果树施药仿形喷雾神经网络模型及其应用

在试验的基础上,建立了反映果树施药仿形喷雾过程参量与分布质量系数之间映射关系的BP神经网络模型,在建模中运用了正交试验设计、交叉评价网络训练法、样本标准化处理和主元分析等技术,对网络结构及其参数进行了优选。结果显示,网络模型输出同试验结果相关系数R达到0.99,表明具有广泛的适应性。同时,该网络可以实现各种定量分析计算,例如：预测在特定过程参量下的分布质量系数,或者根据指定的效果目标,确定合适的喷雾参量等。     

果树仿形喷雾的虚拟研究

鉴于很多研究者只通过试验来定性地研究各种过程参量对喷雾质量的影响,为此作者基于已有的实际试验数据,提出了从理论上对喷雾进行虚拟研究,构建三维空间中的喷雾数学模型,实现了虚拟系统,并对虚拟的结果与实际数据进行分析和对比。结果表明,喷雾过程是一个非常复杂而且难以描述的过程。模型能虚拟实际中雾滴在果树中的飞行情况,能够反映实际喷雾的关键元素,可以仿真喷雾沉积分布的趋势。虚拟喷雾模型中设置不同的喷嘴高度,得到的沉积率的趋势一样,说明喷雾高度的变化对结果没有太大的影响。喷雾模型可对开发果树仿形喷雾预测系统或产品提供一定的理论支持。     

基于GA的果树仿形喷雾神经网络混合模型研究

基于BP神经网络研究果树施药仿形喷雾参数之间的关系发现,BP神经网络无法避免不稳定性和局部极小的局限性,为此,该文利用遗传算法优化BP神经网络的权系数,构建遗传算法和BP的果树仿形喷雾神经网络混合模型。研究结果表明：混合模型的计算精度比BP模型要高,其平均相对误差由0.05减为0.019,均方误差由0.005减为0.002。在预测应用中,不仅绝对误差减少,而且合格率从原来的60%提高到80%,较好地解决了单纯神经网络模型的不稳定性,避免局部极小的缺点。     

果树施药仿形喷雾关键参数的模拟试验研究

为了对仿形喷雾参数和雾滴分布质量进行系统分析，设计并制造了一套室内仿形喷雾试验装置，由变频器控制喷雾电动机的转速以调节喷雾压力，由试验架与果树样本的相对位置调节喷雾距离，由定时器控制电路调节喷雾时间。仿形喷雾试验按照不同的喷雾参数组合采用正交试验的方法进行。雾滴的整体分布质量采用分布质量系数进行评价。试验结果表明，在室内环境条件下，喷雾距离是影响雾滴分布质量的首要因素，其次是喷雾压力，喷雾时间对分布质量的影响不显著。喷雾距离超过80 cm时，果树内的沉积量显著减少，在喷雾距离≤50 cm的范围内，增加喷雾     

果树施药仿形喷雾的位置控制系统

按照仿形喷雾的原理，研制了一种以单片机为核心的非接触式仿形喷雾位置控制系统，即采用超声波位置传感器检测果树的位置和实际形状，由系统控制步进电机带动喷头组运动，使喷头在理想的喷雾距离下工作。为了适应喷雾对象和环境的不确定性，设计了自适应模糊控制程序，带动喷头的步进电机则采用数字脉宽调制方式(DPWM)控制。试验结果表明，该控制系统满足仿形喷雾的技术要求。     

基于变量喷雾的果园自动仿形喷雾机的设计与试验

为提高果园喷雾机自动化与精准喷雾作业性能,设计了一种基于变风量与变喷雾量的果园自动仿形喷雾机,喷雾系统以冠层分割模型作为变量处方,采用扫描精度高的激光传感器作为探测源,以电磁阀和无刷直流风机为执行元件,通过探测果树冠层体积调节电机和电磁阀的脉宽调制(pulse width modulation,PWM)信号以实时调节风机转速和喷头流量。设计了可独立调节风量和喷雾量的雾化单元,通过各个独立风机产生的高速气流协助雾滴穿透冠层;喷雾机最大作业高度4.2 m。田间试验结果表明,在行株距为5 m×2 m的单株苹果树左右两侧平均沉积量分别为1.92和1.37 u L/cm2,最少雾滴数为46.2个/cm2,大于常用方法对风送喷雾中雾滴喷幅界定的20个/cm2;树冠轮廓与沉积量和风速变化拟合结果显示,设计的喷雾机能够根据树冠信息实现仿形变量施药。该研究为果树病虫害防治提供新方法与新装备,为精准植保机具的结构设计和性能优化提供理论与方法参考。     

