摘要:近些年,农作物遥感监测技术在粮食作物、经济作物等领域得到了充分应用与快速发展,这对支撑农业资源高效利用、农业生产指导和宏观政策制定、保障国家粮食安全和重要农产品供给、提升农业综合生产能力具有重要意义。本文对国家粮食安全和重要农产品供给具有重要影响的主要粮油棉糖等农作物遥感监测共性关键技术研究与应用进行总结,系统梳理了农作物遥感监测的信息源和主要获取方法,然后从农作物冠层参数遥感获取、农作物面积遥感监测、农作物长势遥感监测和单产遥感估测等方面对共性关键技术进行归纳,包括主要数据和指标、主要模型算法与技术方法、关键技术大范围应用现状、存在问题和发展趋势。最后,对农作物遥感监测研究与应用进行展望。综述分析结果表明,高时空分辨率多光谱卫星、高光谱遥感、热红外遥感、太阳诱导叶绿素荧光、合成孔径雷达、无人机遥感等多源遥感信息以及机器学习、辐射传输模型、作物生长模型、遥感数据同化等模型方法的发展,显著提升了农作物监测的空间精细化、时间连续性、参数定量化和过程解释能力。未来,农作物遥感监测应进一步强化天空地协同观测、多模态数据融合、机理知识约束与智能算法集成,推动农作物遥感监测向智能化监测、标准化数据产品和“监测—预警—决策”全链条信息服务等方向发展,为保障我国国家粮食安全和重要农产品供给、促进全球粮食安全和可持续发展提供有效服务。

摘要:在大范围农作物综合长势监测研究与应用中,多种农情参数权重的科学合理确定是提高作物综合长势监测精度的关键。为探究主要赋权方法在作物综合长势监测应用的适用性,本研究选取变异系数法(CV)、熵权法(EWM)、主成分分析法(PCA)和基于标准去除效应方法(MEREC)分别构建玉米作物综合生长指数(Comprehensivecrop growth index, CCGI)。在此基础上,利用构建的CCGI开展区域玉米作物综合长势监测并进行长势精度验证,最终实现不同权重法的筛选与评价。结果表明,EWM法和MEREC法在玉米CCGI构建权重分配合理性及单产表征能力有效性方面表现相当,且均好于CV法和PCA法;在不同赋权法构建CCGI的长势监测精度方面,EWM法略优于MEREC法,且二者长势监测精度均高于CV法和PCA法。通过与区域作物长势地面结果对比,主要生育期(苗期、拔节期、抽雄期和灌浆期)综合长势监测平均最高精度达到92.09%。其中,基于EWM、MEREC、CV和PCA赋权法构建CCGI的区域玉米作物长势监测,在主要生育期平均精度分别为91.67%、90.00%、89.17%和85.42%。本研究为农作物CCGI构建赋权方法的合理选择提供了科学依据,对提高大范围农作物综合长势监测精度具有参考价值。

摘要:准确获取冬小麦的空间分布信息是长势监测和产量预估的基础。针对复杂种植环境下冬小麦遥感提取面临的光谱混淆严重、频域信息利用不足以及田块边缘细节丢失等问题,提出了一种基于国产高分二号影像和改进DeepLabV3+ 的冬小麦种植区提取模型RSMANet(Residual SCConv MFMSA network with adaptive feature fusion)。首先,通过引入空间和通道重构卷积(Spatial and channel reconstruction convolution,SCConv)设计SC-ResNet18 替换原有主干网络,提高模型对空间细节和语义特征的提取能力;其次,在编码阶段设计多尺度多频注意力(SCConv withmulti-scale and multi-frequency attention module,SCC-MFMSA)模块,该模块主要包括尺度分解、多频通道注意力(Multi-frequency channel attention,MFCA)和多尺度空间注意力(Multi-scale spatial attention,MSSA)3部分,通过双注意力协同提取影像频域和空域特征,有效区分冬小麦冠层纹理与背景高频噪声,并提高模型的多尺度感知能力;最后,在特征融合阶段引入多尺度注意力融合(Multiscale attention fusion,MAF)模块,实现局部细节特征和全局语义信息的动态融合,通过增强通道、空间和多尺度层次的特征表达和语义关联,改善田块边界模糊和光谱混淆问题。试验结果表明,RSMANet模型能有效提升冬小麦种植区提取精度,IoU和F1值分别达到89.09%和94.52%,较原始DeepLabV3+模型分别提升3.19、1.39个百分点,与其他主流模型(如CMTFNet、SACANet、TransUNet等)相比分别提升1.08~3.81个百分点和0.23~1.74个百分点。

摘要:为提高冬小麦种植区空间分布信息提取精度,针对现有方法在多时相物候信息利用不足、显式物候趋势特征融合效率不高以及复杂农业景观下局部结构恢复能力有限等问题,本文提出一种融合物候趋势特征的时序感知网络ST-EdgeNet(Spatial-temporal edge-aware network)。以关中平原冬小麦关键生育阶段为对象,基于2025年3—5月Sentinel-2月尺度合成影像,选取7个原始波段和7个植被指数构建三时相基础光谱特征,并依据冬小麦在返青、抽穗和灌浆阶段的时序变化规律,构建包含旺盛期高值、峰值突出度、返青速率、峰后变化及软先验约束在内的9 维物候趋势特征。在模型设计上,构建物候感知时序融合模块(PhAT)以增强三时相特征的自适应交互能力,设置趋势特征独立编码支路(TrendEncoder)以提高显式物候特征的有效表达,并结合局部结构增强与解码精化策略改善复杂地块区域恢复效果。基于关中平原9个县区构建县级空间分离数据集,其中训练集、验证集和测试集分别来自6个、1个和2个县区,并与PSPNet、FCN 和SegFormer等主流语义分割模型进行对比。结果表明:融合物候趋势特征的STEdgeNet在空间独立测试区取得最优识别效果,总体精度(OA)、F1分数和平均交并比(mIoU)分别达到98.53%、97.60%和96.61%,较最优对比模型SegFormer的平均交并比提高10.25个百分点;引入物候趋势特征后,ST-EdgeNet的平均交并比由95.32%提升至96.61%,分割错误率相对降低27.6%。研究表明,物候趋势特征与时序感知网络的协同设计能够显著提升冬小麦种植区提取精度,所提方法可为冬小麦种植区高精度遥感制图与智能化调查提供方法参考。

