融合Focal Loss与典型卷积神经网络结构的水稻病害图像分类

快速高效地识别水稻病害的种类并及时采取有效的防治措施对避免水稻减产具有重要意义，为解决人工识别水稻病害效率低、识别精度不高、深度学习样本不平衡导致识别准确率不高等问题，融合Focal Loss与4种典型卷积神经网络结构对7种水稻病害进行分类识别。利用TensorFlow的Keras深度学习框架搭建卷积神经网络的图像识别分类系统，使用Focal Loss损失函数解决数据集不平衡导致识别准确率低的问题，采用ResNet50、ResNet101、MobileNetV2、VGG16作为特征提取骨干，对7种水稻病害进行识别。通过imgaug库增强数据，将13 543张水稻病害图像按照9∶1的比例划分为训练集和验证集并参与训练模型，将1 404张水稻病害图像作为测试集来验证模型的准确性。结果表明，所搭建的数据集中ResNet50、ResNet101、MobileNetV2、VGG16的识别准确率分别为98.06%、94.26%、92.47%、97.83%。可见，在融合Focal Loss损失函数的情况下，ResNet50作为特征提取骨干训练出的模型在水稻病害图像分类中拥有最高的准确率，该成果可在实...     

多旋翼无人机旋翼下方风场对航空喷施雾滴沉积的影响

风场是影响航空喷施雾滴沉积分布特性的重要因素之一。为了揭示多旋翼无人机旋翼下方风场对雾滴沉积分布的影响机理,通过无人机旋翼风场测量系统测量多旋翼电动无人机旋翼下方的风场分布,同时结合航空喷施雾滴在水稻冠层的沉积情况,分析旋翼下方X、Y、Z 3个方向的风场对雾滴沉积分布的影响,并对试验结果进行了方差分析和回归分析。结果表明:在无人机旋翼下方3向风场中,X和Y向风速对有效喷幅区内雾滴沉积量的影响不显著,Z向风速的影响极显著;X向风速对有效喷幅区内雾滴沉积穿透性的影响不显著,Y和Z向风速的影响分别为显著和极显著;X和Y向风速对雾滴沉积飘移的影响均不显著,Z向风场的影响显著;且当水平方向上X、Y向风速峰值越小、垂直方向上Z向风速峰值越大时,雾滴沉积均匀性越好,最佳值达到36.44%。另外,有效喷幅区内雾滴沉积量与因素Z向风速之间的回归模型及有效喷幅区内雾滴沉积穿透性与因素Y和Z向风速之间的回归模型的决定系数R~2分别为0.868和0.842,表明模型可以为实际作业提供指导。     

中国植保无人机及其施药关键技术的研究现状与趋势

随着精准农业的理念在我国不断推广，植保无人机作为我国农业航空产业的重要组成之一，近年来的迅猛发展和应用引起了人们的广泛关注，植保无人机具有操作容易、农药利用率高、安全可靠等特点，极大提高了防控病虫害的能力，降低了地形对喷洒作业的限制。为全面、深入地了解我国植保无人机及其施药关键技术的发展现状及未来趋势，对我国植保无人机的发展和应用状况进行了概述，主要从航空变量施药技术、航空静电施药技术、航线规划技术、自主避障技术及施药效果检测技术5个方面对植保无人机施药关键技术的研究现状进行了阐述和分析，并针对航空变量施药决策系统、多机协同作业技术、航空施药作业专家系统及植保无人机配套施药技术4个方面指出了植保无人机施药关键技术的未来发展趋势，以期为国内科研机构和企业的科学研究提供参考，加快我国植保无人机技术的发展进程，促进和推动我国植保无人机产业的快速发展。     

小型植保无人机喷雾参数对橘树冠层雾滴沉积分布的影响

【目的】探索小型植保无人机对果树喷施作业的雾滴沉积分布效果及应用前景,研究小型植保无人机喷雾参数对橘树冠层雾滴沉积分布的影响。【方法】采用三因素(飞行高度、飞行速度、喷施流量)的正交试验,应用小型六旋翼植保无人机进行喷雾试验。【结果】根据雾滴沉积密度和雾滴沉积均匀性结果,较佳的作业参数是喷头流量1.0 L·min~(-1)、作业高度2.5 m、作业速度4 m·s~(-1),影响雾滴沉积密度的主次顺序依次为作业速度、作业高度、喷头流量;根据雾滴沉积穿透性结果,作业高度均为2.0 m的试验号2(作业速度4 m·s~(-1),喷头流量0.6 L·min~(-1))和试验号8(作业速度1 m·s~(-1),喷头流量1.0 L·min~(-1))中雾滴沉积穿透性分别为22.21%和22.41%,其雾滴覆盖密度大且穿透性较好;影响雾滴沉积穿透性的因素主次顺序为作业高度、作业速度、喷头流量。【结论】针对植保无人机旋翼风场的影响和橘树独特的树形结构,对植保无人机的作业参数进行了优选,以保证航空喷施作业雾滴在橘树冠层的有效沉积分布。本试验研究可为小型无人机对果树的合理喷施、提高喷施效率提供参考和指导。