基于测距值修正的温室植保机器人定位方法

针对温室植保机器人作业过程中，UWB节点之间频繁出现的非视距通信现象导致UWB系统定位精度低和稳定性差的问题，提出了一种基于UWB测距值修正的融合定位方法。首先，设计了基于测距残差的UWB节点间通信类型识别方法；其次，分析了视距和非视距通信下UWB测距误差产生原因并建立了两种通信条件下的测距值修正模型；最后，基于扩展卡尔曼滤波器设计了UWB测距修正值和IMU数据融合方法，实现了温室机器人作业过程中的可靠定位。在温室环境下的实际验证结果表明：非视距通信条件下，经过UWB测距修正的融合定位方法的定位误差为11.95 cm,相较于未进行UWB测距值修正的融合定位方法，定位误差降低83.11%,可为温室植保机器人提供稳定的高精度定位信息。     

温室作业机具室内定位方法研究

针对农机具在温室大棚内的定位、作业轨迹跟踪及作业面积核算需求,提出一种基于多源数据融合理论的温室机具室内定位优化算法。首先根据惯性导航测量技术预估被测目标定位初值,再利用无线RSSI测距技术使用加权质心算法获得定位测量结果,利用卡尔曼滤波算法进行定位信息最优化计算,以消除基于单一测量技术存在数据漂移、测试信号受遮挡、电磁干扰造成的误差,获得准确的定位信息,进而实现作业轨迹的实时跟踪以及作业面积的有效核算。在Matlab仿真分析中,首先建立定位算法评价指标以便于定位效果评估,通过仿真计算得出:基于多源数据融合的优化定位算法的定位精度及稳定性均优于单一无线RSSI室内定位算法。温室大棚田间试验的实际测试结果表明,室内定位精度不大于0.125 m,定位误差小于0.4%,能够较好地满足温室内作业机具的定位及作业轨迹实时获取与监测的需求。     

基于CFD模拟模型的温室温度场均匀性控制

为达到精确控制温室环境因子的目的,提出一种基于计算流体力学(CFD)模拟模型的试验设计(DOE)优化控制系统,通过正交试验设计,在尽可能少的CFD求解次数下,获得环境因子控制的最优组合;以温度场控制为例,通过引入均匀性评价指标,以CFD为计算工具不断改变控制输入的组合,使该指标达到极小,从而在原有温度定值控制基础上,使温室作物温度生长的局部差异减小,提高温室综合生产效率;最后以试验实例给出了这种方法求解的基本过程,结果表明优化后的效果明显,控制组合方式易于获得。     

浅谈环境因素对农用车辆行使安全的影响

环境是指围绕着人类的外部世界，是人类赖以生产和发展的社会和物质条件的综合体。与行车有关的交通环境是指围绕交通有关的周围情况。交通环境分为静态交通环境和动态交通环境两个方面。静态交通环境包括道路环境、车辆环境：动态交通环境包括气侯环境、流动的人车环境。交通环境与农用车辆行驶安全密切相关．根据农用车辆的特点，本文主要从道路、车辆、气候、社会等4个方面谈环境因素对行车安全的影响。     

基于GPS/SINS组合的农业导航定位系统设计与研究

设计了一种基于全球定位系统GPS和捷联惯性导航系统SINS组合的农业车辆导航定位系统,介绍了该系统的传感器组合及功用,阐述了系统的硬件结构和工作过程。考虑到农用车辆在运动过程中接收到的GPS数据存在较大的定位误差,提出了GPS和SINS联合导航算法,利用SINS提供的姿态信息修正GPS定位数据,提高系统定位的精度。为了准确测量姿态信息,对多传感器集成模块ADIS16355的信息融合处理,确定了基于卡尔曼滤波的融合算法用于测量姿态角。在构建实验平台的基础上进行了试验,结果表明:通过多传感器融合算法可准确测量姿态角,GPS定位误差有效减少,可更真实反映农用车辆的运动状态。     

