基于网络RTK的离心式无人机变量施药可行性初探

针对植保无人机施药准确性和作业效率需求的提高,验证网络实时动态(Real-Time Kinematic,RTK)载波差分技术在无人机施药上的可行性,设计了一种基于网络RTK的离心式变量施药系统。采用STM32F103为控制核心,通过串口获取GPS定位信息,并连接DTU模块实现网络RTK技术,通过脉冲宽度调制(Pulse Width Modulation,PWM)技术调节占空比的大小,从而调节离心喷头的转速以及蠕动泵的流量。系统在工作时,通过农情信息完成处方图构建,通过高精度GPS模块获取经纬度信息,在施药过程中系统实时检索无人机所在位置,调出处方决策信息,按照处方信息调节离心喷头和蠕动泵的输出比例,从而控制无人机的施药粒径大小和施药量大小,并将作业数据上传至监控平台。通过试验表明系统能正确执行变量施药任务;在使用离心喷头进行变量施药任务时,受到系统稳定性和离心喷头特性的影响,在处方交界区域会存在一个不稳定区域;离心喷头在较高转速下进行变化时,在处方交界区域粒径大小的变化越平滑。该结果满足预期试验设计,可为植保无人机变量施药技术改良提供基础与参考。     

便携式柑橘虫害实时检测系统的研制与试验

为实现柑橘虫害的快速、准确识别,帮助果农及时掌握果园内虫害的危害程度和分布情况,该研究结合嵌入式图像处理技术设计了一套基于深度卷积神经网络的柑橘虫害实时检测系统。优选MoblieNet作为虫害图像特征提取网络,区域候选网络生成害虫的初步位置候选框,快速区域卷积神经网络(Faster Region Convolutional Neural Networks,Faster R-CNN)实现候选框的分类和定位。检测系统根据目标图像中虫害数量计算危害程度,按照正常、轻度、中度、重度4个等级判定柑橘虫害的严重程度,形成虫害识别与级别定量化测评软件。最后引入北斗模块获取采样点位置信息,进一步处理成可视化的虫害热力图。结果表明,该方法可实现对柑橘红蜘蛛和蚜虫的快速准确检测,识别准确率分别达到91.0%和89.0%,单帧图像平均处理速度低至286ms。该系统实现了柑橘虫害的精准识别与定位,可为农药喷洒作业提供精准信息服务。     

基于文献计量学的2001－2020全球农用无人机研究进展

在数字农业时代下,无人机或将成为推动农业数字化的一大关键。为了宏观掌握农用无人机的发展动态,了解农用无人机在国内外的研究前沿和应用热点,该研究基于Web of Science核心论文集、Derwent Innovations Index德温特创新索引数据库等5个数据源,采用数理统计及文献计量法对2001-2020年累计20年间农用无人机领域内发布的期刊论文及发明专利进行分析。分析结果显示,农用无人机从2014年起研究进展驶入高速,2016-2018年达到高热期,2020年农用无人机论文产出达1 232篇,专利达1 970件;中国、美国是农用无人机现阶段的主要研究国家,两者累计论文发表量超过总统计数量的45%,中国占21.43%,美国占24.60%,特别地,专利数量中国约占总数的83.41%,西班牙最早奠定了农用无人机的研究理论基础,其中,中美机构间、欧洲各国机构间研究合作联系较为密切;农用无人机论文的学科领域主要涉及遥感和环境科学,分别占论文总量的30.22%和24.79%,专利的技术领域主要涉及释放物质用飞行器、特殊用途飞行器及液体喷施设备,分别占专利总量的30.03%、23.66%和21.01%,具体研究内容分为农用无人机的平台搭建及农业应用两方面,农业应用包含农业信息采集及农业物料释放两类场景;目前的研究前沿为农业大数据挖掘及农业数字模型搭建,实际应用重心向低空遥感喷施、能源续航倾斜。综上,农用无人机仍处于活跃的发展状态,应用场景日趋丰富,纵向发展稍有阻滞,未来可能会在畜牧业和渔业上挖掘到崭新的研究应用方向。     

