基于融合深度信息的自动喷雾车全局非线性轨迹优化方法

针对传统的基于深度信息的喷雾车轨迹优化方法存在定位精度差、浮点漂移、深度信息帧易丢失等问题,提出了一种融合深度信息的全局非线性轨迹优化方法。在喷雾车前进过程中使用Real Sense传感器实时获取连续彩色信息帧,提取并优化重叠区域的FAST特征点,计算BRIEF描述子,通过快速最近邻算法进行特征匹配,并使用Nanoflann算法加速特征匹配过程。在获取连续关键帧的匹配点对后,对特征点对进行校验,剔除误匹配点对,利用对极几何融合深度信息计算两相邻关键帧部分匹配点对的本质矩阵,并针对剩余匹配点对进行重投影获取重投影误差。统筹全局连续关键帧,综合所有关键帧中匹配点的重投影误差,构建图优化,并通过Dogleg算法多次迭代获取当前喷雾车的精确位姿。该方法避免了单一依赖深度信息估计喷雾车轨迹时,出现位姿估计误差较大和深度信息帧丢失导致无法定位的问题。采用本文算法估计的喷雾车行驶轨迹更加接近于真实轨迹,其偏离真实轨迹误差均值下降了1. 07 cm,方差下降了2. 14 cm,超调量降低了2. 13 cm,提高了车行驶轨迹的鲁棒性。     

基于改进DeepLab V3+的果园场景多类别分割方法

果园环境实时检测是保证果园喷雾机器人精准作业的重要前提。本文提出了一种基于改进DeepLab V3+语义分割模型的果园场景多类别分割方法。为了在果园喷雾机器人上部署,使用轻量化MobileNet V2网络替代原有的Xception网络以减少网络参数,并在空洞空间金字塔池化（Atrous spatial pyramid pooling,ASPP）模块中运用ReLU6激活函数减少部署在移动设备的精度损失,此外结合混合扩张卷积（Hybrid dilated convolution,HDC）,以混合扩张卷积替代原有网络中的空洞卷积,将ASPP中的扩张率设为互质以减少空洞卷积的网格效应。使用视觉传感器采集果园场景RGB图像,选取果树、人、天空等8类常见的目标制作了数据集,并在该数据集上基于Pytorch对改进前后的DeepLab V3+进行训练、验证和测试。结果表明,改进后DeepLab V3+模型的平均像素精度、平均交并比分别达到62.81%和56.64%,比改进前分别提升5.52、8.75个百分点。模型参数量较改进前压缩88.67%,单幅图像分割时间为0.08s,与原模型相比减少0.09s。尤其是对树的分割精度达到95.61%,比改进前提高1.31个百分点。该方法可为喷雾机器人精准施药和安全作业提供有效决策,具有实用性。     

基于滑模自抗扰的同步转向高地隙喷雾机姿态控制

为提高同步转向高地隙喷雾机转向机构对目标状态的响应速度与鲁棒性,提出了一种滑模自抗扰姿态控制策略。首先,基于同步转向结构建立喷雾机姿态控制模型;其次,将喷雾机的姿态控制模型进行解耦并转换为反馈系统标准型;然后,设计线性扩张状态观测器对模型总扰动进行实时补偿,并根据补偿后的模型推导出终端滑模控制律;最后,分别通过仿真试验以及场地试验对姿态控制器的性能进行验证。在场地试验中：当目标转角为5°时,喷雾机前、后转向角的响应时间分别为1.55 s和1.45 s,当目标转角为20°时,前、后转向角的响应时间分别为3.05 s和2.95 s。本文所提出的滑模自抗扰姿态控制器与传统PID姿态控制器相比,前、后转向角的响应速度分别提高8.42%与1.89%,稳态误差分别降低2.96%与3.15%。仿真试验与场地试验结果表明,滑模自抗扰姿态控制算法收敛速度快、鲁棒性强,能够满足喷雾机在不同环境下进行无人自主导航作业的需要。     

