摘要:棉花作为我国重要的战略物资，其产业数字化升级对实现农业现代化与边疆经济可持续发展意义重大。本文系统梳理了数字棉花技术体系的研究成果，提出“数字棉花”概念框架和技术体系，涵盖种植管理、测产采收、收购加工、公证检验、仓储物流及全流程质量追溯等全产业链环节。重点分析了数字化装备通过融合物联网、遥感、大数据及人工智能技术，在精准播种、智能水肥调控、无人机植保、采收监测等环节的应用现状与关键技术突破，揭示了当前技术应用中存在的设备适配性不足、数据孤岛及成本效益失衡等问题，从生产流程的全链条优化、标准体系建设、技术融合创新及数据平台构建等维度，提出了推动数字棉花技术标准化、规模化应用的路径，为棉花产业提质增效与高质量发展提供理论支撑。

摘要:为实现残膜回收机在自然环境中快速、准确地识别棉田地表残膜目标，本文提出了一种基于DCA-YOLO 11轻量化模型的棉田地表残膜识别方法。以4JMLE-210型残膜回收机工作后棉田地表残膜为研究对象，在不同时间段采集地表残膜图像900幅，通过透视变换、图像裁剪、数据清洗、数据增强等预处理，最终得到5215幅残膜样本图像，按照4∶1划分为训练集和测试集，实现了对棉田地表残膜的数据集构建。通过在YOLO 11模型主干网络中增加深度可分离卷积（DWConv）模块代替通用卷积（Conv）模块，用于减少计算复杂度和参数量；通过在输出检测端末尾加入CBAM卷积块注意力机制模块来提高模型的感知能力，减少边缘与背景干扰；通过用ADown模块替换主干网络中的Conv模块，实现残膜特征图不同层之间的下采样，减少特征图空间维度，保留关键信息来提高残膜目标检测准确性。试验结果表明，在复杂自然环境下，DCA-YOLO 11模型精确率P为81.9%，召回率R为80.9%，平均精度均值mAP（重叠率0.5）为86.7%，参数量为2.20×106，处理速度为80f/s。通过对不同模型进行对比试验，DCA-YOLO 11模型检测精确率比YOLO v10、YOLO v9、YOLO v8分别高2.9、2.3、3.8个百分点，召回率比YOLO v10、YOLO v9、YOLO v8分别高2.0、1.0、1.8个百分点，处理速度比YOLO v9、YOLO v8分别提升12.7%、14.2%，略低于YOLO v10。DCA-YOLO 11模型在保证精度的同时，模型最小，参数量最少，证明其轻量化与优越性。模型通过泛化性试验，其在验证数据集上的检测结果，R2为0.72，平均绝对误差和均方根误差分别为4.92个和2.72个，提出的DCA-YOLO 11轻量化模型泛化性较好。该研究可为残膜回收机械在复杂环境下精准、高效捡拾残膜以及残膜回收机回收率车载视觉估测提供理论依据与数据基础。

摘要:针对残膜回收机实际作业过程中存在多种相似非目标场景干扰，目标场景图像背景复杂且地表残膜尺寸小、破碎度大、无固定轮廓导致残膜覆盖率难以准确评估的问题，提出基于车载成像和深度卷积神经网络的地表残膜识别方法。构建了一种基于多重特征增强的SE-DenseNet-DC分类模型，在DenseNet121模型每个稠密块的非线性组合函数前后引入通道注意力机制增强有效特征信息通道的权重，然后引入多尺度串联空洞卷积替换原始模型第1层卷积提升感受野并保持细节敏感度，实现目标场景图像的有效提取；构建了一种基于细节信息增强和多尺度特征融合的CDC-TransUnet分割模型，在TransUnet模型的编码器部分引入CBAM模块提取更加细微和精确的全局特征，在跳跃连接部分引入DAB模块融合多尺度语义信息并弥补编码和解码阶段特征之间的语义差距，然后在解码器部分引入CCAF模块减少上采样丢失的细节信息，实现目标场景图像复杂背景中地表残膜的精准分割。试验结果表明，SE-DenseNet-DC分类模型对目标场景图像的分类准确率、查准率、查全率和F1值分别达到96.26%、91.54%、94.49%和92.83%，CDC-TransUnet分割模型对目标场景图像中地表残膜分割平均交并比（MIOU）达到77.17%，模型预测残膜覆盖率与人工标注残膜覆盖率决定系数（R2）为0.92，均方根误差（RMSE）为0.23%，平均相对误差为2.95%，单幅图像评估时间平均为0.54s。本文方法在残膜回收机回收后地表残膜覆盖率监测评估中具有较高的准确率和较快的推理速度，为残膜回收机回收质量实时准确评估提供技术支撑。

摘要:标准体系构建是实现智慧农场标准化建设的基础性工程。针对当前棉花生产智慧农场建设中存在的标准体系碎片化、标准化水平偏低、数据共享机制不完善等关键问题，在系统梳理棉花生产智慧农场标准现状及标准化需求的基础上，确立了标准体系构建的核心原则与思路。进而融合改进切克兰德方法论与霍尔三维结构模型，构建了包含层次维度、环节维度和专业维度的三维架构模型，提出了由基础通用标准、数据标准、产品标准、方法标准和管理服务标准构成的标准体系框架，实现了标准层级的纵向贯通与业务环节的横向覆盖。为验证体系科学性，本研究构建了包含4个一级指标和7个二级指标的模糊层次综合评价模型，评价结果表明该标准体系具有良好的适用性，具备显著的应用指导价值。研究成果可为我国棉花生产智慧农场标准体系建设提供理论依据。

摘要:为实时监测棉花精量铺膜播种作业过程，提高棉花精量铺膜穴播机智能化水平，以白色光源色标传感器和高清网络相机作为主要监测元件，基于Vision Assistant视觉助手，设计了棉花精量铺膜穴播机作业质量监测系统。该系统由播种监测模块、铺膜监测模块及可视化模块构成，其中播种监测模块包括播种状态监测传感器、接近开关传感器等；铺膜监测模块主要由高清网络相机构成；可视化模块包括数据采集模块、工控机等。利用Labview软件图形化编程，搭载多功能工控机，通过功能选择控件运行指定功能程序，实现播种质量（播量、漏播量）、铺膜质量（采光面宽度、采光面覆土宽度、采光面破损面积）及作业工况实时监测。作业质量监测系统台架试验及田间试验结果表明：该系统工作稳定可靠，播量监测准确率达92%以上，采光面宽度监测准确率达94%以上，采光面破损面积监测准确率达81%以上，采光面覆土宽度监测准确率达90%，满足棉花精量铺膜穴播机作业质量监测系统实际要求，可为棉花铺膜播种作业质量评价提供技术支持。

摘要:针对长江流域麦后棉区土壤黏重，地表留存秸秆残茬量大，地轮驱动方式易出现缠绕打滑、壅土现象，导致漏播、断条，且缺乏棉花导种与性能检测一体化装置等问题，设计了基于雷达测速的棉花精量直播机排种测控系统。构建了3路独立直流电机转速控制以及3路棉花种子流实时检测的云-端构架模式；设计了播种测控云平台，实现播种作业参数实时采集、显示、存储及多设备的管控；设计了模糊PID控制器，实现指定粒距的随速实时调控。利用Matlab开展了模糊PID控制器与PID控制器仿真对比试验。结果表明，模糊PID算法模型比PID算法模型超调量降低28.95%，上升时间减少28.57%，稳态时间减少22.22%。开展电机控制精度试验，结果表明，电机实际转速与理论转速最大误差为1.8%，平均误差为1.1%。台架试验结果表明，与JPS-16型计算机视觉试验台相比，测控系统检测合格指数、漏播指数、重播指数相差不大于1.3、0.7、0.8个百分点。路面试验结果表明，当作业速度为3.6~9.2m/h时，实际排种数与理论排种数最大误差为2.4%；单路检测准确率不小于97.44%。田间试验结果表明，当作业速度为3.6~9.2m/h时，本系统控制播种合格指数不小于90.81%，漏播指数不大于4.64%，粒距变异系数不大于14.38%。示范应用表明，该棉花精量直播机排种测控系统能够有效提升长江流域棉区麦后棉花直播机播种质量。

摘要:针对电容式棉花排种监测中产生的信号含噪声导致排种信息不易提取的问题，提出CEEMDAN-小波阈值联合降噪方法。根据棉花排种质量检测原理构造含噪仿真信号，对比经验模态分解(Empirical mode decomposition，EMD)、集合经验模态分解(Ensemble empirical mode decomposition，EEMD)和自适应噪声完备集合经验模态分解(Complementary ensemble empirical mode decomposition with adaptive noise，CEEMDAN)去噪法3种传统方法对正常播种、漏播、重播仿真信号的降噪效果；其次将小波阈值去噪法融入CEEMDAN去噪法，设计相关系数阈值公式，区分大量含噪的本征模态函数（Intrinsic mode function，IMF）分量与含有效信号的IMF分量，去除含噪IMF分量中的噪声且保留更多原始信号的形状特征，漏播、重播信号信噪比（SNR）分别增加4.9509、6.8493dB，曲线相似度（NCC）分别增加0.0280、0.0549，平滑度（SR）分别减小0.0024、0.0045,改善了单独使用CEEMDAN去噪法对漏播、重播信号降噪效果不优的问题。搭建排种信号采集试验平台对所提方法进行验证，结果表明，该方法具有良好的降噪及信号特征还原能力，降噪后可实现对排种数量监测。

