摘要:为了提高无人插秧机地头转向时的曲线路径跟踪精度，针对传统的误差权重矩阵固定的线性二次调节器（Linear quadratic regulator，LQR）路径跟踪控制器对插秧机的纵向速度、横向偏差以及航向角偏差的变化适应性较差的问题，基于车辆二自由度动力学模型，提出了一种通过模糊控制实时调整LQR控制器误差权重矩阵的路径跟踪控制器优化方法。该方法以纵向速度、横向偏差、航向角偏差为输入，以横向偏差和航向角偏差对应的误差权重为输出，建立模糊控制模型实时调整LQR控制器的误差权重矩阵。为了验证所提出算法的曲线路径跟踪控制精度和可行性，以改装后的洋马VP6E型无人插秧机为对象，进行Carsim和Simulink联合仿真试验以及实车试验。仿真试验结果表明，控制插秧机跟踪半径为2m的1/4圆弧路径时，所提出算法控制下的横向偏差绝对值均值为0.014m，最大值为0.032m，小于0.04m的占100%，航向角偏差绝对值均值为1.67°，最大值为4.94°，相较于传统引入前馈控制的LQR控制器，横向偏差绝对值均值降低50%，航向角偏差绝对值均值降低23%。实车试验结果表明，在插秧机跟踪半径为2m的1/4圆弧路径时，所提出算法控制下横向偏差绝对值均值为0.027m，最大值为0.048m，小于0.04m的占62%，航向角偏差绝对值均值为1.86°，最大值为4.94°，相较于传统引入前馈控制的LQR控制器，横向偏差绝对值均值降低40%，航向角偏差绝对值均值降低4.1%。该方法提升了无人插秧机曲线路径跟踪控制精度，为无人插秧机曲线路径跟踪控制提供了参考。

摘要:为提高联合收获机无人驾驶导航路径的精度，本文提出一种基于激光雷达的作物收获导航线实时提取方法。搭建点云数据采集系统，利用平面拟合法确定激光雷达安装高度和安装角度。利用三维激光雷达扫描收获机前方作物的点云数据，结合IMU惯性传感器反馈的姿态信息，实现作物点云数据从激光雷达坐标系到车体坐标系的变换。基于激光雷达扫描视场角、安装高度和安装角度获取感兴趣区域（ROI）的坐标，并对感兴趣区域进行直通滤波和统计滤波，去除灰尘、秸秆粉末等噪声的影响，以实现点云数据无效点和离群点的剔除。提出一种基于栅格八邻域高程差的作物收获导航线快速识别算法，以点云栅格化后在Z轴方向上的坐标值作为检测依据，定义某一栅格与其8个相邻栅格在Z轴坐标上的差值为高程差，遍历栅格并根据设定阈值进行比较判断，实现收获边界点的有效提取。采用最小二乘算法进行收获边界点的拟合，实现田间作业过程中作物收获导航线动态提取。田间试验表明，该方法具有较好的鲁棒性，能在作物稀缺、杂草较多等情况下保持较高的准确性，其中前进方向偏差角平均值为0.872°，割台横向偏差为0.104m，收获导航线准确率为93.5%，可为联合收获机工作提供辅助导航，提高无人驾驶的准确率。

摘要:针对大田作物行特征复杂多样，传统作物行识别方法鲁棒性不足、参数调节困难等问题，该研究提出一种基于特征工程的大田作物行识别方法。以苗期棉花作物行冠层为识别对象，分析作物行冠层特点，以RGB图像和深度图像为数据来源，建立作物行冠层特征表达模型。运用特征降维方法提取作物行冠层的关键特征参数，降低运算量。基于支持向量机技术建立作物行冠层特征分割模型，提取作物行特征点。结合随机抽样一致算法和主成分分析技术建立作物行中心线检测方法。以包含不同光照、杂草、相机位姿的棉花作物行图像为测试数据，运用线性核、径向基核和多项式核的支持向量机分类器开展作物行冠层分割试验；对比分析典型Hough变换、最小二乘法和所建作物行中心线检测方法的性能。结果表明，径向基核分类器的分割精度和鲁棒性最优；所建作物行中心线检测方法的精度和速度最优，航向角偏差平均值为0.80°、标准差为0.73°；横向位置偏差平均值为0.90像素，标准差为0.76像素；中心线拟合时间平均值为55.74ms/f，标准差为4.31ms/f。研究成果可提高作物行识别模型的适应性，减少参数调节工作量，为导航系统提供准确的导航参数。

摘要:针对我国玉米秸秆量大，生产应用的还田机具还田深度浅，存在影响后续播种、出苗质量、病虫害发生率高和深层土壤“碳饥饿”等问题，设计了一种秸秆粉碎集中全量深埋还田机，可一次完成秸秆捡拾、粉碎、输送、深松开沟、集中遁注掩埋和碎土镇压等作业，在有效减少土壤扰动下能够将多行站立或粉碎后秸秆集中埋入地表下一条深380～400mm的沟内。阐述了秸秆粉碎集中全量深埋还田机整机结构及工作原理，对秸秆螺旋输送装置、抛压风机、深松开沟遁注装置和传动系统等关键部件进行了设计与计算，初步确定了螺旋输送装置与抛压风机转速、风机出料口尺寸和遁注体截面形状参数，并对抛压风机与遁注体腔体内部进行了流场模拟分析与验证。按照设计要求对秸秆粉碎集中全量深埋还田机进行了试制,并进行了机具性能与大田定位试验，结果表明：在作业速度3km/h时，秸秆捡拾率为90.8%，开沟深度与秸秆掩埋深度均值分别为394mm与200mm,开沟深度与秸秆掩埋深度稳定性系数分别为97.4%和92.5%，各项指标与设计值相符，且满足农艺要求。同时大田定位试验结果表明，秸秆集中深还田与传统还田相比，0～200cm土壤贮水量提高29mm，20～40cm土层有机碳、全氮和速效磷养分含量分别增加7.14g/kg、0.59g/kg、1.53mg/kg，有效增加了土壤养分含量，提高了深层土壤肥力与贮水能力。

