摘要:农业装备自动驾驶技术可以显著提升作业质量，提高作业效率，降低作业成本，减轻劳动强度，已成为智能农业装备发展的重要方向。在政策和市场的共同推动下，我国农业装备自动驾驶技术发展迅速，并通过多场景、多层次的示范和应用推动技术熟化，逐步建立了完整的技术体系。农业装备自动驾驶技术系统主要包括环境感知、工况感知、决策规划、横向控制、纵向控制等关键技术。本文首先阐述了农业装备自动驾驶关键技术研究的现状，分析归纳了各技术领域有待解决的关键科学技术问题；结合农业装备自动导航技术产品和自动驾驶技术集成应用两方面，介绍了国内外农业装备自动驾驶技术研发和应用情况；从自动驾驶技术分级研究和建立标准规范角度，对比分析了农业装备自动驾驶与智能网联汽车行业的差距，指出了农业装备自动驾驶等级划分的迫切需求。为应对智慧农业生产非结构环境、高精度农艺和强农时约束三大挑战，建议突出农业生产应用中作业精准化和驾驶自动化双重需求的特点，有针对性地开展农业装备自动驾驶技术研发、应用示范和技术分级等方面工作。

摘要:针对玉米姿控驱导式排种器在高速工况下投种点位不一致，播种粒距均匀性不佳的问题，提出约束种子运动自由度并引导投种方向的方法，设计了一种新型导向投种机构，合理规划了待投种子的导种轨迹，进而确保投种点位及初速度恒定。完成了导向投种机构的结构参数设计与待投种子的动力学分析，明确了影响排种性能的关键参数及其取值范围，通过单因素与双因素试验获取了排种器的最优参数组合，并进行性能对比验证试验。结果表明，约束运移弧面圆心角取35°时，投种点位较为集中；在作业速度8km/h、引导投种弧面半径24.3mm时，排种性能达到最优，粒距合格指数、重播指数和变异系数分别为91.5%、4.7%和13.6%；当作业速度由8km/h提升至14km/h时，较原排种器粒距变异系数的降幅由0.1个百分点增大至2.7个百分点，采用导向投种机构可有效提升原排种器的高速作业性能。

摘要:针对传统小麦播种以无序种流、不定量排出的方式存在脉动性高、均匀性差的问题，设计了一种气力离心组合式小麦精量排种器，采用气力充种和离心清种的方式，种子有序均匀排出。对排种器的关键参数进行设计，建立充种和排种过程的动力学模型，确定充种角和落种角的初始范围。利用气固耦合仿真分析方法DEM-CFD进行排种器单因素试验，仿真结果表明，当充种角范围进一步缩小为36°～56°时，其携种性能较好；落种角范围进一步缩小为43°～63°时，其排种性能较好。在此基础上，以充种角、落种角、排种盘转速为试验因素，以漏播率、重播率、直线落种率为响应指标，进行正交旋转组合试验。试验结果表明，当充种角为47.75°、落种角为52.48°、转速为635.5r/min时，排种器工作性能最优，此时，漏播率为2.78％、重播率为3.73％、直线落种率为93.46％，验证试验结果与优化结果基本一致。田间试验结果表明，当设置排种盘型孔内侧面充种角为47.8°、下侧面落种角为52.5°、排种盘转速在552～800r/min范围内时，漏播率低于8.9％、重播率低于4.3％、排种合格率高于88.6％，符合小麦精量播种要求。

摘要:针对研究播种机覆土装置作业过程中种沟土壤及种子微观运动规律时，缺乏准确可靠的种沟土壤-种子-覆土装置三者互作离散元模型的问题，以含水率为（15.7±0.25）%的黏土为研究对象，基于EDEM软件对相关参数及模型进行标定。建立覆土装置与种沟土壤互作模型，通过Plackett-Burman试验，以覆土作业牵引阻力为响应值，筛选出对牵引阻力影响敏感的参数为土壤-土壤滚动摩擦因数、土壤-65Mn静摩擦因数、临界法向应力、临界切向应力，通过最陡爬坡试验确定各敏感参数的取值范围，通过Box-Behnken试验优化得出土壤-土壤滚动摩擦因数、土壤-65Mn静摩擦因数、临界法向应力、临界切向应力分别为0.15、0.31、18.45kPa、18.58kPa。以大豆种子为例，建立了种沟土壤与种子互作离散元模型，以种沟土壤与大豆种子碰撞恢复系数、静摩擦因数、滚动摩擦因数为试验因素，以仿真堆积角为评价指标，通过Box-Behnken试验优化得出各试验因素取值分别为0.57、0.33、0.08。建立了种沟土壤-种子-覆土装置三者互作离散元模型，并开展了试验验证。结果表明，牵引阻力仿真值与实测值相对误差平均值为2.22%，堆积角仿真值与实测值相对误差为1.61%，覆土厚度和种子粒距变异系数仿真值与实测值相对误差分别为4.89%、5.90%，均较小，所建立的种沟土壤-种子-覆土装置三者互作离散元模型准确。

摘要:针对长江中下游稻油轮作区油菜轻简高效生产需求及目前机具作业易出现厢面不平、碎土质量不高及“晾种”，导致油菜出苗率低的问题，设计了一种油菜机械直播机开沟浅旋装置，实现中间开畦沟，畦沟土壤抛送覆盖两侧厢面，浅旋匀土部件匀土、细碎厢面土壤及埋覆土壤和秸秆功能；基于滑切减阻原理及挤压力学理论，确定了中间开畦沟部件、清沟整形部件及浅旋匀土部件结构参数，得出中间开畦沟刀盘安装弯刀数量为4，切土节距为60mm，清沟整形部件整形面侧面倾角为67°，前面倾角为3°，浅旋弯刀侧切刃偏心圆半径为182mm，滑切角为42.4°；运用EDEM软件开展正交旋转组合试验，确定了螺旋匀土叶片的最佳结构参数：螺旋半径为100mm、螺距为350mm、螺旋头数为1，并确定了浅旋弯刀及螺旋匀土叶片结构布局；田间试验表明，当机组前进速度为7km/h时，安装有开沟浅旋装置的油菜直播机作业后厢面平整，畦沟沟型完好，秸秆埋覆率为84.38%，碎土率为86.41%，厢面平整度为30.18mm，畦沟沟深及沟宽稳定性均大于85%，出苗率为75.47％，油菜生长状态良好，装置作业效果满足油菜直播作业要求。

摘要:针对现有条带秸秆清理装置集行效果差、秸秆清理率低等问题，提出了一种协拨组合式条带秸秆清理方案，从力学角度对比分析不同齿形清秸轮拨送秸秆的过程，设计了一种径向锐化协拨清秸轮，清秸轮半径为162.5mm、齿数为12、齿长为65mm。开展了协拨组合式条带秸秆清理装置的仿真试验，以径向锐化清秸轮的工作参数为影响因素，秸秆清理率为指标，开展离散元仿真试验，分析了清秸轮工作过程中秸秆运动、土壤扰动及秸秆清理率的变化。结果表明，试验因素对秸秆清理率的影响由大到小为侧倾角、前进速度、前倾角，当机具前进速度为7.8km/h、清秸轮前倾角为31.7°、侧倾角为13.4°时，秸秆清理率最高为91.62%。开展了协拨组合式条带秸秆清理装置和整机的作业性能田间试验，结果表明协拨组合式条带秸秆清理装置工作稳定，秸秆清理率为87%~90%，实现了条带秸秆清理装置的设计目标。

