农业装备智能控制技术研究现状与发展趋势分析

智能控制是农业装备实现智能化的关键核心技术。从农业装备智能感知、智能控制、智能决策、自主作业、智能管控五方面阐述分析了国内外智能农机的发展现状,着重阐述了约翰迪尔、凯斯、科乐收、爱科等国际农机企业在农机智能控制方面的最新技术进展,分析了我国智能农机与国外的差距,指出了制约我国农机智能控制发展的关键问题。为实现我国从农机制造大国向农机制造强国的转变,融合大数据、云计算、物联网、人工智能等信息领域的前沿技术,提出了"智能在端、智慧在云、管控在屏"的智能农机系统发展新思路,指明现场控制智能化、云端决策智慧化、监控调度移动终端化是未来智能农机的发展方向。     

智能农机控制系统结构组成与应用

智能农机控制系统作为智能化农业的重要组成部分，对于提高农机作业效率和农作物生产质量具有重要意义。该文系统论述了智能农机控制系统的结构组成与应用现状，主要包括机器视觉、传感器、数据采集与处理、控制算法等，能够实现对农机的智能化控制和优化，可以对农机的运动、作业、灌溉和施肥等过程进行实时监控和调节，从而提高农机作业效率和农作物生产质量，促进农业现代化进程。未来智能农机控制系统应逐步实现多机协同，并将智能农机控制系统的数据与地理信息系统进行融合，以实现更全面、准确的农田管理和决策支持。     

基于WDNN的温室多特征数据融合方法研究

目前物联网监测产品在温室生产中大量应用产生海量数据,但现有用于温室数据融合算法对高维特征及混合特征(数据同时包含稀疏特征和连续特征)处理精度较低且泛化能力较弱,鲜有利用深度学习模型对温室数据进行顶层融合并提供准确的决策信息。本文提出了一种基于宽-深神经网络(Wide-deep neural network,WDNN)的两级温室环境数据融合算法。首先利用温室内多点多特征数据训练WDNN深度学习模型,输出形式为多点单特征,再将该输出数据按照少数服从多数原则进行融合,得到温室环境状态的整体评估结果。试验结果表明,该融合方法对预测集中混合特征的决策准确率达到98. 90%,融合特征类型的增加,可用于监测参数更多、环境更复杂的温室,将WDNN模型用于温室混合数据融合是可行有效的,在保证决策精度的同时丰富了可融合特征类别,进一步提升温室融合系统的智能化程度,对温室智能调控提供有效技术支撑。     

农机装备智能测控技术研究现状与展望

农机装备正朝着智能化方向发展,智能测控是实现智能农机的核心技术。农机装备智能测控技术以农机装备为载体,包括农机作业相关信息智能感知、精准监控和作业决策与管理等技术。目前,我国农机装备智能测控存在高端装备、核心技术国产化程度低的问题。本文从农机作业智能感知技术、农机装备精准监控技术和农机作业智能决策与管理技术等方面对国内外研究现状进行综述。阐述了作物生长信息、土壤信息和农机作业状态信息等智能感知技术的大量成果;阐述了耕深、平整地、土壤消毒、播种、植保和收获领域的农机装备精准监控技术的研究进展;阐述了农机作业智能决策与管理技术在农机作业质量监管、农机调度方面的技术突破;重点阐述了农机装备智能测控技术在土地耕整机、土壤消毒机、播种机、施肥机、植保机、收获机及农机作业管理平台的应用现状,分析了各环节待解决的问题。最后,提出了农机装备智能测控技术未来发展方向：农机装备智能测控系统化技术研究;无人农场农机自主作业关键测控技术研究;田间复杂环境农机核心部件及传感器研发;农机大数据支撑的作业决策模型研究。     

科技部发布国家“十二五”科技发展规划中农业装备创新重点

近日,科技部正式发布实施《国家"十二五"科学和技术发展规划》。其中,多功能农业装备创新重点是:瞄准培育低耗低排智能农机装备产业,开展现代农机装备制造、农机智能装备、     

