手动比例复合阀在中高压液压绞纲机中的应用

中高压液压技术在海洋捕捞机械—绞纲机中的使用推动了我国渔业机械的发展,手动比例复合阀在中高压液压技术上的应用则大大加快了液压绞纲机在国内渔业生产中的普及。目前,我国浙江、江苏、福建、广东和山东等省沿海渔民使用的绞纲机普遍采用带手动比例复合阀的液压系统。为此,对手动比例复合阀换向、溢流、调速集成等功能进行了分析。     

基于Harris和卡尔曼滤波的农业机器人田间稳像算法

针对田间颠簸环境影响农业机器人采集实时稳定图像问题，提出了基于Harris和卡尔曼滤波的农业机器人田间稳像算法。首先，利用摄像头获取田间抖动视频图像序列，进行图像子区域划分并计算各区域灰度均方差，进而确定各区域Harris角点阈值；通过自适应角点阈值设置，增加角点距离约束，完成图像角点检测。然后，对检测出的角点进行光流跟踪，计算出帧间运动估计参数。最后，利用自适应卡尔曼滤波算法对运动估计参数进行平滑操作并动态调整滤波平滑性能，获得精确运动估计矢量。测试结果表明，改进后的Harris角点检测算法区域平均分布标准差减小；自适应卡尔曼滤波算法在保证平滑随机运动前提下，跟踪主动运动性能平均提升30.75个百分点；稳像后的图像峰间信噪比提升15.93%,单帧处理时间为25.66 ms,满足农业机器人30 f/s高速图像采集时同步稳像对实时性要求。     

基于级联卷积神经网络的番茄花期识别检测方法

对作物花期状态的准确识别是温室作物执行授粉的前提。为提高花期状态识别的准确度，该研究以温室番茄为例提出了一种基于级联卷积神经网络的番茄花朵花期识别方法。首先采用改进的端到端的特征金字塔网络FS-FPN实现番茄花束的分割，然后采用Prim最小生成树对分割后的花束图片进行花期识别优先级排序，最后将已排序的分割花束图片输入改进的Yolov3网络，实现番茄花朵花期状态的精准识别。在由1600幅包含花蕾期、全开期、谢花期、初果期4类花期状态的番茄花束图像构成的数据集上，所提方法对番茄花朵花期平均检测时间为12.54 ms，平均检测精度分别比Mask R-CNN和SPP-Net提高了3.67%和2.39%，识别错误率比改进前的Yolov3网络降低了1.25%。最终将该方法部署到番茄授粉机器人上，并在大型玻璃温室内进行验证，结果表明，所提方法对番茄花朵各花期的检测精度分别为花蕾期85.71%、全开期95.46%、谢花期62.66%、初果期88.34%，该研究结果可为智能授粉机器人的精准作业提供重要依据。     

农业机器人并联视觉云台研究

针对智能农用机器人对机器视觉工作范围的需求,提出了一种用于农业机器人的并联视觉云台设计方案。基于双摇杆的输入输出特性,提出了一种运动支链设计方法,用于构建二自由度全球面工作空间解耦并联机构。在此基础上,衍生出两种可行的运动支链P5R和PRR,基于这两种运动支链,设计了2种二自由度全球面工作空间并联视觉云台RRP5R和RRPRR。通过运动学分析,分别建立了2种机构的位置关系表达式;通过尺寸优化,得到了2种机构的最优杆长比;通过对比得出,RRP5R型并联视觉云台具有更好的输入输出性能;通过有限元分析,研究了载荷对RRP5R型并联视觉云台运动精度的影响。结果表明,RRP5R机构强度满足要求,但杆件的累积弹性变形导致运动副的位移偏差较大。     

PF455S插秧机及其侧离合器手柄的探讨和改善

PF455S插秧机的行走底盘与国产独轮驱动插秧机相比,水田机动性能和通过性较好,但也存在手柄安装夹紧不当等问题。介绍PF455S动力插秧机的系统组成、设计原理与主要参数,对发现的侧离器手柄问题进行改进,达到了设计目的。     