摘要:精准提取甘蔗种植分布对我国糖料作物监测和食糖供应安全评估具有重要意义。针对现有方法以单年遥感观测为主、未能充分利用甘蔗多年连续种植先验信息的问题,本研究以广西崇左市为研究区,基于Sentinel-2 L2A与Sentinel-1 SAR时序数据,构建了融合多年历史信息的长短期记忆网络(LSTM)多分支分类框架,系统对比了历史数据(前n年原始遥感特征)与历史概率(前n 年基线模型输出的连续甘蔗归属概率)两种先验信息引入策略在2022—2025 年4 个目标年份中的分类效果。结果表明,引入3 年历史信息后,各数据源方案的分类精度均显著提升。其中,“Sentinel-1/2融合+3年历史数据”方案表现最优,其在4年平均条件下,F1值达到90.6%、Kappa系数为0.854;相较于同源单年基线模型,该方案的F1值提升约8.3个百分点;在3年回溯期条件下,历史数据与历史概率两种策略的F1 值均稳定在90% 以上,表现出较高的一致性;随着回溯年限由1 年延长至3 年,模型分类精度呈整体上升趋势,该最佳回溯年限与广西甘蔗“一年新植、两年宿根”的3 年农艺种植周期高度吻合。此外,Sentinel-1与Sentinel-2的融合在基线场景下未能展现显著协同效应,但在引入3年历史信息后,融合方案精度明显优于仅光学方案,表明SAR数据的结构敏感性在时序先验信息的支持下能够充分发挥作用。基于最优方案,本研究生成了崇左市2022—2025年10m分辨率甘蔗分布结果,验证了该方法在多年连续制图中的可行性。

摘要:区域冬小麦单产空间分布是作物精细化管理的重要基础,但受限于实测样本稀缺,精细制图仍面临挑战。农业统计数据连续稳定且权威,但其向像元尺度单产的降尺度应用不足,如何在保持统计一致性的同时刻画空间异质性,是亟待解决的问题。以中国北方冬小麦主产区为研究对象,提出一种区域冬小麦单产统计数据降尺度制图方法。首先,综合植被指数、气象、土壤及地形数据,利用多元线性回归(Multiple linear regression, MLR)、随机森林(Random forest, RF)和轻量级梯度提升机(Light gradient boosting machine, LightGBM)3 类回归模型,构建县域尺度单产模型;其次,在保持统计一致性的前提下,引入相对单产权重,将县级平均单产推至像元尺度,生成冬小麦单产精细化空间分布数据;最后,利用野外实测样点对降尺度结果进行精度验证,并基于SHAP(SHapley additive exPlanations)可解释性框架解析单产空间变化的驱动因子。结果表明:LightGBM 模型在县域尺度估产表现最优(R2为0.79,RMSE为581.51kg/hm2,MAE为401.48kg/hm2, MRE为8.20%,NRMSE为9.72% ),降尺度像元单产与实测数据具有较好一致性(R2为0.65,RMSE为623.32kg/hm2,MAE为540.65kg/hm2,MRE为8.45%,NRMSE为9.76%);研究区冬小麦降尺度像元单产介于943.96~9453.06kg/hm2之间,以中高产水平为主导的双峰分布特征,呈现东高西低且平原高、山地低的格局;SHAP可解释性分析发现,海拔、土壤粉粒含量、全磷含量、坡度和水分胁迫是研究区冬小麦单产高低变化的主导驱动因子,低产区受地形与土壤结构性约束显著,高产区则以养分因子为主要限制。本研究所提冬小麦单产统计数据降尺度方法可为单产统计数据降尺度提供方法参考,相关结果可为作物精细化管理、冬小麦精准种植决策提供数据支撑。

摘要:为提高我国东北黑土区保护性耕作条件下地上玉米生物量估算与单产预测精度,以吉林省梨树县春玉米试验区为对象,利用无人机获取的可见光影像(Red-Green-Blue,RGB)、多光谱和热红外等多源影像,构建融合Boruta递归特征消除法(Boruta-recursive feature elimination,Boruta-RFE)、极端梯度提升算法(eXtreme gradientboosting,XGBoost)地上生物量估算与轻量注意力机制的单产预测方法。结果表明:不同生育期的地上生物量敏感特征存在明显阶段差异,热红外温度统计特征、多光谱纹理特征和RGB颜色指数均具有较高重要性;基于3类特征融合的XGBoost 模型在3个关键生育期均取得较好地上生物量估算效果,其中灌浆期验证集决定系数最高,成熟期验证集均方根误差(Root mean square error,RMSE)最低;仅采用无人机(Unmanned aerial vehicle,UAV)特征进行单产预测时,XGBoost综合表现最佳,验证集R2为0.700;进一步融合关键生育期地上生物量估算值后,各模型精度均提升,其中轻量注意力神经网络(Lightweight attention neural network,LANN) 最优,验证集R2和RMSE分别达到0.855和0.935t/hm2。研究表明,无人机多源影像与地上生物量信息融合可显著提升玉米单产预测精度。

摘要:涝渍胁迫是玉米生产的主要气象灾害之一,快速准确的涝渍胁迫产量估算对灾害管理与田间生产决策至关重要。传统田间人工观测方式难以满足突发性作物灾害评估的时效性要求。本研究基于水深、历时和品种的多变量拔节期玉米涝渍模拟试验,获取了3个时期的无人机多光谱影像,采用皮尔逊相关系数法筛选与产量敏感的植被指数,使用随机森林算法构建玉米产量估算模型,探究无人机多光谱影像估算涝渍胁迫下玉米产量的应用效果。研究结果表明:耐涝品种MY73表现出最优的抗逆性与高产潜力,不同处理下的MY73产量为4300~10500kg/hm2,而所有品种在淹水及胁迫时间延长条件下产量均显著下降。不同植被指数对于产量的敏感性随着无人机影像获取时间不同而存在差异,其中任意时间点获取的EVI、DVI 均与产量显著相关。随机森林算法与敏感植被指数相结合可实现涝渍胁迫下的玉米产量高精度估算,多时期协同的玉米产量估算模型的稳定性优于单一时间点,测试集R2为0.86,RMSE为954.15kg/hm2,MAE为700.65kg/hm2,NRMSE为10.50%。因此,无人机多光谱遥感技术可以实现涝渍胁迫下的玉米产量快速估算。

