as in telligent management platform was proposed By integrating physical mechanism modelling with machine learning technology a two way dynamic mapping digital twin model was constructed to achieve real time collection of greenhouse environmental data model up dates and closed loop control Intelligent management platform adopted a layered architecture design integrating multi source sensing networks edge computing 3D visualisation and intelligent decision making algorithms to support whole process closed loop manage ment from data collection to strategy feedback Experiments showed that intelligent management platform significantly improved green house management efficiency with a 70 reduction in root mean square error for temperature prediction 20 decrease in electricity consumption and 25 decrease in water consumption Concurrently of tomato single plant yield increased by 14 6 while fruit quality sugar content vitamin C content and commercial fruit rate were significantly optimized Research results provided theoretic al support and technical reference for precision and intelligent management in smart agriculture Keywords digital twin greenhouse 3D visualisation multi objective optimization intelligent management platform 0 引言 近年来 数字孪生技术通过物理实体与虚拟模型 的深度融合 为复杂系统的实时监控与优化提供了新 范式 数字孪生驱动的温室大棚3D智能管理平台 以 下简称智能管理平台 构建研究近年来呈现多学科交 叉融合趋势 刘牧阳等 1 提出的农业园区综合能源系 统 ICES 架构 通过电能路由器的柔性调控实现作 物多阶段生长需求的动态供能 为智能管理平台的能 源优化模块提供了底层支撑 唐斌等 2 开发的LoRa物 联网与Unity3D虚拟现实驾驶舱 通过低于200 ms的 低延时数据交互实现虚实映射 为智能管理平台构建 收稿日期 2025 05 14 修回日期 2025 07 04 作者简介 魏东 研究实习员 主要从事农业数据研究 E mail 54928382 张辉 通信作者 副研究员 主要从事农业数据研究 E mail zhanghui 第 15 卷 第 12 期农 业 工 程Vol 15 No 12 2025 年 12 月AGRICULTURAL ENGINEERING Dec 2025 提供实时渲染技术参考 林娜等 3 从系统论角度提出 农业智慧园区数字孪生架构 通过物理实体与数字空 间的深度融合构建连接 感知 决策 控制闭环 为智能 管理平台整体框架设计确立了方法论基础 赵春江等 4 引入大语言模型构建的阶段式智能体集合 达到99 7 的生长阶段识别精度和98 的建模准确率 显著提升 了蔬菜作物数字孪生模型的动态预测能力 胡斌等 5 在冷链仓储场景中验证的多源异构数据融合策略与热 力分布优化算法 为智能管理平台环境参数的精准调 控提供了跨领域技术迁移可能 朱旭东等 6 赖禄安 等 7 基于LabVIEW和通用引擎开发的孪生系统 实证 了数字孪生技术在温室三维可视化与设备远程控制中 的可行性 但系统智能化程度仍有提升空间 徐辉歌 8 基于PID算法温控模型 李红莎 9 基于BIM的可视化 管理架构 分别从控制算法和全生命周期管理维度完 善智能管理平台功能模块 综合已有研究 