悬挂式深松机耕整地耕深检测方法研究

耕深作为深松作业质量的重要指标,长期以来无法实现在线评估,目前以人工抽测为主,误差大,效率低。以提高农机深松耕整地作业质量为目标,提出一种基于深松机组姿态估测的耕深检测方法及系统。首先分析了牵引拖拉机以及悬挂式深松机在作业过程中的运动轨迹,建立了拖拉机与深松机作业耕深检测模型。该模型通过检测安装在拖拉机后悬挂杆和悬挂式深松机上的姿态传感器输出角度,实时计算深松机耕深。为验证该检测模型的精度,设计了基于嵌入式ARM内核的耕深检测传感器和深松作业检测系统,该系统集卫星定位系统(GPS)、移动网络传输(GPRS)、数据存储(SD卡)等于一体,能实时采集深松机作业耕深、作业位置、作业速度及航向信息,数据存储在检测系统的终端设备中,并通过移动网络传送至远程数据中心做进一步融合处理,以对深松作业质量进行综合评价。将耕深检测传感器进行静态标定,耕深检测标定误差小于0.88 cm,平均误差小于0.21 cm,均方根误差小于0.66 cm。利用标定后的传感器及深松作业检测系统在田间开展多组试验,试验结果显示该系统耕深检测最大误差为1.18 cm,多组试验数据的平均误差小于0.45 cm,均方根误差小于0.64 cm,表明该系统耕深检测精度和稳定性较高。     

基于无人机多光谱遥感的棉花生长参数和产量估算

及时准确地监测棉花长势和产量是精准农业栽培管理的关键。无人机(UAV)平台能够快速获取高时空分辨率的遥感数据,在作物生长参数和产量估算方面显示出巨大的潜力。以山东省滨州市棉花为研究对象,利用安装在无人机上的多光谱相机获取遥感影像,分别提取各波段反射率,筛选出8种植被指数,采用多元线性回归(MLR)、随机森林(RF)、人工神经网络(BPNN)3种方法分别构建棉花的株高、叶绿素相对含量、单株产量的估计模型并进行验证。结果表明,基于BPNN的预测模型精度明显优于MLR和RF模型,盛花期与成熟期棉花株高估计模型验证集的R²分别为0.842和0.670;叶绿素相对含量估算模型验证集的R²分别为0.725和0.765;产量估算模型验证集的R²分别为0.860和0.846。为无人机遥感在作物生长参数与产量估算领域中的应用提供理论依据,为进一步优化农业生产管理、科学决策提供参考。     

农田耕整载荷六维力传感器结构优化与解耦研究

针对农田耕整载荷大、测量精度低等问题,在经典十字梁结构基础上,设计了一种辐梁式六维力传感器,可同时测量力和力矩,通过仿真方法对传感器结构进行了优化,确定了应变梁长、宽、高分别为9、10、6mm;分析了传感器结构在载荷下的应变能力,确定了应变片贴片位置。对传感器开展了静态标定试验,基于标定数据采用改进型XGBoost(Extreme gradient boosting)机器学习网络对力信号进行解耦,并与常规网络进行比对。试验结果表明,改进型XGBoost模型在X、Y、Z方向力和力矩6种加载方式的测试集决定系数R2P分别达到0.9804、0.9418、0.9434、0.9868、0.9969、0.9822,预测效果较好,避免了陷入局部最优解。改进型XGBoost模型在六维加载力、力矩的R2P、测试集平均绝对误差（MAEP）均明显优于随机森林模型、传统多元线性回归,相较于传统多元线性回归方式,六维加载力、力矩的R2P分别提升22.57%、20.99%、23.32%、26.27%、26.05%、18.72%。基于机器学习的解耦算法可明显减少耦合误差的影响,提高传感器的测量精度, 为农机优化提供了技术支撑。     

基于RF-SA-SDCNN的涡扇发动机剩余寿命预测

针对涡扇发动机现阶段预测精确度低的问题,提出了一种基于RF-SA-SDCNN相融合的涡扇发动机剩余寿命预测方法。首先,将多传感器长序列数据进行指数平滑和归一化处理,以减少由于量纲、取值范围不同和噪声波动引起的误差,并利用随机森林算法对多元传感器信号进行重要性特征提取;然后,搭建基于随机森林算法和自注意机制与堆叠膨胀卷积神经网络相结合的预测模型,自注意机制通过对特征赋予不同权重分配加强贡献度,堆叠膨胀卷积通过扩大模型感受野提取时序特征用于回归分析,并利用GridSearch优化算法和StratifiedKFold交叉验证方法优化模型提升模型预测精度;最后,采用CMAPSS数据集验证验证所提方法的有效性。结果表明,所提方法可有效提高涡扇发动机剩余寿命预测精度。     

双板差分冲量式谷物流量传感器性能试验

对双板差分冲量式谷物流量传感器的静态受力特性进行检测,结果表明传感器的输出信号与静态力作用点的位置无关,即传感器的线性度满足使用要求.室内标定试验和田间测产试验得到谷物流量在0～2.0 kg/s范围内信号与传感器输出电压信号的关系和标定系数K.田间水稻测产试验检测测产精度误差小于3.8%.     