摘要:利用基于过程的棉花生长动态模型，精确定量模拟新疆棉田生物量积累和产量形成过程，可为智慧农业决策提供技术支撑。基于APSIM-Cotton模型构建了融合气象数据的棉花生长和产量动态预测方法。首先通过2023—2024年田间试验数据校准模型参数，其次运用气候相似年方法构建生长季气象数据，然后融合ECMWF短期天气预测产品（Open Data）进行未来9d棉花生长动态模拟，最终实现全生育期内棉花产量滚动预测。结果表明，APSIM-Cotton能够准确地模拟昌吉地区不同播种密度（9~27株/m2）下的棉花生育期（NRMSE为5.18%）、生物量（NRMSE为19.60%）和产量（NRMSE为6.08%）；基于短期气象预测产品的棉花生物量预测在1~3d内精度最高（NRMSE为1.3%），随预报时效延长，9d预测误差升至3.24%；通过气象数据融合（即历史气象数据、短期天气预报与历史气候相似年型数据的动态拼接）可以在全生育期内预测当季棉花产量，使用18个最佳相似年型数量的预测误差最低，产量预测误差整体稳定在4%以内，但播种后90~115d预测误差波动较大（最大相对误差可达10%），因此该时段的预测结果需谨慎使用。

摘要:棉蚜虫的精准无损检测对棉蚜虫害防治及棉花产量和品质的提升具有重要意义。本研究提出一种基于多特征融合的棉蚜虫危害等级（Cotton aphid damage levels，CADL）监测方法，融合棉花冠层光谱特征波长、植被指数和纹理特征，提高棉花蚜虫危害等级识别精度。采用无人机搭载高光谱成像系统采集棉花冠层高光谱图像，利用Savitzky-Golay平滑（SG平滑）和多元散射校正（MSC）对提取的光谱数据进行预处理，利用支持向量机（SVM）模型将预处理后的光谱数据进行建模，对比发现MSC表现更优。采用竞争性自适应重加权算法（CARS）和随机蛙跳算法（SFLA）对MSC预处理后的光谱数据进行特征波长一次提取，分别提取出31、37个特征波长。进一步使用连续投影算法（SPA）对特征波长进行二次提取，最终确定了6个棉蚜虫危害敏感波长，分别为650、786、931、938、945、961nm。基于二次提取的6个特征波长，计算了9种植被指数和8种纹理特征，并分别分析了9种植被指数和8种纹理特征与棉蚜虫危害等级（CADL）的相关性。构建了LightGBM、XGBoost、SVM和RF模型，并基于以上模型对比了特征波长、植被指数、纹理特征，特征波长和植被指数2种特征相融合，以及特征波长、植被指数和纹理特征3种特征相融合对棉蚜虫危害等级的判定效果。结果表明，植被指数（RDVI、SAVI、MSAVI、OSAVI）和纹理特征（MEA、VAR、DIS、HOM）与CADL相关性较高。基于特征波长、植被指数和纹理特征3种特征相融合的XGBoost模型对棉蚜虫危害等级判定效果最佳，测试集总体分类精度（OA）达到86.99%，Kappa系数为0.8371，相较于仅使用特征波长、植被指数、纹理特征，特征波长和植被指数2种特征相融合的模型，测试集OA分别提升4.88、27.64、21.95、2.44个百分点。

摘要:地上生物量（AGB）精准估算是作物生长监测与精准农业决策的关键技术。针对传统无人机（UAV）遥感方法在棉花AGB估算中存在的双重局限——基于植被指数（VIs）的模型易受冠层光谱饱和效应干扰，且难以量化冠层三维结构动态与AGB累积的时空异质性，本文融合UAV三维点云空间解析与冠层覆盖度时序特征，构建了基于株高×冠层覆盖度（PH×CC）的多维度估算模型。通过设计对比实验框架，评估了PH×CC模型与4种模型（VIs结合随机森林（RF）、梯度提升（GB）、支持向量机（SVM）及反向传播神经网络（BPNN））的性能差异。结果表明：PH×CC模型在测试集上表现出显著优势，其估算精度(决定系数R2=0.93，均方根误差(RMSE)为15.30g/m2)较最优传统模型（RF：R2=0.76，RMSE为23.35g/m2）提升22.3%（P<0.01）。机理分析表明，PH×CC参数通过协同表征PH垂直延伸与冠幅水平扩展的动态耦合关系，可解析83%的冠层结构变异（传统VIs模型仅57%），显著提升了模型对AGB-结构互作机制的解释能力。研究为突破无人机农情监测中“光谱-结构”信息融合的技术瓶颈提供了新方法，同时为解析棉花冠层生长动态的生物学机制提供了可量化的建模工具。

摘要:针对棉花田间复杂环境障碍物被遮挡致准确检测难、边缘设备算力有限的问题，本文提出一种基于改进YOLO 11n模型的田间障碍物检测方法。首先，采用轻量级网络StarNet作为主要特征提取网络，并引入DBA模块(Dynamic position bias attention block)重构C2PSA(Convolutional block with parallel spatial attention)，以增强多尺度特征之间的交互能力；其次，使用KAGNConv(Kolmogorov-Arnold generalized network convolution)替换基线模型C3k2(Cross stage partial with kernel size 2)模块中的瓶颈结构，实现对精细特征提取的同时，给予模型更高灵活性和可解释性；最后，集成分离与增强注意力模块(Separated and enhancement attention module, SEAM)至检测头，增强模型在遮挡场景中的检测能力。试验结果表明，改进模型YOLO 11n-SKS与基线模型相比精确率、召回率、mAP50、mAP50-95分别提升2.3、2.1、1.3、1.4个百分点，达到91.7%、88.3%、91.9%、62.3%，模型浮点数运算量仅为4.4×109FLOPs，模型参数量减少17.1%。本研究模型在性能和计算复杂度之间实现了较好的平衡，满足棉田收获作业场景中实时检测需求，降低了部署边缘设备算力要求，为采棉机自主安全作业提供技术支撑。

摘要:为解决棉花打顶作业过程中，打顶装置晃动严重、对行稳定性差等问题，根据新疆地区机采棉田种植模式，设计了一款基于北斗导航的棉花打顶机履带行走系统，确定了底盘整机和关键部件的设计结构和参数。以STM32F103为主控器，搭载基于实时动态差分的北斗卫星导航系统，实现自动导航控制；建立履带底盘运动学模型确定预瞄点，得到定位点与目标路径的曲率偏差，同时引入底盘几何中心行驶速度为控制器输入量，提出一种自调节的双输入模糊PID控制算法，实现底盘的作业路径自动追踪。以打顶期棉田为作业对象，分别开展性能试验和作业试验，结果表明：底盘田间自主导航作业时，最大绝对偏差不超过39mm，标准差不超过18.5mm，平均绝对偏差为15.3mm；工作过程中所搭载的打顶装置平均航向角偏转角为0.38°，平均横滚角偏转角为0.33°，平均俯仰角偏转角为0.26°。自走式履带底盘行驶稳定性强、对行精准、跟踪误差小，可适用于棉花打顶行走作业。

摘要:单株总铃数是棉花重要的表型性状之一，也是种植者估算棉花产量的重要参考因素。因此，从真实复杂的棉田图像中高效准确地识别棉花，对于确保棉花产业生产的经济效益和增强农业管理至关重要。然而，许多现有的卷积神经网络在棉花识别方面优先考虑准确性，缺乏了对识别效率的关注。因此，以脱叶期新疆密植棉花为对象，提出了一种改进的轻量化YOLO（IML-YOLO）棉铃快速识别模型。IML-YOLO模型结合了轻量化卷积特征提取和YOLO模型实时快速识别的优势，构建了一种全新的RepGhostCSPELAN轻量化模块，同时为了降低由轻量化带来的模型识别精度下降的问题，结合CAHSFPN特征融合提高对不同尺度棉铃的识别精度，还提出了一种Focaler-MPDIoU损失函数，有效提高了模型的识别精度。通过消融试验和可解释性分析证实了这些设计的有效性和显著性。与基准YOLO v8n模型相比，IML-YOLO模型在浮点运算次数、模型内存占用量和参数量方面分别显著降低了32.1%、47.5%和50%，同时平均精确度提升了10.1个百分点。将IML-YOLO模型应用于棉花产量预测，平均相对误差为7.22%。该模型为棉铃检测算法与产量预测提供了新途径，为棉花智能化管理提供了技术支持。

摘要:随着新疆地区棉花机械化采收的普及，机采棉质量追溯面临数据孤岛、信息共享滞后及全程监控缺位等问题，导致籽棉到皮棉的质量追溯难以精准透明。为此，结合区块链去中心化、不可篡改的特性与物联网设备实时采集的协同优势，提出了基于区块链的机采棉质量溯源模型。该模型引入了基于逻辑回归的链下-链上协同数据查询优化，实现高频数据智能预缓存，设计了结合强化学习与椭圆曲线加密的访问控制模型，增强了数据安全性和隐私保护能力，最后，基于长安链开源区块链平台开发了机采棉质量溯源系统。系统性能测试结果表明，常规查询场景下，本系统查询时延从72.37ms缩短至60.14ms；高频查询场景下，查询时延降至32.75ms，优化效果随数据量增长而提升，可以满足用户实时查询需求。此外，通过明文敏感性与密钥敏感性测试，密文平均变化率分别为87.78%和82.68%，确保了数据在跨机构协作过程中的隐私安全。该模型形成了“物联网采集-区块链存证-智能合约验真-多级权限访问”的闭环架构，满足了企业对隐私数据的权限控制与安全共享需求，提高了信息检索效率。