智能管理 平台构建需融合能源优化 生长建模 3D可视化和智 能控制等多重技术 亟待建立跨尺度 多物理场的协 同优化机制 实现真正意义上的虚实共生 1 相关理论与技术基础 1 1 数字孪生技术框架 1 1 1 物理实体与虚拟模型的双向映射 数字孪生技术通过物理实体与虚拟模型的双向数 据流动与控制实现动态交互 如图1所示 物理实体 通过传感器采集环境数据传输至虚拟模型 模型基于 物理规则和实时数据进行3D可视化和仿真预测 10 虚拟模型生成控制指令下发至物理实体执行机构 形 成闭环反馈 优化物理实体运行 图1 数字孪生双向映射流程 Fig 1 Two way mapping flowchart for digital twin 1 1 2 实时数据驱动的模型更新机制 为实现虚拟模型与物理实体的同步演化 需建立 实时数据驱动的动态更新流程 如图2所示 首先 通过物联网设备采集数据 并采用轻量级协议实现低 延迟传输 其次 利用增量式更新算法校准虚拟模型 参数 保持模型精度 最后 通过时间戳对齐和状态 对比 确保虚拟模型与物理实体的误差在设定阈值范 围内 从而保持模型的一致性和准确性 图2 实时模型更新流程 Fig 2 Real time model update flowchart 1 2 温室环境多源感知技术 1 2 1 传感器网络设计 温室环境感知网络需精准监测温度 湿度 光照 和二氧化碳浓度等关键参数 设计要点主要是传感器 选型 温湿度传感器 温度 40 80 C 0 5 C 湿 度20 80 RH 3 RH 光合有效辐射传感器 400 700 nm 0 2 000 mol m2 s 二氧化碳 浓度传感器 0 5 000 10 6 为解决多传感器数据冲 突 采用加权平均法融合数据 降低随机误差 x n i 1 wixi n i 1 wi 1 1 x式中 多传感器融合后目标环境参数 n 参与数据融合传感器数量 wi 传感器权重 依据历史误差率动态调整 xi 第i个传感器采集原始数据 1 2 2 边缘计算与数据传输协议 边缘计算架构通过本地预处理数据减少延迟和能 耗 边缘节点 如树莓派 进行数据滤波 中值滤波 和异常检测 3倍标准差 采用计算卸载策略 根据 任务总延迟决定本地处理或云端卸载 以最小化能耗 数据传输方面 使用MQTT协议 发布订阅 低频小 数据 或CoAP协议 RESTful UDP 低功耗 高丢 包率 确保数据处理效率和传输可靠性 1 3 3D建模与可视化技术 1 3 1 Unity3D UE4引擎选型 智能管理平台需平衡渲染效果与实时交互性能 主流引擎对比如表1所示 在选择引擎时 如果需要快速构建轻量化Web端 可视化平台 如用于移动端远程监控 Unity3D是优先 选择 因其在快速开发和多平台支持方面具有优 势 11 如果追求高精度光影效果与物理仿真 如进行 作物冠层光分布模拟 Unreal Engine 4 UE4 则更为 30 农业工程信息与智能化 适合 1 3 2 作物生长模型与动态渲染方法 L系统 lindenmayer system 通过字符串迭代规则 模拟植物拓扑结构生长 表达式为 0 A AB B A 2 式中 0 初始符号串 A B 生长规则符号 迭代生成分支结构 使用顶点着色器模拟叶片随风摆动效果 表达 式为 y Asin t kx 3 式中 y 叶片沿三维坐标系y轴摆动位移 A 振幅 频率 t 时间 k 波数 x 叶片沿三维坐标系x轴摆动位移 2 智能管理平台架构设计与关键技术 2 1 智能管理平台架构 采用分层模块化设计 智能管理平台架构流程如 图3所示 感知层负责数据采集 传输层负责数据预 处理和传输 孪生层负责状态映射 环境预测和策略 生成 应用层提供人机交互 下发指令并监控结果 反馈控制流 指令下发至感知层执行 传感器监测结 果 触发新循环 实现持续优化调控 2 2 核心模块实现 2 2 1 数字孪生模型构建 1 物理机理建模 在物理机理建模中 采用热 传导和湿度扩散的方程来描述温室环境中基本物理 现象 温度变化遵循经典的热传导方程 其形式为 T r t t 2T r t x2 Q r t 4 式中 T r t 温度 r 空间坐标 热扩散系数 Q r t 热源项 在实际应用中 热源项可以根据具体的加热装置 光照强度等因素进行定义 湿度变化也遵循扩散方程 12 其形式为 H r t t D 2H r t x2 S r t 5 式中 H r t 湿度 D 湿度扩散系数 S r t 湿度源项 f xi yi gni 1 2 机器学习建模 假设有一组历史采集的数据 集 其中xi为环境变量 如温度 湿度等 yi为目标变量 如作物生长状态等 13 采用线性回 归模型来拟合这些数据 模型形式为 yi 0 1xi1 2xi2 mxim 2i 6 式中 0 1 2 m 回归系数 2i 误差项 xim 第i个样本第m个环境变量 通过最小化均方误差 MSE 可以估计回归系 数 