摘要:为提高风送式喷雾机对果树冠层区域的雾滴沉积量，减少果树行间雾滴飘移，解决环境风速气流导致冠层雾滴沉积量不均匀问题，设计了一种伞形风场式防飘喷雾装置，采用仿真试验与物理试验相结合的方式探究防飘喷雾装置调节机构对防飘喷雾装置伞形风场的影响。以防飘喷雾装置出口直径、侧风风速、喷雾压力为因素，分别进行单因素和三因素三水平的苹果树冠层雾滴飘移沉积试验，探析伞形风场对雾滴冠层沉积效果的影响规律。结果表明：雾滴飘移率、质量中心距、雾滴沉积分布变异系数较普通气流分别降低27.5%、16.2%和7%。3种因素对雾滴沉积特性均有较为显著的影响，其影响由大到小依次为：侧风风速、喷雾压力、出口直径。利用多岛遗传算法优化获得沉积量最高的施药参数，当侧风风速为2m/s、喷雾压力为0.4MPa、出口直径为70mm时，雾滴沉积量最优值为6.34μL/cm2，最优组合情况下的实际验证值为5.96μL/cm2，差异率仅为5.9%，试验验证结果与模型预测基本吻合。

摘要:针对现有马铃薯联合收获机薯土秧杂分离效果差、伤薯破皮严重以及后续清选除杂成本高等问题，采用双筛薯杂分离、拨板摘薯、人工辅助分拣除杂、缓存集薯装包和随重渐降卸包相结合的作业方式，研制了一种装包卸包型马铃薯联合收获机，该机具主要由松土限深装置、挖掘装置、双筛式薯杂分离装置、拨板摘薯装置、人工辅助分拣平台以及集薯装包卸包装置等部分组成。在阐述总体结构和工作原理的基础上，对双筛薯杂分离过程和拨板摘薯过程进行力学分析，明确了马铃薯运动轨迹和碰撞特征；拨板摘薯装置可实现薯秧脱附分离，降低损失率；缓存集薯装包与随重渐降卸包技术，可实现缓存和装包状态自动切换，确保不停机柔性集薯与减损卸包。试验结果表明，当作业速度为3.01、3.95km/h时，生产率分别为0.39、0.51hm2/h，伤薯率分别为1.68%和1.44%，破皮率分别为2.05%和1.71%，含杂率分别为1.75%和1.96%，损失率分别为1.56%和1.52%，各项性能指标均满足相关标准要求。

摘要:在小麦收获时期，若遇到天气变化，小麦可收获时间窗会发生改变，若还按原调度方案，将造成大量农田延迟收获，从而给农户带来损失。为避免或降低因天气变化给农户带来损失，本文考虑天气变化导致的农田收获时间窗变动的应急调度问题。基于天气变化导致的农田可作业时间窗实际缩短的情况，综合考虑收获机转移时间、提前到达等待时间和延迟时间，建立因天气变化导致的时间窗变动的收获机多目标应急调度模型，引入农田收获应急度函数，确定应急农田，将可作业时间窗和下雨时间有交集的农田重新根据应急度排序进行优先调度。针对此模型特点对遗传算法进行改进，设计基于改进遗传算法的收获机应急调度算法，采用两级多段编码方式及单点交叉方式，使算法可以有效避免局部最优，能够很好地实现全局收敛。通过动态改变原收获机收获路线，为应急农田优先提供收获服务，从而提高农机合作社服务能力，减少农户损失。实例仿真结果证明了模型和算法的可行性。

摘要:智慧农业的快速发展促使多区域互联农机的调度追求更高的实时性，为更合理配置农机资源，农机跨区作业已成为完成“三夏”机收任务的主要服务模式。基于小麦收获机跨区作业真实场景，研究了带时间窗的多库、多机型的农机跨区调度问题，同时考虑经济成本和环境成本，建立以最小调度成本为目标的跨区调度模型。根据问题特征，设计遗传变邻域搜索算法（Genetic algorithm variable neighborhood search，GAVNS），该方法通过交叉、随机扰动、自适应邻域选择等操作，使解的搜索更加高效和灵活。对我国黄淮海平原72个小麦生产区县的作业需求进行计算与分析：不同算法相比，本文设计的算法得到最优解的迭代次数更低、收敛速度更快，求得的目标函数值较遗传算法、变邻域搜索算法分别降低16.41%、11.15%；对比不同调度模式，开放路径模式更有利于提升跨区调度服务效率，较闭合路径模式，调度成本降低17.76%。

摘要:目前，菊芋机械化收获过程中的清选及输送等环节作业参数设定缺乏适用的理论依据，以收获期菊芋根-块茎为研究对象，基于离散元方法建立了一种能反映根须柔性和块茎脱落力学特性的粘结模型并对其相关参数进行了标定。首先通过物理试验确定了菊芋根-块茎本征参数、基本接触参数及相关力学参数，然后在此基础上利用Hertz-Mindlin with bonding V2接触模型构建了菊芋根-块茎粘结模型，并通过单因素试验和响应曲面试验，分别标定了菊芋根颗粒之间和根与块茎颗粒之间法向粘结刚度、切向粘结刚度、临界法向应力、临界切向应力等粘结模型参数。菊芋根须三点弯曲及根-块茎拉伸试验结果表明，根须弯曲弹性模量仿真结果与实际测量值相对误差为4.29%；菊芋根-块茎抗拉力仿真结果与实际测量值相对误差为7.72%；菊芋块茎脱落试验结果表明，仿真试验与菊芋收获机实际田间作业相比，滚筒筛转速对菊芋块茎脱落率影响趋势一致，筛内物料筛分规律相符。所构建的菊芋根-块茎模型可用于菊芋机械化收获相关环节的分析研究。

摘要:数字孪生是一种实现虚实融合的先进理念，能够解决农业装备全生命周期中的复杂性和不确定性问题，促进农业机械化和农业装备产业的转型升级。目前，农业装备数字孪生尚处起步阶段，缺乏实用解决方案和典型应用案例。为此，基于数字孪生和农业装备的特点，融合五维模型和移动边缘计算技术，提出一种云-雾-边-端协同的数字孪生系统架构与运行机制。以籽粒直收型玉米联合收获机为对象，针对脱粒过程中籽粒破碎率高的问题，开发大型联合收获机的数字孪生原型系统，实现模型预测、模型更新、实时监测和优化决策等功能，并开展田间试验。试验结果显示：数字孪生系统有效提高了虚拟模型的适应能力，使虚拟模型保持良好的预测效果；基于数字孪生的决策优化方法有效降低了籽粒破碎率，相较于手动收获模式，籽粒破碎率平均值降低24.24%；相较于反馈控制模式，籽粒破碎率平均值降低15.78%，说明原型系统能够有效改善玉米籽粒收获质量，所提出的系统架构和实现方法可行。

