农机自动驾驶系统研究进展与行业竞争环境分析*

杨涛，李晓晓

(1.成都农业科技职业学院机电信息学院，成都市，611130；2.成都大学机械工程学院，成都市，610106)

0 引言

随着我国青壮年劳动力就业观念的转变，逐步出现了农村劳动力严重短缺的问题以及“80后不想种地、90后不会种地、00后不问种地”的现象。因此，未来“谁来种地？如何种地？”就成为全球亟待解决的社会问题。乡村振兴战略实施以来，在“互联网+农业”的背景下，农机自动化、智能化程度得到大幅度提升。融合全球导航卫星系统(Global Navigation Satellite System，GNSS)、人工智能、物联网、机器学习、虚拟现实、增强现实等先进信息技术，赋予农机自主作业能力以顺利完成农场生产、管理等作业任务，进而构建起全过程、全天候、全空间的无人生产模式和技术体系正是从根本上消除这一问题的有效途径[1-2]。2017年，英国率先创建了全球第一家无人农场，运用自动驾驶联合收割机完成小麦自动收割。接着，美国、日本、韩国、德国等发达国家陆续开展无人设施养殖、无人温室、无人大田等以无人化为核心的新型农业生产模式[3-4]。无人生产的本质是以智能装备替代劳动者作业，解放了农业劳动力并有效促进农民增收[2]。加快“机器换人”步伐，推进无人生产模式和技术体系，是符合中国经济社会现实需求，能够有效促进中国农业朝着以提高农业资源利用率、保护农业生态环境为核心的精准农业方向发展[5]。

农机自动驾驶系统是无人农场的关键技术之一，也是精准农业降本增效的重要技术支撑[6]。长期以来，高级驾驶辅助系统(Advanced Driving Assistance System，ADAS)、自动驾驶等新兴信息技术都是农机智能化研究的重要突破口，围绕着实现“一人多机、多机协同”的生产模式，在温室装备[7]、拖拉机[8-9]、农业机器人、水稻直播机、果园机械[10-11]等现代农业生产装备中均有一定程度的应用。本文着重阐述农机自动驾驶系统的构成、国内外研究进展、存在的主要缺陷以及全球农机自动驾驶产业市场竞争环境，指出中国农机自动驾驶产业的发展困境与解决方案，进一步促进智能农业装备向着以无人化为核心的新型智慧农业方向发展，进而，重塑农业生产模式。同时，对高校开展“专创融合”，培养“爱农村、懂农机、有文化、善经营、会管理”的“新农人”以及大学生创新创业有一定的借鉴意义。

1 农机自动驾驶技术

1.1 技术原理与研究进展

农机自动驾驶是指农机能够通过自身的各种传感器实现外部环境的感知与自身空间位置的测量，自主规划行走路线并主动避让障碍物的过程，具有定位、路径规划、决策控制、作业监测等功能，其核心内容在于环境感知、决策与规划、控制与执行3个环节，见图1。

图1 自动驾驶系统核心内容框图Fig.1 Core content diagram of autopilot system

良好的环境感知能力是自动驾驶的前提，准确的决策与规划是车辆实现自动驾驶的基础，精准的控制与执行是装备作业精度的重要保证[12]。农机自动驾驶系统分为硬件基础与底层系统，硬件基础指的是芯片、电动方向盘、液压阀、各类传感器、显示器等硬件设施；底层系统指的是卫星定位、组合导航、电液控制、电路控制、路径规划等算法[13]。

1.1.1 硬件基础

农机自动驾驶系统根据控制方式的不同将其分为电动方向盘式与液压式[14]。电动方向盘式农机自动驾驶系统由ADAS或农业辅助导航系统迭代升级发展而来，通常应用于大型农场现有农机的升级改造[15]。液压式系统则是依据控制器信号来调节农业装备转向机构中液压油的流量与流向，进而实现车辆转向。液压式自动驾驶系统对现有农机改造工艺相对较复杂，通常由农机生产企业对其进行预装。由此，根据系统的装配方式的不同形成了前装与后装，前装是指在农机出厂前由厂家进行预装并通过相关检测与测试保障农机与自动驾驶系统的匹配度和可靠性，强化农机的安全性；后装是指在现有农机上进行加装，赋能农机自动驾驶，但与农机的匹配性不高，安全性能较低。也就是说，前装在可靠性、安全性等方面有较大的优势并能够依托农机生产企业为用户提供及时且行之有效的农机技术服务。