基于拓扑优化的农用运输车辆减振技术研究

针对农用运输车辆的异常振动问题,以农用运输车辆为研究对象,采用理论推导、仿真分析和试验验证相结合的方法,进行农用运输车辆异常振动的现场测试,分析故障样车异常振动的原因,构建农用运输车辆整车简化模型,研究故障样车的固有频率,并结合拓扑优化技术,完成农用运输车辆的优化设计,进行农用运输车辆的整车道路试验,验证农用运输车辆的减振效果。试验结果表明:采用优化方案后,农用运输车辆的异常振动情况得到明显改善,驾驶室座椅处的自功率谱峰值由原来的0.96 m/s~2下降到0.31 m/s~2,比优化前降低67.7%,有效地改善农用运输车辆的低频振动情况。     

浅谈环境因素对农用车辆行使安全的影响

环境是指围绕着人类的外部世界,是人类赖以生产和发展的社会和物质条件的综合体。与行车有关的交通环境是指围绕交通有关的周围情况。交通环境分为静态交通环境和动态交通环境两个方面。静态交通环境包括道路环境、车辆环境;动态交通环境包括气侯环境、流动的人车环境。交通环境与农用车辆行驶安全密切相关,根据农用车辆的特点,本文主要从道路、车辆、气候、社会等4个方面谈环境因素对行车安全的影响。1道路环境道路环境包括道路条件、交通条件及安全设施等,道路环境的好坏直接影响到行车安全。1.1平直宽阔的公路在平直宽阔的公路上,驾驶员…     

黄瓜采摘机器人远近景组合闭环定位方法

针对黄瓜采摘机器人远景定位精度不高,以致切伤果实和茎蔓的问题,设计了一种基于机器视觉具有空间位置反馈功能的末端执行器。对温室环境下黄瓜果实采摘区域图像信息获取方法加以研究,综合HIS色彩空间H、S分量进行阈值分割,结合RGB色彩空间G通道边缘分布特征以及黄瓜形状特征,提取黄瓜采摘区域。基于摄像机线性透视模型,研究了采摘切割点空间定位方法,最终向采摘机械臂控制器反馈位置微调信息。采用远近景组合闭环定位方法,对采摘目标进行闭环定位,有效地解决了采摘机器人一次远景定位误差较大的问题。试验结果表明,排除温室复杂光照情况,机器人末端执行器定位精度达到2mm,满足采摘作业要求。     

RTK—DGPS融合惯性传感器的车辆导航参数计算方法

为实现农用车辆精确导航,提出一种RTK-DGPS融合惯性传感器的导航参数计算方法。横向偏差是利用惯性传感器采集的姿态角经几何变换补偿系统中存在的杆臂效应再进行计算得到的。试验结果表明,系统存在俯仰和侧倾时,此方法平均补偿了0.08 m的横向偏差,通过提高系统的定位精度得到了更精准的横向偏差。由于惯性传感器难以适用于磁场干扰较大的环境,为此,提出仅利用RTK-DGPS计算航向偏差的方法,即利用最小二乘法拟合RTK-DGPS动态定位点形成车辆行驶路径并进行计算。试验结果表明,车辆直线行驶、做圆周运动与沿任意曲线行驶时,惯性传感器与RTK-DGPS计算的航向偏差之间的平均误差分别为0.963 6°、3.641 8°与2.756 2°,验证了利用RTK-DGPS计算航向偏差的可行性。     

