基于两级分割与区域标记梯度Hough圆变换的苹果识别

自然环境下果实的准确分割与快速识别是采摘机器人作业面临的难题之一。针对自然环境中的成熟苹果，该研究提出一种基于Otsu与分水岭相结合的两级分割算法与区域标记梯度Hough圆变换的苹果识别方法。首先，使用亮度自适应校正算法对表面亮度分布不均的苹果图像进行校正，增强图像的细节信息。结合果实颜色特征，提取YCbCr颜色空间的Cr分量图像作为预处理样本。然后，采用改进后的Otsu算法进行初次分割，得到苹果目标的二值图像，该算法通过引入形态学开-闭重建滤波去除大量背景噪声，通过缩减灰度级遍历范围提高分割速率。采用基于距离变换的分水岭算法进行二次分割，分离粘连果实区域，提取目标苹果的外部轮廓。最后，在轮廓外设置最小外接矩形标记有效区域，在标记区域内进行梯度Hough圆变换实现苹果目标的自动识别。对自然环境中采集的200幅苹果图像进行测试，并与传统梯度Hough圆变换方法进行对比，本文方法在顺、逆光下的识别准确率为90.75和89.79%，比传统方法提高了15.03和16.41%，平均识别时间为0.665和0.693 s，比传统方法缩短了0.664和0.643 s。所提的两级分割算法不仅可以从复杂环境中准确分割果实目标区域，而且可以从粘连果实区域中提取单个果实边界。利用区域标记的梯度Hough圆变换方法能够快速准确地对果实进行识别。研究结果能满足苹果采摘机器人对不同光照下目标识别速度和精度的要求，可为苹果等类球形果实的快速识别提供参考。     

智能施药机器人关键技术研究现状及发展趋势

喷施化学农药是病虫害防治最主要的手段，对保证作物的产量起着至关重要的作用。传统的施药机械工作效率低，且使用同一施药量进行连续喷施作业易造成农药浪费、环境污染。随着农业智能化发展，机器人被广泛应用到农业植保作业中，智能施药机器人以减少劳动力投入、提高农药利用率、减少农药施用量以及减少环境污染为目的，实现了更加高效、精准的病虫害防治。智能施药机器人是集复杂农业机械、智能感知、智能决策、智能控制等技术为一体的现代农业施药装备，可自主、高效、安全、可靠地完成施药作业任务。为明确智能施药机器人及关键技术的国内外研究现状，本文总结了适用于不同作业场景的施药机器人的应用进展，从智能施药机器人的移动平台设计、喷雾装置设计、导航技术、智能识别技术4个方面进行分析，结合施药机器人作业环境的复杂多变性，分析智能施药机器人关键技术的现存问题，阐述智能施药机器人未来的发展趋势是精准变量施药、自主导航以及无人化作业，以期为智能施药机器人在未来的研究提供参考。     

颗粒肥撒施过程中的沉积分布模式研究进展

颗粒肥撒施过程本质上是颗粒从撒施装置释放，经空中扩散最终沉积在地面的过程，能够在地面形成多样化的颗粒沉积分布状态。颗粒的沉积分布模式能够反映颗粒在地面的沉积分布状态，广泛应用在撒施机具的校准、性能测试与优化、作业质量评估与颗粒沉积分布预测中，在促进精准施肥作业中发挥积极作用。颗粒沉积分布模式的影响因素复杂，撒施作业平台及其作业参数、颗粒物理特性、作业环境甚至测试与收集方法均会对颗粒的沉积分布数据产生影响。在颗粒肥沉积分布模式的测试方法、数据获取、模式应用和影响因素分析方面已取得的研究进展为撒施机具作业性能优化、田间肥料空间分布特性评估和精准施肥决策提供了重要基础。该研究通过综述现有颗粒沉积分布研究进展，分析了颗粒沉积分布模式的实测方法和预测方法的优劣，指出了现有研究中获得的颗粒沉积分布模式的局限性和关键问题，总结了影响颗粒扩散与沉积过程的各种因素及其对颗粒沉积分布效果的影响，通过梳理现有的颗粒沉积分布模式应用研究，指出了开展不同田间条件下颗粒撒施特性以及颗粒沉积分布模式形成机理的深入研究的重要意义，以期为精准施肥处方决策模型积累基础数据，为实现智能化施肥管理提供科学指导与参考依据，以进一步推动颗粒沉积分布模式在田间精准施肥应用的发展。     

