高。由大学官网得知，山东农业大学物联网工程专业是院校的著名专业，物联网是工程专业个交叉学科，涉及通信技术、传感技术、网络技术以及RFID技术、嵌入式系统技术等多项知识，在人才市场上很抢眼，就业前景广泛，因此含金量很高。山东农业大学，位于山东省泰安市，是中华人民共和国农业农村部、国家林业和草原局和山东省人民政府共建高校，国家首批卓越农林人才教育培养计划改革试点高校。
本专题我共整理了10篇文章，来自中国农业科学院农业质量标准与检测技术研究所、南京农业大学、英国林肯大学、华南农业大学、江南大学、国家农业智能装备工程技术研究中心、浙江大学、中国科学院、吉林农业大学、西北农林 科技 大学、国家信息农业工程技术中心等单位。
文章包含农产品质量安全纳米传感器、太阳能杀虫灯、分簇路由算法、农田物联网混合多跳路由算法、水产养殖溶解氧传感器研制、土壤养分近场遥测方法、农机远程智能管理平台、水肥浓度智能感知与精准配比、果园多机器人通信等内容，供大家阅读、参考。
专题--农业传感器与物联网
Topic--Agricultural Sensor and Internet of Things
[1]王培龙, 唐智勇 农产品质量安全纳米传感应用研究分析与展望[J] 智慧农业(中英文), 2020, 2(2): 1-10
WANG Peilong , TANG Zhiyong Application analysis and prospect of nanosensor in the quality and safety of agricultural products[J] Smart Agriculture, 2020, 2(2): 1-10
知网阅读
[2]杨星, 舒磊, 黄凯, 李凯亮, 霍志强, 王彦飞, 王心怡, 卢巧玲, 张亚成 太阳能杀虫灯物联网故障诊断特征分析及潜在挑战[J] 智慧农业(中英文), 2020, 2(2): 11-27
YANG Xing, SHU Lei, HUANG Kai, LI Kailiang, HUO Zhiqiang, WANG Yanfei, WANG Xinyi, LU Qiaoling, ZHANG Yacheng Characteristics analysis and challenges for fault diagnosis in solar insecticidal lamps Internet of Things[J] Smart Agriculture, 2020, 2(2): 11-27
摘要： 太阳能杀虫灯物联网（SIL-IoTs）是一种基于农业场景与物联网技术的新型物理农业虫害防治工具，通过无线传输太阳能杀虫灯组件状态数据，用户可后台实时查看太阳能杀虫灯运行状态，具有杀虫计数、虫害区域定位、辅助农情监测等功能。但随着SIL-IoTs快速发展与广泛应用，故障诊断难和维护难等矛盾日益突出。基于此，本研究首先阐述了SIL-IoTs的结构和研究现状，分析了故障诊断的重要性，指出了故障诊断是保障其可靠性的主要手段。接着介绍了目前太阳能杀虫灯节点自身存在的故障及其在无线传感网络（WSNs）中的体现，并进一步对WSNs中的故障进行分类，包括基于行为、基于时间、基于组件以及基于影响区域的故障四类。随后讨论了统计方法、概率方法、层次路由方法、机器学习方法、拓扑控制方法和移动基站方法等目前主要使用的WSNs故障诊断方法。此外，还探讨了SIL-IoTs故障诊断策略，将故障诊断从行为上分为主动型诊断与被动型诊断策略，从监测类型上分为连续诊断、定期诊断、直接诊断与间接诊断策略，从设备上分为集中式、分布式与混合式策略。在以上故障诊断方法与策略的基础上，介绍了后台数据异常、部分节点通信异常、整个网络通信异常和未诊断出异常但实际存在异常四种故障现象下适用的WSNs故障诊断调试工具，如Sympathy、Clairvoyant、SNIF和Dustminer。最后，强调了SIL-IoTs的特性对故障诊断带来的潜在挑战，包括部署环境复杂、节点任务冲突、连续性区域节点无法传输数据和多种故障诊断失效等情形，并针对这些潜在挑战指出了合理的研究方向。由于SIL-IoTs为农业物联网中典型应用，因此本研究可扩展至其它农业物联网中，并为这些农业物联网的故障诊断提供参考。
知网阅读
[3]汪进鸿, 韩宇星 用于作物表型信息边缘计算采集的认知无线传感器网络分簇路由算法[J] 智慧农业(中英文), 2020, 2(2): 28-47