摘要:晚霜冻害是影响冬小麦生产的重要农业气象灾害,会引发穗部受损并导致产量下降,因此,发展高效的监测方法对防灾减灾具有重要意义。本文以河南省滑县为研究区,针对2018年4月5—7日发生的冬小麦晚霜冻害开展等级监测研究。基于2018年1—6月的Sentinel-1合成孔径雷达(Synthetic aperture radar, SAR)影像,构建冻害严重度指数(Frost damage severity index, FDSI),用于识别冬小麦的冻害程度。采用51×51像元窗口的均值聚合方法对垂直发射-垂直接收(Vertical-vertical, VV)和垂直发射-水平接收(Vertical-horizontal, VH)波段进行降噪处理,在满足变异系数(Coefficient of variation, CV)和信噪比(Signal-to-noise ratio, SNR)稳定性的同时,有效平衡了噪声抑制与空间细节保留。基于VH/VV极化比(VH/VV polarization ratio, VH/VV)、雷达植被指数(Radar vegetationindex, RVI)与双极化SAR 植被指数(Dual polarization SAR vegetation index, DPSVI)等多个雷达指数,结合Savitzky-Golay(SG)滤波与包络线拟合方法,提取由霜冻事件引起的时序信号突降特征,并对突降幅度进行标准化处理,最终构建FDSI。实地调查样点的验证结果表明,基于VH/VV的FDSI与冻害等级之间的相关系数r达到0.82(p<0.001),显著优于RVI(r=0.76)和DPSVI(r=0.73)。研究区晚霜冻害空间制图显示,本次霜冻事件影响范围广,但以轻、中度冻害为主(61.8%),县域南部受灾程度最重。本文依据冬小麦晚霜冻害的地面分级标准,构建了基于遥感数据的监测方法,可为区域尺度的标准化冻害监测提供高效、可靠的技术方案。

摘要:玉米株高是估算生物量、预测产量的关键因子,也是玉米生长管理的重要参考。本研究选用玉米苗期、拔节期、抽雄期、灌浆期和成熟期的无人机遥感数据,探讨滤波算法及空间分辨率对构建数字高程模型(DEM)的影响;探究LiDAR和RGB 2种数据在玉米株高估测中的优势,通过对2种数据优势的结合,构建一种基于LiDAR、RGB多特征数据融合的回归模型。结果表明,基于改进的渐进三角网加密滤波算法获取的空间分辨率为0.25m的DEM准确性最高,决定系数(R2)为0.9441,均方根误差(RMSE)为0.063m,标准均方根误差(NRMSE)为0.151% ;融合LiDAR和RGB作物高度模型(CHM)第100百分位数、可见光大气抵抗指数(VARI)、红绿蓝植被指数(RGBVI)和冠层体积(CV) 构建的线性回归(LR)模型精度最高,R2为0.9864、RMSE为0.088m、NRMSE为6.331%,相较于最优单特征线性回归模型,R2提升了0.5%,RMSE和NRMSE都降低了16.2%。通过建立融合LiDAR和RGB多特征数据的回归模型,提高了株高估测的精度,该研究为准确估测全生育期的玉米株高提供了一种技术方法。

摘要:高温胁迫严重制约玉米的生长发育与产量形成,但目前对冠层温度动态响应及其遗传基础的认识仍不充分。本研究利用无人机热红外遥感技术获取了V6-VT期800份玉米育种材料在连续3d、共15个时相的高时间分辨率冠层温度时序数据,构建了涵盖统计特征、偏差特征、昼夜节律、胁迫响应、峰值特征、DTW 形态、小波多尺度及拓扑持久性的多维度时序解析特征集,并提出融合农学先验知识的自适应加权特征选择框架以降低特征冗余。在此基础上,采用5 种基聚类器集成的聚类方法识别冠层温度响应模式,同时建立多指标加权融合的最优聚类数判定体系,有效缓解了单一聚类方法和评价指标的局限性。基于Teixeira热胁迫模型量化累积热胁迫强度,揭示了2种显著不同的温度响应模式:低温平稳型模式(聚类1)显著富集于DH和TST亚群(分别占82.7%和71.0%),且在冠层覆盖度(Cohen's d=1.172)和冠层体积指数(d=1.009)等生长指标上显著优于聚类0,而聚类0呈现更高的峰值温度与更强的昼夜波动。遗传背景与温度响应模式呈极显著强关联(φc=0.304,p<0.001),与热胁迫分布呈极显著中等强度关联(φc=0.204,p<0.0001)。热胁迫因子与所有生长指标呈显著负相关,其中与冠层覆盖度(r=-0.598)和冠层体积指数(r=-0.510)的相关性尤为突出。研究结果表明,冠层温度响应模式与遗传背景密切相关,可作为耐热性快速高通量筛选指标。本研究所提出的特征选择与聚类优化框架为时序表型分析提供了新途径。

摘要:叶面积指数(Leaf area index,LAI)是评价作物生长状况与作物单产的关键生物学参数。针对基于无人机多光谱数据构建的植被指数特征在高LAI 区易饱和的问题,本研究以甘蓝型冬油菜(Brassica napus L.)为研究对象,获取冬油菜苗期、蕾薹期、花期和角果期的多光谱图像,融合提取的11个光谱特征(Spectral features,SFs)、40 个纹理特征(Texture features,TFs)以及地面实测株高(Plant height,PH),结合随机森林(Random forest,RF)、梯度提升决策树(Gradient boosting decision tree, GBDT)、支持向量机回归(Support vector regression,SVR)以及K近邻(K-nearestneighbors regression,KNN)算法,构建了基于堆叠集成学习(Stacking ensemble learning,SEL)的冬油菜LAI估测框架,实现LAI精准估测。结果表明:SFs、TFs与PH的多源特征融合能显著提高模型估测精度;在全生育期尺度下,SEL模型精度最优,R2达到0.93,MAE和RMSE分别为0.27和0.33;LAI空间分布图能够清晰揭示4个生育期不同施肥、密度及播期处理下冬油菜长势的空间异质性。研究成果可为冬油菜生长的精准监测提供决策支持。

摘要:氮营养指数(Nitrogen nutrition index, NNI)是表征冬小麦氮营养状态及辅助精准施肥决策的关键指标。尽管无人机遥感技术为大面积快速获取NNI 提供了有效手段,但如何科学融合多维遥感特征、优化特征筛选流程并构建高精度估测模型,仍是当前提升NNI 监测精度的难点。本研究基于无人机遥感数据,提取并组合植被指数特征和冠层结构特征,提出了一种基于Shapley additive explanations(SHAP)算法与递归消除的特征选择方法,该方法量化了每个特征对模型预测的贡献,能更精确地筛选出关键特征。使用PLSR(Partial least squares regression)、KNN(K-nearest neighbors)、GPR(Gaussian process regression)、XGBoost(Extreme gradient boosting)、AutoGluon共5种算法构建冬小麦氮营养指数估测模型,并进行有效评估。结果表明:特征融合与筛选显著提升了估测精度,从融合特征中筛选出的23个核心特征在模型表现上最优,精度由大到小为融合特征、植被指数特征、冠层结构特征的规律,证明了多维特征互补及筛选优化在提升NNI 监测性能中的关键作用;在模型精度对比中,AutoGluon在3种特征组合下均表现最佳,最高R2达到0.78,显示出良好的稳定性与泛化能力。本研究识别了氮营养反演的有效特征,提升了拔节期冬小麦NNI的估测精度,为精准施肥提供了科学依据。

