面向智能农业装备的神经动力学：从数字自动化到认知智能的演进综述

《Neurocomputing》：Neural dynamics for smart agricultural equipment: A review of the evolution from digital automation to cognitive intelligence

　　

摘要
农业装备技术信息科学的发展轨迹正在经历深刻的范式转变，从单纯替代体力劳动向模拟人类认知努力转变。尽管当代数字自动化以确定性控制逻辑和高清晰度映射为特征，在北方平原等工程化及结构化环境中建立了坚实基础，但在非结构化场景中却遇到了严重瓶颈。具体而言，在中国南方破碎且非结构化的丘陵地区，基于规则的系统无法理解复杂且随时间变化的环境动态，导致在不确定环境中决策脆弱且模型严重失效。此外，以工程为中心的交互设计给普通农民带来了显著的认知负荷，阻碍了他们有效运用先进农业技术并适应现代农事作业不断变化的需求。为了克服当前技术范式的局限性，本综述系统地考察了向由神经动力学驱动的认知智能这一新技术方向的转变。我们探讨了神经动力学如何结合新兴技术，特别是视觉 - 语言模型（VLMs）、大语言模型（LLM）智能体和具身智能，赋予农业机械开放词汇语义感知、思维链意图推理以及鲁棒的、基于学习的神经动力学控制能力。我们主张进行一场革命性的转变，转向基于脑动力学原则的自主认知生态系统，以建立健壮且易于访问的框架。最后，我们勾勒了构建自主认知生态系统的全面路线图，强调用于时空适应的持续学习、用于去中心化协作的群体神经动力学、用于边缘级效率的类脑计算，以及用于人机共生的动态意图推理。最终，本综述为普及下一代智能农业装备提供了框架，使其能够在非结构化环境中进行安全、鲁棒且基于意图的操作。

引言
中国的农业生产经历了从人力畜力向机械化的历史性飞跃 [1]。随着 2004 年《农业机械化促进法》的实施以及近期国家农业机械化发展第十四个五年规划的出台，中国的农业装备正处于从替代人类技能向替代人类智能的关键过渡期 [2]。根据农业农村部的统计，到 2024 年底，中国农作物耕种收综合机械化率达到 75.64%。水稻、小麦、玉米等主要作物的综合机械化率分别达到 89.18%、98.00% 和 92.23% [3]。更重要的是，农业智能计算基础设施呈指数级扩张。截至 2024 年初，超过 220 万台农业机械配备了北斗定位、作业监测和自动驾驶终端，植保无人机（UAVs）保有量接近 20 万台 [4], [5]。

然而，尽管农业基础设施规模庞大，现有的计算范式面临着瓶颈。农村劳动力的老龄化和非结构化农业环境的复杂性挑战着当前一代自动化机械，迫切需要通过认知计算和智能智能体来重塑农业生产力 [6]。为了阐明既定技术框架与未来人工智能赋能之间的逻辑关系，本文将智能农业装备关键技术的演进分为两种互补的范式。

数字自动化代表了当前的主导范式，是保证在标准化和数字化环境中精确执行的技术基石 [7]。以罗锡文院士及其团队首创的无人农场系统为典型代表 [8]，这种方法利用全球导航卫星系统（GNSS）或北斗等数字映射技术，有效地将原本无序的农田表征为准结构化工作空间。该范式的核心成功依赖于预编程策略，即机械利用高清地图和确定性控制逻辑，在整个农事周期内以厘米级精度执行标准化作业。在此框架下，环境被视为静态且已知的，系统通过确定性数据和基于规则的控制机制实现高效的无人作业。

这种基于规则的范式的有效性在中国北方平原得到了生动体现，那里环境天然有利于标准化。2024 年，中国农作物综合机械化率达到 75.64%，黑龙江省的综合机械化率超过 90% [3]，这验证了数字自动化在高度结构化环境中 thriving。相比之下，农业农村部数据显示，丘陵山区耕地面积占总耕地的三分之一以上，约为 4000 万公顷。由于地块破碎和地形复杂，这些地区的机械化率仍停滞在 53.5% 左右 [9]，显著落后于全国平均水平。这种显著差异突显了由地理决定的深刻空间二元性，表明将环境适应于机械的工程中心策略在应用于这些广阔且非结构化的地区时面临着巨大挑战。

