基于IMU传感器的实时牧草生物量估算系统开发与验证

《Smart Agricultural Technology》：Real-Time Forage Biomass Estimation Using IMU Sensor-based Systems

本研究针对牧场生物量实时监测需求，开发了基于惯性测量单元(IMU)的"IMU-Ski"和"IMU-Roller"系统，通过测量作物高度(TCH)和植被覆盖率(VC)建立预测模型。结果显示IMU-Ski系统在百慕大草(R2=0.82)和苜蓿(R2=0.65)中表现优异，为精准畜牧业提供了低成本解决方案。

　　

在畜牧业发展中，准确估算牧草生物量是优化放牧管理和饲料配给的关键。传统方法如目测评估或人工采样存在效率低、一致性差等问题，而卫星遥感和无人机监测又受成本、天气等因素限制。针对这些痛点，来自克莱姆森大学的研究团队创新性地将惯性测量单元(IMU)技术应用于牧草监测，开发出两种实时生物量估算系统。

研究团队设计了两套基于IMU的测量系统：IMU-Ski系统通过连接杆上的传感器记录金属滑板在草冠上滑行时的倾角变化；IMU-Roller系统则采用双IMU传感器记录圆柱滚轮两侧的高度变化。两种系统测量的总作物高度(TCH)与人工收割的生物量建立相关模型，同时结合从RGB图像提取的植被覆盖率(VC)数据提升预测精度。

关键技术包括：1)基于无人地面车辆(UGV)的移动测量平台；2)IMU传感器角度-高度转换算法；3)SegVeg神经网络图像分割技术提取VC；4)标准化的田间采样与烘干称重流程；5)RTK-GPS精确定位系统。实验在0.2公顷的百慕大草(Cynodon dactylon)和苜蓿(Medicago sativa L.)单作田块进行，采用15天间隔的多时相数据采集策略。

研究结果显示：

1. 1.

   系统性能比较：IMU-Ski在两种作物中均表现更优，百慕大草的TCH预测模型R²达0.82(SeY=2628 kg-wet/ha)，显著优于IMU-Roller(R²=0.75)。

2. 2.

   变量贡献分析：VC单独预测时在百慕大草中表现突出(R²=0.88)，但与TCH组合后仅在百慕大草中提升预测精度(R²=0.90)。

3. 3.

   作物差异：百慕大草的毯状生长形态使测量更稳定(CV=46%)，而苜蓿的簇生特性导致更高变异(CV=75-84%)。

4. 4.

   干物质预测：通过引入干物质分数(DMF)，成功将湿生物量模型转换为干生物量预测，百慕大草和苜蓿的预测误差分别为1228 kg-dry/ha和2814 kg-dry/ha。

讨论部分指出，IMU-Ski系统克服了传统传感器的环境敏感性，实现了全天候低成本监测。虽然VC能提升百慕大草的预测精度，但考虑到数据采集复杂性，建议优先采用TCH单一变量模型。研究还探索了将单作数据应用于混作系统的可行性，为40-60%的苜蓿-百慕大草混作提供了初步预测框架(R²=0.78)。

该研究发表于《Smart Agricultural Technology》，其重要意义在于：1)首次验证IMU传感器在牧草监测中的适用性；2)建立可推广的生物量预测模型；3)为精准畜牧业提供实时决策工具。未来研究将聚焦于开发高度自适应的测量机构，消除对固定安装参数的依赖。