摘要:氮素是作物生长的重要元素之一,其精准监测对优化施肥和提高产量至关重要。本研究基于无人机多光谱及其变化特征开展马铃薯植株氮含量估算研究。获取了马铃薯块茎形成期、块茎增长期和淀粉积累期的多光谱影像,利用灰度共生矩阵提取多光谱影像上马铃薯的纹理特征,利用最优植被指数形式构建纹理植被指数,建立了纹理植被指数与植株氮含量的相关关系,以植被指数、纹理植被指数及其融合特征作为输入参数,使用人工神经网络、多元线性回归和偏最小二乘回归实现了不同生育期的马铃薯植株氮含量模型构建,并进行了验证。结果表明:在3个生育期达到极显著相关(P<0.01)的植被指数与植株氮含量的相关性在0.374~0.848之间,纹理植被指数与植株氮含量的相关性在0.625~0.855之间;以植被指数融合纹理植被指数为输入参数在3 个生育期构建的马铃薯植株氮含量模型效果优于以植被指数及纹理植被指数为输入参数构建的植株氮含量模型,其建模的最大R2和最小RMSE 分别为0.859和0.228% ,可以显著提高模型的精度和稳定性。相对于多元线性回归和偏最小二乘算法,人工神经网络估算马铃薯植株氮含量的精度最高。以植被指数为输入参数,利用人工神经网络平均建模的R2和RMSE为0.806和0.231% ,以纹理植被指数为输入参数,利用人工神经网络平均建模的R2和RMSE为0.681和0.300%,以融合植被指数和纹理植被指数为输入参数,利用人工神经网络平均建模的R2和RMSE为0.836和0.221%。该研究可为马铃薯氮含量快速反演及精准施肥提供技术支撑。

摘要:氮元素含量是表征作物生长状况的重要指标,氮含量监测对作物生长发育和施肥管理决策具有重要意义。针对传统氮含量监测精度不足、成本高、空间覆盖有限等问题,提出了一种融合时序RGB-多光谱的油菜氮监测与追肥处方图构建方法。首先利用大疆Mavic 3M 型多光谱无人机,连续两年采集试验田油菜冠层叶片氮含量值和对应油菜生育关键期RGB 与多光谱时序遥感影像,建立了冠层RGB与多光谱特征组合;采用相关性分析方法筛选对油菜叶氮敏感的特征,通过最大相关和最小冗余(Maximum relevance and minimum redundancy, mRMR)算法对筛选后特征值进行重要性排序,将排序后特征值依次利用随机森林(Random forest, RF)、岭回归(Ridge regression,RR)、支持向量回归(Support vector regression, SVR)、梯度提升回归(Gradient boosting regression, GBR)模型获取最优时序特征组合,用于构建苗期(六叶期)、越冬期和蕾薹期氮监测模型;根据种植区域的油菜氮含量分布图,对田块进行栅格划分并决策追肥量,生成了油菜追肥处方图。数据分析结果显示:基于RF 模型、融合多生育期时序信息的RGB与多光谱最优特征组合(LCI、MSAVI、NDVI、ExG、TH)监测效果最佳,可同时监测六叶期、越冬期和蕾薹期氮含量,R2分别为0.825、0.800和0.806,RMSE分别为0.210%、0.231%和0.217%;相较于仅使用单一生育期数据建模,融合时序信息后六叶期、越冬期和蕾薹期的R2分别提高了0.100、0.036和0.061。通过分析无人机20~50m不同飞行高度对监测精度的影响,确定了40m为油菜氮含量监测的适宜飞行高度,六叶期、越冬期和蕾薹期的R2分别为0.792、0.770和0.787。研究表明,融合时序RGB多光谱可有效监测油菜冠层叶片氮含量,研究结果可为油菜作物氮营养精准管理与追肥处方决策提供理论依据和技术参考。

摘要:双轴旋耕切抛土过程与双轴配置参数关系决定土壤扰动程度与粒径分布,直接影响地表平整度和碎土能力。本文分析了双轴旋耕运动规律及抛土性能,建立了前后旋耕刀组将土壤颗粒向后抛撒的最大水平距离和高度方程,确定了影响双轴分层旋耕覆土装置工作性能的主要因素为前旋耕刀轴回转半径、后旋耕刀轴回转半径、前后旋耕刀轴水平间距和前后旋耕刀轴垂直间距。运用离散元法模拟双轴分层旋耕作业过程,以功耗、碎土率、回填率为试验指标,以前旋耕刀轴回转半径、后旋耕刀轴回转半径、前后旋耕刀轴水平间距和前后旋耕刀轴垂直间距为试验因素,进行了单因素和正交试验,建立了功耗、碎土率、回填率回归方程。利用Design-Expert 分析软件得到最优参数组合为:前旋耕刀轴回转半径268.95mm,后旋耕刀轴回转半径244.51mm,前后旋耕刀轴水平间距546.04mm,前后旋耕刀轴垂直间距54.31mm,此时仿真功耗为12.2kW、碎土率为97.3%、回填率为94.0%。在最优参数组合下进行田间试验,结果表明:当前旋耕刀轴回转半径为269mm,后旋耕刀轴回转半径为245mm,前后旋耕刀轴水平间距为546mm,前后旋耕刀轴垂直间距为54mm时,碎土率为96.8%,耕后地表平整度为2.4cm,整体耕整效果优于常用机型。

摘要:针对辣椒小粒种子精量播种与规模化生产需求,设计了全履带式辣椒种子直播机及其关键部件,集成铺管、覆膜、播种多系统协同作业。整机采用三阶段无级变速传动系统与模块化耦合架构,履带接地比压小于等于20kPa,牵引力达17.78kN,最小转向半径1.36m,通过圆半径小于等于3.03m,解决了麦椒套种模式下土壤压实与作业避障难题。基于气吸式排种器与鸭嘴滚筒成穴装置,构建播种深度自适应调节系统,实现行距650~700 mm可调、穴距合格率大于等于95%、空穴率小于等于2%。液压系统采用HST散热与双油缸电液比例闭环控制,缩短响应时间至2.36s,同步误差小于等于2% 。田间试验结果显示:整机平均无故障间隔时间(MTBF)为120h,有效度99.5%,作业效率达5.93km/h。该研究为小粒径辣椒种子高精度直播提供了可靠装备。