基于Android手机的田间棉花产量预测系统设计

棉花是我国的重要经济作物,棉花产量预测有助于经济调控和调节种植模式,提高生产收益。目前,传统人工测产方法存在劳动强度大,测量精度底等问题。为解决这一问题,选用喷洒脱叶剂后的棉花图像为研究对象,并构建相关数据集,同时以单位面积中的棉花株数、棉铃数和单铃籽棉质量的计算公式和改进的YOLO v5算法模型为核心算法,设计基于Android移动端的棉花产量预测系统。通过选择手机拍照或选择调用相册两种方式获取图像信息,对目标图像进行数据分析处理,实现棉花的产量预测。以图像中棉花的检测框检测出棉花棉铃,根据不同的土壤类型,自动计算出每公顷的棉花产量,与实际产量对比显示,实际产量和预测产量的籽棉和皮棉平均误差为122.01 kg/hm²和57.98 kg/hm²,且模型在手机端的精度较高,准确率P和召回率R为90.95%和73.16%,与原YOLO v5模型相比,提升19.58、16.84个百分点,在3种类型的手机上进行对比检测后,系统运行时间平稳,产量预测结果相差不大。结果表明,设计的棉花产量预测系统在田间测产结果和算法运行性能较为良好,可以为棉花产量的预...     

基于CBAM-U-HRNet模型和Sentinel-2数据的棉花种植地块提取

棉花是我国重要的经济作物和战略储备物资,及时、准确地获取棉花空间分布信息对于棉花产量预测、农业政策的制定与调整具有重要意义。针对高分辨率遥感影像获取难度大以及传统机器学习对特征信息利用不足的问题,本文以新疆南部地区图木舒克市为目标区域,提出一种以U-HRNet为基本框架,融合CBAM注意力机制的CBAM-U-HRNet棉花种植地块提取模型。选择U-Net、HRNet和U-HRNet作为对比模型,评估CBAM-U-HRNet模型在Sentinel-2(10 m)和GF-2(1 m)2种空间分辨率数据集上的表现以及在棉花地块提取的优势。结果表明,基于Sentinel-2遥感影像的CBAM-U-HRNet组合模型对棉花地块的提取精度最优,mIoU和mPA分别达到92.78%和95.32%。与Sentinel-2数据集相比,空间分辨率更高的GF-2数据在HRNet、U-Net和U-HRNet网络上取得了更高的精度。对于两种不同空间分辨率的数据集,基于CBAM-U-HRNet模型的棉花地块提取精度较为接近,表明CBAM-U-HRNet模型能够减少由于数据集空间分辨率不同导致的错分。与随机森林算法...     

基于Landsat 8的节水改造背景下盐渍化土壤含盐量反演

为探明沈乌灌域节水改造后因渠道衬砌、引排水量减少引起的土壤含盐量时空分布特征及变化规律,采用区域土壤信息定点监测,结合经典统计学、空间插值以及机器学习建模反演等技术手段,利用Landsat 8卫星获取光谱数据,通过对实测土壤含盐量、光谱指数及波段反射率进行处理,运用Adaboost回归、BP神经网络回归、梯度提升树回归、KNN回归、决策树回归、随机森林回归方法构建了沈乌灌域土壤含盐量空间反演模型。采用最优反演模型对沈乌灌域土壤含盐量空间分布特征进行了遥感反演。结果表明： 通过全变量单一回归法筛选出相关系数大于0.55的9个光谱因子,使用SPSS PRO软件构建6种机器学习反演模型,对比6种反演模型精度,验证集决定系数R2由大到小依次为随机森林回归、梯度提升树回归、Adaboost回归、KNN回归、决策树回归、BP神经网络回归。其中随机森林回归模型的拟合精度最佳,训练集与验证集的决定系数R2分别为0.834和0.86,说明随机森林回归模型的反演效果较好。反演结果表明：节水改造后非盐渍土面积增加391.7km2,占灌域总面积的21%,中度盐渍土面积、重度盐渍土面积、盐土面积分别减少95.61、63.37、45.7km2,分别占灌域总面积的5%、3%、2%。综上所述,节水改造工程完成后,沈乌灌域土壤盐渍化程度减轻,作物生长安全区面积增加,但由于渠道衬砌以及引排水量减少,土壤盐分淋洗效果减弱,土壤盐分在灌域内部运移,整体土壤环境得到改善,局部地区出现盐分聚集。     

