摘要:智慧农业是现代农业的发展方向,无人化智慧农场是实现智慧农业的重要途径,无人化智慧农场是农业转型升级的重要方向,其精准高效作业质量依赖于农田边界识别技术的精度和可靠性。本文系统梳理了农田边界识别的技术体系与应用场景,重点分析了卫星遥感、无人机遥感和地面感知3类数据获取方式和识别算法研究现状。卫星遥感的优势在于其广域周期性的监测能力可支撑大范围农田变化分析,但空间分辨率有限;无人机高分辨率影像与地面传感器深度融合(如 LiDAR 点云与 RGB 图像配准)可实现厘米级边界分割,为复杂农田场景提供高精度数据支撑,但视野范围有限。传统图像处理算法(阈值分割、边缘检测等)在规则农田中具有实时性优势,但难以应对异物同谱、静态要素遮挡等场景;基于深度学习的 U-Net、DeepLab 系列模型通过多尺度特征融合与注意力机制优化可显著提升对不规则边界的识别鲁棒性。 这些技术都已应用于农业数字化地图构建和农机路径规划,但仍面临多源数据时空对齐精度不足导致融合效率低,轻量化模型在边缘计算设备上的推理速度难以满足实时作业需求,农田边界变动实时监测难等问题。未来应聚焦多模态时空特征融合、边缘推理导向的模型轻量化技术,以及空-天-地协同支撑下的数字农田地图自主更新技术,为实现农田边界的高精度、高响应和高动态识别提供支撑。

摘要:路径规划是决定再生稻头季收获作业效率和质量的关键因素之一。目前,无人农机在作业区域内的全覆盖路径规划技术研究中,较少有考虑收获机在田间收获时对再生稻的碾压问题,为此本文开展减少碾压的再生稻收获路径规划研究。通过分析农田信息、待作业区域和卸粮等,将再生稻收获卸粮路径规划问题转化为带有容量约束的车辆路径问题(CVRP)。以收获机最小碾压面积和最短总路径为目标,构建再生稻收获路径数学模型。提出再生稻少碾压路径规划混合算法,采用传统蚁群算法(ACO)和2-opt算法获得最优路径。以再生稻无人驾驶收获机为对象,设计直线路径规划田间试验、地头转向路径以及卸粮路径规划田间试验和全环节田间作业试验,采用自动驾驶系统进行田间试验,考察收获机田间碾压率。结果表明,直线跟踪平均绝对误差为3.51cm,最大偏差为8.24cm,直线段作业碾压率为17.55%。地头区域碾压率下降52.2%。本研究设计的路径规划全田碾压率为27.42%,满足再生稻特殊的作业要求。

摘要:自动导航拖拉机在侧偏侧滑等工况下路径跟踪误差大、纠偏易超调且调节时间长。为解决拖拉机侧偏侧滑工况快速纠偏问题,提出了一种基于驱动轮横向控制补偿策略的改进纯追踪路径跟踪控制方法。通过构建拖拉机的坡面侧滑模型,结合二轮车运动学模型,提出了纯追踪算法的横向控制补偿策略,对经典纯追踪算法进行改进,实现自动驾驶拖拉机精确横向补偿控制。为验证本文横向侧偏补偿改进纯追踪路径跟踪算法性能,进行CarSim/Simulink联合仿真,缓坡试验结果表明,改进后的算法在10°斜坡上的控制精度相比经典算法提升了73.6%;持续侧滑仿真,经典算法无法脱困,而改进算法在3.9s内完成脱困,横向偏差收敛至0.01m以内,超调量为0.14m。此外本文还在田间试验中验证了改进算法的有效性,在相同试验条件下,进行了3次重复试验,结果表明拖拉机在所有试验中均成功脱困,试验表明平均脱困时间为7.03s,平均最大超调量为0.054m。试验结果表明,本文横向控制补偿策略显著提升了自动导航拖拉机在复杂工况下的控制精度和稳定性。

摘要:针对水田自动驾驶农机遇到侧滑时速度突变导致转角估计不准确的问题,本文提出了一种基于双观测值融合卡尔曼滤波器的水田作业农机转向轮角估计方法,建立了水田作业农机转向轮角估计模型。首先采用改进型两轮农机侧滑模型获得基于运动学模型的水田农机前轮转向角度,其次对所采集的GPS速度和惯性导航速度采用加权观测融合的方法对转向模型的水田农机作业速度进行补偿,最后提出了基于双观测值融合卡尔曼滤波器的水田作业农机轮向轮角估计方法,将基于运动学模型的前轮转向角和基于转向电机编码的前轮转向角作为双观测值,从而估计水田农机前轮转角。为验证本文所提方法,以水稻直播机为研究平台,在水田中开展速度校正、前轮转向角估计试验和直线跟踪试验。速度校正试验结果表明,水田硬底层高低不平是前轮转角拟合精度不佳的直接原因,本文所提方法将直播机速度稳定在一定范围内,解决了因水田硬底层起伏变化造成前轮转角拟合精度不佳的问题。前轮转向角估计试验结果表明,农机前轮估计角度相对角度传感器角度变化跟踪误差平均值为0.12°,偏差最大值为1.67°,偏差标准差为0.4°。本文所提方法能够准确地测量农机前轮转向角,最终控制直播机稳定追踪目标角度,满足水田农机前轮转角估计精度要求。直线跟踪试验结果表明,在水田环境下,平均绝对误差为3.14cm,位置偏差标准差为2.11cm。本文提出的方法适用于水田无人驾驶,提高了转角估计精度和农机导航作业质量。

摘要:针对协同控制在农机转场场景下受复杂环境影响导致的响应速度慢、控制精度低、稳定性差、鲁棒性不足等问题,提出一种农机编队转场多机协同控制方法。搭建主机人工驾驶领航、从机自动跟随的多机协同模型,基于弗莱纳坐标转换将协同控制解耦为横向、纵向控制,采用模型预测控制算法设计纵向控制器以实现机组间相对距离保持及速度、加速度跟随,采用纯追踪算法设计横向控制器以实现从机沿主机轨迹行驶,引入模糊算法实时调整关键控制系数以实现控制效果优化。基于CarSim/Simulink平台设计多种转场典型工况对本文方法进行仿真试验分析,结果表明相比传统控制方法本文方法具备更可靠优越的性能,并基于智能拖拉机机组开展实车试验验证,结果表明机组轨迹横向误差小于0.090m,速度误差小于0.570m/s,相对距离误差小于0.169m,加速度误差小于0.252m/s2,均能渐进稳定满足农机编队转场实际需求。

摘要:无人驾驶拖拉机在轨迹跟踪的过程中以跟踪性能为主,忽视作业能耗导致经济性较差。为此提出了一种考虑经济性与轨迹跟踪性能的分层协同控制策略。首先以纵向偏差和横向偏差为目标、以加速度和前轮转角速度为约束,采用模型预测控制算法建立轨迹跟踪系统,其次以发动机燃油消耗率和液压机械无级变速器传动效率比为优化目标,建立基于外部参数优化的二元调节经济性控制策略。在此基础上,以拖拉机下一时刻预测速度和当前拖拉机犁耕阻力为传递变量,融合轨迹跟踪系统、经济性控制策略形成分层协同控制策略。采用纯跟踪算法与一元调节经济性控制策略作为对比策略,基于Matlab仿真平台对该分层协同控制策略进行仿真试验,并通过硬件在环试验平台验证了该分层协同控制策略的有效性,结果表明:与对比策略相比,分层协同控制策略有效减小了无人驾驶拖拉机轨迹跟踪偏差,提高了拖拉机经济性,速度方差降低36.7%,纵向跟踪偏差减小89.8%,横向跟踪偏差减小91.7%,拖拉机油耗量减小11.8%。

摘要:稻油轮作是我国长江中下游地区水稻和油菜两种作物种植的主要模式。为发展稻油轮作无人化农场,进一步降低该地区水稻和油菜种植用工成本、提高种植效益及竞争力,本文通过分析稻油轮作无人化农场的生产模式、机具类型和作业路径规划要求,针对稻油轮作无人化农场典型作业环节农机具田间自动导航作业过程的路径需求,结合Android软件开发、JavaPython混合编程、云服务器和数据库等多项技术,设计了基于Android应用框架的无人化农场智能农机具作业运维软件,包括地块管理、机具属性管理、路径规划及仿真模拟和路径导出等模块。在已有联合收获机收获作业路径规划算法、播种机播种作业路径规划算法和无人机植保及飞防作业路径规划算法的基础上,重点设计了稻收油播和水田耕整地2个典型作业环节的路径规划算法,并通过Chaquopy插件混合编程调用前期Python编码实现的田间作业路径规划算法。通过基于GoogleEarth软件选取的典型实际田块多算例仿真测试和基于稻收油播一体机的实机田间试验联合调试结果表明,所设计的移动端软件及路径规划算法运行稳定可靠,软件人机交互性好,算法能够针对不同机具及常见四边形地块提供有效的自动导航自主作业路径,单个田块作业路径规划算法在小米5Pro平板计算机等4种典型Android移动终端上的运行耗时为29~1898ms,计算效率及路径合理性均满足实际应用中典型作业环节无人化生产的需要。所提出的算法及软件框架,为长江中下游区域稻油轮作无人化农场的建设提供了作业路径规划理论及技术支撑。