摘要:回潮率严重影响棉花品质检测结果，精确测量回潮率对棉花分级意义重大。针对在棉花束纤维断裂比强度检测中回潮率的补偿校正问题，提出了一种基于电阻法的棉花束纤维回潮率检测方法。通过搭建电阻-图像同步采集平台，利用图像特征表征棉层厚度，探究在电阻法测回潮率时，电极间距、温度及棉层厚度对电阻测量的影响规律，建立以电阻、温度为输入变量的多元预测模型。实验结果表明：图像灰度特征与电阻高度相关且呈非线性关系，探明了棉层厚度对电阻测量的影响规律；电阻在电极间距为2~12mm范围内呈显著正相关，解释了电极间距增大导致电阻测量误差扩大的内在机制，基于此，确立电极间距2mm为最优检测参数，验证了该参数下不同品质棉花束纤维电阻无显著性差异（P>0.05）。进行32组4.44%~12.2%回潮率棉样实验，结果显示随机森林（Random forest, RF）模型预测精度最优，其R2为0.99，均方根误差为0.24%。本研究突破传统松散团状棉纤维回潮率检测限制，实现了束状纤维回潮率快速测量，可为棉花断裂比强度等物理性能指标的精准补偿校正提供技术支撑。

摘要:针对棉花采收和收购环节中籽棉回潮率检测工序复杂、受人工影响因素较大、检测精度低的问题，提出了一种基于电阻技术的信息融合检测方法。分别采集了环境温湿度以及籽棉电阻、密度与回潮率，分析了籽棉回潮率随环境温湿度变化规律，讨论了籽棉密度对籽棉电阻检测的影响，确定了籽棉电阻与回潮率的关系。为了提高籽棉回潮率检测的精确性和稳定性，融合环境温湿度及籽棉电阻和密度作为特征变量，将“环境参数-物理特性-电学特性”进行数据关联；建立多元线性回归、支持向量回归、随机森林等5类回归模型，采用“模型竞争-集成优化”策略建立堆叠集成融合模型预测回潮率，实现了数据级和决策级的信息融合。结果表明，基于信息融合的堆叠集成模型为最优回潮率预测模型，在测试数据集上其决定系数R2为0.994，平均绝对误差（MAE）为0.104%，均方根误差（RMSE）为0.151%，验证了信息融合检测方法的可靠性。该方法可为棉花采收打包和收购环节的回潮率检测提供数据支撑。

摘要:机采棉已经成为我国、特别是棉花主产区的主要种植模式。采棉机是用于机采棉收获的关键装备，也是农业机械高端装备的典型代表。本文从采棉机的作业过程与原理出发，围绕籽棉采摘、籽棉汇集输送、籽棉压缩打包、底盘驱动行走、整机智能调控等方面进行文献梳理，分析了当前研究的热点、难点、问题与不足。我国采棉机经过政府引导发展与市场自由竞争，在引进、消化和吸收国外先进技术基础上，已经形成完备的采棉机科研与制造体系。我国采棉机在采摘头堵塞机理、气力输送流场动态演变、底盘载荷谱等方面存在基础科学问题尚未解决；打包机构等结构设计方案创新性、原创性不足，仍受制于国外专利；运行状态监测、智能作业水平较高，但缺乏籽棉流量、棉包密度/湿度等高精度专用传感器。针对上述问题和不足，从棉花采摘机理、气力输送高保真度仿真分析、行走底盘动力学分析与优化、打包机构创新设计、整机智能调控等方面对未来研究方向进行了分析和展望，提出了未来应对采棉机存在的问题和不足加以重点研究。

摘要:热带水果是许多热带、亚热带国家的重要出口产品，是区域经济发展的重要支撑。随着农业智能装备的不断发展，结合人工智能等新兴技术，自动化、智能化热带水果采摘机器人逐渐成为农业采摘领域研究热点。回顾了采摘机器人在热带水果产业发展中应用和研究进展，梳理了国内外热带水果采摘现状，基于常见热带水果生长环境的复杂性与作物生长的特殊性，分析了不同热带水果采摘机械技术特点，讨论了热带水果采摘机器人各子系统的关键技术，并对当前的关键技术难点进行了分析。最后，展望了人工智能等高新技术赋能农业装备机遇，提出了未来热带水果采摘机器人逐步向智能化、无人化采摘的发展趋势。

摘要:针对苏打盐碱土渗透性差及传统改良设备适应性不足等问题，设计了一种盐碱土秸秆深埋机。采用离散元法（Discrete element method, DEM）与中心复合试验设计法（Central composite design, CCD）对开沟装置进行阶梯减阻优化。结果表明：当深松铲入土深度为38.4cm、入土角为24.7°、刃角为60.1°时，开沟铲阻力为9752.5N，系统总阻力为12401.9N，较对照组分别降低27.7%和0.4%。对优化组合参数进行田间验证，可得系统总阻力为14500.5N，较对照组增加2.6%；开沟铲所受阻力11801.8N，较对照组降低16.5%。开沟平均深度39.1cm（变异系数5.06%），平均宽度9.4cm（变异系数5.16%），说明设备在作业稳定性上具备较高一致性。秸秆填充深埋合格率80%，表明设备能够较好地完成填埋任务。通过结构设计与参数优化有效解决了苏打盐碱土开沟作业中高阻低效问题，为盐碱地改良提供了可靠的技术装备支撑。

摘要:适用于草地耕作的松土部件较为缺乏，为彻底打破草地土壤板结结构，设计了一种草地专用松土部件——折翼式松土铲。以折翼式松土铲的铲柄滑切角、铲翼宽度、铲尖入土角为试验因素，以耕作阻力、土壤坑形轮廓面积和垄形轮廓面积为目标参数进行结构参数优化试验；并对比分析了折翼式松土铲和3种传统松土铲（凿形铲、棱形铲、箭形铲）对板结草地土壤的松土性能（垄形轮廓面积、坑形轮廓面积、土壤扰动系数、土壤蓬松度、翻垡率和地表平整度）。试验结果表明，折翼式松土铲结构参数最优组合为：铲翼宽度40mm、铲柄滑切角20°、铲尖入土角20°，此时耕作阻力6140N，坑形轮廓面积160cm2，垄形轮廓面积68cm2。与3种传统松土铲相比，折翼式松土铲作业后的草地表面更为平整，产生的翻垡较少，且均为小土块翻垡；相同作业速度下折翼式松土铲造成的坑形轮廓面积和土壤扰动系数均最大，而垄形轮廓面积、土壤蓬松度、翻垡率和地表平整度均最小，故折翼式松土铲的草地松土性能优于传统的凿形铲、棱形铲和箭形铲。

摘要:针对气送式稻麦兼用型高速播种机作业时种子输送速度快造成投种精度低、投种不稳定等问题，设计了一种基于旋风减速原理的种子减速器。采用CFD-DEM耦合仿真方法进行单因素试验，确定主要结构因素并选取适宜尺寸区间。为确定种子减速器结构参数，基于单因素试验结果开展了Box-Behnken正交组合仿真试验，结果表明：最佳结构尺寸为圆筒直径D为82.352mm，圆筒长度Ht为101.364mm，排气口直径DP为25.0002mm，锥筒长度Hz为67.9025mm，此时籼稻种子出种口流速V1和种子竖直速度V2分别为5.212m/s和0.462m/s；粳稻种子出种口流速V1和种子竖直速度V2分别为5.339m/s和0.473m/s；小麦种子出种口流速V1和种子竖直速度V2分别为5.341m/s和0.408m/s。台架验证试验结果表明，在出种口处籼稻种子竖直速度为0.411m/s，粳稻种子竖直速度为0.452m/s，小麦种子竖直速度为0.457m/s，与仿真试验结果较符合。条播性能台架试验结果表明，有种子减速器时排种成条效果明显优于无种子减速器情况，而且籼稻、粳稻和小麦排量均匀性变异系数分别由无种子减速器时41.61%、25%和37.84%依次降至9.10%、8.42%和8.49%，满足种子减速器性能要求。研究结果可为后续提高气送式稻麦兼用型播种机播种性能提供指导。

摘要:针对黄淮海麦玉两熟区免耕播种机上被动圆盘式切茬刀在秸秆覆盖量大或土壤强度不足情况下秸秆切断率较低的问题，本文设计了一种可手动调节圆盘直径的切茬刀。该变径切茬刀设有圆盘直径调节机构，可根据不同地块的土壤特性和地表秸秆残茬覆盖量来调整圆盘直径，以实现秸秆高效切割。结合理论分析，确定星齿刀片两刃口间角度为110°，变径圆盘切茬刀最小半径为230mm，最大半径为280mm，在切茬刀调节至确定直径时，变径机构具有自锁功能，保证刀片直径固定不变。土槽试验结果表明，直径为460mm的变径切茬圆盘、平面圆盘、缺口圆盘和波纹圆盘，在相同工况下，圆盘入土深度较深时比较浅时切割性能好，当入土深度为10cm时，变径切茬圆盘秸秆切割性能优于其他类型圆盘，此时秸秆切断率为75.16%，牵引力为355.27N。土槽性能试验结果表明，变径切茬圆盘直径越大秸秆切割性能越好，当圆盘直径为560mm时，秸秆切断率为93.25%；田间验证试验结果表明，当变径切茬圆盘直径为560mm时，秸秆切断率达到98.33%，装置切割秸秆残茬性能良好，可以满足黄淮海地区小麦免耕播种作业农艺和技术要求。

