基于卷积神经网络的水稻钵体软盘穴播量检测

为避免水稻钵体软盘穴播量检测过程中的秧盘背景分割和稻种特征的手工设计及提取,本文提出了一种基于卷积神经网络的水稻钵体软盘穴播量检测方法,该方法可自动学习和提取不同穴播量的水稻种子特征,实现常规稻、杂交稻和超级杂交稻钵体软盘穴播量为0、1、2、3、4、5、6及7粒以上共8种播量的自动检测。本文在每层卷积单元网络结构参数保持固定的前提下,选取2～4层共3种不同卷积单元数量的网络结构对RiceCountCNN模型性能进行试验,试验结果表明随着模型深度加深,模型检测精度逐渐提高。本文在3层RiceCountCNN模型网络框架下,按卷积核的大小递减和数量递增原则选择得出不同的卷积核网络参数组合方式,最终优化得出网络结构为9C16-AP2-7C32-AP2-5C64的模型性能最佳,平均正确率达到98.76%。为测试RiceCountCNN模型的性能,每个水稻品种选取1幅19穴×14穴的图像作为测试集对模型进行测试,试验结果得出模型针对常规稻、杂交稻和超级杂交稻的检测正确率分别达到97.37%、98.12%和90.98%,每幅图像的检测时间小于2.33 s。研究结果满足精密育秧播种实际工况检测要求,该研究为实现水稻精密衡量播种作业提供参考。     

基于特征融合和SVM的稻谷品种识别

为快速有效地识别稻谷品种,提出一种基于特征融合和SVM的稻谷品种识别方法。采集华南双季稻区4种不同的籼稻品种(象牙香占、江航丝苗、小农占和五优234),采用图像处理的方法对稻谷图像进行灰度化、二值化和形态学处理等预处理操作,提取稻谷图像的形状特征和颜色特征,建立单特征模型和融合特征模型,构建SVM分类器,进行稻谷品种识别试验,并进行模型选择和讨论。结果表明,两两品种差异性显著的6个形状特征参数为:面积、长轴长、短轴长、离心率、周长和形状因子;形状特征模型对于不规则形状和大小的谷粒品种具备较好的识别能力;与BP神经网络识别模型相比,SVM模型的识别率更高、时间更短。基于特征融合和SVM的稻谷品种识别获得较高的准确率99.50%和较短的识别时间0.165 s,可满足稻谷在线识别与质量检测的精度和实时性要求。     

基于多特征融合和深度置信网络的稻田苗期杂草识别

杂草的准确识别是田间杂草精准防控管理的前提,机器视觉技术是实现杂草准确识别的有效手段。该文以水稻苗期杂草为研究对象,采集稻田自然背景下和不同光照条件下的6种杂草图像共928幅,包括空心莲子草、丁香蓼、鳢肠、野慈姑、稗草和千金子。采用1.1G-R颜色因子将杂草RGB图像进行灰度化,选择自动阈值自动分割得到杂草前景二值图像,通过腐蚀膨胀形态学操作进行叶片内部孔洞填充,应用面积滤波去除其他干扰目标,最后将杂草二值图像与RGB图像进行掩膜运算得到去除背景的杂草图像;提取杂草图像的颜色特征、形状特征和纹理特征共101维特征,并对其进行归一化处理。在双隐含层和单隐含层的深度置信网络(deep belief networks,DBN)结构基础上,对DBN隐含层节点数选择方法进行研究。针对双隐含层DBN节点数,选择恒值型、升值型和降值型3种节点组合方式进行优化研究,当网络结构为101-210-55-6时杂草识别率为83.55%;通过对单隐含层节点参数优化得到网络结构为101-200-6时杂草识别率达到91.13%。以同一测试样本的运行时间值作为模型的测试时间对3种不同模型进行耗时测试,SVM模型、BP模型和DBN模型测试结果分别为0.029 7、0.030 6和0.034 1 s,试验结果表明基于多特征融合的DBN模型的识别精度最高,且耗时较其他2种模型相差不大,可满足实时检测的速度要求,所以在实际应用中应优先选择基于多特征融合的DBN模型。该研究可为稻田杂草识别与药剂选择性喷施提供参考。     