认知智能作为一种演进范式出现，旨在实现非结构化动态场景中的自主适应，提供了关键的突破。针对现有数字自动化系统缺乏在开放环境中灵活性等局限性，包括大视觉 - 语言模型和具身智能在内的新兴技术旨在引入认知能力，专门解决适应性问题。这并不意味着摒弃确定性控制，而是代表了一种根本性的进化，即从依赖确定性预编程转向将其与基于学习的泛化相结合。通过在现有控制架构之上叠加基础模型和自主推理，该范式赋予高度自动化的机械理解语义上下文和做出动态决策的能力，使设备从指令的刚性执行者演变为能够适应环境的智能智能体。值得注意的是，认知智能范式的引入为解决中国南方丘陵山区机械化率长期停滞的问题提供了有效方案。这一突破使智能农业装备能够在非标准化农田中有效作业，而无需昂贵的土地重建，从而释放出数字自动化难以渗透的广大南方地区的机械化潜力。本综述提供了关于神经动力学如何为动态和不确定环境中的农业装备提供自适应、数据驱动解决方案的深刻综合。

如图 1 所示，智能农业装备的总体轨迹正在经历从传统数字自动化向高级认知智能的根本范式转变。历史上，数字自动化已经实现了农业生产过程的全覆盖。这种传统范式严重依赖四个关键支柱：数字感知、智能决策、精确作业和智能管理。虽然在该范式在北方平原等结构化和准结构化环境中非常成功，但在南方丘陵地区等非结构化和高度动态的地形中遇到了严重瓶颈。为了克服这些地理和运营限制，该领域正迅速向认知智能演进，这是一种根本旨在模拟复杂环境中人类认知的范式。下一代农业生态系统由三项关键使能技术支撑：语义感知、意图驱动决策和直觉控制。最终，这种演进标志着从预编程机械执行向自主、自适应且意图驱动的农业机器人的关键过渡。

章节摘要
基于数字自动化的无人农场范式
基于数字自动化范式的无人农场代表了当前智能农业装备系统集成的典范，并作为其实际部署的公认基准。该范式依赖于环境的数字化和标准化控制逻辑。本综述选择水稻生产作为数字自动化范式的代表性分析对象。这一选择是由无人水稻农场已实现这一事实所驱动的。

数字自动化在开放世界和用户可及性方面的局限性
尽管使用数字自动化的无人农场在受控环境中取得了显著成功，但现有范式在试图将其扩展到真实农场时，在技术认知和社会实施方面面临双重差距 [39]。这在面对开放世界中的非结构化环境和复杂的人机交互需求时尤为明显 [40]。从用户可及性的角度来看，复杂界面的陡峭认知负荷和...

通过新兴技术实现认知智能
为了弥合示范区与开放农田之间的差距，智能农业机械正经历从数字自动化向认知智能的范式转变。如表 1 所示，本节展示了包括视觉 - 语言模型、大语言模型智能体和具身人工智能在内的新兴技术如何克服传统基于规则系统的适应性边界。这一技术维度提升的核心价值不仅...

迈向认知生态系统的挑战与未来展望
尽管从数字自动化向认知智能的转变标志着从严格规则应用向自适应环境理解的转变，但在现实农业中实施这些新兴技术仍然是一项艰巨的挑战。农业环境，特别是中国南方杂乱且高度破碎的地形，本质上是非结构化的、不妥协的且高度动态的。弥合实验室级人工智能与...

结论
农业装备技术信息科学的发展轨迹从根本上定义了对环境复杂性和操作不确定性的掌握追求。本综述系统地将该演进分为两种互补的范式：数字自动化和认知智能。

尽管数字自动化已经为精准农业建立了坚实的技术基础，并在北方等准结构化环境中表现出显著的疗效...

CRediT 作者贡献声明
张涛：写作 - 初稿，软件，资源，调查，数据整理。C.L. 陈国良：写作 - 审查与编辑，监督，形式分析，概念化。罗锡文：验证，监督，资源，方法论。李俊：写作 - 审查与编辑，软件，项目管理，形式分析。杨晨光：写作 - 审查与编辑，监督，项目管理，概念化。李杰浩：写作 - 审查与编辑，项目管理。

资助
本工作得到了广西壮族自治区重点研发计划（AB24010107, JF2504240003）、广东省科技计划（2025B0202100002）、海南省科技专项基金（ZDYF2026XDNY129）以及广东省高水平人才专项支持计划（2024TQ08Z107）的支持。

利益冲突声明
作者声明，他们没有已知的竞争财务利益或个人关系可能影响本论文报告的工作。

张涛 | 陈国良 | 罗锡文 | 李俊 | 杨晨光 | 李杰浩
华南理工大学计算机科学与工程学院，广州 510641，中国