基于BP_Adaboost的农机行驶轨迹状态识别

农业机械运动轨迹不仅包括田间作业轨迹,还包括道路行驶轨迹。有效区分农机行驶过程中田间作业和道路行驶等作业轨迹,可精确划分有效作业地块和精准评估农机作业效率,从而实现农机的远程智能管理。通过对农机轨迹点属性的分析,提取典型特征数据,利用BP_Adaboost方法建立的训练模型对农机轨迹点进行识别,将道路与田间交界处易错轨迹点重新标记后再次训练,轨迹识别正确率达96.89%。该方法既避免了传统聚类算法对阈值和参数依赖的问题,也有效解决了将道路行驶轨迹误识别为田间作业轨迹的难题。      

基于DBSCAN的农机作业轨迹聚类研究

农业机械在田间作业过程中,时间和空间维度上产生大量的作业数据,对农业机械作业轨迹数据进行聚类分析在农机作业状态分析和效率研究中具有重要意义。为此,应用DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法对模拟农业机械作业轨迹进行分析,设计了基于密度聚类的农机作业状态分类算法。对模拟数据的聚类结果表明:该方法正确分类农机作业班次内的有效作业轨迹、空行转移轨迹和停歇轨迹的精度达到98.33%、70%和100%。聚类作业轨迹反映的农机利用率为95.35%,为农机田间作业轨迹研究提供了依据。     

基于三次样条插值的农机作业面积计算

受地块不规则影响,农机作业轨迹多样,作业面积计算的难度也随之增加。有效准确地计算农机作业面积,是农机作业监管和效率评估的主要依据。通过对地块和轨迹分析,提出了利用三次样条插值算法生成农机作业轨迹线,穿过所有轨迹点的同时,保证轨迹线平滑。将所有作业轨迹线累加,结合作业幅宽可计算作业面积。该方法不仅减少了折线方法在拐角处计算不合理产生的误差,也解决了其他方法在弧形地块行驶过程中小弧度转向轨迹线不平滑的问题。该方法计算作业面积在弧形轨迹中准确率高于传统折线计算等方法。      

基于机器学习的小麦收获机掉头轨迹识别

识别小麦收获机运行轨迹是分析农业机械活动、提高作业效率的重要手段。本文针对小麦收获机田内作业场景，提出一种基于机器学习的收获机掉头轨迹识别算法。首先通过两步K-means聚类与三步修正识别出X形掉头轨迹点、作业异常轨迹点与作业轨迹点；为进一步从作业轨迹中分类出U形掉头轨迹点，构建了基于支持向量机模型(Support vector machine, SVM)的U形掉头轨迹识别算法，并对初步识别结果进行三步修正；最终识别出小麦收获机的田内X形掉头、作业异常、U形掉头与作业轨迹点，识别结果的F1值为94%,时间间隔为1～5 s的数据的F1值在90%以上，实现田内轨迹的细致划分。基于去除掉头轨迹与异常轨迹后获得的有效作业轨迹，可通过距离算法计算获得农田面积，结果相比使用原始轨迹的计算误差可降低12.76%。该研究可为基于海量农机轨迹的作业精细化管理提供参考。     

油菜地块边界提取研究

油菜地块精准提取可实现道路、田埂和地块三部分的分离,为植保无人机提供准确作业区域和非作业区域,推动植保无人机实现自主作业。基于甘肃省张掖市民乐县油菜地无人机低空RGB影像,构建基于简单线性迭代聚类(SLIC)分割和VGG16分类网络相结合的方法实现油菜田地块边界提取。首先,以过绿指数方式灰度化图像,区分裸露地表与植被覆盖区域,其次,通过直方图分析、轮廓检测提取地块主体部分;最后,通过简单线性迭代聚类(SLIC)和VGG16模型相结合,划分网格,识别过分割区域中的作物种植区域,提取完整地块。对比所提算法与传统边界检测算法地块边界提取效果,结果表明：所提模型的平均交并比和平均准确率分别为95.9%、96.0%,边界提取精度和完整性明显优于传统算法。所提模型能够消除低空拍摄下杂草的影像,可为农田边界提取提供参考,可为植保无人机完全自主作业做好铺垫。     

农机深松整地作业监测系统的设计与实现

针对广东省土地深松补贴工作的有效整地深度和深松面积核查的实际需要,开发一种农机深松整地作业监测系统:采用角度传感器组,通过机械式固定解算算法,提供精确可靠的农机耕地深度数据,测量平均相对误差小于3%;利用高精度GPS,绘制农机作业轨迹,发展基于轨迹的缓冲区面积计算方法,有效识别交叠的作业轨迹和重复作业地块;搭建基于JavaEE分布式深松作业管理服务平台,实现农机耕作情况的远程监控和政府补贴资金的自动计算与核实。     