双板差分冲量式谷物流量传感器性能试验

对双板差分冲量式谷物流量传感器的静态受力特性进行检测,结果表明传感器的输出信号与静态力作用点的位置无关,即传感器的线性度满足使用要求。室内标定试验和田间测产试验得到谷物流量在0～2.0kg/s范围内信号与传感器输出电压信号的关系和标定系数K。田间水稻测产试验检测测产精度误差小于     

基于图像特征和随机森林的油菜生物量估算

油菜生物量是喂入量和作业质量的主要影响因素,高效、快速地检测油菜生物量是实现油菜收获机自动控制的基础和前提。为研究收获期油菜生物量的影响因素和分布规律,首先利用无人机采集联合收获期油菜的田间可见光图像并实测油菜的生物量信息,提取并构建与油菜生物量有关的32个特征参数,通过相关性分析筛选出与油菜生物量相关性较高的10个显著特征;分别建立基于随机森林（Random forest,RF）、主成分分析（Principal component analysis,PCA）和支持向量机（Support vector machine,SVM）的联合收获期油菜生物量估算模型;利用训练集确定模型参数并优化,利用测试集估算油菜生物量,验证估算模型的性能并比较精度。结果表明：3种模型的评价指标均方根误差（RMSE）、相对误差(RE)和决定系数(R2)分别为0.24 kg/m2、0.04%~22.23%、0.87,0.36 kg/m2、0.92%~21.14%、0.71和0.26 kg/m2、0.28%~34.17%、0.84;对比估算结果可知,基于随机森林的估算模型的RMSE小于PCA和SVM模型,决定系数R2最大且相对误差较小,模型精度和稳定性较优,是估算联合收获期油菜生物量一种较优的方法。基于可见光图像特征和随机森林的油菜生物量估算方法可为油菜联合收割机喂入量自动检测提供方法和参考。     

自动采棉机表面几何特性与数控加工技术分析

为进一步提高自动采棉机各部件加工与装配精度,实现采棉机作业效率与作业寿命的提升,以自动采棉机的组成结构及作业原理为基础,针对表面几何特性与数控加工技术进行分析.依据自动采摘机实际作业过程中出现的摘锭磨损等故障,给出自动采棉机零部件的数控加工工序模型,运用UG软件三维建模同时进行层次化的加工工艺流程设计及走刀算法优化.以...     

基于IMM UKF的冲量式测产系统研究

为适应精准农业的发展趋势,提高测产计量系统的精度,开发一套基于IMM UKF算法的冲量式测产系统。该系统由冲量传感器模块、北斗定位模块、DTU传输模块和上位机等组成。系统通过传感器模块进行信号的采集和处理,采用CAN通信方式将处理后的数据发送至上位机。上位机使用IMM UKF滤波算法对传感器上传的数据进行滤波,最终根据标定曲线得到谷物产量。通过车辆空载试验,采用IMM UKF算法与KF和UKF算法进行对比验证,结果表明IMM UKF算法的滤波效果更好,均方差为0.000 42 N。通过传感器标定试验,确定传感器的检测值与实际谷物重量的关系。通过大田测产试验,得出每个地块的产量分布图,试验结果表明该测产系统的平均误差达到3.911%。     

基于无人机数码影像的棉叶螨严重度监测

棉叶螨是影响棉花产量和品质的主要虫害之一。为快速、准确、有效地监测棉叶螨发生情况,利用无人机搭载数码相机获取数码影像,并计算多种可见光植被指数作为初选特征因子,然后采用ReliefF-Pearson特征降维方法选取最佳建模特征,分别构建偏最小二乘回归(PLSR)、BP神经网络(BPNN)、随机森林(RF)的棉花冠层叶片叶绿素相对含量(SPAD)值遥感估测模型和棉叶螨严重度遥感估测模型。结果表明,棉叶螨严重度与棉花冠层叶片SPAD值呈显著负相关关系。经过精度评价,确定RF模型具有最佳性能,模型验证的决定系数和均方根误差为0.74、2.13。该研究结果表明利用棉花冠层叶片SPAD值遥感估测模型可准确估测棉叶螨为害情况,为棉叶螨的无损监测和病虫害防治提供参考依据。     