WANG Jinhong, HAN Yuxing Cognitive radio sensor networks clustering routing algorithm for crop phenotypic information edge computing collection[J] Smart Agriculture, 2020, 2(2): 28-47
摘要： 随着无线终端数量的快速增长和多媒体图像等高带宽传输业务需求的增加，农业物联网相关领域可预见地会出现无线频谱资源紧缺问题。针对基于传统物联网的作物表型信息采集系统中存在由于节点密集部署导致数据传输过程容易出现频谱竞争、数据拥堵的现象以及固定电池的网络由于能耗不均衡引起监测周期缩减等诸多问题，本研究建立了一个认知无线传感器网络（CRSN）作物表型信息采集模型，并针对模型提出一种引入边缘计算机制的动态频谱和能耗均衡（DSEB）的事件驱动分簇路由算法。算法包括：（1）动态频谱感知分簇，采用层次聚类算法结合频谱感知获取的可用信道、节点间的距离、剩余能量和邻居节点度为相似度对被监控区域内的节点进行聚类分簇并选取簇头，构建分簇拓扑的过程对各分簇大小的均衡性引入奖励和惩罚因子，提升网络各分簇平均频谱利用率；（2）融入边缘计算的事件触发数据路由，根据构建的分簇拓扑结构，将待检测各区域变化异常表型信息触发事件以簇内汇聚和簇间中继交替迭代方式转发至汇聚节点，簇内汇聚包括直传和簇内中继，簇间中继包括主网关节点和次网关节点-主网关节点两种情况；（3）基于频谱变化和通信服务质量（QoS）的自适应重新分簇：基于主用户行为变化引起的可用信道改变，或分簇效果不佳对通信服务质量产生的干扰，触发CRSN进行自适应重新分簇。此外，本研究还提出了一种新的能耗均衡策略去能量消耗中心化（假设sink为中心），即在网关或簇头节点选取计算式中引入与节点到sink的距离成正比的权重系数。算法仿真结果表明，与采用K-medoid分簇和能量感知的事件驱动分簇(ERP)路由方案相比，在CRSN节点数为定值的前提下，基于DSEB的分簇路由算法在网络生存期与能效等方面均具有一定的改进；在主用户节点数为定值时，所提算法比其它两种算法具有更高频谱利用率。
知网阅读
[4]顾浩, 王志强, 吴昊, 蒋永年, 郭亚 基于荧光法的溶解氧传感器研制及试验[J] 智慧农业(中英文), 2020, 2(2): 48-58
GU Hao, WANG Zhiqiang, WU Hao, JIANG Yongnian, GUO Ya A fluorescence based dissolved oxygen sensor[J] Smart Agriculture, 2020, 2(2): 48-58
摘要：溶解氧含量的测量对水产养殖具有极其重要的意义，但目前中国市面上的溶解氧传感器存在价格昂贵、不能持续在线测量及更新部件维护困难等问题，难以在水产养殖物联网中大规模推广和发挥作用。本研究基于荧光淬灭原理，利用水中溶解氧浓度与荧光信号相位差的关系进行低成本、易维护溶解氧传感器的研发。首先利用自制备溶氧敏感膜，经激发光照射后产生红色荧光，该荧光寿命可由溶解氧浓度调节；然后利用光信号敏感器件设计光电转化电路实现光信号感知；再以STM32F103微处理器作为主控芯片，编写下位机程序实现激发光脉冲产生，利用相敏检波原理以及快速傅里叶变换（FFT）计算激发光与参照光的相位差，进而转化为溶解氧浓度，实现溶解氧的测量。荧光探测部分与系统主控部分采用分离式设计思想，利用屏蔽排线直接插拔连接，便于传感器探测头的拆卸、更换、维护以及实现远距离在线测量。经测试，本溶解氧传感器的测量范围是0~20 mg/L，响应延迟小于2 s，溶氧敏感膜使用寿命约1年，可以实时不间断地对溶解氧浓度进行测量。同时，本传感器具有测量方便、制作成本低、体积小等特点，为中国水产养殖低成本溶解氧传感器的研发与市场化奠定了良好的基础。
知网阅读
[5]矫雷子, 董大明, 赵贤德, 田宏武 基于调制近红外反射光谱的土壤养分近场遥测方法研究[J] 智慧农业(中英文), 2020, 2(2): 59-66
JIAO Leizi, DONG Daming, ZHAO Xiande, TIAN Hongwu Near-field telemetry detection of soil nutrient based on modulated near-infrared reflectance spectrum[J] Smart Agriculture, 2020, 2(2): 59-66