果园悬挂式柔性对靶喷雾装置研制与试验

为减少农药飘移损失,保护生态环境,该研究从提高喷雾有效性和降低喷雾装置对果树枝叶的机械性损伤出发,研制了一种悬挂式柔性对靶喷雾装置。该装置以东方红MS-304拖拉机为载体,采用超声波传感器探测树冠位置,利用霍尔传感器构建测速模块。对株距4.0 m、树高1.6 m、树冠直径1.4 m的橘树进行对靶喷雾试验验证悬挂式柔性对靶喷雾装置作业性能。试验结果表明：拖拉机行驶速度为0.5 m/s时,喷雾压力0.4、0.5及0.6 MPa对应的平均药液附着率分别为84.7%、91.7%、88.9%,药液附着率较高且接近,喷雾压力对药液附着率的影响不明显;拖拉机行驶速度为1.0 m/s时,喷雾压力0.4、0.5和0.6 MPa对应的平均药液附着率分别为64.2%、70.3%、75.8%,喷雾压力越大,药液附着率越高;拖拉机行驶速度为 1.5 m/s时,平均药液附着率低于50%,且喷雾飘移较为严重,不适宜进行自动对靶喷雾;拖拉机行驶速度和喷雾压力相同时,药液附着率按树冠上、中、下层顺序呈递减规律,且速度越高,递减规律越明显。研究结果对提高果园对靶喷雾的药液附着率具有较好的实用价值。     

基于稻田监测的混合天线WSN组网模型研究

针对稻田环境特点与网络可靠性需求,在理论分析和实地测试全向天线和定向天线无线信号传输距离的基础上,设计了基于混合天线WSN分簇组网模型,分析其网络运行机制。经实地测试,与全向天线组网方法相比,混合天线WSN网络中簇头节点的寿命提高近45%,从而有效地提高了整个网络的存活时间。     

基于无线传感器网络的设施农业车辆定位系统设计与试验

为解决目前设施农业机械定位系统稳定性差、定位精度低和成本高等问题,该文设计了一套基于Nano PAN5375模块的无线传感器网络(wireless sensor network,WSN)定位系统。该定位系统的3个信标节点负责和定位节点的无线测距,安装有定位节点的车辆构成的移动节点负责无线测距和定位坐标的计算。WSN节点采用的是基于Nano PAN5375的WD5032N模块。Nano PAN5375模块通过串行外设接口和微处理器进行通信,实现无线通信和无线测距的功能。设计了WD5032N模块的供电底板电路,满足其微处理器和Nano PAN5375模块的供电要求,以及通过串口和液晶显示屏模块通信实时显示定位坐标X和Y。节点软件以Keil MDK为开发环境,采用单片机C语言开发,实现节点数据采集与处理、无线传输和串口通信等功能。在定位节点上,采用基于线性调频扩频技术的对称双向双边测距算法来计算定位节点到各个信标节点之间的距离,并使用三边质心定位算法计算出未知节点的坐标位置信息,最后使用卡尔曼滤波算法对目标状态的观测值进行迭代,解决因为测量噪声对于定位精度造成的影响。在WD5032N上分别采用3DB天线和5DB天线进行室内和室外测距和定位试验,结果表明,基于Nano PAN5375的WSN定位系统稳定性好,定位精度高,在3个信标节点组成的合适的等边三角形3条边线范围内定位精度能达到1 m左右,而在接近三角形边线外侧的位置定位精度是1~2 m左右,可以满足一般设施农业车辆的定位精度要求。该文为农业机械精确定位的深入研究提供了参考。     

基于近红外光谱的家蚕种茧雌雄鉴别模型在多设备和多品种间的迁移

【目的】在家蚕种茧雌雄鉴别设备推广应用中,为了减少新品种、新设备需要重新建模的难度和时间,进行了基于近红外光谱的家蚕种茧雌雄鉴别模型在多设备和多品种间的迁移研究。【方法】首先使用2种型号光谱仪(NirQuest512光谱仪和SW2540光谱仪)采集4个品种蚕茧(9芙、7湘、7夏和932)的近红外漫透射光谱数据;然后用源域数据集训练的卷积神经网络作为源域模型,并对其中的中间层输出进行可视化分析;针对不同的种茧品种和不同的采集设备对源域模型进行微调,构建了迁移后的模型;最后将迁移后的模型预测准确率与卷积神经网络(Convolutional neural networks,CNN)、支持向量机(Support vector machine,SVM)和随机森林(Random forests,RF)算法进行对比。【结果】采用源域1 700个9芙样本(NirQuest512光谱仪)构建的CNN源域模型,具有很好的雌雄分辨能力,分辨准确率达到99%以上。以源域CNN模型中间层输出作为输入构建的SVM和RF模型,雌雄分辨准确率分别为92%和90%以上,通过可视化分析表明卷积层能很好地提取雌雄特征。对于目标域中样本数量较少的100个7湘(NirQuest512光谱仪)、77个7夏和112个932的样本(SW2540光谱仪),训练集比例为70%时,通过微调源域CNN模型后得到的目标域CNN模型的准确率分别为96.90%、99.67%、97.29%,效果最优;独立的SVM模型准确率分别为92.49%、94.25%、93.65%,效果次之;独立RF模型的准确率分别为80.93%、80.17%、81.47%,效果稍差;独立CNN模型的准确率分别只有58.87%、56.33%、72.17%,效果最差。通过多次不同训练集数量的建模比较,同样显示在数据量较少的情况下,迁移学习后CNN模型最优,传统机器学习方法次之,深度CNN模型最差。【结论】不同光谱仪或者不同品种的情况下深度迁移学习模型的可迁移性,为使用多种光谱仪和采集多种品种蚕茧时快速建立一个蚕茧雌雄分类模型提供了理论和实践的依据。     