摘要:针对当前温室作业环境复杂、现有机械行走稳定性差的问题,本文提出了温室自主跟随电动平台行走速度控制方法。由于该系统存在非线性和时变性的特点,传统PID控制算法无法实现有效控制,因此提出了一种基于蜣螂(Dungbeetle optimizer,DBO)优化BP神经网络PID控制算法。该算法采用DBO优化算法对BP神经网络的权值进行优化,加快了BP神经网络的自学习速率,实现对温室自主跟随电动平台行走速度的快速精确控制,提高系统的响应速度并降低超调量,最后,将本文提出的行走速度控制算法与PID控制算法、BP-PID控制算法、遗传算法(Genetical gorithm,GA)优化PID控制算法、蚁群算法(Antcolony optimization,ACO)优化PID控制算法对比。试验结果表明,当行走速度为1m/s时,系统平均响应速度为0.11s,调整时间为0.27s,最大超调量为2.44%;当履带线速度大小和方向发生变化时,系统依然表现出响应速度快、超调量小且稳态过程无振荡的优点。DBO-BP-PID控制算法在控制稳定性和控制精度上表现更优,有效降低了系统时滞性和非线性影响,满足温室自主跟随电动平台行走速度控制的需求。

摘要:数字孪生技术通过对物理实体全生命周期的数字化实现其状态的监测和控制,为实现机器人的远程控制和连续式作业提供了解决思路。作业底盘行驶过程的高精度控制是保证机器人作业质量的关键,本文针对温室环境变化和底盘损耗导致行驶状态预测模型误差大,以及动态数据在线采集困难等问题,提出一种基于数字孪生的温室作业底盘行驶状态在线监测方法。首先,开发了面向底盘行驶状态的温室作业底盘数字孪生系统,在线感知行驶过程中的动态数据并实时仿真底盘行驶状态变化过程;然后,结合底盘行驶状态时变偏差量化模型和考虑行驶过程中的各种不确定因素,构建了温室作业底盘行驶状态在线预测模型;最后,搭建底盘行驶状态在线监测试验环境,并进行在线监测试验和行驶效果验证试验。结果表明:本文在线预测方法对应数据集M1、M2、M3、M4的横向偏移预测精度分别为96.32%、95.96%、95.69%和96.11%,纵向偏移预测精度分别为96.58%、96.36%、96.51%和96.13%,对比基于BP+SVR方法的横向偏移预测精度分别提升3.61%、3.26%、3.92%和3.98%,纵向偏移预测精度分别提升2.96%、2.78%、3.27%和3.06%,证明了本文提出的在线预测方法能够有效修正地面波动和底盘损耗带来的偏差影响;实际底盘行驶横向偏移和纵向偏移平均值相较于基于固定行驶参数的行驶方法分别降低48.13%和49.49%,本文方法能够基于底盘实时行驶状态进行动态调整。本文提出的基于数字孪生的温室作业底盘行驶状态在线监测方法具有强实时性和高精度的特点,可为设施农业机器人的连续式作业技术提供依据和参考。

摘要:为解决农业机器人在示范温室工作通道行驶中难以避让动态障碍物、易陷入局部最小值、无法到达目标点等问题,提出了基于双障碍物评价函数、自适应权重和虚拟目标法的动态窗口法(Dual obstacle cost function,adaptive weights and virtual target_dynamic window approach,DAV_DWA)来实现机器人局部路径规划。首先,采用动静双策略的避障方法,将动态和静态障碍物安全距离划分为 2 个评价函数,降低动态障碍物碰撞风险且防止对静态障碍物过度避障;其次,提出评价函数权重自适应策略,根据 2 种障碍物距离实现自适应调整各评价函数权重,以增强机器人在不同复杂环境中的路径寻优能力;最后,提出虚拟目标法,使其脱离局部最小值后继续导航,增强其对于局部最小值的路径规划能力。对比仿真试验和温室实地试验结果表明,在仿真环境中,相较于其他算法,DAV_DWA算法在保证安全性的前提下,能够在更短的时间内,以更短的路径到达目标点;温室障碍物场景中,机器人可以完成自主导航任务,且定位误差不大于0.12 m,跟踪误差不大于0.10 m,符合实际需求。

摘要:优化无人农场作业路径用以提升农田管理效率和资源利用率是移动机器人导航领域的研究热点,针对传统麻雀搜索算法(Sparrow search algorithm,SSA)和强化学习算法搜索效率低、路径不够光滑容易陷入局部最优的问题,本文设计了一种融合改进IQL(ImprovedQ-learning)算法的改进麻雀搜索算法(Improved sparrow search algorithm,ISSA),结合贝塞尔曲线用于移动机器人的全局路径规划。首先,在算法初期采用多策略初始化种群,将IQL算法与Logistic混沌映射和拉丁超立方抽样(Latin hypercube sampling,LHS)方法相结合,为种群提供优良性和多样性的初始解;其次,将线性动态惯性权重调整方法引入到发现者位置更新中,平衡算法的全局搜索能力和局部开发能力、提升算法收敛速度;然后,在警戒者中引入反向学习策略进一步探索未开发区域,防止陷入局部最优解;最后,结合避障算法和贝塞尔曲线对路径进行平滑处理,消除行驶路径距离障碍物过近和路径不平滑问题。通过在Matlab平台上进行对比仿真试验,验证ISSA算法的有效性和优越性。试验结果表明,ISSA算法有效地结合IQL算法的自学习特性和SSA算法的强大搜索能力,在网格仿真环境和实地场景下均显著提高了全局路径优化效率,生成的路径更加平滑。在实地场景下,ISSA算法相较于SSA和ACO算法,路径规划时间分别减少64.43%、9.94%,平均最短路径长度分别减少8.3%、12%。研究可为无人农场机器人精准、高效作业提供优质的路径规划方案。

摘要:葡萄精准对行采收可有效减少收获机振动机构与篱架碰撞几率,是实现大规模机械化采收的重要手段。基于Frenet坐标系下行间局部行驶场景模型,本文提出一种葡萄收获机自动对行路径规划算法。以全局作业路径为参考线,通过车载激光雷达实时识别前方葡萄行,利用K-means算法聚类葡萄点云;采用Lattice算法根据行驶车速对前方行驶区域动态点阵采样,基于五次多项式生成局部路径簇;以前、后轮转向极限位置为收获机轮廓特征点,进行特征点与横向条带分割的葡萄行最小包络矩形碰撞检测,并计算各条局部路径相对葡萄行和参考线的偏离代价;根据作业工况和环境条件确定葡萄行偏离参考线的决策限值,采用动态规划算法对加权求和后的偏离代价进行寻优,获得路径簇中代价最小路径作为当前局部路径;利用机器人仿真软件Gazebo和Rviz联合仿真并开展实车试验。结果表明,规划的局部路径相对葡萄行平均横向偏差为4.37cm,最大横向偏差为10.95cm,生成局部路径平均绝对曲率为0.0612m-1,最大绝对曲率为0.2011m-1。在全局路径相对葡萄行偏移较大时,局部路径能够有效纠正偏差,满足葡萄收获作业对行驾驶要求。在单次规划6m路径的仿真试验中,本文算法平均耗时213ms/次,最大耗时337ms/次;规划6m路径实车试验中,本文算法平均耗时577ms/次,最大耗时816ms/次。研究结果可为葡萄园场景下农机局部路径规划提供参考。

摘要:针对传统滑模控制在农机路径跟踪中易出现高频抖振、参数调整难等问题,以履带农用底盘为研究对象,构建运动学模型及偏差动态方程,设计超螺旋滑模控制律实现路径跟踪控制,引入参数预调控制器,采用有限内存布罗伊登算法优化超螺旋滑模控制器参数,并以李亚普诺夫稳定性分析为依据,验证所设计的超螺旋滑模控制器路径跟踪稳定性。仿真验证结果表明,当履带农用底盘作业速度为1.0m/s时,跟踪最大绝对误差为0.063m,绝对平均误差为0.013m,相较于线性PID控制器与传统滑模控制,最大偏移量分别降低61.3%、62.1%,绝对平均误差分别降低89.2%、75.4%。实地试验结果表明,当速度为0.5、1.0m/s时,参数预调型超螺旋滑模控制算法绝对平均偏差相较于传统滑模控制算法分别降低69.2%、50%,航向偏差分别降低61.1%、40%,有效减少高频抖振现象。