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。     

金纳米颗粒和多壁碳纳米管协同增敏的维生素C传感器的研制与应用

目的 开发一种低成本、高响应的维生素C电化学传感器，用于实现果蔬中维生素C含量的快速检测。方法 通过在铅笔芯电极上修饰金纳米颗粒和多壁碳纳米管，构建具有维生素C强催化响应的MWCNTs/Au/PGE电极。通过扫描电镜、X射线光电子能谱、拉曼光谱和循环伏安法表征电极，采用差分脉冲伏安法确定电极的pH适用范围和最优pH条件。采用时间电流法建立标准曲线和方程，以实现快速检测。最后通过加标回收率法检测番茄中维生素C含量。结果 基于MWCNTs/Au/PGE电极的维生素C电化学传感器可在pH 4~8范围内准确地测定维生素C含量，在pH 5时性能最优。快速检测时检测维生素C的质量分数范围为1~500 μg/g，灵敏度达0.244 μA·(μg/g)^?1·cm^?2。该传感器对葡萄糖、苹果酸和柠檬酸的干扰率均小于1.77%，同一传感器多次测定的相对标准偏差为2.7%。成功检出番茄样品中的维生素C质量分数为69.42 μg/g，加标回收率为109%~113%，相对标准偏差小于2.26%。结论 MWCNTs/Au/PGE电极制备工艺简单，成本低，灵敏度高，测量范围宽，有较强的稳定性和抗干扰性，为实现快速检测果蔬中维生素C提供了新思路。     

基于梯度下降和角点检测的玉米根茎定位导航线提取方法

针对玉米根茎图像信息，提出一种在拔节期后玉米大田环境下快速、精准提取导航基准线的新方法。首先利用2G-B-R和最大类间方差法分割图像，并利用形态学处理提高图像质量，对去噪图像像素按列累加获取垂直投影。传统峰值点法在寻找特征点时需要设定阈值，耗时长且伪特征点多，因此提出一种基于梯度下降的特征点寻找方法，利用某点沿梯度下降的方向求解极小值从而求得特征点。根据角点检测原理，利用特征点像素各个方向梯度变化不同剔除伪特征点，解决了传统算法异常点过多、错误剔除玉米根茎定位点等问题，最终采用随机采样一致算法拟合导航线。试验结果表明，与传统算法相比该算法能够很好的适应复杂环境，实时性强，即使在缺苗、杂草等情况下仍具有很强的鲁棒性，平均处理准确率为92.2%，处理一帧分辨率为1 280像素×720像素的图像平均耗时为215.7 ms，该算法为智能农业化机械在玉米田间行走提供了可靠的、实时的导航路径。     

柑橘黄龙病光谱特征波段选择及光谱检测仪研制

黄龙病（Huanglongbing，HLB）被称为柑橘的癌症，及早检测出患病植株可防止病情蔓延，降低病情灾害程度。高光谱分析技术因其丰富的光谱信息，成为近年来作物病害检测的研究热点。然而高光谱设备昂贵，波段数较多，计算量大，在实际应用中尚未形成规模应用。使用合理的波段选择方法，可以去掉冗余信息，避免"维数灾难"，减轻数据存储、计算与传输压力，并降低设备成本。该研究利用地物谱仪获取了柑橘冠层叶片的高光谱信息，提出一种基于典型成分分析（Exemplar Component Analysis，ECA）的柑橘黄龙病特征波段优选方法，并与其他3种波段优选算法进行比较，分别优选了7个光谱波段的组合。基于优选波段，采用6种机器学习方法进行建模分类，对4种波段选择方法的鲁棒性进行了分析。此外，基于优选的特征波段设计了一款多光谱仪应用于柑橘黄龙病的检测。结果表明，用ECA算法选择的特征波段，其结合6种分类器在测试集上的准确率达到92%以上，并具有较好的鲁棒性。自研基于特征波段的多光谱仪对于HLB的检测精确度最高可达95%。试验表明用少量特征波段表征HLB作为检测手段具有可行性，合理的特征波段有助于降低专门农业病害光谱检测的设计成本，提高果园病情防控精准度。     