摘要： 土壤养分作为农业生产的重要指标，含量过少会降低农作物产量，过多则会造成环境污染。因此，快速、准确检测土壤养分对于精准施肥和提高作物产量具有重要意义。基于取样和化学分析的传统方法能够全面准确地检测土壤养分，但检测过程中土壤的取样及预处理过程繁琐、操作复杂、费时费力，不能实现土壤养分的原位快速检测。本研究基于调制近红外光谱，提出了一种土壤养分主动式近场遥测方法，可有效避免土壤反射自然光的干扰。该方法使用波长范围1260~1610 nm的8通道窄带激光二极管作为近红外光源，通过测量8通道激光光束的土壤反射率，建立土壤养分中氮（N）关于土壤反射率的计量模型，实现了N的快速检测。在74组已知N含量的土壤样品中，选取54组作为训练集，20组作为预测集。基于一般线性模型，对训练集中土壤N含量与土壤反射率的定量化参数进行训练，筛选显著波段后的计量模型R2达到097。基于建立的计量模型，预测集中土壤N含量预测值与参考值的决定系数R2达到09，结果表明该方法具有土壤养分现场快速检测的能力。
知网阅读
[6]朱登胜, 方慧, 胡韶明, 王文权, 周延锁, 王红艳, 刘飞, 何勇 农机远程智能管理平台研发及其应用[J] 智慧农业(中英文), 2020, 2(2): 67-81
ZHU Dengsheng, FANG Hui, HU Shaoming, WANG Wenquan, ZHOU Yansuo, WANG Hongyan, LIU Fei, HE Yong Development and application of an intelligent remote management platform for agricultural machinery[J] Smart Agriculture, 2020, 2(2): 67-81
摘要： 本研究针对农机管理实时数据少、农机实时作业监管困难、服务信息不对称等问题，首先提出专业化远程管理平台设计时应具有五大原则：专业化、标准化、云平台、模块化以及开放性。基于这些原则，本研究设计了基于大田作业智能传感技术、物联网技术、定位技术、遥感技术和地理信息系统的可定制化的通用农机远程智能管理平台。平台分别为各级政府管理部门、农机合作社、农机手、农户设计并实现了基于WebGIS 的农机信息库及农机位置服务、农机作业实时监测与管理、农田基础信息管理、田间作物基本信息管理、农机调度管理、农机补贴管理、农机作业订单管理等多个实用模块。研究着重分析了在当前的技术背景下，平台部分关键技术的实现方法，包括采用低精度GNSS定位系统前提下的作业面积的计算方法、GNSS定位数据处理过程中的数据问题分析、农机调度算法、作业传感器信息的集成等，并提出了以地块为核心的管理平台建设思路；同时提出农机作业管理平台将逐步从简单作业管理转向大田农机综合管理。本平台对同类型管理平台的研发具有一定的参考与借鉴作用。
知网阅读
[7]金洲, 张俊卿, 郭红燕, 胡宜敏, 陈翔宇, 黄河, 王红艳 水肥浓度智能感知与精准配比系统研制与试验[J] 智慧农业(中英文), 2020, 2(2): 82-93
JIN Zhou, ZHANG Junqing, GUO Hongyan, HU Yimin, CHEN Xiangyu, HUANG He, WANG Hongyan Development and testing of intelligent sensing and precision proportioning system of water and fertilizer concentration[J] Smart Agriculture, 2020, 2(2): 82-93
摘要： 为解决农场当地当时的复合肥料精准化配料问题，本研究将水肥一体化智能灌溉施肥系统作为研究对象，构建了水肥浓度智能感知与精准配比系统。首先提出现场在线水肥溶液智能感知模型的快速建立方法，利用数据分析算法从传感器实时监测的一系列浓度梯度的肥料溶液中挖掘出模型。其次基于上述模型设计水肥浓度智能感知与精准配比系统的框架结构，阐述系统工作原理；并通过三种水体模拟在线配肥验证了该系统原位指导水肥浓度配比的有效性，同时评价了水体电导率对水肥配比浓度的干扰。试验结果表明，正则化条件下二阶的多项式拟合曲线是表达溶液电导率与水肥浓度的变化关系最优的模型，相关系数R2均大于0999，由此模型可得出用户关心的复合肥各指标浓度。三种水体模拟在线配肥结果表明，水体会干扰电导率导致无法准确反演水肥配比的浓度，相对偏差值超过了01。因此，本研究提出的在线水肥智能感知与精准配比系统实现了消除当地水体电导率对水肥配比准确性的干扰，通过模型计算实现复合肥精准化配比，并得出各指标浓度。该系统结构简单，配比精准，易与现有水肥一体机或者人工配肥系统结合使用，可广泛应用于设施农业栽培、果园栽培和大田经济作物栽培等环境下的精准智能施肥。