基于BOOST电路的电磁阀流量控制器设计与试验

精准施药过程中变量喷雾电磁阀对流量的控制起着至关重要的作用。为了提高电磁阀工作的线性区间,设计了由单片机、脉冲宽度调制(Pulse width modulation,PWM)发生器和电磁阀驱动电路组成的电磁阀流量控制器。该控制器利用电磁阀的电感特性,将BOOST电路和传统的电磁阀驱动电路相结合,为储能电容提供高电位电能。采用双电压驱动的电磁阀,无需额外的电源电压转换电路,通过对电磁阀高频通断工作模式的精准控制,实现了高电压打开、低电压高频率维持导通,关闭时快速释放能量。测试了改进前后不同压力(110、180、250、320、390 k Pa)和不同占空比(3%～97%)下的流量。结果表明,5种压力下,改进后的流量线性区间分别从10%～92%、10%～92%、10%～92%、10%～92%、8%～92%提高至4%～92%、4%～94%、4%～94%、4%～94%、3%～94%。与未改进的方法相比,设计的基于BOOST电路的电磁阀流量控制器适用于更宽范围的流量线性区间。     

厌氧消化上清液作饲料对育肥猪的影响

用16头断奶育肥仔猪进行了为期156天的加饲厌氧消化上清液的对比试验,研究了厌氧消化上清液对猪的生产性能、健康及屠体质量的影响。试验结果表明:在猪的日粮中加入饲料重量1.5倍的厌氧消化上清液后,动物增重显著增加(P<0.05),进食量和饲料利用率也有所提高,猪的健康和屠体质量未受到不良影响。     

基于多元统计分析的黄河水质评价方法

为探讨一种适用于大尺度、多断面和长时间的水质评价方法,用系统聚类分析将2000-2002年黄河6个监测断面的90个水质样本分为7组,并用判别分析验证了结果的可靠性.其主要程序为:利用多元方差分析对各断面多年水质监测样本进行空间尺度上的显著差异性分析,识别出具有显著差异的样本,然后通过系统聚类分析把上述样本进行聚类分组,最后应用判别分析方法对各组样本进行水质评价,此方法的特点为在不损失信息的前提下能大大减轻水质评价工作量,且客观可信、分辨率高,并能综合反映总体与个别特征.结果表明,黄河流域干流从上游到下游水质总体状况呈逐渐下降趋势,上游水质一般为Ⅰ～Ⅲ类,而中游和下游水质基本为Ⅳ～Ⅴ类和超Ⅴ类.     

基于改进最小化SNAP的植保无人机作业轨迹优化算法

轨迹优化是实现植保无人机自主作业路径规划的重要环节，合理高效的轨迹优化算法能使植保无人机安全快速地跟踪轨迹作业，提升作业稳定性与精准性。针对传统最小化SNAP算法偏移误差较大、时间分配不合理的问题，该研究提出一种针对植保作业场景的改进最小化SNAP轨迹优化算法。首先，运用机载载波相位差分(real-time kinematic,RTK)模块采集作业地块地形数据并搭建三维空间地图，基于空间地图采用牛耕法规划初始作业路径；其次，通过改进最小化SNAP算法优化作业路径，结合初始轨迹状态参量构建时间分配函数，解算得到当前最优时间分配；然后，重构最小化SNAP轨迹约束函数，添加位置偏移量梯度惩罚因子，采用最优化方法求解轨迹多项式系数；最后，联合无人机位置控制周期与轨迹多项式实例化航迹点，作为无人机运动的位置期望。试验结果表明，相较于传统最小化SNAP算法，本文算法在同等作业时间前提下，平均加速度减小7.82%，平均偏移误差减小45.56%，对轨迹偏移的抑制效果明显，并降低了加速度在地头转向处的超调，作业轨迹更加精准，作业速度更加平稳，可为植保无人机的轨迹优化策略提供参考。