智能化无人机植保作业关键技术及研究进展

搭载高性能传感器和施药装备的农业植保无人机系统是精准农业领域具有代表性的智能装备之一。本研究首先从前端田间作业环境动态感知技术出发,阐述了无人机光谱成像遥感、多传感器融合的SLAM实时环境建模等技术在无人机植保作业方面的应用情况;然后对精准施药过程建模与优化控制有关的前沿技术进行了分析,包括旋翼下方风场结构演化及雾滴沉积过程仿真建模、多区域全覆盖条件下的智能作业路径规划、精准变量施药控制等;最后论述了作业效果评估与过程监管相关技术的发展现状,包括施药作业质量评价方法、基于云平台数据管理的全过程可视化监管等。在总结现有技术发展现状基础上,对未来智能化无人机植保关键技术发展趋势进行了预测,阐明了光谱图像获取与计算智能的深度学习识别聚类、基于高精度雾滴谱和风场模型预测的精准变量施药作业路径规划、基于传感器实时数据的作业质量评估和作业监管等新技术手段,将在遥感信息反演、药液飘移抑制、作业效率优化、施药过程管控等方面带来革命性的进步,使植保作业数据化、透明化,全过程可观化可控制,推动农业生产管理从机械化向智能化和智慧化迈进。     

植保无人飞机施药技术研究进展

植保无人飞机是田间病虫害防治的有效方法.随着我国农业生产趋向机械化、智能化,植保无人飞机施药技术开始崛起.剖析国内外植保无人飞机在飞控技术、航路规划、旋翼下洗气流的研究、田间植保技术和安全施药技术规范方面的应用优势,梳理了植保无人飞机施药技术的研究进展.分析发展中面临的主要问题:拥有飞控研发能力的企业不多、航路规划的要...     

基于多层感知器的收获期木薯茎秆识别定位研究

为解决挖拔式木薯收获机械在作业时需要精确定位茎秆的问题,引入机器视觉技术研究木薯茎秆的识别与定位。以木薯茎秆为研究对象,在室内搭建试验平台模拟木薯收获的田间情况,通过该平台采集模拟的田间图片,对图片预处理得到图像中感兴趣区域;然后,分别提取木薯茎秆和杂物的形状与纹理共9维特征,将其融合作为输入参数,在3层多层感知器网络的结构基础上对参数的选择进行研究,利用主成分分析法对样本特征降维分析,通过交叉验证结合网格搜索的方法试验确定参数最优组合,得出主成分数目为6和隐藏层节点数为9时识别效果最优。基于多层感知器网络构建分类器进行识别效果的定位误差试验,并与支持向量机模型进行了对比,结果表明:MLP分类器识别效果较好,成功率最高达92%,误判率为2%,平均定位误差3.2mm,算法平均耗时0.26s。研究结果可为挖拔式木薯收获机的智能化和自动化作业研究提供参考。     

基于图像处理的茶叶智能识别与检测技术研究进展分析

作为茶叶智能化生产的关键难题之一,基于图像处理的茶叶智能识别与检测技术受到广泛关注。通过综述图像处理技术在茶叶嫩芽识别定位、茶叶病虫害检测、茶叶品种识别与品质检测等方面的研究应用,分析比较各方法的优缺点,总结现有研究存在的主要问题有嫩芽分割受光照影响较大、难以分割含与嫩芽颜色相近背景的图像、枝叶遮挡情况识别效果不理想、缺乏真实背景下茶叶病斑识别算法等。指出基于图像处理的茶叶智能识别与检测技术未来的研究重点:增加不同地域茶叶及品种的样本数据以提高算法普适性;采取多信息融合的方法以求获得更全面的茶叶嫩芽信息;枝叶遮挡严重情况下的识别策略可考虑借助机械装置或风机拨开枝叶,从而避免因枝叶遮挡而导致识别率低的现象发生。     

茶叶自动分选装置中的智能化技术

本文研究茶叶自动分选装置智能化问题及实现策略。基于人机一体化设计思想，提出了茶叶自动分选装置的内环智能体系和外环智能体系的概念。内环智能体系由系统软硬件实现，包括多维异步模式分类策略，产生式规则系统，光电传感器的零点偏置和灵敏度补偿学习网络及算法、机器使用前的训练学习程序和主要易损件故障的诊断。外环智能体系借助操作人员智能，人机合作实现对装置的模式分类器工作在线寻优。     