j L 1n n i 1 y i 0 1xi1 2xi2 mxim 2 7 式中 L 回归模型损失函数 均方误差 表 1 引擎选型分析 Tab 1 Engine selection analysis 特性 Unity3D Unreal Engine 4 UE4 开发语言 C C 蓝图可视化编程 渲染效果 中等 依赖插件增强 高 内置光线追踪与物理渲染 PBR 跨平台支持 支 持 WebGL Android iOS等 主 攻 PC 主机平台 移动端优化复杂 学习成本 低 社区资源丰富 高 需掌握复杂材质系统 实时数据接口 易集 成 MQTT WebSocket 需通 过 C 插件扩展 适用场景 轻量 化 Web端 快速开发 高画质仿真 复杂物理交互 图3 智能管理平台架构流程 Fig 3 Intelligent management platform architecture flowchart 魏东 等 数字孪生驱动的温室大棚3D智能管理平台构建 31 回归系数集合 为了优化这些系数 使用梯度下降算法进行 求解 k 1j kj L j 8 k 1j式中 第k次迭代时第j个回归系数取值 k 迭代次数 初始k 0 直至损失函数收敛 学习率 L j 损失函数对 j的偏导数 3 参数校准与动态更新 为了确保模型能够适 应温室环境中动态变化 采用增量式学习方法对模型 进行实时更新 每当采集到新的数据时 更新模型参 数为 t 1 t L t 9 式中 t 当前模型参数 L t 损失函数对当前参数的梯度 增量式学习确保模型能够在数据流入时及时调整 从而提高预测精度 2 2 2 3D可视化交互界面 点云数据由激光扫描仪采集 形成一个三维空间 中的离散点集 2 每个点的位置通过三维坐标系xi yi zi来描述 表示温室中每个点的空间位置 点云数据表 达式为 P f xi yi zi gki 1 10 式中 P 点云数据集 k 点总数 xi yi zi 第i个离散点三维空间坐标 对应 温室坐标系的x y z轴 每个点都具有空间坐标信息 形成一个离散的点 集 代表温室内的各个位置 对于复杂的几何形态 Delaunay三角剖分算法对 点云进行三角化处理 生成适应点云形状的三维网格 重建后的三维模型表示式为 Mesh P 3D Mesh 11 式中 Mesh P 三维网格生成函数 输入点云P 输出包含面 边 顶点三维网格模型 3D Mesh 最终温室三维网格模型 包含墙 体 屋顶 作物冠层等几何特征 通过BIM与点云数据的融合 最终形成一个全面 的三维数字模型 能够准确反映温室的空间结构和各 个组件 假设温室内部署m个传感器 每个传感器坐标为 si xi yi zi 并且每个传感器测量温度Ti和湿度Hi 为 将这些离散的数据映射到三维模型中 使用插值算法 对传感器数据进行空间插值 给定空间点P x y z 计算该点温度和湿度 T x y z m i 1 Ti wi x y z 12 式中 T x y z 三维空间点的插值温度 Ti 第i个温度传感器实测值 wi x y z 传感器i对点P x y z 权重 通常根据传感器距离的倒数进行加权 wi x y z 1 x y z x i yi zi 13 式中 x y z xi yi zi 第i个传感器三维安装坐标 通过将这些数据叠加到三维温室模型中 能够实 时查看温室内各个位置的环境状态 为了确保温室环境的稳定性 还加入异常检测和 告警功能 当温度 湿度或二氧化碳浓度等参数超过 设定阈值时 系统会触发告警 并显示在可视化界面 上 异常检测表达式为 if Ti Tth or Hi Hth then trigger alert 14 式中 Ti Hi 第i个温湿度传感器实测值 Tth Hth 温度和湿度阈值 当传感器测量值超过湿度和温度阈值时 系统认 为该区域环境状态异常 触发告警 2 2 3 智能决策算法 x1 x2 xn 1 多目标优化模型 假设温室环境控制问题可 通过以下数学模型来描述 设决策变量 表示影响温室环境的变量 如温度 湿度 光照强度 和二氧化碳浓度等 14 优化目标有能耗最小化和产量 最大化 能耗最小化 f1 x 是能耗函数 表示温室内部环境 控制所需能量消耗 f1 x m i 1 Ei x m i 1 Pi ti 15 式中 E1 x 第i个设备 如空调 灯光 灌溉系统 等 能量消耗 Pi 设备功率 ti 运行时间 产量最大化 f2 x 是作物产量函数 表示温室内作 物的最终产量 产量是多种因素的函数 如温度 湿 度 光照等 f2 x Y x 1T x 2H x 3L x 4C x 16 式中 Y x 作物产量 T x 温度 H x 湿度 L x 光照 C x 二氧化碳浓度 32 农业工程信息与智能化 1 2 3 4 各个变量权重系数 优化问题的目标是最小化能耗和最大化产量 给 定约束条件gi x 0 即温室环境条件和设备运行限制 minimize f1 x maximize