知网阅读
[8]孙浩然, 孙琳, 毕春光, 于合龙 基于粒子群与模拟退火协同优化的农田物联网混合多跳路由算法[J] 智慧农业(中英文), 2020, 2(3): 98-107
SUN Haoran, SUN Lin, BI Chunguang, YU Helong Hybrid multi-hop routing algorithm for farmland IoT based on particle swarm and simulated annealing collaborative optimization method[J] Smart Agriculture, 2020, 2(3): 98-107
摘要： 农业无线传感器网络对农田土壤、环境和作物生长的多源异构信息的获取起关键作用。针对传感器在农田中非均匀分布且受到能量制约等问题，本研究提出了一种基于粒子群和模拟退火协同优化的农田物联网混合多跳路由算法（PSMR）。首先，通过节点剩余能量和节点度加权选择簇首，采用成簇结构实现异构网络高效动态组网。然后通过簇首间多跳数据结构解决簇首远距离传输能耗过高问题，利用粒子群与模拟退火协同优化方法提高算法收敛速度，实现sink节点加速采集簇首中的聚合数据。对算法的仿真试验结果表明，PSMR算法与基于能量有效负载均衡的多路径路由策略方法（EMR）相比，无线传感器网络生命周期提升了57%；与贪婪外围无状态路由算法（GPSR-A）相比，在相同的网络生命周期内，第1个死亡传感器节点推迟了两轮，剩余能量标准差减少了004 J，具有良好的网络能耗均衡性。本研究提出的PSMR算法通过簇首间多跳降低远端簇首额外能耗，提高了不同距离簇首的能耗均衡性能，为实现大规模农田复杂环境的长时间、高效、稳定地数据采集监测提供了技术基础，可提高农业物联网的资源利用效率。
知网阅读
[9]毛文菊, 刘恒, 王东飞, 杨福增, 刘志杰 面向果园多机器人通信的AODV路由协议改进设计与测试[J] 智慧农业(中英文), 2021, 3(1): 96-108
MAO Wenju, LIU Heng, WANG Dongfei, YANG Fuzeng, LIU Zhijie Improved AODV routing protocol for multi-robot communication in orchard[J] Smart Agriculture, 2021, 3(1): 96-108
摘要： 针对多机器人在果园中作业时的通信需求，本研究基于Wi-Fi信号在桃园内接收强度预测模型，提出了一种引入优先节点和路径信号强度阈值的改进无线自组网按需平面距离向量路由协议（AODV-SP）。对AODV-SP报文进行设计，并利用NS2仿真软件对比了无线自组网按需平面距离向量路由协议（AODV）和AODV-SP在发起频率、路由开销、平均端到端时延及分组投递率4个方面的性能。仿真试验结果表明，本研究提出的AODV-SP路由协议在发起频率、路由开销、平均端到端时延及分组投递率4个方面的性能均优于AODV协议，其中节点的移动速度为5 m/s时，AODV-SP的路由发起频率和路由开销较AODV分别降低了365%和709%，节点的移动速度为8 m/s时，AODV-SP的分组投递率提高了059%，平均端到端时延降低了1309%。为进一步验证AODV-SP协议的性能，在实验室环境中搭建了基于领航-跟随法的小型多机器人无线通信物理平台并将AODV-SP在此平台应用，并进行了静态丢包率和动态测试。测试结果表明，节点相距25 m时静态丢包率为0，距离100 m时丢包率为2101%；动态行驶时能使机器人维持链状拓扑结构。本研究可为果园多机器人在实际环境中通信系统的搭建提供参考。
知网阅读
[10]黄凯, 舒磊, 李凯亮, 杨星, 朱艳, 汪小旵, 苏勤 太阳能杀虫灯物联网节点的防盗防破坏设计及展望[J] 智慧农业(中英文), 2021, 3(1): 129-143