摘要:针对藠头（Allium chinense）机械化种植时鳞芽朝向的农艺要求，基于勺夹式藠头排种器设计了一种由喂入挡板、电机、同步带轮、夹持带等组成的柔性带式藠头夹持定向投种装置。对投种装置的喂入、夹持正姿和投种过程进行理论分析，确定了关键部件结构及参数。建立多柔性体动力学和离散元法耦合仿真模型，以投种横卧率、落种横卧率、穴距合格率为试验指标，采用Plackett-Burman试验法开展夹持带倾角、理论输送速度、带速差比、夹持带间距及喂入半径的五因素显著性筛选耦合仿真试验，并以夹持带倾角、理论输送速度、带速差比为试验因素进行回归正交田间试验；通过Box-Behnken中心试验法建立投种横卧率和穴距合格率的回归模型，并开展参数优化，获得最优参数组合为：夹持带倾角65°、理论输送速度0.38m/s、带速差比1.64。在最优参数下进行3次田间试验，结果表明在前进速度0.16m/s的条件下，该装置平均投种横卧率和平均穴距合格率分别为61.11%、78.89%，与回归模型预测值分别相差4.17、1.15个百分点。

摘要:针对机械化播种作业过程中地表起伏造成的播种下压力波动、开沟深度稳定性差问题，设计了一种气动式播种下压力调节装置，并分析了该装置运动过程，明确了其主要工作部件下压力空气弹簧扭转变形过程，对播种下压力影响因素和下压力仿形空气弹簧变形过程进行分析，确定了影响播种下压力稳定性空气弹簧主要结构参数为帘线角、活塞半径和活塞锥角。建立了空气弹簧气固耦合有限元仿真模型，以提高播种下压力稳定性为优化指标，进行二次旋转正交组合仿真试验，建立了试验指标与影响因素的回归模型，确定下压力空气弹簧最优结构参数组合：帘线角为38°、活塞半径为42mm、活塞锥角为23°。在最优参数组合下对气动式播种下压力调节装置进行田间试验，试验结果表明，气动式相较于螺旋弹簧式播种下压力调节装置能够有效提高开沟深度稳定性，当作业速度为4、8、12km/h时，开沟深度合格率分别提高8、3、11个百分点，开沟深度变异系数平均降低2.58个百分点，提高了机械化播种时的播深一致性。

摘要:为解决带式导种装置在高速（13~16km/h）播种时单种腔内籽粒姿态不稳定、位置不一致的问题，设计了一种带式导种装置籽粒姿态矫正元件，该元件由5阶平行横纹构成，每3阶横纹对应1个种腔，横纹凸起高度为1mm。并采用丁腈橡胶材料制作，当大豆接触到第1阶横纹后会被其调整成籽粒长轴垂直于输种带运行方向进行稳定导种。通过分析籽粒在碰撞形变阶段和碰撞恢复阶段的状态，明确籽粒在矫正区内的理论二维输种位置。利用EDEM离散元仿真软件进行矫正横纹最佳高度仿真试验，以倾角合格率和偏移合格率为评价指标，通过单因素试验分析籽粒从限位-矫正过渡阶段至矫正阶段终点的位移曲线，明确矫正横纹高度对籽粒横向运移规律，并得到横纹高度1.00mm下籽粒倾角合格率平均值为95.7%，籽粒偏移合格率平均值为98.2%。利用高速摄像技术进行单因素对比试验，并以姿态变异系数和株距变异系数为指标进行矫正效果对比试验。对比试验结果表明，有矫正元件的带式导种装置姿态变异系数和株距变异系数均低于无矫正元件的带式导种装置；安装横纹高度为1mm、厚度为4mm的矫正元件后，籽粒姿态变异系数平均值为16.45%，株距变异系数平均值为12.78%，可满足高速精量播种作业要求。

摘要:针对半夏种子形状不规则、大小不均匀造成的充种不充分、清种困难等问题，基于链条翻转运动特性，本文提出利用转动惯性力清种方法，设计一种链勺翘尾自清式半夏精量排种器，通过翘尾种勺及水滴形型孔提高充种率，实现自清种。通过对排种器工作过程中种子受力情况及运动状态进行分析，阐述了链勺翘尾自清式排种器工作原理；基于DEM-MBD耦合进行仿真试验，分析种勺充种倾角、链条张紧力和种勺型孔结构参数对排种器工作性能的影响，确定排种器结构参数；设计二次回归正交旋转组合仿真试验，确定种勺型孔最佳结构参数组合：种勺型孔长度为18.6mm、种勺型孔宽度为14.1mm、种勺型孔留种孔深度为8.6mm；为确定排种器最佳作业参数，以主动链轮转速和种层高度为试验因素，进行二次回归正交旋转组合台架试验。试验结果表明，当排种器主动链轮转速为39.2r/min、种层高度为206mm时，排种器作业性能最优，其合格指数为93.37%、重播指数为2.17%、漏播指数为4.46%，研究结果可为球茎类中药材排种器设计提供参考。

摘要:肉苁蓉是一种寄生于梭梭、红柳等根部深处的草本植物，因其种子体积小、价格高，且播种时需要附着在寄主植物根系附近，故肉苁蓉机械化播种要求精量排种和深播。根据肉苁蓉农艺种植要求，结合人工播种方式，设计并制作了具备开沟、播种、覆土作业的肉苁蓉播种机。通过分析开沟刀盘的受力状态确定了刀盘主要结构参数及刀片布局形式，按照抛土与覆土体积恒定原则设计了导土罩结构参数，结合有限元分析软件重点对开沟刀盘及主传动轴进行模态分析，并确定了机具工作参数。对照液体喷洒量和作业速度匹配了肉苁蓉播种流量，确定了出种口形式及尺寸范围。以喷口吹送气压与喷种口开度为试验因素，播种均匀性变异系数为试验指标开展田间试验。试验结果表明:当喷口吹送气压为0.2MPa、出种口开度为1.5mm时，播种均匀性变异系数为13.50%，且播种深度稳定性系数不小于91.17%，满足当前肉苁蓉的种植农艺要求。

摘要:针对密植蔬菜半自动移栽作业效率低的问题，本文设计一种用于A5-1200型高密度移栽机斜置式自动取投苗装置。钵苗盘和取投臂均与水平方向倾斜45°布置，取投苗爪在取苗位置和投苗位置之间直线往复运动，缩短了取苗行程。取投苗爪在取投臂上的安装位置固定，与钵苗间距和投苗杯间距对应，省略了分苗环节。钵苗盘移位机构通过横向移动和纵向移动将钵苗输送到取苗位置，实现整排间隔取苗。传动部件采用滚珠丝杠模组，驱动采用步进电机，以PLC为控制器，实现了运动位置精确控制。通过单因素试验分析取投臂回程速度、取投苗爪插入深度和取投苗爪入土角对取投苗效果的影响规律，设计Box-Behnken响应面试验确定最优工作参数。试验结果表明，当取投臂回程速度为300mm/s、取投苗爪插入深度为31mm、取投苗爪入土角为10°时，实际取投成功率为97.0%。配备斜置式自动取投苗装置后，A5-1200型高密度移栽机栽植能力可达到7200株/h，满足密植移栽技术要求。

摘要:针对生姜收获机清土效果差、作业阻力大、损伤率较高的难题，设计了一种铲筛组合式生姜收获机，可实现生姜的对行、挖掘、清土、铺放作业，其关键部件生姜挖掘清土装置主要由挖掘铲和抖土筛组成。通过对生姜挖掘清土装置进行理论分析和仿真试验，初步确定铲面倾角为18°，铲面长度为160mm，摆动频率为4Hz。以整机前进速度、抖土筛摆动幅度、抖土筛摆动频率为试验因素，生姜含土率和损伤率为试验指标，依据Box-Behnken试验原理对铲筛组合式生姜收获机进行田间试验。对试验结果进行方差分析，建立生姜含土率和损伤率与各显著因素之间的回归模型。对回归模型的目标函数进行求解，得出最优参数组合：前进速度0.39m/s、摆动幅度30°、摆动频率3.901Hz，此时生姜含土率的模型预测值为9.85%，损伤率为1.79%。田间验证试验结果表明，生姜挖掘清土装置含土率为10.31%，损伤率为1.86%，与模型预测值之间的相对误差均小于5%；较原挖掘清土装置含土率降低2.39个百分点，损伤率降低1.38个百分点；生姜挖掘清土装置作业阻力约为1240N,较原挖掘清土装置作业阻力降低11.43%。

摘要:针对油葵联合收获清选装置在离散元仿真时缺乏准确模型的问题，本文以联合收获油葵脱出物为对象，采用离散元法对不同种类油葵脱出物模型接触参数进行分类标定。通过对随机选取的油葵脱出物进行分类，确定了油葵脱出物主要组成成分及质量占比；利用数显游标卡尺、万能试验机和自制试验台等仪器确定了各油葵脱出物本征参数和接触参数；以各油葵脱出物物理堆积角为基础，开展了Plackett-Burman试验、最陡爬坡试验和Box-Behnken试验，确定了对各油葵脱出物堆积角影响显著的参数及取值范围；利用Design-Expert软件中的优化模块，以各油葵脱出物物理堆积角为目标值进行寻优，确定了各油葵脱出物较优参数组合分别为油葵籽粒剪切模量7.35×107Pa、油葵籽粒-钢材碰撞恢复系数0.295、油葵籽粒-油葵籽粒静摩擦因数0.669、油葵碎葵盘剪切模量1.94×107Pa、油葵碎葵盘-钢材碰撞恢复系数0.467、油葵碎葵盘-钢材静摩擦因数0.436、油葵茎秆剪切模量7.39×107Pa、油葵茎秆-钢材静摩擦因数0.553、油葵茎秆-油葵茎秆静摩擦因数0.775；利用各较优参数组合对油葵籽粒、油葵碎葵盘、油葵茎秆以及油葵脱出物混料进行仿真堆积试验，试验结果表明，仿真堆积角与物理堆积角误差分别为0.66%、0.96%、0.64%、1.15%。