f2 x subject to gi x 0 i 1 2 q 17 式中 gi x 第i个约束条件 q 约束条件总数 2 遗传算法求解 遗传算法 GA 通过模拟 自然选择的过程来找到Pareto最优解 其步骤如下 初始化种群 随机生成多个解xi 每个解表示一组 温室环境变量 评估适应度 对每个解xi 计算其能耗f1 xi 和产 量f2 xi 选择 根据适应度选择出更优的个体进行繁殖 交叉与变异 通过交叉操作产生新个体 并对部 分个体进行变异 更新种群 将新生成的个体加入种群 进入下一代 3 试验验证与应用案例 3 1 试验环境搭建 试验依托位于河南省新乡市平原示范区河南现代 农业研究开发基地信息所智能温室 温室基础参数与 传感器部署如表2所示 试验系统硬件分为边缘计算 节点与执行机构两部分 如表3所示 核心配置包括传感器优化 边缘协同与智能控制 温 湿度传感器采用5点梅花布局 二氧化碳浓度传感 器聚焦作物冠层 边缘端由树莓派滤波压缩数据 Jetson Nano运行TensorRT加速模型确保50 ms内响 应 执行端采用模糊PID调节风机转速 光照超 800 mol m2 s 时自动控制遮阳帘 3 2 系统性能评估 试验设计基于示范温室连续30 d运行数据 采集 温度 湿度 光照及设备状态信息 采样间隔1 min 共获得43 200条样本 对比模型包括传统纯物理模型 和本研究提出的数字孪生物理数据混合模型 以下简 称数字孪生模型 评估指标涵盖模型精度和响应时 间 其中模型精度采用均方根误差衡量 响应时间则 统计从数据采集到设备执行的总延迟 试验对比传统模型与数字孪生模型对24 h温室温 度的预测效果 采样间隔30 min 如图4所示 实 际温度在10 30 C之间波动 传统模型因未考虑遮阳 帘调节 在正午强光照时段 12 00 14 00 出现最大 误差3 5 C 圴方根误差达2 3 C 而数字孪生模型通 过实时补偿环境扰动 最大误差仅1 2 C 均方根误差 降至0 7 C 降低了70 在光照 800 mol m2 s 时误差波动仅0 5 C 展现出更强的鲁棒性 为验证系统高负载适应性 设置两种传感器数据 更新负载场景进行压力测试 结果如图5所示 正常 负载时 95 请求延迟低于6 s 高负载时 92 请求 在10 s内完成 仅3 请求超过12 s 延迟构成中 模 型推理占比最高 其次为数据传输和指令下发 结果 表明 数字孪生模型具备高负载扩展能力 主要瓶颈 在于模型计算模块 3 3 应用成效分析 3 3 1 节能率提升 6个月运行数据显示 数字孪生模型较传统模型显 表 2 试验环境参数 Tab 2 Experimental environment parameters 类别 参数 数值 描述 结构参数 面积 长 宽 高 m 30 10 4覆盖材料 双层中 空 PC板 透光 率 85 作物参数 种植类型 番茄 品种红宝石 生长阶段 开花坐果期 定植 后 60 d 传感器部署 温湿度传感器 个 15 均匀分布 间 距 5 m CO2浓度传感器 个 5 冠层高 度 1 5 m 光照传感器 个 8 顶部与作物层 各 4个 摄像头 台 3 广角监控 多光谱成像 表 3 硬件设置 Tab 3 Hardware settings 设备类型 品牌型号 参数 数量 功能说明 边缘服务器 树莓 派 4B 4GB RAM 台 2 数据清洗 异常检测 协议转换Jetson Nano GPU加速 台 1 运行数字孪生模型与轻量 化 AI技术 执行机构 变频风机 0 3 000 r min 台 6 通风降温 PID控制 电动遮阳帘 开 度 0 100 组 4 光照强度调节 滴灌系统 电磁阀控制 套 1 按需灌溉 流量精度 5 通信模块 LoRa网关 868 MHz 个 1 远程指令下发与状态监控 魏东 等 数字孪生驱动的温室大棚3D智能管理平台构建 33 著降低资源消耗 图6 电力方面 通过智能调光 照明能耗降40 变频风机 能耗降28 和优 化加热 能耗降22 月均用电量从2 850 kW h降至 2 280 kW h 节能20 水资源方面 基于实时监测 的动态灌溉使月均用水量从120 m3减至90 m3 节水 25 总资源消耗降低 尤其在3月阴雨天气中表现最 优 充分验证其对环境波动的自适应优化能力 3 3 2 产量与品质提升 以番茄种植为例 数字孪生模型通过光 温 水协 同调控 显著提升产量与果实品质 结果如表4所示 数字孪生模型通过精准调控环境显著提升作物产 量与品质 优化昼夜温差 昼25 C 夜16 C 使单 株结果数增加18 控制二氧化碳浓度 800 1 200 10 6 提升光能利用率15 采用4 1红蓝光配比促 进糖分合成 果实糖度达6 3 Brix 维生素C含量增 加18 10 实施梯度湿度控制 冠层70 根部60 使商品果率从82 提升至93 大幅提高经济效益 由图7可知 数字孪生模型显著提升番茄产量与 