《Computers and Electronics in Agriculture》：Low-cost autonomous unmanned ground vehicle for in-situ phosphorus screening to support zone-based fertilization in maize crops
编辑推荐：
•低成本自主地面无人车用于小农户玉米田中的原位土壤检测。•随机森林校准使原始探针磷浓度的均方根误差降低53%（经交叉验证）。•当前经过验证的检测仅限于磷——氮和钾仍需进一步研究。•GNSS-VIO融合使航点定位误差相比仅使用GPS降低91%。•地理参考磷分布图为施肥规划提供决
- •
低成本自主地面无人车用于小农户玉米田中的原位土壤检测。
- •
随机森林校准使原始探针磷浓度的均方根误差降低53%（经交叉验证）。
- •
当前经过验证的检测仅限于磷——氮和钾仍需进一步研究。
- •
GNSS-VIO融合使航点定位误差相比仅使用GPS降低91%。
- •
地理参考磷分布图为施肥规划提供决策支持。
引言
黄玉米（Zea mays L.）被许多国家视为战略性作物。在其种植过程中实施精准农业技术对于提高产量、优化肥料使用和减少过量施肥的环境影响至关重要。黄玉米的生长和产量在很大程度上取决于大量营养元素——尤其是氮（N）、磷（P）和钾（K）——的供应情况，这些元素必须在土壤中充分可用以支持植物正常发育（Wang等，2024，Yimer等，2024）。因此，对这些营养元素进行准确、及时的原位评估对于有效的肥料管理和作物生产决策至关重要（Bulacio Fischer等，2025，Kashyap和Kumar，2021）。
尽管其重要性日益凸显，但当前的土壤养分分析方法受限于低空间分辨率和高成本。传统采样实践通常每3公顷仅采集5–10个土壤样本，随后在实验室中分析以确定养分浓度（Bulacio Fischer等，2025，Gon?alves等，2021）。这种稀疏的采样密度导致土壤变异性的空间代表性较差，可能导致施肥建议不准确。此外，实验室分析通常价格昂贵——例如在秘鲁等国每个样本约11美元——且周转时间为10–15个工作日。这种延迟阻碍了及时施肥决策，特别是对黄玉米等生长迅速的作物而言。因此，由于当前技术的高成本和有限的可及性，小农户采用精准农业的程度仍然很低。
为解决这些挑战，研究人员提出了多种高分辨率采样方法。例如，管理区技术和网格单元技术已在养分制图方面展示了更高的精度和诊断性能（Valente等，2024）。与此同时，近感遥感和遥感技术的进步也有助于更高效地估算养分，但其推广受限于商业系统的高成本，往往超出小农户的承受能力（Bulacio Fischer等，2025，Dattatreya等，2024）。
地面无人车（UGV）在行栽作物农业中快速发展，从遥控侦察平台演进为全自主系统，用于表型分析、除草、喷洒和土壤采样（Norby等，2024，?ukowska等，2019）。在玉米种植中，UGV部署面临特定挑战：狭窄的行间距离（0.8–0.9米）要求亚米级横向精度；随着作物生长，冠层逐渐削弱全球导航卫星系统（GNSS）的接收信号；沟壑不平的起伏地形则影响牵引力和传感器稳定性。现有平台如Agrobot Lala已展示可在高达30厘米深度进行精确硝酸盐测量（Kiti?等，2022），但仍受限于有限的电池续航（约3小时）、较长的采样时间（每点约30分钟）以及高昂的平台成本。其他通用型土壤取芯机器人（?ukowska等，2019）并未针对特定作物几何特征或区域需求进行优化。
在经济门槛方面，这一问题在秘鲁尤为突出，该国的硬粒黄玉米生产以小农户为主导，资本获取有限。目前，针对这些生产者碎片化土地持有和预算限制的商业解决方案明显缺乏。现有机器人平台主要面向发达国家的规模化、资本密集型农业而设计，从而造成技术鸿沟，使小农户无法享受精准农业带来的收益。