摘要:针对目前国内制种玉米机械化剥皮采用普通玉米联合收获机作业籽粒损失大、剥皮生产线建设成本高、晾晒场剥皮装备短缺等问题，设计了一种移动式制种玉米剥皮机，采用柔性输送带喂入装置、全橡胶分段组合式剥皮辊、气固耦合式快速筛选装置和可分离移动式机架设计，以提高剥皮效率，降低籽粒损伤，便于运输和存放。通过对制种玉米剥皮过程进行理论分析与计算，确定了影响剥皮效果的主要因素和关键部件的结构参数，并采用Box-Behnken试验设计原理，以剥皮辊转速、剥皮辊倾角和剥皮辊偏置角为试验因素，以苞叶剥净率、籽粒脱落率和籽粒破损率为性能指标，进行三因素三水平试验，最后根据实际工况开展验证试验。多目标优化结果表明：最佳工作参数组合为剥皮辊转速265.57r/min、剥皮辊倾角10.06°、剥皮辊偏置角19.76°，此时苞叶剥净率为95.33%，籽粒脱落率为1.471%，籽粒破损率为0.661%。验证试验结果表明：在最优参数组合时苞叶剥净率为94.22%、籽粒脱落率为1.511%、籽粒破损率为0.675%，与参数优化结果基本吻合，满足制种玉米机械化剥皮的作业要求。该研究可为制种玉米剥皮机的设计与改进提供参考。

摘要:针对花生机械化收获落果损失大且回收困难等问题，设计了一款滚筒式花生落果捡拾机，对其挖掘捡拾装置、升运装置、筛分集果装置进行了设计和相关参数计算。通过对升运装置上果土混合物的受力分析和运动学分析，获得了升运装置中升运单体与升运链间夹角、升运链运行速度的理论值范围。以花生落果捡拾率和含杂率为评价指标，通过对升运装置作业参数单因素和双因素模拟，分析了升运单体与升运链间夹角、升运链运行速度以及二者交互作用对花生升运率和含杂率的影响，获得了最优参数组合为：升运单体与升运链间夹角45°、升运链运行速度1.5m/s。样机田间试验结果表明，花生落果捡拾率为95%，含杂率为8.5%，满足整机设计要求。研究结果可为花生落果捡拾技术及装备研发提供参考。

摘要:针对低比转数冲压离心泵水力性能偏低问题，以CDL1型多级冲压离心泵叶轮为研究对象，结合数值模拟和试验测试方法，对首级叶轮的水力性能进行分析。由于低比转数冲压离心泵叶轮水力性能受多个因素影响，本文使用拉丁超立方方法对首级叶轮各设计变量进行抽样形成样本空间并获得相应性能参数，进而建立Kriging代理模型分析各参数对叶轮水力性能的敏感性，选定叶轮关键影响参数为粒子群算法（PSO）输入，对多参数进行优化设计，在此基础上探究叶轮的水力性能和内流机制。结果表明，优化后的叶轮水力性能优于原始设计，最高效率点效率提升2.8个百分点，单级扬程提高0.4m。

摘要:准确表征易空蚀区域是水力机械设计及提高其工作寿命的有效措施，也是空蚀数值预测的关键难点。采用基于密度修正的SST k-ω湍流模型及Sauer空化模型对NACA0009三维扭曲水翼进行非定常空化数值计算，通过对比空穴脱落频率及实验中空穴瞬态特征验证了当前空化模拟的准确性。并考虑能量传递效率构建了空蚀能量从流场空间辐射至壁面的能量传播关系，从而预测出壁面空蚀载荷。通过对比不同瞬时时刻的壁面空蚀能量及空蚀载荷发现：由于空蚀载荷综合考虑了全流场空间中空蚀能量对于壁面的侵蚀影响，预测出了更大范围的空蚀强度覆盖区域；时均12个周期内每个瞬时时间步所产生的壁面空蚀强度，进而得到了壁面时均空蚀强度分布，并将空蚀能量与空蚀载荷得到的壁面时均空蚀强度与空蚀实验结果对比发现，基于能量传递效率预测得到的时均空蚀载荷覆盖区域与实验结果更加吻合，确定了能量传递效率在空蚀数值预测中的必要性。

摘要:作物遥感识别精度提升是精准农业与智慧农业实现飞跃发展的关键驱动力。作物遥感识别精度取决于样本、图像特征和分类方法3个要素。为减小样本数据瓶颈导致的分类误差，本文通过样本数量扩充和质量控制协同提升作物遥感识别精度。以河套灌区乌兰布和灌域为研究区，构建2023年作物生育期NDVI时序图像，结合作物NDVI时序特征在图像上进行采样，实现作物样本数量扩充，并筛选剔除不合格样本实现样本质量控制。筛选出野外样本（扩充前样本）801个像元，图像样本（扩充样本）17917个像元，总样本（扩充后样本）18718个像元。采用4种机器学习分类器开展样本扩充前后作物分类效果对比，结果表明，样本扩充后作物分类精度明显提升，分类总体精度提升约5个百分点，Kappa系数提高约0.05。其中RF和NNC分类精度较高，CART和SVM分类精度略低。采用CNN和LSTM深度学习模型开展样本扩充后作物遥感识别，结果表明CNN和LSTM分类精度优于精度较高的RF和NNC分类精度。

摘要:土壤背景对玉米叶面积指数（Leaf area index, LAI）的准确估算存在影响，传统土壤背景去除方法由于消除了土壤像素的面积信息从而导致目标区域光谱与玉米LAI的相关性降低。因此，本文提出了一种土壤背景去除方法，该方法在去除土壤像素光谱反射率的同时保留了土壤像素面积信息，基于该方法对多光谱影像进行预处理并提取归一化差异植被指数（Normalized difference vegetation index, NDVI）等26个植被指数与Mean等8个纹理特征，结合株高/叶绿素含量等作物长势协变量，对以上3种不同类型的特征进行排列组合形成多个输入特征集合，利用8种建模算法建立多个LAI估算模型，并与基于传统土壤背景去除方法的LAI估算模型进行对比。结果表明，本文提出的土壤背景去除方法在保留土壤像素和植被像素面积信息的前提下有效消除了土壤光谱反射率对植被光谱反射率的影响，基于该方法建立的LAI估算模型效果均优于传统方法；多类型特征融合可提高多光谱影像对LAI的模型估算精度，纹理特征对LAI的估算效果优于植被指数；机器学习模型对LAI的模型估算效果优于传统统计回归算法，最优模型是经本文所提土壤背景处理方法预处理后以植被指数+纹理特征+株高/叶绿素含量作为输入的一维卷积神经网络（One-dimensional convolutional neural network, 1D-CNN）模型，其测试集调整决定系数R2Adj、均方根误差(RMSE)和平均绝对误差(MAE)分别为0.9515、0.2421和0.1795。研究结果可为快速、准确估算玉米LAI提供方法。

摘要:针对农业短文本数据特征词语少、语义特征稀疏、冗余度高、价值密度低等问题，构建了一种利用多尺度通道注意力算法融合多语义特征的语义匹配模型Font_MBAFF，以提升农业短文本的语义匹配性能。首先利用汉字偏旁部首和四角号码丰富短文本特征；然后利用多尺度卷积核通道注意力加权网络MSCN和基于多头自注意力的双向长短期记忆网络Multi_SAB分别从空间和时间提取语义特征；最后利用文本注意力融合机制TEXTAFF对多种特征进行智能融合。试验结果表明，Font_MBAFF模型可有效弥补短文本特征词少的不足，优化文本特征提取及特征融合，语义匹配正确率达到96.42%，与MaLSTM、BiLSTM、BiLSTM_Self-attention、TEXTCNN_Attention、Sentence-BERT等5种语义匹配模型相比优势明显，正确率至少高2.07个百分点。

摘要:在非结构环境下，由于杭白菊的簇状生长特性导致相互遮挡严重，使得杭白菊检测算法的检测精度较低。针对该问题，提出一种改进YOLO v8n的杭白菊检测模型Hwc-YOLO v8n（Hangzhou white chrysanthemum-YOLO v8n）。首先，提出通过增加标签的方式，将实际需求的双类别标签改变为三类别，提升模型对杭白菊各个花期的关键性特征的精细化检测能力；其次，在主干网络中设计一种动态特征提取模块(C2f-Dynamic)，以加强模型对被遮挡目标特征缺失情况的动态适应，并在检测头部分增加160像素×160像素的检测头，使得模型具备针对小目标检测的能力；最后，采用角度惩罚度量的损失（SIoU）优化边界框损失函数，提升了模型检测精度和泛化能力。模块位置试验和热力图试验表明，C2f-Dynamic模块能动态适应遮挡目标的特征变化。改进后的Hwc-YOLO v8n模型对遮挡杭白菊识别的平均精度均值提升了1.7个百分点，召回率均值提高了0.88个百分点。模型消融和对比试验结果表明，改进后的Hwc-YOLO v8n模型相比于DETR、SSD、YOLO v5、YOLO v6和YOLO v7，对杭白菊的检测效果更好。平均精度均值相较于DETR、SSD、YOLO v5、YOLO v6和YOLO v7分别提升了5.7、12.6、0.7、0.75、11.25个百分点，召回率均值相较于YOLO v5和YOLO v7提升了2.15、1.4个百分点，可为后续杭白菊智能化采收作业提供技术支撑。

