1. 课程导入与智能农机系统认知

智能农机并不是“把拖拉机换成无人驾驶”这么简单。它是一套把农艺要求、机械执行、环境感知、定位导航、作业决策与数据管理整合在一起的系统。理解这门课，第一步不是记住某个型号的传感器，而是先建立三个基本认知：智能农机是什么、它的系统边界在哪里、它在哪些真实场景中产生价值。只有把这三件事想清楚，后续学习总线、传感器、导航、作业控制、机群调度等内容时，才不会变成零散知识点的堆叠。

一、智能农机的定义：以作业任务为中心的系统

从工程角度看，智能农机可以定义为：在传统农业机械的动力与执行机构基础上，通过感知、定位、决策与控制技术，使机器能够自主或半自主完成田间作业，并与农艺要求、作业环境和数据平台形成闭环的机械系统。这个定义里有四个关键词值得展开。

第一是“传统机械基础”。智能农机仍然要完成耕、种、管、收等物理作业，动力底盘、液压悬挂、播种单体、喷杆、割台等执行部件是系统的“肌肉”。第二是“感知与定位”，包括卫星定位、惯性测量、视觉、雷达、作物传感器等，它们回答“我在哪、环境是什么样”。第三是“决策与控制”，把农艺参数转化为速度、流量、压力、播深、喷量等控制量。第四是“闭环”，即作业结果能够被记录、反馈和调整，而不是开环地走完一趟。

需要特别强调，智能化程度是分级的。辅助驾驶、自动导航、变量作业、无人作业、多机协同，属于不同层级。课程中讨论“智能农机”时，通常指具备自动导航与作业控制能力，并能产生作业数据的系统，而不要求所有环节完全无人。

二、系统边界：把“机器”放进“作业系统”里看

系统边界决定了我们分析问题的范围。若只把智能农机看成一台车，就会忽略农艺参数、地块条件、机具匹配和数据链路；若边界放得过大，又会把农艺制度、政策管理都混进来，失去工程分析的可操作性。本课程采用的边界是：以农机装备本体为核心，向外延伸到机具、定位与通信链路、作业任务与数据记录，向内分解为动力、执行、感知、控制、人机交互五个子系统。

在这个边界内，动力子系统提供行驶与作业能量；执行子系统完成播种、施肥、喷药、收获等动作；感知子系统获取位置、姿态、环境与作业状态；控制子系统完成路径跟踪、作业参数调节与安全保护；人机交互子系统负责任务设置、状态显示与人工接管。边界之外的地块规划、农艺方案、平台运维，作为输入条件和外部约束参与分析。

三、典型应用场景：智能农机在哪里发挥作用

智能农机的价值要在具体场景中判断。第一个典型场景是大田精准播种。以东北或新疆的规模化玉米种植为例，机组需要按预设行距、株距和播深作业，同时根据地块处方图调整播种量。此时智能系统要解决的是直线跟踪精度、地头自动掉头、播种单体下压力与速度匹配，以及漏播监测。教学示例中常设定作业幅宽6行、行距65厘米、目标株距20厘米、作业速度8公里/小时，这些参数用于说明控制量之间的换算关系，并非实测数据。

第二个场景是变量施肥与喷药。系统依据处方图或实时作物传感器，在不同小区调整流量与喷量。这里的关键不是“能不能自动开阀”，而是定位延迟、流量响应时间和喷幅重叠如何影响实际施用量。第三个场景是无人化收获与运粮协同，涉及收割机与运粮车的相对定位、卸粮对齐和作业进度调度。第四个场景是设施园艺与果园作业，环境更复杂，对视觉识别、低速控制和精细执行要求更高。

把这些场景放在一起可以看出，智能农机的共性能力是“定位—感知—决策—执行—记录”的闭环，差异则来自作物、地块、机具和农艺要求。课程后续的传感器选型、控制算法、通信方案，都要回到具体场景中判断是否合适。

四、课程学习地图：从系统认知到工程落地

本课程共30章，整体按“认知—组成—原理—集成—应用”推进。前段建立系统边界与组成框架，理解动力、执行、感知、控制、交互五个子系统的职责与接口；中段深入定位导航、环境感知、作业控制、总线通信、机具匹配等关键技术，重点弄清信号从哪里来、控制量如何算、执行机构如何响应；后段进入系统集成、测试验证、故障诊断、数据管理与典型场景分析，把分散知识组织成可分析、可调试、可复现的工程能力。

学习时建议始终带着三个问题：这个部件在系统中承担什么职责？它的输入输出是什么？当作业质量不达标时，如何沿着信号链和作业链定位问题。例如播种出现漏播，可能来自排种器机械故障、地速信号异常、控制指令延迟或传感器误判，只有理解系统组成与边界，才能把问题拆开。

概括来说，智能农机是以作业任务为核心、以机械执行为基础、以感知决策控制为纽带的系统。明确系统边界，才能知道分析什么；理解典型场景，才能判断技术是否适用；建立学习地图，才能把后续知识串成一条完整的工程链路。