摘要:针对当前固态粪肥机械化还田作业中存在的物料破碎不彻底、抛撒均匀性差等问题,设计了一种高效撒肥机破碎装置。综合运用强度设计理论、动力学分析与离散元(DEM)仿真技术,建立了破碎装置粪肥颗粒相互作用模型,分析了关键作业参数对破碎效果的影响机理。利用ADAMS运动学仿真对破碎装置的锤片末端线速度与肥料喂入速度比(线速比)进行优化;在此基础上,采用正交试验与响应面法(RSM),以破碎率和损失率为评价指标,对锤片的长度、宽度及厚度进行多目标寻优。结果表明,最优参数组合为:线速比0.47、锤片长度177mm、锤片宽度47.5mm、锤片厚度4.4mm。为验证优化效果,研制样机并开展了田间性能试验。试验结果表明:优化后的破碎装置在典型工况下的实际平均破碎率达80.77%,较传统方式提升了25% ;田间实测平均损失率为8.58%,满足作业质量标准要求,有效解决了结块粪肥易堵塞、难破碎的作业难题。该研究可为固态有机肥撒施装备的结构优化设计提供理论依据与技术参考。

摘要:针对新疆棉田地表及浅层秸秆-土壤-残膜(简称“秆土膜”)混合物离散元接触参数缺乏,制约残膜回收装备关键部件仿真分析与参数优化问题,本研究以新疆沙性土壤、棉花秸秆和残膜为研究对象,建立秆土膜混合物离散元模型。针对材料的物理特性,选取Hertz-Mindlin(no slip)与Hertz-Mindlin with Bonding模型分别表征土壤、秸秆、残膜的接触行为与残膜柔性变形的力学特性。通过分体圆筒法测得秆土膜混合物休止角为33.97°,并以休止角为响应指标,基于Plackett-Burman 设计对21 个接触参数进行筛选,确定土壤-土壤静摩擦因数、土壤-土壤动摩擦因数、残膜-钢静摩擦因数、残膜-钢动摩擦因数和秸秆-钢静摩擦因数为主要影响因素。最陡爬坡试验确定参数优化区间后,利用响应面法构建休止角与关键参数间的二次回归模型并进行参数寻优。结果表明:最优参数组合为:土壤-土壤静摩擦因数0.329、动摩擦因数0.114;残膜-钢静摩擦因数0.418、动摩擦因数0.150;秸秆-钢静摩擦因数0.293。采用该参数组合进行仿真验证,得到休止角平均值为35.11°,与实测值相对误差为3.36%。研究结果表明,标定后的参数能够较好表征新疆棉田秆土膜混合物的宏观堆积特性,可为残膜回收机起膜、输送、清杂与卷捆等关键部件的离散元仿真与参数优化提供基础参数。

摘要:针对移栽取苗环节中末端执行器与苗钵互作机理不明,现有末端执行器取苗成功率低、易伤苗等问题,本文设计了一种基于Ⅱ型齿轮五杆机构的取苗装置,建立了取苗装置运动学模型,对取苗装置的位姿进行了优化,分析了影响钵苗损伤程度的主要因素;以辣椒钵苗为研究对象,通过EDEM-RecurDyn联合仿真建立了机械钵苗耦合模型;对取苗过程进行了仿真分析,以入钵深度、取苗爪转角、取苗角度为试验因素进行了仿真单因素试验;在取苗仿真过程中分析了不同因素水平下对钵体施加的压缩力以及基质颗粒间Bond 键数量随时间的变化情况。搭建取苗装置样机,以取苗成功率和钵体质量损失率为试验指标,进行了三因素三水平正交试验并得到最优参数组合为:入钵深度为25mm、取苗爪转角为4°、取苗角度为0°,以128穴辣椒苗为试验对象进行验证试验,取苗成功率为93.33% ,钵体质量损失率为1.56% 。

摘要:针对草原退化严重的问题,在设计和优化与该类型土壤接触部件时,离散元法成为重要工具。为获取呼伦贝尔市周边退化草原土壤离散元仿真参数,以呼伦贝尔市周边退化草原土壤为例,研究采用物理试验与仿真优化设计相结合的方法,对退化草原土壤离散元参数进行标定。以测定的物理参数为参考,以土壤休止角、滑动摩擦角、凝聚力与内摩擦角的试验结果为目标,通过Plackett-Burman 试验筛选出显著性因素,再由最陡爬坡试验沿梯度方向逼近至响应面顶点附近,最后由Box-Behnken 试验引入非线性模型确认最优解,实现对影响仿真结果的接触参数、力学参数标定。结果表明仿真休止角与实际休止角相对误差为0.32%;以滑动摩擦角验证试验数据,仿真试验与物理试验误差为1.35%;凝聚力与内摩擦角拟合值为23.603kPa、26.387°,与实际值误差分别为0.62%、0.5%。标定的参数能真实反映呼伦贝尔周边退化草原土壤的特性,研究结果可为呼伦贝尔退化草原触土部件优化设计提供理论与模型基础。

摘要:针对潮间带滩涂底播养殖区域地质松软、承载力低,行走机械易出现牵引力不足及滑转等问题,提出一种适用于淤泥质滩涂的链履式行走装置。该装置采用双节距特种链条布设于浮箱车体两侧,通过履带板剪切土壤产生推力,并依托滚子实现车体平稳移动。通过理论分析确定影响牵引性能的关键结构参数,并构建三节链履与黏塑性滩涂土壤的离散元仿真模型,开展履带板推土仿真分析。以履带板宽度、履带板高度、履齿拔模角及履带板节距为试验因素,以沉陷量、牵引系数为评价指标,进行单因素试验,得到影响牵引性能的主要因素为履带板宽度、履带板高度、履带板节距。以此为试验因素,进行三因素三水平中心组合试验,以低沉陷量、高牵引系数为目标对各试验因素进行优化,得到链履结构的最优参数组合为:履带板宽度700mm,履带板高度118mm,履带板节距203mm。采用优化后的参数研制样机进行滩涂行驶试验,结果表明,在1000kg负载状态下,该装置直线行驶滑转率为32.33% ,与仿真结果对比,二者绝对误差仅为7.66个百分点。研究表明该行走装置能有效适应滩涂环境,为开发工作效率更高的滩涂运载设备奠定基础。

