播种机智能检测技术研究*

李润涛，王宪良，姚艳春，魏忠彩，周华，张祥彩

(山东理工大学农业工程与食品科学学院，山东淄博，255000)

0 引言

播种是粮食生产的关键环节，播种质量的好坏直接影响粮食的产量。均匀播种有助于作物充分利用阳光，促进作物均匀生长；同时，均匀生长作物的覆盖将减少土层表面的光照，进而抑制杂草的生长。但根据相关数据统计，国内每年的漏播土地面积与日本耕作面积相近[1]，因此，如何提高播种质量成为当前研究热点。通过优化排种器结构提高排种性能可达到减少漏播重播等问题，但研发周期较长，且不能绝对避免漏播和重播等问题。排种过程中出现漏播和排种不均的现象，主要是由排种器穴位缺种以及地轮打滑引发排种器短暂停转造成的。排种检测装置可以对排种过程进行实时监测，当出现漏播情况时通过补种机构进行补种，从而降低损失。变量播种技术解决了地轮打滑造成的排种不均问题[2]，为精准农业的发展奠定了基础[3]。

播种机智能检测是使用传感器对播种机的排种质量和运行状态进行实时检测。目前，排种检测主要应用光电、电容、压电和视觉传感器等[4]；变量播种技术通过传感器检测出机具前进速度，结合处方图推算出排种器的转速大小，实现变量播种。随着农业信息化技术的发展，播种作业更加注重高效率、高质量和低损耗；漏播检测技术与补种装置的结合提高了播种质量和作业效率，变量播种技术与GIS处方图结合并根据土壤条件进行变量作业，有效节约种子，提高排种质量。

本文主要分析智能播种检测装备的研究现状，结合不同的检测方法，分析各检测方法所用传感器的结构特点和功能原理，总结不同传感器在实际应用中存在的不足，针对不同传感器归纳其优缺点和使用范围，为播种机智能检测技术的进一步研究提供依据。

1 播种检测技术

播种检测数据的精确度对于播种质量的提高尤为重要，精确地检测数据可以使播种机执行更精准的动作。播种检测主要包括料位检测以及播种过程中的漏播检测。

1.1 种箱料位检测

种箱料位的检测是使用检测装置实时检测种箱种量，当检测到种箱排空时通过警报信息提醒操作人员进行填种，及时遏制漏播现象；通过种箱料位检测反馈的信息可以获取单位面积土地所需种量，为下一年的土地播种量提供数据指导。研究者针对料位的检测进行了大量的研究，赵明岩[5]运用Comsol Multiphysics软件对矩形和圆环形两种电容电极进行仿真分析，得出使用矩形电极作为料位传感器时与料位高度的相关性最高，其检测误差率小于6%。田雅楠[6]以STC89C52单片机为核心研制了一种基于电容法的肥箱料位传感器检测系统，该系统通过料位变化引起电容量的变化来检测料位，经过程序分析计算后将测量料位显示在数码管上，经田间试验得检测相对误差为2.19%。采用电容传感器检测料位受温度和物料湿度影响较大，当更换物料时对应的检测结果将发生改变，所以电容传感器检测料位较适用于物料比较单一的情况下进行检测；因此，黄操军等[7]在种箱内均匀安装了16个红外发射接收传感器，通过循环检测16个红外传感器，当料位下降时以红外传感器是否被遮挡作为标识来检测料位高度，其检测误差小于5.5%。采用红外传感器检测法具有工作稳定、结构简单等优势，但当物料不平整时检测误差较大，所以采用光电传感器只能粗略估计种箱料位的大小。

针对使用光电和电容传感器对料位进行检测存在上述问题，Bergeijk等[8]使用动态称量的方法进行料位检测，将动态称量的数据与地理位置信息结合，以确定空间施肥量的大小，起到了实时检测料位的作用，其检测误差低于5%。采用动态称量的方法可较精确地获取到物料量，但在田间实际运行中存在路面不平整导致播种机存在倾斜会使得检测不准确。针对物料表面不平整时检测误差较大，刘时亮[9]运用超声波测距的原理对固体物料的料位进行检测，将多个超声波探头组成阵列，安装在容器顶部，通过超声波探头反馈的数据，计算出箱体中物料的平均料位。运用多个超声波或者雷达[10-11]传感器对料位进行检测可以达到较高的检测精度，但检测物体与检测探头较近时，响应时间极短，此时测量误差较大。针对这一问题，Crider[12]设计了一种具有超声波传感器和电容接近开关传感器的物料检测传感器，当距离较小时应用电容传感器对物料的料位进行检测，当距离较大时应用超声波传感器进行检测，有效解决了使用单个传感器检测料位存在的不足。综上分析，采用动态称量法以及多传感器检测的方法对料箱进行检测可以排除物料不平整等造成的误差，以及光电传感器和电容传感器在料位检测中存在检测精度不高等问题；但在丘陵山区以及倾斜地块作业时存在其他方向的分力，使得动态称量法存在较大检测误差，可考虑使用多维力传感器设计称量装置，提高检测精度。