HUANG Kai, SHU Lei, LI Kailiang, YANG Xing, ZHU Yan, WANG Xiaochan, SU Qin Design and prospect for anti-theft and anti-destruction of nodes in Solar Insecticidal Lamps Internet of Things[J] Smart Agriculture, 2021, 3(1): 129-143
摘要： 太阳能杀虫灯在有效控制虫害的同时，可减少农药施药量。随着其部署数量的增加，被盗被破坏的报道也越来越多，严重影响了虫害防治效果并造成了较大的经济损失。为有效地解决太阳能杀虫灯物联网节点被盗被破坏问题，本研究以太阳能杀虫灯物联网为应用场景，对太阳能杀虫灯硬件进行改造设计以获取更多的传感信息；提出了太阳能杀虫灯辅助设备——无人机杀虫灯，用以被盗被破坏出现后的部署、追踪和巡检等应急应用。通过上述硬件层面的改造设计和增加辅助设备，可以获取更为全面的信息以判断太阳能杀虫灯物联网节点被盗被破坏情况。但考虑到被盗被破坏发生时间短，仅改造硬件层面还不足以实现快速准确判断。因此，本研究进一步从内部硬件、软件算法和外形结构设计三个层面，探讨了设备防盗防破坏的优化设计、设备防盗防破坏判断规则的建立、设备被盗被破坏的快速准确判断、设备被盗被破坏的应急措施、设备被盗被破坏的预测与防控，以及优化计算以降低网络数据传输负荷六个关键研究问题，并对设备防盗防破坏技术在太阳能杀虫灯物联网场景中的应用进行了展望。
知网阅读
微信交流服务群
为方便农业科学领域读者、作者和审稿专家学术交流，促进智慧农业发展，为更好地服务广大读者、作者和审稿人，编辑部建立了微信交流服务群，有关专业领域内的问题讨论、投稿相关的问题均可在群里咨询。
入群方法： 加我微信 331760296 ， 备注： 姓名、单位、研究方向 ，我拉您进群，机构营销广告人员勿扰。
信息发布
科研团队介绍及招聘信息、学术会议及相关活动 的宣传推广
四情是指苗情、墒情、虫情、灾情四大监测预警系统,托普的“四情”监测系统是以先进的传感器、物联网、云平台大数据机互联网等信息技术为基础。由墒情传感器、苗情、灾情摄像机、虫情测报灯、网络数字摄像机、作物生理生态监测仪，以及预警预报系统、专家系统、信息管理平台组成。各级用户通过Web、PC与移动客户端可以访问数据与系统管理功能，对每个监测点的病虫状况、作物生长情况、灾害情况、空气温度、空气湿度、露点、土壤温度、光照强度等各种作物生长过程中重要的参数进行实时监测、管理。 系统联合作物管理知识、作物图库、灾害指标等模块，对作物实时远程监测与诊断，提供智能化、自动化管理决策，是农业技术人员管理农业生产的“千里眼”和“听诊器”。
1、以数学、统计为基础的交叉学科：比如金融工程、金融数学、医学统计、生物统计、金融统计、精算学、数理金融等。
2、以计算机为基础的交叉学科：网络与新媒体、数字媒体技术、数字媒体艺术、物联网、智能科学与技术、人工智能、数据科学与大数据技术、空间科学与技术、空间信息与数字技术、地理信息科学等、生物信息、医学信息等。
3、以外语为基础的交叉学科：一般以双语实验班、涉外实验班为形式，比如西南财经大学的各种双语实验班（金融双语实验班、保险双语实验班、财务会计双语实验班），XX专业国际班等，特点就是特别重视外语教学。
4、传统交叉学科：一些传统专业因为自身特点也具有交叉性质，比如探测制导与控制技术专业，是由原来的鱼雷飞雷工程、火控与指挥系统工程、引信技术、飞行器制导与控制四个专业归并而成。
机械电子工程（机电一体化），属于机械、电子、计算机的交叉作业，类似还有材料成型及控制工程、智能电网信息工程、教育技术学、电子信息工程、信息工程、生物医学工程、智能电网信息工程、交通信号控制等。
5、交叉创新专业：比如竺可桢学院交叉创新平台专业，金融＋数学、信管+统计学、计算机＋统计学、自动化＋计算机、自动化+机械电子工程等，比如电子科技大学复合实验班，生物—信息复合培养实验班、管理—电子工程复合培养实验班等，有些学校还有数学—经济学实验班。
有没有发现交叉学科基本上都是理工类，都和数学、统计学、计算机、电子相关，因为这些学科已经成为通用型学科，无论学什么理工科都要学这些学科，只不过多和少的关系。
如果从宏观看，大部分口径比较宽的专业都可以称之为交叉学科，因为学的实在是太多太杂，比如自动化、信息管理信息系统、仪器科学与技术等。
浙江农林大学有计算机科学与技术、电子信息工程、智能科学与技术、物联网工程、数据科学与大数据技术、机械设计制造及自动化、土木工程、工业设计、园林、农学等专业。