类人机器人全能运动的稳定性研究

类人机器人全能运动包括不同粗糙平面上的快速行走、越障、踢球、格斗等,稳定性是上述运动的关键环节。本文从分析机器人关节角与零力矩点（ZMP）的关系入手,研究提高机器人运动稳定性的新方法。具体步骤是先粗调校正机器人姿态,然后确定各关节角度,得到保证稳定运动的关节角范围。最后依托韩国GP型机器人进行测试,结果表明了所提出方法的有效性。     

全液压山地手扶式苜蓿刈割压扁机设计与试验

为适应我国山坡、丘陵地带苜蓿收获特殊需求,提高苜蓿收获机械作业操作灵活性和安全性,提出了一款山地手扶式苜蓿刈割压扁机。该机采用全液压驱动,整机液压系统由行走驱动回路、工作装置升降控制回路及工作装置驱动回路3部分组成,可实现自走、工作装置升降和刈割压扁作业;工作装置升降机构采用平行四连杆机构,以保证工作装置升降过程中割刀刀盘倾角不变。同时,进行了样机试制与田间性能试验,试验表明:整机能够有效地实现苜蓿的刈割、压扁作业,爬坡度可达30%,行驶速度可达5km/h,能够实现单边制动转向及原地转向等功能,满足山坡、丘陵地带苜蓿收获的需求。     

智能轨迹控制割草机器人设计——基于FPGA神经网络

为了提高割草机器人自主导航和定位的精确性和智能性,设计了一种新型的基于FPGA神经网络算法的割草机器人。该设计采用FPGA可重构技术,以3层误差反向传播神经网络作为典型的模型来展开;利用成熟的BP算法公式,设计了割草机器人智能控制的模型;利用FPGA技术,设计了割草机器人的硬件系统;最后采用文本输入的设计方法,利用田间试验的方式,对机器人的轨迹规划能力和控制精度进行了验证。试验结果表明:利用FPGA和神经网络模型可以有效地穿越5个障碍物,并可得到满意的轨迹规划结果。将普通的PID控制器和神经网络PID控制器得到的控制结果误差进行了对比,结果表明:神经网络PID控制器得到的割草机器人控制误差明显比传统的PID控制器误差小。该方法为神经网络的硬件实现提供了可靠的理论基础。     

An efficient method to produce segregating populations in quinoa (Chenopodium quinoa)

Quinoa offers a promising alternative for staple food, considering its outstanding nutritional value and tolerance to abiotic stresses. To develop breeding programmes in quinoa, a reliable crossing method for increasing the genetic variation is required. In the following study, we aimed to develop segregating populations in quinoa. We tested the efficiency of three different crossing methods (hand emasculation, warm water emasculation and no emasculation). Moreover we developed a two-stage selection strategy based on morphological traits and molecular markers for the selection of hybrid plants. We reported hand emasculation to be the most efficient crossing method, followed by warm water emasculation and no emasculation. Our results demonstrated that crosses in quinoa can be successfully performed, despite its complicated flower structure and high self-pollination rate. Additionally, we developed 30 segregating populations from crosses between accessions of different origins with varying phylogenetic relationship, which offers a promising perspective for quinoa breeding programmes in the future.     

基于记忆模拟退火和A*算法的农业机器人 遍历路径规划

【目的】解决农业机器人大田作业时遍历路径规划的问题。【方法】提出一种记忆模拟退火与A*算法相结合的遍历算法。首先通过记忆模拟退火算法搜索出任务最优目标点行走顺序,然后使用A*算法进行跨区域衔接路径规划。【结果】仿真试验结果表明,该算法规划的遍历路径曼哈顿距离比传统模拟退火算法减少了9.4%,遍历路径覆盖率能达到100%,重复率控制为4.2%。【结论】记忆模拟退火通过为传统模拟退火算法增加记忆器,增强了跳出局部最优陷阱的能力,提高了算法所得解的质量。该研究结果可为农业机器人遍历路径规划提供理论基础。