1.1.2 底层系统

1)环境感知。环境感知是自动驾驶系统“感官”，农机只有在清楚地掌握周围环境信息与自身状态信息(位置、姿态、车轮转角、航向、速度等)时，才能够实现自动驾驶功能。农机环境感知主要有两种技术路线，一种是基于地理空间绝对位置测量的GNSS导航方法；另一种是基于多传感器(摄像机、激光雷达、超声波、红外相机、RGB-D相机等)融合的测量相对位置的导航方法[16]。随着GNSS定位技术向民用领域的开放，尤其是中国北斗导航卫星系统(BeiDou Navigation Satellite System，BDS)完成了组网，加快了在农机自动驾驶产业中的应用。并且，利用载波相位差分技术(Real-Time Kinematic，RTK)实时动态定位精度已经小于2.5 cm，RTK-BDS、RTK-GPS在开阔的农业场景得到了推广应用，促进了农机自动导航技术的发展。同时，惯性测量单元(Inertial Measurement Unit，IMU)利用陀螺仪和加速度计检测车辆姿态角和加速度，在短时间内能够提供较为精准的位姿与航向信息。基于IMU的惯性导航系统(Inertial Navigation System，INS)逐步发展成为了与GNSS融合以校正因地形坑洼不平、土质硬度不均引起的误差，从而保证较高精度的组合导航方法。董振振[17]以BDS/INS两者间位置、速度差值为模型，提出蜂群算法优化BP神经网络辅助卡尔曼滤波算法组合导航，弥补了农机在干扰环境下BDS失调、INS误差大等不足；Tang等[18]基于BDS的PVT(Position、Velocity、Time)信息设计了差分自适应和卡尔曼滤波法相结合的算法，使得系统绝对误差为5.2 cm。

另外，运用机器视觉(Machine Vision，MV)技术来模拟人类“眼睛”视觉功能的农机视觉导航系统，也有较为广泛的应用。视觉导航系统借助摄像机获取周围世界的图像信息，再利用图像处理、深度学习等技术识别、检测、测量图像中参考目标以提取导航基准数据，进而得到农机位姿与航向信息[19]。并且，在单目视觉的基础上逐步发展出基于双目/多目的立体视觉以及基于RGB-D深度相机的3D视觉系统，其特点在于低成本、信息丰富等[20]。但也存在嵌入式系统硬件设备计算能力不足、存储空间不足、核心算法陷入发展瓶颈等缺陷[21]。由此，融合多种传感器信息以弥补自身缺陷的多源信息融合导航系统提高了系统的鲁棒性与准确性，得到了长足的发展与应用。Adhikari S P等[22]运用摄像机获取水田场景图像，再基于深度神经网络的语义图形检测水田作物导航基准线，构建了水田场景视觉导航系统，实现田间自主除草；吴丛磊[23]针对果园环境设计融合了雷达、GNSS、INS三类信息源的定位感知系统，大幅提升适应果园场景的能力。

2)决策与规划。决策规划是自动驾驶系统的“大脑”，是保证农机高质量、高品质、高效率作业的关键，由导航控制器根据农机的位置、姿态、目标路径、周围环境等信息，结合自身传感器对动态环境信息的感知，在满足相关农艺规范的前提下，按照某种策略优化作业时间、转弯次数、能耗等参数以寻找出合理的行走路线并高效完成作业任务[24]。通常根据系统掌握的环境信息的程度可将路径规划分为全局路径规划与局部路径规划，前者强调的是寻求最优解，后者则注重实时性与安全性以提高避障能力，在实际作业中要求作业路径高效、安全、近似全局最优解[4]。此外，根据作业区域是否已知又可将路径规划算法分为传统经典方法与启发类方法，经典算法典型代表有图搜索法、栅格法、单元分解法、人工势场法等；启发类算法则有蚁群算法、模拟退火算法、神经网络算法、遗传算法等[25]。刘洋成等[25]对比了各类算法的优势与局限性，提出路径规划算法将向着多机协同、动态路径规划、多算法结合以及优化机械转向的路线发展；奚小波等[26]运用三阶Bezier曲线优化法，通过链式控制理论建立农机运动线性控制模型，使得农机直线行驶与曲线避障精度均得到大幅提高；刘宇峰等[27]参考左右双向避障策略提出双/多障碍去避障算法，在实现前一个障碍物避障动作后，再次调用该算法实现下一个避障动作，经测试，该方法在路径跟踪稳定性、累计误差、路况适应性等方面均表现出较大的优势。