在高温等特殊环境下应用电子传感器并不能满足要求，因此在料位检测的研究中，陶孙杰等[13]为解决特殊环境的物料检测难题，运用重锤探测机械式传感器与单片机组成的智能化料位检测系统。现有的料位检测装置可以达到有效地检测，但检测精度仍需进一步提高；随着播种机智能化的发展，在大田作业中将播量预测与路径规划结合，通过对料位的检测判断最佳填料地点，避免在作业中段处出现排空现象，减少对土地的二次碾压。

1.2 漏播检测

排种器在田间工作过程中，由于机械振动、排种器磨损导致精度降低等问题，不可避免地导致播种作业漏播和重播，进而影响播种质量，降低产量。随着计算机技术和传感器技术的发展，研究人员针对排种过程中出现的漏播和重播问题做了广泛的研究，衍生出了多种检测方法，主要有光电检测法、电容检测法、压电检测法以及机器视觉检测法。由于光电传感器和电容传感器具有结构简单、成本低廉等优势，目前光电和电容检测法运用较多。

1.2.1 光电检测法

光电检测法是目前使用较为广泛的检测方法之一。该方法使用的光电传感器由发射端和接收端组成，当种子下落时遮挡住发射端发射的光线使得接收端的光照强度发声改变，引起电信号发生相应的改变，再将变化的电信号传送到处理器进行相应的逻辑判断，得出是否漏播和重播等问题。研究人员主要从传感器的布置、信号处理和逻辑分析方法以及传感器抗尘机构的设计3方面进行研究，具体如下。

传统的光电检测装置是单个传感器按照对置的方式排布，如Garcia等[14]基于红外光电传感器研制了排种检测系统，当发生堵塞时，通过故障灯提示操作者，但当所检测颗粒较小时会存在检测盲区。因此，戈天剑、郑雯璐、刘坤等通过在导种管内并列或者交叉安装多个光电传感器，使得检测系统更加稳定可靠且实现了无盲区检测，平均检测精度高于96%。同时，王在满等[15]采用面源式光电传感器环形布置方式获取稻种在排种管中的运动信息，经台架试验表明，平均检测误差低于7.99%。通过优化光电传感器排布，可实现无盲区检测，提高检测精度；但由于播种机工作在高尘、高振环境中，导致光电传感器易受到外界的污染和干扰；因此需要设计防尘装置以及提升检测电路的抗干扰能力。

光电传感器在检测时，传感器检测得到的电信号并不是规律变化的，其中包含着外界因素引起的干扰信号，因此需要将信号进行相应处理后进行分析，从而降低误判的概率。目前电信号的处理主要包括信号滤波、信号放大以及A/D转换等操作[16]，处理后将信号传给处理器进行分析。为提高检测精度，冯全等[17]基于红外光电传感器，将检测电路中种子产生的脉冲信号与背景信号分离，分别按照不同的倍数进行放大后再合成一个信号，从而提高小颗粒种子的检测精度。谯睿等[18]设计了一种双层对射式激光传感器监测系统，该系统使用加法电路作为落种信号检测电路，利用窝眼滚筒侧面圆周整列的磁铁片与霍尔传感器产生霍尔脉冲信号，处理芯片将脉冲信号转换为株距，通过株距对比判断是否漏播重播；试验表明，对于单粒排种其检测准确率为99.967%。研究者基于光电检测原理对电信号处理方法以及逻辑分析方法进行了优化改进，提高了光电传感器检测装置检测精度。