摘要:为降低振动对指夹式排种器排种性能的影响，设计了一种具有辅助夹持结构的玉米指夹式排种器，阐述了指夹式排种器工作原理，并对辅助夹持的指夹和种盘等各关键构件结构进行了优化设计，建立了指夹夹持动力学模型。运用RecruDyn软件建立排种器虚拟样机模型，基于玉米籽粒特性在EDEM软件中构建玉米籽粒颗粒，通过EDEM-RecurDyn耦合仿真模拟了振动条件下排种器充种、携种及排种过程，分析对指夹式排种器排种性能影响的主要因素。最后结合台架试验，选取排种器作业速度、振动幅值和振动频率为试验因素，以排种器合格指数和漏播指数为试验指标进行排种性能试验验证。研究表明，指夹打开28.65°夹持玉米籽粒时，符合指夹式排种器在振动条件下的运动过程，耦合仿真分析结果与指夹式排种器实际运动过程基本一致，夹持过程中指夹和种盘共同配合下能够有效降低振动对排种器夹持性能的影响，满足设计要求；当作业速度为3.8km/h、振动幅值为5mm、振动频率为32.52Hz时，排种器合格指数和漏播指数分别为91.0%、6.68%，排种器台架验证试验得出该参数组合下排种器排种合格指数为和漏播指数分别为90.0%、7.1%，与理论优化值非常接近，证明辅助夹持结构在排种作业中可以保持较好的稳定性，使得排种器具有良好的排种效果，满足精密播种作业要求，为玉米精密播种装置的改进设计提供参考。

摘要:播种机气送式集排器增压管是种子颗粒输送过程中的重要组成部分，其结构直接影响到播种机的作业性能。本文运用理论分析与EDEM-Fluent耦合相结合的方法来研究增压管内种子流运移特性。经过理论分析后，得出影响种子颗粒的因素主要有增压管结构、输送气流和装置材料等。由于装置材料和输送气流均是外部因素，本文主要以油菜种子为例，研究增压管结构对种子颗粒运动状态的影响。耦合分析得出：常用增压管中V型波纹式的增压管对种子流有较好的扰动分散等作用；在气流速度为16m/s时，增压管直径为30mm、长度为100mm、宽度为10mm、深度为2mm时出口种子流质量较为均匀，其变异系数为17.32%。开展台架试验验证了耦合参数和模型选择的正确性。

摘要:为解决蔬菜气吸式排种器吸种时出现一孔多粒现象导致播种质量下降的问题，提出4级锯齿清种作业的方法，并设计了四级清种机构。阐述排种器出现重吸现象的原因，对清种过程中种子的受力建立数学模型，从而确定清种机构安装位置、齿形角度等关键参数。选取清种齿顶与型孔距离、排种器工作转速和气室负压为主要因素进行二次回归正交旋转组合试验并对试验结果进行显著性和回归分析，获得最优参数组合为第4级清种齿顶与型孔距离0.41mm、负压1.22kPa、排种器工作转速5.85r/min，并对最优工作参数进行验证试验和对比试验。验证试验表明，在工作转速为4.5~9.5r/min时，漏清率不大于1.50%，过清率不大于1.88%，与回归方程计算值基本一致。对比试验表明，在转速分别为4.5、7.0、9.5r/min时，采用四级清种机构漏清率分别降低3.2、4.0、5.0个百分点，过清率分别降低0.19、0.83、1.45个百分点，排种合格率分别提升3.42、4.83、6.45个百分点。采用四级清种机构有效降低了清种环节的漏清率，提升了排种器的工作质量。

摘要:针对气送式玉米高速精量排种器进行高速精量播种时排种器内存种量波动较大，无法维持最佳作业状态的问题，提出通过改进供种装置结构、优化供种控制模型的技术思路。设计了一种智能供种系统，采用可替换轮片的新型供种轮结构和以正弦函数为基础的波动变量供种方式，根据供种效果实时调节供种速度波动幅度，从而使排种器内的存种量保持在较好区间，确保排种器在较高作业性能下进行持续性工作。对关键零部件进行了结构参数设计，通过离散元仿真和台架试验获取并验证了不同结构的供种轮较优工作区间，同时对波动变量供种模型性能进行了试验验证。试验结果表明，新型供种轮能够通过改变自身结构在供种速度250~1500g/min范围内将供种速度变异系数保持在20%以下。优化后新型波动变量供种控制模型将使供种速度以波动变量供种的方式进行平滑变化，在供种速度500~1500g/min范围内围绕供种需求进行100g/min左右幅度的波动供种，满足玉米精量播种的技术要求。

摘要:起垄有利于增加土壤的透气性及保水能力，是马铃薯种植环节中重要的一环。针对目前马铃薯播种机起垄装置功能单一、效率低、作业效果差等问题，提出一种适用于山东地区的两段式组合起垄装置，通过覆土圆盘和翼面铲的配套作业，同时完成覆土、起垄和整形作业，有利于种薯扎根稳定、生长发达，提高马铃薯播种机的作业效率和质量。通过分析覆土圆盘、翼面铲的作业过程以及土壤的运动过程，对翼面铲的总体尺寸及铲尖、铲面、翼板等主要部件进行参数设计。利用EDEM仿真软件建立土壤与两段式组合起垄装置的联合仿真模型并进行试验，对两段式组合起垄装置的起垄量模拟曲线进行分析，得出装置的作业质量相比仅依靠覆土圆盘作业有显著提升。田间试验表明，当马铃薯播种机前进速度为0.25m/s时，两段式组合起垄装置所起土垄平均高度为251mm，平均垄底宽为698mm，平均垄距为902mm，平均垄体土壤紧实度可达到390.33kPa，作业效果良好，满足山东地区马铃薯起垄农艺要求。

摘要:针对无纺布容器苗在换钵移盆过程中存在的基质填充不完善导致根系过浅裸露，移栽机自动化程度过低导致移栽效率过慢等现象，设计了一种基于无纺布容器苗的全自动二次移栽机。对柔性机械爪的关键部件进行参数设计以及受力分析，结合RecurDyn刚柔耦合仿真对移栽机械臂运动状态进行优化设计，通过运动学分析进行优化。综合考虑影响移栽成功率的关键因素，确定以二次填土作用力率、苗体基质含水率、夹取针间距为试验因素，以60穴香榧幼苗为试验对象，通过正交试验确定最佳工作参数。试验结果表明：当二次填土机构作用力率为83.51%、夹取针间距为19.66mm、苗体基质含水率为33.45%时，移栽成功率为95.29%，与验证性试验的95.33%基本一致，满足高速、高效移栽要求，为林木无纺布容器苗二次移栽领域提供参考。

摘要:针对目前小麦播种机在复杂的田间作业过程中存在的播深一致性和稳定性难以控制等问题,从调节覆土量确定小麦播深的控制角度出发，提出了一种基于播深反馈的模糊PID控制方法，设计了小麦播种机高精度播深控制系统，实现了播深的自动调控，保证了小麦播深的均匀一致性。该系统主要由车载终端、播深检测模块、播前镇压辊检测模块以及播前镇压辊调节机构等4部分组成，能够实现小麦播种机播深的实时检测及调整。通过播深检测模块获取实时播深并作为反馈输入，结合播深预设值，根据专家模糊规则和Mamdani推理法对PID参数进行在线整定得到控制输出量，控制驱动器调整播前镇压辊位置，不断调整作业过程中的覆土量，从而实现对播深的实时精确控制，确保播深的一致性。田间试验结果表明：播种作业过程中，播深存在小范围波动。当设定播深为30mm、车速为3~5km/h时，播深平均值为30.13mm，播深标准差为0.18mm，播深合格率均值为93%，播深变异系数均值为2.93%。该系统实现了小麦播种机播深均匀一致的实时自适应调控。

