基于深度学习的大田甘蓝在线识别模型建立与试验

针对大田蔬菜对靶施药过程中靶标难以精准识别定位的问题,以甘蓝为研究对象,进行基于深度学习的靶标在线识别方法与模型研究。对比3种当前性能较优的目标检测模型Faster R-CNN、SSD和YOLO v5s,选择YOLO v5s作为田间甘蓝识别迁移学习模型,提出一种MobileNet v3s主干特征提取网络与深度可分离卷积融合的YOLO-mdw大田甘蓝目标识别方法,实现复杂环境下的大田甘蓝实时识别;提出一种基于卡尔曼滤波和匈牙利算法的甘蓝目标定位方法,并将模型部署于NVIDIA Xavier NX开发板上。试验结果表明,YOLO-mdw识别模型在晴天、多云、阴雨天气条件下识别准确率分别为93.14%、94.75%和94.23%,图像处理时间为54.09 ms,相对于YOLO v5s模型用时缩短26.98%;速度不大于0.6 m/s时,识别准确率达94%,平均定位误差为4.13 cm,平均甘蓝直径识别误差为1.42 cm。该靶标识别系统能在大田复杂环境下对甘蓝进行实时识别定位,为对靶施药提供技术支持。     

大田甘蓝作物行识别与对行喷雾控制系统设计与试验

对行喷雾技术可提高农药的利用率,有利于保护环境和减少农药残留。本文搭建基于机器视觉的大田甘蓝对行喷雾控制系统。通过改进的ExG算法提取颜色信息,采用最大类间方差法和形态学的开闭运算分割作物与背景。提出甘蓝作物行定位与多作物行自适应ROI提取方法,在条带分割的ROI内基于限定阈值垂直投影对特征点集进行采集,通过最小二乘法对特征点集进行线性拟合得到作物行中心线。利用中心线几何关系得到作物行偏移信息,根据对行机构的运动特性建立对行偏移补偿模型,并设计基于PID轨迹追踪算法的对行喷雾控制系统。试验结果表明,实验室作物行识别准确率为95.75%,算法平均耗时为77 ms。在田间试验中,识别算法在时间段09:00—11:00、14:00—16:00内测试效果最佳,识别偏差均值保持在2.32 cm以下。针对不同范围的杂草测试中,算法平均识别成功率为95.56%,说明算法具有较强的鲁棒性。在与其他识别算法对比测试中,本文算法平均耗时最短,识别成功率最高,能够为实时作业提供视觉引导。在对行喷雾控制系统田间试验中,对行准确率达到93.33%,对行控制算法可将对行偏差控制在1.54 cm,满足田间实际应用要...     

基于激光雷达的树形靶标冠层叶面积探测模型研究

果园靶标冠层叶面积有效探测是施药量在线计算的基本依据。针对树形靶标稠密和稀疏2种冠层类型,搭建叶面积测量三维立体试验平台和激光雷达(Light detection and ranging,LiDAR)探测移动试验平台,构建不同厚度和稠密度树形靶标,采用偏最小二乘回归（Partial least squares regression,PLSR）算法与BP（Back propagation）神经网络算法建立了冠层叶面积探测模型。试验结果表明：PLSR算法获得稠密厚冠层、稀疏厚冠层、稠密薄冠层和稀疏薄冠层叶面积探测模型的决定系数（R2）分别为：0.9626、0.4130、0.8896、0.2699;BP神经网络算法获得模型的R2依次为：0.9727、0.5302、0.8993、0.4290。基于LiDAR的冠层叶面积探测模型对稠密冠层探测精度较高,R2不低于0.8896,对稀疏冠层探测精度较低,不高于0.5302,该探测方法可用于稠密冠层叶面积在线计算,指导果园精准变量喷药。     

师生身份互换式本科教学方法实践与分析

"师生身份互换式教学方法"在国内多数高校研究生教育中得到广泛认可和应用,但在本科教学中尚未得到重视。通过5年来本科教学实践总结和不断优化,探索出一套有效的教学方法实施流程和教学过程管理方法,实践证明在师生的共同努力下,该方法能取得很好的教学效果,值得推荐和推广。     

蔬菜高效施药装置药量专家系统测试

为了满足蔬菜高效施药的精确性和便捷性,借助信息技术手段将专家知识库存贮在单片机芯片中,通过快捷的选择调用达到蔬菜高效施药的目的.本文介绍了高效施药装置专家系统的工作原理,并通过试验验证了其理论施药量和实际控制值具有较好的一致性.     

