高地隙四轮独立驱动喷雾机路径跟踪模型预测控制

针对传统燃油驱动、前轮转向的高地隙喷雾机传动效率低、碳排放高、环境污染、智能化水平低、灵活性差等问题,本研究提出了一种适用于无人驾驶的高地隙四轮独立驱动（Four Wheel Independent Drive,4WID）喷雾机。其采用混合动力、前后双转向桥的4WID,转向半径小,前后轮的运行轨迹高度一致,能够减少田间植保作业时的压苗现象。考虑水田极端作业环境下驱动轮的滑移、陷坑等问题,基于喷雾机线性时变的运动学模型（LTV）,构建了考虑驱动轮滑移的分层路径跟踪控制。上层模型预测控制（Model Predictive Control,MPC）器根据预期路径、车辆当前位置,获得喷雾机的转向角和运动速度,实现路径跟踪。下层以模糊控制和积分分离PID控制构建驱动轮滑移控制器,从而实现路径跟踪、运动速度、驱动轮滑移的有效控制,提高了喷雾机在复杂作业环境中的稳定性和路径跟踪精度。采用Adams/Matlab的联合仿真结果表明,在复杂的工况条件下,喷雾机驱动轮的滑移率依然控制在±20%之内,防止驱动轮发生过度滑移对车速和转向角产生不良影响,有利于喷雾机稳定性的提升。本喷雾机能够快速准确地跟踪期望路径,与未考虑驱动轮滑移的控制相比,能够适应更加复杂的工作环境,跟踪精度有明显提升。     

基于嗅觉和光谱技术融合的面粉脂肪酸值定量检测

提出了一种基于比色传感器数据和近红外光谱特征融合的储藏期面粉脂肪酸值的定量检测方法。开发比色传感器阵列、搭建便携式近红外光谱测量系统,分别采集不同储藏期面粉样本的比色传感器数据和近红外光谱。利用主成分分析分别对预处理后的比色传感器数据和近红外光谱数据进行特征降维,采用五折交互验证法在反向传播神经网络(BPNN)模型校正过程中进行优化,确定基于单技术分析模型的最佳主成分(PCs)个数。将优化后的基于单技术模型的最佳PCs在特征层进行融合,建立基于融合特征的BPNN分析模型,以实现对面粉储藏过程中脂肪酸值的快速检测。实验结果显示,基于比色传感器特征和基于近红外光谱特征建立的最佳BPNN模型的最佳PCs数量分别为3和4,基于融合特征建立的BPNN模型在预测集中的相关系数和预测均方根误差的均值分别为0.9276和1.9345 mg/(100 g)。研究表明,与单技术数据分析模型相比,基于比色传感器数据和近红外光谱特征融合模型的检测精度和泛化性能都有所提高。本研究可为粮食储藏品质的高精度原位监测提供一种技术方法。     

农药残留检测方法及光谱技术在生菜农残检测中的应用

蔬菜农药残留给人们健康饮食带来很大安全隐患。为此,综述了几大类农药残留检测方法:活体测定法、理化检测法、快速检测法和光谱检测法,分析了它们各自特点。同时,基于光谱技术对生菜叶片上的农残进行了检测试验,比较了有农残叶片光谱与无农残叶片光谱,并通过PCA算法进行光谱特征提取,结合学习向量量化神经网络建立农残鉴别模型,取得了较好的鉴别结果。     

基于改进MobileNet-V2的田间农作物叶片病害识别

农作物病害是造成粮食产量下降的重要因素,利用智能化手段准确地识别农作物病害有利于病害的及时防治,该研究基于改进的MobileNet-V2识别复杂背景下的农作物病害,对未来覆盖各种作物的智能化病害识别工作具有重要意义。首先创建含有11类病害叶片及4类健康叶片的农作物数据集,采用数据增强操作构造不同的识别场景。其次在原始模型MobileNet-V2的基础上,嵌入轻量型的坐标注意力机制,建立通道注意力与位置信息的依赖关系。然后对网络中不同尺寸的特征图采取上采样融合操作,构建兼具网络高、低层信息的新特征图。此外,采用分组卷积并删除模型中不必要的分类层,减少模型参数量。试验结果表明：改进模型的参数量为2.30 MB,改进模型的识别准确率在背景复杂的农作物叶片病害数据集中达到了92.20%,较改进前提高了2.91个百分点。相比EfficientNet-b0、ResNet-50、ShuffleNet-V2等经典卷积神经网络架构,改进模型不仅达到了更高的识别准确率,还具有更平稳的收敛过程以及更少的参数。该研究改进的模型较好地平衡了模型的复杂度和识别准确率,为深度学习模型移植至田间移动病害检测设备提供了思路。     