摘要:当前井窖移栽机成穴装置挖掘井窖稳定性差、易坍塌、土壤回流严重、直立度差，无法满足深井窖移栽成穴农艺要求。为此设计一种井窖移栽机单线螺旋成穴装置。对单线螺旋成穴装置的锥形钻尖、螺旋叶片、中心钻杆等关键结构进行设计，并采用动力学方法对其作业过程的入土阶段、切土阶段和排土阶段的成穴机理进行分析，确定了单线螺旋成穴装置的直径、螺距和转速为影响其作业质量的关键参数。应用离散元仿真软件EDEM对成穴装置作业过程进行仿真分析，以井窖深度、井窖直径、井窖直立度和土壤回流程度为评价指标，以直径、螺距、转速为试验因素，进行单因素试验确定关键参数的取值范围。根据取值范围，利用二次正交旋转中心组合试验方法建立单线螺旋成穴装置响应指标与试验因素的回归方程，并通过响应曲面得到其影响趋势和交互关系，结果表明各因素对井窖深度影响的主次顺序为螺距、转速、直径，对井窖直径影响的主次顺序为直径、螺距、转速。以回归方程为基础，采用多目标函数优化获取单线螺旋成穴装置的优化参数组合。根据优化后的参数组合研制单线螺旋成穴装置及田间作业平台并进行田间试验，试验结果表明：成穴装置直径为100mm、螺距为75mm、转速为350r/min时作业效果最佳，此时井窖深度为182mm、井窖直径为80.7mm，优化后的单线螺旋成穴装置满足井窖移栽成穴的农艺要求。

摘要:为解决顶夹式取苗出现的顶苗失败、钵体被夹持时受压变形、破损等问题，以顶夹式取苗末端执行部件为研究对象，建立顶苗和夹苗过程力学分析模型，得出影响取苗效果的主要因素包括顶针直径、顶针长度、顶苗速度和夹苗加载距离。通过试验测定钵体相关物理性能参数，在EDEM软件中选用EEPA接触模型建立钵体颗粒模型。利用EDEM仿真模拟顶苗与夹苗过程，采用Box-Behnken设计法和单变量控制法分别进行顶苗和夹苗仿真试验设计，利用Design-Expert软件分析得到优化参数组合为：顶针直径1.9mm、顶针长度18mm、顶苗速度0.3m/s和夹苗加载距离4mm。在频率100株/min下进行取投苗性能验证试验，经过优化的取苗末端执行部件取投苗成功率93.25%，钵体完整度良好，满足叶菜类蔬菜穴盘苗自动旱地移栽取苗要求。

摘要:针对西南地区坡度较大、免耕地表秸秆及根茬等造成耕地平整度较差，驱动式破茬防堵免耕播种机作业时机具整体产生振动较大，导致排肥器排肥及导肥管导肥作业性能差的问题，基于螺旋输送原理，设计了一种柔性无轴螺旋排肥输肥装置。通过对肥料的螺旋输送以及物料临界输送速度分析，得出螺旋叶片最佳充肥尺寸以及转速范围。采用EDEM仿真进行二次回归正交旋转试验和响应曲面法分析无轴螺旋排肥输肥装置最佳工作参数：螺旋叶片内半径3mm、螺旋叶片外半径12.8mm、螺旋叶片转速319r/min以及螺旋间距24.5mm。田间测试结果表明，在地表平整度平均值以及地表坡度分别为8.9cm、16.1°时，无轴螺旋排肥输肥装置在作业速度1.5 m/s时，排肥精度误差、均匀性变异系数分别为1.87%、2.52%，满足国家施肥标准，播肥符合当地农艺要求。所设计的无轴螺旋排肥输肥装置满足免耕播种施肥要求，可为在地表平整度较差时排肥和振动较大条件下排肥器以及导肥管的设计与改进提供参考。

摘要:水肥一体化技术在棉花、小麦、番茄等大田农作物种植场景中的应用逐渐增多。当前能够快速有效调整大田农作物水肥一体化系统中肥料流量的控制算法研究较为有限。由于水肥一体化系统存在时变性、滞后性与非线性的特点，常见的PID与BP-PID控制算法无法获得预期的控制效果。为此设计一种基于蝙蝠算法（BA）优化的BP神经网络PID控制器。通过采用BA对BP神经网络的初始权值进行优化，加快了BP神经网络的自学习速度，实现对水肥一体化系统中肥料流量的快速精准控制，从而降低了超调量、提高了响应速度。同时，基于STM32单片机搭建了水肥一体化流量调节测试平台，并对该控制器的性能进行了试验验证。结果表明，与常规PID控制器和基于BP神经网络的PID控制器相比，所设计的控制器具有较高的控制精度和鲁棒性，降低了由时滞性、非线性等因素引起的影响。平均最大超调量为4.78%，平均调节时间为41.24s。特别是在施肥流量为0.6m3/h时，控制器表现出最佳的综合控制性能，达到了精准施肥的效果。

摘要:中国是林果起源地之一，采摘是林果产业生产中的重要环节。机械化采摘是实现代替人工作业进行林果快速收获的重要手段之一，是现代化农业发展驱动下的必然走向。机械振动采摘是目前应用最为广泛的技术，林果采摘机械的工作性能主要由振动效果决定。因此，本文通过对国内外各类林果机械振动采摘装备的研究分析，归纳出影响振动采摘的因素、果树三维重构与等效模型、果实振动脱落特性以及振动能量传递与耗散等4大关键机械振动采摘理论，并阐明了各理论目前存在的不足。在此基础上阐述了国内外林果机械化采摘装备的研究现状和进展，分析了林果机械式采摘机的适用范围、工作原理及分类，总结了典型振动式及接触式采摘机的机型和技术参数，指出了各机型应用作业产生的实际问题。结合林果产业应用场景和发展要求，分析了中国林果机械化采摘面临的主要问题，认为缺乏系统性理论研究、关键技术研究进展缓慢是制约林果机械化发展的关键，提出了未来林果机械化采摘的技术重点是高效、精准、低损收获，最终为实现林果自动化、智能化采摘的建议。