基于多特征降维的植物叶片识别方法

植物种类识别方法主要是根据叶片低维特征进行自动化鉴定。针对低维特征不能全面描述叶片信息,识别准确率低的问题,提出一种基于多特征降维的植物叶片识别方法。首先通过数字图像处理技术对植物叶片彩色样本图像进行预处理,获得去除颜色、虫洞、叶柄和背景的叶片二值图像、灰度图像和纹理图像。然后对二值图像提取几何特征和结构特征,对灰度图像提取Hu不变矩特征、灰度共生矩阵特征、局部二值模式特征和Gabor特征,对纹理图像提取分形维数,共得到2 183维特征参数。再采用主成分分析与线性评判分析相结合的方法对叶片多特征进行特征降维,将叶片高维特征数据降到低维空间。降维后的训练样本特征数据使用支持向量机分类器进行训练。试验结果表明:使用训练后的支持向量机分类器对Flavia数据库和ICL数据库的测试叶片样本进行分类识别,平均正确识别率分别为92.52%、89.97%,有效提高了植物叶片识别的正确率。     

面向智能制造的智慧农业装备信息化系统

随着工业信息化的推进,农业装备制造型企业已经意识到信息化对于智慧农业发展的重要意义。在信息化建设过程中,由于农业装备制造型企业经营方向各异,业务模式各不相同,引入信息化系统时针对性不强,使得业务模式与实际产生了一定偏差,不得不在使用中多次改进,使得信息化建设出现阻力。本文以某智慧农业装备制造企业为研究对象,以实现智能制造为基本目标,针对企业图文档管理、源头物料数据设计、BOM出错率、项目开发效率、生产工程变更流程存在的相应问题运用PLM系统进行研发管理,同时使用ERP通过对销售管理、采购管理、库存管理、生产管理的相关改进与优化使得系统能在排产方面提供有效的方案,结合管理层的人工调配,使排产方案更加合理高效。旨在通过对PLM、ERP业务流程的优化为企业打造基于精益生产的智能工厂提供一定参考,提高农业装备制造效率,增加企业智慧农业竞争力。     

基于局部保留降维卷积神经网络的高光谱图像分类算法

为提高高光谱遥感图像的分类精度,通过局部保留判别式分析与深度卷积神经网络(DCNN)算法,提出了基于局部保留降维卷积神经网络的高光谱图像分类算法。首先,用局部保留判别式分析对高光谱数据降维,再用二维Gabor滤波器对降维后的高光谱数据进行滤波,生成空间隧道信息;其次,用卷积神经网络对原始高光谱数据进行特征提取,生成光谱隧道信息;再次,融合空间隧道信息与光谱隧道信息,形成空间-光谱特征信息,并将其输入到深度卷积神经网络,提取更加有效的特征;最后,采用双重优选分类器对最终提取的特征进行分类。将本文方法与CNN、PCA-SVM、CD-CNN和CNN-PPF等算法在Indian Pines、University of Pavia高光谱遥感数据库上进行性能比较。在Indian Pines、University of Pavia数据库上,本文算法识别的整体精度比传统CNN方法的整体精度分别高3. 81个百分点与6. 62个百分点。实验结果表明,本文算法无论在分类精度还是Kappa系数都优于另外4种算法。     

基于EKF的农机智能体自主导航算法研究

为获得更加准确、全面、实时的农田障碍物信息,提高农业机械智能体自主导航定位的精度,提出一种基于北斗系统和视觉导航的组合定位方法。针对农田环境,选择BDS、视觉CCD为外部传感器,设计一种基于扩展卡尔曼滤波器(EKF)的数据融合算法,该算法融合了BDS和视觉传感器数据,实时定位农机智能体的位置。系统通过对导航角度和行驶进度进行跟踪,完成绝对定位。通过机器视觉图像处理,获取导航基准和作业目标信息,完成相对定位。通过试验验证该算法的有效性,并通过卡尔曼滤波算法(KF)的成果进行对比分析。结果表明：滤波后的路径更平滑,抖动偏差减小,坐标数据比KF滤波结果更稳定、更平滑。此外,距离的平均误差可以从滤波前的0.119 5 m降低到滤波后的0.07 0 m,有效地降低了过程噪声。且位置偏差在±0.1 m以内,精度较高,提升了农机智能体自主导航的定位精度。     