浙江农林大学（Zhejiang A&F University），简称“浙农林大”，位于浙江省杭州市，是浙江省人民政府与农业农村部共建高校、浙江省人民政府与国家林业和草原局共建高校，浙江省重点建设高校，入选国家 “111计划”、“卓越农林人才教育培养计划”。
为CDIO工程教育联盟、国家农业科技创新联盟成员单位。学校创建于1958年，时称天目林学院，1960年与浙江农学院合并成立浙江农业大学，1966年更名为浙江林学院，1970年7月与浙江农业大学合并，1979年2月恢复独立办学，2010年更名浙江农林大学。
截至2022年6月，学校有东湖、衣锦、诸暨3个校区，占地面积3200余亩，校舍建筑面积90余万平方米，仪器设备总值493亿元；设有20个学院（部），开设69个本科专业；拥有博士后科研流动站1个；一级学科博士学位授权点6个。
北京
北京交通大学、北京工业大学、北京理工大学、北京科技大学、北京邮电大学、北京物资学院、中央民族大学、北京信息科技大学、北京邮电大学世纪学院、北京工业大学耿丹学院、北京邮电大学(宏福校区)、北京林业大学
天津
南开大学、天津大学、天津科技大学、天津工业大学、天津理工大学、天津农学院、天津师范大学、河北工业大学、天津城建大学、河北工业大学城市学院、天津理工大学中环信息学院、天津财经大学珠江学院
河北
河北工程大学、河北科技大学、河北建筑工程学院、河北农业大学、河北师范大学、保定学院、唐山师范学院、衡水学院、邢台学院、沧州师范学院、河北科技师范学院、唐山学院、华北科技学院、防灾科技学院、河北传媒学院、河北科技学院、华北理工大学轻工学院、河北师范大学汇华学院、中国地质大学长城学院、燕京理工学院、北京交通大学海滨学院、东北大学秦皇岛分校
山西
中北大学、太原理工大学、太原科技大学、山西农业大学、太原工业学院、太原师范学院、山西工商学院、山西大学商务学院
内蒙古
内蒙古科技大学、内蒙古工业大学
辽宁
沈阳化工大学、大连海事大学、辽宁工业大学、渤海大学、沈阳大学、大连大学、辽宁科技学院、沈阳工程学院、沈阳工学院、大连科技学院、大连东软信息学院
吉林
吉林大学、吉林农业大学、长春工程学院、长春大学、长春光华学院、长春理工大学光电信息学院、吉林建筑大学城建学院、长春建筑学院
黑龙江
黑龙江大学、哈尔滨工业大学、哈尔滨理工大学、哈尔滨工程大学、黑龙江科技大学、东北石油大学、东北农业大学、哈尔滨师范大学、齐齐哈尔大学、哈尔滨商业大学、黑龙江工程学院、哈尔滨石油学院、黑龙江工商学院、哈尔滨华德学院、黑河学院
上海
上海海事大学、上海电机学院、上海建桥学院
江苏
苏州大学、东南大学、南京航空航天大学、江苏科技大学、常州大学、南京邮电大学、河海大学、江南大学、南京林业大学、江苏大学、南京信息工程大学、南通大学、盐城工学院、徐州医科大学、淮阴师范学院、盐城师范学院、南京财经大学、常熟理工学院、金陵科技学院、淮阴工学院、常州工学院、扬州大学、江苏理工学院、泰州学院、无锡太湖学院、南京理工大学紫金学院、中国传媒大学南广学院、南京师范大学中北学院、南京信息工程大学滨江学院、苏州大学文正学院、苏州大学应用技术学院、南京邮电大学通达学院、南通大学杏林学院、江苏第二师范学院
浙江
杭州电子科技大学、浙江工业大学、浙江海洋大学、浙江农林大学、杭州师范大学、湖州师范学院、浙江工商大学、浙江万里学院、浙江科技学院、衢州学院、宁波大学、浙江树人学院、浙江海洋大学东海科学技术学院
安徽
安徽大学、合肥工业大学、安徽工业大学、安徽理工大学、安徽工程大学、安徽农业大学、安徽师范大学、阜阳师范学院、安庆师范学院、滁州学院、安徽财经大学、宿州学院、巢湖学院、淮南师范学院、铜陵学院、安徽建筑大学、安徽科技学院、蚌埠学院、安徽新华学院、安徽文达信息工程学院、合肥师范学院
福建
华侨大学、福州大学、福建工程学院、福建师范大学、武夷学院、三明学院、龙岩学院、莆田学院、厦门华厦学院、厦门工学院、阳光学院、厦门大学嘉庚学院、福建师范大学协和学院、福建江夏学院、泉州信息工程学院、福州理工学院
江西
南昌大学、华东交通大学、东华理工大学、南昌航空大学、江西理工大学、江西农业大学、江西师范大学、江西财经大学、江西科技学院、江西科技师范大学、新余学院、九江学院、南昌理工学院、江西应用科技学院、南昌工学院、南昌大学科学技术学院、江西理工大学应用科学学院、江西农业大学南昌商学院、江西科技师范大学理工学院
山东