摘要:针对分段收获后胡麻脱出物形状差异小、混杂程度大、清选困难等问题，设计了胡麻脱粒清选装置。为提高胡麻脱粒清选装置作业效率，探究胡麻脱粒物料气流式清选机理，以装置气流清选系统为研究对象，分别建立清选系统CFD模型和胡麻脱出物DEM模型。采用CFD-DEM耦合仿真技术，通过研究各组分脱出物料的运动轨迹与空间位置分布，得出清选系统内胡麻脱出物分离规律，并进行验证试验，校验仿真模型可靠性。仿真试验表明，胡麻脱粒物颗粒在清选系统内气流场的作用下表现出较好的分离清选效果，同时，通过分析模拟试验所得到的胡麻脱粒物颗粒数量和平均速度变化曲线，探明了胡麻脱粒物料在分离清选作业过程中运移的平均速度和数量的变化规律。验证试验表明，该装置在最佳工作状态下作业后胡麻籽粒的清选损失率为2.78%，含杂率为2.23%，与仿真模拟胡麻籽粒损失率（2.05%）、含杂率（1.56%）相比，二者试验结果分别仅相差0.73、0.67个百分点，实际试验结果与仿真模拟结果吻合度较高，验证了模型的可靠性。

摘要:基于喂入量的作业速度智能化控制技术是优化联合收获机作业效率和质量的重要手段。本文针对传统喂入量自动控制技术时滞明显，在喂入量调整时无法及时适应实际情况的问题，采用基于图像的深度学习方法开展了成熟期小麦植株密度等级分类识别方法研究，通过预先感知作物密度，实现联合收获机作业参数的自动调整。首先基于车载相机和无人机图像构建了小麦植株图像数据集，并细分为低密度、中密度、高密度和特高密度4类；其次构建了基于MobileViT-XS轻量化网络的密度等级识别模型，利用建立的数据集进行模型的训练和测试；最后将其与VGG16、GoogLeNet和ResNet进行了比较。结果表明，MobileViT-XS模型的总体识别准确率达到91.03%，且单幅图像推理时间仅为29.5ms。与VGG16、ResNet网络相比，总体识别准确率分别高出3.51、2.34个百分点，MobileViT-XS模型可以较好的完成小麦不同密度等级的分类识别任务，为实时预测小麦喂入密度提供了技术支持。

摘要:针对紫云英联合收获物料组分构成复杂及其小差异混杂特性，使其在分离清选作业过程中存在高含杂、多损失等问题，提出“先筛分、再气流清”的作业模式，设计了紫云英联合收获物料分离清选机，并对喂料斗出口处料层厚度调节机构、筛分装置、集杂除尘装置等关键部件进行了设计选型与参数计算。基于DEM-CFD耦合数值模拟方法，确定了物料层调节厚度、筛分装置驱振振幅和吸杂管道风量调节手柄挡位等主要影响因素合理的取值范围，运用Minitab进行正交试验设计，以籽粒清洁率和夹带总损失率为响应值，得到影响紫云英联合收获物料分离清选机作业质量的最优因素参数组合：物料层调节厚度为16.8mm、筛分装置驱振振幅为35mm、吸杂管道风量调节手柄在挡位5，此时，籽粒清洁率均值为98.07%，夹带总损失率均值为2.96%，试验结果满足设计要求。

摘要:为解决甜菜联合收获机分离输送过程中甜菜块根含杂率高、损伤率高的问题，设计了一种六行甜菜联合收获机的三级分离输送装置，阐述了该装置的主要结构及工作原理，并确定关键参数。通过对分离输送过程中土壤、甜菜的运动学分析及甜菜在碰撞过程中的能量分析，确定了影响甜菜含杂和损伤效果的主要因素及各因素的试验取值范围。以拨送板转速、杆条式链筛输送速度和橡胶尾筛倾角为试验因素，以含杂率和损伤率为试验指标，进行二次回归正交旋转组合试验，利用Design-Expert 8.0.6软件对试验结果进行分析，得到试验因素与各指标的回归方程。通过响应面分析各因素对评价指标的影响规律，得出优化参数组合为：拨送板转速100.0r/min、杆条式链筛输送速度1.4m/s和橡胶尾筛倾角39.0°。验证试验结果表明，经过三级分离输送后甜菜含杂率为3.4%，损伤率为2.6%，各项指标均符合国家行业标准要求。

摘要:针对丘陵山区三七机械化收获根土分离难、输送效率低等问题，开展了三七收获机输送分离装置作业机理与参数优化试验研究。首先，通过理论分析建立了三七根土复合体在输送过程中的动力学模型；其次，利用高速摄影获取三七根土复合体的运动轨迹，确定三七输送、根土分离、须根断裂等作业机理；与此同时，基于EDEM-RecurDyn耦合开展三七根土复合体输送分离作业联合仿真，验证了模型的可靠性，明确了三七根土复合体输送分离规律，确定了影响三七根土分离的主要作业参数为：升运速度、升运倾角、振动幅度、振动频率；最后，开展台架试验并利用Design-Expert软件进行分析寻找最优作业参数。结果表明：当最优作业参数组合升运倾角为21°、振动幅度为44mm、升运速度为0.9m/s、振动频率为1.6Hz时，三七输送率、三七筛净率分别为93.60%、92.64%，符合三七收获机输送分离作业要求。

摘要:智能虫情测报灯下害虫的精准识别和分类是实现稻田虫情预警的前提，为解决水稻害虫图像识别过程中存在分布密集、体态微小、易受背景干扰等造成识别精度不高的问题，提出了一种基于MS-YOLO v7（Multi-Scale-YOLO v7）轻量化稻飞虱识别分类方法。首先，采用稻飞虱害虫诱捕装置搭建稻飞虱害虫采集平台，获取的稻飞虱图像构成ImageNet数据集。然后，MS-YOLO v7目标检测算法采用GhostConv轻量卷积作为主干网络，减小模型运行的参数量；在Neck部分加入CBAM注意力机制模块，有效强调稻飞虱区别度较高的特征通道，抑制沉冗无用特征，准确提取稻飞虱图像中的关键特征，动态调整特征图中不同通道的权重；将SPPCSPS空间金字塔池化模块替换SPPFS金字塔池化模块，提高网络模型对各分类样本的特征提取能力；同时将YOLO v7模型中的SiLU激活函数替换为Mish激活函数，增强网络的非线性表达能力。试验结果表明，改进后的MS-YOLO v7在测试集上的模型平均精度均值（Mean average precision，mAP）为95.7%，精确率（Precision）为96.4%，召回率（Recall）为94.2%，与Faster R-CNN、SSD、YOLO v5、YOLO v7网络模型相比mAP分别提高2.1、3.4、2.3、1.6个百分点，F1值分别提高2.7、4.1、2.5、1.4个百分点。改进后的模型内存占用量、参数量、浮点运算数分别为63.7MB、2.85×107、7.84×1010，相比YOLO v7模型分别缩减12.5%、21.7%、25.4%，MS-YOLO v7网络模型对稻飞虱种间害虫均能实现高精度的识别与分类，具有较好的鲁棒性，可为稻田早期稻飞虱虫情预警提供技术支持。