农机驾驶人员疲劳驾驶行为检测研究

在播种与收获季节,农机驾驶人员经常不分昼夜不顾疲劳地作业,极其容易发生安全事故。目前对疲劳驾驶的检测方法主要分为接触式(例如直接采集农机驾驶人员身体特征信息)与非接触式(例如拍摄农机驾驶人员面部视频信息检测疲劳状态)两种。针对两种方式中存在使用不方便和检测不准确问题,提出一种使用Haar-like特征加Adaboost算法训练出多个弱分类器组合成的强分类集合检测人脸方法,基于卷积神经网络模型将农机驾驶人员脸部分为闭眼、正常及非人脸的概率值,使用PERCLOS方法检测疲劳状态。嵌入式平台仿真实验表明,本文采用的Adaboost+CNN+PERCLOS方法准确率可达95.1%。     

基于三维激光雷达与优化DBSCAN算法的果树定位方法

为提高果园喷雾机器人在果园行间行走的自主性和安全性,提出一种基于三维激光雷达与优化DBSCAN算法的果树定位方法。首先,采用三维激光雷达获取果园的环境信息,通过感兴趣区域提取、地面点云分割和体素滤波降采样对原始点云数据进行预处理;然后,对DBSCAN算法进行优化,构建KD树索引有序化实时点云数据,并使用KD树最近邻搜索替代传统DBSCAN算法的遍历搜索方式,最后根据数据点到激光雷达的距离自适应确定聚类密度阈值,实现行间不同距离的果树检测;最后,以果树聚类结果的冠层边缘点为果树的定位参考点,得到果树定位参考点的坐标,计算果园喷雾机器人与果树的相对位置。试验结果表明：优化的DBSCAN算法相较于传统DBSCAN算法检测的准确性和实时性均有明显提升,果树的横向定位平均误差为2.6%,纵向定位平均误差为1.6%。该方法能够满足果园喷雾机器人在行间果树定位的准确性和实时性要求,为精准农业装备在林果园环境下的自主导航和作业提供有效参考。     

DBSCAN算法优化及在村镇管理决策中的应用

作为空间数据挖掘技术中的一种,带有噪声的空间聚类应用算法(DBSCAN算法)是基于密度的聚类算法,其可以从空间数据库中发现任意形状的聚类。本文研究了基于密度的空间聚类算法优化原理及实现过程,分析了原始DBSCAN算法存在的问题,通过避免公共领域对象的重复查询,减少对核心对象邻域查询的计算,优化后算法的时间效率提高了33.73%。将优化后的DBSCAN算法应用于村镇网格化管理,可对网格化管理系统中的数据记录进行有效挖掘,为村镇管理工作提供信息和辅助决策。     

基于改进K均值特征点聚类算法的作物行检测

精准施药是现代精准农业发展不可或缺的一部分,而准确地提取作物行是进行精准施药的关键环节。为此,以苗期的玉米为研究对象,提出一种基于改进K均值特征点聚类算法的作物行检测方法。该方法根据距离函数最值关系求出最佳聚类数目,再依据点密度大小和邻域半径确定初始聚类中心,减少了迭代次数,提高了算法的执行效率和划分效果。首先,采用改进的超绿法(1.27G-R-B)进行灰度化和Otsu方法进行二值化,得到作物行的二值图像;然后,利用左右边缘中间线算法提取作物行特征点;最后,采用改进K均值算法和最小二乘法对作物行中心线特征点进行聚类和直线拟合。试验数据表明:提出的改进K均值特征点聚类算法识别效果好,精确度高,可为精准施药提供理论依据。     

基于卷积神经网络的拖拉机工况识别

农机工况识别在细化农机作业状态和帮助掌握区域污染物排放趋势方面有着重要的研究价值。基于拖拉机不同运行状态下的行驶速度、发动机转速以及实时油耗等时间序列,首次提出将图像识别方法引入到拖拉机工况识别中的思路,并分别应用参数优化的支持向量机与卷积神经网络对实际作业拖拉机工况进行研究。结果表明:(1)基于参数优化的支持向量机可以较好地实现样本点的工况识别且识别准确度达到99.851 9%,但无法实现农机工况的连续性识别,同时无法对农机工况转换阶段进行有效识别。(2)以拖拉机运行速度与发动机转速等信息构建样本图像来描述农机工况变化的数据表达,并在此基础上应用卷积神经网络可以有效实现农机工况的连续性识别,且识别准确率可以达到93.3%。本研究在农机工况识别方面具有一定参考价值,并为后续农机不同工况下区域污染物排放研究提供技术支持。     

基于旋转曲面轮廓特征的农田地表点云配准研究

作业场景重建可为智能农机自主作业提供全局信息与局部细节,针对因农田表面缺乏高区分度的点、线、面高层结构造成的特征描述性差、点云配准精度不足的问题,提出一种基于旋转曲面轮廓特征的农田地表点云配准方法。首先,采用32线激光雷达获取农田真实地表点云数据并完成去噪、降采样等预处理;然后,采用加权线性协方差矩阵的奇异值分解确定关键点唯一局部参考坐标系,并统计关键点与旋转曲面截面交点距离信息,生成地表点云的局部特征;最后,采用基于单特征初选与局部特征精匹配原则的多级特征匹配策略进行局部特征匹配,计算旋转矩阵与平移矩阵完成点云配准。试验结果表明,旋转曲面轮廓特征与其他特征相比,平均精度增加7.5个百分点,平均召回率增加24.09个百分点;多级特征匹配策略相对于最近邻搜索策略,平均精度增加12.68个百分点,平均召回率增加18.38个百分点;本文的点云配准方法的平均平移误差为23.59dr,平均旋转误差为3.72°,配准成功率为87.5%。因此,本文提出的基于旋转曲面轮廓特征的农田地表点云配准方法适用于真实农业地表无序点云的自动配准。     