基于机器视觉的储粮害虫智能检测系统软件设计

介绍了基于机器视觉的储粮害虫智能检测系统软件部分各主要环节的具体实现。该系统运用图像差分法及自适应图像增强法提高粮虫样本图像的质量，利用改进的直方图阈值将粮虫从背景中分割开来，并运用数学形态学处理法进行了滤波。以提取出的粮虫面积、周长、复杂度为特征，运用基于模糊决策的分类器对粮仓中常见的9种、7类害虫进行分类，识别正确率达到95.2%。     

精准施药动态仿真测试技术与系统

由农业部南京农业机械化研究所承担的中国农业科学院科技条件建设项目（农财发[2005]110号）研发的成果,已拥有4项国家专利.该系统应用现代测试与计算机技术,与风力模拟系统相结合,实现了植保机械在可控环境条件下田间作业状态的模拟试验,建立多种施药技术研究的试验平台;与移动式自动雾量分布测定仪、盆栽作物相结合,进行精准施药多参数、多工况动态试验,测试精度高,解决了原实地试验条件因素无法控制,难以得出正确研究结论的问题.     

基于颜色特征的油菜害虫机器视觉诊断研究

害虫的准确识别是针对性地施用农药以有效治理虫害的基础,而人工识别的劳动强度大且主观性强。为此,提出了一种利用颜色特征的害虫视觉识别技术。使用GrabCut算法从虫害图像中分割出完整的害虫主体图像并计算其最小外接矩形区域的H/S通道直方图,使用害虫基准图像对其进行直方图反向投影并计算交叉匹配指数。匹配指数和害虫标签共同组成的特征向量用于训练C4.5分类器。计算待检害虫图像的交叉匹配指数,输入分类器即可得到识别结果。实验结果表明:该技术可准确识别菜蝽、菜青虫、猿叶甲、跳甲及蚜虫5种害虫,准确率达到92%。     

自适应升降喷杆施药系统的研发

针对传统简易施药机易造成人员中毒、药液喷洒过多易造成环境污染等问题,以及现在温室内用施药机在自适应作物高矮、自主行走、精准施药等方面仍存在一定的局限,北京京鹏环球科技股份有限公司研发了一种自适应升降喷杆施药系统,包括喷药系统、雾化系统、喷杆自动调节系统、控制系统及无轨道自走式底盘等。该施药系统创新性在于温室内与无轨道自走式底盘配合使用,可实现路径导航的自动化、智能化;其喷杆自动调节系统创新性地采用超声波传感器用于探测施药机与农作物施药目标的距离,以便进行精准施药,拟为解决狭小温室空间内自主行走及施药问题提供参考,实现温室内施药的无人化、机械化、自动化、精准化,提高温室内植保装备的机械化水平,改善劳动环境,提高劳动效率。     

基于颜色和形状特征的茶叶嫩芽识别方

与人工采摘茶叶相比,现有采茶机械虽能提高采摘速度,但采摘时老叶、嫩叶一起采,缺乏选择性,并有部分叶片遭破损,降低了原料品质.为此,需要研究具有选择性、低损伤率的自动采摘方法.本文采用基于颜色和形状特征的图像处理方法,实现茶叶嫩芽的计算机识别和检测.针对清明期陕西名茶"午子仙豪"茶叶,首先在RGB颜色空间中提取茶叶图像的G分量,并采用双阈值方法对图像进行分割;然后根据茶叶嫩芽的形状特征,检测茶叶嫩芽的边缘.实验结果表明:基于颜色和形状特征的识别方法能有效分辨出茶叶嫩芽,识别准确率为94%,为实现茶叶嫩芽的自动采摘提供了一种有效方法.     