摘要:为在保证识别性能前提下，对叶片病害检测模型进行有效轻量化，基于主干替换、模型剪枝以及知识蒸馏技术构建了一种模型轻量化方法，对以YOLO v5s为基础的叶片黄化曲叶病检测模型开展轻量化试验。首先，通过常见的性能优异的轻量级主干特征提取神经网络结构（Lightweight convolutional neural networks，LCNN）替换YOLO v5s主干对模型主体进行缩减；然后利用模型稀疏化训练和批归一化层（Batch normalization layer）的缩放因子分布状况，筛选并删减不重要的通道；最后，通过微调重新训练以及知识蒸馏，将模型精度调整到接近剪枝前的水平。试验结果表明，经轻量化处理的模型精确率、召回率和平均精度分别为91.3%、87.4%和92.7%，模型内存占用量为1.4 MB，台式机检测帧率81.0f/s，移动端检测帧率1.2f/s，相比原始YOLO v5s叶片病害检测模型，精确率、召回率和平均精度下降3.7、4.6、2.7个百分点，内存占用量仅为处理前的10%，台式机和移动端检测的帧率分别提升近27%和33%。本文所提出的方法在保持模型性能的前提下对模型有效轻量化，为移动端叶片病害检测部署提供了理论基础。

摘要:作物病害的初期快速准确识别是减小作物经济损失的重要保障。针对实际生产环境中，作物叶片黄化曲叶病毒病(Yellow leaf curl virus，YLCV)患病初期无法应用传统图像处理算法通过颜色或纹理特征进行准确和快速识别，并且YOLO v5s通用模型在复杂环境下识别效果差和效率低的问题，本文提出一种集成改进的叶片病害检测识别方法。该方法通过对Plant Village公开数据集中单一患病叶片图像以及实际生产中手机拍摄获取的患病作物冠层图像两种来源制作数据集，并对图像中的患病叶片进行手动标注等操作，以实现在复杂地物背景和叶片遮挡等情况下正确识别目标，即在健康叶片、患病叶片、枯萎叶片、杂草和土壤中准确识别出所有的患病叶片。此外，用智能手机在生产现场拍摄图像，会存在手机分辨率、光线、拍摄角度等多种因素，会导致识别正确率降低等问题，需要对采集到的图像进行预处理和数据增强以提高模型识别率，通过对YOLO v5s原始模型骨干网络重复多次增加CA注意力机制模块（Coordinate attention），增强YOLO算法对关键信息的提取能力，利用加权双向特征金字塔网络（Bidirectional feature pyramid network，BiFPN），增强模型不同特征层的融合能力，从而提高模型的泛化能力，替换损失函数EIoU（Efficient IoU loss），进一步优化算法模型，实现多方法叠加优化后系统对目标识别性能的综合提升。在相同试验条件下，对比YOLO v5原模型、YOLO v8、Faster R-CNN、SSD等模型，本方法的精确率P、召回率R、平均识别准确率mAP0.5、mAP0.5:0.95分别达到97.40%、94.20%、97.20%、79.10%，本文所提出的算法在提高了精确率与平均精度的同时，保持了较高的运算速度，满足对作物黄化曲叶病毒病检测的准确性与时效性的要求，并为移动端智能识别作物叶片病害提供了理论基础。

摘要:针对自然环境下棉花叶片病害检测难度大和人工设计特征提取器难以获取与棉叶病虫害相近特征表达的问题，提出一种改进的注意力机制YOLO v7算法（CBAM-YOLO v7）。该模型在YOLO v7模型基础上，在Backbone与Head中间增加注意力机制CBAM，并在Head部进行4倍下采样，然后将CBAM-YOLO v7模型用于棉叶病虫害识别，并与YOLO v5和YOLO v7进行对比试验。试验结果表明：蚜虫和正常叶片检测方面，YOLO v7可取得好的检测结果；CBAM-YOLO v7对黄萎病、棉盲蝽、红蜘蛛棉叶病虫害图像检测的准确率高于其他模型。CBAM-YOLO v7的mAP为85.5%，相较于YOLO v5提高21个百分点，相较于YOLO v7提高4.9个百分点；单幅图检测耗时为29.26ms，可为棉叶病害在线监测提供理论基础。

摘要:快速准确识别奶牛粪便形态，对于奶牛肠胃健康监测与精细管理具有重要意义。针对目前奶牛粪便识别人工依赖强、识别难度大等问题，提出了一种基于VGG-ST（VGG-Swin Transformer）模型的奶牛稀便、软便、硬便及正常粪便图像识别与分类方法。首先，以泌乳期荷斯坦奶牛粪便为研究对象，采集上述4种不同形态的粪便图像共879幅，利用翻转、旋转等图像增强操作扩充至5580幅作为本研究数据集；然后，分别选取Swin Transformer、AlexNet、ResNet-34、ShuffleNet和MobileNet 5种典型深度学习图像分类模型进行奶牛粪便形态分类研究，通过对比分析，确定Swin Transformer为最优基础分类模型；最后，融合VGG模型与Swin Transformer模型，构建了VGG-ST模型，其中，VGG模型获取奶牛粪便局部特征，同时Swin Transformer模型提取全局自注意力特征，特征融合后实〖JP3〗现奶牛粪便图像分类。实验结果表明，Swin Transformer模型在测试集中分类准确率达859%，与ShuffleNet、ResNet-34、MobileNet、AlexNet模型相比分别提高1.8、4.0、12.8、23.4个百分点；VGG-ST模型分类准确率达89.5%，与原Swin Transformer模型相比提高3.6个百分点。该研究可为奶牛粪便形态自动筛查机器人研发提供方法参考。

摘要:针对荷斯坦奶牛个体识别神经网络的人工调参成本高、泛化性差、效率低，难以实现局部遮挡条件下精准识别等问题，提出了一种基于ResNet框架和神经网络架构搜索(NAS)的自适应网络参数优化算法(NAS-Res)。首先，通过设计包含CBR_K1、CBR_K3、CBR_K5和SkipConnect的操作集，配合密集连接路径，构成超参数网络。然后基于梯度下降的搜索策略，在多目标优化复合损失函数的约束下，强化了对低成本模型的设计。结果表明，NAS-Res在GPU上仅耗时6.18h获得最佳架构，在包含168头奶牛局部遮挡侧面图像的PO-Cows数据集上，闭集验证准确率为90.18%，与ResNet-18、ResNet-34和ResNet-50相比提高5.04、3.02、14.92个百分点，而参数量分别降低5.9×105、1.069×107和1.317×107。在包含174头奶牛背部图像的Cows2021数据集上闭集验证准确率为99.25%。此外，NAS-Res可忽略PO-Cows数据集规模变化的影响，牛只数量在50～168头之间变化时，Top-1准确率和Top-5 准确率变化幅度仅为1.51、1.01个百分点，适用性较强。总体而言，NAS-Res算法实现了对局部遮挡奶牛的精准个体识别，本研究可为复杂背景下畜禽个体识别提供技术参考。