由于检测装置工作在高尘环境中，暴露在灰尘中的检测装置容易受到污染，影响光电传感器的检测。因此，研究人员在传感器抗尘方面做了相应的研究。孙永佳等[19]在硅光二极管外安装了透明的玻璃外壳，使得感光器件与种子不直接接触，减少灰尘的堆积和镜面的划伤，起到一定的抗尘作用，通过试验得出检测误差低于4%。纪超[20]、宋鹏[21]为提高探头的除尘能力，设计了一种自清洁除尘装置，该装置使得探头与外界隔开，具有清洁表面灰尘的功能，该装置可达到95.1%的漏播检测精度。光电传感器检测装置经过信号处理方法的改进、传感器位置的优化以及除尘机构的设计可有效提高检测精度，但光电传感器的发射端其使用寿命有限。

1.2.2 电容检测法

电容检测法是利用物体通过电容传感器极板之间时介电常数发生变动的原理对排种进行检测，电容检测具有可靠性强、抗污染能力强的优势，但电容传感器具有输出阻抗大以及易受寄生电容影响的缺点。研究人员主要对极板设计、信号处理和检测算法等进行优化研究。

在以往电容传感器的设计使用中，常采用平行的两块极板进行检测，如范作宪等[22]以FPGA为核心设计了同面电极电容检测系统，但只能测量出微小电容。为研究不同形状极板对电容检测的效果，田雷等设计了对置式、E型和三极板差动式传感器(图1)，并通过试验验证了E型极板的检测效果更佳，其漏播检测准确率为82.9%。为进一步优化检测效果，田雷等[23]利用ANSYS对3种极板进行仿真分析，得出4块E型极板进行检测时效果更佳，并进行相应的优化，优化后漏播检测精度98.9%。Noltingk等[24]设计了一种环形电容传感器，其检测灵敏度比对置式的传感器更佳。研究者们基于不同极板的电容传感器检测效果不同，对极板进行设计和对比分析，有效解决了电容传感器输出阻抗大的问题，提升了传感器工作稳定性。

(a) E形交叉式极板

(b) 极板对置式

(c) 极板差动式图1 电容传感器结构示意图Fig. 1 Capacitive sensor structure diagram

信号处理电路将电容传感器采集的模拟量转化为数字量，经过相应的逻辑分析得到检测结果。周利明等[25]使用Max038芯片和环形铜制电极板对小麦籽粒排种过程进行漏播、重播以及堵塞检测，试验得出检测误差低于2.2%。为改善玉米播种机排种性能监测可靠性，周利明等[26]利用电容转换芯片MS3110和AD7685设计了高精度电容检测电路，采用电容脉冲积分算法检测出玉米排种器的排种量和漏播量，其检测精度为97.3%。为获取更高的采样速度和精度，周利明[27]采用PCA01搭建检测系统，通过脉冲峰值寻找的算法对运动籽粒进行检测，实现了播种间距、漏播重播的检测。许键佳等[28]基于PCAP02的电容检测系统，利用芯片内置的温度传感器对外界温度进行补偿，解决了电容传感器受温度和寄生电容影响的问题。综上分析，极板形状和检测电路优化解决了输出阻抗大和存在寄生电容等问题，提升了检测精度和工作稳定性，但电容传感器由于自身阻抗较大，很难对大籽粒种子进行精确检测，限制了其运用范围。随着材料技术和集成电路的快速发展，电容式传感器将逐渐解决自身问题，充分发挥其灵敏度高、温度稳定性好等优点。

1.2.3 压电检测法

压电检测法是将压电感应传感器置于种管内部，下落的种子落在压电传感器上产生压力，压力使得传感器发送形变从而将压力值转换为电信号，电信号经过电路转换为脉冲信号，通过逻辑算法对脉冲信号进行分析获得排种信息。压电传感器在排种检测中，种子与压电传感器需进行接触，将改变种子的运行轨迹且容易造成堵塞；因此，针对自然落种的排种器很少使用压电原理进行排种检测，而多应用于气力式精量播种器中。

为保证复杂恶劣环境下实时自动检测排种情况，黄东岩等[29]利用PVDF(聚偏二氟乙烯)压电传感器实时对单粒种子流状态转换为脉冲信号，实现排种检测，其检测精度高于89.7%。在国外，Hisaeda等[30]利用压电声电传感器对单粒排种器进行检测，通过惠思登电桥和比较放大器进行信号转换，结合单片机算法逻辑判断排种器是否漏播和重播，对应的漏播检测误差低于5.2%。Hoberge等[31]开发了头部压电传感器和软管压电传感器，头部压电传感器可以检测整个种子流，软管压电传感器可以检测每个软管中的堵塞情况，为了使得多粒种子在撞击传感器被检测到，在整个撞击区域排布了多个传感器。