品质 年均单株产量达9 4 kg 全年产量波动从 6 缩 小至 3 通过智能调控 在3月阴雨期保持9 5 kg 株 产量 图7 番茄产量对比 Fig 7 Tomato yield comparison 4 结束语 本研究开发了基于数字孪生技术的3D智能温室管 理平台 通过融合机理建模与机器学习 构建双向动 态映射的数字孪生模型 试验表明 数字孪生模型显 著提升管理效能 温度预测误差 均方根误差 降低70 用电量 减少20 和用水量 减少 25 均明显改善 番茄单株产量提升14 6 糖度与 维生素C含量分别提高10 50 和18 10 裂果率减 少7个百分点 尽管存在模型泛化性和高负载延迟等 局限 但本研究为智慧农业提供了有效的精准化管理 方案 未来将拓展多作物适应性并探索与区块链等新 技术的融合 参考文献 刘牧阳 赵利鹏 陈俊儒 等 计及作物多阶段生长需求的智能 化农业综合能源系统能量管理策略研究 J OL 电网技术 2025 1 13 2025 04 27 2025 05 10 j 1000 3673 pst 2024 2110 LIU Muyang ZHAO Lipeng CHEN Junru et al Research on en ergy management strategies for intelligent agricultural integrated energy 1 表 4 系统产量对比 Tab 4 System output comparison 指标 传统模型 数字孪生模型 提升幅度 单株产量 kg 8 2 1 3 9 4 0 9 14 60 糖度 Brix 5 7 0 5 6 3 0 4 10 50 维生 素 C含量 mg 100 g 1 18 2 2 1 21 5 1 8 18 10 裂果率 12 5 7个百分点 图4 模型精度对比 温度预测 Fig 4 Model accuracy comparison temperature prediction 图5 决策响应时间分布 Fig 5 Decision response time distribution 图6 能耗对比 Fig 6 Energy consumption comparison 34 农业工程信息与智能化 systems considering multi stage growth requirements of crops J OL Power System Technology 2025 1 13 2025 04 27 2025 05 10 唐斌 杨子毅 姚聪 等 基于Unity3D和LoRa物联网的农业 大棚监测系统虚拟现实数字驾驶舱设计 J 计算机测量与控制 2025 33 8 60 71 TANG Bin YANG Ziyi YAO Cong et al Design of virtual reality digital cockpit for agricultural greenhouse monitoring system based on Unity3D and LoRa loT J Computer Measurement Control 2025 33 8 60 71 2 林娜 赵健 陈宏 等 农业智慧园区数字孪生构建研究 J OL 中国农业科技导报 2025 1 9 2025 04 15 2025 05 10 LIN Na ZHAO Jian CHEN Hong et al Research on construction of digital twin of agricultural smart park J OL Journal of Agricultural Science and Technology 2025 1 9 2025 04 15 2025 05 10 3 赵春江 李静晨 吴华瑞 等 基于大语言模型推理的数字孪生 平台蔬菜作物生长模型研究 J 智慧农业 中英文 2024 6 63 71 ZHAO Chunjiang LI Jingchen WU Huarui et al Vegetable crop growth modeling in digital twin platform based on large language model inference J Smart Agriculture 2024 6 63 71 4 胡斌 郭慧 陶雄杰 面向冷链智能立体仓库的数字孪生系统构 建 J 包装工程 2024 45 1 191 200 HU Bin GUO Hui TAO Xiongjie Construction of digital twin sys tem for cold chain intelligent stereo warehouse J Packaging Engineer ing 2024 45 1 191 200 5 朱旭东 李卓群 薛文初 