摘要:为评估不同光能利用率(LUE)模型在模拟青藏高原高寒草甸生态系统总初级生产力(GPP)方面的性能差异,并解析模型结构对其在高原独特环境下模拟精度的影响,选取青藏高原东北部海北高寒草甸生态站2015—2020年的涡度相关(EC)实测日尺度GPP 数据为基准,评估了14种具有代表性的LUE模型(如CASA、MOD17、MuSyQ、P-model、Wang-model等)的模拟表现,采用决定系数R2、均方根误差(RMSE)、平均绝对误差(MAE)等统计指标进行性能比较。评估结果表明,不同LUE模型在高寒草甸的模拟性能差异显著。MuSyQ 模型综合表现最优(R2=0.59,RMSE为0.89g/(m2·d)),其次是Wang-model 和CI-LUE;而TEC和MOD17等模型表现较差(R2≤0.25)。普遍而言,考虑了天空状况的模型(如MuSyQ、Wang-model)相较于简化模型具有更好的适用性。对于水分胁迫函数,采用LSWI 的模型在同类模型中表现相对最好,优于基于VPD、土壤湿度或蒸散比的模型。所有模型的R2均未超过0.6,显示现有模型在精确模拟该区域GPP方面仍存在局限性。影响模拟精度的关键因素在于模型如何响应高原的低温、强辐射和特殊水文条件。模型对低温响应的设定,包括阈值、最适温度以及低温强辐射下光抑制效应的表达,直接决定了温度胁迫模拟的准确性;其水分胁迫参数化能否有效捕捉高原“土壤湿润-大气干燥”的独特水分限制,是水分胁迫模拟的关键;而天空条件的引入及其对LUE的调节以反映漫射光优势和强光抑制,则直接影响了辐射利用效率的刻画。在高寒草甸的特殊环境下,模型能否精细化表达温度、水分和辐射胁迫的综合影响,是决定其模拟精度的关键。

摘要:在现代化精准农业中,无人机遥感技术凭借高效、低成本等优势,已成为麦穗计数任务的重要手段。然而,无人机影像下麦穗目标尺寸较小,且飞行高度变化导致麦穗尺度不一,同时麦穗在田间分布密集,这些都增加了麦穗计数的难度。针对以上问题,本文提出了一种基于特征重校准与多尺度融合的小麦麦穗计数网络(Featurerecalibration and fusion network,FReCalNet),提升高密度分布与多尺度变化下的麦穗计数精度。具体而言,首先设计了多尺度特征金字塔注意力融合(Feature pyramid attention fusion,FPAttnFusion),加强特征层之间的信息交互,缓解因麦穗尺度变化导致的特征不匹配问题;其次,结合提出的特征重校准与融合模块( Feature recalibration andfusion,FReCal),进一步抑制因麦穗分布密集引起的特征干扰与漏检;最后,构建了多维特征对齐模块(Multi-dimensional feature alignment,MDFA),通过多尺度信息聚合提升模型在不同场景下的鲁棒性和泛化能力。大量实验结果表明,本文方法的平均相对误差(Mean relative error,MRE)、平均绝对误差(Mean absolute error,MAE)和均方根误差(Root mean square Error,RMSE)分别达到12.30%、14.64和17.26,相比性能最优的主流算法TPH-YOLO分别降低了4.5%、4.4%和7.4%;相比常用检测方法FamNet则分别降低了10.0%、10.8% 和11.6%。本研究为高密度麦穗场景下的精准计数提供了有效的技术路径,同时为无人机智能监测与农业精准管理奠定了基础。

摘要:基于果树冠层体积调整施药量是植保无人机变量作业的重要方式。机载激光雷达(LiDAR)作为一种非接触的传感技术,对于果树冠层体积探测具有应用前景,在实际应用中,常用的凸包类算法易忽略冠层边界凹陷导致体积高估,而体素、α-shape 等体积算法的体素大小或参数α选取依赖人工经验,主观性强,易造成体积测量结果偏差较大。为此,研究建立了基于点云密度的α-shape 算法收缩因子(Shrink factor,SF) 自适应,以中位数点间距(Median point spacing,MPS)量化点云密度,构建MPS与SF的关系模型,解决人工设定SF的局限,实现冠层边界的自适应提取,结合分层切片和棱柱体近似法实现对冠层体积的测量。实验结果显示,α-shape自适应算法对切片边界的提取效果与人工标定边界一致性较好,切片面积的均方根误差为0.0090~0.0197m2,体积的均方根误差为0.0001~0.0002m3,冠层体积测量结果的相对偏差为-4.88%~2.80%。α-shape 自适应算法无需人工调整收缩因子即可提取复杂冠层边界特征,且保证了冠层体积的测量精度,可为植保无人机精准变量施药提供可靠参数支撑。

摘要:当前牲畜检测算法常因复杂场景的干扰而面临采集图像模糊、残缺遮挡等问题,导致检测精度降低。同时检测模型通常参数量大,难以部署至便携式设备。为此提出一种轻量化、应对复杂场景和聚焦面部细粒度特征的VSF-YOLO网络架构应用于牛只面部检测。算法首先提出一种VegsNet主干网络,将其作为YOLO v10n的主干网络以减少模型复杂度,降低运行参数;其次,为捕捉图像细粒度特征,提出一种空间感受野卷积高效地捕捉全图关键信息,并设计一种全文特征锚点注意力机制,利用全文锚点特征信息对细粒度特征进行准确抓取;最后,通过优化损失函数增强卷积对细粒度特征的提取,定位关键区域。为检测算法的有效性和实时性,在特定数据集上进行消融实验和与多种经典算法的对比实验,并部署至手机Android 系统进行测试。结果表明,与传统YOLO v10n相比参数量下降30% ,mAP@0.5提升3. 55个百分点,得益于细粒度特征抓取,在相同模糊、遮挡复杂场景下牛脸的检测置信度平均提高36%,且移植到手机应用程序后运行效率提升,相比原模型运行帧率平均提升30%。

摘要:针对金耳工厂化生产中人工判断生长阶段存在的主观性强、效率低、标准难统一等问题,本文提出一种融合视觉与环境信息的多模态金耳生长阶段识别方法。首先构建包含图像与温度、相对湿度、光照强度、CO2浓度同步采集的金耳多模态数据集,涵盖幼耳期、转色期、成熟期3个阶段共50420份样本;其次设计改进Vision Transformer图像特征提取网络,引入多尺度特征嵌入、位置增强编码模块与ResNet 局部感知增强模块,强化金耳菌包纹理细节和空间关联的建模能力;同时提出环境因子自适应权重融合策略,通过可学习权重对环境参数差异化加权,实现视觉与环境多模态特征的联合优化。实验结果表明,该方法测试集总体识别准确率达93.2%;宏观平均F1值93.3% ,较原始ViT和ResNet50基线模型的F1值分别提升7.2、8.7个百分点,其中幼耳期F1值高达98.8%。消融实验验证了多尺度特征嵌入、局部感知增强模块及环境融合策略对模型性能的显著提升作用,环境因子重要性分析量化了金耳不同生长阶段的环境敏感性差异,转色期对相对湿度(权重0.40)和光照强度(0.25)的敏感性最高。该研究实现了金耳生长阶段的高精度、可解释识别,模型参数量仅为原始ViT的52.1%,推理速度达22.2f/s,满足工厂化生产实时监测需求,为食用菌工厂化生产的智能化、精准化管理提供了高效的技术解决方案。