基于物联网技术的智能农机监测管理系统设计

随着物联网技术的快速发展和农业现代化的推进,智能农机监测管理系统成为提高农业生产效率和质量的关键。该文以智慧农机生产为研究对象,设计一种基于物联网技术的智能农机监测管理系统,利用传感器、嵌入式设备和云平台相结合的方式,实现农机工作状态、位置和运行数据的采集与传输。同时,系统还具备数据分析功能,通过对农机数据的统计和分析,为农场管理者提供决策支持和优化农机使用的建议。田间试验结果表明,该系统能够有效提高农机的利用率和作业效率,降低农机故障率,进一步推动农业现代化进程。     

浅析中国丘陵山区智慧农机制造及发展

本文从我国丘陵山区农机装备制造业的产业特点出发，总结回顾丘陵山区农机装备发展推进智能制造，目前存在的问题，提出未来结合关键工艺装备的丘陵山区智能化升级和丘陵山区农机行业的全面数字化转型，以及加速推进丘陵山区农机装备智能制造创新发展的思路，以构建符合现阶段丘陵山区农业三产融合和中国式现代化丘陵山区农业农机装备需求的农机智能制造新模式。     

基于多维特征数据库的玉米长势自动监测车辆设计

为了提高农作物长势预测的精度和实时性,提出了一种新的基于双目立体视觉的玉米长势自动化监测车辆,并将图像多维重构技术引入到了车辆的设计中,采用自主导航技术在无需人员进入农田的情况下,实现了玉米长势的智能远程监控。为了解决玉米叶面积采集特征数据的冗余导致信息处理速度不高的问题,提出了改进的LPP的降维方法,并对算法进行了验证。测试结果表明:采用LPP算法,能够完成对作物多维特征信息的优化降维,具有较高的实用性和准确性。对玉米长势自动化监测车辆的性能进行了测试,对生物量的预测结果表明:采用监测车辆生物量反演模型得到的长势预测量和实测量的误差较小,从而验证了监测车辆设计的可行性。     

基于传感器信号融合和PSO-LSSVR的刀具磨损预测研究

最小二乘支持向量回归模型能有效地构建特征与刀具实时磨损间映射关系,但受限于自身参数的复杂性,无法获得最优模型性能,同时由于单个传感器的局限性,难以全面反映刀具磨损的多维信息。为进一步提升刀具磨损预测精度,提出一种基于多传感器信号融合并利用粒子群算法优化参数的最小二乘支持向量回归模型的刀具预测方法。通过对采集的传感器信号进行小波降噪,提取可用于反映刀具磨损的多域特征,并通过核主成分分析法对多域特征进行降维融合,采用经过粒子群算法优化参数的最小二乘支持向量回归模型构建融合后特征与刀具磨损的映射关系。通过公开数据集进行的实验,表明该模型具有较高的预测精度,验证了所提出预测方法的有效性。     

基于虚拟机械制造技术的农机件智能CAPP技术研究

为了提高农机部件批量设计和生产的效率与质量,以CAPP智能系统为基础,提出了一种具有虚拟制造功能的农机件智能化CAPP系统。基于农机部件加工制造的设计需求,从整体到局部设计了CAPP系统基本框架,并采用三维建模、工序自动生成和零部件虚拟制造验证等方法进行了设计,建立了农机零部件信息系统和工艺数据库。根据累计和质量控制图与休哈特控制图,结合VB软件编程技术,对CAPP的误差检测功能进行了算法设计。最后,通过采集和输入农机零件的参数进行了工艺过程设计,并利用CAPP系统实现了工艺过程的自动化生成和实时监测系统的误差状态,完成了叶轮的虚拟加工,进而验证了农机部件设计制造智能CAPP系统的可行性。     

基于自适应深度学习的数控机床运行状态预测方法

针对机床状态动态标签及差异化分布数据下的预测适应性差与准确度低问题,结合时序特征关系和模型融合方法,建立自适应混合深度学习模型进行机床状态预测.首先,通过融合最小近邻分类器,设计一种基于权值累积的自适应更新法则,建立具有数据自适应性的状态预测模型.在此基础上,提出一种基于中心损失函数的特征距离度量优化策略,构建综合决策...     