另外，随着土地宜机化改造进程的加快与农业集约化、产业化、规模化程度不断提升以及精准农业对自动驾驶作业要求的进一步提高，单台农机难以适应整片区域的作业任务，多农机联合作业的机群协同作业模式势必会成为农机自动驾驶领域研究的热点。机群协同作业能够在多任务、多农机的农田环境中合理地分配每台农机的作业任务，农机本身又能根据分配的任务寻找一条最优的作业路径，弥补了单台农机难以在短时间内独自完成整片区域作业任务的不足。在机群作业过程中，每台农机都需要避开正在作业的其他农机与土地中的障碍物，还要保证作业效率。为满足复杂农田作业环境下的机群协同作业路径规划，姚竟发等[28]提出了联合收割机多机无冲突协同作业路径优化算法，在矩形、梯形农田测试中表现良好，与遗传算法相比效率提升了约30%；曹如月等[29-30]将多机协同作业路径规划分为任务分配与任务序列规划两个环节，再基于蚁群算法优化任务序列，将算法运行时间缩短到1 s以内，实现实时监测作业信息，并基于此开发出多机协同导航作业远程管理平台以实现农机远程调度管理，解决了农田动态环境中多机协同导航作业的调度管理难的问题。

3)控制与执行。智能控制是自动驾驶系统的“神经”，也是农机实现智能化的核心，其显著的特点在于多传感器、多智能控制单元；执行单元则是自动驾驶系统的“四肢”，根据控制信号执行相应的动作进而迫使农机沿着预定的路径行走[31]。图2所示的是典型农机自动驾驶系统控制框图，导航决策控制器根据农机当前位姿(位置、方向、速度等)与目标路径等信息，按照给定的某种控制策略计算出农机转向角度的期望值并传递给转向控制器，进而，由转向控制策略计算出对执行机构的控制量(如电压、频率等)，从而控制农机自主行驶[4]。PID控制、模糊控制、神经网络控制等常见的控制策略在智能农机中有着广泛的应用，但对于某些场景仍存在着难以应对的情况[32]。基于此，国内外学者都尝试将不同的控制方法结合，通过冗余的数据信息来弥补单一控制方法在某一方面的不足，进而提升控制效果。Lu W等[33]基于脑电图(EEG)信号结合RNN-TL深度学习算法的拖拉机驱动控制方法，在虚拟环境中创建了完整的驾驶数据，然后将驾驶控制经验传递给现实世界，控制精度达93.5%，低速(小于50 km/h)行驶时位移误差小于6.7 cm；吴才聪等[34]采用分层控制思想将控制系统分为规划层、控制层与执行层，在拖拉机挂载深松机进行深松作业时，自主行驶横向偏差、作业速度、稳定作业发动机转速、平均机具位置等多方面均优于有人驾驶。