基于数字孪生的新能源智能温室控制 系统设计 J 电子制作 2023 31 22 55 59 6 赖禄安 陈婷 常杰 等 基于数字孪生的温室大棚可视化监控 系统研究 J 农业装备与车辆工程 2023 61 2 128 131 LAI Lu an CHEN Ting CHANG Jie et al Research on visualiza tion monitoring system of greenhouse based on digital twin J Agricul tural Equipment Vehicle Engineering 2023 61 2 128 131 7 徐辉歌 一种数学控制算法下农作物智能管理系统设计 J 农 机化研究 2023 45 7 90 93 XU Huige Design of crop intelligent management system based on 8 mathematical control algorithm J Journal of Agricultural Mechaniza tion Research 2023 45 7 90 93 李红莎 基于BIM设计思维的农业智能管理系统设计 J 农机 化研究 2023 45 1 128 132 LI Hongsha Design of agricultural intelligent management system based on BIM design thinking J Journal of Agricultural Mechanization Re search 2023 45 1 128 132 9 王纪章 王涛 付益辉 等 数字孪生技术在农业生产管控中的 应用现状与展望 J 农业机械学报 2024 55 9 1 20 WANG Jizhang WANG Tao FU Yihui et al Application status and development prospects of digital twin technology in agricultural pro duction process control J Transactions of the Chinese Society for Ag ricultural Machinery 2024 55 9 1 20 10 杨悦 杨贵军 龙慧灵 等 基于遥感时序物候特征的耕地非粮 化多模式监测方法 J 农业工程学报 2024 40 2 283 294 YANG Yue YANG Guijun LONG Huiling et al Multi modal re cognition method for non grain cropland using remote sensing time series J Transactions of the Chinese Society of Agricultural Engineer ing 2024 40 2 283 294 11 赵士肄 闫金凤 杜佳雪 基于面向对象结合随机森林模型的 Sentinel 2A影像耕地信息提取 J 河南理工大学学报 自然科学 版 2023 42 2 55 61 ZHAO Shiyi YAN Jinfeng DU Jiaxue Sentinel 2A image cultiv ated land information extraction based on object oriented and random forest model J Journal of Henan Polytechnic University Natural Sci ence 2023 42 2 55 61 12 杨书搏 刘元义 于圣洁 等 基于逆向工程的设施农业就地翻 土犁设计与试验 J 中国农机化学报 2023 44 12 60 65 YANG Shubo LIU Yuanyi YU Shengjie et al Design and test of in situ tilling plow for facility agriculture based on reverse engineering J Journal of Chinese Agricultural Mechanization 2023 44 12 60 65 13 汪卿 徐国祺 邱雨欣 等 基于单片机的环境感知自动花架设 计 J 森林工程 2021 37 1 53 58 WANG Qing XU Guoqi QIU Yuxin et al Design of environment sensing automatic flower frame based on SCM J Forest Engineering 2021 37 1 53 58 14 魏东 等 数字孪生驱动的温室大棚3D智能管理平台构建 35