农机装备物联网技术研究现状与展望

目前,我国农机装备物联网存在高端传感器国产化程度低、无线传输稳定性差、全局化机群调度难的问题。本文从农机作业智能感知技术、农机装备信息传输技术和农机作业数据处理与决策技术等方面对国内外研究现状进行综述,阐述作物信息、环境信息、农机作业状态信息和农机识别等智能感知技术的成果,分析车载物联技术和远程物联技术的研究进展,此外还论述了农机作业智能决策技术在农机作业异常检测、作业质量评价和农机调度方面的技术突破以及农机装备远程监管平台的应用现状并分析各环节待解决的问题。在此基础上提出农机装备物联网技术未来的发展方向及应用前景,即农机高端传感器研发、基于5G的新一代移动互联技术研究、基于大数据和机器学习的智能决策技术、多机协同与智慧农场应用。     

基于LiDAR的果园对靶变量喷药控制系统设计与试验

传统果园喷药方式带来的非靶标区域农药沉积和飘移造成了环境污染,同时农药过量喷施导致农药残留。该研究基于前期获得的果树冠层网格化体积计算方法建立单喷头流量脉宽调制（Pulse Width Modulation,PWM）控制模型,根据果园喷药作业需求建立控制器局域网络（Controller Area Network, CAN）总线通讯协议,采用高速摄影方法获得喷头开闭延时补偿距离为96 mm,通过实验室试验确定作业速度1m/s下的最佳网格宽度为210 mm,融合对靶喷药控制方法研发果园激光对靶变量喷药控制系统,并将该系统搭载在果园喷药机上集成研制果园对靶变量喷药机样机。实验室试验表明,喷头开启滞后距离为19 mm,喷头关闭滞后距离为41 mm。果园试验表明,喷头开启滞后距离为122 mm,喷头关闭滞后距离为185 mm;雾滴沉积密度大于20滴/cm2下,对靶变量喷药的雾滴覆盖率低于30%;在设定试验区域内,连续和对靶变量喷药的农药用量分别为4.53和1.71 L,对靶变量喷药节约药量62.25%。该系统可根据果树冠层位置和冠层体积变化实现对靶变量喷药。本研究将推动果园精准喷药技术的快速发展和应用。     

车载式变量施药机控制系统设计与试验

施药控制是提高作业质量、减少化学污染、降低生产成本的关键技术。该文基于单片机AT89C52,采用滞环控制法,设计了一种车载式变量施药机控制系统。该系统能够根据施药机行走速度自动变更喷药量,实现施药量不变。试验表明：加速度小于0.4 m/s2时,实际施药量与设定施药量之间的误差不超过8%,且雾化效果良好、生产效率高,还可以减少农药的残留和对环境的污染,能够满足农业生产的需要。     

基于农药喷施溯源的精准变量喷药监控系统设计与试验

针对现有大田精准施药系统主要以药量变量控制为主,缺乏农药喷施作业数据远程监测与溯源管理等问题,本文设计了基于农药喷施溯源的精准变量喷药监控系统,可实现农药精准变量喷施,作业地块、作业时间、作业面积、农药种类与配比、喷施药量、喷雾压力、实时流量和作业速度等信息的在线监测、实时显示和溯源管理。基于该系统分别开展了施药量计算精度、作业面积计算精度、物联网数据传输稳定性、变量调控系统动态响应、变量调控精度和农药喷施均匀性等试验。试验结果表明,北斗定位测速最大误差为1.33%,平均误差为0.82%,施药量计算误差为1.73%,作业面积计算误差为2.61%,数据丢失率为3.51%;速度连续变化下系统稳定调节时间为4～5 s;不同设定施药量和作业速度下,变量调控精度误差为2.45%;雾滴沉积点密度大于20滴/cm²下,在喷雾机行走和喷雾方向上的喷雾覆盖率变异系数均小于10%,满足精准变量作业要求。本研究可在实现药量变量调控下对农药喷施数据进行溯源管理,为后续开展大田作物农药残留风险评估提供支撑。     

土地平整度传感测定评价系统的设计与实现

为了提高土地整理工作中三维地形信息测量的精度与效率,实现全程自动化采集数据,设计了一套土地平整度传感测定评价系统。该系统主要由单片机、步进电机、激光测距仪和二维机械平台组成。利用单片机控制步进电机,驱动滑块沿二维机械平台运动,获得测量点平面位置信息;利用激光测距仪获取测量点的高程信息,进而得到测量点的三维地形信息。用田块内所有测点相对高程的标准偏差值和田块内所有测点的相对高程与期望高程的绝对差值来评价土地的平整状况。在田间试验条件下,对该系统与定点人工测量方法获取的数据进行了比较,结果表明,系统工作稳定,其测量误差不大于5mm,可准确快捷地对农田平整度进行量化评价。