排序方式: 共有66条查询结果,搜索用时 62 毫秒
41.
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。 相似文献
42.
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77ms。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2.32cm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1.54cm,满足田间实际应用要求。 相似文献
43.
车载式大田土壤电导率在线检测系统设计与试验 总被引:1,自引:0,他引:1
现有大田土壤电导率检测装置主要以手持式为主,存在检测效率低、实时性差等问题。基于电流-电压四端法原理设计了一种车载式大田土壤电导率在线检测系统,系统主要由恒流信号源电路、信号处理电路、Arduino控制器、GPS定位模块及车载传感器等组成,可在线检测大田土壤电导率。通过实验室和大田试验对系统性能进行了验证,试验结果表明,系统具有较好稳定性,动态响应时间约为540 ms,开机预热引起的温漂最大偏差为3.70%,不考虑温差影响下系统检测精度R2为0.734 2,消除温差影响后检测精度R2为0.864 5~0.915 6,均高于商用手持式电导率检测仪,其R2为0.609 5;探究了拖拉机振动、传感器插入深度、作业速度和土壤坚实度对系统检测精度的影响,振动状态相对静止状态,检测数据最大误差为10.37%,且误差主要集中在0~10μS/cm范围内;当作业速度不大于5.0 km/h和传感器插入深度大于等于10 cm时,该系统可稳定进行大田土壤电导率在线检测,且检测地块土壤坚实度不应过小,以确保传感器电极与土壤充分接触。该系统可为开展... 相似文献
44.
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... 相似文献
45.
果园喷雾靶标探测技术现状分析 总被引:3,自引:0,他引:3
果园靶标探测技术是果园精准施药技术的关键。为此,分析了红外探测技术、超声波探测技术、激光探测技术及图像技术等在靶标探测中的应用。同时,介绍了基于红外光电技术实现最基本的靶标有无探测和靶标距离测量的靶标探测系统;介绍了利用超声波传感器和激光雷达扫描仪对靶标进行距离扫描,通过获得的靶标距离点云数据构建了靶标的数字三维模型方法;介绍了利用图像处理技术获取靶标叶面积指数和三维模型的探测系统。靶标探测技术虽有一定的发展,但还处于试验研究阶段,其将朝着实用化、产品化和低成本化方向发展,为对靶精准施药提供更有力的变量控制依据。 相似文献
46.
47.
针对精准对靶喷药系统作业中由于不同数量喷头反复启闭造成管路压力波动严重的问题,该研究开展了对靶喷药系统回流比例对管路压力波动影响的研究。设计了对靶喷药压力波动试验平台,基于AMESim建立对靶喷药压力波动系统仿真模型。设置系统初始压力0.2~0.4 MPa,回流比例为0~0.9,分别关闭1/5~4/5的喷头数量进行了仿真试验。结果表明,关闭喷头的占比越大,管路压力波动越大,当系统初始压力0.2 MPa,回流比为0,关闭4/5数量的喷头,管路压力从0.2 MPa上升至5.15 MPa,波动率达2 400%;系统初始工作压力越大,关闭喷头数量对压力波动影响越大。设置回流管路可有效减小管路压力波动,且回流比越大效果越明显,当系统初始压力0.2 MPa时,回流比例为0.6时,部分喷头关闭的压力波动率最大为64.53%。兼顾泵的利用率,回流比例建议小于0.6。系统初始压力0.3 MPa时,回流比例建议小于0.7;系统初始压力0.4 MPa时,回流比例建议小于0.8。根据对靶喷药压力波动容忍度要求,系统初始压力0.2 MPa时,喷施靶标在作业行中的占比量最佳回流比例关系为:靶标占比1/5的最佳回流比例区间为0.5~0.6;靶标占比2/5的最佳回流比例区间为0.4~0.5;靶标占比3/5的最佳回流比例区间为0.2~0.3;靶标占比4/5的最佳回流比例区间为0~0.1。系统初始压力0.3 MPa时,喷施靶标在作业行中的占比与最佳回流比例区间关系为:靶标占比1/5的最佳回流比例区间为0.5~0.6;靶标占比2/5的最佳回流比例区间为0.5~0.6;靶标占比3/5的最佳回流比例区间为0.2~0.4;靶标占比4/5的最佳回流比例区间为0~0.1。初始压力为0.4 MPa时,靶标占比1/5的最佳回流比例区间为0.7~0.8;靶标占比2/5的最佳回流比例区间为0.6~0.7;靶标占比3/5的最佳回流比例区间为0.4~0.5;靶标占比4/5的最佳回流比例区间为0~0.3。研究结果可为农业植保作业对靶变量施药技术应用及工况参数的选择提供依据,为精准对靶施药装置的进一步优化提供支撑。 相似文献
48.