适应遮挡条件下奶油生菜的实例分割方法研究

利用机器视觉技术测量生菜的表型参数对探索生菜的生长规律有着非常重要的意义,而构建生菜个体的识别及轮廓分割算法是实现表型参数精准测量的重要前提;但是,在生菜培育至采收期,俯视图下生菜个体间叶片相互重叠遮挡,对个体识别和轮廓分割造成很大的阻碍。为此,改进了Mask R-CNN神经网络模型,掩膜分支采用class-agnostic模式,以ResNeXt50联合FPN替换原有的卷积主干,实现了遮挡条件下奶油生菜的个体识别和轮廓分割。为了对改进模型的分割精度进行验证分析,采用平均精度AP75和平均检测耗时作为评价指标,与原始Mask R-CNN、DeepMask、MNC分割模型在不同程度遮挡测试集上设置对比试验。结果表明：改进模型的平均精度达到98.7%,相比原模型提高了约4%,且在重度遮挡测试集上依然能够保持良好的分割精度。研究结果可为遮挡条件下植物叶片的识别和分割提供算法参考,也可为奶油生菜的表型参数提取提供技术支持。     

山地管道恒压喷雾中喷雾压力和孔径对雾滴粒径的影响

为提高农药利用率,研究山地果园管道恒压喷雾系统中喷雾压力和孔径对雾滴粒径参数的影响,利用激光粒度仪,测量3种孔径空心圆锥雾喷头在8种压力下的6种雾滴粒径参数数据,分析各粒径级雾滴的分布情况,给出雾滴粒径大小及其随压力和孔径的变化趋势,进行了雾滴参数的多元线性回归,建立基于压力的雾滴参数模型。结果表明:粒径大于100μm的雾滴(小于0.3%)和粒径为0~20μm的雾滴(小于0.5%)可忽略不计,雾滴粒径主要分布于20~40μm(79.5%~92.8%);雾滴均较细小,全部为气溶胶;孔径越小,压力越大,雾滴越细小;6种雾滴粒径参数与孔径和压力均有良好的二元线性关系(R2分别为0.928、0.956、0.949、0.949、0.889和0.815);6种雾滴粒径参数均随压力呈二次多项式变化规律,决定系数R2均达到了0.894以上。研究结果对山地果园管道恒压喷雾中喷头的选型、喷雾压力的调整及喷雾效果的优化有重要参考意义。     

未成熟芒果的改进YOLOv2识别方法

在果园场景下,由于光照的多样性、背景的复杂性及芒果与树叶颜色的高度相似性,特别是树叶和枝干对果实遮挡及果实重叠,给未成熟芒果检测带来极大的挑战。本文提出果园场景下未成熟芒果的改进YOLOv2检测方法。设计新的带密集连接的Tiny-yolo网络结构,实现网络多层特征的复用和融合,提高检测精度。为克服遮挡重叠果实检测困难,手工标注遮挡或重叠芒果的前景区域,然后用样本的前景区域训练YOLOv2网络,减小边界框内非前景区域特征的干扰,增强对目标前景区域卷积特征的学习。并以扩增的数据集,采用增大输入尺度和多尺度策略训练网络。最后,对本文方法进行性能评价与对比试验。试验结果表明,该方法在测试集上,芒果目标检测速度达83帧/s,准确率达97.02%,召回率达95.1%。对比Faster RCNN,该方法在杂物遮挡和果实重叠等复杂场景下,检测性能显著提升。