摘要:为实现非接触、高精度个体识别，本文提出了一种基于牛只脸部RGB-D信息融合的个体身份识别方法。以108头28~30月龄荷斯坦奶牛作为研究对象，利用Intel RealSense D455深度相机采集2334幅牛脸彩色/深度图像作为原始数据集。首先，采用冗余图像剔除方法和自适应阈值背景分离算法进行图像预处理，经增强共得到8344幅牛脸图像作为数据集；然后，分别选取Inception ResNet v1、Inception ResNet v2和SqueezeNet共3种特征提取网络进行奶牛脸部特征提取研究，通过对比分析，确定FaceNet模型的最优主干特征提取网络；最后，将提取的牛脸图像特征L2正则化，并映射至同一特征空间，训练分类器实现奶牛个体分类。测试结果表明，采用Inception ResNet v2作为FaceNet模型的主干网络特征提取效果最优，在经过背景分离数据预处理的数据集上测试牛脸识别准确率为98.6%，验证率为81.9%，误识率为0.10%。与Inception ResNet v1、SqueezeNet网络相比，准确率分别提高1、2.9个百分点；与未进行背景分离的数据集相比，准确率提高2.3个百分点。

摘要:针对当前生猪规模化养殖过程中基于热红外技术的生猪体温测量效率低的问题，提出了一种基于改进YOLO v7的生猪群体体温检测方法。改进YOLO v7算法在Head层引入VoV-GSCSP结构，降低网络结构复杂度；使用内容感知特征重组(Content-aware reassembly of features，CARAFE)替换模型原始上采样算子，提高特征图放大后的品质，强化生猪头部区域有效特征；引入感受野增强模块（Receptive field enhancement module，RFE），增强特征金字塔对生猪头部特征的提取能力。本文改进YOLO v7算法对于生猪头部的检测精确率为87.9%，召回率为92.5%，平均精度均值（Mean average precision，mAP）为94.7%。与原始YOLO v7相比，精确率提高3.6个百分点，召回率提高7.0个百分点，mAP提高3.6个百分点。该方法首先自动检测生猪头部区域，再利用头部最大温度与耳根温度的高相关性，最终自动获取生猪体温。温度提取平均绝对误差仅为0.16℃，检测速度为222f/s，实现了生猪群体体温的实时精准检测。综合上述试验结果表明，该方法能够自动定位生猪群体的头部区域，满足生猪群体体温测定的高效和高精度要求，为群养生猪体温自动检测提供了有效的技术支撑。

摘要:针对生猪体质量准确测定问题，提出了一种跨模态特征融合模型（Crossmodality feature fusion ResNet，CFF-ResNet），充分利用可见光图像的纹理轮廓信息与深度图像的空间结构信息的互补性，实现了群养环境中无接触的生猪体质量智能测定。首先，采集并配准俯视猪圈的可见光与深度图像，并通过EdgeFlow算法对每一只目标生猪个体进行由粗到细的像素级分割。然后，基于ResNet50网络构建双流架构模型，通过内部插入门控形成双向连接，有效地结合可见光流和深度流的特征，实现跨模态特征融合。最后，双流分别回归出生猪体质量预估值，通过均值合并得到最终的体质量测定值。在试验中，以某种公猪场群养生猪为数据采集对象，构建了拥有9842对配准可见光和深度图像的数据集，包括6909对训练数据和2933对测试数据。本研究所提出模型在测试集上的平均绝对误差为3.019kg，平均准确率为96.132%。与基于可见光和基于深度的单模态基准模型相比，该模型体质量测定精度更高，其在平均绝对误差上分别减少18.095%和12.569%。同时，该模型体质量测定精度优于其他现有生猪体质量测定方法：常规图像处理模型、改进EfficientNetV2模型、改进DenseNet201模型和BotNet+DBRB+PFC模型，在平均绝对误差上分别减少46.272%、14.403%、8.847%和11.414%。试验结果表明，该测定模型能够有效学习跨模态的特征，满足了生猪体质量测定的高精度要求，为群养环境中生猪体质量测定提供了技术支撑。

摘要:鱼类行为识别对于生态学、水产养殖、渔业资源管理等方面具有重要意义，可以通过其行为模式判断其生长发育状况和活动水平，并间接评估环境因素对其影响，以减少鱼类生长应激反应，提高资源利用效率，为水产养殖的智能化发展奠定基础。近年来，基于人工智能技术的鱼类行为识别方法受到广泛关注，其具有无损性、低成本等优势。本文综述了近5年基于卷积神经网络、循环神经网络、双流卷积神经网络等人工智能方法的鱼类行为识别技术，对鱼类行为识别方法及数据集进行了归纳与分析，在此基础上，对未来的研究进行讨论与展望。

摘要:围绕水产养殖水下目标精准识别的产业发展需求，针对小样本目标识别精度低、模型算法场景适应能力差等问题，提出一种基于改进循环对抗网络（Cycle constraint adversarial network, CycleGAN）样本扩增和注意力增强迁移学习的小样本养殖鱼类识别方法。利用水下采样装备收集实际养殖场景和可控养殖场景大黄鱼图像，并以可控场景图像作为辅助样本集。利用CycleGAN为基础框架实现辅助样本到实际养殖场景图像的迁移，并提出一种基于最大平均差异（Maximum mean discrepancy, MMD）的迁移模型损失函数优化方法。在迁移学习阶段使用ResNet50为基础框架，并引入SK-Net（Selective kernel network）注意力机制优化模型对不同感受野目标的感知能力，提升模型对无约束鱼类目标的识别精度。试验结果表明，本文方法有效提升了小样本鱼类目标的识别能力，鱼类识别召回率达到94.33%，平均精度均值达到96.67%，为鱼类行为跟踪和表型测量提供了有效的技术支撑。

摘要:我国的奶牛养殖数量逐年增加，通过对奶牛的生理参数和行为进行监测，可以提高奶牛养殖的经济效益，提升我国奶业的竞争力。随着人工智能技术的发展，奶牛健康监测的设备和技术在不断更新和完善，为奶牛健康监测提供了便捷和精确的手段。本文综述了近年来奶牛健康监测方面的研究进展，从奶牛的生理参数监测和行为监测两方面展开，生理参数包括体温、体尺、体质量、呼吸频率等，行为包括基本行为（站立、行走、躺卧等）、反刍、跛行等。对国内外奶牛健康监测的设备和技术进行了系统的分析，总结了不同监测设备和技术的优缺点和适用情况，并结合当前已有的应用案例，对奶牛健康监测研究所面临的问题进行了讨论，指出了奶牛智慧养殖的发展趋势，旨在为奶牛健康管理和养殖业的可持续发展提供方法和思路的参考。