基于物联网的远程温室视觉监控系统设计与实现

在当前智慧农业的大环境下,农作物生长过程的识别与监控问题一直是一项具有挑战性的任务,基于此提出一种基于物联网的远程温室视觉监控系统,系统通过LoRa无线通信技术监测温室内的温湿度、光照强度等环境参数,能够及时监测到农作物的生长状况,并实现自动通风、自动补光等功能。在PC端的Qt上位机实时监测温室内的环境信息并控制环境参数,通过OV9726摄像头对农作物进行监测,所获得的生长状态信息传输到S3C6410集中控制模块进行处理,结合克隆选择算法和朴素贝叶斯分类器对叶片进行识别处理。本系统采用LoRa模块进行自组网来实现环境监测,将Linux操作系统移植到集中控制模块,为视觉系统软硬件平台的搭建做准备工作,所使用的组合算法能够使得农作物叶片识别率达到95.3%,识别时间达到8.4 ms,对于叶片识别精度等方面有着明显的提升,经过实验充分验证本系统所使用的设备与算法的有效性。     

基于Petri网的棉花图像处理系统模块化设计方法

图像处理在农业领域中的应用十分普遍,但要做到对图像实时处理的同时降低用户的使用成本是该领域的难题。该文以棉花图像处理系统为例,提出一种基于图像处理系统模块化设计方法,首先划分图像处理系统功能模块,基于Petri网模型构建顶层控制器;然后将Petri网模型图转换为VHDL语言文件,并在QuartusII环境中进行仿真验证;最后以底层模块中的图像分割模块为例,说明系统的并行性。这种基于Petri网的全局异步的设计方法,可以降低图像处理系统设计与调试的难度和对时序的要求。     

基于RealSense深度相机的多特征树干快速识别方法

针对农业机器人在果园定位和导航中,环境背景复杂、光照强度变化大等问题,本文提出了一种基于RGB-D相机并利用颜色、深度、宽度和平行边特征的树干快速识别方法。首先,使用RealSense深度相机获取果园的彩色图像和深度数据;然后,将彩色图像转换为HSV颜色空间,再对HSV颜色空间中的S分量进行超像素分割,并将颜色特征和深度特征相近的相邻超像素块进行合并;随后,对深度图像进行树干宽度特征检测,对宽度置信率大于阈值的物体看作是待处理物体;最后,对待处理的物体进行平行边特征检测,在待处理物体边缘区域选择感兴趣区域窗口（ROI）进行边缘检测,搜索可能的树干边缘直边,当物体边缘的置信率R_B大于设定的阈值T_LB时,则识别为树干。通过对树干的多特征提取,有效提高了在不同环境下树干识别准确率。利用移动机器人平台在果园环境进行试验测试,以检验在强光照、正常光照和弱光照条件下树干识别算法的性能。试验结果表明,本文的树干识别算法在强光照、正常光照和弱光照条件下,树干识别的准确率分别为92.38%、91.35%和89.86%,每帧图像平均耗时分别为0.54、0.66、...     

基于脊腹线波动的猪呼吸急促症状视频分析

预警呼吸急促症状的病猪时,人工连续监控方式存在效率低下问题,为实现自动预警,通过机器视觉方法,捕获猪的脊腹线轮廓,证实自动计算的脊腹线起伏频数和人工计算频数强相关性。通过6个训练有素的人,对10头含有或无呼吸急促症状的猪打分（5分制）,并拍摄分辨率为320像素×240像素、猪自由站立在视频窗口中的侧视视频。在Matlab仿真平台,采用图像灰度化、背景减法、脊腹线段提取、脊腹线波动描述子计算后,自动捕获的波动频数和人工计算的相比较,所有测量值的平均相关系数为0.947,猪和视频窗口面积比在0.35～0.75之间时,脊腹线波动识别精度高于85%,且其波动频率与猪的人工呼吸急促症状估分值呈线性正相关。视觉技术用于呼吸急促的病猪预警有应用价值。     

基于双目相机与改进YOLOv3算法的果园行人检测与定位

针对复杂果园环境中行人难以精确检测并定位的问题,提出了一种双目相机结合改进YOLOv3目标检测算法的行人障碍物检测和定位方法。该方法采用ZED双目相机采集左右视图,通过视差原理获取图像像素点的距离信息;将双目相机一侧的RGB图像作为用树形特征融合模块改进的YOLOv3算法的输入,得到行人障碍物在图像中的位置信息,结合双目相机获得的像素位置信息计算出相对于相机的三维坐标。用卡耐基梅隆大学国家机器人工程中心开放的果园行人检测数据集测试改进的YOLOv3算法,结果表明,准确率和召回率分别达到95.34%和91.52%,高于原模型的94.86%和90.19%,检测速度达到30.26 f/ms。行人检测与定位试验表明,行人障碍物的定位在深度距离方向平均相对误差为1.65%,最大相对误差为3.80%。该方法具有快速性和准确性,可以较好地实现果园环境中的行人检测与定位,为无人驾驶农机的避障决策提供依据。     

基于尾气反馈的固定化酵母发酵过程模糊控制

提出了基于尾气反馈的固定化酵母发酵模糊控制，利用尾气检测所获得的CO2的释放率(CER)和CO2释放最来控制葡萄糖流加速率。固定化发酵过程中，载体的存在会使葡萄糖的扩散受阻，如果系统不能对葡葡糖浓度的变化怏速反应，载体中的菌体细胞就会出现缺糖现象。实验结果表明，按该方法进行控制，整个发酵过程中，葡萄糖浓度都保持着合适的浓度，乙醇生产稳定和连续，为发酵过程控制提供了一条有效途径。