图2 导航决策控制原理图Fig.2 Schematic diagram of navigation decision control

1.2 国内外研究进展

1925年美国陆军电子工程师Francis P.Houdina借助无线电技术改装了一辆Chandler汽车，实现无线电遥控行驶并将其取名为American Wonder，首次涉及了“自动驾驶”的概念。直到1992年，美国Trimble开发RTK系统并将其商业化应用，为GNSS在农业上的应用扫清了障碍[35]。随后，基于GNSS技术的农机自动导航系统得到长足的发展，全球各国纷纷推出搭载自动导航技术的农业装备。2016年，美国凯斯纽荷兰工业集团发布了全球第一台自动驾驶概念拖拉机，可在生产平台的管理和调度下可实现全天候无人作业，标志着世界农机装备发展到了以信息技术为核心的无人驾驶阶段；2017年，英国Harper Adams University与Precision Decision公司合作的Hands Free Hectare项目，将传统的收割机、拖拉机、探测车等农业装备升级改造为自动驾驶的智能农机，在全过程无人工直接干预条件下首次实现了小麦的无人收割，迈出了全球“无人农场”的第一步[4]；2018年，日本Kubota、Iseki、Yanmar等大型农机企业基于“一人多机”的设想发布了带有自动驾驶功能的拖拉机、水稻收获机等农机装备，以缓解人口老龄化，劳动力短缺的问题。

中国关于农机自动驾驶技术的研究始于2004年罗锡文团队，经过十余年的研究，突破了速度线控、主从导航、路径跟踪、自动避障等10余项关键技术，研制出了播种机、旋耕机、收获机、插秧机等无人驾驶农机，在水田场景自动导航方面居于国际领先水平[36-37]。国家农机装备创新中心运用双目视觉识别、毫米波雷达测量等信息技术先后发布了纯电动无人驾驶拖拉机——超级拖拉机1号、5G+氢燃料电动拖拉机、无人驾驶轮边电机拖拉机等先进无人驾驶机型，能够在规定的区域内自主规划作业路径、主动避让障碍物，基本完成了农机“电动化”“无人化”的探索。2020年，中国一拖研制的东方红-LF2204无人驾驶拖拉机，在北大荒建三江—碧桂园全球首个超千公顷无人农场农机无人驾驶作业演示会上，实现了水稻、大豆、玉米田间生产全流程无人作业，标志着中国已经掌握从自动驾驶到无人驾驶的关键技术，在农机无人驾驶领域迈出了重要一步。

1.3 优势与局限性

1.3.1 主要优势

与汽车无人驾驶技术相比，农机自动驾驶技术具有低速度、高精度(±2.5 cm)等特点。农机自动驾驶系统集中使用了GNSS、AI、IOT、智能控制等先进信息技术，不仅能够在分秒必争的农忙时节，全天候不间断作业，结束了“晨兴理荒秽，带月荷锄归”的历史场景，还能够大幅降低用户劳动强度，将其从“足蒸暑土气，背灼炎天光”的农事活动中解放出来。其核心优势表现在提高作业精度与效率、提升用户操作体验、降低用户劳动强度与单位面积投入成本等方面。北斗卫星已经完成组网，加上地面增强系统，为自动驾驶农机精准作业提供了基础，在高速作业中也能将误差控制在厘米级。相较于传统有人驾驶大幅提高作业精度，使得土地利用率提升3%～5%，种、肥、药消耗量下降了超过30%。另外，“无人化”的设计思想，不仅提升了用户操作体验、至少减少了用户60%的劳动强度，将农业从业者从千年来一成不变的面朝黄土背朝天的农事活动中解放出来，还提升了作业效率。单台无人驾驶拖拉机每日作业量达到16 hm2，行驶速度也能达到12 km/h，高精度作业和全地形适应能力使得自动驾驶相对人工驾驶在每日作业量与行驶速度分别提高33.3%、50%。同时，在红外、GNSS、毫米波雷达等感知技术的辅助下，使得拖拉机即使在夜间“盲开”状态也能够保证作业效率。另外，在多机协同技术的支持下，使得多台农业装备协同作业成为可能。而且，自动驾驶农机凭借最优的路径规划减少了不必要的行程，有效降低油耗、环境污染的同时，也减少对土壤的压实。