近年来，低成本电化学NPK传感器——通常定价为60–80美元——为直接的土壤养分测量提供了更具价格优势的替代方案（Dattatreya等，2024，Bulacio Fischer等，2025，Musa等，2024）。然而，由于制造变异性、校准不足以及对土壤水分、质地、盐度、温度和探针与土壤接触条件的强烈依赖，这些传感器往往表现出精度和稳定性不足的问题。多项研究表明，集成人工智能（AI）算法可显著提升传感器校准精度（Dattatreya等，2024，Adla等，2020）。然而，此类数据驱动的校准模型在不同土壤类型之间的可迁移性仍是一个悬而未决的问题。
文献综述显示存在一个明确的研究空白：低成本电化学传感器、机器学习校准、机器人土壤采样以及GNSS和视觉惯性里程计（VIO）导航各自已被单独研究。然而，目前尚无经验证的系统将上述组件集成为一个面向小农户玉米生产农艺和经济条件并经田间测试的负担得起的平台。本研究在系统层面的集成、校准方法以及平台田间验证方面做出了科学贡献，而非提出全新的传感或导航算法。
据此，本研究的具体目标如下：（i）设计并实施一款配备螺旋钻辅助机构、可直接原位插入电化学土壤探针的低成本UGV；（ii）利用随机森林（RF）回归模型对低成本养分传感器与实验室参考值进行校准，并量化由此带来的精度提升；（iii）评估并比较三种导航策略（仅GPS、VIO和传感器融合）的定位精度和能效；（iv）提出并验证一种可解释的指标——即地形不规则性指数（TII），用于实时地形表征；（v）将地理参考测量数据集成到数字化平台中，可视化磷的相对变异性，并提供符合现有UNALM建议的分区分层施肥指导。
本文其余部分结构如下：第2节描述所使用的材料和方法，包括UGV设计和测量系统；第3节呈现田间测试结果并描述验证过程；第4节讨论研究结果并与现有文献进行对比；第5节总结主要贡献、实践意义和未来展望。
章节摘要
UGV平台
该UGV尺寸为45 × 55 × 80厘米。其底盘距地面抬高30厘米，以确保在作物生长的不同阶段均具有良好的通过性。这些尺寸的选定是为了使其能够在行距80–90厘米、沟深约15厘米的玉米田中稳定运行。完整组装的平台（含电池和采样机构）重约40公斤，由四个直径14英寸（0.356米）的电机驱动轮驱动。该UGV具有综合的有用载荷
土壤采样机构性能
采样机构的评估涵盖了深度一致性、采样周期时长以及在不同土壤条件下的表现。田间试验中，完整的采样周期——包括螺旋钻下降、钻孔、探针测量和回撤——每点耗时约38秒。当土壤含水量超过30%时，探针表现最佳，田间读数与实验室结果的一致性得到提高。这一结果与已知的依赖关系一致
成本效益与经济意义
所开发的系统解决了目前限制小农户采用精准土壤监测的经济障碍问题。所使用的传感探针成本约60–80美元，比便携式近感测量仪器（如近红外（NIR）光谱仪）的成本低一到两个数量级。与商业机器人平台的详细总拥有成本对比超出本研究范围，留待后续工作完成，因为已发表的成本数据
结论
本文提出了一款低成本自主UGV的设计、实施及田间测试成果，用于玉米田中的原位土壤肥力筛查，其中磷作为已验证的目标养分。本研究的主要贡献在于将低成本电化学传感、机器学习校准、螺旋钻辅助原位探针插入以及GNSS-VIO融合导航集成于单一平台上的系统级整合与实验评估，该平台专为特定经济条件
CRediT作者贡献声明
Lalo Villacorta：撰写——审阅与编辑，撰写——初稿撰写，可视化，验证，监督，软件，资源，项目管理，方法学，调查，形式化分析，概念化。Adrian Medrano：撰写——审阅与编辑，撰写——初稿撰写，可视化，验证，监督，软件，资源，项目管理，方法学，调查，数据整理，概念化。Miguel Lara：撰写——审阅与编辑，撰写——初稿撰写
生成式AI及AI辅助技术在手稿准备过程中的声明
在本工作准备过程中，作者使用了Anthropic的Claude进行语言编辑和文本重构。作者对输出内容进行了必要的审阅和编辑，并对已发表文章的内容承担全部责任。
利益冲突声明
作者声明不存在已知的可能影响本文所报告工作的竞争性财务利益或个人关系。
致谢
高级制造实验室、UPC FABLAB、玉米项目、La Molina国立农业大学（UNALM）以及国家农业创新研究所（INIA）。
Lalo Villacorta|Adrian Medrano|Miguel Lara
