基于GC-Cascade R-CNN的梨叶病斑计数方法

为提高梨叶片病害发生程度诊断的效率和准确性,本文提出基于全局上下文级联R-CNN网络（Global context Cascade R-CNN,GC-Cascade R-CNN）的梨叶病斑计数方法。模型的主干特征提取网络嵌入全局上下文模块（Global context feature model, GC-Model）,建立有效的长距离和通道依赖,增强目标特征信息。引入特征金字塔网络（Feature pyramid network, FPN）融合浅层细节特征和深层丰富语义特征。使用ROI Align替换ROI Pooling进行区域特征聚集,增强目标特征表达。最后利用多层级联网络对目标区域进行边框回归和分类,完成病斑计数任务。在梨叶病斑图像测试中,模型的各类病斑平均精确率均值（Mean average precision, mAP）达89.4%,检测单幅图像平均耗时为0.347 s。结果表明,模型能够有效地从梨叶片病害图像中检测出多类病斑目标,尤其对叶片炭疽病斑检测效果提升显著;不同种类梨叶片病害病斑计数值与真实值回归实验决定系数R²均大于0.92,表明模型病斑计数...     

基于4G网络的气调保鲜配气远程监控系统设计与试验

为提高生鲜农产品气调保鲜配气过程的精确度及自动化水平,设计了一套气调保鲜配气远程控制系统,依托嵌入的PID控制算法和质量流量控制器实现对原料气体流量、浓度和混配比的控制;以4G网络作为远程数据传输途径,选择4G DTU作为网络数据收发器,通过手机小程序实现移动客户端的远程监控功能。系统在结构上设置了气体参数感知层、数据网络传输层和控制操作应用层;基于配气系统远程监控要求,在PLC内部嵌入Modbus RTU程序,保障DTU与PLC之间的通信;使用TCP协议,使其与云服务器之间进行数据传输。根据对系统稳定性、准确性及其通信性能的测试,在配气稳定时配气体积分数平均误差绝对值在0.22%浮动,平均误差较传统方法降低了约91.67%,且配气速度提高50%左右,极大改善了配气场地的工作条件和生产效率,为进一步完善生鲜农产品气调保鲜自动化配气生产线提供了技术支持。     

基于改进YOLO v4的群体棉种双面破损检测方法

针对研究人员难以利用计算机视觉对棉种这类尺寸较小的物体进行双面检测,导致检测效果不佳的问题,设计了一款新型棉种检测分选装置,利用亚克力板在强光和白色背景下透明的特点,将棉种通过上料装置滑入透明亚克力板的凹槽中,随着转盘的转动,同一批棉种的正反两面图像分别由2个不同位置的CCD相机采集得到.利用改进YOLO v4的目标检...     

面向多机器人的传统苹果园无线通信信号传播特性研究

为解决农业多机器人在传统苹果园行间协同作业时的通信节点最佳部署问题,研究了2.4GHz Wi-Fi信号在传统苹果园（苹果成熟期）中的传播特性。将信号发射、接收节点分别距地面高度0.45、0.55、0.65、0.75m垂直部署,依据多机器人直线型、小间距V形、大间距V形、并排型等4种典型编队方式将节点水平部署,测量通信信号在不同高度条件以及上述4种编队方式下不同距离处的接收强度。研究结果表明,4种编队方式中,以直线型编队方式下的信号衰减最缓慢。因此,传统苹果园中多机器人最佳的编队方式为直线型,节点部署高度最好在果树第一侧枝向下0.2m左右处。对路径损耗数据进行回归分析,发现其在每个无线通信信号节点高度、每种多机器人典型编队方式下均符合对数路径损耗模型,模型的R2在0.860~0.989之间。同时,建立了用于预测2.4GHz Wi-Fi信号在传统苹果园（苹果成熟期）中的路径损耗模型,并同期选择了其他苹果园验证了预测模型的准确性,R2在0.947~0.967之间,RMSE在1.489~2.432dBm之间。模型能较好地预测Wi-Fi信号在传统苹果园中的路径损耗情况,可为农业多机器人在传统苹果园中的通信节点部署提供参考。     

刀削结合滚动摩擦进料竹笋剥皮机设计与试验

针对目前我国竹笋剥皮机械化程度低的问题,设计一种刀削结合滚动摩擦进料竹笋剥皮机。根据竹笋物理特性参数和人工剥笋原理,对竹笋剥皮过程进行力学与运动学分析,确定了影响剥皮效率、损伤率和剥净率的主要因素为刀片安装倾角、剥皮辊转速以及滚筒与剥皮辊轴心高度差,在此基础上,给出了竹笋剥皮机关键部件的设计依据。为获得样机最佳试验物料,以竹笋长度、基部直径作为试验因素进行单因素试验,确定长度为300～320mm、基部直径为29～32mm的竹笋作为剥皮机正交试验物料样本。利用Design-Expert软件设计三因素三水平正交试验,并结合实际工作情况确定最优参数组合,结果表明：当刀片安装倾角为30.12°、剥皮辊转速为229.18r/min、滚筒与剥皮辊轴心高度差为15.43mm时,笋肉损伤率为6.81%,笋皮剥净率为94.59%。在该条件下开展验证试验,得到损伤率、剥净率分别为7.10%、93.22%,与优化参数基本一致,满足剥笋要求。     