摘要:不规则农田中,沿曲线路径作业可有效提高无人化农机作业适用性。针对当前无人化作业曲边农田作业覆盖率低的问题,本文提出一种基于全状态反馈控制的曲线路径跟踪控制方法。构建一个以横向偏差、航向偏差和航向增量作为状态向量的三阶全状态反馈控制器。将系统线性化并转换为空间矩阵形式,在满足系统稳定性约束的条件下求解增益矩阵,从而获取前轮转角。基于Matlab/Simulink仿真环境对控制器性能进行验证,结果表明,补偿后平均绝对误差相较于补偿前算法降低31%,最大绝对误差降低17.9%。为验证本文所提方法,设计了3组田间试验。变曲率路径试验结果表明,当农机作业速度为0.7m/s时,横向偏差最大值为0.0705m,绝对误差为0.0218m,标准差为0.0234m,航向偏差最大值为12.25°,绝对误差为1.37°,标准差为1.68°;定曲率路径试验结果表明,横向偏差最大值为0.1034m,绝对误差为0.0424m,标准差为0.0477m,航向偏差最大值为8.9°,绝对误差为1.86°,标准差为2.45°;沿曲边田埂跟踪试验结果表明,横向偏差最大值为0.0597m,绝对误差为0.0123m,标准差为0.0158m,航向偏差最大值为7.01°,绝对误差为1.85°,标准差为2.49°。跟踪精度均能满足作业需求,研究结果为无人农机进行复杂多变的曲边作业提供了理论和技术支撑。

摘要:田间可行驶道路边界信息获取是制作农田高精度地图的基础。针对现有方法对高分辨率正射影像图中田间可行驶道路分割不准确、出现漏检误检等问题,本文提出了一种基于改进UNet的深度学习网络模型。该方法首先将主干网络更换为ResNet50,增强对田间可行驶道路特征提取能力;其次,融合可以提高管状结构精度的DSConv模块提高对田间可行驶道路的精度,并抑制与田间道路类似的田间地物背景的特征提取;最后,通过插入ECANet注意力机制来获取完整的上下文信息,优化田间可行驶道路的特征还原过程,从而达到提高模型整体分割精度的目的。在此基础上,通过传统图像处理方法对分割结果进一步地去噪、消孔,从而获取高精度的田间可行驶道路边界信息。试验结果表明,改进UNet模型在所构建数据集的测试集上MIoU、MPA分别达91.12%、95.46%,与其他对比模型相比具有最高的评价指标值,使用传统图像处理方法后处理后,MIoU和MPA为92.64%和96.75%,分别提高1.52、1.29个百分点;在对高分辨率正射影像图田间可行驶道路的识别测试中,MIoU和MPA分别达86.39%和90.01%,可以明显地识别田间可行驶道路;使用传统图像处理方法后对获得的高分辨率正射影像图结果进行优化后,MIoU和MPA分别为88.34%、91.53%,分别提高1.95、1.52个百分点。该研究可以为后续制作农田高精度地图提供准确的田间可行驶道路边界信息。

摘要:旱田农业耕作模式包括平作与垄作,不同耕作模式的地形起伏差异大,作物行耕作模式的准确识别对机器人行走稳定性具有重要意义,提出一种基于本体传感器信号的平作与垄作类型地形识别方法。首先,采集四足机器人在玉米田间作物行内行走的机身惯性测量单元(Inertial measure mentunit,IMU)信号,使用机器人左前腿的足端速度数据作为补充,生成机器人在平作与2种不同起垄高度的垄作种植模式下行走的信号数据集。其次,利用卷积神经网络(Convolutional neural networks,CNN)提取信号的空间信息特征,通过双向长短期记忆网络(Bidirectional longshort-term memory,BiLSTM)提取时间序列特征,采用注意力机制(Self-attention,SA)提取CNN与BiLSTM输出特征信息的注意力分值。最后,通过模型对比和田间试验,验证本文模型对平作与垄作类型识别的有效性。结果表明,本文CNNBiLSTMSA模型F1值为92%,与CNN、CNNLSTM、CNNLSTMSA与CNNBiLSTM模型相比,分别提升10.17、3.51、2.57、1.27个百分点。内嵌识别模型的田间机器人可在1.4s内实现对当前作物行平作与垄作类型90%的识别准确率,在4.8s内达到对作物行类别分类要求,满足机器人面对作物行不同地形的识别快速性、准确性要求。该算法能提供机器人在旱田典型耕作模式下的地形识别能力,为提高四足机器人作业的田间稳定性提供技术支撑。

摘要:农业四足机器人作业环境复杂,导致其在田间行走时易摔倒,影响机器人作业效率,准确预测机身摔倒状态对机器人行走稳定性具有重要意义。提出一种基于本体传感器信号处理的机器人摔倒临界状态预测方法。首先,采集四足机器人在玉米田间行走摔倒和Gazebo软件模拟机器人田间行走过程摔倒状态的惯性测量传感器信号,对机器人正常行走、摔倒临界稳定状态2个阶段及完全摔倒的4种工况信号进行分类,生成不同机身状态的信号数据集。其次,采用种群优化算法(Improved population optimization,IPO)优化变分模态分解(Variational modede composition,VMD)参数,提出基于改进种群优化变分模态分解(Improved population optimization variational modede composition,IPOVMD)的信号处理方法;采用IPO算法对广义回归神经网络(General regression neuralnetwork,GRNN)的参数进行优化,提出基于改进种群优化广义回归神经网络(Improved population optimization general regression neural network, IPOGRNN)模型。最后,基于上述信号处理方法,建立基于IPOVMDGRNN模型的田间作业机器人摔倒预测方法,采用机器人实际田间行走横滚角、俯仰角作为模型测试数据,验证田间作业机器人摔倒预测模型性能。试验结果表明:提出的IPOVMDGRNN模型输出总误差为0.1467、平均相对误差为0.0065、均方误差为0.0003,提取的特征有良好代表性;相比VMDBPNN、VMDGRNN、PSOVMDGRNN模型,平均预测成功响应时间缩短127.75、91.5、39.5ms。该算法能提供机器人在田间行走时的机器人摔倒临界状态预测能力,可为提高四足机器人自主作业的田间通过性提供技术支撑。

摘要:为解决田间复杂环境下拖拉机机载农机具监测困难、模型参数量过大等问题,提出了一种基于轻量化RepVIT的农机具识别模型TMAInet。利用自主开发的农机服务平台“农业机械化精准作业平台暨希望田野冶收集了6种工作状态的农机具数据集,并通过Copy-paste等数据增强方法将训练集扩增至6627幅。基于RepVIT网络模型框架,设计了一种卷积前馈模块(CFF)以提升不同尺度细粒度特征提取能力,引入了注意力机制ECA以优化模型参数结构并简化特征提取模块。通过Pre-training+Fine-tuning(PF)迁移学习方法对模型进行了训练,并在Jetsonnano边缘设备上进行了部署。实验结果表明,通过PF迁移学习方法,TMAInet模型的识别准确率、F1分数和召回率分别达到99.13%、98.53%和98.78%,相较于原始的RepVIT模型分别提升1.86、3.04、1.95个百分点,在边缘设备端保持帧速率73f/s的同时参数量降低至7.3×106。TMAInet能够在实际应用中准确、高效监测农机具常见类别,为无人化智慧农场的发展提供技术参考。

摘要:水田除草是提升水稻产量的关键农艺措施,其中化学除草因其高效性被广泛应用。传统化学除草依赖人工操作,且常采用大面积喷施,操作成本增加的同时还易引起环境污染等负面问题。基于此背景,设计了一款精准喷施型水田除草机用于自适应除草作业。搭建了除草机喷施装置及系统,基于构建的多样化水田杂草数据集设计了以MSYOLOv7为核心框架的杂草检测系统。MSYOLOv7模型将骨干网络与MobileOne相结合,将CIoU损失函数替换为SIoU损失函数。通过消融试验和不同模型对比试验验证模型性能,结果显示模型识别精度为95.65%,平均精度均值(mAP)为92.67%,实时性达到51.29f/s。在树莓派上使用OpenVINO对IR模型进行推理,检测单幅水田杂草图像耗时0.806s。构建的喷施系统能即时捕捉并解析来自杂草检测系统的传输信号,进而实现对除草喷施装置的精准调控。田间试验结果表明,精准喷施型水田自适应除草机伤苗率为2.95%,对靶施药准确率为94.98%,变异系数为0.128%,满足水田除草的农艺要求。该除草机实现了水田除草无人化操作,可为农业的智能化发展提供技术参考。