摘要:“三夏”农忙时节，农机跨区作业已经成为重要的农业机械服务模式，可以更好地利用和配置农机装备，提高农田作业效率。由于跨区农机集群的区域分布性和动态时变性的特征，设计一个可靠的农机集群维护服务网络具有非常重要的意义。本文针对动态分布的跨区农机集群，综合考虑包含静态服务站与动态服务车的运维服务网络服务设施选址与服务区域划分，建立混合整数非线性规划的决策模型，并设计了结合线性方法和组合Benders分解的高效算法，以获取静态服务站的位置和服务范围，同时确定各个阶段动态服务车的数量和位置。河南省的实例表明，构建的数学模型和求解算法可以有效解决跨区农机装备维护服务网络设计问题，为服务设施选址和服务区域划分提供了方法指导。参数敏感性分析结果表明，最优的动态服务车数量为26，当动态服务车数量大于26时，总服务成本随着动态服务车数量的增加而增加，并且增加幅度越来越大。

摘要:叶片撞击是鱼类过泵损伤的最主要因素，为了研究鱼类通过贯流泵的撞击损伤特性，基于CFD-DEM耦合方法，通过修改耦合接口代码优化曳力计算模型，研究贯流泵中鱼体与叶片及壁面撞击后的运动行为及受力损伤。以简化的平板撞击鱼类为数值模拟的切入点，分析了鱼体受到撞击损伤的影响因素，并预测鱼体的过泵损伤死亡率。结果表明：通过数值模拟与实验拟合，得到导致鱼体长度与叶片前缘厚度之比（L/d）为2时鱼类死亡的撞击力阈值为2446N；减小叶片前缘倾角、减小鱼体撞击速度、增大叶片前缘厚度，可降低鱼体与叶片前缘碰撞受力来降低鱼体的受力损伤；贯流泵中鱼体与叶片前缘碰撞产生的撞击力最大，撞击损伤最严重，是贯流泵装置中造成鱼类死亡的主要部件；泵站来流中鱼体尺度越小，叶片撞击概率越低，减小L/d，可以降低前缘撞击力，从而提高鱼类过泵存活率。

摘要:国土空间生态保护修复是落实国家生态文明建设的重要措施，也是构建国家生态安全格局和统筹山水林田湖草沙系统治理的重要举措。而生态保护修复关键区识别，是生态保护修复规划编制、生态保护修复工程时空布局等系列工作的前置条件和基础保障，对国土空间生态保护修复至关重要。本文以河南省某生态保护修复工程为研究区域，开展融合时序遥感分析的生态保护修复关键区识别研究和实践，首先，基于Google Earth Engine（GEE）云平台，采用Mann-Kendall方法对研究区2011—2020年时序归一化植被指数（NDVI）开展趋势分析，形成时序分析结果；其次，基于气象、地形、土壤、植被净初级生产力（NPP）等数据，开展基于生态系统服务协同和权衡计算的生态系统健康分析评估，选择生态源地；最后，基于时序分析结果和生态源地选择结果，采用叠置分析，开展生态保护修复关键区域识别。结果表明，提出的“基于生态系统服务协同权衡计算的生态系统健康评估——时序遥感趋势分析”的研究框架不仅顾及了研究区域内“静态”的生态系统服务、生态系统健康属性，同时衡量了“动态”的生态系统变化趋势，可以有效识别国土空间生态保护修复关键区。研究成果可为国土空间生态保护修复本底调查、问题识别、规划和工程布局等提供技术支撑。

摘要:受水稻冠层几何结构的影响，传统的无人机高光谱获取到的反射光谱信息中包含与水稻内部组成物质无关的镜面反射信息，从而影响水稻氮素含量的反演精度，因此在利用无人机获取水稻冠层反射光谱信息时，有必要考虑通过偏振测量技术去除反射光谱中的镜面反射分量，进而实现提升水稻氮素含量反演精度的目的。基于无人机偏振遥感测量得到的水稻分蘖期多角度偏振光谱数据和与之对应的氮素含量数据，采用植被指数方法分析二者之间的相关性，得到了水稻冠层偏振光谱数据与其对应氮素含量相关性最高时对应的角度，选取该观测角度下的偏振光谱数据，利用连续投影法（Successive projections algorithm，SPA）提取特征波段，在此基础上，基于数学变换的方法，提出了构建植被指数的新思路，构建了由2个波段组成的偏振光谱植被指数（Polarisation spectrum vegetation index，PSVI），并利用线性回归方法建立水稻冠层氮素含量的反演模型。结果表明，通过对不同观测天顶角下水稻冠层偏振光谱数据与氮素含量相关性分析，得到最佳观测角度为-15°（后向观测15°）；利用连续投影法提取得到该角度下偏振光谱信息中的6个特征波长为500、566、663、691、736、763nm；运用数学变换思想构建了由波长500nm和566nm组成的偏振光谱植被指数（PSVI）；将PSVI作为模型输入，利用线性回归方法建立水稻冠层氮素含量反演模型，模型训练集R2为0.7838，RMSE为0.428mg/g；验证集RMSE为0.662mg/g，反演结果优于差值植被指数（Difference vegetation index，DSI）、比值植被指数（Ratio vegetation index，RVI）等常见的植被指数构建的氮素含量反演模型。综上，基于无人机获取的水稻分蘖期偏振光谱数据，以PSVI植被指数作为模型输入，能提升水稻冠层氮素含量的反演精度。

摘要:为探讨应用无人机多光谱技术估算矮林芳樟（Cinnamomum camphora（Linn.）Presl）光合参数的有效分析模型和方法，本研究以矮林芳樟为研究对象，通过无人机搭载的多光谱相机获取其冠层六波段光谱反射率，同步测量其净光合速率（Pn）、胞间二氧化碳浓度（Ci）、气孔导度（Gs）和蒸腾速率（Tr）4种光合参数，采用最佳指数因子（OIF）筛选光谱反射率和植被指数的组合作为自变量，分别采用偏最小二乘法（Partial least squares method，PLS）、反向传播神经网络（Back propagation neural network ，BPNN）和随机森林（Random forest，RF）构建自变量与光合参数的估算模型，并分析比较各估算模型的精度。结果显示：矮林芳樟光合参数与叶片红边波段2（中心波长750nm）和近红外波段（中心波长840nm）反射率有密切关系；红边波段2、增强型植被指数2（EVI2）、红边叶绿素指数（CI rededge）组合的OIF值最大，为0.0126，可作为模型自变量的最佳组合；Pn、Ci、Gs、Tr 4种光合参数的最优模型均为BPNN，其建模集决定系数R2分别为0.85、0.81、0.80、0.82，均方根误差(RMSE)分别为0.85μmol/(m2·s)、16.23μmol/mol、0.03mol/(m2·s)、0.37mmol/(m2·s)，相对分析误差（RPD）分别为2.59、2.33、2.28、2.37；验证集R2为0.81、0.73、0.83、0.76，RMSE为1.46μmol/(m2·s)、18.37μmol/mol、0.03mol/(m2·s)、0.67mmol/(m2·s)，RPD为1.39、1.86、2.67、1.20。研究结果可为无人机多光谱遥感矮林芳樟光合参数估测提供理论依据，为快速监测大面积经济植物生长状况提供技术支撑。