在国内，赵博等[32]设计了一种基于陶瓷的弧形阵列式流量传感器(图2)，对感应单元的布局和传感器的结构进行了优化，设计了信号处理电路和脉冲计数电路，实现了对排种过程的检测，通过试验得出该传感器的漏播检测误差低于5%。丁幼春等[33]设计了沉槽基板—压电薄膜感应结构，降低了碰撞信号缩减时间，对高频种子流也能起到很好地检测，其检测准确率高于99.1%。综上分析，研究者们主要对压电传感器材料、传感器在检测装置中的分布以及处理电路和逻辑分析方法进行改进，有效地解决了种子拥堵、传感器响应频率低等问题，提高了检测性能。在大籽粒种子运动过程中惯性较大、在与压电传感器多次碰撞后造成变形等问题，从而影响检测精度，因此针对大籽粒种子需要设计更加耐撞的压电传感器。

图2 陶瓷压电传感器实物图Fig. 2 Ceramic piezoelectric sensor structure and physical map

1.2.4 机器视觉检测法

机器视觉检测法是利用摄像机采集排种过程中种粒的图像信息，通过对图像进行处理获取相应位置或数量信息，判断是否漏播或重播。目前，对于机器视觉检测的研究主要是设计排种试验台在实验室中进行研究，而在实际播种检测中的应用较少。如刘立晶等设计的多功能排种检测试验台，通过传送带模拟播种机在田间运动，通过摄像头拍摄胶带上的种子，并对图片进行处理计算出粒距等信息得出漏播指数和重播指数，得到人工法和机器视觉检测法相对误差低于0.7%。吴泽全等基于机器视觉和自动控制技术，设计了排种检测试验台，对采集的图片进行图像拼接、阈值分割等操作获得种子的边缘轮廓特征，通过特征得到种子间粒距，进而分析排种性能。Li等[34]通过设计基于图像处理的小麦精密播种试验平台优化和改进排种器性能，高速摄像机拍摄落到传送带上的种子，通过一系列图像处理方法得到排种器的合格率、重播率以及漏播率。试验台的研制使得研究机器视觉方法对排种过程检测更加便捷，且降低了研究成本、缩短了研发周期，但当传送带速度较快时种子弹跳加大，其检测误差也随之增大，加大了研究难度。

利用机器视觉对排种检测的研究侧重于算法的优化和创新。在国外研究者们通过检测种子排种均匀度判断是否存在漏播等问题，如Yazgi等[35]利用计算机视觉技术研究了排种过程中种子的运动轨迹及其均匀性，为排种器的工作参数优化提供了可靠依据。Navid等[36]利用相机对种子下落过程进行记录，在计算机上结合Matlab软件对图像进行分析，获得相应的播种量、种子均匀度、漏播率和重播率等参数。在国内，蔡晓华等[37]采用图像处理技术实现了实时测量种子间的粒距，提出了一种预处理动态阈值方法，通过选取最佳阈值和种子分布样本进行种子识别和距离测量。陈进等[38]运用图像处理技术对排种器性能进行检测，对获得的图像进行数字化处理，得到种子的特征信息，根据种子投影面积大小确定播种精度和均匀度，根据投影面积大小判断是否碎种、漏播和重播，试验结果表明机器视觉检测与人工检测相对误差小于1%。为快速准确地测量播种机的性能，张海娜等[39]提出了一种基于机器视觉的性能检测方法，该方法将采集的图片经过大津法二值化分割图像后，进行一系列图像处理，得出种子阵列宽度、种子阵列间距、阵列中心、非种子间隔的坐标信息，基于这些信息计算出播种机的播种性能。王安等[40]根据种子单个联通区域与种子数目关系，阐述了一种基于该变形状因子的秧盘钵体质量检测法，实现了对水稻育苗过程中每个穴位种子的精确检测，其准确率高于95%。综上分析，运用机器视觉方法检测排种过程的均匀度、种子间距和投影面积等可实现较高精度的漏播和重播检测，但随着播种机速度提升，需要处理器具有更高的运算速度和存储空间，因此检测装置的功耗也随之提高；这使得检测装置在运用于田间试验时需要提供额外的电源，提升了检测成本。播种机在高尘环境中作业时尘土附着在摄像头上，对检测带来很大的误差；因此在实际的播种作业中运用较少。但机器视觉检测方法具有高效准确的检测精度，随着计算机技术的发展和机器视觉技术的创新，未来在播种机上的运用会越来越广泛。