山东大学、山东科技大学、中国石油大学(华东)、青岛科技大学、山东建筑大学、齐鲁工业大学、山东农业大学、山东师范大学、曲阜师范大学、德州学院、滨州学院、山东财经大学、青岛大学、烟台大学、山东交通学院、潍坊科技学院、山东英才学院、山东协和学院、青岛工学院、山东农业工程学院
河南
河南理工大学、郑州轻工业学院、河南工业大学、河南科技大学、河南科技学院、河南师范大学、信阳师范学院、周口师范学院、安阳师范学院、许昌学院、南阳师范学院、洛阳师范学院、商丘师范学院、河南财经政法大学、郑州航空工业管理学院、平顶山学院、洛阳理工学院、安阳工学院、河南工程学院、南阳理工学院、河南城建学院、黄河科技学院、郑州科技学院、商丘工学院、河南大学民生学院、河南师范大学新联学院、安阳学院、郑州升达经贸管理学院
湖北
武汉大学、华中科技大学、长江大学、武汉理工大学、湖北工业大学、湖北中医药大学、华中师范大学、湖北师范学院、湖北文理学院、湖北工程学院、湖北理工学院、湖北科技学院、三峡大学、荆楚理工学院、湖北经济学院、武汉东湖学院、汉口学院、武昌首义学院、武昌理工学院、武汉大学珞珈学院、湖北工业大学工程技术学院、武昌工学院、武汉工商学院、长江大学工程技术学院、湖北商贸学院、湖北工程学院新技术学院、武汉华夏理工学院、湖北第二师范学院
湖南
湖南大学、中南大学、湖南科技大学、湖南农业大学、湖南师范大学、湘南学院、衡阳师范学院、邵阳学院、湖南人文科技学院、南华大学、湖南城市学院、湖南工学院、湖南工业大学
广东
暨南大学、广东海洋大学、韶关学院、肇庆学院、嘉应学院、广东技术师范学院、深圳大学、广东白云学院、广州大学、仲恺农业工程学院、广东工业大学、广州大学华软软件学院、广东技术师范学院天河学院、广州大学松田学院、广州商学院、广东科技学院、东莞理工学院城市学院
广西
广西科技大学、桂林电子科技大学、桂林理工大学、河池学院、玉林师范学院、广西民族大学、百色学院、梧州学院、南宁学院、钦州学院、贺州学院、广西科技大学鹿山学院、桂林电子科技大学信息科技学院
海南
海南大学、海南师范大学、海口经济学院
重庆
重庆大学、重庆邮电大学、重庆交通大学、重庆三峡学院、长江师范学院、重庆科技学院、重庆理工大学、重庆工商大学、重庆工程学院、重庆大学城市科技学院、重庆师范大学涉外商贸学院、重庆工商大学融智学院、重庆工商大学派斯学院、重庆邮电大学移通学院、重庆第二师范学院
四川
四川大学、西南交通大学、电子科技大学、西南石油大学、成都理工大学、西南科技大学、成都信息工程大学、四川理工学院、西华大学、四川农业大学、西华师范大学、绵阳师范学院、内江师范学院、四川文理学院、西南民族大学、成都学院、成都工业学院、成都东软学院、电子科技大学成都学院、成都理工大学工程技术学院、成都文理学院、四川大学锦城学院
贵州
贵州大学、遵义医学院、贵州师范大学、遵义师范学院、兴义民族师范学院、凯里学院、黔南民族师范学院、贵州民族大学、六盘水师范学院、贵州大学科技学院、贵州师范学院
云南
昆明理工大学、昭通学院、曲靖师范学院、云南财经大学、云南民族大学、昆明学院、云南大学滇池学院、云南师范大学商学院、云南工商学院、滇西科技师范学院
陕西
西北大学、西安交通大学、西北工业大学、西安理工大学、西安电子科技大学、西安工业大学、西安科技大学、陕西科技大学、长安大学、宝鸡文理学院、咸阳师范学院、西安文理学院、榆林学院、西安培华学院、西安邮电大学、西京学院、陕西服装工程学院、西安交通工程学院、西安工业大学北方信息工程学院、延安大学西安创新学院、西北工业大学明德学院、西安科技大学高新学院
甘肃
兰州理工大学、兰州交通大学、西北师范大学、西北民族大学、西北师范大学知行学院、兰州交通大学博文学院、兰州理工大学技术工程学院
青海
青海师范大学
宁夏
宁夏理工学院
新疆
塔里木大学、新疆农业大学、伊犁师范学院、新疆工程学院
1、全球智慧农业发展历经三个阶段
全球智慧农业的发展主要经历了三个阶段，分别为萌芽期、快速发展期和规模应用期。
萌芽期：从20世纪70年代末开始，美国为代表的欧美国家率先开始农业信息化、智能化的应用研究，以农业专家系统（运用新型技术、结合农业知识和专家经验等，为农业生产经营者提供相关咨询服务）为代表的农业信息化应用开始在农业生产领域萌芽。我国在20世纪80年代，也逐步启动了农业专家系统的研制，主要涵盖作物耕种、病虫害防治、生产管理和节水灌溉等方面。
快速发展期：20世纪90年代，农业信息技术快速发展，计算机视觉技术发展迅猛，使农业机器人成为了新的发展方向。“中国863电脑农业”是该项技术应用示范的典型工程，不仅推动了中国农村的发展和农业现代化进程，还为世界范围内各个发展中国家提供了先进经验和典型参考模式。