摘要:为解决传统清选损失检测传感器依靠时域特征阈值分辨籽粒冲击信号存在的阈值确定难、鲁棒性差、缺乏适应性等问题,开发了一套玉米籽粒直收机清选损失检测系统,提出了一种基于变尺度一维卷积神经网络(VS-1D CNN)的籽粒冲击分类算法。首先,针对冲击信号采集、处理与传输设计了硬件电路与软件处理程序,开发了配套上位机。然后,搭建数据采集试验平台,采集、保存了不同冲击高度和角度下杂余、玉米籽粒冲击信号,构建了数据集并对VS-1D CNN籽粒冲击分类算法进行了训练,训练结果表明,该模型在测试集上准确率为94.2%。最后,对所设计的检测系统在不同工作条件下的性能及不同杂余、籽粒混合物的分类性能进行了验证,结果表明所提出的VS-1D CNN算法性能表现良好,在不同安装位置和不同籽粒流量下,检测准确率最高可达95%以上;对于不同比例杂余、籽粒混合物识别分类准确率达93%以上,表明本文所提出算法性能优异,可以在不设置固定时域特征阈值情况下准确检测籽粒损失。

摘要:为了实现宽行距果蔬种植环境下土壤参数高效检测,根据土壤自动化检测作业需求,本文对土壤多参数检测机器人的土壤钻孔模组和检测传感器运动模组分别进行了结构和控制电路设计,配置搭载了视觉导航模组。其中视觉导航控制模组使用DSU2Net轻量化分割模型进行路径识别,通过提取分割路径感兴趣区域,获取左右边界点计算中间导航点,之后运用最小二乘法拟合导航线,结合实时获取的机器人航向角,利用PID算法进行行走导航控制。试验结果表明,DSU2Net模型参数量仅为6.5×105,识别帧率达到63.17f/s,平均准确率为94.68%,F1值为89.87%,具有较好的实时性和准确性。初始位置无偏差情况下,不同速度平均误差不大于0.074m,标准误差不大于0.044m。初始位置有偏差情况下,平均误差不大于0.085m,标准误差不大于0.088m。土壤钻孔和检测传感器运动模组作业稳定,能够对不同深度土壤进行钻孔松土和参数检测。研究结果可为果蔬种植环境土壤自主检测提供技术方案。

摘要:无人飞机在杂交水稻制种辅助授粉领域得到广泛应用,但现有电动农用无人飞机续航时间短,换电频次高,难以充分利用短暂的有效授粉时间窗口,影响授粉效率。为解决无人飞机辅助授粉续航时间短的问题,同时优选作业参数以提高辅助授粉作业效果,本文设计了一种采用多电池组分时并联配电方案的航时可延展辅助授粉无人飞机,最大续航时间达到50min。采用基于LBM(Lattice Boltzmann method)的数值模拟方法对样机旋翼产生的下洗风场进行了仿真,优选出飞行速度4.5m/s和飞行高度2m(距离父本冠层)的作业参数。为验证样机辅助授粉效果和优选作业参数的有效性,设计了样机、四旋翼、六旋翼3种机型杂交水稻制种田间辅助授粉对比试验,并通过采集单视野平均花粉粒数、结实率、制种产量以及续航时间4个维度数据进行离差标准化分析。试验结果表明,样机试验续航时间(42min)、辅助授粉作业效率(10.5hm2/架次)、单视野平均花粉粒数(6.98粒,农艺上要求至少3粒)和制种产量(1996.5kg/hm2)以及综合评分均优于另外两种对照机型。研究结果可为提高杂交水稻制种无人飞机辅助授粉效率提供参考。

摘要:针对目前使用无人机识别棉花黄萎病危害等级时,光谱数据冗余度高和传统机器学习模型识别精度不足等问题,采用无人机搭载NanoHyperspec高光谱成像仪采集棉田高光谱图像,通过探究棉花冠层对不同黄萎病危害等级的光谱响应特征,利用最优植被指数组合建立一种适用于黄萎病危害等级分类的监测模型,实现棉花黄萎病危害等级的精准分类。首先,利用最小冗余最大相关算法(Minimum redundancy maximum relevance,mRMR)对17种潜在的植被指数和270个光谱波段进行特征重要性排序,将mRMR筛选得到的特征,通过逐步递增分组的方式输入至极限梯度提升模型(eXtremegradientboosting,XGBoost),确定与黄萎病危害等级相关性最高的植被指数和光谱特征波段。然后,基于Transformer架构和前馈神经网络(Feed forward neural network,FNN)构建TransformerFNN棉花黄萎病危害等级分类模型,将植被指数与光谱特征波段输入TransformerFNN模型进行分类识别,对比了植被指数与光谱特征波段对棉花黄萎病危害等级分类识别的准确性。最后,利用后向传播神经网络(Back propagation neural network,BPNN)、Transformer和支持向量机(Support vector machine,SVM)构建棉花黄萎病危害等级分类模型,并对这4种分类模型进行精度验证与对比分析。结果表明:棉花黄萎病等级分类的最优植被指数组合为MSR和TVI,最优特征波段组合为430、439、488、566、697、722、742、764、769、782、822、831、858、873、878、893、909、985nm。基于TransformerFNN模型,植被指数对黄萎病危害等级的总体分类精度为95.6%,较光谱特征波段的总体分类精度89.4%提高6.2个百分点。基于植被指数,TransformerFNN模型对黄萎病危害等级的分类识别率比BPNN模型提高11.2个百分点,比Transformer模型提高17.2个百分点,比SVM模型提高30.8个百分点。研究提出了一种通过植被指数进行棉花黄萎病高精度监测方法,可为大面积棉花黄萎病精确监测提供有效措施。

摘要:水田平整是水稻生产不可或缺的环节。为了改善水田平地机对坑洼硬底层的适应性,进一步提高作业性能,设计了支撑式水田平地机。根据平地铲工作原理,对平地铲高度调节机构进行运动学分析;在此基础上,设计了平地铲及其高度调节机构。设计了支撑杆结构,研究了支撑杆对平地铲运动特性的影响。开展了有/无支撑杆对比试验和水田平整试验。对比试验结果表明,有支撑杆的平地铲在试验全程高度变化幅度减少15%以上,在田面凸起位置高度变化幅度减少30%以上,同时,平地铲高度变化次数减少。表明有支撑杆平地铲更有利于平地铲高度控制,更适用于坑洼硬底层作业。0.21hm2的水田平整试验结果表明,平整后田面高度标准差Sd为21.66mm,田面高度相对平整基准高度绝对偏差不大于30mm的测量点占比ρ为86.54%;总面积为1.89hm2的2块水田平整试验结果表明,平整后Sd分别为26.02mm和27.43mm, ρ分别为80.53%和81.03%。全部试验田块经平整后的Sd均小于30mm,且ρ均高于80%,达到了水田平整要求,验证了支撑式水田平地机结构设计有效性,可为坑洼硬底层水田机械化平整提供装备支撑。

摘要:针对2BDQ系列玉米品字形播种机高速作业时(12~16km/h)因气流裹挟种子进入双侧导种装置速度过快产生剧烈碰撞,使双侧种子交错均匀程度下降导致落种品字成形率低的问题,设计一种正压气流导槽式导种装置。阐述了导种装置结构与上下组合式导槽导种原理,建立玉米种子在导槽上引种、附种过程的力学模型,探究导种过程中种子约束状态与导槽结构参数的关系。采用DEM-CFD耦合仿真方法,分析玉米种子导种速度轨迹并比较气流场确定上导槽与下导槽宽度比例,通过单因素试验确定上导槽高度、下导槽宽度与输送气流正压取值范围。以单因素试验结果为试验因素水平值,以品字形合格指数、导种一致性变异系数为试验指标,利用JPS16型高速播种性能检测试验台进行三因素三水平Box-Behnken台架试验设计,得到导种装置最优参数组合并进行试验验证,并选用4种不同类型的玉米种子进行导种装置最优参数组合的适播试验。结果表明:最优参数组合为上导槽高度354.491mm、下导槽宽度2.245mm、输送气流正压0.739kPa,验证试验下该参数组合的品字形合格指数为91.791%、导种一致性变异系数为6.111%,与优化结果相符,在田间试验作业速度12~16km/h工况中测得品字形合格指数不低于85.1%。

摘要:针对现有长江流域棉区麦后直播装备仿形效果差、播种深度合格指数低、播种深度一致性不理想等问题,结合长江流域棉区麦后直播棉农艺要求设计了一种独立仿形棉花直播机,在深入分析长江流域棉区麦后直播过程中仿形开沟过程基础上,采用离散元法与多体动力学耦合方法对仿形开沟作业过程进行了仿真,确定了影响种沟深度的关键结构与工作参数。利用EDEM-RecurDyn耦合仿真建立了土壤与仿形开沟装置互作模型,研究了弹簧刚度和机具作业速度对开沟深度合格指数及一致性变异系数的影响规律。以开沟深度合格指数和开沟深度一致性变异系数为评价指标进行单因素二次正交旋转组合试验,确定最优参数组合为弹簧刚度15N/mm、作业速度0.8m/s,最优参数组合条件下:开沟深度合格指数为86.7%,开沟深度一致性变异系数为11.6%。最优参数组合下田间试验结果为:开沟深度合格指数84%,开沟深度一致性变异系数12.80%,田间与仿真开沟深度合格指数、开沟深度一致性变异系数相对误差为3.21%、9.38%。优化后参数组合与其他组合田间试验结果为:开沟深度合格指数提高不小于6个百分点,开沟深度一致性变异系数降低不小于1.69个百分点,田间出苗效果满足长江流域棉区麦后直播作业要求。