2 地下种子非接触检测

地下种子非接触检测是运用特殊的方法和设备对已经播种覆土的种子进行检测，从而判定最终的播种情况，为后期的补种和产量预估提供数据。采用光电检测、电容检测和机器视觉检测等可以对漏播和重播进行实时的检测，当出现漏播时，利用补种装置进行及时的补种，但是否能有效地补种存在未知性，通过地下检测可以对最终的播种情况进行检测，并采用后期的补种来降低损失，但目前对于地下检测的研究较少。冯娟等为验证精密播种机播种均匀性，提出了一种基于电磁感应原理的检测方法，使用铁氧体粉末对待检测玉米进行包裹，通过激励线圈产生的一次磁场作用于包衣后的玉米便会产生二次磁场，通过检测线圈感应二次磁场的方式检测种子的位置，能实现对地下玉米种粒的检测效果，但铁氧体粉末会对土壤造成一定程度的污染，因此需要研究更加环保的检测方法。针对这个问题，Lu等[41]提出了一种利用超声波的无损伤检测方法，首先利用超声波能量源分析农田土壤的声场分布特征，根据有无种子所反馈的总能量大小判断该位置是否缺种；但针对土壤环境较为复杂，存在石粒或者大小不一的秸秆环境中使用超声波无损伤检测方法进行排种检测存在误差。目前地下种子非接触检测还不完善，还处于一个探索期，需进一步对种子特性以及检测方法等进行研究，该方向存在较大发展前景。

3 变量播种技术

目前播种机的排种动力大部分是由地轮通过传动系统提供，通过改变传动系统传动比实现株距的改变，但由于地表秸秆以及土壤湿度较大使得地轮带动排种器工作存在打滑问题，造成漏播现象的产生；地轮出现不定期的打滑会使得株距不均匀，影响作物的生长。因此，国内外研究人员研究电机驱动排种器的方式实现了变量播种和变量补种，通过调节电机转速可以很方便地调节株距、排种量等参数。

3.1 变量播种控制技术

在变量播种控制技术中的因变量为排种器转速，自变量可以是播种机转速、农艺要求、排种量大小或者GIS处方图等；通过自变量大小动态的调节因变量大小，实现变量播种。李正义等利用旋转编码器测量播种机前进速度，PLC读取到编码器的脉冲信号后根据农艺要求控制排种器转速，实现了排种器变量播种。针对排种器工作过程中存在播量误差，雷声媛等通过电容传感器检测实时的播种量，通过与设定的播种量进行比较来调节外槽轮的转速，从而控制播种量。为满足大田作业中各排种单体实现变量播种，丁友强等[42]为实现对每个播种单体的独立控制，搭建了基于STM32F103的单体驱动器硬件和软件架构，实现了平滑驱动和转速调节等功能。在大田作业中，每个耕作区域的肥效以及光照时间等是不同的，为充分利用种子需要变量播种和变量施肥来达到土地的最佳使用效率；借助GPS和GIS得到播种机所在区域的播种决策GIS电子地图，根据电子地图得到区域的播种量信息，再通过播种机的控制机构执行变量播种[43]，提高了土地使用效率，节约了种子和肥料。综上分析，变量播种的准确性与速度检测准确性和控制响应的速度有关；在速度检测中常用到编码器测速或者GPS定位测速的方式进行检测，但GPS测速存在滞后性的问题，可将GPS信号与速度编码器结合，从而弥补GPS滞后性的问题，达到测速和准确定位的目的。

3.2 变量补种技术

变量补种是漏播检测装置检测到漏播情况时，通过控制系统控制排种轴加速转动，对空穴位置进行补偿，实现补种的目的。吴南[44]针对漏播自补偿(变量补种)和漏播辅助补偿方法进行了对比研究，通过自补偿补种性能分析，在种子脱离排种口之前检测到漏播，并启动加速补种命令可以实现自补种功能，通过台架试验得到变量补种受播种速度和播种粒距影响较大；当播种速度较大、株距较小时变量补种受到限制。针对油菜精量排种器存在漏播的问题，丁幼春等[45]设计了油菜精量排种器变量补种系统，该系统具有漏播检测、种盘测速、变量补种和补种监测功能，当漏播检测装置检测到漏播时，根据变量补偿策略获得对应的补种速度，并将信号传递给相应的执行装置进行变量补种。但上述变量补种技术只适用于速度较低的情况，在高速状态下控制响应时间加上机械执行时间超过了缺种穴位理应排种的时间，并且当单粒排种器连续出现两次空穴时，很难实现变量补种，因此在高速状态下实现变量补种还需进一步研究。

