农业异构农机协同调度的集成解决方案研究报告
作者及机构
本研究由Ning Wang、Zhiwen Jin、Man Zhang、Jianxing Xiao、Tianhai Wang、Qiang Sheng、Hao Wang和Han Li*共同完成。作者团队来自中国农业大学教育部智能农业系统集成重点实验室（Key Laboratory of Smart Agriculture System Integration, Ministry of Education, China Agricultural University）、农业农村部农业信息获取技术重点实验室（Key Laboratory of Agricultural Information Acquisition Technology, Ministry of Agriculture and Rural Affairs）及北京市农林科学院智能装备研究中心（Research Center of Intelligent Equipment, Beijing Academy of Agriculture and Forestry Sciences）。研究成果发表于《Information Processing in Agriculture》期刊，2025年6月在线发表。
学术背景
随着中国社会经济的发展与农村劳动力老龄化加剧，农业生产的劳动力短缺问题日益突出，推动智能农业（Smart Agriculture）成为关键研究方向。北斗导航系统（BDS）与物联网技术的进步为多机协同作业提供了技术支撑，但异构农机（Heterogeneous Agricultural Machines）的协同调度仍面临缺乏科学管理策略、建模复杂度高和作业成本高等挑战。本研究以“收获-运输”（Harvesting-Transportation）场景为案例，提出一种针对不同类型异构农机的协同调度集成解决方案，旨在优化农机群的总作业时间，提升农业机械化效率。
研究流程与方法
1. 电子地图构建与路径规划
- 数据采集：以上海青浦无人农场（Shanghai Qingpu Unmanned Farm）为实验场景，通过RTK差分定位技术采集农田边界点与道路节点坐标，构建拓扑结构电子地图，包含25个地块（23块农田、2块荒地、1个粮仓和机库）。
- 路径生成：结合螺旋式与往复式路径规划方法生成地块全覆盖路径（Complete Coverage Path），并利用Dijkstra算法计算地块间最短转移路径。
- 卸货点设置：采用“地头卸货法”（Headland Unloading）在地块边界生成卸货点，确保收割机（Harvester）与运粮车（Grain Truck）高效协作。
协同调度模型构建
改进遗传算法开发
主要结果
1. 算法性能对比
- 在20个任务场景下，HGH-IGA较标准遗传算法（GA）平均减少总作业时间32.4分钟（提升11.45%），运行效率优于改进蚁群算法（IACO）和负载均衡算法（HGH-MMLB）。
2. 异构参数验证
- 收割机速度每提升1 km/h，平均最优作业时间减少30.8分钟；运粮车容量从4吨增至8吨时，单次卸货点装载数从2个升至4个，验证了模型对异构参数的兼容性。
3. 协同调度实验
- 青浦农场案例中，3台收割机（速度3/4/5 km/h）与3台运粮车（容量4/6/8吨）协作完成15块农田任务。结果表明，农机等待时间显著减少，作业序列与卸货点分配高度匹配（如收割机1完成12次卸货，运粮车3装载18个卸货点）。
结论与价值
本研究通过电子地图建模与改进算法，实现了异构农机的高效协同调度，为大规模无人农场作业提供了可行的技术方案。其科学价值在于：
1. 方法论创新：首次提出融合路径规划、卸货点生成与多目标优化的集成调度框架。
2. 应用价值：可降低农机磨损与燃油消耗，减少环境冲击，适用于收获、施肥等多场景。
3. 局限性：动态任务调整与路径冲突解决仍需进一步研究。
研究亮点
1. 异构参数兼容性：首次同时考虑不同类型农机（收割机与运粮车）及同类农机内部参数差异的调度问题。
2. 算法性能优势：HGH-IGA在时间优化上显著优于传统算法。
3. 全链路验证：从电子地图构建到实际农场案例测试，形成闭环研究。
其他有价值内容
研究团队开源了算法代码（基于MATLAB R2019b），并计划扩展至无人机-农机协作场景，推动农业智能化发展。