田间道路改进UNet分割方法

为了保证自动驾驶农机的安全行驶,需要对农田间道路进行高精度识别。该研究以北京市大兴区榆垡镇为研究地点,构建了农田间道路图像数据集,使用开源标注工具Labelme软件进行图像标注,以UNet为基本网络结构,针对分割过程中存在的道路边缘和远处道路分割效果较差等现象,提出了3个改进方向:在编码器网络中添加残差连接,增加网络复杂度;使用池化卷积融合结构完成下采样,增加可训练参数以减少信息损失。试验结果表明,使用ACBlock(Asymmetric Convolution Block,ACBlock)和DACBlock(Dilated Asymmetric Convolution Block, DACBlock)替换UNet中的卷积核,增加了卷积核"骨架"结构的权重和卷积核的感受野,提高了远处道路及道路边缘的分割效果,农田间道路分割的交并比值为85.03%,相较于原UNet提高了6.52个百分点,且高于ResUNet、UNet3+等网络。农机行驶速度在20 km/h左右,该研究网络对于1280×720像素大小的图片平均推理时间为163 ms,符合农机自动驾驶时间复杂度要求。该研究提高了自动驾驶农机对农田间道路的感知能力,为安全行驶提供了信息支持。     

基于北斗的农机作业大数据系统构建

针对全国范围农机作业动态监测和量化统计的应用需求,该研究通过在农业机械上安装北斗终端,制订数据传输规范,完成了基于北斗的农机作业大数据系统建设。该系统由农业机械及北斗终端、农机制造企业物联网平台和农机作业大数据管理服务平台3部分组成。系统共接入农机290 153辆。经数据清洗、轨迹分割和参数提取3个数据处理步骤,可获得农机的工作时长、行驶里程和作业面积等基本统计量。以2021年夏小麦机械化收割为例,利用该系统进行数据获取、处理和统计分析,输出收割机分布热力图和作业重心转移图,进行了收割时长、收割效率与收割面积等统计,分析了小麦主产区对跨区作业的依赖程度。麦收期间在线收割机累计35 243辆,日均18 568辆,收割时长中位数均值为8.3 h/d,收割面积中位数均值为5.5 hm2/d,约75%的小麦收割机进行了跨区作业,跨区距离中位数约为597 km。应用结果表明,农机作业大数据系统可准确开展数据处理和作业统计,可以向农业农村部门、农机制造企业、农机合作社和农机手提供作业动态监测和数据分析服务。     

谷物联合收割机油耗随机森林预测模型

近年来农业机械保有量不断增加,农业机械对化石燃料的消耗也不断增长。该研究以实现沃得4LB-150AA型号谷物联合收割机田间作业时的油耗预测为目的,基于收割机CAN(Controller Area Network)总线及GNSS(Global Navigation Satellite System)终端采集的发动机工况数据、行驶工况数据,构建了发动机平均扭矩、发动机平均转速、平均速度、加速度均值、减速度均值、加速度方差、减速度方差7个指标,探索了7个指标与油耗之间的相关性,分析了收割机在不同区域的油耗差异,建立了基于随机森林的收割机油耗预测模型。结果表明:7个指标都与油耗存在相关性,其中发动机平均扭矩、发动机平均转速、平均速度与油耗的相关性较高,相关系数在0.6以上,其次是加速度均值、减速度均值、加速度方差、减速度方差,相关系数在0.4以上;并且不同区域的收割机作业油耗存在显著差异,其中单位面积产量高的区域油耗也相对较高;同时基于随机森林的油耗预测模型可以实现收割机作业时油耗的准确预测,均方根误差为0.14 L/h,平均绝对误差为0.24 L/h,决定系数为0.84。该研究提出的方法可为农机的工况优化及精准油耗监管提供参考。