基于Faster-RCNN深度学习的茶叶嫩芽多维度识别及其性能分析

茶叶嫩芽自动识别分类是实现采茶机器人精采名优茶的关键技术。由于茶叶嫩芽与背景中茶叶差别很小,且茶叶嫩芽形状多样,有一芽一叶和一芽二叶等多种形式,给自动识别带来很大难度。基于Faster-RCNN深度学习神经网络模型多维度进行茶叶嫩芽识别。首先对网络性能进行分析,选取较优的网络模型;在此基础上,研究一幅图像中包含嫩芽的不同数量、形态、拍摄角度、光照条件多维度对识别性能的影响。结果发现,光照条件和拍摄角度对嫩芽识别影响较大。所采用的Faster-RCNN深度学习模型对45°角度拍摄、晴天环境下单株集中一芽两叶的茶叶嫩芽识别效果最佳,同时阴天和90°拍摄时识别效果较差。研究为后续实现机器人现代化智能化的名优茶精采提供了技术支持。     

基于卷积神经网络的白背飞虱识别方法

为了实现白背飞虱虫情信息的自动收集和监测,提出一种基于卷积神经网络的白背飞虱识别方法并进行应用研究。首先,用改进的野外环境昆虫图像自动采集装置,采集田间自然状态下的白背飞虱图像,对所获取的图像进行归一化处理。然后,随机选取1/2图像样本作为训练集、1/4作为测试集。利用5×5卷积核对训练样本进行卷积操作,将所获取的特征图以2×2邻域进行池化操作。再次经过卷积操作和3×3邻域池化操作后,通过自动学习获取网络模型参数和确定网络模型参数,得到白背飞虱的最佳网络识别模型。试验结果显示,利用训练后的网络识别模型,对训练集白背飞虱的识别正确率可达96.17%,对测试集白背飞虱的识别正确率为94.14%。     

基于图像处理多算法融合的杂草检测方法及试验

自动化除草是现代精确农业科学领域的研究热点。已有的自动化除草解决方案中普遍存在鲁棒性不强、过度依赖大量样本等问题，针对上述问题，本研究提出了基于图像处理多算法融合的田间杂草检测方法，设计了一套田间杂草自动识别算法。首先通过设置颜色空间的阈值从图像中分割土壤背景。然后采用面积阈值、模板匹配和饱和度阈值三种方法对作物和杂草进行分类。最后基于投票的方式，综合权衡上述三种方法，实现对作物和杂草的精准识别与定位。以大豆田间除草为对象进行了试验研究，结果表明，使用融合多图像处理算法的投票方法进行作物和杂草识别定位，杂草识别平均错误率为1.79%，识别精度达到98.21%。相较单一的面积阈值、模板匹配和饱和度阈值方法，基于投票权重识别杂草的精度平均提升5.71%。同时，针对复杂多变的农业场景，进行了存在雨滴和阴影干扰的鲁棒性测试，实现了90%以上的作物识别结果，表明本研究方法具有较好的适应性和鲁棒性。本研究算法可为智能移动机器人除草作业等智慧农业领域应用提供技术支持。     

丘陵山区果园植保机械研究现状及发展趋势

丘陵山区是我国水果生产的主要地区,病虫害防治是果品生产中重要的管理作业之一,我国丘陵山区果园植保机械化率较低,已严重制约我国果品产业进一步发展。本文对国内外丘陵山区果园新型植保机械与装备进行了综述,介绍了国外"智能喷洒、精确喷洒、选择喷洒"等先进喷雾技术和植保无人机的发展及应用,对国内丘陵山区果园植保机械的研究与发展现状进行了论述,分析了国内植保机械与国外相比存在的主要差距,并提出了未来我国丘陵山区果园植保机械发展的几点建议:研发小型轻便的、适用于丘陵山地果园的智能化植保机械;无人机的推广与使用正能有效地解决我国丘陵山区果园施药的各方面问题;学习国外先进植保技术,将精准对靶技术、机电一体化技术、变量施药技术等先进的科学技术应用于植保机械的生产及使用过程中等。     

卷积神经网络在黄瓜病害识别中的应用

针对传统的图像处理方法对于黄瓜病害的识别存在依赖人工提取特征以及识别精度较低等问题。本研究将卷积神经网络(convolution neural network,CNN)应用于黄瓜叶部病害识别,利用卷积层对原始病害图像进行特征提取,使用池化层对卷积层输出特征图进行压缩,从而减少模型训练时间,SoftMax分类器对识别结果进行分类。利用本研究方法在黄瓜病害叶片数据集上进行识别验证,结果表明该方法具有较高的识别率,能够满足黄瓜病害程度自动识别系统的需求。     