摘要:南方丘陵山区地块小而分散,通常采用田间取泥育秧方式。机械化取泥虽可以降低成本、节省时间和劳动力,提高秧苗适应性,但由于水田硬底层和泥浆表面不平,作业参数难以动态调节,导致取泥量不稳定,难以实现连续田间取泥育秧作业。本文运用Matlab/Simulink建立取泥控制系统模型,以泥浆质量为控制目标,以取泥深度和螺旋输送器转速为被控变量,采用模糊PID控制方法设计取泥控制系统仿真模型,并进行仿真。仿真结果表明,当前进速度为0.15m/s时,取泥控制系统储泥箱中泥浆质量稳定时间为18s,超调量为0.125%。为验证取泥控制系统作业效果,搭建了基于位移传感器、压力传感器、倾角传感器和PLC1200控制器的取泥试验台架,以取泥装置前进速度、地面平整度为试验因素开展台架试验,试验结果表明,泥浆质量最大标准偏差为0.46kg,最小标准偏差为0.21kg,储泥箱最大泥浆质量为8.8kg,最小泥浆质量为7.1kg,作业过程中螺旋输送器前端未出现泥浆堆积,各项作业指标均满足田间取泥育秧装备作业要求。

摘要:检测喷嘴性能是植保作业过程中的重要参数,直接关系到农药的喷洒效果,进而严重影响植保作业质量和效率。本研究设计一款基于多传感器同步采集的喷雾机喷嘴性能检测仪,以实现田间作业前对喷嘴性能失效程度的精确评估,保障植保作业高效、精准执行。采用STM32微控制器为核心处理单元,集成多个高精度流量与压力传感器,实时同步采集喷嘴尖端数据并通过蓝牙传输到LabVIEW平台,实现高效、可视化的数据分析、预警与存储,达到实时检测喷嘴性能状态要求。试验结果表明,对失效喷嘴压力检测时压力测量最大误差为2.174%,流量测量最大误差为1.936%;对多个喷嘴性能同步检测验证时,压力测量最大相对误差为1.515%,平均误差为0.887%,流量测量最大相对误差为2.061%,平均误差为1.151%;对多个喷嘴性能田间试验时,压力最大相对误差为1.990%,平均误差为1.629%,流量最大相对误差为2.713%,平均误差为2.014%,符合喷嘴性能检测要求。该装置为喷雾机喷嘴性能检测提供了可靠、高效的智能检测手段,满足植保标准化作业前检测的技术要求。

摘要:针对履带式谷物联合收获机脱粒滚筒对物料打击力度大、脱出物细碎化程度高,导致清选筛面杂余多易堆积,影响籽粒透筛,造成清选损失率高以及功率消耗大等问题,通过优化齿杆及脱粒元件的结构和排布,设计了螺旋交错排布式脱粒滚筒,减少了滚筒载荷波动,降低了脱粒元件对物料的冲击强度,有利于减少物料的破碎和断裂。通过离散元仿真试验与台架试验分析了脱出物籽粒分布规律,对比分析了茎秆在原机滚筒和所设计螺旋滚筒内的运移速度以及滚筒受到的扭矩。仿真试验结果表明,当滚筒转速为750r/min时,茎秆在所设计螺旋滚筒内的运移速度提升23.5%,更利于物料向后输送,平均扭矩下降29.2%,且扭矩波动变化更小,脱粒作业稳定性更好。田间对比试验结果表明,所设计螺旋滚筒脱出物茎秆断裂和细碎化程度更低,减轻了筛面负荷,提升了籽粒透筛概率,清选损失率平均降低22.8%。在相同作业条件下,配置螺旋滚筒的联合收获机平均油耗下降18.1%。仿真试验与田间对比试验结果表明,所设计的螺旋交错排布式脱粒滚筒有助于减少作业损失,提升作业效率,降低脱粒功耗,能够满足履带式联合收获机高效低损低功耗的作业需求。

摘要:为进一步提高基于介电特性的联合收获机小麦含水率检测装置模型检测精度和适用范围,本研究以“京冬22号”、“蜀麦1958冶”、“涡麦33”3个品种小麦为研究对象,测量含水率范围为8.41%~21.6%,检测温度范围为5~40℃,容重范围为714.44~777.58kg/m3的小麦相对介电常数。试验结果表明,同一温度条件下,容重越大,相对介电常数越大;在同一容重条件下,相对介电常数会随温度升高而增大,也随含水率升高而变大。采用校正集样本150个,预测集样本42个,基于遗传算法优化BP神经网络(GABP)的方法建立了相对介电常数、温度、容重与小麦含水率的关系模型,模型采用3-5-1结构,最大迭代次数1000次,学习误差阈值1×10-6。校正集R2、RMSE、MAE分别为0.996、0.241%、0.189%;预测集R2、RMSE、MAE分别为0.993、0.295%、0.189%,该模型具有较高的检测精度和稳定性,为不同品种小麦含水率在线检测提供了一种新的检测方法。

摘要:针对末端执行器采摘作用力与果蔬匹配性差,导致损伤率较高、通用性偏低的问题,提出一种基于灵巧手的球形果蔬无损抓取接触力优化方法。分析球形果蔬采摘的分离方案,建立有摩擦无损点接触模型,以采摘期的水蜜桃为研究对象,试验测定指尖材料与水蜜桃的静摩擦因数和无损接触参数。基于旋量理论建立多指灵巧手的运动学模型以及雅可比矩阵,分析果蔬采摘的力平衡约束,构建关节接触点果蔬的力位映射模型,提出基于最小作用力的灵巧手抓取规划方法,以采摘水蜜桃为例进行求解分析,基于快速非支配排序遗传算法(Nondominated sorting genetic algorithm II,NSGAII)实现接触力的多目标寻优。水蜜桃采摘试验结果表明,该方法能实现对半径为2.6~8cm水蜜桃的稳定抓取与采摘,有效避免采摘过程中果蔬损伤,实际测量值与理论计算值平均绝对接触力误差为0.39N,采摘成功率为92%,无损率为97.8%,平均采摘时间为10.3s,满足灵巧手无损稳定采摘的需求。

摘要:针对当前国内外小粒径苜蓿种子机械化收获缺少专用采收装备且采净率低等问题,设计了一种机械梳脱耦合负压气流吸收的增流式半喂入苜蓿种子收获机。根据苜蓿植株生物学特性和种植农艺提出了机械梳齿梳脱、气流吸附与运移、负压风机增流的小粒径苜蓿种子机械化采收方案。基于苜蓿种子收获过程损失抑制机理进行了梳脱割台关键部件设计,针对苜蓿种子收获过程中的未梳损失,设计梳齿结构对种荚进行捋穗式梳脱。针对落粒与飞溅损失,设计滚筒与壁面组合式气流喉口和负压风机对种子、种荚进行吸附与运移。在此基础上,开展了梳齿梳脱过程中的运动学特性分析,确定了梳脱速比有效范围为36~50,梳脱滚筒半径为290mm,并识别出影响未梳损失的关键参数为梳脱滚筒转速、中心离地高度和割台行进速度。利用CFD仿真结合CCD正交试验研究了梳脱滚筒转速、气流喉口尺寸与负压风机转速交互作用对割台流场的影响规律,并通过响应面法确定气流喉口尺寸、梳脱滚筒转速和负压风机转速优化值分别为83mm、1000r/min和1450r/min。为验证整机及梳脱割台功能有效性,开展了苜蓿种子收获样机田间试验,结果表明:当梳脱滚筒中心离地高度为430mm、机具行进速度为0.68m/s时,梳脱后苜蓿植株无种荚漏梳现象,苜蓿种子采净率达到83.4%,作业效率达0.73hm2/h,满足苜蓿种子机械化采收指标要求,为小粒径种子采收机设计提供了参考。

摘要:加气滴灌能有效提高水肥利用效率和作物产量,在加气系统中形成大量均匀的微纳米气泡,并提高灌溉水中溶解氧浓度,是加气滴灌长距离水气均匀传输的关键。基于旋流剪切破碎原理设计了一种微纳米气泡发生器并优化其工作参数。通过单因素试验分析、高速摄影技术和溶氧检测试验,研究了系统运行压力和进气量对气泡特征(直径、数量和均匀度)和溶氧量的影响,最终结合响应面优化试验,确定装置最优加气效果下的运行压力与进气量组合,结果表明:压力控制在300~400kPa内,生成的气泡和溶氧效果相较其他压力工况下更好。在进气量1%~5%内,采用1%进气量时小气泡的直径分布最佳、平均直径最小,而5%进气量下装置生成气泡速率更快。5%以上的大进气量会使装备停止运行后60μm以下的小气泡数量偏少,并显著增大微气泡的平均直径,缩短气泡持续时间。同时,溶氧试验表明,增加进气量能显著提高溶氧效率以及最终氧含量。通过响应优化求解,得出装置以压力350kPa和进气量2%的工况运行,能够以最低能耗达到最优加气效果。此工况下,装置最终生成小气泡直径d32为68.6μm,增氧速率约0.81mg/(L·min),溶氧稳定后溶氧量变化量为1.08mg/L,气泡维持时间可达323s。