1.3.2 技术局限性与亟待突破的关键瓶颈

农机自动驾驶系统虽然已经表现出诸多的优势，在促进农业生产转型升级、塑造无人化生产模式等方面发挥着重要的作用，但也存在着应对复杂情况(雨天、雾天等)能力有限、高速场景适应性较差、核心元器件成本较高、交通事故责任不够明晰等一系列问题，技术上也存在着芯片计算力不足、存储空间有限、底层算法理论创新难以突破等关键瓶颈。消费者使用过程中也极容易出现线束及线束插头松动、显示屏无法操作、接收机信号不稳定、交接行偏差较大、基站间信号相互干扰、售后服务品质较差等问题，总体上表现为系统可靠性较差，亟待突破关键共性技术以提高系统适应性与可靠性。硬件基础的突破涉及半导体、传感器、材料、集成电路等行业的创新，短期内难以取得较大的进展；底层算法过度依赖机器学习，缺乏理论上的创新，全球品牌商均出现技术同质化现象，其低适应性、低可靠性已制约了产业的发展，亟待新理论的出现打破行业僵局。

2 农机自动驾驶行业竞争环境

2.1 全球农机自动驾驶系统产业格局

从全球来看，农机无人驾驶技术不仅仅是学术界研究的热点，更是商界抢占未来数字农业行业制高点赢得全球竞争的关键技术。受无人驾驶技术在汽车领域发展的影响，全球传统农机生产企业与互联网公司合作更为紧密，日本Kubota与NVIDIA达成战略合作，致力于高精度自动驾驶农业拖拉机的研发；中国老牌农机企业也积极与百度在自动驾驶相关业务领域展开深度合作，借助Apollo开放平台为农业生产提供更智能的农机装备与更高效便捷的信息化服务。在互联网巨头纷纷与传统农机生产厂商联合，引领行业发展的同时，农机行业迎来“互联网+”时代，细分市场也涌现出一批以底层技术为核心竞争力的初创企业。全球农机自动驾驶行业产业已经形成“农机+互联网”巨头联合引领、初创企业布局的多元化发展格局，产业链也清楚地分为上游底层技术服务商、中游品牌商与下游消费者，见图3。上游底层技术供应商为中游品牌商提供基础硬件设备、底层技术、数据服务，中游品牌商则为下游消费者提供产品及配套维修保养与培训服务。

2.1.1 上游底层技术几乎被海外企业垄断

Trrimble、Novariant、Topcon、AgLeader等国外商业公司凭借着研制出一整套的RTK-GPS定位系统、自动驾驶控制器、导航终端等核心模块成为了全球领导者，并迅速进入中国东北平原、新疆等地区，占据着中国高端农机80%的市场，同时也垄断着中国上游市场。农机环境感知对应的是摄像头、雷达等，业界普遍认为在视觉技术还未取得重大突破之前，自动驾驶农机环境感知还离不开摄像头、RGB-D深度相机、毫米波雷达等设备，摄像头核心感光元件CMOS或CCD行业已经被美、日、韩企业垄断，而中国企业在该领域还处于刚刚起步的阶段。中国雷达产业同样受限于海外企业，77 GHz毫米波雷达技术均掌握在BOSCH、Delphi等企业手中，中国企业还停留在24 GHz毫米波雷达。决策层面向的主要是芯片、算法、高精度定位、V2X(Vehicle to Everything)通信等，芯片是算法的载体，高运算力、高数据传输能力的芯片是提升农业机械自动化作业路线精准度的重要保障。中国芯片供应商受到制造工艺先进度不足、技术研发创新较低以及人才匮乏等问题的制约，中高端芯片产出较低，但好在中国在5G通信方面全面领先，也涌现出一批依托北斗导航提供高精度导航服务的本土企业。总的来说，中国农机自动驾驶产业上游还存在诸多受限于海外企业的短板，妨碍了中国品牌全球化扩张。