基于锥状电极的新型接触式静电喷雾装置研究

为了利用锥状电极尖端放电的优越性以改善接触式静电喷雾装置的静电喷雾性能,设计了一种新型接触式充电静电喷雾装置。通过Maxwell 3D电磁场软件分析了锥状电极尖端放电的特性,分别进行了荷质比、雾滴群体积中径值测定和叶背沉积量等试验研究。研究结果表明:在平行板电容器中加载5个锥状电极的方案在同等喷雾条件下静电喷雾性能最优。该方案在同等喷雾条件下荷质比达0.46mC/kg,同等靶标下背面沉积量在上、中、下3层分别提升90、40、20μg/cm~2,提升幅度达到两倍以上。所使用的基于Maxwell 3D电磁场软件的优化设计方法,为接触式静电喷雾装置的进一步研究提供理论依据与参考。     

基于无线传感器的大棚苗木生长环境监测系统设计

通过在农业苗木大棚中布置无线传感器,对苗木大棚环境进行自动监控和控制,可实现苗木大棚的智能化和智慧化管理,具有重要实践意义。基于此,文章研究设计了一款大棚苗木生长环境监测系统,其以无线传感网为组网技术,各传感器实时监测农业苗木大棚的空气温度、湿度等数据后发送给后台网站,后台系统自动储存并绘制出线性统计图,用户可通过网站实时观察苗木的生长环境。     

卧式饲料混合搅拌机混合原理及其搅龙参数的设计

通过研究卧式双搅龙饲料混合搅拌机的结构、特点及其混合原理,分析了物料在混合机内产生的混合、剪切、揉搓及对流运动,提出一种适用于肉羊全混合日粮的加工制作设备,能够将各种精、粗饲料按照一定的比例配方混合搅拌均匀,从而提高饲料营养均衡性及适口性。运用Solidorks对卧式双搅龙饲料混合搅拌机相关部件建模,特别对其核心部件—双螺旋搅龙结构参数进行设计及理论分析。整机性能实验结果表明,该机混料均匀度为91.1%,投料稳定性93.4%,主要性能指标达到设计要求。     

基于机器视觉的干制红枣大小分级方法研究

为了实现干制红枣的大小自动分级,介绍了应用机器视觉的干制红枣自动分级方法,利用CCD摄像机获取红枣的样本图像,应用MATLAB软件编程实现了样本图像的灰度化、二值化、图像分割、图像滤波、图像形态学处理、边缘检测和特征量提取等处理,参照干制红枣分级标准完成了红枣自动分级。通过实验数据回归分析得出红枣实测纵径、果质量与识别值当量值之间的数学检测模型,其决定系数分别达0.995 5和0.948 1。实验表明,采用句法模式识别对数据进行红枣大小分级,分级准确率达85%。     

基于移动端轻量模型的杂草分类方法研究

杂草分类的研究大多集中在服务器端模型,而该类模型存在规模较大、占用较多计算资源、计算速度较慢、准确率不高等问题,以ResNet50和MobileNetV3_large模型为基础,采用数据增强、迁移学习来进行快速训练,在训练中通过设置加权Softmax损失函数的权重,最后再利用精度高的服务器端模型指导和优化移动端模型,从...     

高速插秧机工作状态检测装置的设计与试验

为了进行高速插秧机栽插质量检测,需精准提供其工作起始和结束点,以便准确测取统计数据。为此,采用陀螺仪、加速度计、霍尔式传感器、语音模块及单片机构成控制系统,研制了一种适用于高速插秧机工作状态检测装置。根据高速插秧机悬挂连杆机构在不同工作状态下与水平面间夹角的不同及工作时行驶速度的差异,设计了角度检测电路及速度检测电路,控制系统根据检测结果判断高速插秧机处于何种工作状态,并通过语音模块输出语音信号提示驾驶员。角度检测、速度检测的试验研究表明:角度测量平均误差为0. 95°;高速、中速和低速下速度测量平均误差分别为0. 041 2、0. 037 8、0. 063 6m/s,满足高速插秧机工作状态检测精度要求。