长瓣短柱茶施肥研究初报

长瓣短柱茶施肥研究初报＊洪顺山翁月霞杨婉琴庄珍珍关键词长瓣短柱茶施肥肥料配方长瓣短柱茶（ＣａｍｅｌｉａｇｒｉｊｓｉＨａｎｃｅ），俗名攸县油茶或薄壳香油茶，是个珍稀油茶物种。原野生，现只在湖南攸县有较多的分布和栽培，浙江有少量引种。由于其具有抗病、早实...     

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、...     

基于改进型YOLOv4的果园障碍物实时检测方法

针对农业机器人在复杂的果园环境中作业时需要精确快速识别障碍物的问题,该研究提出了一种改进型的YOLOv4目标检测模型对果园障碍物进行分类和识别。为了减少改进后模型的参数数量并提升检测速度,该研究使用了深度可分离卷积代替模型中原有的标准卷积,并将主干网络CSP-Darknet中的残差组件(Residual Unit)改进为逆残差组件(Inverted Residual Unit)。此外,为了进一步增强模型对目标密集区域的检测能力,使用了软性非极大值抑制(Soft DIoU-Non-Maximum Suppression,Soft-DIoU-NMS)算法。为了验证该研究所提方法的有效性,选取果园中常见的3种障碍物作为检测对象制作图像数据集,在Tensorflow深度学习框架上训练模型。然后将测试图片输入训练好的模型中检测不同距离下的目标障碍物,并在同一评价指标下,将该模型的测试结果与改进前YOLOv4模型的测试结果进行评价对比。试验结果表明,改进后的YOLOv4果园障碍物检测模型的平均准确率和召回率分别为96.92%和91.43%,视频流检测速度为58.5帧/s,相比于原模型,改进后的模型在不损失精度的情况下,将模型大小压缩了75%,检测速度提高了29.4%。且改进后的模型具有鲁棒性强、实时性更好、轻量化的优点,能够更好地实现果园环境下障碍物的检测,为果园智能机器人的避障提供了有力的保障。     

湿地松幼林营养的DRIS诊断*

用ＤＲＩＳ和临界浓度值法对湿地松幼林的营养状态比较研究发现，在诊断针叶磷素营养状态时，用ＤＲＩＳ法比临界浓度值法更准确。施用磷肥能显著地提高湿地松幼林生长量，并与ＤＲＩＳ措数密切相关；但与叶片中磷的浓度相关不显著。植株从磷肥吸收的磷量被林分生长的“稀释效应”所抵消，使施磷植株叶片中磷的浓度没有明显提高。同临界浓度值法一样，ＤＲＩＳ法也受林龄和立地环境因素的影响，故用于计算诊断参数的高产群体应当从当地的同龄林选择。根据ＤＲＩＳ的诊断结果，江西永丰低丘红壤湿地松造林施肥的效应机理为：氮肥增加针叶Ｎ素的过量积累，加剧了养分的不平衡状态，对生长无益。单施钙镁磷肥，每公顷施纯磷２１．８２ｋｇ，就可全面改善幼林的营养状态，使主要养分元素Ｎ、Ｐ、Ｃａ、Ｍｇ达到理想的平衡状态，显著促进幼林生长。钾肥提高幼林钾的吸收量，但可能属奢侈吸收状态，对生长无影响。     

基于改进DeepLab V3+的果园场景多类别分割方法

果园环境实时检测是保证果园喷雾机器人精准作业的重要前提。本文提出了一种基于改进DeepLab V3+语义分割模型的果园场景多类别分割方法。为了在果园喷雾机器人上部署,使用轻量化MobileNet V2网络替代原有的Xception网络以减少网络参数,并在空洞空间金字塔池化（Atrous spatial pyramid pooling,ASPP）模块中运用ReLU6激活函数减少部署在移动设备的精度损失,此外结合混合扩张卷积（Hybrid dilated convolution,HDC）,以混合扩张卷积替代原有网络中的空洞卷积,将ASPP中的扩张率设为互质以减少空洞卷积的网格效应。使用视觉传感器采集果园场景RGB图像,选取果树、人、天空等8类常见的目标制作了数据集,并在该数据集上基于Pytorch对改进前后的DeepLab V3+进行训练、验证和测试。结果表明,改进后DeepLab V3+模型的平均像素精度、平均交并比分别达到62.81%和56.64%,比改进前分别提升5.52、8.75个百分点。模型参数量较改进前压缩88.67%,单幅图像分割时间为0.08s,与原模型相比减少0.09s。尤其是对树的分割精度达到95.61%,比改进前提高1.31个百分点。该方法可为喷雾机器人精准施药和安全作业提供有效决策,具有实用性。