基于无线传感器网络的温室CO2浓度监控系统

设计了一种温室二氧化碳(CO_2)浓度监控系统,该系统由传感器节点、CO_2浓度调控节点、无线通信网络和上位机软件平台构成。采用红外CO_2测量模块S300作为传感器节点的核心模块对温室CO_2浓度进行实时测量,并将采集到的CO_2浓度、温湿度、光照等环境信息通过无线网络传输至上位机软件平台,实现了对温室环境的远程监控。上位机软件平台对采集到的环境参数进行处理、信息网络同步,并通过模糊PID算法对温室内CO_2浓度进行智能调节。在通信过程中,传感器节点实时采集接收信号强度(RSSI),在保证数据传输质量的同时有效调整无线发射功率以延长节点寿命。在实验室条件下配备了标准浓度的CO_2气体样品对设计的传感器节点性能进行了标定和表征,结果显示,该传感器对CO_2体积分数的检测下限小于5×10~(-5);对体积分数为3×10~(-4)和6.5×10~(-4)的CO_2气体样品分别进行了10 h的长期测量,相对波动小于2.6%。将该监测系统在吉林省长春市双阳区奢岭镇国信采摘园进行了现场调控试验,试验温室面积为640 m~2,设定温室中CO_2的目标体积分数为8×10~(-4),经调控后温室中CO_2体积分数的波动范围约为(8±0.42)×10~(-4)。该CO_2监测系统具有小型化、高性价比、高测量精度等优势,实现了信息的智能化管理与远程同步,以及温室内CO_2浓度的智能调控。     

田间玉米苗期高通量动态监测方法

目前对玉米出苗动态检测监测主要是依靠人工观测,耗时耗力且只能选择小的样方估算整体出苗情况.为解决人工出苗动态管理不精准的问题,实现田间精细化管理,本研究以田间作物表型高通量采集平台获取的高时序可见光图像和无人机平台获取的可见光图像两种数据源构建了不同光照条件下的玉米出苗过程图像数据集.考虑到田间存在环境背景复杂、光照不...     

基于CORS技术的农业机械差分定位系统设计

为满足精细农业中农业机械自动导航对高精度定位数据的需求,阐述了GPS差分定位技术在精细农业中存在的问题,并介绍了CORS技术在精细农业中的重要地位。根据分析,采用低成本的GPS板卡和4G无线通讯网络模块,设计开发了一套基于CORS技术的低成本农业机械差分定位系统,并进行了系统静态内符合精度测试和动态误差测试。试验结果表明:该系统性能稳定,在晴天和阴天2种天气情况下,其静态定位内符合精度为7~8 cm(9 5%);通过多次测量求平均值,其动态定位数据与真实值的误差不超过1 0 cm,动态符合度高,可作为高精度的位置传感器用于农业机械自动导航。     

基于GEE的山东省近30年农业大棚时空动态变化研究

针对精确获取大尺度空间范围内农业大棚的分布情况并进行长时间的序列动态监测存在数据量大、计算效率低、精度不高等问题,利用Google Earth Engine(GEE)云平台能够实现快速存取、实时处理海量卫星数据,基于多时相Landsat影像进行农业大棚时序光谱特征和纹理特征的自动提取,采用随机森林算法实现山东省农业大棚的遥感分类,从而生成了山东省近30年农业大棚的空间分布和时空动态变化图。结果表明,本文分类流程具有较高的分类精度,其平均总体精度达到91.63%,Kappa系数均值为0.8642。经分析,山东省农业大棚从1990年的6.67 km^2增加到2018年的9919.40 km^2,增长速度为354.03 km^2/a。     

基于嵌入式Linux内核移植设备驱动的微喷自动装置

为了实现精准灌溉和节约用水的理念,提出了基于嵌入式Linux内核移植设备驱动的温室微喷自动装置。通过分析温室参数和作物生产信息,利用传感器网络采集温室内温、湿度等环境因子,采用微喷灌调节和控制温室内环境,为农作物生长提供最有利的条件。文中重点研究了嵌入式内核系统、传感检测网络、数据处理单元及水泵送水管道组件的微喷自动控制装置,并搭建了试验平台。试验表明:该系统能实现对温室环境实施实时监测,可通过电磁阀控制执行器进行微喷灌水,有效控制环境因子,可靠性强、稳定性高,对微喷灌溉应用于农业种植具有重要指导意义。     

