自锁式小群妊娠母猪智能饲喂机构设计与试验

为解决现有小群妊娠母猪饲喂系统存在猪只攀爬等导致采食通道门异常关闭从而使母猪不能采食的问题,该研究设计了一种自锁式小群妊娠母猪智能饲喂系统。系统由自锁式全机械结构的采食通道与精准下料装置组成。采食通道前门、后门、前门连接件、中间连杆与框架共同构成空间RRRSR（R为转动副,S为球面副）五杆单闭链机构,利用空间连杆机构自锁特性与定轴转动实现采食通道前后门的自锁与互锁。运动学仿真结果表明,前门最大开合角度为92°,后门最大开合角度为63.32°,前、后门完全开启时,母猪可在采食通道内通行。精准下料装置的控制基于FreeRTOS实现,将饲喂过程分为下料、下水、身份识别、数据显示与存储等。样机试验结果表明,系统的采食通道能够稳定自锁,可防止猪只攀爬导致采食通道门异常关闭;精准下料装置可精确识别母猪并精准下料,距离射频识别模块识别板20 cm左右即可识别到耳标,耳标识别后在1 s内开始自动下料下水,单圈下料最大误差不超过2.02%,单次下水最大误差不超过1.80%,研究结果可为研制具有自锁功能的小群妊娠母猪精准饲喂系统提供技术参考。     

I-bus智能安装系统设计应用实例

以黑龙江省老干部活动中心工程为研究对象,介绍I—bus智能安装系统各方面特点及其设计方法。     

Intelligent diagnosis of northern corn leaf blight with deep learning model

Maize (Zea mays L.), also known as corn, is the third most cultivated crop in the world. Northern corn leaf blight (NCLB) is a globally devastating maize foliar disease caused by Setosphaeria turcica (Luttrell) Leonard and Suggs. Early intelligent diagnosis and warning is an effective and economical strategy to control this disease. Today, deep learning is beginning to play an essential role in agriculture. Notably, deep convolutional neural networks (DCNN) are amongst the most successful machine learning techniques in plant disease detection and diagnosis. Our study aims to identify NCLB in the maize-producing area in Jilin Province based on several DCNN models. We established a database of 985 leaf images of healthy and infected maize and applied data augmentation techniques including image segmentation, image resizing, image cropping, and image transformation, to expand to 30 655 images. Several proven convolutional neural networks, such as AlexNet, GoogleNet, VGG16, and VGG19, were then used to identify diseases. Based on the best performance of the DCNN pre-trained model GoogleNet, some of the recent loss functions developed for deep facial recognition tasks such as ArcFace, CosFace, and A-Softmax were applied to detect NCLB. We found that a pre-trained GoogleNet architecture with the Softmax loss function can achieve an excellent accuracy of 99.94% on NCLB diagnosis. The analysis was implemented in Python with two deep learning frameworks, Pytorch and Keras. The techniques, training, validation, and test results are presented in this paper. Overall, our study explores intelligent identification technology for NCLB and effectively diagnoses NCLB from images of maize.     

基于ATmega8515的轮式智能小车控制系统的设计

为了研究各种智能控制算法,设计一种基于ATmega8515单片机的能在特定跑道上循迹行驶的轮式智能小车控制系统。该控制系统主要包括传感器数据采集模块、直流电机PWM驱动模块、单片机控制模块及相应软件。试验表明,以ATmega8515为核心的控制系统具有控制精度高、起停快、同步性好等特点。     

基于STM32的水肥一体机智能控制系统优化研究

以水肥一体机智能控制系统为研究对象,对作物生长过程中所需的水分及肥料进行分析,利用工控机作为上位机、STM 32控制板作为下位机,搭建水肥一体机智能控制系统.系统可根据作物生长状态、灌溉面积及环境参数,结合作物生长需求进行灌溉量和肥量的分析计算,并根据肥料溶解特性进行灌溉施肥时间的分配转换,在STM 32控制板的输出指...     

中国精准农业联合收割机研究现状与前景展望

该文概述了精准农业联合收割机国内外研究现状,并着重介绍了与智能测产相关的信息技术,从而进行了收割机生产效率和作业质量有关测控方面的探讨,展望了中国精准农业联合收割机研究与发展的趋势,要重视智能测产和作业质量控制。     

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。     

果园机械化生产技术研究进展

近年来,随着果园种植规模的不断扩大,传统果园生产技术普遍存在水果栽培方式与机械化作业不配套,农艺与农机结合不完善,呈现各自发展态势上升,标准化技术短缺、人工成本增高、劳动力不足等突出问题,严重制约我国水果产业的经济效益。目前,我国果园大部分环节仍采用人工作业的方式,制造技术落后、机械化程度较低已成为制约我国果园现代化发展的主要因素,传统的人工作业已无法满足现代果园的发展需求,果园机械化问题亟待解决,而生产作业机械化已发展成为支撑现代水果产业提质增效的重要保障,更是推动产业科技进步的重要根源。对国内外水果生产管理及各个作业环节的机械化现状进行分析总结,重点围绕果园土壤与植被管理、病虫害防治、冠层花果管理、水果采收及智能信息管控等技术进行综述,展望了水果生产机械化技术的研究方向,提出未来果园机械化生产技术将逐渐向智能化、标准化、精准化方向发展,为全面提高我国果园机械化生产水平提出发展思路和对策。     

通讯作者：窦玉青(1972—),Tel：18153216521,Email：douyuqing@caas.cn

针对手工施肥中存在施肥量不准确、工作效率低、劳动强度大等问题,本文研制了一种智能化定量颗粒施肥器,该施肥器通过单片机控制集成盒和电动球阀将肥料箱内的颗粒化肥进行定量分配,于不同作物的不同生长时期,通过设置单片机的脉冲数值调整施肥量,实现对每株作物的定量精准施肥,可降低人力劳动强度,提高施肥效率与精准度。     

物联网技术在农业中的应用

当前信息技术飞速发展,互联网技术应用已经迅速普及千家万户。各行各业也逐渐凸显出对网络技术应用需求的倍增,在这种需求下物联网技术应运而生。在国家大力实施乡村振兴战略背景下,现代农业高产高效的管理模式呼之欲出,这就产生了智慧农业的管理模式。智慧农业的管理模式在大大提高了农业的产值的同时又有效的节省了人力、物力,这种管理模式的技术支撑就是物联网技术。物联网技术在智慧农业中的应用为农业现代化发展提供了技术支撑,涵盖了人与物、物与物、人与人之间的各种关系,快速的实现各种信息交流反馈,大大提高了农业的产量产值,提高经济收入。