基于视触觉与深度学习的猕猴桃无损硬度检测方法

硬度是确定猕猴桃成熟度的重要指标之一,对其贮藏周期与销售节点均具有重要指导意义。针对现阶段缺乏使用简易、成本低且精度高的猕猴桃无损硬度检测方法的问题,提出了一种基于视触觉与深度学习的猕猴桃硬度检测方法,通过分析柔性触觉传感层与猕猴桃接触时的形变,获取猕猴桃的动态触觉信息,并据此推断其硬度。以树莓派开发板为机电控制平台,制作了猕猴桃视触觉序列图像采集装置,并对装置按压猕猴桃间隔3h后接触面果肉与非接触面果肉的CIELAB颜色分量平均数进行差异显著性检验,随后采集了猕猴桃视触觉序列图像数据集600组,分别搭建了CNN网络、CNN-LSTM迁移学习网络、CNN-LSTM联合学习网络对视触觉序列图像进行分析及硬度预测。研究结果表明,接触面果肉与非接触面果肉颜色L*、a*、b*三通道分量下平均值无显著差异;深度学习模型LSTM引入长时和短时信息可以动态关联CNN提取的单帧图像特征,从而有效推断猕猴桃硬度,其中CNN-LSTM联合学习模型预测效果最优,其均方根误差(RMSE)、平均绝对误差(MAE)、决定系数R2分别为 1.611N、1.360N、0.856,优于现阶段光谱技术检测猕猴桃硬度的结果,随后将模型嵌入树莓派中制作了猕猴桃硬度自动检测装置,可实现短时间内猕猴桃硬度的较为准确检测。因此,结合视触觉传感方法与联合学习模型可以实现对单个猕猴桃硬度的准确无损测量。     

基于EfficientDet-D1的草莓快速检测及分类

为了快速识别自然环境下的成熟草莓与未成熟草莓,本研究提出了基于EfficientDet-D1的草莓快速检测及分类方法。该方法具有EfficientNet 网络中快速归一化特征加权融合特点,应用该方法与YOLOv3、YOLOv4、Faster-RCNN以及EfficientDet-D0模型进行对比试验,结果显示,YOLOv3、YOLOv4、Faster-RCNN、EfficientDet-D0和EfficientDet-D1等5种算法的平均精度均值（P_mA）分别为 89.51%、69.02%、96.54%、96.71%、97.50%。试验结果表明,EfficientDet-D1在成熟草莓与未成熟草莓的检测性能均优于其他4种目标检测算法,有较好的泛化性和鲁棒性,且使用模型参数量较小的EfficientNet网络,更适合作用于移动端识别,可实现草莓快速识别中的速度与精度要求。     

机械零件课程设计软件研究-轴类零件参数化设计

采用基于特征的参数化图素拼装技术实现轴类零件结构参数化,开发出轴结构设计分析CAD系统, 实现了轴类零件的计算机辅助设计。     

基于改进MobileNetV2的柑橘害虫分类识别方法

为提高柑橘害虫识别精准度和防治效果,本研究构建包含10类对柑橘危害程度较重的害虫图像数据集,基于神经网络MobileNetV2与注意力机制ECA开发轻量化且高识别精度的ECA＿MobileNetV2模型,并基于该模型开发一款边缘计算App。将ECA注意力机制嵌入MobileNetV2网络的反残差结构尾部,以增强原网络的跨通道信息交互能力,提升原网络的特征提取能力。测试结果显示,ECA＿MobileNetV2模型对柑橘害虫的分类准确率达到93.63%,相比于MobileNetV2、GoogLeNet和ResNet18模型分别提高了1.68、1.44和2.40个百分点,而模型参数量、浮点运算数和模型大小分别为3.50×10⁶、328.06×10⁶和8.72 MB,复杂度仅略高于MobileNetV2,可以在手机上以边缘计算的形式运行。研究结果表明,本研究开发的智能识别工具能够对不同种类的柑橘害虫进行快速、有效的分类识别。     

单轨道山地果园运输机齿条齿形优选

为减小单轨道山地果园运输机能耗及提高运输效率,该文基于动力学理论建立了运输机驱动轮与轨道齿条啮合的动力学模型,并设计、加工制造了链轮齿形齿条、销轮齿形齿条、摆线齿形齿条。以运输机驱动轮旋转角速度、轨道坡度、齿条齿形为考察因素,以驱动轮与不同齿形齿条啮合时所需提供的驱动扭矩为评价指标,探究齿条齿形对单轨道山地果园运输机力学性能的影响,得到在相同条件下驱动轮与链轮齿形齿条啮合时的驱动扭矩最小,且波动幅度最小。在驱动轮转速为+88.08 rad/s、轨道坡度分别为+0?、+6?、+12?时,驱动轮与链轮齿形齿条啮合时的驱动扭矩均值较驱动轮与圆弧齿形齿条啮合时的驱动扭矩均值分别减小33.82%,33.45%,21.59%;在驱动轮转速为-88.08 rad/s、轨道坡度分别为-0?、-6?、-12?时,驱动轮与链轮齿形齿条啮合时的驱动扭矩均值较驱动轮与圆弧齿形齿条啮合时的驱动扭矩均值分别减小35.55%,27.24%,30.43%。试验结果表明,链轮齿形齿条综合性能最优,较圆弧齿形齿条更适宜用于单轨道山地果园运输机的轨道运输中。该研究为单轨道山地果园运输机轨道的结构优化设计提供了参考。     