数据融合技术在温室环境监控系统中的应用

多传感器数据融合技术是一门新兴前沿技术。针对目前温室环境监控的需求,提出了一种基于D-S证据理论和农业专家系统相结合的数据融合方法。实验结果表明,这种方法提高了温室环境参数测控的决策准确性,可显著改善温室环境的控制效果。     

基于注意力机制与改进YOLO的温室番茄快速识别

为了实现复杂环境下农业机器人对番茄果实的快速准确识别,提出了一种基于注意力机制与改进YOLO v5s的温室番茄目标快速检测方法。根据YOLO v5s模型小、速度快等特点,在骨干网络中加入卷积注意力模块(CBAM),通过串联空间注意力模块和通道注意力模块,对绿色番茄目标特征给予更多的关注,提高识别精度,解决绿色番茄在相似颜色背景中难识别问题;通过将CIoU Loss替换GIoU Loss作为算法的损失函数,在提高边界框回归速率的同时提高果实目标定位精度。试验结果表明,CB-YOLO网络模型对温室环境下红色番茄检测精度、绿色番茄检测精度、平均精度均值分别为99.88%、99.18%和99.53%,果实检测精度和平均精度均值高于Faster R-CNN模型、YOLO v4-tiny模型和YOLO v5模型。将CB-YOLO模型部署到安卓手机端,通过不同型号手机测试,验证了模型在移动终端设备上运行的稳定性,可为设施环境下基于移动边缘计算的机器人目标识别及采收作业提供技术支持。     

基于TD-LTE的多机协同导航通信系统研究

为实现多个农机在农田环境中自主导航协同作业,设计了基于TD-LTE的多机协同导航通信系统。该系统由导航定位传感器、无线通信模块、车载控制终端和远程通信软件组成,其中：传感器包含GNSS接收机、惯性测量单元（IMU）和角度传感器,用于获取每台农机的地理位置、自身姿态和车辆转向角信息。无线通信模块采用4G DTU作为系统通信设备,与车载终端串口相连,实现RS232串口转TD-LTE网络功能。4G DTU经配置软件配置好串口参数等信息后,连接目的服务器IP地址和端口号,将车载传感器采集的数据按设计好的通信协议经TD-LTE网络传输到远程服务器的通信软件中。车载控制终端采用工控机（IPC）,实现农机自动导航控制与人机交互。远程通信软件应用Socket网络编程开发了数据接收显示与数据发送的功能模块。系统对每台农机的状态信息实时上传的同时也可以接收远程服务器端对多台农机的协同控制命令,对于软件界面中显示的在线农机,可以根据优先级有选择的进行通信。以4台雷沃欧豹拖拉机为试验平台,每台农机状态信息的发送频率为5Hz,进行了系统稳定性试验测试,丢包率均为0.1%,且均无延迟,系统具有较高的可靠性与实时性。     

基于物联网的温室农业种植环境监控系统研究

为有效提升我国温室种植环境监控系统工作的智能化与精准化水平,以农业物联网为应用平台,针对监控系统进行设计研究.以温室种植的功能需求为切入点,采用物联网各层级分别构思、整体融合的方法,建立基于物联网的参数监测数学模型,并从软件设计与硬件配置两大维度构建完整的监控系统.试验结果表明:监控系统的网络数据丢包率可控制在0.70...     

基于时间序列分析的卡尔曼滤波组合导航算法

GPS广泛用于农业机械导航研究中,其定位误差信号一般存在明显的自相关性,不能满足组合导航中常用的卡尔曼滤波算法观测噪声为高斯白噪声的要求。为此,建立了GPS定位误差AR模型,结合卡尔曼估计结果来预测和修正GPS定位误差,再将修正后的GPS定位信息应用于组合导航中的卡尔曼滤波过程。试验结果表明,无论GPS接收机是在静止还是在运动条件下,处理后的定位误差信号自相关性都明显降低,近似为白噪声;目标路径直线时的最大跟踪误差约为0.15 m,为曲线时,最大跟踪误差约为0.3 m。该方法为低精度GPS应用于农业机械导航提供了可行途径。