摘要:不同作物遥感分类算法具备不同的学习能力和容错能力,单一分类器的精度因研究区和使用的数据不同而存在差异,没有一种分类器能够在所有情况下都获得最优表现。鉴于此,本文提出了基于客观赋权法集成多分类器的集成学习算法用于作物分类。以K最近邻法、支持向量机、随机森林、BP神经网络和一维卷积神经网络为基分类器,基于Sentinel2多光谱影像计算时序归一化植被指数(Normalized difference vegetation index,NDVI)作为输入特征。对熵值法和变异系数法进行改进,并结合组合赋权法对5个基分类器进行加权集成。结果表明,利用改进的赋权方法确定基分类器的权重获得的分类精度高于利用原始赋权方法,并且基于组合赋权法对改进的熵值法和改进的变异系数法进行组合获得的分类精度略高于基于单一赋权方法获得的分类精度。与基分类器相比,基于F1值和归一化组合赋权法构建的集成学习算法在美国阿肯色州、佐治亚州、得克萨斯州和爱荷华州4个研究区的分类总体精度分别提高1.12~6.45、0.75~3.98、0.45~2.70、1.15~2.50个百分点。与传统众数投票、概率融合和精度加权方法相比,本文提出的集成学习算法同时考虑了基分类器精度差异与稳定性。

摘要:针对辣椒穴盘育苗播种质量实时、准确检测难和边缘设备算力有限等问题,基于 YOLO v8n 设计了一种轻量级检测算法 YOLO v8n SCS(YOLO v8n improved with StarNet, CAM and SCConv)。 采用“单格训练 + 整盘检测冶的技术策略以降低训练成本,提高训练效率。 采用 StarNet 轻量级网络和上下文增强模块( Context augmentationmodule,CAM)作为主干网络,在降低模型复杂程度同时,实现深层特征多感受野信息融合;采用空间与通道重建卷积(Spatial and channel reconstruction convolution,SCConv)优化中间层 C2f(Cross stage partial network fusion)模块的瓶颈结构,增强模块特征提取能力和提高模型推理速度;融合P2检测层,将基线3个检测头减至1个,增强模型对小目标的检测性能。结果表明,YOLOv8nSCS模型参数量为1.2×106、内存占用量为2.7MB、浮点数运算量为7.6伊109,在穴盘单格数据集上,其mAP50为98.3%、mAP50-95为83.8%、帧率为112f/s,相比基线模型YOLOv8n,参数量降低62.5%、mAP50提升2.5个百分点、mAP50-95提升2.1个百分点、浮点数运算量降低14.6%、帧率提升23.1%;在整盘检测任务中,其检测帧率为21f/s,检测准确率为98.2%,相比基线模型检测帧率提升8.2%、准确率提升1.1个百分点,对于播种速度800盘/h以内的72穴育苗盘和600盘/h以内的128穴育苗盘,其平均检测准确率大于96%,且单粒率、重播率和漏播率检测误差小于1.8%。本文模型在性能和计算成本之间取得了很好的平衡,降低了部署边缘设备计算要求,满足辣椒穴盘育苗播种质量在线检测需求,为育苗播种生产线智能化升级提供了技术支持。

摘要:针对苹果花激光疏花技术中的关键参数优化问题,设计了激光疏花试验台。通过正交试验法,优化了试验台高度、激光打击时间及PWM占空比,得到最佳参数组合:激光高度为20cm、打击时间为10s、激光功率(PWM占空比)为50%将达到最佳的疏花效果。针对激光疏花中苹果花识别与定位,提出了LTYOLO(Light weight and targeted you only lookonce)苹果花检测模型,设计了基于ViTBlock的DPRViTBlock模块和基于C2f模块的DPRVBC2f模块,并添加了DPRVBC2f模块和ELA注意力模块,应用于检测骨干和检测头的特征提取,以增强对苹果花的检测性能,验证集中该模型的准确率、召回率和平均精度均值分别为83.16%、82.15%和87.47%,相比YOLOv8模型分别提高5.04、2.12、2.15个百分点,内存占用量为5.26MB,检测速度为128f/s,满足使用时的准确性和实时性的要求。该研究为苹果花疏花技术进一步优化与智能化应用提供了科学依据。

摘要:针对面对害虫数据稀缺的实际场景时,现有害虫图像识别方法容易出现过拟合导致模型表达能力不足的问题,本研究提出了一种结合度量学习和迁移学习的小样本田间害虫图像分类识别方法。 首先,使用 ECA PyramidResNet12 模型在 mini-ImageNet 数据集上进行预训练;其次,在度量模块中添加 ECA 通道注意力机制,通过捕捉通道间的依赖关系来增强害虫的图像特征表示;然后,使用特征金字塔结构来捕获害虫图像的局部特征和害虫的多尺度特征;最后,利用 20 类自建鳞翅目害虫图像作为元数据集,对模型进行元训练和元测试。 实验结果表明,在3-way 5-shot 和 5-way 5-shot 条件下,本文模型准确率分别达到 91.16% 和 87.26% ,比 SSFormers、DeepBDC 方法分别提高 4.58、1.35 个百分点。 提出的模型有效提升了小样本学习中目标图像特征的表达能力,能够为数据稀缺场景下的田间害虫自动识别提供方法参考。

摘要:随着现代生猪养殖业快速发展,对猪只行为精准识别需求日益增长。针对猪只行为多样性、特征相似性、相互遮挡和堆积等问题,提出一种基于改进YOLOv8模型的猪只行为识别方法。首先,引入ConvNeXtV2作为主干特征提取网络,以增强对检测目标的语义信息提取能力。其次,在特征融合网络中添加加权双向特征金字塔网络(BiFPN),强化模型特征融合能力。此外,结合上采样算子CARAFE,进一步提升模型在行为识别过程中特征提取能力。最后,使用WIoUv3作为损失函数,优化模型检测精度。经实验验证,改进后模型准确率、召回率、平均精度均值和F1值分别达到89.6%、88.0%、91.9%和88.8%,与TOOD、YOLOv7和YOLOv8模型相比,平均精度均值分别提高10.9、6.3、3.7个百分点,显著提高猪只行为识别精度。消融实验表明,各项改进均对模型的识别性能有提升效果,ConvNeXtV2主干特征提取网络对模型的提升效果最明显。综上所述,CBCW-YOLOv8模型在猪只行为识别任务中展现出优良的综合性能,为猪只健康管理和疾病预警提供有力的技术支持。

摘要:针对柑橘枝叶果丛生密布、位姿随机生长情况,为了实现对内生交错和枝果层叠的果实安全交互采摘,本文提出了一种柑橘避障采摘方法。为了提高定位精度和采摘效率,将手眼标定问题转换为求解T1X=XT2的问题,完成了相机坐标系到机械臂基坐标系的标定;针对自然环境下柑橘开心树形进行了基于点云密度的树木骨架提取,并通过点密度阈值法对枝干点云进行降噪处理,提高运算速度;利用八叉树地图法进行枝干障碍物地图搭建,通过层次包围盒法拟合机械臂并进行碰撞检测,以时间最优为目标,提出一种符合采摘农艺需求的改进RRT-connect避障规划算法,在RRT-connect算法上引入目标偏置,对采样点进行优选导向。为验证该避障方法的可行性,以标准矮化密植栽培柑橘果园为研究对象,搭建了采摘机器人避障系统。针对自然环境下果树内部和贴近树干生长柑橘果实分别进行多组避障采摘试验。试验结果表明,针对贴近树干生长果实的避障运动时间为9.5s,避障采摘成功率为91%;针对果树内部生长的果实避障运动时间为10.5s,避障采摘成功率为88%。