摘要:传统水稻种植知识管理存在知识碎片化、检索困难和更新滞后等问题,难以满足现代精准农业的信息需求。为此提出了基于大模型驱动的水稻种植领域知识图谱构建方法。构建了包含51篇期刊论文和2本专业书籍的RC-PKBD 数据集(40.98万字符),基于改进的LightRAG 框架设计专业提示工程策略,定义15类实体类型和12类关系类型,实现专业知识的高效抽取。建立了基于图结构的双层次检索机制,成功构建包含10723个节点和10955条边的知识图谱。质量评估显示,具体型问题准确性达91.73%,抽象型问题覆盖度达90.20%,相比GraphRAG方法准确性提升36.60个百分点。本研究为水稻种植领域知识数字化提供了有效解决方案,对推动智慧农业发展具有重要价值。

摘要:为提升自主移动设备在复杂环境下的适应能力,解决传统A?算法路径规划时存在搜索时间长、转折点多和路径平滑度差等问题,提出基于A?的转折点优化算法TP-A?。该算法首先在A?算法的基础上,采用对角线距离作为启发函数并完成动态加权,保证算法前期以搜索速度为主,后期以搜索最优路径为主,从而提升自主移动设备的路径规划效率。其次,为了提升自主移动设备的效率和稳定性,采用“两过程、两准则和一个判断机制”完成路径优化。在普通栅格、复杂栅格、狭窄通道、迷宫4种场景下比较了机器人在A?、JPS、TP-A?3种算法中的运行情况,仿真结果表明:所提出的TP-A?算法在平均规划时间、路径长度、路径节点数以及转折点数等方面均优于其他算法。最后,基于Turtlebot2 机器人平台完成了室内全局代价地图的创建,比较了A?算法和TP-A?算法在实际运行过程中的应用效果,实验结果表明:所提出的TP-A?算法相比于传统的A?算法不仅路径更为平滑,且在寻路时间和路径长度上分别减少了88.53%和21.99%,验证了所提算法的有效性。

摘要:为阐明微纳米增氧曝气滴灌系统中水氧协同传输规律,以90m长非压力补偿式(HL)和压力补偿式(NT)滴灌带为对象,设置6个工作压力(25~150kPa)以及不加氧(0L/min)和加氧(1.5L/min)两种运行模式,测定滴灌带沿程出流量及均匀性,并在加氧条件下测定溶解氧(DO)的沿程变化,采用方差分析和偏效应量η2评价各因素影响。结果表明:工作压力和距离是影响系统水氧传输的主导因素。HL出流量主要受工作压力(η2≈0.919)和距离(η2≈0.065)影响,NT出流量主要受工作压力(η2≈0.772)及其与距离交互作用(η2≈0.118)影响;与不加氧相比,加氧条件下两类灌水器出流量及其均匀性变化均较小,其中HL为极小效应(η2<0.01),NT为小效应(η2<0.06),表明在本试验加氧条件下,微纳米增氧对系统水力性能扰动有限;溶氧量均随距离增加而衰减,随工作压力先升高后趋于稳定,HL在100kPa时溶氧量均匀性最佳(98.46%),NT在75kPa及以上可保持较高且稳定的出流量与溶氧量均匀性(均大于97%)。

摘要:针对模块化食用菌工厂中栽培密度高、气流组织不合理及食用菌呼吸代谢产热引起的热聚集问题,本文提出一种耦合生物热源与多孔介质的CFD数值模拟方法,用于食用菌工厂气流组织优化。基于黄伞菌(Pholiotaadiposa)呼吸速率实测数据,构建了包含内生物热源的各向异性多孔介质模型。模型验证结果表明,仿真与实测温度、风速的均方根误差分别为0.32℃和0.08m/s,模型精度可靠。以原工厂模式为对照,对比分析了异侧下进上出、异侧下进中出和异侧下进下出3 种气流循环模式对温度场和流场分布的影响,并以变异系数评价多孔介质区域温度均匀性。结果表明,异侧下进上出模式可有效削弱顶部热滞留,其区域最大温差为1.24℃,平均温度为11.5℃,较原模式分别降低0.46℃和0.24℃,温度变异系数降至1.6%。实际栽培试验表明,在制冷机组启、停工况下,优化方案的温度变异系数分别为1.64%和2.95%,较原模式分别降低0.92、2.85个百分点;风速变异系数降至37.66%,降低2.77个百分点。优化后的气流组织使黄伞菌出菇率和成熟率分别提高0.88、2.80个百分点,为食用菌工厂气流组织设计与环境精准调控提供参考。

摘要:针对传统农作物秸秆纤维原料制备过程效率低、化学污染严重等问题,以水稻秸秆为对象,提出了一种基于NaOH-水热结合挤压处理的稻秸纤维原料制备方法。系统考察了不同NaOH/水热结合挤压处理对稻秸纤维组成成分、微观形貌、化学结构及材料性能的影响,并以固体得率和抗张指数为指标,采用响应面法对工艺参数进行优化。结果表明,先碱后水热处理(A+HE)有利于纤维的温和解构,其长径比大于10的纤维占比达到89.09%,抗张指数最高为4.96N·m/ g;而NaOH-水热同步处理(AHE)的固体得率最低(35.99% ),抗张指数较A+HE降低26.01%。相关性分析表明,抗张指数的提升并非依赖单一因素,而是受组分、结构和氢键等多重效应的协同作用影响。响应面分析证实NaOH 质量分数和水热温度与抗张指数存在显著的交互作用,优化得到的最佳工艺参数为:NaOH质量分数1.43%、水热温度72.6℃,在此条件下材料抗张指数提升至5.75N·m/g,固体得率为59.13%,试验结果与模型预测高度一致。因此,通过NaOH-水热结合挤压处理可在降低化学污染和减少能耗的同时,实现对稻秸纤维原料的连续化制备。