气吸式排种器扁平种子吸附姿态调节机构设计与试验

针对气吸式排种器在进行扁平形状种子排种时，充种性能不稳定排种效果不佳的问题，该研究以扁平玉米种子为作业对象，从种子的吸附姿态调节入手，设计一种具有倾斜凸台式取种结构的气吸式排种器。对排种器的倾斜凸台作业过程进行理论分析和设计计算，针对平面盘、凹槽盘和凸台盘三种排种盘的作业过程进行离散元仿真分析，结果表明：凸台盘对种群的扰动能力、离散程度和扭矩高于其他排种盘，倾斜凸台在取种过程中能够改变种子的姿态，实现种子扁平面与吸孔表面间的平行吸附。台架试验结果表明，凸台盘的单粒吸附率优于凹槽盘和平面盘，随着前进速度升高，单粒吸附率先增加大后减小，8 km/h达到最高值91.70%；随着负压增大，单粒吸附率变化趋势相同，3 kPa时达到最高值90.84%；凸台盘的稳定吸附率和平行吸附率随速度增大出现小幅降低，随负压增大逐渐升高并在3 kPa趋于稳定，凸台盘的吸附性能优于其他两种排种盘，同时三种排种盘在取种时的平行吸附率与投种位置的稳定吸附率呈正比。前进速度4～8 km/h时，凸台盘的合格率稳定在97%左右，随后逐渐下降，12 km/h时降至93.18%；田间试验结果表明，排种器作业性能随前进速度升高而降低，12 km/h时，凸台盘的合格率降为90.34%，漏播率升高至6.52%，满足精密播种要求。倾斜凸台式取种结构能够对扁平种子吸附姿态进行有效调节，提高吸附稳定性和排种器作业性能，研究结果可为扁平种子高速精量取种提供技术参考。     

基于激光雷达和Kinect相机点云融合的单木三维重建

为了更好地建立单木三维彩色模型，获得准确表型参数，提出了一种基于Kinect v2相机和激光雷达的单木点云信息融合检测方法。首先由激光雷达采集樱树单木所在区域的完整环境点云，生成点云地图；由Kinect相机采集樱树单木多视角点云得到完整的三维彩色点云；然后以激光雷达点云位置为基准，通过选取对应同名点的方式对2种点云进行初始配准，使点云之间具有良好的初始位置关系，再使用最近点迭代（iterative closest point, ICP）算法对点云进行精配准；最后使用彩色点云对雷达点云进行点云着色融合处理，实现樱树单木的三维重建。结果显示：与只使用Kinect v2相机生成的樱树单木表型参数对比，融合后的樱树单木的株高、冠幅和胸径的平均相对误差分别降低了1.52、6.46和18.17个百分点。研究结果表明，Kinect v2深度彩色相机和激光雷达在单木三维重建上能实现优势互补，提升点云配准精度，同时，既能降低光照气候条件的影响，又能增加测量距离，单木表型参数更准确。     

基于农田环境的农业机器人群协同作业策略

为合理分配农业机器人群协同作业中各机器人的工作量与工作区域,提高机器人群协同作业的整体效能与工作效率,该研究提出一种复杂环境下异质农业机器人群的任务分配及全区域覆盖策略。在考虑农业机器人异质性的基础上,以机器人团队整体效能最优为目标进行任务分配并确定各机器人的工作量。根据农场实际工作环境建立一级分区的概念,在栅格化环境建模与障碍物膨胀处理的基础上,在一级分区内部建立二级分区的栅格分区和分区合并规则,简化农田中的复杂工作环境;将遗传算法与混合粒子群算法相结合改进遗传算法交叉操作,建立遗传算法染色体种群多样性的概念,并综合考虑遗传算法染色体适应度值的差异以及种群多样性阶段设置自适应交叉变异概率,继而利用改进的遗传算法解决深度优先搜索算法在一级分区与二级分区间的遍历顺序问题;设置深度优先搜索算法在二级分区内的路径搜索规则,并在栅格图内遍历的同时根据各机器人的工作量分配其工作区域,设置机器人在其工作区域中的遍历规则,实现机器人群对农田的全区域覆盖。仿真试验结果表明,改进的遗传算法所得到的遍历各分区的路径长度与收敛迭代次数较传统遗传算法分别减少了2.8%与69.5%,较模拟退火算法分别减少了9.3%与19.0%;包含3、5、7、9和11个障碍物的5幅环境地图中,机器人群遍历工作区域的总面积重复率分别为6.3%、8.9%、16.7%、21.7%和23.4%。在4种面积相等的异形农田中设置相同数量的障碍物进行验证试验,结果表明,机器人群总遍历面积重复率分别为16.7%、13.1%、11.9%和6.7%。机器人群协同作业场地试验结果表明,4个试验机器人均可在规定的时间要求(25 min)内完成各自工作量,遍历面积重复率分别为5.77%、4.14%、6.75%和4.85%。研究结果可为复杂环境下农业机器人群协同作业策略提供理论支撑。