基于CAN总线的冲量式谷物流量联合收割机测产系统

针对精细化农业生产管理发展及智能化农业装备的需求,研究了基于冲量定理及压电传感器的谷物流量检测技术,研制了谷物流量传感装置,并集成CAN总线技术,开发了基于CAN总线的冲量式谷物流量联合收割机测产系统。通过试验与数据分析,冲量式谷物流量传感器静态检测精度稳定、准确,动态测量快速、精准。结合CAN总线工作稳定、实时性强等特点,所设计的谷物流量测产系统具有实时性强、测量误差小和传输稳定的特点,谷物测量误差基本稳定在8%以内,谷物流量定位实时、精确,以此绘制的谷物产量处方图具有一定的可信性和实用性。      

单板式冲力谷物测产传感器设计与试验

为了能够适应目前精准农业的治理与发展需求,设计了实时产量检测的单板式冲力谷物测产传感器。为了验证方法的可行性,进行了传感器的受力有限元仿真,形成应力板的受力云图,确定应变片的检测位置。采用惠斯通电桥对应力采集板的形变信号进行采集,并通过CAN发送给上位机。上位机通过无迹卡尔曼滤波（UKF）算法对形变信号处理后,通过标定关系曲线,得到实时的产量信息。应力标定试验,确定了传感器采集的模拟值与冲力的关系曲线;产量标定试验,确定了冲力与产量的关系曲线模型;田块试验,表明该传感器的检测平均绝对误差为4.6%。      

统收式采棉机清选装置试验研究

为提高统收式采棉机清选装置的分选性能,针对棉花含杂率较高、损失率较大等问题,设计了一种统收式采棉机清选装置.首先,阐述了该机的整体结构和工作原理;然后,根据理论分析及前期试验确定以喂入量、钉齿滚筒转速转速、栅条间距为试验因素,棉花含杂率与损失率为目标值,利用SPSS数据处理软件对其目标值进行极差和方差分析.结果表明:较...     

2TPR&2TPS并联机器人结构参数辨识

并联机器人末端位姿精度对其工作性能影响较大，建立有效的标定算法是提高机器人位姿精度的重要保证。本文以一种2TPR&2TPS并联机构为研究对象，首先对机器人进行运动学分析，采用全微分法得出机器人的误差模型，根据该模型得出机器人结构参数误差与末端位姿误差的量化关系，以及各误差项误差变动对末端位姿误差的影响规律；接着，建立参数辨识模型和标定效果评价函数，验证了参数辨识模型的有效性，再用该模型辨识机器人的结构参数误差；最后，修正运动学模型完成了机器人的误差标定。实验结果显示，标定后机器人的平均位置精度提升68.62%,距离误差均值由7.710 mm降至2.350 mm,精度提升69.52%,实验结果证明本文的标定算法有效。     

基于平行轨迹导航的采棉机自动对行控制方法

为解决传统人工操作采棉机长距离对行作业时存在劳动强度大、作业速度受限和效率较低的问题,利用棉花采用卫星导航平行精准播种的特性,提出了一种基于平行轨迹导航的采棉机自动对行控制方法。首先,人工驾驶采棉机完成首行对行作业,记录RTK定位轨迹数据,并进行线性拟合,得到参考导航线斜率;然后,对后续各行收获时,在任意起点对齐待收获的棉花行,由起点坐标和参考斜率计算得到平行导航基准线;最后,采用速度自适应纯追踪算法,实现采棉机自动对行。田间试验表明,该方法能够从任意行起始位置开始自动对行,不同速度下,平均绝对横向偏差为2.91cm,最大绝对横向偏差为9.22cm,平均标准差为1.80cm,控制性能均优于手动对行,满足采棉机对行精度要求。相对机械触碰式自动对行方法,该方法不受缺株歪株影响,并且在较高速7km/h行驶时仍能保持良好的对行精度。     

应用于自动采棉机的电机永磁性能设计分析

针对自动采棉机的电机在作业过程中较难控制的问题,对自动采棉机进行了设计,并对其电机的永磁性能进行了分析。自动采棉机的主要组成为主控模块、电源管理模块、存储模块、数据采集模块、路径规划模块和执行模块。采棉机的电机采用双凸极永磁电机,通过对电机的结构进行简化,对电机进行等效磁路模型分析和磁导的计算,对电机的永磁性能进行了分析。为验证该自动采棉机的永磁性能和采棉性能,对其进行试验。试验得到了电机的永磁性能曲线,表明自动采棉机采棉效果良好,能够满足用户的需求。