果园仿形变量喷雾与常规风送喷雾性能对比试验

为深入研究不同果园喷雾机的喷雾性能及影响规律,探究仿形变量喷雾技术在果园植保作业中的适应性,该文采用一种基于(LiDAR)扫描探测技术的果园自动仿形变量喷雾机,与常用的传统风送果园喷雾机、定向风送喷雾机进行对比,分析了3种机具的主要喷雾指标:药液消耗、冠层内部沉积、仿形喷雾效果、地面流失及空中飘移.试验结果表明:与常规喷雾方式相比,仿形变量喷雾有效地提高了农药利用率和作业效率,最多可节省药液45.7％;传统和定向风送喷雾机纵向沉积呈现从上部到下部逐渐增加的趋势,仿形变量喷雾机能够根据树冠特征实时调节喷雾参数,纵向沉积呈仿形分布;与传统风送喷雾机和定向风送喷雾机相比,仿形变量喷雾机的雾滴飘移分别减少23.2％和42.7％,地面流失分别减少67.4％和58.8％.该研究为果树病虫害防治减量施药提供新方法与新装备,为精准植保机具的结构设计和性能优化提供参考.     

仿形喷洒变量施水精确灌溉技术研究进展

仿形喷洒变量施水技术的概念是作者提出用来表示根据被灌溉地块或区域形状变化的要求实现变量施水的一种精确灌溉技术,具有提高灌溉质量和效率,降低灌溉系统成本的潜在优点.该文分类介绍了这种技术的实现原理、优缺点和适用范围,给出了仿形喷洒变量施水喷头流量射程调节器的一般组成和实现方式.指出了今后这种技术的研究重点应集中在以下3个方面:加强仿形喷洒变量施水喷头关键部件结构尺寸对其性能参数影响的理论和试验研究,为喷头优化设计提供依据;尽快开发应用于园林景观喷灌的地埋式仿形喷洒变量施水喷头产品;积极开展应用于大田喷灌的高均匀度仿形喷洒变量施水喷头组合喷灌技术的研究,以降低现有喷灌工程中喷头和管道的布置密度.     

果树冠幅的检测机理研究

为实现果树仿形精确喷雾,需要检测果树冠幅,在分析果树冠幅检测机理的基础上,提出了隔行计算相对冠幅的方法.根据相对冠幅和成像距离之间的关联作用,建立了数据融合的系统模型.采用BP人工神经网络进行数据融合,并阐述了具体的数据融合处理过程.试验结果证明,相对冠幅和成像距离之间采用BP人工神经网络进行数据融合可行,通过数据融合处理,消除了成像距离对相对冠幅值检测的影响,融合值与相应的理论值之间的最大相对误差为1.14%.     

树冠环绕式仿形对靶施药机设计与试验

针对树冠横切面形状引起施药机喷头与树冠间距发生动态变化从而导致树冠内、外和两侧、中部等区域喷药量不均匀、较多药液喷洒在无效空间区域的问题,该研究提出一种基于激光雷达树干定位的树冠环绕式仿形对靶喷药方式。首先,基于喷头环绕树冠的运动需求,设计对称交叉布置的两自由度仿形机构,并建立喷头运动学模型,采用基于二环PID算法对喷杆伸缩和喷头旋转进行精准控制,通过匹配施药机前进速度实现喷头半圆和多边形轨迹仿形控制;然后采用平面激光雷达对树干高度的水平面进行扫描,提出基于DBSCAN（dnsity-based spatial clustering of applications with noise）密度聚类和3点树干形状拟合的树干动态识别和定位方法;再次,在FreeRTOS框架下搭建双层控制系统,对树干定位感知、动态喷头仿形轨迹控制、数据通信和操控交互等多任务进行并行处理,实现基于激光雷达树干位置信息的喷头动态伺服仿形控制。最后,以雾滴沉积量、雾滴密度、药液覆盖率和雾滴体积中值直径作为量化指标,在树冠不同区域布置10个检测点,对环绕式和定距施药开展6组对比试验。雾滴结果表明,树干纵向和横向定位误差分别为9.44和1.74 cm,环绕式仿形施药方式的平均雾滴密度为72.2 个/cm2,平均沉积量为1.99 μL/cm2,药液覆盖率为47.5%,相比定距施药方式,雾滴沉积量和雾滴密度分别提升36.3 %和58.3 %,雾滴沉积量变异系数降低了60%,环绕式仿形对靶喷雾可有效提高药液利用率和喷药均匀性。     