摘要:基于双目相机的目标定位系统具有起始距离短、精度高、成本低的优点，适用于空间受限的温室草莓生产环境下的草莓目标识别与定位应用。准确的目标匹配是双目相机实现有效测量的保障，但自然环境下草莓表面亮度和阴影区域变化较大，基于局部特征的双目匹配方法难以获得稳定且准确的匹配结果。本文研究了基于图像语义特征的草莓目标双目匹配方法，在光照变化大、图像纹理丰富、果实遮挡、图像模糊等条件下语义特征能够保持目标描述的稳定性，因此可提高草莓目标双目匹配的准确性。首先设计了图像中草莓目标区域的语义特征提取方法，其次设计了基于语义特征的草莓目标相似度计算方法以及双目结构的几何约束条件，最终实现了温室环境下草莓目标双目匹配。实验结果表明：温室环境下本文方法的草莓目标匹配正确率为96.3%，可为实际采摘环境下草莓目标双目定位系统提供良好的目标匹配结果。

摘要:为了解决因火龙果果实尺寸不一、数量众多而造成的重叠遮挡问题，本文提出了一种基于YOLO v8模型的多尺度加权特征融合网络(MBS-YOLO v8)。在特征提取模块中加入挤压和激励网络(Squeeze-and-excitation attention,SEAttention)机制，以增强网络捕捉关键细节能力，解决小目标检测问题。提出一种多尺度加权融合网络(Multi-scale weighted fusion network,MWConv)用于生成具有不同感受野的特征图，增强了图像中全局特征的捕获能力。试验结果表明，MBS-YOLO v8准确率为92.5%，召回率为90.1%，平均精度均值mAP50为94.7%。与YOLO v8n算法相比，MBS-YOLO v8准确率、召回率和mAP50分别提高2.1、5.9、2个百分点。本文MBS-YOLO v8〖JP+2〗模型展现出高度的鲁棒性，该方法有效地将全局特征信息与低维局部特征相结合，从而提高了模型对图像内容的理解，能够应对与重叠遮挡和小目标相关的挑战，为火龙果及其他同类型目标检测提供了改进思路。

摘要:黄瓜果实的检测与分割对于表型分析和黄瓜生长管理至关重要。然而，在复杂温室环境下，果实往往与茎叶相互遮挡，且果实与背景颜色相似，导致传统方法在复杂环境下难以准确识别果实边界并实现高效分割。为此，提出了一种基于改进YOLO v8的黄瓜果实分割方法。该方法引入可变形卷积（Deformable convolution network v4，DCNv4）增强模型空间适应性；同时采用RepNCSPELAN4模块串联额外的C2F模块，细化特征提取与融合；从而提升了模型在复杂温室环境下对黄瓜果实图像的分割性能。实验结果显示，在玻璃温室和塑料连栋大棚两个实验场景中的多个类别上均有出色表现。其中，在玻璃温室场景中的精确率为96.3%，召回率为93.1%，平均精度均值mAP50为96.2%，mAP50-95为85.3%；在塑料大棚场景中的精确率为86.8%，召回率为81.9%，平均精度均值mAP50为90.0%，mAP50-95为77.0%。本研究提出的改进方法在处理边界、多重遮挡和多尺度分割方面具有更强的鲁棒性和泛化性，使模型能适应复杂性不同的多样化种植环境而准确分割黄瓜果实。精确的果实图像分割有助于表型参数的获取，为黄瓜果实的表型分析提供了可靠的技术支持，从而促进农业表型机器人的应用。

摘要:为解决现阶段自然条件下板栗目标尺度不一带来的检测局限性，本文基于改进YOLO 11模型提出一种多尺度板栗果实识别方法YOLO 11-MCS。提出了多尺度关键特征聚合模块（MKFA），并将其引入C3k2模块，构建C3k2-MKFA特征提取模块，有效捕捉不同尺度特征信息；提出了CGAFPN网络，通过内容引导注意力模块引入小目标检测层，弥补了原生算法在多尺度、小目标检测中存在的不足；提出了共享卷积分离批量归一化检测头（SCSB），采用共享卷积和分离批量归一化结构，实现跨尺度特征高效提取，增强了不同尺度特征一致性。试验结果表明，改进模型板栗识别准确率为88.2%，召回率为79.2%，平均精度为87.2%，相较于原始YOLO 11s模型，准确率、召回率、平均精度分别提升0.8、5.9、5.5个百分点。采用通道式特征蒸馏后模型平均精度为84.7%，模型内存占用量为6.0MB，经Infer推理库在Jetson Nano上部署后，检测时间为23ms/幅，满足板栗识别要求。

摘要:针对群养生猪体尺自动测量中体尺测点难以高效和精确提取的问题，提出一种基于改进YOLO v5-pose的群养生猪体尺自动测量方法。在YOLO v5-pose主干网络中融合卷积块注意力模块（Convolutional block attention module, CBAM），更好地捕捉到测点相关特征；将Neck层的C3传统模块替换为C3Ghost轻量模块，降低模型参数量和内存占用量；在模型Head层引入DyHead（Dynamic head）目标检测头，提升模型对测点位置的表征能力。结果表明，改进模型的测点检测平均精度均值为92.6%，参数量为6.890×106，内存占用量为14.1MB，与原始YOLO v5-pose模型相比，平均精度均值增加2.1个百分点，参数量和内存占用量分别减少2.380×105、0.4MB。与当前经典模型YOLO v7-pose、YOLO v8-pose、RTMPose（Real-time multi-person pose estimation based on mmpose）和CenterNet相比，该模型的召回率和平均精度均值更优且更轻量化。在2400幅群养生猪图像数据集上进行试验，结果表明，该方法测得体长、体宽、臀宽、体高和臀高的平均绝对误差分别为4.61、5.87、6.03、0.49、0.46cm，平均相对误差分别为2.69%、11.53%、12.29%、0.90%和0.76%。综上所述，本文方法提高了体尺测点检测精度，降低了模型复杂度，取得了更精确的体尺测量结果，为群养环境下生猪体尺自动测量提供了一种有效的技术手段。

摘要:猪只跛行问题为猪场的生产和管理带来了挑战，因此准确检测猪只跛行情况至关重要。目前猪场主要依赖人工观察和记录，效率低耗时长，且可能存在主观误差。鉴于此，提出一种基于关键点和步行特征的猪只跛行检测方法。首先，定义并确定了猪只的关键点信息，关键点包括猪只的腿、膝盖、背部等重要部位。基于关键点，采用改进YOLO v8n-pose模型进行检测。该模型在YOLO v8n-pose的基础上，在颈部引入BiFPN双向特征金字塔网络进行多尺度特征融合，同时在骨干网络中引入RepGhost网络，以降低特征提取网络的参数量和浮点运算量。然后利用检测出的关键点坐标计算猪只的步长、膝盖弯曲程度和背部曲率等步行特征，并将这些特征输入到K最近邻算法进行跛行与非跛行的分类。实验结果表明，改进YOLO v8n-pose模型平均精度均值（mAP）达到92.4%，比原始YOLO v8n-pose模型提高4.2个百分点。与其他关键点检测模型（HRNet-w32、Lite-HRNet、ResNet50、ViPNAS和Hourglass）相比，mAP分别提高10.2、11.6、14.2、11.8、12.5个百分点。K近邻算法在猪只跛行测试集上的检测精度为81.7%，比BP算法、Decision Tree算法和SVM算法分别提高1.5、11.3、6.5个百分点。以上结果表明，本文提出的猪只跛行检测方法可行，能够为猪场检测提供技术支持。

摘要:近年来，随着羊只养殖向大规模和精细化的方向发展，羊场对智能化管理的需求日益增加。因此，精准的个体识别和行为监测变得尤为重要，对多目标跟踪（Multiple object tracking, MOT）算法的准确性提出了更高要求。然而，现有的MOT算法在目标遮挡和动态场景下的性能仍不理想。本文提出两种跟踪线索：深度调制交并比（Depth modulated intersection over union, DIoU）和轨迹方向建模（Tracklet direction modeling, TDM），旨在补充交并比（Intersection over union, IoU）线索，提高多目标跟踪的精准度和鲁棒性。DIoU线索通过引入目标的深度信息改进了传统的IoU计算方法。TDM聚焦于目标的运动趋势，预测其未来的移动方向。本文将DIoU和TDM跟踪线索集成到BoT-SORT算法中，形成改进的多目标跟踪算法。在两个私有数据集上，改进算法相比基线方法，MOTA（Multiple object tracking accuracy）指标分别提高1.6、1.7个百分点，IDF1（Identification F1 score）指标分别提高1.9、1.0个百分点。结果显示，改进算法在复杂场景中的跟踪连续性和准确性显著提升。

摘要:在猪只智慧养殖中，猪只实例分割方法是实现猪只自动化检测的关键技术之一，但在实际分割场景中，存在猪只遮挡粘连等现象，易导致分割困难。针对产房中仔猪分割困难问题，本文提出一种基于YOLO v5s和GAN(Generative adversarial network)的实例分割模型OD_SeGAN。该方法通过目标检测算法YOLO v5s提取出仔猪目标，并输入至语义分割算法GAN实现分割，并使用空洞卷积替换GAN中的普通卷积，扩大网络感受野；其次，使用挤压-激励注意力机制模块，增强模型对仔猪全局特征的学习能力，提高模型的分割精度。实验结果表明，OD_SeGAN在测试集上IoU为88.6%，分别比YOLO v5s_Seg、Cascade_Mask_RCNN、Mask_RCNN、SOLO、Yolact高3.4、3.3、4.1、9.7、8.1个百分点。将OD_SeGAN应用于仔猪窝均质量估测任务中，测得仔猪窝均质量和仔猪像素点数之间皮尔逊相关系数为0.956。OD_SeGAN在实际生产场景中具有良好的仔猪分割性能，可为仔猪窝均质量估测等后续研究提供技术基础。