2.1.2 以无人化为核心的农业机器人正重塑全球农业生产模式

随着GNSS、AI、IOT、MV、大数据等信息技术在农机领域中的逐步应用，机械化生产与信息化技术已经达到了深度融合，在全球掀起一场以全过程智能化管理、精细化作业为核心，运用大数据指导生产，实现高效、精准、绿色、降本，形成类似于无人工厂的新型农业生产模式。无人农业的核心在于高端智能农业机器人，自美国学者于1968年首次提出将机器人技术应用于果蔬采摘中并取得较好效果以来，发达国家纷纷加入到“定制化”农业机器人的研发探索中来。美国农机普及率早就超过99%，农机自动驾驶系统在拖拉机、联合收割机等农业装备中有着较为广泛的应用；日本真正无人化的农机装备尚处于萌芽阶段，但在政府的支持下，商业公司纷纷加入无人化农业机器人的研发阵营中来，小型无人农业机器人、无人驾驶农机等无人农业装备正逐步替代人力劳动，以缓解人口老龄化严重带来的劳动力短缺、弃耕地增加、生产效率低等一系列问题；英国已经推出完全自主的无人驾驶的原型车，正致力于小型农业机器人的研发并率先建立起全球第一家无人农场；法国针对葡萄园农业生产全过程发明了Wall-Ye机器人，能够在特定场景下代替种植员工所有的工作(修剪藤蔓、葡萄采摘、土壤与藤蔓健康监测等)，遇到危险还能够启动自我毁灭程序；中国在乡村振兴与“互联网+农业”战略背景影响下，对农业机器人展开了大量的研究探索，无人驾驶农机如雨后春笋般涌现出来，在黑龙江、江苏、四川等12个省份建立了18个农业无人作业试验区以推动中国农业转型升级。全球在新冠肺炎疫情影响下，对无人机器人的需求将进一步增大，以无人化为核心的农业机器人正在改变着这个时代，农业生产方式从机械化迈向数字化，农机高端智能化阶段已然到来。

2.2 中国农机自动驾驶产业竞争环境

2.2.1 中国自动驾驶农机逐步进入商业化应用阶段，市场进入快速成长期

2010年之前，中国农机自动驾驶系统的市场以John Deere、Case IH、New Holland、Trimble、Hemisphere、CLAAS等国外公司整机引入为主，在大地块规模种植地区(新疆生产建设兵团、黑龙江农垦)使用效果十分明显，促使中国无人驾驶系统产业进入了市场培育期。近十年来，在推进农业生产全程机械化发展的影响下，中国购买农机用户数量在经历了急剧下降后开始稳步提升，轮式拖拉机销量稳定在每年27万余台的规模，见图4、图5。

图4 中国近十年购买农机购机用户数量变化Fig.4 Changes in the number of agricultural machinery users in China in recent ten years

图5 中国近十年轮式拖拉机销售情况Fig.5 Sales of wheeled tractors in China in recent ten years

中国在北斗导航大产业背景下，涌现出一批优秀的科研院校、民营企业加入到自主研发农机自动驾驶系统的阵营中来，以高精度卫星导航技术为核心竞争力，致力于农机自动驾驶系统的开发，发布了一系列农机自动驾驶产品并在新疆生产建设兵团、黑龙江农垦等大规模、大地形农业场景已开展试验和作业示范，使得中国有了能够与国外企业竞争的自主品牌。同时，在地区各级政府给予的补贴政策支持下，逐步形成了覆盖底层算法、处理器、天线、电动方向盘、液压系统、电机、控制平台以及分散渠道的全产业链。也形成了上海、北京、黑龙江、南京四个自动导航产业集群，并大有从新疆生产建设兵团、黑龙江农垦地区、内蒙古逐步向全国蔓延的趋势，见图6。而且，中国涉及生产农机自动驾驶系统的企业约25家，自动驾驶的拖拉机、插秧机、收获机、施肥施药机等农业装备已逐步进入商业化应用阶段，但在高端农机上的渗透率还不足1%，远远落后于美国40%的渗透水平，还具备较大的增量空间。

图6 2019年中国农机自动驾驶系统销售地区Fig.6 2019 China Agricultural automatic driving system sales area

2.2.2 中国市场需求激增，初步实现进口替代

随着土地流转速度稳步提升与土地宜机化改造进程的加快，规模化将成为中国农业生产的主要模式，以及农机补贴政策大力实施下，农业生产经营者对农机自动驾驶系统的需求也将持续增长。2014—2018年期间，中国农机自动驾驶行业销售规模从2.6亿元增长至5.2亿元，年均复合增长率为18.9%，预计2023年有望突破17亿元，见图7。

