单一的传感器在智能农机的环境感知中具有局限性，一般都将多个传感器信息进行融合检测。目前比较常用的多传感器信息融合的方法有激光雷达与视觉融合、毫米波雷达与视觉融合等融合方式。薛金林等[44]将摄像机与激光雷达的信息进行融合、实现了智能农机车辆前方障碍物的实时检测。谭力凡[45]利用毫米波雷达与机器视觉数据进行特征级融合，先从毫米波雷达数据中获取感兴趣区域，再通过坐标系转换和时间数据融合，基于图像处理技术，实现了对目标物的检测与识别。

1.2 自动导航

自动导航是智能农机的核心。我国农机导航的研究起步较晚，但经过10多年的努力，我国农机导航取得了长足进展，目前与世界上先进水平基本上处于“并跑”的态势。华南农业大学[46-47]、上海交通大学[48-49]、国家农业信息工程技术研究中心[50]、上海联适导航技术股份有限公司[51-52]和潍柴雷沃重工股份有限公司[53]等单位为我国农机导航技术的发展作出了重要贡献。针对我国地域广、作物品种多、作物环境和种植制度复杂等问题，我国农机的自动导航与作业需要重点解决导航定位、导航控制和系统集成三大难题，华南农业大学等单位对此进行了系统深入的研究并取得了重大突破。目前，我国已研制出了适应旱地和水田不同作物的耕、种、管、收等作业环节的电液转向和电机转向的农机北斗自动导航产品，达到了国外同类产品先进水平，可满足无人农场生产的需要。

1.2.1导航定位

针对复杂农田环境和农机作业工况严重影响农机姿态测量精度的问题，黄培奎等[54]将北斗和惯性传感器相结合，设计了外部加速度补偿的卡尔曼滤波算法，俯仰角平均误差从2.00°降低至0.55°，航向角测量精度由5.0°提高至0.3°。针对作业环境复杂、单一传感器精度有限的问题，朱忠祥等[55]采用多传感器信息融合的方法，利用各传感器的优势特征，构成数据冗余或数据互补，以陀螺仪、加速度计和电子罗盘设计了农机的航迹推算系统，结合GNSS系统的绝对定位信息，利用卡尔曼滤波融合方法，获得了较好的定位测姿精度。针对复杂农田环境中卫星信息遮挡、电磁干扰和卫星定位精度降低的问题，张闻宇等[56]采用基于北斗和MEMS惯性传感器的线性时变自适应卡尔曼滤波算法，在RTS差分信号丢失30 s内导航系统定位精度(REM)仍可保持在3 cm以内，显著地提高了导航系统的断点续航能力。

1.2.2导航控制

针对不同作物、不同生产环节和不同地块的导航作业路径需要优化规划的问题，孟志军等[57]提出了面向自动导航和农田全区域覆盖作业路径优化规划方法，实现了农机自动导航系统最优作业方向计算和路径自动生成。针对农田起伏多变，现有农机自动导航系统的控制精度和上线速度不能满足精准作业要求的问题，王辉等[58]采用由预瞄跟随控制器、前视距离自适应调节器、状态预估器和抗饱和变速积分器构成的农机导航复合路径跟踪控制器，显著地提高了农机导航系统的控制精度和上线速度；针对水田侧滑严重、农机俯仰横滚变化频繁且幅度大的问题，在农机导航复合路径跟踪控制器中增加侧滑估计补偿器，显著地提高了农机导航系统的水田抗侧滑干扰能力。针对现有农机导航系统缺乏避障功能，影响农机自动导航作业安全的问题，苗峻齐等[59]采用基于激光雷达的农田障碍物识别与定位三次样条函数的路径规划和纯追踪算法的路径跟踪控制，开发了农机自动避障技术，可以准确识别和绕行农田典型障碍物。针对现代农业生产中需要多机协同作业技术支撑的问题，张闻宇等[60]采用基于无线自组网络的主从装备平行跟踪导航控制技术，使主从装备旋耕和收获作业直线行走段的横向位置误差小于5 cm、纵向跟踪误差小于10 cm。

1.2.3导航集成

针对现有农机缺乏自动导航作业的底盘线控装置的问题，开发了适用不同农机的车载线控控制装置，满足了农机自动导航作业的控制要求。提出了行为决策、动作规划和反馈控制的多层智能控制策略与方法，智能决策自动导航作业控制量，可以满足不同种类农机自动导航作业的需要，基于SAE J1939和ISO 11783总线标准，制定了团体标准，实现了农机自动导航作业系统的有效集成[61-62]。

1.3 精准作业

1.3.1精准耕整

精准耕整的目的是为作物生长提供良好的种床。智能耕整农机应能根据作业的种植农艺要求和土壤质地对作业机具的位置、姿态、压力和作业深度等进行精准控制。目前，液压系统、传感器和电子控制系统已广泛应用于各种耕整机械中，大大提高了耕整机械的智能化水平。国内外耕整机械的发展方向是多功能、复式作业、大型化和精量化，对智能化水平提出了更高的要求。

农田精准平整是精准耕整的重要环节，华南农业大学[63-64]和中国农业大学[65]成功研制出与插秧机头和拖拉机配套的水田激光平地机和旱地激光平地机，平地时平地铲的高程和水平可同时调整，平整后水田平整精度小于3 cm、旱地平整精度小于5 cm，大大提高了水肥利用率，提高了作物产量。采用卫星信息控制的平地机已投入生产使用。