摘要:数量计量是动物养殖管理的基础工作，其结果对于动物养殖的生产效率、养殖成本管控及经济效益评估等具有重要意义。基于计算机视觉的计数方法解决了传统人工计数存在的测量误差大、耗时费力等问题，减轻了养殖人员的工作负担。本文统计分析了近十年的养殖动物视觉计数相关研究，从传统机器学习与深度学习两方面对养殖动物计数算法进行分析与讨论。此外，对水产养殖、畜禽养殖与特种动物养殖领域的养殖动物计数应用进行梳理与总结。同时，对目前公开发布的养殖动物计数数据集进行概述。最后，从数据集、应用场景、计数方法3方面分析讨论养殖动物计数研究面临的主要挑战，并对未来研究进行展望。

摘要:锦鲤选美的不同等级之间具有高相似度的特点，目前都是人工进行选美分级。为解决人工选美所存在的效率低、主观性强、成本高的问题，提出了一种基于迁移学习和改进ResNeXt50残差网络的锦鲤选美方法。本文首先构建了红白、大正、昭和3种锦鲤的选美等级数据集。其次，采用迁移学习策略提高训练速度，并从SE注意力模块、Hardswish激活函数和Ranger优化器3方面对ResNeXt50模型进行了改进，构建了SH-ResNeXt50锦鲤选美分级模型。试验结果表明：SH-ResNeXt50模型有效提升了锦鲤选美的等级分选能力，模型准确率达95.6%，损失值仅0.074，优于常用的AlexNet、GoogLeNet、ResNet50和ResNeXt50网络模型。最后，采用Grad-CAM分析SH-ResNeXt50模型的可解释性，结果表明SH-ResNeXt50模型和人工识别的感兴趣区域基本一致。本文所提出的方法实现了具有高相似度的锦鲤不同等级的智能分选，对其它具有高相似度的生物等级分选具有借鉴意义。

摘要:酒糟是酿酒生产过程中的副产物，以酒糟为研究对象，分别考察不同底物总固体（Total solid, TS）质量分数（0.5%、1%、1.5%、2%）、接种比（接种污泥与酒糟的挥发性固体质量比）（0.25、0.5、0.75、1、1.5）和温度（25、37、50℃）条件下酒糟的厌氧消化产甲烷特性。结果表明，随着TS浓度的增加，产甲烷量逐渐增加， 2%TS条件下可获得最大的累计产沼气量（532.8mL/g）和产甲烷量（294.7mL/g）。接种比是影响厌氧消化系统的重要因素，随着接种比的增大，系统累计产沼气和产甲烷量呈先增加后减少的趋势，在接种比为0.25和0.5的条件下，系统发生崩溃，并未产甲烷，当接种比为1时，获得最大的累计产沼气和甲烷量。当TS质量分数为2%、接种比为1.5、发酵温度为50℃的条件下，获得最大的累计产沼气量为559.4mL/g，相较37℃条件下提高了10.2%，而获得的累计产甲烷量为284.0mL/g，相较37℃并未显著提升（P>0.05）。利用修正的Gompertz模型进行产气动力学分析后，发现TS质量分数越高、接种比越大、温度越高，产甲烷迟滞期越短。同时对不同温度反应体系中的微生物群落进行了分析，发现Bacteroidetes和 Firmicutes为优势菌门，随着温度的升高，产甲烷菌逐渐由氢营养型代替乙酸营养型。因此， TS浓度、接种比和温度是厌氧发酵重要因素，初步确定2%TS、接种比为1的中温酒糟厌氧发酵产甲烷性能相对较好。

摘要:以作物秸秆为原料制成的生物质颗粒燃料具有便于储存运输，燃烧热效率高等优点，可以用来替代煤炭作为农村家庭生活炊事与冬季取暖的主要能源。但生物质颗粒燃烧会排放较多的氮氧化物，目前生物质脱氮一般应用于大型工业炉内，农村家用的生物质锅炉基本没有氮氧化物处理装置。根据生物质燃料的燃烧特性，本文首先阐述了所设计秸秆成型燃料专用炉具的结构和关键燃烧技术，对玉米秸秆成型燃料进行燃烧试验研究。采用KM9106型烟气分析仪测量燃烧时烟气中NO、NO2和烟气氧含量。结果表明通过改变二次风的风量比例、进气位置、充气角度，在炉具内形成不同的风压射流，以强化热质传递，确保燃尽效果，有效控制氮氧化物的生成与排放。试验结果表明，当一、二次风量比例为3∶1、扰流形成的风压射流配送二次风时，秸秆成型燃料烧温度最高，燃烧充分，满足高效清洁燃烧要求。

摘要:储粮害虫会降低粮食及其产品的重量、品质和营养健康指数，并且我国粮虫检测方式仍然以人工检测为主。为满足储粮害虫快速检测的需求，采用气相色谱-质谱联用仪（GC-MS）获得了赤拟谷盗（Tribolium castaneum（Herbst））的主要特定挥发性有机化合物（VOCs），根据这些化合物的性质筛选出多个金属氧化物气敏传感器，并以传感器阵列为核心开发了储粮害虫电子鼻检测装置。该装置采集了赤拟谷盗、被赤拟谷盗侵染的面粉、被长头谷盗（Latheticus oryzae Waterhouse）侵染的面粉3种实验对象的气味信息，提取每条响应曲线的相对变化值和相对积分值作为原始特征矩阵（10×2），使用主成分分析（PCA）和偏最小二乘回归算法（PLSR）对原始特征矩阵进行分析，并通过建立回归预测模型，实现了对面粉中赤拟谷盗和长头谷盗虫口密度的预测。优化后的传感器数量由10个减少至8个，赤拟谷盗样品的两个主成分累计的贡献率为79.4%。基于PLSR的预测模型对面粉中赤拟谷盗的数量有很好的预测效果（校正集：相关系数r=0.88，均方根误差为8.09；验证集：r=0.89，均方根误差为7.75）；该预测模型对面粉中长头谷盗的数量也有很好的预测效果（校正集：r=0.94，均方根误差为5.85；验证集：r=0.94，均方根误差为6.08）。研究结果表明：该装置能够满足判别储粮中不同虫口密度样本的基本需要，并且具有可靠的稳定性。

摘要:为研究装置干燥均匀性和稻谷干燥特性，通过多因素试验，以干燥温度、滚筒倾角、滚筒转速为影响因素，以干燥时间和干燥速率为评价指标，考察指标对稻谷干燥特性的影响，分析不同干燥工艺对稻谷爆腰率的影响。试验结果表明，影响稻谷干燥时间和干燥速率的主次因素顺序为：干燥温度、滚筒倾角、滚筒转速，最优干燥工艺为干燥温度55℃、滚筒倾角2°、滚筒转速40r/min。验证试验通过含水率均匀度K判定，最佳干燥工艺参数为干燥温度55℃、滚筒倾角2°、滚筒转速60r/min。在此条件下，稻谷干燥时间为191min，干燥速率为0.036％/min，稻谷含水率均匀度为99.6%，稻谷干燥效果最优。研究结果可以为稻谷变温均质干燥装置研制和工艺制定提供参考。