摘要:全球气候变化对未来粮食产量影响巨大。水分和温度是冬小麦-夏玉米生长过程中最重要的环境因子,显著影响其产量。利用华北平原保定灌溉试验站2006—2015年冬小麦夏玉米灌溉试验数据对AquaCrop模型进行参数率定与校核,依据Blank型、Stewart型、Jensen型、Minhas型4种经典的水分生产函数,构建冬小麦夏玉米生育期内各阶段积温、耗水量和产量之间的水热生产函数;在此基础上,利用第六次国际耦合模式比较计划CMIP6中海气耦合全球气候MIROC6模式数据来考虑未来气候变化情景,对低强迫排放情景(SSP1-RCP2.6和SSP4-RCP3.4)、中等强迫排放情景(SSP2-RCP4.5)、中等至高强迫排放情景(SSP3RCP7.0)和高强迫排放情景(SSP5-RCP8.5)等5种未来气候变化情景的逐日降雨量与气温数据进行降尺度分析,并结合构建的水热生产函数对冬小麦夏玉米产量变化进行分析和预测。结果表明:经多年灌溉试验数据校核后的AquaCrop模型可以较好地模拟该地区冬小麦-夏玉米生长过程,夏玉米产量模拟值与实测值间的决定系数(R2)、均方根误差(RMSE)、标准化均方根误差(NRMSE)和一致性系数(d)分别为0.91、0.58t/hm2、0.06、0.97,冬小麦分别为0.80、0.42t/hm2、0.10、0.94。通过AquaCrop模型模拟的多年数据构建了4种水热生产函数,其中Jensen型生产函数效果最好;冬小麦在抽穗灌浆期对水分最敏感,返青拔节期积温对产量影响效应最明显,而夏玉米在拔节抽穗期对水分最敏感,本阶段积温对产量的影响效应也最明显。在未来气候变化的5种排放情景下,冬小麦潜在产量呈波动趋势,但均高于当前时期的多年平均潜在产量,在SSP3-RCP7.0情景更适合生长发育;夏玉米潜在产量整体呈上升趋势,在SSP1-RCP2.6情景更适合生长发育。在未来5种气候情景下,仅考虑水热条件补充灌溉对冬小麦潜在产量的贡献率为70%左右;生育期降雨量对夏玉米潜在产量的贡献率为94%左右。研究结果可评估未来气候变化下粮食作物产量变化情况,为保障国家粮食安全战略提供理论依据和技术支撑。

摘要:灌区以地表水为水源且充足时,优化微灌管网需确定单个微灌系统的合理控制面积及布置形式并进行优化设计,目前管网优化方法对此情况下随机供水微灌管网系统的优化并不适用。为实现不限定面积情况下随机供水微灌管网系统布置与管径同步优化,并提出其最优设计准则,建立了微灌干管管网优化设计数学模型,并给出了基于混合编码遗传算法的模型求解方法。分析了干管管网单位面积年费用与管网布置的相关性,及毛管管径、灌水器设计流量、灌水器间距、灌水器流态指数等对干管管网及微灌管网系统单位面积年费用的影响。实例计算结果表明,基于毛管双向布置控制面积最大模型结果优化得到的微灌管网系统单位面积年费用最低,基于毛管单向布置单位面积年费用最低模型结果优化得到的微灌管网系统单位面积年费用最高。与毛管单向布置单位面积年费用最低模型相比,基于毛管双向布置控制面积最大模型结果优化得到的微灌管网系统单位面积年费用减小4.46%~15.74%。实际工程中应采用较小的毛管管径、灌水器设计流量、灌水器流态指数和较大的灌水器间距,并基于毛管双向布置控制面积最大模型优化田间管网,以此优化结果为基础进行干管管网优化可有效降低费用。研究可为不限定面积情况下随机供水微灌管网系统优化设计提供依据。

摘要:黑土坡耕地顺坡耕作土壤侵蚀严重,土壤有机碳含量逐年下降。为探明不同水土保持耕作技术对黑土坡耕地玉米田土壤碳平衡的影响,开展径流小区试验,以常规耕作(CK)作为对照,设置等高耕作(CT)、垄向区田(RT)、深松耕(ST)、等高耕作+垄向区田(CR)、等高耕作+深松耕(CS)、垄向区田+深松耕(RS)等6种坡耕地综合治理技术模式,观测不同水土保持耕作技术下玉米收获后各器官干物质量和碳含量,同步监测玉米田土壤碳储量增量、CO2排放碳量和土壤侵蚀损失碳量,估算玉米净初级生产力(NPP)和玉米田净土壤碳收支值(NSCB)。结果表明:玉米植株总固碳量为10201.93~12357.34kg/hm2,各器官固碳量从大到小依次为籽粒、茎鞘、叶、穗轴、根;CT、RT、CR、CS、RS处理NPP显著高于CK处理(P<0.05),分别增加20.28%、11.55%、21.68%、16.55%、7.95%,而ST处理NPP与CK处理之间无显著差异(P>0.05);垄向区田、深松耕及其组合模式增加玉米田CO2排放总量,等高耕作和等高耕作+垄向区田可以降低CO2排放总量;CT处理NSCB最高,为1402.29kg/hm2,CT、RT、CR、CS处理NSCB显著高于CK处理(P<0.05),而ST处理NSCB显著低于CK处理(P<0.05)。综合来看,等高耕作治理技术模式最佳,碳增“汇冶潜力最强,研究结果可为东北黑土区坡耕地保护与治理提供理论参考和技术支撑。

摘要:水分侧渗过程是稻田水循环的重要环节。为揭示灌排协同调控对稻田水分侧渗的影响,开展了连续两年的田间试验,通过设置不同的田间灌溉模式(控制灌溉、浅湿灌溉)和沟道排水方式(控制排水、自由排水)组合处理,研究灌排调控对稻田田埂沟道区域水分侧渗过程的影响。结果表明:控制灌溉田埂土壤含水率波动较浅湿灌溉更剧烈,控制排水田埂土壤含水率波动较自由排水变小。灌排调控对稻田田埂沟道区域水分侧渗有显著影响,控制灌溉处理较浅湿灌溉处理、控制排水处理较自由排水处理均减小了田埂水分侧渗强度峰值和均值,且显著降低了稻田水分侧渗总量,两年试验期稻田侧渗水总量降低63.49%。稻田灌溉处理和沟道排水处理均对稻田水分侧渗产生显著影响,且灌溉处理的影响效应更强。相较于浅湿灌溉处理,控制灌溉处理田埂侧渗水总量占稻田输入水总量比例增加,在实施控制灌溉时,需加强对稻田水分侧渗管理,以确保灌溉效果最大化。灌排调控稻田水分侧渗过程主要发生在田埂深度10~20cm内,在该深度存在水分侧渗通道,在该深度实施合理的防渗方案可有效减少田间水分损失。研究揭示了灌排调控下稻田田埂沟道区域水分侧渗过程及其对土壤水分变化的响应过程,可为农业水资源高效利用和精细化管理提供参考。

摘要:为探求冬小麦农田减排优产高效的施肥模式,以冬小麦(小偃22)为研究对象,设置不施肥(KB),常规施肥(NP),有机肥等氮替代25%(25%OF)、50%(50%OF)、75%(75%OF)、100%(100%OF)无机肥共6个处理,探究不同有机无机肥配施比例对冬小麦农田温室气体排放、产量及氮肥利用效率的影响。结果表明,两个冬小麦生长期,各施肥处理中75%OF和25%OF处理CO2平均累积排放量最低,分别比NP减少7.62%和15.31%,CO2排放通量具有夏季升高、冬季降低的特征。NP处理CH4累积吸收量最高,100%OF处理CH4累积吸收量最低,有机无机肥配施处理随着有机肥配施比例的增加对CH4的吸收呈减少趋势。75%OF和100%OF处理N2O累积排放量最低,两年平均累积排放量分别比NP减少92.94%和159.47%。75%OF处理全球综合增温潜势(GWP)和温室气体排放强度(GHGI)均为最低,分别比NP降低27.19%和41.38%。与NP相比,50%OF和75%OF处理冬小麦产量在2018—2020年分别增加15.78%~17.73%和18.64%~23.07%。与NP相比,75%OF处理显著提高了冬小麦氮素吸收量和氮肥利用效率。综合考虑生态因素和经济因素,以有机肥等氮替代75%无机肥是西北地区既能实现温室气体减排又能保证冬小麦优产高效的较优施肥模式。

摘要:场景识别可作为温室环境空间定位的替代方案,也是智能农机装备视觉系统的重要功能之一。针对以特征聚类为基础的场景识别范式无法适应高动态变化且高度相似的温室场景识别的问题,提出一种基于深度特征聚合的温室场景识别方法,以预训练的视觉Transformer网络为基础,提取场景图像局部特征,应用多层感知机全局感受野特性,考虑局部特征空间关系,融合图像局部特征,生成场景图像全局描述子,以多重相似性损失最小化为优化目标,构建温室场景识别模型。试验结果表明,模型场景识别R@1(top-1召回率)、R@5和R@10分别达到78.43%、89.21%和92.47%,具有较高的场景识别精度。所提出的基于多层感知机的特征混合方法是有效的,与采用池化操作进行特征聚合相比,R@1提高8.01个百分点。模型对光照条件变化具有一定的鲁棒性,与正常的中等光照条件相比,强光及弱光条件下,R@1下降未超过4.00个百分点。相机视角及采样距离的变化也会影响模型识别性能,20°以内的视角变化,R@1下降6.61个百分点,2倍以内的距离变化,R@1下降17.87个百分点。与现有场景识别基准方法NetVLAD、GeM、Patch-NetVLAD、MultiRes-NetVLAD和MixVPR相比,R@1分别提高7.82、6.59、3.56、4.14、1.88个百分点,在温室场景识别任务上模型性能有较大提升。该研究构建的基于多层感知机的图像全局特征聚合方法,能够生成可靠的全局描述子,用于温室场景识别,且具有一定的光照、视角、距离及时间变化的鲁棒性,研究结果可为智能农机视觉系统设计提供技术参考。