摘要:针对小麦考种过程中籽粒堆积、粘连和遮挡现象导致计数准确率低等问题，本文基于电磁振动原理设计了高通量小麦籽粒振动分离装置，通过分析受力探讨了籽粒离散分离程度的主要影响因素，并引入二阶离散系数建立了籽粒离散度等级评价方法。在此基础上，引入Swin Transformer模块构建YOLO v7-ST模型，对不同离散度等级下小麦籽粒进行计数性能测试。试验结果表明，YOLO v7-ST模型在3种离散度等级下平均计数准确率、F1值和平均计数时间的总平均值分别为99.16%、93%和1.19s，相较于YOLO v7、YOLO v5和Faster R-CNN模型，平均计数准确率分别提高1.03、2.34、15.44个百分点，模型综合评价指标F1值分别提高2、3、16个百分点，平均计数时间较YOLO v5和Faster R-CNN分别减少0.41s和0.36s，仅比YOLO v7模型增大0.09s。因此，YOLO v7-ST模型可实现多种离散度等级下不同程度籽粒遮挡和粘连问题的准确快速检测，大幅提高小麦考种效率。

摘要:为了高效监控蔬菜中农药残留情况，利用荧光光谱技术检测白菜中吡虫啉农药残留量。首先通过三维荧光光谱确定400nm为吡虫啉的最佳激发波长；其次通过分析6种预处理算法和2种降维算法，分别选出多元散射校正（Multiple scattering calibration, MSC）和无信息变量消除(Uninformative variable elimination, UVE)作为最佳的预处理与波长选择方法；宽度学习系统（Broad learning system, BLS）用于荧光光谱建模，同时与偏最小二乘回归（Partial least squares regression, PLSR）、支持向量机（Support vector machine, SVM）和深度极限学习机（Deep extreme learning machines, DELM）等经典模型进行比较。结果显示BLS模型获得了最佳吡虫啉含量预测效果，测试集决定系数R2p达0.949，均方根误差(Root mean square error, RMSE)达0.347mg/kg。表明了荧光光谱技术结合宽度学习预测农药残留量的可行性，可以为在线检测农药残留量系统的开发提供理论依据。

摘要:准确识别定位采摘点，根据果梗方向，确定合适的采摘姿态，是机器人实现高效、无损采摘的关键。由于番茄串的采摘背景复杂，果实颜色、形状各异，果梗姿态多样，叶子藤枝干扰等因素，降低了采摘点识别准确率和采摘成功率。针对这个问题，考虑番茄串生长特性，提出基于实例分割的番茄串视觉定位与采摘姿态估算方法。首先基于YOLACT实例分割算法的实例特征标准化和掩膜评分机制，保证番茄串和果梗感兴趣区域 (Region of interest, ROI)、掩膜质量和可靠性，实现果梗粗分割；通过果梗掩膜信息和ROI位置关系匹配可采摘果梗，基于细化算法、膨胀操作和果梗形态特征实现果梗精细分割；再通过果梗深度信息填补法与深度信息融合，精确定位采摘点坐标。然后利用果梗几何特征、八邻域端点检测算法识别果梗关键点预测果梗姿态，并根据果梗姿态确定适合采摘的末端执行器姿态，引导机械臂完成采摘。研究和大量现场试验结果表明，提出的方法在复杂采摘环境中具有较高的定位精度和稳定性，对4个品种的番茄串采摘点平均识别成功率为98.07%，图像分辨率为1280像素×720像素时算法处理速率达到21f/s，采摘点图像坐标最大定位误差为3像素，深度误差±4mm，成功定位采摘点后采摘成功率为98.15%。与现有的同类方法相比，采摘点图像坐标定位精度提高76.80个百分点，采摘成功率提高15.17个百分点，采摘效率提高31.18个百分点，满足非结构化种植环境中番茄串采摘需求。

摘要:针对深层神经网络模型部署到番茄串采摘机器人，存在运行速度慢，对目标识别率低，定位不准确等问题，本文提出并验证了一种高效的番茄串检测模型。模型由目标检测与语义分割两部分组成。目标检测负责提取番茄串所在的矩形区域，利用语义分割算法在感兴趣区域内获取番茄茎位置。在番茄检测模块，设计了一种基于深度卷积结构的主干网络，在实现模型参数稀疏性的同时提高目标的识别精度，采用K-means++聚类算法获得先验框，并改进了DIoU距离计算公式，进而获得更为紧凑的轻量级检测模型(DC-YOLO v4)。在番茄茎语义分割模块（ICNet）中以MobileNetv2为主干网络，减少参数计算量，提高模型运算速度。将采摘模型部署在番茄串采摘机器人上进行验证。采用自制番茄数据集进行测试，结果表明，DC-YOLO v4对番茄及番茄串的平均检测精度为99.31%，比YOLO v4提高2.04个百分点。语义分割模块的mIoU为81.63%，mPA为91.87%，比传统ICNet的mIoU提高2.19个百分点，mPA提高1.47个百分点。对番茄串的准确采摘率为84.8%，完成一次采摘作业耗时约6s。

摘要:为在自然环境下自动准确地检测樱桃番茄果实的成熟度，实现樱桃番茄果实自动化采摘，根据成熟期樱桃番茄果实表型特征的变化以及国家标准GH/T 1193—2021制定了5级樱桃番茄果实成熟度级别（绿熟期、转色期、初熟期、中熟期和完熟期），并针对樱桃番茄相邻成熟度特征差异不明显以及果实之间相互遮挡问题，提出一种改进的轻量化YOLO v7模型的樱桃番茄果实成熟度检测方法。该方法将MobileNetV3引入YOLO v7模型中作为骨干特征提取网络，以减少网络的参数量，同时在特征融合网络中加入全局注意力机制（Global attention mechanism，GAM）模块以提高网络的特征表达能力。试验结果表明，改进的YOLO v7模型在测试集下的精确率、召回率和平均精度均值分别为98.6%、98.1%和98.2%，单幅图像平均检测时间为82ms，模型内存占用量为66.5MB。对比Faster R-CNN、YOLO v3、YOLO v5s和YOLO v7模型，平均精度均值分别提升18.7、0.2、0.3、0.1个百分点，模型内存占用量也最少。研究表明改进的YOLO v7模型能够为樱桃番茄果实的自动化采摘提供技术支撑。

摘要:为了实现甘蔗智能横向切种工作站的精准、高效的自动化切种，针对工厂化切种任务的特点，提出了一种基于改进YOLO v5s的甘蔗茎节特征边缘端识别与定位方法。首先，利用张正友相机标定法对摄像头进行畸变矫正；然后对甘蔗茎节数据集进行数据增强，利用原始的YOLO v5s模型进行训练和测试，结果显示数据增强能一定程度上提高检测精度。针对茎节特征目标小以及模型体积大导致检测精度低、部署难度高等问题，对YOLO v5s的骨干网络进行改进，在SPPF特征融合模块前引入坐标注意力（Coordinate attention，CA）模块和Ghost轻量化结构，在Head网络中剔除P5大目标检测头，得到了改进后甘蔗茎节检测模型YOLO v5s-CA-BackboneGhost-p34，测试结果表明该模型优于其他主流算法和原始模型，具有高精度、小体积等优势。其中，平均精度均值1和平均精度均值2分别提高5.2、16.5个百分点，模型浮点数计算量和内存占用量分别降低42%和51%。最后，为了提高检测速度和实时性，将模型部署于边缘端，利用TensorRT技术加快检测速度，并在传送速度为0.15m/s的甘蔗智能横向切种工作站上完成实际切种实验。实验结果表明，加速后茎节检测速度达到95f/s，实时检测定位平均误差约为 2.4mm，切种合格率为100%，漏检率0.4%，说明本文提出的模型具有高度可靠性和实用性，可以为甘蔗横向切种工作站的工厂化、智能化以及标准化应用提供有效的技术支持。

