基于逆运动学降维求解与YOLO v4的果实采摘系统研究

为提高采摘设备的执行效率，采用六自由度机械臂、树莓派、Android手机端和服务器设计了一种智能果实采摘系统，该系统可自动识别不同种类的水果，并实现自动采摘，可通过手机端远程控制采摘设备的起始和停止，并远程查看实时采摘视频。提出通过降低自由度和使用二维坐标系来实现三维坐标系中机械臂逆运动学的求解过程，从而避免了大量的矩阵运算，使机械臂逆运动学求解过程更加简捷。利用Matlab中的Robotic Toolbox进行机械臂三维建模仿真，验证了降维求解的可行性。在果实采摘流程中，为了使机械臂运动轨迹更加稳定与协调，采用五项式插值法对机械臂进行运动轨迹规划控制。基于Darknet深度学习框架的YOLO v4目标检测识别算法进行果实目标检测和像素定位，在Ubuntu 19.10操作系统中使用2000幅图像作为训练集，分别对不同种类的果实进行识别模型训练，在GPU环境下进行测试，结果表明，每种果实识别的准确率均在94%以上，单次果实采摘的时间约为17s。经过实际测试，该系统具有良好的稳定性、实时性以及对果实采摘的准确性。     

基于WT-CNN-LSTM的溶解氧含量预测模型

溶解氧（Dissolved oxygen, DO）含量是影响水产养殖产量的重要因素之一，具有时序性、不稳定性和非线性等特点，且其影响因子过多、存在复杂的耦合关系，难以实现精准预测。针对传统长短时记忆神经网络（Long short term memory, LSTM）预测模型易引入冗余数据，且在训练过长序列时会出现梯度消失现象，从而不能捕捉因子间长期的依赖性问题，提出了基于小波变换（Wavelet transform, WT）、卷积神经网络（Convolutional neural network, CNN）和LSTM的溶解氧含量预测模型。首先，使用WT降低数据噪声；然后，使用CNN深度挖掘各变量之间的潜在关系；最后，利用LSTM的时序性预测2h后的水产养殖溶解氧含量。结果表明，本文提出的WT-CNN-LSTM模型预测效果良好，其平均绝对误差、均方根误差和决定系数分别为0.138、0.229和0.954，比传统LSTM模型分别优化了28.87%、21.03%和4.61%。     

基于离散小波变换的永磁同步电机速度控制研究

针对永磁同步电机驱动系统转速快响应和强鲁棒性的速度控制需求,在分析永磁同步电机数学模型和离散小波变换技术的基础上,设计了最优小波函数为"db4",分解级数为2的永磁同步电机离散小波变换速度控制器,并基于Matlab/Simulink仿真平台,建立了永磁同步电机(Permanent Magnet Synchronous Motor, PMSM)驱动系统仿真模型和控制系统代码模型,结合基于TMS320F2812 DSP(Digital Signal Processing)的永磁同步电机驱动系统实验平台,通过负载扰动工况仿真、空载阶跃输入工况仿真与实验来验证永磁同步电机离散小波变换速度控制器的性能.仿真和实验结果表明:相比于传统比例积分微分(Proprotional Integral Derivative, PID)速度控制器,离散小波变换速度控制器达到稳态转速的速度更快,动态性能更优;在负载突变时,转速跌落小,抗负载扰动能力更强,是一种提升永磁同步电机速度控制器鲁棒性和稳定性的有效方法.     

基于原型网络的小样本禽蛋图像特征检测方法

机器视觉因具有检测速度快、稳定性高及成本低等优点，已发展成为禽蛋无损检测领域主流检测手段。使用该技术对禽蛋进行无损检测时，需要依赖大量禽蛋图像作为数据支撑才能取得较好的检测效果。由于养殖安全等限制，禽蛋图像数据的采集成本较高，针对该问题，提出了一种适应于小样本禽蛋图像检测的原型网络（Prototypical network）。该网络利用引入注意力机制的逆残差结构搭建的卷积神经网络将不同类别的禽蛋图像映射至嵌入空间，并利用欧氏距离度量测试禽蛋图像在嵌入空间的类别，从而完成禽蛋图像的分类。本文利用该网络分别验证了小样本条件下受精蛋与无精蛋、双黄蛋与单黄蛋及裂纹蛋与正常蛋的分类检测效果，其检测精度分别为95%、98%、88%。试验结果表明本文方法能够有效地解决禽蛋图像检测中样本不足的问题，为禽蛋图像无损检测研究提供了新的思路。     