图7 中国农机自动驾驶行业销售规模Fig.7 Sales scale of China’s agricultural machinery automatic driving industry注：2021—2023年数据为预测数据。

据工业和信息化部公布的数据显示，2020年上半年农机生产企业累计销售的各类自动驾驶农机装备和系统1.17万余台套，同比增长213%，相当于2019年全年的销量，见图8。这表明中国农机自动驾驶市场需求旺盛，已具备推进农业全过程无人作业试验逐步向实用阶段的转移，实现无人农机作业的商业化应用和市场普及的基础。受益于北斗导航系统的迭代更新与行业政策的引导，中国自动驾驶系统作业精度、安全性与可靠性得以稳步提升，缩小了与国外巨头的差距，迫使海外品牌市场份额不断下降，进而迅速实现进口替代并在国际市场有了一定话语权。

图8 2019年中国北斗导航农机自动驾驶系统销量(前十)Fig.8 2019 China Beidou navigation agricultural machinery automatic driving system sales statistics (top ten)

2.2.3 制约中国农机自动驾驶产业发展的因素

中国农机自动驾驶产业市场环境与欧美规模化农业国家有较大差异，制约行业发展的因素表现在以下几个方面：其一，农机自动驾驶系统单价高，售后服务体系不完善，下游消费者(农业合作社、土地流转户、个体经营者等)购买意愿低。农业生产的高风险性使得下游消费者对于高成本投入往往呈现高度的谨慎。中国农机自动驾驶系统价格虽然呈现逐年下降的趋势，但平均价格仍然保持在5万～6万的水平，且无人驾驶拖拉机价格是同款有人驾驶拖拉机的1.6倍左右。尽管农业农村部、财政部将农业终端北斗系统纳入全国农机购置财政资金补贴目录范围，但是大部分省份还没有给出具体的补贴标准，消费者难以衡量自身成本投入与收益的比例关系，对购买农机自动驾驶系统持观望态度。此外，中国农业土地呈现分散状态，下游消费者集中度较低，加大了农机自动驾驶系统相关企业售后培训、维修、保养的服务难度，进一步降低了消费者购买积极性。其二，丘陵地区农作物机械化水平不高，还不足以支撑智能化应用。农业农村部统计数据显示，2019年中国平均综合机械化率约为69%，机耕率、机播率、机收率分别为84%、56%和61%。而且，据2019年农业农村部农业机械化管理司对全国丘陵山区农业机械化水平摸底调查数据显示，中国山地、丘陵、高原等不宜机械化作业的耕地面积占比约65%，1 429 个丘陵山区县农作物综合机械化水平约为46.87%，低于全国平均水平22.13%，更是比非丘陵山区县低33.87%。显然，丘陵山区农业机械化水平严重制约了农业自动驾驶产业的发展。其三，农业从业者年龄普遍偏大、受教育程度较低。根据第三次全国农业普查数据显示，全国农业生产经营人员约31 422 万人，33.6%的从业者年龄超过55岁，35岁及以下的从业人员占比约19.1%，而且，大专及以上学历占比仅仅约8%。下游消费者受教育程度影响了其接受新事物的速度与学习能力，部分消费者缺乏对机械化，尤其是信息化等新兴技术系统地掌握，容易出现操作不当、不会调整、维护保养困难等问题，进而导致系统故障率提升而使得消费者产生抵触情绪，在一定程度上阻碍了搭载自动驾驶系统的高端农机的推广应用。其四，还未建立统一的自动驾驶农机分级标准与评价体系。美国汽车工程师学会(Society of Automotive Engineers，SAE)将自动驾驶汽车分为L0～L5六个等级并被全球多个国家采用，等级越高代表其自动化程度越高。标准的发布大力推动了自动驾驶产业的发展，当前，全球主要汽车厂商自动驾驶技术均能够达到L3等级。虽然，各个国家均高度重视自动或无人驾驶农机领域标准化工作，但是，当前国际上还没有统一的规范或标准对农机自动驾驶程度进行分级，也没有对自动驾驶农机故障率、作业效率、土地利用效率、作业精度等进行测试评价或统一设备接口协议与规范。中国农机检测仍然执行的是未对自动驾驶提出检定要求的《农业机械试验鉴定办法》，亟待制定无人驾驶农机产品许可和质量管理的法律法规。