基于无人机遥感的盛花期薇甘菊监测技术

薇甘菊是世界十大有害杂草之一,其泛滥会对生态系统造成重大影响。建立一个高空间分辨率全域尺度的薇甘菊预警评估方法,是防治薇甘菊的关键手段之一。目前对薇甘菊的监测主要有人工踏查、卫星遥感监测,但前者效率低下而后者识别精度不够。以无人机为载体,通过采集待监测区域的薇甘菊彩色图像,应用Otsu-K-means、RGB、HSV色彩空间阈值分割算法以及K-means-RGB、K-means-HSV、K-means-RGB-HSV融合算法和MobileNetV3深度学习算法进行识别,采用召回率、精确率和均衡平均数F1值共3个评价指标对识别结果进行评价。实验结果表明K-means-RGB-HSV算法对盛花期薇甘菊的整体识别效果最佳。在此基础上,基于识别结果应用模糊层次分析法以及盖度公式,初步建立了薇甘菊的预警评估方法,划分了5个薇甘菊入侵危害等级,可根据所需监测精度的不同,设置不同尺寸的网格和辐射半径,绘制出薇甘菊入侵的精准分布热力图,能够清晰准确地体现不同区域的入侵薇甘菊的危害程度。在厘米级分辨率精度下,实现了基于无人机遥感的盛花期薇甘菊精准监测,为薇甘菊入侵的监测、预警和精准防治提供了有力支撑。     

基于YOLO v5-TL的褐菇采摘视觉识别-测量-定位技术

为实现褐菇高效、精准、快速的自动化采摘,针对工厂化褐菇的种植特点,提出一种基于YOLO v5迁移学习(YOLO v5-TL)结合褐菇三维边缘信息直径动态估测法的褐菇原位识别-测量-定位一体化方法。首先,基于YOLO v5-TL算法实现复杂菌丝背景下的褐菇快速识别;再针对锚框区域褐菇图像进行图像增强、去噪、自适应二值化、形态学处理、轮廓拟合进行褐菇边缘定位,并提取边缘点和褐菇中心点的像素坐标;最后基于褐菇三维边缘信息的直径动态估测法实现褐菇尺寸的精确测量和中心点定位。试验结果表明单帧图像平均处理时间为50ms,光照强度低、中、高情况下采摘对象识别平均成功率为91.67%,其中高光强时识别率达100%,菇盖的尺寸测量平均精度为97.28%。研究表明,本文提出的YOLO v5-TL结合褐菇三维边缘信息直径动态估测法可实现工厂化种植环境下褐菇识别、测量、定位一体化,满足机器人褐菇自动化采摘需求。     

基于工作空间的果园作业平台结构参数优化与试验

为提高果园作业平台的适用性和操作灵活性,根据乔砧密植的纺锤形苹果种植模式确定其目标工作空间,以工作空间尺寸偏差、工作空间体积和平均可操作度描述其可达工作空间性能,分析了平台主要结构参数杆长和关节变量（关节角、连杆偏移）对工作空间性能的影响。建立了以可达工作空间性能和结构紧凑为指标的优化模型,利用遗传算法求解得出最优参数为：杆2和杆4的长度分别为988、879mm,关节1、3的关节角范围分别为[107°,256°]、[-118°,-76°],关节5、6的连杆偏移最大值分别为720、340mm。优化后其可达工作空间尺寸偏差分别减小96.09%、95.60%,体积减小4.69%,平均可操作度增加1.43%。对优化后的果园作业平台进行了实地果园工作空间试验,结果表明：承载质量为65kg、横坡坡度为15°、纵坡坡度为15°时,工作空间尺寸偏差最大,分别为16.2、16.7mm,比原型分别减小93.89%、93.76%。     

基于SupReMe影像重建和RF的玉米冠层LAI反演

针对Sentinel-2卫星影像拥有3个对植被生长状况非常敏感、空间分辨率为20m的红边波段（705、740、783nm）,其空间分辨率与可见光和近红外波段10m的空间分辨率不一致,使Sentinel-2影像应用受到限制的问题,基于多光谱多分辨率估计的超分辨率（Super-resolution for multispectral multiresoltion estimation, SupReMe）算法将空间分辨率20m的6个波段重建为10m;以重建后的影像为数据源,耦合PROSAIL辐射传输模型和随机森林模型反演玉米冠层叶面积指数（LAI）,并以野外实测LAI验证其反演精度。结果表明,采用SupReMe算法对Sentinel-2影像进行重建后,在保持光谱特性不变的同时提高了影像的空间细节;基于重建影像和原始影像的LAI反演决定系数R2分别为0.70、0.68,均方根误差RSME分别为0.240、0.262。研究表明,利用SupReMe算法重建后的Sentinel-2卫星影像,能够在提高玉米冠层LAI反演空间分辨率的同时提高反演精度,在挖掘高分辨率农作物生长信息方面具有很大潜力。     

精密光机系统多敏感轴装配精度分析与装配工艺优化

精密光机系统是对地、空、海探测与制导装备中的核心部件,其光轴、惯导轴、机械轴等多敏感轴的精密装配是影响系统最终性能的关键环节之一。以某型装备为研究对象,通过分析该类精密光机系统的装配特点,将多敏感轴的精密装配问题转换为舱体对接时的角偏问题,并进行了阐述和定义;在此基础上,建立了多敏感轴装配过程的角偏误差累积模型,并推导了加工误差与角偏分布之间的关系;基于该模型对当前的直接对接法进行建模,分析了该方法导致装配一次性合格率较低的原因,并提出了一种基于装配方向调整的逐工序优化装配方法,该方法优化了现有的多敏感轴精密装配工艺。仿真结果表明,与直接对接法相比,所提方法能够有效保证各敏感轴线之间的装配精度。