摘要:花椒干燥过程中网带式花椒干燥机内气流强度和均匀性影响花椒干燥后品质，通过实验进行花椒参数测定和模型可靠性验证，采用多孔介质模型对结构优化前后网带式花椒干燥机流场进行数值模拟研究，根据网带式花椒干燥机气流分布特性提出了增加导流板的优化方案，考察了不同角度导流板气流分布特性。结果表明:导流板角度变化对干燥机气流强度与均匀性有一定影响，最优导流板角度为2.5°，较原始结构在干燥机XY、XZ、YZ面平均速度平均增加6.8%、10.8%、5.2%，不均匀系数平均减小8.7%、8.5%、2.7%。

摘要:为提高玉米干储一体仓中气流场均匀性，采用计算流体力学和正交试验相结合的方法对玉米干储一体仓内部气流场分布进行数值仿真和参数优化。通过单因素试验，研究水平进风管位置、竖向通风笼直径、单位通风量3个因素对玉米干储一体仓通风均匀性的影响规律，并通过系列数值仿真及正交试验对干储一体仓通风结构及参数进行优化设计。结果表明：干储一体仓内气流的平均速度，受不同水平进风管位置的影响不明显，随着竖向通风笼直径的增加呈逐渐降低趋势，而随着单位通风量的增加持续增长。速度不均匀系数随水平进风管位置从上到下变动、竖向通风笼直径增加和单位通风量增加分别呈现先减小后增大、先急剧后缓慢降低和整体增加的趋势。其中，竖向通风笼直径对干储一体仓内部流场均匀性的影响最为显著，其次是水平进风管位置和单位通风量。优化后的干储一体仓通风结构及参数的组合为水平进风管位置-0.34m、竖向通风笼直径400mm、单位通风量20m3/(h·t)，此方案下干储一体仓内部流场速度不均匀系数综合加权评分值与初始方案相比提高了77.4%，表明了优化方案的可行性。

摘要:为进一步提升农业机器人底盘田间转向效率，设计了一种基于自抗扰控制的农业机器人底盘双重转向运动控制系统。根据苹果种植农艺需求和行驶环境，确定了底盘组成和主要技术参数，开展了硬件系统搭建和部件选型。建立了底盘4自由度动力学模型，明确了衡量转向效率的状态空间方程。提出了一种基于自抗扰控制的双重转向控制策略，建立了Simulink动力学仿真模型，并进行了转向仿真模拟。仿真结果表明，自抗扰双重转向运动控制模型横摆角速度为0.241rad/s，转弯半径为1.96m，扰动恢复时间为1.04s，相较于传统PID双重转向控制模型，该模型横摆角速度更大、转弯半径更小、恢复稳定状态更快。田间试验结果表明，底盘平均横向偏移距离为18.5cm，滑移率为4.84%，大半径转弯测试中双重转向控制底盘的转弯半径平均值相比阿克曼转向控制分别减少0.60、0.57m，平均转向时间减少4.70、3.41s。小半径转弯测试中双重转向控制底盘的转弯半径平均值比阿克曼转向控制分别减少0.52、0.49m，平均转向时间减少10.27、8.22s。

摘要:拖拉机驱动轮滑转率的精确估计对提高拖拉机作业效率及安全性，实现拖拉机驱动防滑控制具有重要意义。本文提出了多新息并行扩展卡尔曼滤波算法，融合了包括机器视觉在内的多个传感器信息，并通过在线统计多传感器的新息，引入D-S证据理论进行决策，修正测量噪声矩阵，从而实现拖拉机驱动轮滑转率的精确估计。仿真结果表明，相较于普通的卡尔曼滤波算法，本文提出的融合算法估计滑转率的精度更高，滑转率估计值的均方根误差从2.34%降低到1.45%，且对干扰信号不敏感。试验结果表明，在多组工况下本文所提出的多传感器信息融合算法相较于单一视觉法或雷达法对拖拉机驱动轮滑转率估计的平均绝对误差、均方根误差均有所降低，从而验证了所提出的算法满足拖拉机驱动轮滑转率的精确估计，可对后续实现拖拉机驱动防滑控制提供依据。

摘要:针对传统供电方式难以适应现代农业传感器网络使用需求的问题，设计了一种基于印制绕组和Halbach阵列的电磁式自供电拖拉机轮速传感器。装置采用中间定子、两侧转子的结构形式，基于法拉第电磁感应定律对装置的输出感应电动势进行理论推导，确定其影响参数。使用有限元仿真软件，对影响装置输出性能的磁体排列方式、线圈匝数和装置气隙等进行仿真分析，并结合实际工程经验确定了定子线圈形状和永磁体极对数等参数。设计了后端电路，其可对装置的输出电压进行整流、测量和传输，从而计算转速，并可由装置直接供电。制作了装置样机，分别开展台架标定测试和实车应用试验。试验结果表明，装置转速和电压线性拟合结果良好，决定系数R2为0.99991，在转速400r/min下整流后的直流电压输出约为3.16V，可以满足为后端电路供电的需求。与商用编码器相比，在台架测试中装置的转速测量精度保持在1%以内，实车测试中精度基本保持在5%以内，可以满足实际使用要求。

摘要:针对“人-车-土”作业系统下重型撒肥机组油耗因素机制不清和农机单次作业期短、作业频次低导致的农机“电源撂荒”问题，分析“人-车-土”系统油耗结构方程模型互作机制并预测纯电动拖拉机电源“一源多用”模式对“生活-生态”的增益潜力。首先，开展重型拖拉机撒肥作业田间综合试验，采集驾驶员疲劳度、拖拉机燃油油耗、耕层土壤表征量等作业要素数据，建立驾驶员-拖拉机-耕层土壤的油耗结构方程模型；然后，基于结构方程因果关系探寻农机油耗因子间相关性；最后，基于油耗等值转换理论计算燃油农机等效需电量与碳排放量，预测纯电动拖拉机“一源多用”模式对生产生活电源互换共享与减排降碳的贡献潜力。结果表明：耕层土壤紧实度是拖拉机主要油耗影响因素；驾驶员操作疲劳对油耗具有间接影响，可通过操纵拖拉机间接影响耕层物理性质和拖拉机碳排放、作业效率。电动拖拉机电源“一源多用”对农网末端小型用电设施供电具有一定潜力，在机械化田间管理期，等效耗电量约为45kW·h/hm2，减少碳排放12kg/hm2(CO2)，中小规模农场可减少农机碳排放约2464t(CO2)，节约电9.24×106kW·h，并且其电源闲置时提供约110t玉米烘干所需电力，或165台通风设备全天同时通风所需电力，或5500个路灯夜间照明的电能，或11个值班室全年的用电需求。