摘要:为使巡检机器人能够对体积小且密集、形态多变、数量多且分布不均的害虫进行高效精准识别，提出了一种基于改进YOLO v7的害虫识别方法。该方法将CSP Bottleneck与基于移位窗口Transformer（Swin Transformer）自注意力机制相结合，提高了模型获取密集害虫目标位置信息的能力；在路径聚合部分增加第4检测支路，提高模型对小目标的检测性能；将卷积注意力模块（CBAM）集成到YOLO v7模型中，使模型更加关注害虫区域，抑制背景等一般特征信息，提高被遮挡害虫的识别精确率；使用 Focal EIoU Loss 损失函数减少正负样本不平衡对检测结果的影响，提高识别精度。采用基于实际农田环境建立的数据集的实验结果表明，改进后算法的精确率、召回率及平均精度均值分别为91.6%、82.9%和88.2%，较原模型提升2.5、1.2、3个百分点。与其它主流模型的对比实验结果表明，本文方法对害虫的实际检测效果更优，对解决农田复杂环境下害虫的精准识别问题具有参考价值。

摘要:在智慧养殖研究中，基于深度学习的猪只图像实例分割方法，是猪只个体识别、体重估测、行为识别等下游任务的关键。为解决模型训练需要大量的逐像素标注图像，以及大量的人力和时间成本的问题，采用弱监督猪只分割策略，制作弱监督数据集，提出一种新的特征提取骨干网络RdsiNet：首先在ResNet-50残差模块基础上引入第2代可变形卷积，扩大网络感受野；其次，使用空间注意力机制，强化网络对重要特征的权重值；最后引入involution算子，借助其空间特异性和通道共享性，实现加强深层空间信息、将特征映射同语义信息连接的功能。通过消融实验和对比实验证明了RdsiNet对于弱监督数据集的有效性，实验结果表明其在Mask R-CNN模型下分割的mAPSemg达到88.6%，高于ResNet-50、GCNet等一系列骨干网络；在BoxInst模型下mAPSemg达到95.2%，同样高于ResNet-50骨干网络的76.7%。而在分割图像对比中，使用RdsiNet骨干网络的分割模型同样具有更好的分割效果：在图像中猪只堆叠情况下，能更好地分辨猪只个体；使用BoxInst训练的模型，测试图像中掩码具有更高的精细度，这更有利于开展下游分析。

摘要:肉牛活动过程中所表现出的行为是肉牛健康状况的综合体现，实现肉牛行为的快速准确识别，对肉牛疾病防控、自身发育评估和发情监测等具有重要作用。基于机器视觉的行为识别技术因其无损、快速的特点，已应用在畜禽养殖行为识别中，但现有的基于机器视觉的肉牛行为识别方法通常针对单只牛或单独某个行为开展研究，且存在计算量大等问题。针对上述问题，本文提出了一种基于SNSS-YOLO v7（Slim-Neck & Separated and enhancement attention module & Simplified spatial pyramid pooling-fast-YOLO v7）的肉牛行为识别方法。首先在复杂环境下采集肉牛的爬跨、躺卧、探究、站立、运动、舔砥和互斗7种常见行为图像，构建肉牛行为数据集；其次在YOLO v7颈部采用Slim-Neck结构，以减小模型计算量与参数量；然后在头部引入分离和增强注意力模块（Separated and enhancement attention module，SEAM）增强Neck层输出后的检测效果；最后使用SimSPPF（Simplified spatial pyramid pooling-fast）模块替换原YOLO v7的SPPCSPC（Spatial pyramid pooling cross stage partial conv）模块，在增大感受野的同时进一步减少参数量。在自建数据集上测试，本文提出的肉牛行为识别方法的平均精度均值（mAP@0.5）为95.2%，模型内存占用量为39 MB，参数量为1.926×107。与YOLO v7、YOLO v6m、YOLO v5m、YOLOX-S、TPH-YOLO v5、Faster R-CNN相比，模型内存占用量分别减小47.9%、45.4%、7.6%、43.1%、57.8%和92.5%，平均精度均值（mAP@0.5）分别提高1.4、2.2、3.1、13.7、1.9、4.5个百分点，试验结果表明，本文方法能够实现肉牛行为的准确识别，可以部署在计算资源有限的设备上，为实现畜禽养殖智能化提供支持。

摘要:针对现有深度学习技术在奶牛关键点检测研究中尚存在网络复杂度高、检测速度慢等问题，提出了一种轻量化奶牛关键点检测模型SimCC-ShuffleNetV2。在模型中，主干网络采用ShuffleNetV2用于特征提取，有利于实现网络的轻量化；检测头采用SimCC用于关键点位置预测，SimCC采取坐标分类的方法使得检测更加简单高效。为了验证模型的性能，本研究设计了奶牛的关键点及骨架结构，并标注了3600幅图像用于模型的训练与测试。试验结果表明，SimCC-ShuffleNetV2模型的AP50:95为88.07%，浮点运算量为1.5×108，参数量为1.31×106，检测速度为10.87f/s，可以实现奶牛关键点的精确与高效检测。与基于回归的DeepPose网络、基于热力图的HRNet网络进行了对比试验，结果表明SimCC-ShuffleNetV2取得了精度与速度的良好平衡。同时，本研究通过更换不同主干与不同检测头的方式，对比验证了不同模块对模型性能影响，本研究所提出的模型在所有试验中均取得了最佳结果，表明ShuffleNetV2与SimCC的组合具备良好的关键点检测性能。为了验证模型的有效性，将模型应用于4种动作视频中提取骨架序列并将其送入ST-GCN网络以实现不同动作的分类，其分类准确率为84.56%，表明本研究提出的SimCC-ShuffleNetV2模型是良好的关键点提取器，可为奶牛行为识别等任务提供关键信息支撑。

摘要:针对跟踪模型泛化能力差、跟踪模型正样本选取质量低、深层模型参数量大不利于部署等问题，本文提出了超轻量化孪生网络模型Siamese-remo。首先结合传统随机采样方法和go-turn方法，设计出新型的正负样本选取策略，增加模型泛化能力；其次采用shiftbox-remo的数据增强方式均匀正样本分布，并提升正样本采集质量；然后通过改进后的超轻量化Mobileone-remo网络提取特征，一定程度减少深层网络对跟踪平移不变性的破坏，并预设不同特征融合参数，单独训练网络分类和回归；最终加入Center-rank loss函数，根据样本点位置影响置信度、IOU排名，对网络分类回归策略进行优化。实验证明，自然场景下奶牛单目标跟踪模型期望平均重合度(Expected average overlap, EAO)达到0.475，相对于基线模型提升0.078，与现有跟踪器对比取得了较好的成绩，且参数量仅为现有主流算法的1/20，为后续自然场景下奶牛身份识别与目标跟踪系统提供了技术支持。

摘要:动态水压喷洒和基于脉冲宽度调制的间歇喷洒对喷头喷洒水力特性均有显著调节作用，为充分发挥动态水压和间歇喷洒的技术优势，本研究通过压缩空气储能调节同步实现动态水压和间歇脉冲喷洒，基于此开发出新型动态水压间歇脉冲喷灌装置，并对动态水压间歇脉冲喷洒条件下的喷灌水力性能指标进行了实测和计算。结果表明，动态水压间歇脉冲喷洒模式下，喷头工作压力呈“急速上升—波动下降—急速下降”三阶段变化趋势，喷头流量较恒压连续喷洒降低70.23%~82.77%；径向喷灌强度呈双峰型分布，峰值喷灌强度为连续喷洒下的12.7%~33%；喷洒水量分布均匀度较连续喷洒有小幅降低5.8%~14.1%，且可通过运行参数优化进一步提升；水滴对表层土壤的打击强度显著降低，动能强度峰值降幅50.6%~70.9%。研究结果表明动态水压间歇脉冲喷洒可灵活实现喷洒水力性能指标的同步提升，具有较大应用潜力。