近红外光谱和机器视觉信息融合的土壤含水率检测

为了精确、快速和稳定测定土壤含水率以及扩大所建模型的适应性,该文提出了机器视觉与近红外光谱技术融合的土壤含水率分析方法。通过试验建立了湖北地区主要土壤基于近红外光谱的土壤含水率分析模型、基于土壤表层图像特征参数的含水率分析模型和机器视觉与近红外光谱信息融合的土壤含水率分析模型。结果表明,基于近红外光谱含水率分析模型虽然具有较高的精度,但该模型预测非建模样品黄绵土误差均大于4%;以图像特征参数H,S和V所建BP人工神经网络非线性预测模型最优,模型的决定系数R2为0.9849,但当土壤水分饱和（达到20%以上）时存在分析误差;而所建立的土壤的近红外光谱与机器视觉BP神经网络信息融合模型可预测非建模样品黄绵土与水分饱和达20%以上土壤,决定系数R2可达到0.9961,融合模型分析精度均高于单独使用近红外光谱或机器视觉分析模型。     

基于双传感器数据融合的土壤湿度测量与建模

为了克服TDR-3土壤湿度传感器所测量的土壤湿度数据受土壤硬度的影响,得到客观的水分/土壤的质量百分比,设计并制作基于TDR-3土壤湿度传感器和土壤硬度计的土壤湿度测量装置。装置标定时,通过逆向烘干法精确计算水分与土壤的质量百分比,进行土壤湿度(c)、土壤硬度(ψ)和TDR-3传感器输出电压(U)三因素正交试验,用Matlab软件进行二元曲线拟合,构建三者间的数学关系。试验表明,融合TDR-3传感器的输出电压和土壤硬度计的硬度数据后,装置可直接测量出土壤水分的质量百分比,与理论含水率的最大误差为4.75%。相对于单纯使用TDR-3土壤湿度传感器测量土壤湿度,装置的测量精度显著提高。对同一土样测量的最大重复性误差为0.83%,模型具有一定的可靠性与鲁棒性。该文可为开发更加精确的土壤湿度传感器提供参考。     

基于多源遥感数据融合和LSTM算法的作物分类研究

准确、及时地获取农作物的空间分布信息,对于指导农业生产、制定农业政策具有重要意义。为了检验长短时记忆网络(long short-term memory,LSTM)算法在基于时序遥感数据进行作物分类中的优势,该文以临汾盆地为研究区域,利用Savitzky-Golay滤波对MODIS NDVI进行平滑处理,并采用ESTARFM(enhanced spatial and temporal adaptive reflectance fusion model)算法对滤波后的MODIS NDVI和Landsat NDVI进行融合,生成空间分辨率为30 m、时间分辨率为8天的时序NDVI。基于Landsat NDVI利用LSTM算法进行作物分类,同时,基于融合NDVI分别利用LSTM算法和神经网络(neuralnetwork,NN)算法进行作物分类,并对比3种方法的分类精度。结果表明,Savitzky-Golay滤波后的时序MODISNDVI能够反映不同作物的物候特征;基于融合NDVI的分类精度明显高于基于LandsatNDVI的分类精度,表明融合后的时序NDVI由于具有更高的时间分辨率,能够更加突出不同作物的物候特征,显著提高作物分类精度;基于融合NDVI和LSTM算法的分类精度高于基于融合NDVI和NN算法的分类精度,前者的冬小麦面积估测精度高于后者的估测精度,表明LSTM算法的分类精度高于NN算法。该文可为基于遥感影像进行不同作物种植区域提取的研究提供重要的方法参考。