摘要:茎干水分与液流动态关系对于理解植物水分运输机制和蒸腾调控过程具有重要意义。然而，传统植物水分监测方法由于空间和时间分辨率的限制，难以捕捉植物水分变化的细微过程。本文构建了一种基于i.MX6ULL芯片的智能监测系统，通过结合先进的传感器技术、数据采集和分析方法，实现了对茎干水分、液流速率、蒸腾量、土壤含水率以及空气温湿度等关键参数的实时监测。在银杏树上的长期实地监测验证了系统稳定性和可靠性。统计结果表明，银杏树在不同生长阶段的液流和茎干水分变化趋势显著，液流速率为0.82~20.52cm/h，而生长季中茎干水分导数与液流数据呈显著负相关（Pearson相关系数不低于-0.7）。生长季期间，液流增加伴随着茎干水分减少，且茎干水分变化速率能够在一定程度上反映液流变化趋势。此外，空气温度每上升1℃，液流速率平均增加8.6%，而空气相对湿度每上升10个百分点，则导致液流速率下降27.3%。研究结果为活立木水分运输关系提供了实验证据，并为植物生理学研究和生态环境管理提供了科学依据。

摘要:在冻融循环过程中，土壤水分、热量及盐分发生显著迁移，这些动态变化加剧了土壤盐碱化，进而对农业生产稳定性和土壤肥力持续性产生深远影响。基于大田试验，将生物炭和秸秆分别施加于0~15cm土层(BQ和CQ)、15~30cm(BS和CS)，另设空白对照组(CK),监测冻融期0~15cm、15~30cm、30~45cm 3层土壤的含水率、温度及含盐量，探讨生物炭与秸秆在不同施用深度对土壤水、热、盐动态变化的影响。同时，采用结构方程模型分析不同土层间水分、温度和盐分的相互关系。研究结果表明：试验周期内，施加生物炭和秸秆显著改善了土壤水、热、盐特性。其中，BQ、BS、CQ、CS处理在0~45cm土层平均含水率分别较对照组提高2.85、3.13、1.56、2.15个百分点；各处理均有效提升了土壤温度并减小了冻融期温度波动；BQ和BS处理在0~45cm土层平均含盐量较对照组分别增加0.34、0.40g/kg，且施加生物炭通过吸附盐分有效抑制了盐分迁移。结构方程模型结果表明：水分迁移会对热量传递和溶质运移造成影响，生物炭和秸秆施用改变了不同土层间水、热、盐的相关性。研究结果可为季节性冻土区土壤生态环境调控提供理论依据和技术支撑。

摘要:土壤中植硅体封闭有机碳（Phytolith-occluded organic carbon，PhytOC）积累有望成为长期固存有机碳的途径之一。作为外硅源改良剂，硅肥能增强作物中植硅体的固碳功能，而生物炭则在减少土壤温室气体排放方面发挥积极作用。为探明硅肥和生物炭联合施用对植硅体固碳能力的影响途径及其对土壤温室气体排放的作用，设置4种处理，包括空白对照（CK）、硅肥（SF）、生物炭（BC）及硅肥与生物炭混合施用（BS），通过田间试验结合室内植硅体稳定分级试验，分析了不同处理下土壤硅组分的分布特征，证实了不同玉米组织中PhytOC固存量及其稳定性差异。此外，还阐明了混合外源硅对作物农艺性状和减少土壤温室气体排放具有影响。结果表明：在BS处理下，易溶硅（CaCl2-Si）、无机土壤颗粒表面不稳定硅（Acetic-Si）、土壤有机质表面不稳定硅（H2O2-Si）含量呈先增加后降低趋势，而弱结晶硅酸盐及无定形硅（Na2CO3-Si）含量则持续下降。与CK相比，BS处理显著提高了玉米茎、鞘和叶部位植硅体含量，分别增加54.75%、5.68%和56.87%。作物PhytOC生产通量达到57.79kg/(hm2·a)。稳态植硅体含量提高16.32个百分点，稳态PhytOC生产通量为34.12kg/(hm2·a)。此外，联合施用下全球变暖潜势（Global warming potential，GWP）为3716.88kg/hm2。研究结果表明，硅肥与生物炭联合施用能够显著提升作物植硅体固碳能力及减少土壤温室气体排放，为实现长期碳固存提供了思路和方法。

摘要:为探究秸秆和生物炭混施还田对土壤氮素含量、大豆氮素利用率和产量的影响，采用裂区试验设计，设置对照（CK，无还田）、秸秆全量还田（SF）、生物炭和秸秆混施还田（BS）3种还田方式，并设置75kg/hm2（N1）、60kg/hm2（N2）和45kg/hm2（N3）3种施氮量处理，于2022—2023年开展2年大豆田间试验。结果表明，秸秆和生物炭混施能缓解施氮量减少对土壤氮素含量和大豆植株生长的不利影响，且对N2处理影响更显著。与CK和SF处理相比，BS处理促进土壤铵态氮和硝态氮含量分别增加7.58%~78.08%和19.02%~95.56%，显著提升大豆净光合速率和氮素利用效率，提高大豆产量38.62%~60.97%。此外，基于熵权TOPSIS模型的综合评价结果表明，BSN2处理综合表现最优，在施氮量60kg/hm2条件下，其两年平均产量为3058.48kg/hm2，氮肥吸收利用效率为0.99，农学利用效率、氮素表观回收率和氮素响应指数分别为9.34kg/kg、0.98和2.18。研究可为东北黑土区氮肥管理和秸秆资源化利用提供科学依据。

摘要:为探究在气象数据缺失情况下机器学习模型对冬小麦生育期实际蒸散量（Actual evapotranspiration，ETa）的模拟效果以及日光诱导叶绿素荧光（Solar-induced chlorophyll fluorescence，SIF）对于机器学习模型模拟ETa的优势，将SIF与气象、作物生理指标、土壤水热条件等因素相结合，构建梯度上升（Gradient boosting，GB）、随机森林（Random forest，RF）和支持向量机（Support vector machine，SVM）3种经典机器学习模型和线性回归（Linear regression，LR）模型模拟冬小麦生育期ETa，并与Penman-Monteith（P-M）模型计算得到的蒸散量ET_pm进行对比。结果表明： SIF与ETa显著相关，但仅通过SIF作为特征参数构建的机器学习模型拟合精度较低；根据基于机器学习模型的特征参数重要度排序以及各情景下的模型模拟精度可知，SIF对机器学习模型模拟ETa的精度有提升效果。机器学习模型在有足够的特征参数时拟合效果明显优于P-M模型，且在平均温度、SIF、日照时数、叶面积指数（Leaf area index，LAI）和土壤含水率的基础上继续添加特征参数对模拟精度提升不大，因此推荐使用上述5个特征参数组成的特征集构建机器学习模型进行ETa预测，模型决定系数R2分别为0.92、0.91和0.91，其中GB模型对冬小麦全生育期ETa的拟合效果最好。该研究可在气象数据缺失情况下为当地蒸散量的精准模拟和合理灌溉制度制定提供参考。

摘要:水足迹视角下的农业绿色高效用水能为区域粮食安全和环境可持续发展提供重要支撑。本文以稻麦轮作系统为研究对象，基于水足迹理论构建了稻麦轮作系统作物水足迹计算模型，并在此基础上量化了1960—2019年涟水灌区稻麦轮作系统水足迹效率指标（广义水系数和作物生产水足迹），进一步分析了稻麦轮作系统作物水足迹效率的时间演变规律和驱动力，结果表明：1960—2019年稻麦轮作系统广义水系数变化范围为0.50~0.76，多年平均值为0.65，整体变化趋势不显著；而作物生产水足迹年均值为58.4m3/GJ，年际间呈显著下降趋势；其中作物生产绿水足迹年均值为35.8m3/GJ，占作物生产水足迹的40.6%~80.4%，而蓝水足迹多年均值为22.6m3/GJ。广义水系数和作物生产水足迹与气象因素密切相关，其中降水量对二者的影响最为显著。作物生产水足迹与农业生产资料投入量和区域灌溉水平呈负相关，农业机械化动力、节水灌溉面积占比是人类活动对作物生产水足迹间接表达作用的主要驱动因子。基于作物水足迹效率及其驱动力研究，提高降水利用率、改善区域农业机械化和灌溉水平，是促进水资源高效利用的有效途径。研究结果可为区域农业节水标准制定提供参考。

摘要:盐碱土表层常伴随复杂的干缩裂隙网络结构，探究盐碱土干缩裂隙特征及其动态演化过程中的土壤盐分分布规律，对于科学制定盐碱土盐分淋洗制度具有重要意义。采用室内土格开展盐碱土干缩裂隙动态演化特征及盐分淋溶试验，设置3种初始土壤含盐量2g/kg（S1）、5g/kg（S2）和8g/kg（S3），利用数字图像处理技术和形态学算法获取土壤裂隙几何形态参数和连通性指数，分析不同初始含盐量土壤在脱湿-吸湿过程中的干缩裂隙演化特征，并同步监测裂隙演化下的土壤盐分动态变化规律。结果表明，土壤干缩开裂（脱湿）过程中，土壤初始含盐量越大，土壤裂隙面积率、平均宽度、长度密度、连通性指数均相应增大，且裂隙面积率、平均宽度在单个干湿循环内形成“∞”环形状。同时，土壤盐分逐渐向裂隙附近区域迁移，最终形成裂隙网格边缘含盐量高、网格内部低的非均匀分布规律。土壤干缩开裂过程中，S1、S2、S3处理土壤内部含盐量变异系数随着土壤含水率降低而逐渐升高，且在裂隙发育稳定后（土壤含水率为5%左右）分别达到0.235、0.247和0.251；在土壤盐分淋洗（吸湿）过程中，S3处理土壤裂隙面积率较S2和S1处理提高8.565、4.208个百分点，其土壤脱盐率相应增加20.4%、67.3%。总体上，土壤初始含盐量越高，土壤淋洗脱盐率越大，S3、S2、S1处理最终土壤脱盐率分别为54.2%、45.0%和32.4%（P＜0.05）。