“时风制造”在新旧动能腾换之间升级

正在碳达峰和碳中和目标下,从"十四五"到本世纪中叶,我国农机制造业节能减排降碳任务相当艰巨,绿色智能制造成为农机工业新旧动能转换的新引擎,也是地方经济可持续发展杠杆。7月16日,时风集团迎来高唐县县委书记杨新胜一行,重点调研绿色智能制造发展情况。农业装备产业园焊二车间,是时风集团打造高端智慧制造平台的典型案例。据时风集团董事长刘成强介绍,该车间主要承接转向节等关键零部件生产,     

Gabor与PCA融合算法的人脸识别技术

本课题利用了Gabor的良好鲁棒性和PCA降维方面的优势,提出了Gabor与PCA融合算法的人脸识别方法。Gabor小波变换适用于局部特征提取,该算法的鲁棒性优良,但需要多维度、多频率分解图像,增加了计算量,降低了识别率。PCA是一种降维算法,识别率高,融合Gabor与PCA算法能很好地提高人脸识别系统性能。本课题提出一种基于二者融合算法的人脸识别系统,并对该算法进行实验设计和实现。     

基于双分支卷积网络的玉米叶片叶绿素含量高光谱和多光谱协同反演

针对智慧农业中叶绿素的精准预测问题,本文提出了基于双分支网络的玉米叶片叶绿素含量高光谱与多光谱协同反演的方法。使用欠完备自编码器进行数据降维,捕捉数据中最为显著的特征,使降维后的数据可以代替原始数据进行训练,从而加快训练效率,使用双分支卷积网络将多光谱数据用于填充高光谱数据信息,充分利用高光谱数据的空间细节信息,再结合1DCNN建立玉米叶片叶绿素含量预测模型。结果表明,与传统降维算法相比较,欠完备自编码器处理后预测结果最佳,决定系数R2为0.988,均方根误差（RMSE）为0.273,表明使用欠完备自编码器进行降维可以有效提高数据反演精度;与单一的高光谱数据反演模型和多光谱数据反演模型相比,双分支卷积网络预测模型均取得较优的预测结果,R2在0.932以上,RMSE均在1.765以下,表明基于双分支卷积网络的高光谱与多光谱图像协同反演模型可以有效地利用数据的特征;对于其他数据结合本文提及的双分支卷积网络模型进行反演,其R2均在0.905以上,RMSE均在2.149以下,表明该预测模型具有一定的普适性。     

智能制造和大数据挖掘在农业机械设计中的应用

随着制造信息的爆炸性增长及处理信息工作量的猛增,要求制造系统表现出更大的智能化,除了需要专业人才和专门知识外,还需要智能制造系统具有大数据挖掘和分析处理能力,从而使系统具有感知分析、推理、决策、控制等功能。为此,在农机数字化设计平台上引入了智能制造系统,并利用大数据挖掘技术对系统进行了优化,建立了经验数据库,在加工类似零部件时可以直接生成加工指令和工艺方案。实际应用表明:智能制造系统地引入有效缩短了加工工艺的设计周期,提高了设计效率,降低了设计制造成本。     

2010年赴巴西考察报告

由中国农业机械工业协会组织的巴西农业装备考察团,在高元恩理事长的带领下,于2010年4月29日—5月10日对巴西的有关农业装备进行了考察,参观了巴西国际农机展、巴西维美德拖拉机制造公司及Urinade Pedra糖业加工工厂等。