规模应用期：进入21世纪，各国工业化、城镇化不断发展，农村劳动力短缺，全球面临结构失衡和老龄化等问题，为农业机器人、精准农业等领域快速发展提供空间。在此期间，采摘机器人和计算机视觉技术的结合使水果自动分拣系统得到广泛应用，无人机植保技术也得到发展。新技术的不断应用，推动了智慧农业的发展，形成新的农业发展形态。从社会环境方面来看，农业劳动力不断向其他产业转移，结构性短缺和老龄化趋势已成为全球问题，另外，世界主要国家地区的政府和组织相继推出了数字农业农村发展计划。美国搭建人工智能战略实施框架，提出智慧农业研究计划；欧盟出台《地平线2020》，提出利用对地观测技术为小农户搭建智慧服务平台；欧洲农机协会提出以现代信息技术与先进农机装备应用为特征的农业40；德国发布《有机农业-展望战略》等。全球的宏观环境也展现了全球智慧农业已经步入规模运用期。
2、需求拉动传统农业向智慧农业转型
根据联合国的计算，到2050年，世界上将有97亿人口，比2020年增加约20亿人口。根据联合国粮食及农业组织的说法，2010年至2050年间全球农业产量的增长为69%才能满足所需。由于城市迁移和人口老龄化，农业劳动力变得越来越稀缺。日益加剧的气候变化正在以难以预测的方式改变生长条件，地球的资源和生物多样性正在减少。所以，在接下来的几十年里，农业将变得非常重要，它必须能满足不断增长的人口需求。此外，食品行业目前占世界能源消耗的30%和温室气体排放的22%。因此，挑战不仅在于生产更多的食物，而且在于可持续地生产。这就是农民和农业综合企业转向物联网和智能农业技术以改进分析和提高生产能力的原因。智慧农业正在成为优化和保护人力和自然资源的一种日益必要的方式，全球各国都在加快智慧农业布局，加深人工智能、大数据、云计算等技术在农业领域的应用。
根据联合国粮食及农业组织最新统计数据，2017-2020年全球农业产值呈现增长态势。2020年，全球农业产值达398万亿元，其中亚洲提供了将近一半的农业产值。前瞻根据往年全球农业产量数据，初步统计2021年全球农业产值超过4万亿。
从数字经济农业渗透率来看，中高收入国家大数据、云计算等新一代信息技术运用较广，传统产业数字化转型程度较深。2020年，高收入国家数字经济农业渗透率达125%，中国数字农业经济渗透为89%，离高收入国家还有一定差距。2021年，全球数字经济第一产业渗透率为839%。
3、中国智慧农业相关专利最多
通过智慧芽专利网搜索“智慧农业”、“农业物联网”等关键词，搜索范围包括专利标题、摘要和权利要求，全球共有6514项相关专利。其中，中国是相关专利申请数量最多的国家，申请数量高达4679项，占全球申请数量的718%。其次，申请数量较高的国家为印度，共申请598项，占比92%。
4、智能技术拉动全球智慧农业市场增长
智慧农业已成为当今世界现代农业发展的大趋势，世界主要国家地区的政府和组织相继推出了数字农业农村发展计划。美国搭建人工智能战略实施框架，提出智慧农业研究计划。欧盟出台《地平线2020》，提出利用对地观测技术为小农户搭建智慧服务平台。欧洲农机协会提出以现代信息技术与先进农机装备应用为特征的农业40。德国发布《有机农业-展望战略》，明确基于“工业40”的基本理念发展智慧农业。荷兰《数字化战略》明确数字化技术在开放式耕种、精准农业、温室园艺、畜牧养殖、食品质量安全以及生产链各环节的应用。日本发布“机器人新战略”，启动基于智能机械+IT的“下一代农林水产业创造技术”。
智慧农业市场在过去的几年里出现了显著增长，这主要是由于人工智能、物联网等技术在智慧农业中的进步和实施，以及由于人口的快速增长，粮食供应系统面临的压力不断增加，现代农业技术和养殖监测技术越来越受到重视。根据BIS research发布的研究数据，2020年全球智慧农业市场规模约为124亿美元，2021年增长至147亿美元。预计未来全球智慧农业市场将继续保持高增长趋势，至2027年，全球智慧农业市场规模有望超过400亿美元。
更多本行业研究分析详见前瞻产业研究院《中国智慧农业发展前景预测与投资战略规划分析报告》以上就是关于山东农业大学物联网工程专业学历含金量全部的内容，包括:山东农业大学物联网工程专业学历含金量、专题推荐 - 农业传感器与物联网专题、农林“四情”监测系统主要包括那些内容等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！