摘要:随着山药加工产业的发展,山药品质快速无损检测分级对产业链的健康发展具有实用意义。以研发山药多品质无损快速检测装置为目的,基于可见/近红外局部漫透射原理,根据山药特殊外观特点设计了山药专用检测探头,通过对比实验设计光路,研制了一种手持式山药多品质无损检测装置。装置整体尺寸为150mm×80mm×150mm,质量约590g。基于研发装置采集了150 个山药的光谱信息,采集的光谱经多元散射校正(Multiplicative scatter correction,MSC)后再利用随机蛙跳算法(Shuffled frog leaping algorithm,SFLA)筛选特征波长,建立了山药干 物质、淀粉、蛋白质含量的偏最小二乘回归(Partial least squares regression,PLSR)预测模型,其干物质、淀粉、蛋白质 含量的验证集相关系数分别为 0.965 3、0.967 5、0.956 3,均方根误差( Root mean square error,RMSE) 分别为 1.09% 、 0.83% 、0.15% ,剩余预测偏差(Residual predictive deviation,RPD)分别为3.67、3.50、3.37。 基于Qt开发工具利用C语言编写了实时分析控制软件,并将预测模型植入装置中,进行了外部验证。利用研发装置对50个未参与建模的山药样品干物质、淀粉、蛋白质含量进行了5次重复检测,其变异系数分别为1.0%~1.2%、1.5%~1.7%、1.4%~1.6%;50个山药样本干物质、淀粉、蛋白质含量装置检测结果和标准理化值最大残差绝对值分别为1.83%、1.64%、0.26%。结果表明,研发的手持式山药多品质无损检测装置可以满足现场实时检测需求。

摘要:基于应激行为学的赤点石斑鱼应激行为表征是实现赤点石斑鱼氨氮胁迫识别的前提与基础,但现有方法大多依赖于高性能硬件,不利于行为表征方法在养殖现场嵌入式系统上部署和应用。针对这一问题,结合赤点石斑鱼氨氮胁迫环境下活动量减少、躯体痉挛失衡等症状,提出了一种基于轻量化检测跟踪算法的赤点石斑鱼氨氮应激行为表征方法。首先使用GhostV2卷积对YOLOv5s进行轻量化改进,采用AFPN来支持不同维度特征直接融合,消融对比实验结果表明,改进后轻量化模型准确率和召回率分别为94.3%和89.5%,平均精度均值为96.2%,较改进前提高1.6个百分点,模型内存占用量约为轻量化前模型的60%。为了减少在复杂环境中跟踪时赤点石斑鱼ID频繁跳变的问题,本文在Ocsort中嵌入了一个轻量级的外观特征提取网络并在目标关联时将目标的外观相似度矩阵引入总匹配代价矩阵;对比实验结果表明,改进后跟踪算法MOTA和IDF1分别为94.7%和69.3%,比YOLOv5s与OCSORT的检测跟踪算法分别提高3.2、6.7个百分点。最终结合石斑鱼氨氮应激行为学研究结果,选用赤点石斑鱼平均运动速度、躯体失衡石斑鱼数量来表征赤点石斑鱼氨氮应激行为,行为识别准确率为92.2%,可准确检测出赤点石斑鱼是否处于氨氮胁迫环境中。本文的轻量化表征方法可部署到JetsonOrinNano嵌入式系统上,平均运行速度为6f/s,可为工厂化赤点石斑鱼养殖氨氮胁迫的高效实时识别提供技术支撑。

摘要:丘陵山地农机重心位置的改变严重影响其稳定性、牵引性以及越障能力,针对山地农机底盘重心调控装置设计理论以及专用实验平台缺乏的问题,本文设计了一种山地农机底盘重心全向调控实验平台。经理论分析得出坡度导致山地农机底盘重心偏移,严重影响等高线行驶的稳定性和纵向爬坡性能,故综合考虑坡度和重心位置的关系确定了实验平台的整机结构;实验平台主要包括倾角模拟装置和重心调整装置,其中,倾角模拟装置采用多电动推杆协同作用实现全向0°~15°坡地模拟,重心调整装置采用“工冶字形多滑台组合的模式实现全向重心自适应调整,从而实现在不同倾角工况下的重心调整功能,性能试验结果表明:在横、纵向以及斜向0°~15°坡地模拟中,模拟坡度均值以及数据中位线与模拟角度误差均在0.5°之内;在重心位置确定试验中,最大重心位置误差为-21.4mm;在0°~15°的横向、纵向实际坡地、0°~12°斜向实际坡地可实现重心自适应调控,试验平均误差分别为2.6%、3.4%、5.9%,重心调整量最大误差分别为6.7、7.3、10.8mm;在0°~15°横、纵向模拟坡地、0°~12°斜向模拟坡地亦可实现重心的自适应调控,试验平均误差分别为5.4%、6.5%、9.7%,重心调整量最大误差分别为9.7、10.3、15.8mm,基本符合设计要求。本文提出的倾角模拟和重心自适应调控方法,可为丘陵山地农机底盘重心调控理论研究提供借鉴。

摘要:拖网渔船捕捞努力量的估算对于描述海洋渔业活动、量化拖网作业对海洋造成的生态压力以及修订渔业法规和政策具有重要意义。明确拖网渔船的捕捞投入可为中国近海渔业资源的可持续发展提供科学数据支持。本研究提出了一种基于HarrisHawksOptimization(HHO)优化的XGBoost算法,用于构建拖网渔船捕捞行为识别模型。结果表明,该模型准确率、灵敏度、特异度和马修斯相关系数分别为0.9713、0.9806、0.9632和0.9425。利用该模型识别拖网渔船的捕捞行为并计算了2021年在119°E~124°E、32°N~40°N海域内山东省拖网渔船的捕捞努力量。以空间精度1/8°生成了捕捞努力量热力图,计算结果揭示了捕捞活动的空间分布主要集中在2个关键区域:121.1°E~124°E、35.7°N~38.7°N和119.8°E~122.8°E、33.6°N~35.4°N。本研究可为渔业资源的定量评估奠定基础,为海洋捕捞渔业的可持续发展提供必要数据。

摘要:针对谐波减速器剩余使用寿命预测退化节点难以选取、退化指标与物理解释性差、预测效果偏差较大等问题,提出了一维堆叠卷积自编码器融合深度卷积嵌入式聚类(SCAE-DCEC)提取退化点,并结合改进蜣螂优化算法(DBO)优化CNN-LSTM的谐波减速器剩余使用寿命预测方法。对振动信号进行一维堆叠卷积自编码器与深度卷积嵌入式聚类,解决了退化节点难以选取、退化指标与预测网络契合度差等难题;构建了基于SPM混沌映射、自适应概率阈值和差分变异扰动的改进蜣螂优化算法,并对其性能进行评估。利用MDBO对CNN-LSTM超参数进行优化,形成MDBO-CNN-LSTM的剩余使用寿命预测模型。在搭建的谐波减速器实验台进行加速寿命实验及预测验证,实验结果表明MDBO-CNN-LSTM训练后预测模型拟合优度明显高于CNN、LSTM、CNN-LSTM、DBOCNN-LSTM网络、直接退化全卷积、直接退化的贝叶斯优化LSTM的RUL预测方法,其预测精度达到91.33%,且该方法对谐波减速器寿命后期退化趋势中的衰退特征具有较强的辨识能力。

摘要:针对电液伺服减震阻尼器加载试验台受系统参数变化、外部干扰的影响,导致对被控模型精度要求较高的三状态控制器跟踪精度降低等问题,本文提出了一种先利用模型参考自适应控制将加载系统补偿为理想稳定参考模型,再对该理想参考模型进行三状态控制的自适应三状态控制策略。依据减震阻尼器电液伺服加载系统理论模型,推导了考虑被测减震阻尼器阻尼的加载系统传递函数;基于Diophantine方程多项式设计了模型参考自适应控制系统,将加载系统补偿为非最小实现理想参考模型,提高系统稳定性;通过三状态反馈补偿具有稳定理想参考模型的加载系统固有频率和阻尼比,再利用三状态前馈实现极点配置,提高系统动态特性。通过对三状态控制与自适应三状态控制进行位置阶跃和正弦响应试验,在2.0mm/10Hz的位置方波加载信号作用下,超调量分别为13.5%、9.6%,减小28.9%,上升时间分别为7.4、5.8ms,减少21.6%,稳态误差分别为0.030、0.018mm,减小40.0%;在1.5mm/30Hz的位置正弦加载信号作用下,位移误差分别为0.29、0.18mm,减小37.9%。自适应三状态控制够明显提高电液伺服加载试验台的瞬态性能指标及位移跟踪精度。