无人驾驶拖拉机底层控制系统设计

随着科学技术的不断发展，无人驾驶技术越来越多地应用到农业机械领域。以Q/CR01-2015型山地拖拉机为载体，通过设计电子系统、液压系统等，实现对无人驾驶拖拉机的底层控制，设计方案易于施行，具备与智能决策系统对接的条件，方便对传统农机进行无人驾驶改造。      

遥感多光谱成像在解析土壤成分方面的研究进展

土壤中营养成分的变化关乎农业的生产质量,其中水分、有机质、氮、磷、钾等养分信息是土壤肥力的关键,因此获取农田土壤成分信息对农田管理有重要意义。传统土壤检测方法烦琐复杂、费时费力、效率低下,难以满足现代农业发展的需要。随着遥感技术的不断发展与成熟,基于低空尺度的农业无人机和基于高空尺度的卫星平台弥补了地面监测的空缺与不足,飞行器搭载的多光谱传感器在土壤信息的快速、无损、实时获取领域表现出巨大潜力。介绍了多光谱技术特点,概括了遥感多光谱成像技术检测土壤成分的一般步骤,重点阐述了多光谱技术在检测土壤有机质、水分、盐分等方面的研究进展,探讨了遥感多光谱技术在解析土壤成分中涉及的主要方法,最后对农业遥感多光谱成像解析土壤成分进行了思考与展望。      

叶面施硒下荞麦LNC的遥感估测研究

氮作为植物生长发育过程中的大量元素之一，其含量的快速准确性获取对大田农作物监测和管理有着重要意义，本研究采用无人机（UAV）搭载多光谱传感器对田间荞麦冠层叶片氮含量（Leaf Nitrogen Content，LNC）进行定量化估测，为荞麦叶片的信息化管理提供理论依据。试验选用“晋荞6号”、“晋荞9号”为研究对象，通过无人机于荞麦开花期和灌浆期获取多光谱影像并同步采集荞麦冠层叶片的氮含量，然后分别提取了五个波段下的反射率，选用与叶片LNC相关的12个植被指数进行皮尔逊（person）相关性分析，选取17个光谱变量中相关性较高的特征变量与实测LNC进行PLSR、SVM和BPNN回归建模，结果表明：适量施用叶面硒肥可促进叶片吸收氮素从而增加LNC，过量硒肥不能持续提高LNC。G、R、NIR、NDVI、RDVI、RVI、SAVI、NLI、OSAVI、GRVI与LNC相关性较高，最高为GRVI，达到了0.824。采用BP神经网络建立的回归模型表现最优，盛花-灌浆期预测集决定系数（R2）为0.828，均方根误差为（RMSE）为2.172，验证集R2为0.939，RMSE为1.100，RPD为4.587。因此，无人机多光谱遥感技术可实现大田尺度的荞麦冠层叶片LNC估测。