摘要:针对区域洪水灾害风险定量评估方法精度不足问题，构建了一种基于蝴蝶优化算法改进的支持向量机模型（Butterfly optimization algorithm-support vector machine, BOA-SVM），并将其应用于黑龙江省近15年的洪水灾害风险评估与时空特征分析。结果表明：研究时段内，黑龙江省总体洪水风险水平前期升降变化明显，而后期逐渐趋于平稳，并呈现西北部高、东南部低的空间分布格局。其中，大庆地区洪水风险水平最低，绥化地区风险水平最高，其余地区风险水平随年际变化有明显下降趋势。产水模数、人均GDP、月强降水量、农林渔业总产值占比、人口自然增长率、每万人拥有卫生机构床位数、万公顷水库总库容为洪水风险变化的关键驱动因子。构建的BOA-SVM模型与传统支持向量机模型（Support vector machine, SVM）和基于帝国竞争算法改进的支持向量机模型（Imperialist competitive algorithm-support vector machine, ICA-SVM）相比，平均绝对误差（MAE）分别降低38.15%和9.18%，均方误差（MSE）分别降低58.5%和21.56%，平均绝对百分比误差（MAPE）分别降低35.23%和11.42%、决定系数（R2）分别增长0.62%和0.12%，说明BOA-SVM模型在拟合性、适配性、稳定性、可靠性以及评估精度等方面更具优势。研究成果可为洪水灾害风险评估提供一种新模型，同时可为有效调控和降低区域洪水灾害风险提供参考。

摘要:针对干旱区复杂环境下水体光谱特性空间差异大、水体提取方法适用性差的问题，本研究基于Sentinel-2卫星多光谱数据，通过超分辨率算法重建10m空间分辨率多光谱影像，将短波红外（Short-wave infrared，SWIR）重建波段、近红外（Near-infrared，NIR）重建波段作为水体识别特征波段，在此基础上采用超像素分割算法识别水体像元，基于24种光谱指数、支持向量机（Support vector machine，SVM）、神经网络（Neural network，NN）、K-means共构建60种水体提取方法，采用总体精度（Overall accuracy，OA）、准确率（Precision）、F1值、马修斯相关系数（Matthews correlation coefficient，MCC）等水体提取精度指标进行综合评价，以黑河流域为典型研究区，确定干旱区最佳水体提取方法。结果表明，基于Sentinel-2绿色波段（中心波长为560nm）与超分辨率重建短波红外波段（中心波长为1610nm）构建的改进的归一化水体指数方法，显著增强水体提取时对干旱区细小水体、阴影、云层像元识别能力，水体提取总体精度为99.81%，准确率为92.04%，F1值为88.02%，G-mean、马修斯相关系数均大于0.88，水体提取精度优于其他方法。研究结果可快速精准地提取干旱区水体，为干旱区水体应用领域提供理论支持。

摘要:以挠力河流域为研究区，选择2000、2010、2020年3期土地利用数据，从土地利用动态度和转移矩阵两方面分析土地利用时空变化，运用CLUE-S模型对研究区2030年土地利用变化格局进行模拟验证，设基线、农业发展和生态保护3种情景预测2030年土地利用变化格局，最后对3种情景下耕地适宜性进行评价。结果表明：研究区土地利用类型以耕地为主，2000—2020年森林、湿地、水体和人造地表呈增加趋势，耕地和草地呈减少趋势。2000—2020年土地利用转移主要发生在耕地、草地和森林之间，2000—2010年草地面积转入最多，耕地次之，森林最少，转出面积相反；2010—2020年森林转入转出面积最多，草地次之，耕地最少。CLUE-S模型对挠力河流域土地利用变化具有良好的模拟能力，Kappa系数为0.894，模拟总体精度为91.18%；基线情景下耕地、草地和水体地类面积减少，其他地类面积增加；农业发展情景下耕地面积增加23.68%，人造地表面积未发生变化，其他地类面积均较少；生态保护情景下与农业发展情景正好相反。依评价指标体系和评价模型，分析计算出3种情景下耕地位于适宜区的面积占研究区总面积的96%以上，不适宜区占比低于4%。研究结果可为加强未来耕地质量建设与管理、落实耕地保护目标和科学管理土地资源提供科学决策。

摘要:农机压实土壤的问题很难避免，而农田压实土壤的结构恢复至关重要，冻融循环是恢复压实土壤的有效方法。为了研究冻融循环+大孔隙对恢复压实土壤的作用，通过室内试验重塑压实土壤及人工孔隙措施模拟大孔隙，在不同土壤含水率条件下设计不同的冻融循环次数，利用温度传感器监测土壤温度波动，同时对比冻融循环前后压实土壤孔隙与团聚体参数的变化。结果表明，冻融循环过程中，有人工孔隙压实土壤在高、低两种含水率条件下，分别在第3次和第2次冻融循环时开始大幅温度波动，相同含水率条件下无人工孔隙的压实土壤温度大幅波动则出现在第7次和第4次冻融循环，经历多次冻融循环后，有人工孔隙压实土壤的团聚体平均尺度、结构系数等参数均优于无人工孔隙的压实土壤。人工孔隙可通过调节土壤温度波动改变冻融循环在土壤中的作用强度，加速压实土壤结构恢复进程，冻融循环+大孔隙策略是改善土壤孔隙及团聚体结构的有效措施。

摘要:为探究节水灌溉模式下黑土稻田NH3、N2O排放及氮肥吸收利用对减施氮肥的响应规律，以黑龙江省黑土稻田为研究对象，于2021年进行了大田试验，试验设置常规淹灌（F）和控制灌溉（C）2种灌溉模式，全生育期施氮量设置常规施氮水平（N，110kg/hm2）、减氮10%（N1，99kg/hm2）和减氮20%（N2，88kg/hm2）3个水平，并在F和C灌溉模式下分别设置不施氮肥处理（CK1和CK2）作为对照组，共8个处理。分析了不同灌溉模式下减施氮肥对水稻全生育期NH3挥发速率和N2O排放的影响，计算了氮肥气态损失量和损失率，并基于同位素示踪技术进一步估算了水稻对氮肥的吸收利用量及水稻收获后土壤中的氮肥残留量。结果表明：2种灌溉模式下的氮肥气态损失量及损失率均随着施氮量的减少而降低。控制灌溉模式的应用增加了黑土稻田氮肥气态损失，其各处理的氮肥气态损失量及损失率均高于常规淹灌模式下相同施氮量处理。然而同位素示踪结果表明，采用控制灌溉模式能够增强水稻对氮肥的吸收，同时能够有效降低氮肥损失。控制灌溉模式下各处理水稻对氮肥的吸收利用量和利用率均显著高于常规淹灌模式下相同施氮量处理，且当施氮量相同时，控制灌溉模式下各处理的氮肥损失量和总损失率均显著低于常规淹灌模式（P<0.05）。综上所述，控制灌溉模式下减施氮肥提高了氮肥吸收利用率，同时降低了氮肥损失，并可稳产甚至能够在一定程度上增加水稻产量。研究结果可为东北地区稻田制定节肥、增效、减排兼容的水肥资源管理策略提供科学依据，对保障东北地区农业可持续发展具有重要意义。