摘要:在双碳目标的背景下，农村地区的能源转型已成为实现绿色发展的关键环节。我国农村传统农业机械（包括拖拉机和收获机）对化石燃料高度依赖，亟需向以电动农机为代表的低碳、可持续发展模式转变，这将有助于促进可再生能源的利用，为农业可持续发展提供环境友好的解决方案。针对农村地区太阳能与生物质能等可再生资源丰富的特点，考虑农机运行特性与农业柔性负荷，提出了农机电能替代下生物质耦合太阳能农村能源系统规划方法。首先，构建了考虑电动农机的农村能源系统框架，同时对电动农机负荷及农业柔性负荷进行建模分析。其次，建立了以经济成本和碳排放量最小为目标的系统规划优化模型，采用非支配排序遗传算法（NSGA-Ⅱ）和商业求解器Gurobi协同求解。最后，以我国东北地区某农场为例进行规划模拟，结果表明，引入电动农机和农业柔性负荷后，在考虑电动农机购入的条件下,农机系统总成本降低24%，碳排放量降低46%。

摘要:为研究小麦替代玉米比例对混合物料理化特性、饲料制粒成型特性的影响规律，通过响应面法建立了颗粒饲料制粒成型特性的预测模型。试验采用Box-Behnken试验设计，以调质温度（70、80、90℃）、调质时间（45、135、225s） 和替代比例（0、50%、100%）为自变量，以颗粒饲料成型率、吨料电耗、颗粒耐久性指数为因变量，共进行17组制粒加工试验，测定混合物料的理化特性指标、饲料制粒成型特性指标，并对自变量参数进行优化。试验结果表明：随着小麦替代玉米比例的增加，混合物料的松装密度、振实密度、水溶性、蛋白质分散指数和糊化时间显著增加（P<0.05）；休止角、吸水性指数、峰值黏度、保持黏度和最终黏度显著下降（P<0.05）；颗粒饲料成型率升高，吨料电耗降低，颗粒耐久性指数先升高后降低。随着调质温度升高，颗粒饲料成型率先升高后降低；当替代比例在0和50%时，吨料电耗降低；当替代比例在100%时，吨料电耗先降低后升高，颗粒耐久性指数升高。随着调质时间的延长，吨料电耗升高，成型率和颗粒耐久性指数变化相对较小。方差分析结果显示，影响颗粒饲料制粒成型特性因素的主次顺序依次为替代比例、调质温度、调质时间，并根据响应面建立不同替代比例下颗粒饲料制粒成型特性的预测模型，模型预测结果可靠。由此可见，使用小麦替代玉米可显著提高颗粒饲料质量，并降低生产能耗。

摘要:牡蛎农产品在市场流通过程中可能携带传带性病毒、细菌等生物风险因子，已在多个国家引发频繁的生物安全事件。生物风险检测数据具有显著的隐私性特点，风险检测信息的不当泄露会造成公共卫生安全威胁。提出了一种基于区块链的牡蛎供应链生物风险因子隐私数据加密共享方法，通过对供应链中各个环节生物风险因子检测的数据进行加密上链存储，保证数据安全共享，风险源头可追溯。该方法基于属性的可搜索加密算法对生物风险因子检测数据进行访问控制和隐私保护，并构建加密倒排索引进行查询效率的优化，通过可搜索加密算法和倒排索引的结合实现快速定位到相关风险批次货物的详细数据。实验测试结果表明，生物风险检测数据关键词的加密时间平均为31ms，陷门生成时间平均为32ms，可搜索密文与陷门的匹配时间平均为16ms。监管者通过密文倒排索引查询风险牡蛎农产品相关数据的平均时间为385ms，并基于以太坊区块链平台构建了原型系统，实现生物风险因子密文隐私数据上链存储和追溯查询等功能，结果表明该方法能够满足牡蛎供应链隐私数据共享场景需求，为牡蛎生物风险监管提供技术支撑。

摘要:为解决白胡椒初加工生产线熟化环节长时间无法维持恒温控制、过度依赖人工辅助控温等问题，设计了基于PID的白胡椒初加工生产线熟化温度控制系统。利用STM32和触摸屏控制蒸汽发生器和电调节阀，PT100温度传感器实时监测温度并反馈至系统，通过控制算法调节蒸汽流量以确保稳定控制。采用开环阶跃响应法建立并拟合了熟化机内温度与时间的数学模型，通过Simulink仿真试验对比了Ziegler-Nichols整定法、临界比例度法、衰减曲线法以及基于麻雀搜索算法的粒子群优化自整定法(SSAPSO)性能。最终确定PID最佳控制参数为比例系数Kp=0.8759，积分系数Ki=0.02，微分系数Kd=4.3255。系统试验结果表明，在8min的熟化过程中，每隔1min采集当前熟化温度，由于熟化机与空气直接对流换热，其温度稳定在(99±1.5)℃范围内，熟化温度平均相对误差小于1.2%、变异系数小于1.3%，基本实现了熟化过程中自动化精准高效控温的目的。

摘要:为准确有效预测丘陵山区复杂作业环境下履带式底盘牵引性能，本文基于履带式底盘接地压力分布规律建立其牵引性能预测模型并开展试验验证。基于坡度与底盘参数提出了一种多峰非线性分布的接地压力分布数学模型，在不同坡度与位姿下开展接地压力测试试验，结果表明其预测平均误差为4.7%，模型能够较好地预测履带式底盘在坡地环境下接地压力分布情况；基于接地压力模型及履带-地面的相互作用规律，通过考虑土壤特性、坡度及履带式底盘姿态调整重心位置变化等因素，进一步构建了由均布垂直载荷驱动力特性部分与非均布载荷控制部分共同组成的履带底盘牵引力-滑转率预测模型；基于3类履带底盘开展等高线行驶和纵向爬坡工况牵引性能试验以对预测模型进行验证，结果表明:模型预测平均误差为3.6%、5.4%和6.3%，总体预测误差较小，可为丘陵山地履带式底盘适用性设计与机动性能优化提供理论依据和数据支撑。

摘要:交变配流泵可通过内置旋转配流盘连续转动直接输出交变液流，驱动液压缸形成激振运动。由于交变配流泵及泵控液压缸内部泄漏、摩擦等非线性因素会导致泵输出的双向液流不完全对称，泵控液压缸位移中心值会随振动过程发生偏移，影响实用性。为了消除非对称液流导致的激振偏移，本文在交变配流泵与液压缸之间串联伺服阀，形成泵-阀-缸串级偏移调控系统，以及基于配流盘相位的半周期分段纠偏控制策略。基于泵、阀动力特性建立AMESim-Simulink联合仿真模型，辨识系统参数，分析控制性能。搭建试验平台，验证泵-阀联合偏移控制方法的有效性。结果表明，该方法可控制交变配流泵控激振液压缸位移中心值，且伺服阀芯基本处于较大开口位置，节流损失小，在保证泵控激振系统高效性的同时，提高了系统实用性。

摘要:在农业机械自动装配产线上，其嵌入式控制平台片上资源极其有限，而基于卷积神经网络的深度学习检测系统参数量过大，难以直接移植于嵌入式平台，为此，本文提出一种基于改进ResNet18-SSD(Single shot multi-box detector)和现场可编程门阵列（Field programmable gate array，FPGA）加速引擎的深度学习实时检测方法。为了降低参数量的同时提高检测模型准确性，提出基于ResNet18-SSD的深度学习快速检测模型，利用优化改进后的ResNet18网络替换SSD模型的VGG16前置网络，引入多分支同构结构和非对称并行残差结构，使其能适应遮挡、光线昏暗等复杂场景；在满足检测精度需求的情况下，采用动态定点量化的方式，对模型数据量进行缩减，以提高检测模型执行效率。针对改进ResNet18-SSD模型中消耗资源严重的卷积层，提出一种基于Winograd算法的FPGA加速引擎，提高模型检测实时性，通过软硬件协同设计，从硬件加速器与软件网络轻量化两个角度进行联合优化，实现轻量化、加速性能及复杂场景下准确性三者之间的平衡。在Xilinx FPGA嵌入式平台的实验结果表明，本文方法检测准确率达到93.5%，当工作频率为100MHz时，单幅图像检测时间为80.232ms，满足实时性需求。

摘要:针对传统ORB算法在双目特征匹配阶段误匹配率高而导致无法满足高精度定位要求的问题，提出了一种基于改进双目ORB-SLAM3的特征匹配算法。在特征点匹配阶段引入最近邻匹配算法（FLANN），通过设定比率阈值筛选出更为精确的匹配对，在双目ORB-SLAM3立体匹配中引入自适应加权SAD-Census算法，通过考虑像素之间的几何距离，重新计算SAD值并与Census算法相融合来提高特征匹配稳定性和精度，同时加入自适应的SAD窗口滑动范围进一步扩大搜索距离，进而筛选出正确的匹配来提高系统精度。在EuRoC数据集和真实室内场景中进行实验，结果表明与改进前ORB-SLAM3算法相比，在数据集下改进算法定位精度提高23.32%，真实环境中提高近50%，从而验证了改进算法可行性和有效性。