4 检测方法对比分析与存在问题

4.1 检测方法对比分析

不同检测传感器优缺点对比如表1所示。从表1中可以得出不同传感器具有相应的优点和缺点，这些优缺点决定了不同类型传感器在播种机智能检测中的应用范围，例如压电传感器在漏播检测中，多用于小籽粒或气动播种中。研究人员在研究过程中，针对不同类型传感器的缺点，进行了优化和改进，如：通过阵列布置多个光电传感器的方式，解决了光电传感器存在检测盲区的问题；通过设计清尘和防尘装置，有效解决传感器易被污染的问题。

表1 检测传感器优缺点对比Tab. 1 Comparison of advantages and disadvantages of detection sensors

4.2 播种机智能检测技术存在问题

随着播种机械的发展，高速、高精度和智能化是播种机发展的趋势，传感器技术、智能控制技术以及芯片技术是播种机实现高速、高精度和智能化的关键。但由于国内发展较晚，在这些领域还存在许多问题。

1) 传感器检测精度和抗干扰能力较低。当播种机在高温、高尘、高湿度以及振动的环境中进行作业时，难以平衡高精度和高抗干扰强度的关系，在实际运用中常出现因为提高了抗干扰能力却降低了检测精度的问题，不利于播种质量的提升。

2) 农用传感器类型较为单一。随着播种机智能化发展，需多种类型的传感器以实时获取土壤湿度、环境温度、播种机速度及前进阻力等信息，但由于进口传感器价格昂贵，因此在实际生产中所使用的传感器较少。通过加大国产传感器的研发力度，从而降低智能化播种机的生产成本，提高播种机的工作性能。

3) 智能化水平较低，缺乏农用的控制芯片和配套的控制系统。随着机具作业速度的不断提高，需要芯片和控制系统具有更高的响应速度，但针对农机设计的芯片和配套系统很少，高速芯片价格昂贵且较多功能在农机上并不适用，造成资源浪费和成本的提升，不利于智能化播种技术的推广。

4) 农业机械与检测装置不配套。较多智能检测装置是后期装配的，有的农业机械在设计之初并没有考虑到检测装置，因此，对后续检测装置的设计会有一定局限性，不利于成套高性能播种检测设备的研发。

5 展望

1) 机器视觉检测技术将广泛应用于播种机智能检测。随着技术的发展和革新，播种机将向更加高速的方向发展，需要检测传感器拥有高分辨率的检测硬件和检测算法。机器视觉检测具有高效、准确的特点，利用机器视觉对播种机进行实时监测是未来发展的趋势；无人农场的实现更离不开机器视觉技术，利用机器视觉与深度学习相结合可实现农场中杂草和病虫害的检测，农机在农场中的无人驾驶、自动避障等功能也依赖于机器视觉技术。

2) 红外技术和机器视觉技术应用于地下非接触检测。目前，对地下种子非接触检测的研究较少且难度较大，以及存在土壤污染和复杂土壤环境下分辨率低等问题。针对这一问题，可以通过对种子进行冷或热预处理后，利用红外热感应技术对覆土种子进行检测，这既可免去土壤污染也能一定程度降低环境影响。利用图像识别技术对落到种沟内种子(在被土壤覆盖前的状态)进行拍照分析，得到覆土前的种子在种沟内的分布状态。

3) 智能控制系统更加复杂多元。智能控制器是机器的“大脑”，随着信息技术的发展和精准农业的推广，机具在工作过程中所获取并处理的信息越来越复杂，包括机具位置信息、土壤养分信息以及种肥的料位信息等，需要智能控制器有足够的运算能力。智能控制技术运用到农机装备上离不开传感技术和视觉技术，农机具所执行的一系列操作均是对通过传感器和图像采集设备所感知信息的反应。目前，国内智能化水平仍较低，需要进一步突破技术难点。

4) 变量播种技术与3S(RS、GIS、GPS)系统结合。变量播种技术解决了地轮打滑的问题，为精细农业的发展奠定了基础。未来更加注重土地的使用效率，根据耕作土地的处方图和土壤结构判断每个区域适宜的施肥量和播种量等参数，进而通过智能控制系统实现变量播种和变量施肥。