摘要:针对土壤电导率传感器测量不准确的问题，提出了不考虑含水率θ与考虑θ的非线性耦合标定模型，并开展了土壤电导率传感器的标定与验证试验。标定试验采用新疆维吾尔自治区阿拉尔市十团苹果园沙土，使用去离子水与NaCl设计了9组含水率梯度与6组含盐量梯度共54组土样，分别使用土壤电导率传感器与高精度电导率仪对土样的电导率进行测量；根据耦合模型分别对不考虑θ、考虑θ以及考虑θ细分的3种处理进行拟合分析；最后对同一苹果园设计了大田验证试验。结果表明，土壤电导率传感器测量的电导率EC0以及电导率仪测量的电导率EC1与土壤含盐量均呈正相关，EC0随θ的增加而增加，EC1随θ的增加而减少；3次拟合结果表明，θ对电导率测量有显著影响，随θ细分，3个处理的残差逐渐减小，拟合决定系数R2均不小于0.839且逐渐增大；验证试验结果表明所提出耦合模型可以有效提高电导率测量精度，该标定方法可为土壤电导率准确测量以及土壤电导率传感器标定校准等相关研究提供依据。

摘要:在稻虾养殖模式中溶解氧含量（浓度）是养殖水体的重要指标之一，其直接影响小龙虾的摄食量和新陈代谢，因此在养殖过程中精准预测溶解氧含量至关重要。针对稻虾养殖中溶解氧含量变化复杂，难以快速准确预测的问题，提出了BiLSTM-GRU融合神经网络预测模型。为了保证精准预测，首先对传感器进行了清洗校准，并根据偏移量对历史数据进行了修正。在此基础上构建了基于BiLSTM和GRU的融合神经网络训练模型，BiLSTM提取更多特征因子，GRU实现快速预测，快速准确预测溶解氧含量变化。为了使监测预测性能更优，对不同采样周期下的资源损耗及预测模型性能进行综合对比分析，确定了传感器数据最优采样周期为30min。进一步与LSTM、GRU、BiLSTM以及BiGRU模型对比，表明本文提出的BiLSTM-GRU融合神经网络模型的预测效果更好，其平均绝对误差、均方根误差和决定系数分别为0.2759mg/L、0.6160mg/L和0.9547，比传统的LSTM神经网络模型分别高25.14%、13.25%和2.22%。

摘要:为明确高压静电场（High-voltage electrostatic field，HVEF）对发酵牛肉品质影响规律，采用2.0kV HVEF和3.0kV HVEF辅助制作发酵牛肉，与对照组比较，分析不同处理条件对发酵牛肉理化指标、风味品质、微生物群落的影响。结果表明：HVEF辅助处理会显著降低发酵牛肉的含水率（P<0.05），且电压越高，效果越显著，对pH值、L*和b*值无显著影响，但2.0kV HVEF处理会显著降低a*值、增加ΔE值（P<0.05）。电子鼻分析表明，不同处理组发酵牛肉样品之间风味差异较大，可以通过主成分分析进行较好区分。电子舌分析表明，HVEF辅助处理会增加鲜味、咸味和苦味传感器响应值。通过气相离子迁移谱（Gas chromatography〖CD*2〗ion mobility spectrometry，GC〖CD*2〗IMS）分析，共鉴别出43种挥发性风味物质，包括醇类12种、酮类10种、醛类9种、烯类8种、其他4种，3.0kV HVEF处理对这些风味物质的含量影响较大。高通量测序结果表明，发酵牛肉中的真菌优势菌为Penicillium（青霉菌属）和Debaryomyces（德巴利酵母属），HVEF能够降低Penicillium所占比例，增加Debaryomyces所占比例；发酵牛肉中的细菌优势菌为Staphylococcus（葡萄球菌属）和Lactobacillus（乳杆菌属），HVEF能够增加Staphylococcus所占比例，降低Lactobacillus所占比例。各指标综合分析表明，3.0kV HVEF处理对发酵牛肉品质提升有较好促进作用。

摘要:鸡蛋壳膜分选装置用来分选分离后的鸡蛋壳膜混合物，目前在实验室中已经完成了壳膜分选装置的研究和设计，达到了很好的分选效果。为了使研究结果具有普遍适用性，便于工厂化应用，缩短设计周期，基于相似理论，以已研制的鸡蛋壳膜分选装置为模型，提出一种鸡蛋壳膜分选装置的相似设计方法。当固体负荷率分别为6、12、18、24kg/s时，对根据该方法设计的装置进行仿真，同时进行了比例尺为12倍的原型试验，验证了相似设计方法的正确性和可行性。运用Visual Basic 6.0对CATIA、AutoCAD进行二次开发，编写程序，可直接获得三维模型、二维图纸及工作参数，提高了鸡蛋壳膜分选装置的设计效率，降低了成本，实现了分选装置的快速设计。

摘要:硬度是确定猕猴桃成熟度的重要指标之一，对其贮藏周期与销售节点均具有重要指导意义。针对现阶段缺乏使用简易、成本低且精度高的猕猴桃无损硬度检测方法的问题，提出了一种基于视触觉与深度学习的猕猴桃硬度检测方法，通过分析柔性触觉传感层与猕猴桃接触时的形变，获取猕猴桃的动态触觉信息，并据此推断其硬度。以树莓派开发板为机电控制平台，制作了猕猴桃视触觉序列图像采集装置，并对装置按压猕猴桃间隔3h后接触面果肉与非接触面果肉的CIELAB颜色分量平均数进行差异显著性检验，随后采集了猕猴桃视触觉序列图像数据集600组，分别搭建了CNN网络、CNN-LSTM迁移学习网络、CNN-LSTM联合学习网络对视触觉序列图像进行分析及硬度预测。研究结果表明，接触面果肉与非接触面果肉颜色L*、a*、b*三通道分量下平均值无显著差异；深度学习模型LSTM引入长时和短时信息可以动态关联CNN提取的单帧图像特征，从而有效推断猕猴桃硬度，其中CNN-LSTM联合学习模型预测效果最优，其均方根误差(RMSE)、平均绝对误差(MAE)、决定系数R2分别为 1.611N、1.360N、0.856，优于现阶段光谱技术检测猕猴桃硬度的结果，随后将模型嵌入树莓派中制作了猕猴桃硬度自动检测装置，可实现短时间内猕猴桃硬度的较为准确检测。因此，结合视触觉传感方法与联合学习模型可以实现对单个猕猴桃硬度的准确无损测量。

