气动式水稻株间机械除草装置研制

目的 针对水稻株间机械除草自动化程度低、难度大的问题，在机器视觉识别定位技术研究的基础上，研制一种气动式水稻株间机械除草装置。方法 采用机械设计理论、离散元动力学仿真方法结合田间试验，研制出气动式水稻株间机械除草装置。首先对气动式株间除草机构的结构进行设计，运用运动学方程计算并确定机构的几何参数，通过Pro/E运动学仿真验证机构的可行性；然后对除草刀齿与水田土壤的相互作用过程进行仿真，并对仿真结果进行验证试验；最后进行田间试验验证整机工作性能，并利用三因素五水平二次旋转正交试验对影响除草率与伤苗率的工作参数进行分析。结果 气动式水稻株间除草机构连杆长35.00 mm，摆杆长72.24 mm，除草部件到回转中心水平距离为84 mm，垂直距离为191 mm。离散元动力学仿真分析表明，倾角为10°的弯齿刀除草刀齿与土壤的接触阻力较小，阻力平均值为3.12 N，且对土壤的扰动程度较大，受影响的面积达149.69 cm²。田间试验中，在机具前进速度0.25 m/s、气缸伸缩速度0.45 m/s和除草深度2.5 cm的工作参数下，平均除草率为83.91%、伤苗率为3.63%。结论 该机具满足除草率大于80%、伤苗率小于4%的设计要求，能够满足水稻株间避苗除草的作业要求。     

基于显微图像处理的稻瘟病菌孢子自动检测与计数方法

稻瘟病菌孢子的检测通常在显微镜下由人工目测完成,该方法费时、费力、自动化程度低。因此,该研究提出了一种基于显微图像处理技术的稻瘟病菌孢子自动检测和计数方法。首先,采用显微图像系统获取稻瘟病菌孢子图像;然后提出一种分块背景提取法对其进行光照校正;根据显微图像中孢子的边缘特征,利用Canny算子进行边缘检测,其中Canny边缘检测过程中的阈值应用模糊C均值算法在梯度图上自动确定;接着对边缘检测后的二值图像进行数学形态学闭开运算处理。根据孢子和主要杂质的形态特征,利用椭圆度、复杂度和最小外接矩形宽度等形态特征参数对目标物进行分类,提取只含孢子的二值图像。最后,提出了基于距离变换和高斯滤波的改进分水岭算法对粘连孢子进行分离。测试结果表明:在100幅测试的显微图像样本中,孢子检测的平均准确率为98.5%,满足稻瘟病菌孢子自动检测和计数要求。     

水稻机械除草技术装备研究现状及智能化发展趋势

稻田生态系统中的杂草是造成水稻产量下降和品质降低的主要原因之一，施用化学除草剂会带来作物药害、杂草抗药性和环境污染等诸多负面问题，机械除草作为一种环境友好型的绿色除草方式，可以有效地替代化学除草，缓解施用除草剂带来的危害。本文针对水稻株间机械除草的技术难点，从苗草根系差异特点的角度对水稻株间机械除草装置研究现状进行了系统介绍，归纳了水稻机械除草新技术的类型和特点，总结了几种新型水稻机械除草装备的特色和优点。提出具有高精度杂草定位功能的智能除草技术将是未来水田机械除草技术发展的必然趋势。     

基于线性自抗扰的稻田除草对行控制系统设计与试验

为降低水稻机械除草的行间伤苗率,该文基于线性自抗扰技术开展水稻田间除草对行控制系统研究。在苗带信息获取的基础上,针对水田作业环境设计了一种基于线性自抗扰的对行液压控制系统。采用内、外滑梁结构,实现对行执行机构对除草部件作业路径的避苗调控。应用Amesim与Matlab联合仿真方法,构建了对行液压控制系统仿真平台,分别对线性自抗扰算法和PID算法进行了控制器设计及仿真比较,仿真结果表明:在加入扰动情况下,线性自抗扰控制系统达到期望的对行调控时间比PID减少0.1s,且抗干扰性及鲁棒性均优于PID控制算法。田间试验结果表明:行进速度和作业深度对伤苗率影响显著,最优作业参数组合为行进速度0.5 m/s,调节间距60 cm,作业深度20 cm,此时伤苗率为3.6%;性能比较试验表明:有对行控制系统的平均伤苗率为3.9%,没有对行系统控制的伤苗率为18.6%。该系控制统满足机械除草对行控制的要求,可为水田作业环境下的精准控制问题提供借鉴。     

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Pro/E的水田除草机人机工程学设计及试验

为提高步进式水田除草机的工作效率,减轻操作人员的劳动强度,进而提高除草效果,对步进式除草机进行了人机工程学设计。根据人体尺寸参数,除草机整机尺寸设计为长1 420mm、宽530mm、高900mm。利用Pro/E的质量分析模块对步进式水田除草机进行了质量属性分析,获得除草机的整机质量为2 5.2 kg,并估算出操作人员握扶手时的提升力为49N,表明操作除草机的劳动强度较低。对该除草机进行田间性能试验,结果表明:平均除草率为85.9%,平均伤苗率为4.4%,除草效率为0.173hm~2/h,操作人员劳动强度较低,符合水稻田间机械除草的作业质量要求。     

基于茎基部分区边缘拟合的稻株定位方法

准确地定位稻株是水稻株间除草机械作业的前提,提出了侧位俯拍的图像采集方式获取稻株茎基部图像,采用茎基部分区边缘拟合的方法定位稻株,解决了除草期内水稻冠层接连引起的定位不准确问题。首先分析稻株生长形态,探究侧位俯拍稻株茎基部的相机安装参数设定,以及影响成像质量的相关因素,提出了遮光条件下采集图像的方法,构建了具有遮光功能的图像采集系统;其次采用2G-R-B彩色图像灰度化、自动阈值、形态学操作等方法处理并分割稻株图像,检测茎基部边缘并分析其形态特征,并提出了分区边缘拟合定位方法:划分拟合区间为3个子区间,在子区间内进行边缘拟合,以拟合边缘线段中点坐标均值作为子区间茎基部中点,根据中点拟合茎基部中线,以中线中点作为定位的茎基部中心。最后进行了基于茎基部与冠层的稻株定位精度田间对比试验,结果显示:插秧后10~20 d内,基于茎基部的稻株定位误差均在7.0 mm以下,其中10 d、15 d、20 d时的定位误差分别为6.9mm/6.8 mm、5.9 mm/5.8 mm、6.3 mm/6.5 mm(有水条件/无水条件);基于冠层的稻株定位误差在8.0 mm以上,其中插秧20 d后,定位误差超过15 mm以上。试验结果表明,所提出的基于茎基部分区边缘拟合的稻株定位方法,定位精度高,除草适用期长,可满足株间机械除草过程中对稻株精准定位的技术要求。