山地果园开沟机倾斜螺旋式开沟部件设计与优化

为缓解中国山地果园开沟施肥作业中,可用开沟机型短缺、已有开沟机型普遍存在开沟功耗高、开沟稳定性差的问题,该文设计并优化了山地果园开沟机倾斜螺旋式开沟部件,进行了直刃刀、曲刃刀与齿形刀对比试验和齿形刀开沟刀片结构参数优化仿真试验。为验证优化效果及分析作业参数对开沟功耗的影响,进行了开沟作业参数对开沟功耗影响试验。试验结果表明:开沟功耗方面曲刃刀与齿形刀较优且差异不大,直刃刀较差;开沟沟深稳定性方面3者比较接近。利用响应面分析方法和EDEM软件建立了齿形刀结构参数优化仿真模型,仿真结果表明:对开沟功耗影响显著顺序为折弯角刃角安装角齿形。优化后结构参数为安装角4.5?,折弯角49?,刃角21?,原齿倍数1.25,对应开沟功耗为9.73kW。对开沟功耗影响显著顺序为沟深前进速度开沟转速;转速为566r/min时,开沟功耗较低。优化后开沟功耗降低12.80%,沟深稳定性系数提高1.18%。对比现有开沟机,开沟功耗降低22.22%,沟深稳定性系数提高7.2%～8.5%。研究结果可为山地果园开沟机开沟部件结构设计和开沟刀片结构参数优化提供参考。     

斜窝眼偏心轮式排种器主要部件的设计

斜窝眼偏心轮式排种器通过整体结构设计,依靠种子重力、相互挤压力和斜窝眼实现自动充种,依靠种子自身重力和内置偏心轮实现排种和自动清种。窝眼的上半部分设计成倾斜状,下半部分设计成垂直状。根据农艺要求,选定排种轮的直径为100mm,得出排种轮角速度为4rad/s,排种轮转速为0.64rad/s,播种的籽粒数为35个/m,排种轮上窝眼数目为24个,且为两排交错排列,相邻窝眼间的夹角为30°。为确保准确清种,推种轮上的推种齿每排的齿数设计为8个,共两排,两排之间的距离为5mm。经反向验证得出排种的粒距为35mm,符合双低油菜播种间距30～50mm范围的标准。     

油菜播种机斜窝眼偏心轮式排种器结构设计

针对传统机械式排种器伤种率较高、排种均匀性较差和窝眼堵塞较严重等问题,设计了一种适用于油菜等小粒种子的斜窝眼偏心轮式排种器.通过整体结构设计依靠种子重力、相互挤压力和斜窝眼实现自动充种,依靠种子自身重力实现排种,同时将斜窝眼设计成为通孔,并加装一个内置偏心轮,从而实现自动清种.     

农业机械化领域农业推广硕士培养质量保障调查研究

以农业机械化领域农业推广硕士为研究对象,采取纸质问卷调查、网络调查、座谈会和个别访谈等相结合的方法对其培养质量保障问题进行了实证研究。从人才培养单位、人才使用单位、人事部门和学员自身4个方面分析了影响推广硕士培养质量的因素,从而得到推广硕士培养质量保障问题的一些结论,以期促进推广硕士培养质量的提高。     

基于视频跟踪算法的果园猕猴桃产量实时预估

对猕猴桃产量的准确预估有利于合理安排后续采摘与运输工序,因此开发智能化的产量实时预估工具非常重要。针对大棚培育的猕猴桃矮化密植、分布范围广等特点,本研究利用果园履带小车采集视频,结合人工标注,建立猕猴桃检测和跟踪的数据集。考虑到自制数据集中猕猴桃占比小及密集分布的特点,本文提出使用YOLO v7模型加上Soft-NMS来检测每一帧图像内的猕猴桃。在卡尔曼滤波器预测的结果上,引入VGG16网络对猕猴桃进行特征提取,并结合匈牙利算法完成帧间目标的匹配。最后采用基于YOLO v7+DeepSort跟踪算法的ID计数方法对猕猴桃进行产量估计。实验结果表明,改进的YOLO v7模型在猕猴桃检测数据集上表现良好,检测的F1值为90.09%。猕猴桃跟踪数据集中使用的跟踪算法平均准确率为89.87%,每个目标正确匹配的精确率为82.34%,大型视频跟踪速度为20.19 f/s。在环境影响较小的条件下,ID计数准确率为97.49%。该方法可为猕猴桃果园智能化管理中的估产、采收规划等提供技术支撑。