农业农村部南京农业机械化研究所团队针对传统眼看手摸农情监测方式，效率与准确度低的问题，提出了基于无人机低空遥感技术与机器学习确定农机关键作业期的新方法。利用无人机低空遥感监测不同作业时期作物冠层光谱特征，结合作物生理特征变化规律确定最有作业期，基于机器学习方法构建作物冠层光谱反射率与生理特征的反演模型，自动判别作物是否处于最优作业期，该方法可以远程大范围监测且准确度高，节省农情巡视的人工投入。

综合运用群优化理论与智能优化算法开展农机智能调度方法研究，开发了实用调度系统。针对农机作业服务范围日趋缩小，农田托管、订单式服务等新业态逐渐成为主流的趋势，研究农机作业供需信息自主匹配方法；面向农业防灾减灾作业需求，以农机应急作业服务队为对象，开展了农机调度方法研究，综合运用智能群体算法，有效应对应急作业过程中灾情变化、交通异常等不确定因素开发了农机智能调度模型，可得到区域内农机作业效率最大化、应急成本最小化的农机调度方案。

基于上述农机调度方法，开发了农机智能调度系统。可推动传统农机作业管理向智慧化转型升级，提高管理决策效率和农机资源利用率，有效提高农业应急能力。主要技术参数如下：农田巡视效率≥1000亩/分钟、农情判别准确率≥90%、农业灾情应急响应速度达到分钟级、农机资源利用率提高30%以上、农机作业成本降低3元/亩以上。

本技术适用于粮食主产区农机社会化服务产业。可以面向区域农机作业服务公司、大型农业经营主体、大型农场、农机管理部门等推广应用。