基于迁移学习与YOLOv8n的田间油茶果分类识别

为降低视觉引导式油茶果采摘机器人采摘被遮挡油茶果时造成的果树和抓取装置损伤,该研究提出了一种基于迁移学习和YOLOv8n算法的油茶果分类识别方法,将油茶果分成无遮挡和遮挡两类。首先,采用COCO128目标检测数据集作为源域,苹果数据集为辅助域的迁移学习方法训练模型。其次,将学习方法、训练数据量、学习率和训练轮数这4种因素组合,共进行了52组YOLOv8n检测性能的消融试验。最后,将YOLOv8n模型与YOLOv3-tiny、YOLOv5n和YOLOv7-tiny等模型进行比较。试验结果表明,随机权重初始化方式受训练数据量和学习率影响较大,学习率为0.01时模型检测效果最好;而迁移学习方法仅用随机权重初始化1/2的数据量即可达到与其相当的平均精度均值;迁移学习方式下,YOLOv8n模型的平均精度均值最高达到92.7%,比随机权重初始化方式提升1.4个百分点。与YOLOv3-tiny、YOLOv5n和YOLOv7-tiny等模型相比,YOLOv8n模型的平均精度均值分别提高24.0、1.7和0.4个百分点,研究结果可为YOLOv8n模型训练参数优化和油茶果分类识别提供参考。     

对冲喷头喷雾场液滴分布特性试验

植保扇形喷头的喷雾扇形面内不同位置处液滴直径是不相同的,呈现接近于U形分布的中间液滴直径小而两侧液滴直径偏大的情况,这导致同高度水平方向上各点处的液滴在靶标上的沉积行为不同,致使防治效果存在差异。本文对出水口孔径1mm和切槽角30°的对冲喷头喷雾场的液滴直径分布特性进行试验,该喷头是基于射流和撞击流耦合作用的新型喷头,发现对冲喷头在喷雾扇形面内的液滴直径呈现中间区域液滴直径较大且均匀而两侧液滴直径较小的特性,如喷施压力0.4MPa时在300mm高度测试面上,喷雾扇形面内中间区域液滴直径在265~268μm,而靠近两侧边缘处的液滴直径在250~252μm,这有利于解决喷杆式喷雾机大田作业时液滴直径分布不均匀的不足;并对喷头这一特性进行理论分析,提出在分裂区的3次雾化（即扰动雾化、撞击雾化和振荡雾化）是引起这一特性的根本原因。同时采用径向不均匀指数对喷雾场的液滴分布均匀特性进行定量表征分析,发现径向不均匀指数能够总体反映喷雾场的非均匀特性,当喷施压力在0.6~0.7MPa范围时,径向不均匀指数在0.47~0.51较小范围内变化,说明在该压力范围内工作时喷头喷雾场具有良好的液滴均匀分布特性。     

对冲喷头设计与雾化试验

【目的】针对植保机械扇形喷头雾滴粒谱较宽、雾滴粒径均匀度较差等不足,基于射流和撞击流耦合作用原理,提出一种新型喷头结构方案,以改善喷头雾滴粒径均匀性和雾滴谱。【方法】采用快速成型制造技术的光敏液相固化成型(SLA)工艺,选用C-UV9400立体光造型树脂材料,制造出喷头终端喷孔出水口形状相同、出水口孔径d_1=1 mm、切槽角α=30°的扇形喷头和新型对冲喷头;利用喷头雾化性能测试系统检测2种喷头的雾滴粒径和雾滴分布情况,使用分布跨度评价雾滴粒径均匀性。【结果】在距喷头终端喷孔出水口100 mm处,喷施压力在0.3～0.8 MPa范围内变化时,扇形喷头和新型对冲喷头的分布跨度分别在1.65～1.82和1.07～1.23之间,分布跨度小表明雾滴粒径均匀性好、雾滴谱窄,且从测得的雾滴分布图发现,新型对冲喷头的雾滴分布较集中;当喷施压力大于0.6 MPa时,扇形喷头雾滴粒径变化趋向稳定,而新型对冲喷头雾滴粒径随喷施压力增大还能不断减小,表明新型对冲喷头具有调压范围宽的良好调压特性;撞击后会形成较大雾滴,较大雾滴并有一定速度具备较好的穿透性能和抗飘移能力;为使喷头达到较佳的病虫害防治效果,建立了喷头雾滴粒径多项式回归模型,为喷头选用提供依据。【结论】基于射流和撞击流耦合作用的对冲喷头具有雾滴粒径均匀性较好、雾滴谱较窄、调压范围宽和抗飘性较强的特点,可为开发精准施药植保机械装备提供技术支持。