果园风送喷雾精准控制方法研究进展 总被引:3,自引:11,他引:3
果园风送喷雾技术与装备正在朝着精准化和智能化方向发展。果园喷雾控制对象主要为喷施药量和风力供给量,二者需要协同精准调控,其按需调控的前提是果园靶标精准探测。该文从果园靶标探测方法、喷施药量控制方法、风力调控方法 3个方面对现有研究进展进行综述,阐述了基于光电感知、超声波传感、激光雷达、图像、光谱和电子鼻技术探测果树位置、冠层外形轮廓、冠层体积、冠层内部结构、枝叶稠密程度、病虫害程度等特征信息的技术方法;分析了喷施药量调控方法中管道总药量控制方法在管道设计、混药方式、药液流量控制策略方面技术和产品化上取得的巨大突破,以及喷头药量独立控制方法研究方面获得的大量成果;综述了果园风送喷雾风速风量需求理论原则、风场雾场建模方法、风力调控方法与调控装备研究进展,指出了其基本理论原则、建模调控方法等科学问题还有待深入探索。同时,还分析了目前研究在果园靶标探测方法、喷施药量调控方法和风送喷雾风力调控方法中面临的困难和挑战,主要包括冠层稠密程度和病虫害程度高效感知方法探索、靶标风力需求普适模型构建、风场建模风力按需调控方法研究和精准喷雾技术与系统集成开发。最后指出了果园风送喷雾精准控制方法未来发展方向:1)果园靶标冠层枝叶稠密程度和病虫害程度在线探测方法将成为新的研究热点;2)果园风送喷雾风速风量供给需求理论原则、风场快速模拟仿真和风力调控方法与装备是未来重要研究方向;3)随着高新科技的涌现,科研院所和公司有望在果园喷雾药量和风力调控系统优化设计及精准喷雾机系统集成研发方面获得更大发展。 相似文献
49.
现有大田土壤电导率检测装置主要以手持式为主,存在检测效率低、实时性差等问题。基于电流-电压四端法原理设计了一种车载式大田土壤电导率在线检测系统,系统主要由恒流信号源电路、信号处理电路、Arduino控制器、GPS定位模块及车载传感器等组成,可在线检测大田土壤电导率。通过实验室和大田试验对系统性能进行了验证,试验结果表明,系统具有较好稳定性,动态响应时间约为540ms,开机预热引起的温漂最大偏差为3.70%,不考虑温差影响下系统检测精度R2为0.7342,消除温差影响后检测精度R2为0.8645~0.9156,均高于商用手持式电导率检测仪,其R2为0.6095;探究了拖拉机振动、传感器插入深度、作业速度和土壤坚实度对系统检测精度的影响,振动状态相对静止状态,检测数据最大误差为10.37%,且误差主要集中在0~10μS/cm范围内;当作业速度不大于5.0km/h和传感器插入深度大于等于10cm时,该系统可稳定进行大田土壤电导率在线检测,且检测地块土壤坚实度不应过小,以确保传感器电极与土壤充分接触。该系统可为开展基于土壤电导率在线检测的实时变量施肥技术研究提供技术支撑。 相似文献
50.
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。 相似文献