摘要:为了能准确检测、跟踪加州鲈鱼因水中溶解氧含量低产生的胁迫行为，本文构建了一种改进的YOLO v5与DeepSORT组合网络算法。在算法方面提出2个改进方案：在原YOLO v5的Backbone和Neck中分别加入2个基于移位窗口的自注意力Swin Transformer模块，提升了网络对目标特征信息的提取能力，以此提升原模型的检测效果；采用Warmup和Cosine Annealing结合的学习率策略，使多目标跟踪算法DeepSORT前期收敛速度更快、更稳定。实验结果表明，在目标检测方面，相对于原YOLO v5，改进的YOLO v5的mAP@0.5、mAP@0.5:0.95和召回率分别提升1.9、1.3、0.8个百分点，在不完全遮挡情况下，改进的算法表现出更好的检测效果。在目标跟踪方面，DeepSORT算法的MOTA、MOTP和IDF1分别提升4.0、0.7、10.7个百分点，并且加州鲈鱼在遮挡前后的ID切换频率得到明显抑制。改进的YOLO v5与DeepSORT跟踪算法更适合于检测、跟踪加州鲈鱼的低氧胁迫行为，能够为加州鲈鱼的养殖提供技术支持。

摘要:针对传统机器学习模型预测重型拖拉机液压机械无级变速箱(Hydro mechanical continuously variable transmission，HMCVT)湿式离合器温度的局限性，提出了基于改进灰狼粒子群优化-支持向量机(Improved grey wolf particle swarm optimization-support vector machine，IGWPSO-SVM)的HMCVT湿式离合器摩擦副温度预测模型。首先，对湿式离合器摩擦副滑摩过程进行热分析，确定影响湿式离合器摩擦副温度的因素；然后，基于支持向量机(Support vector machine，SVM)搭建温度预测模型，并利用改进灰狼粒子群优化(Improved grey wolf particle swarm optimization，IGWPSO)算法对SVM的结构参数进行优化；最后，基于HMCVT湿式离合器试验台数据搭建离合器摩擦副温度预测模型的样本数据库，以湿式离合器摩擦副对偶钢片为对象，对IGWPSO-SVM模型进行试验验证。试验结果表明，IGWPSO-SVM模型预测摩擦副对偶钢片内、中、外径温度的平均绝对误差(Mean absolute error，MAE)、均方误差(Mean square error，MSE)、均方根误差(Root mean square error，RMSE)、平均绝对百分比误差(Mean absolute percentage error，MAPE)的均值分别为3.3557℃、24.3212℃2、4.5976℃、3.95%，最高温度预测误差分别为7.8700、5.4300、0.9900℃，3次试验的对偶钢片内、中、外径温度MAE、MSE、RMSE、MAPE均值的平均值分别为3.3522℃、24.7380℃2、4.9737℃、4.12%，3次试验的内、中、外径最高温度平均绝对误差(Maximum temperature mean absolute error，MTMAE)平均值为4.3733℃，相比于其他4种已有的模型为最低。研究结果可为重型拖拉机湿式离合器温度的高精度预测及整车的可靠性控制提供理论依据。

摘要:少自由度混联机构有特殊的末端约束形式，同时其末端六维运动参数存在高度耦合，而以往对此类机构的研究多针对并联和串联模块分别开展，导致混联机构的整机末端约束和运动耦合研究被忽视，此类机构的约束和运动分析存在缺陷。本文采用Grassmann-Cayley代数分析了(2-RPU+UPU)+(RR)机构的末端约束，基于该机构的约束方程建立了其末端运动耦合模型，并以此得到了该机构修正的运动学反解模型。末端约束分析结果表明(2-RPU+UPU)+(RR)机构的末端约束为一个螺旋(1H)型约束，其自由度形式为两转两移一螺旋(2R2T1H)型运动。运动耦合结果表明该机构6维位姿耦合关系表现为一个多元耦合方程，在给定其中的5个独立参数后，另一个参数可通过该耦合方程确定。本文建立的(2-RPU+UPU)+(RR)机构的约束分析和运动耦合模型可为少自由度混联机构的末端约束和运动耦合分析提供参考。

摘要:并联机器人末端位姿精度对其工作性能影响较大，建立有效的标定算法是提高机器人位姿精度的重要保证。本文以一种2TPR&2TPS并联机构为研究对象，首先对机器人进行运动学分析，采用全微分法得出机器人的误差模型，根据该模型得出机器人结构参数误差与末端位姿误差的量化关系，以及各误差项误差变动对末端位姿误差的影响规律；接着，建立参数辨识模型和标定效果评价函数，验证了参数辨识模型的有效性，再用该模型辨识机器人的结构参数误差；最后，修正运动学模型完成了机器人的误差标定。实验结果显示，标定后机器人的平均位置精度提升68.62%，距离误差均值由7.710mm降至2.350mm，精度提升69.52%，实验结果证明本文的标定算法有效。

摘要:连续型机器人具有良好的灵活性、柔顺性和人机安全性等优点，受生物鱼骨结构启发，提出了结构紧凑、质量轻、灵活性高的仿生鱼骨连续型机器人。但多节垂直交叉的刚柔软耦合结构模式使仿生鱼骨连续型机器人静力学的精确建模难度增加。本文基于Cosserat理论考虑了驱动绳索和弹性骨干的耦合作用对该机器人进行静力学分析，建立了仿生鱼骨连续型骨干的Cosserat-rod模型和驱动绳索的Cosserat-string模型以及二者的耦合模型，预测了一节仿生鱼骨单元以及垂直交叉串联布置的两节仿生鱼骨单元的变形规律。理论与实验结果相比，理论值误差在1.5mm之内，为其长度的1.2%。本文为绳索驱动的刚柔软耦合连续型机器人的静力学建模提供了理论参考。

摘要:为抑制软体驱动器弯曲过程中的不必要变形，提高软体机械手抓取能力，提出一种限制层材料为PDMS和PTFE混合制备的软体机械手。通过调整PDMS和PTFE之间的质量比来改变限制层刚度，进而改变软体机械手的弯曲角度。考虑到软体机械手工作时，应变层变形远大于限制层，采用Yeoh和Neo-Hookean形式的应变能方程表述应变层和限制层材料力学行为。基于模型和力矩平衡原理建立软体驱动器弯曲角度数学模型，进而研究限制层材料和结构参数对软体机械手弯曲性能的影响。利用单轴拉伸试验获取不同质量比的PDMS和PTFE混合制备的限制层样品应力应变曲线，并拟合获取Yeoh模型材料参数，进而进行有限元仿真分析，确定限制层材料的最佳比例。对不同限制层材料制成的驱动器进行弯曲角度测试，试验结果与理论分析偏差在5%以内，验证了数学模型的准确性。同时，驱动器的末端力测试结果表明，限制层PDMS/PTFE质量比为8∶1的驱动器明显优于纯硅胶软体驱动器，最大末端力可达2.45N。使用软体机械手对多种物品进行抓取试验，其最大抓取质量达420g。

摘要:为了解决大惯量回转系统频繁启动和制动作业导致节流损失大和制动动能浪费严重的问题，提出一种电气和液压混合驱动大惯量回转系统。系统采用永磁同步电机作为主动力源，控制回转系统运动；由蓄能器提供动力的液压马达作为辅助动力源，为电机启动加速提供扭矩补偿，蓄能器高效回收制动动能再利用。建立多学科联合仿真系统模型，基于主辅动力源合理供给原则，设计全周期工况识别速度控制策略，搭建电液混合驱动回转试验平台，对回转系统的特性和能效进行分析。研究结果表明，电液混合驱动大惯量回转系统，随着转速和转动惯量的变化，回转制动动能回收效率为40.5%~65.9%。相同工况下，与纯电机驱动系统相比，电液混合驱动系统启动加速时间减小1.2s，制动动能回收效率为63.5%，降低系统能耗40.8%，使回转系统更加平稳地运行。