土壤深松是一种国内外公认的提高土壤耕作质量的先进技术，也是我国农业农村部重点推广的先进技术之一。孟志军等[66]成功研发出土壤深松系统，该系统采用卫星定位系统和耕深测量系统，可同时准确测定土壤深松的深度和面积。

1.3.2精准种植

“秧好半年禾”，精准种植是农作物的关键之一。智能种植机械能够根据不同作物生长特性、土壤特性和种植时的气候情况实现精准播种和移栽，包括开沟宽度和深度，同步施肥方式，行距、穴(株)距，播种量和覆土深度等。直播和移栽是最常见的2种种植方式。对播种精度要求最高的是超级杂交稻、玉米、大豆、棉花(都要求每穴播1粒种子)以及一些园艺作物和经济作物。排种器是智能播种机械的核心，由于不同作物种子的大小、形状各异，对排种器的要求各不相同，常用的排种器有机械式和气力式2大类，目前，我国这2类排种器的研究与国外的先进水平不断缩小，部分已达到国外先进水平，如勺轮式、指夹式和气力式玉米精量排种器基本上与国外处于“并跑”水平。气力式排种器对种子的大小、形状要求不严格，适合形状不规则的种子，可以实现高速播种，播种精度高，株距均匀，广泛应用于各种智能播种机中[67]。华南农业大学[68-70]采用型孔轮式和气力式排种器，研制成功同步开沟起垄穴播、同步开沟起垄施肥穴播和同步开沟起垄喷施穴播的“三同步”水稻精量穴播机，实现了行距可选、穴距可调、播量可控和仿形作业，在国内26个省市推广应用，取得了一批高产记录，在新疆水稻产量超过15 000 kg/hm2。采用电机驱动代替地轮驱动排种器，在播种机上加装播种量检测和调控系统以及补种装置，可以在播种时同步施肥和喷施农药，该技术的应用范围不断扩大，部分地区已经普及[71-72]。

采用移栽作业方式的作物主要有水稻、蔬菜以及一些园艺作物和经济作物。目前，我国作物移栽技术研究取得重大进展，与国外基本上处于“并跑”的态势，特别是水稻插秧机，通过采用毯状苗、钵体苗和毯状钵体苗，实现了不同品种水稻的精准移栽，插秧时同步施肥，该技术正在逐步普及[73-75]。油菜移栽技术也取得重大突破[76]。

1.3.3精准田间管理

田间管理主要包括水、肥、药的管理。精准施肥主要包括基肥和追肥。作物种植前精确获取土壤中的养分情况是精准施基肥的前提。目前，田间实时在线测量土壤中氮磷钾的技术尚未取得实质性突破，主要是利用卫星定位信息田间取土并在实验室分析获得土壤中的养分分布图；根据养分处方图，采用智能施肥机实现精准施肥。精确获取作物的长势和养分胁迫情况是精准施追肥的基础。目前，国内外众多学者采用光谱技术获取作物长势信息的研究取得了一定进展。李克亮等[77]在广东早稻生长中根据水稻长势采取精准施肥，产量增加9.27%。

精准施药的机械主要包括地面施药机械和航空植保机械，根据获取的作物病虫草害信息制定的处方图，进行精准对靶变量喷施。喷雾压力可调、喷雾流量可调等先进技术已广泛应用于地面施药机械和航空植保机械中[78-79]。高地隙宽幅喷杆喷雾机已得到了广泛应用，通过变轴距调节技术，可以适应多种耕地和不同垄距的作业需要[80]。袁琦堡等[81]成功研究出自动混药技术，水箱、药箱和混合器分别设置，根据病虫草害信息和喷施处方图在田间作业时实时混药，实现了药液浓度和喷量自动调节。航空植保技术近10年来在我国得到了快速发展，成为大田作物植保的主流技术之一，2020年，无人机植保作业面积超过0.67亿hm2，田块边界自动识别、作物路径自动规划、高效低污染施药、多机协同作业等先进技术等得到了广泛应用[82]。

精准灌溉技术在国内得到了广泛应用。在土壤中设置传感器，精确获取土壤中的含水量，根据作物不同生长期的需水规律，进行精准灌溉，可实现水肥药一体化灌溉[83]。实践表明，精准灌溉可大幅度减少用水量，提高作物产量[84]。徐刚等[85]采用物联网技术和传感器网络采集农田的温湿度和光照强度等参数，以此优化灌溉策略。阮俊瑾等[86]设计了一种能实现灌溉、混药和施肥一体的球混式水肥灌溉系统。

1.3.4精准收获

对精准收获的基本要求是根据作物成熟度适时收获，根据作物长势和产量自动调节收获机前进速度、割台高度、脱粒滚筒转速和清选等工作参数，对各部件工作状况实现监控、显示和报警。目前，国内外的收获机普遍采用电子和液压技术，实现了上述功能，还可以生成产量分布图[87]。陈进等[88]采用图像处理的方法，对收获的水稻成分进行在线识别，破碎籽粒、稻秆杂质以及稻梗杂质的综合评价指标分别达到92.92%、90.65%和90.52%，为调节作业参数提供了依据。麻芳兰等[89]设计了一种以切割系统负载压力作为反馈信号的甘蔗收获机入土切割切深自动控制系统，切割器可随负载压力的变化而调整切割深度，入土切割深度达20 mm左右，调整误差为2 mm左右。张光跃等[90]研制了一种基于压电陶瓷传感器的清选损失率在线监测系统，实现了联合收获机工作过程中谷物损失率的实时监测，测量误差小于4.1%。