基于图像消冗与CenterNet的稻飞虱识别分类方法

为了实现对不同稻飞虱的快速准确识别,同时防止同一姿态下的同一只昆虫被重复计数,提出一种将图像消冗与CenterNet网络相结合的识别分类方法。首先利用自主设计的田间昆虫采集装置,自动获取昆虫图像并制作数据集。其次,将CenterNet算法与图像消冗算法相结合,选用深层特征融合网络(Deep layer aggregation, DLA)作为主干网络来提取昆虫的特征,并进行识别分类。将本文方法与经典机器学习和深度学习模型进行对比,实验结果表明,对于田间昆虫采集装置获取到的相似度较高的活体图像,本文方法不仅能够快速处理昆虫图像,而且能够成功解决昆虫重复检测的问题,平均精度均值为88.1%,检测速率为42.9f/s,无论是精度还是处理速度本文方法都具有较明显优势。该研究有效地完成了对3种主要稻飞虱的识别分类,对不同时间段采集到的昆虫表现出良好的泛化能力,可用于后期水稻害虫暴发的智能预警和测报。     

田间农作物机械化研究进展

通过分析国内外田间农作物机械研究现状,总结了目前田间机械的现状和遇到的问题,并提出了发展方向。田间农作物机械是现代农业的基础装备,对提高农业劳动生产率、实现资源有效利用、增加农产品供给、保证农业稳步发展起到了至关重要的作用。国内外研究学者在农业种植机械化、植保机械化、收获机械化、包装机械化等方面做出了很多的研究。基于此,论述了国内外田间农作物机械化的现状、取得的成就和存在的不足,介绍了我国田间农作物机械化在农业的种植、植保、收获、包装方面的研发与应用现状,阐述了田间农作物机械化的自动化及智能化水平,分析了田间机械化发展的策略、当前推广田间机械自动化过程中存在的关键性问题,探讨了我国田间机械研发思路和今后中国现代农业装备的发展趋势,并对推广田间农作物机械化提出了建议,以期为我国田间农作物机械行业的发展提供一定的参考。     

苹果生产智能底盘与除草及收获装备技术研究进展

苹果产业作为苹果主产区经济发展的支柱产业，为当地果农增收、农业增效做出了重要贡献。随着产业的转型升级，苹果生产机械化和智能化的发展程度将影响其经济效益。为推进苹果生产智能化技术研究与智能装备研发，本文概述了苹果生产各个环节机械化水平，阐述了动力底盘、除草装备、收获装备等苹果生产装备主要技术特点，归纳了自动调平与控制、自主导航、自动避障、杂草识别、杂草去除、苹果识别、苹果定位、苹果分离等技术分别在智能化动力底盘、智能除草装备、苹果采收机器人上的研究与应用进展，并阐明了上述3种智能装备关键技术的基本原理和特点。在此基础上，指出了目前苹果生产智能装备技术面临的挑战，并提出了发展建议。     

玉米智能收获机器人的路径识别方法

为了实现玉米智能收获机器人路径的识别,采用图像处理技术对玉米智能收获机器人行走垄行图像进行采集,并对其进行8邻域均值滤波器去噪和Prewitte算子边缘检测等技术处理,获得玉米收获机器人的行走路径,从而为实现机器人在玉米田间的自动行走和作业奠定技术基础。实验结果表明,该方法快速、准确,能实时检测出玉米智能收获机器人的行走路径。     

茶树植保机械及减量施药技术研究进展

农药防治是茶树病虫害综合防治的重要组成部分,其在病虫害突发或爆发时具有快速高效的防治优势。茶树叶片表面具有亲水性,常量施药会造成茶叶农残超标、生态环境破坏等问题,实现茶树减量施药是减少茶叶农残的有效手段。系统综述了茶树生物特性、茶树病虫害预测诊断及防治方法、茶树植保机械及施药技术,强调提高茶树低容量喷雾的农药有效利用率是实现茶树减量施药的关键。针对目前茶园地面工况复杂及农药利用率低的问题,本文从低容量仿形喷雾机、茶树病虫害喷雾决策及智能终端等六个方面提出茶树病虫害施药技术及装备的研究建议,指出低量化、精准化及智能化是未来茶树植保喷雾机械及施药技术的发展方向。