基于高光谱成像技术识别水稻纹枯病

【目的】利用高光谱成像技术对水稻纹枯病进行早期的快速无损识别,结合判别分析方法建立相应的鉴别模型。【方法】以健康和感染纹枯病的水稻幼苗为研究对象,采集叶片和冠层各180个样本的380~1 030 nm波段的360条高光谱图像,剔除明显噪声部分后,以440~943 nm波段作为水稻样本的光谱范围,分别用不同的方法预处理获得水稻叶片的光谱曲线。采用偏最小二乘–判别分析(PLS-DA)对不同预处理的光谱建模。采用MNF算法对冠层的原始光谱数据进行特征信息提取,并基于特征信息建立线性判别分析(LDA)模型和误差反向传播神经网络(BPNN)判别模型。【结果】标准正态变量变换(SNV)预处理后建立的PLS-DA模型的预测集判别正确率最高,为92.1%。基于特征信息的LAD和BPNN模型的判别结果优于基于全波段的PLS-DA判别模型。基于最小噪声分离变换特征信息提取的BPNN模型取得了最优效果,建模集和预测集正确率分别达99.1%和98.4%。【结论】采用高光谱成像技术对水稻纹枯病生理特征进行无损鉴别是可行的,本研究为水稻纹枯病的识别提供了一种新方法。     

乡村振兴战略中的逆城镇化路径探究

党的十九大报告明确提出要"实施乡村振兴战略",在全国"两会"期间,习总书记又首次提到了乡村振兴中的"逆城镇化"问题,这是一个全新的课题。本文探究了乡村振兴中逆城镇化的内涵和特点,通过对逆城镇化存在问题的分析,提出了推动乡村振兴发展战略中逆城镇化的具体举措,力求为新型逆城镇化提供建议和路径。     

檀香咖啡豹蠹蛾虫害的树干区域分类研究

目的檀香是一种典型的珍贵树种，但不易成活且常遭受病虫害的干扰。本研究针对受咖啡豹蠹蛾危害的檀香，为提高受害檀香树干区域的分类效果，根据不同区域在颜色和纹理方面的特点，提出了一种复杂背景下受咖啡豹蠹蛾危害的檀香树干区域分类方法。方法(1) 本文首先结合高斯高通滤波、Otsu法、2G-R-B因子以及形态学运算，将树干从复杂背景中提取出来，再通过L*a*b*系统中的L*通道和a*通道将树干分割为健康区域、虫害区域和排泄物区域。(2)提出“多纹理”并使用“相对颜色”特征变换方法以提取图像特征。(3)提出BP神经网络和RBF-SVM相结合的方法对区域进行识别。结果(1) 本文提出的图像分割算法有效地将受虫害危害的檀香从背景中提取出来，并成功分割为健康区域、虫害区域和排泄物区域。(2)与传统PCA处理相比，使用“多纹理”和“相对颜色特征”得到的分类精度有所提高。其中，“多纹理”特征通过差异扩大的方法构建出的图像特征，明显增加了类间方差；“相对颜色特征”则减小了光照对样本的影响，从而减小了类内方差。(3)通过将RBF-SVM与BP神经网络方法相结合，对比发现，使用一种方法进行三分类的精度较低，分别为74.44%和81.11%；两次二分类后提高了精度，分别为87.77%和85.56%；而两种方法相结合的方式所得到的分类精度最高，总体可达91.11%。结论本文通过数字图像对受咖啡豹蠹蛾危害的檀香树干区域进行分类，为该虫害的早期识别以及受损率计算提供了方法，可以有效地减小檀香生长所受危害，提高心材质量，也为数字图像技术在林业中的应用提供了参考。      

生物炭对黑土区土壤水分扩散与溶质弥散持续效应研究

为探究施用生物炭对黑土区坡耕地土壤水分扩散和溶质弥散的持续效应，于2016—2019年在1.5°、3°、5°的径流小区开展了生物炭持续效应试验，分析了单次施加生物炭对土壤容重、孔隙度、有机质含量、Boltzmann变换参数ξ、非饱和土壤水分扩散率D(θ)、非饱和土壤水动力弥散系数Dsh(θ)的持续作用。结果表明：土壤中单次添加生物炭后的4年内均可显著降低土壤容重、提高土壤孔隙度、增加土壤中有机质含量，且各指标变化率均随坡度增大、施炭年限延长而减小；坡度、年份、是否施用生物炭3个因素中，对土壤容重、孔隙度、有机质含量影响程度最大的均为是否施用生物炭；施用生物炭增大了ξ，且ξ随坡度增加、施炭后年限延长逐年减小。2016—2019年D(θ)与Dsh(θ)均随土壤含水率的增加而迅速增加。当土壤含水率小于等于042cm3/cm3时，生物炭抑制土壤水分扩散；当土壤含水率大于0.42cm3/cm3时，生物炭促进土壤水分扩散。当土壤含水率小于等于0.36cm3/cm3时，生物炭抑制土壤中NaCl溶液的弥散；当土壤含水率大于0.36cm3/cm3时，生物炭可以促进土壤中NaCl溶液的弥散。试验区θ处于0.20~0.35cm3/cm3，故施用生物炭对水分扩散、NaCl溶液弥散均具有抑制效果，且生物炭对水分扩散和溶液弥散抑制效果均随坡度增加、施炭后年限延长而减弱。