由此可见，中国虽然已经具备发展无人农业基础，但基本都还处于探索阶段，在技术成熟度、经济性以及消费者接受程度等方面还存在诸多欠缺，不仅要在政策、标准等方面积极支持，还要在消费者培训、“新农人”培养等方面加大投入，才能够深入推进机械化、信息化融合，促进农业机械化高质量发展。

3 未来发展趋势

3.1 无人驾驶将成为行业聚焦方向

自动驾驶并非真正意义上的无人驾驶，无人驾驶也被称为自主驾驶，是自动驾驶发展的高级阶段，也是未来发展无人农业的核心技术之一。为提高农机自动驾驶程度，满足未来农业集约化和产业化的需要，促进农业农村现代化发展，研究热点可能集中在“一人多机、多机协同”关键技术、动态路径规划、地头自动转向控制、障碍物检测与主动避障、多源信息融合等方面，进一步增强农机自动驾驶系统性能(可靠性、适应性、安全性等)，突破制约技术应用与发展的关键瓶颈。同时，5G通信技术凭借更高的数据传输速率、更低的网络延迟以及超大的连接性等优势，突破了大数据量实时传输的瓶颈，满足高清视频、AR/VR等场景实时应用要求，实现多装备连接、智能化农业数据的无人采集与分析以及农业装备的无人作业，让基于农业物联网的智慧农业大规模应用成为可能，为乡村振兴战略的实施与农业现代化发展带来了新机遇。

3.2 农机自动驾驶系统将从后装市场向前装市场过渡，逐步构建起智慧农业整体解决方案

当前，自动驾驶农机还处在精准农业应用阶段，农机自动驾驶系统装配方式也分为前装和后装两种，由此也形成了前装市场与后装市场。中国农机自动驾驶系统尚处于发展初期，技术可靠性和稳定性不高，后装可以在原有农机基础上进行改造，更容易被用户接受。由此，短期内中国市场仍然是以后装为主，但是，基于前装在可靠性与安全性等方面的优势以及农机企业完善的服务体系、成熟的服务范围和渠道，迫使农机自动驾驶系统企业积极与传统农机生产企业紧密合作，将自动驾驶系统更好地与农机融合发展。目前，全球大型农机厂商均发布了预装自动驾驶系统的机型，同时，也涌现出一批以小型自动驾驶农业装备为核心的科技企业。那么，从全球农机厂商技术布局来看，农机自动驾驶系统在经历后装向前装过渡后，势必会向着电子化、网联化、智能化方向发展以实现数字控制、互联互通、无人作业，进而构建起智慧农业整体解决方案，见图9。

图9 自动驾驶农机发展趋势Fig.9 Development trend of autonomous agricultural machinery

4 结论

农机自动驾驶技术是打开智慧农业的“钥匙”，也是推进无人农场建设与发展、重新塑造以无人化为核心的农业生产模式的重要基础。本文在梳理农机自动驾驶系统技术原理的基础上进一步探讨了该技术在作业精度、作业效率、成本投入等方面优势以及在系统硬件计算力、存储空间、底层算法理论等方面的局限性，并且总结了国内外关于自动驾驶农机的最新研究成果。此外，分析了全球农机自动驾驶行业竞争环境，阐明了欧美等发达国家在产业格局、上游底层技术等方面的主要优势与中国自动驾驶产业链已经初具规模，后装市场几乎实现国产化的现状。同时，指出了农机自动驾驶系统单价高，售后体系不完善；丘陵地形机械化水平较低，还不足以支撑智能化应用；农业从业人员老龄化严重、受教育程度低是制约中国农机自动驾驶产业发展的关键因素。另外，预测未来自动驾驶系统技术上的研究将集中在突破技术瓶颈，促进自动驾驶向着无人驾驶发展；市场也将向前装市场过渡，逐步形成智慧农业整体解决方案，构建起“智能在端、智慧在云、管控在屏”的无人农业新模式。