基于激光雷达的农业机器人果园树干检测算法

针对丘陵山区果园中的斜坡及杂草影响果树检测精度的问题,提出了一种基于激光雷达的树干检测算法。首先,利用单线激光雷达获取环境信息,通过数据预处理滤除噪声点及无法利用的数据点,以树干为目标设定聚类半径,根据数据点到激光雷达的距离自适应设定聚类阈值,完成初步聚类;然后,利用初步聚类结果及地面类内数据点量大、且大致呈一条直线的特征,将数据点超过一定数量的类进行二次曲线拟合,将拟合半径大于一定阈值的类视为地面干扰,并将其剔除;最后,利用杂草枝叶类中数据点之间距离不连续的特征,将存在一定数量的相邻数据点距离较大的类视为杂草枝叶类,并将其剔除,从而完成对果园中果树树干的检测。结果表明：在无干扰情况下,对树干的误检率为0.76%、漏检率为1.90%,平均正确率为97.3%;在只存在地面干扰的情况下,树干检测平均正确率为96.1%;在只存在杂草干扰的情况下,树干检测平均正确率为91.4%;在同时存在地面和杂草干扰的情况下,树干检测平均正确率为91.9%,综合以上各种情况的树干检测平均正确率为95.5%,该方法可用于丘陵山区树干较明显的乔化果园中的树干检测,为精准农业装备在丘陵山区果园中的导航应用提供参考。     

基于优化DBSCAN算法的玉米种子纯度识别

为快速有效地识别玉米种子纯度,针对玉米种子图像特征,对玉米种子的图像处理方法和聚类算法进行研究,提出一种基于最远优先遍历的DBSCAN玉米种子纯度识别算法。该方法首先提取玉米种子冠部核心区域的RGB、HIS和Lab种颜色模型特征参数,选取H、S、B作为识别向量;其次通过最远优先遍历算法剔除密度差异特征向量边缘异常散点;最后采用DBSCAN算法进行密度聚类。实验结果表明,该方法玉米纯度识别正确率达93.3%。     

基于欧氏聚类的三维激光点云田间障碍物检测方法

为满足目前农业机械(简称农机)自动驾驶中农田障碍物检测的需求,提出了一种使用三维激光雷达检测田间障碍物的方法.该方法首先对采集的环境点云进行预处理,采用体素栅格下采样滤波,将稠密的点云在不损失特征信息的情况下进行减量;采用三维长方体对角点划定感兴趣区域以便快速计算;采用随机采样一致性(RANSAC)算法检测出农田地面点...     

基于SOM-K-means算法的番茄果实识别与定位方法

为解决多个番茄重叠黏连时难以识别与定位的问题,提出一种基于RGB-D图像和K-means优化的自组织映射(Self-organizing map,SOM)神经网络相结合的番茄果实识别与定位方法.首先,利用RGB-D相机拍摄番茄图像,对图像进行预处理,获取果实的轮廓信息;其次,提取果实轮廓点的平面和深度信息,筛选后进行处...     

互联网使用对农机服务采纳的影响及其异质性

现代信息技术在农业农村的普及促进了“互联网+农机服务”的融合,是提升农业机械化水平的重要路径,因而探究互联网使用对农机服务采纳的影响具有重要意义。以2014年、2016年和2018年的三期中国家庭追踪调查（CFPS）数据为基础,利用面板Probit模型分析互联网使用是否会影响农户对农机服务的采纳及其异质性。互联网使用对农机服务采纳具有显著的正向影响,农户家庭互联网使用率每提高1个百分点,农机服务采纳概率增加0.068个百分点,运用工具变量法解决内生性问题后,依然得到稳健性结论;互联网使用对男性、中青年、较高教育程度农户农机服务采纳的影响更大,说明个体的学习与劳动能力会影响互联网使用的效果;互联网使用对无家用农机户农机服务采纳的影响系数为0.332远大于对有家用农机户的0.175,说明互联网使用是促进传统小农户农机服务采纳的重要手段;互联网使用对非平原地区农户的农机服务采纳显著为正,边际效应为0.114,比基准模型高出了0.046个百分点,说明互联网信息技术对非平原地区农业机械化发展具有突出贡献。因此,建立“互联网+”的农机服务信息平台,加大对农村地区互联网基础设施的建设,加强对农户的互联网信息技术培训,是支持农机服务业发展和推进农业机械化进程的重要政策手段。