摘要:本研究采用“先负载后煅烧”原位合成策略,通过尿素水热法制备FeMg-LDH@棉秆前驱体,经煅烧获得FeMgLDO@棉秆基生物炭(FeMg-LDO@CSBC)复合材料。采用单因素试验设计和响应面法优化水热时间、煅烧温度和尿素/金属比等关键制备参数,建立吸附性能回归模型,结合SEM-EDS、BET、XRD 及XPS等多种表征手段和吸附模型系统探究材料对聚苯乙烯纳米塑料(PSNPs)的吸附机制。结果表明,水热时间与尿素/金属比的交互作用对吸附性能影响显著,FeMg-LDO@CSBC复合材料最优制备工艺参数为:水热时间3.85h、煅烧温度555℃、尿素/金属比4.657;通过准二级动力学模型和Sips等温模型拟合,最大吸附容量为17.74 mg/g;吸附性能主要归因于FeMg-LDO@CSBC复合材料丰富的孔隙结构和高活性表面位点,吸附机制主要由π-π EDA相互作用、氢键、表面络合及Mg2+静电屏蔽协同驱动,层板边缘暴露的Mg2+作为局部正电荷中心有效克服静电排斥,实现高效稳定吸附,并且复合材料具备良好的磁分离性能和环境适应性。本研究为农业废弃物高值化利用及微塑料污染控制提供了新型吸附材料与技术支撑。

摘要:为探究组分调控协同挤压处理对农作物秸秆纤维分离及材料性能的影响,本研究以水稻秸秆为原料,考察挤压前组分调控对稻秸纤维解构行为的影响,并进一步解析挤压后组分调控对材料性能的作用机制。挤压前组分调控结果表明,与对照组相比,半纤维素的选择性去除促进了纤维细化,平均粒径降低32.0% ,材料抗张指数提升162.3%;木质素的选择性去除有利于高长径比纤维的温和解构,长径比大于20的纤维比例增加65.9% ,平均粒径增加54.9% ,材料抗张指数提升720.8% 。同时去除半纤维素和木质素的样品在挤压过程中结构破坏更加显著,平均粒径较对照组降低45.3% ,材料抗张指数提升306.9%。挤压后组分调控结果表明,半纤维素的去除导致材料孔体积和平均孔径分别增加100.2% 和65.2% ,并降低纤维素链间氢键比例,材料抗张指数较对照组降低48.5%。此外,木质素的回填比例为10%时,经热压处理的纤维材料抗张指数较自然风干组提升24.3%。因此,通过组分调控协同挤压处理可实现纤维的定向解构,并形成“物理纠缠-界面互锁-热塑包裹”的三重交联机制,从而显著提升材料性能。研究结果可为农作物秸秆预处理工艺开发及材料化利用提供依据与支持。

摘要:针对传统绿茶杀青理条过程中因传热效率低、锅槽结构存在局限而导致茶叶运动特性受限、受热不均,茶叶易出现局部焦糊、杀青不彻底、成条松散、色泽暗淡等问题,设计了一种高温高频异形锅槽杀青理条机,研究在高温热风加热条件下茶叶在高频往复振动异形锅槽内各阶段的运动规律和受力特点,确定影响茶叶杀青理条效果的关键因素。根据设计目标,分析计算得出关键工作参数范围:锅槽往复运动频率范围为4.66~6.00Hz,理条夹角范围为40°~50°,热风加热温度范围为300~360℃,并利用Rocky DEM 建立茶叶杀青理条仿真模型,确定最优作业参数组合。在仿真结果的基础上,利用试验样机开展三因素三水平正交试验,以成条率和碎茶率为评价指标,通过Design-Expert 13对关键参数的数学模型进行优化求解。结果显示,最佳工作参数组合为:锅槽往复运动频率5.34Hz、理条夹角46.2°、热风加热温度329.2℃,此时成条率为90.91% ,碎茶率为1.22% 。最佳参数验证试验结果表明,成条率与碎茶率分别达到88.96%、1.27%,与优化结果的相对误差均在5%以内,显示了优化结果具有很好的可靠性和精度。

摘要:食品包装文本包含产品名称、成分、厂商信息和保质期等关键信息,对食品安全与消费者权益具有重要意义。将现有的场景文本检测方法应用于食品包装文本检测任务中,普遍存在模糊文本、小目标以及艺术字体的漏检和误检等问题,针对这些问题,提出了一种基于多尺度增强与几何自适应融合的食品包装文本检测模型MESA-Text。具体而言,在MESA-Text中首先提出多尺度注意力特征增强融合模块,通过注意力奇偶层交替融合策略,集成门控双分支注意力机制和特征平滑方法,增强融合不同尺度文本特征能力;然后针对文本高宽比失调问题,提出几何稳定模块,融合文本几何特征进行自适应改进,以精准捕捉扭曲、模糊及微小文本特征;最后辅以动态可变形卷积增强不同尺度特征提取,以提升食品包装文本检测效果。消融实验结果表明,引入多尺度注意力特征增强融合模块、几何稳定模块及动态可变形多尺度特征提取模块后,召回率分别提升2.18、0.90、1.14个百分点。采用本文模型方法在食品包装图像上的召回率、精确率和F1值分别达92.12%、91.76%和91.94% ,有效缓解漏检误检问题。

摘要:针对混合动力拖拉机工况适应性差的问题,提出一种融合动态规划与遗传算法的分层优化策略。通过构建全局优化与瞬时控制协同决策框架,采用动态规划离线生成电池荷电状态(State of charge, SOC)全局参考轨迹,为等效燃油消耗最小策略(Equivalent consumption minimization strategy, ECMS)建立基准目标;利用遗传算法对初始等效因子进行多目标寻优,生成初始等效因子映射表,结合动态规划生成的SOC 轨迹,通过比例积分(Proportional-Integral, PI)控制实现等效因子的在线修正;通过全局轨迹跟踪与实时偏差调节的机制,缓解全局优化目标与瞬时工况的矛盾。结果表明,与传统ECMS 方法相比,通过遗传算法对等效因子进行优化可使能耗降低10.24% ,进一步引入SOC参考轨迹实时修正后,油耗额外降低1.59% ,验证了优化策略的有效性。

摘要:并联机器人是大型复杂结构件的优势解决方案,其运动学性能是工作能力的重要表征。然而,评价并联机器人运动学性能的指标类型繁多,且各指标与尺度参数之间的映射关系不尽相同,导致兼顾各类运动学性能的尺度设计仍极具挑战。本文拟构建一个融合瞬时与连续运动学的并联机器人综合性能表征模型,进而将复杂的尺度参数运动学性能适配设计转化为数学形式下的参数寻优。首先,以期望的各类运动学性能指标阈值为边界,构造考虑占地空间约束的并联机器人综合运动能力指标,并以其为设计目标建立机器人尺度寻优模型。然后,基于上述模型,提出一种兼顾瞬时与连续运动学性能的并联机器人尺度设计策略,并采用改进蒙特卡洛法实现尺度参数的快速寻优。最后,以2PRU-(2PRU)R 冗余驱动并联机器人和3P(2UU)恰驱动并联机器人为两组设计案例,示范考虑各类运动学性能的尺度设计流程,并通过综合运动学性能评估,验证了尺度设计结果的正确性与所提策略的可行性。