作物表型信息获取机器人底盘设计与试验

为进一步提升农业机器人底盘田间适应性和行驶稳定性,面向我国山东地区小麦表型信息获取作业场景,设计了一种四轮独立驱动转向的农业机器人底盘。根据小麦种植农艺需求和行驶地形环境,确定了底盘总体布局方案和主要技术参数。分别开展了底盘驱动部件、转向部件以及摆臂平衡部件设计,并进行了参数校核和元件选型。建立了关键部件ANSYS有限元模型,分别进行了摆臂平衡机构的应力形变分析和车架振动模态模拟,仿真结果表明,摆臂平衡机构的强度和刚度均能满足设计要求,车架能够有效避免因地形激励产生的共振。建立底盘ADAMS动力学仿真模型,分别进行纵向、横向稳定性分析和单侧凸起、凹坑越障性分析,仿真结果表明,底盘横纵向稳定性能够满足设计要求,摆臂平衡机构能够有效补偿单侧障碍造成的质心高度变化,提高了底盘的行驶稳定性。田间试验表明,机器人底盘具有良好的行驶性能,硬质地面直线行驶平均偏驶率为0.51%,田间地面平均偏驶率为1.13%。原地转向中心点偏移量为3.1mm,阿克曼转向最小转向半径为1.125mm。纵向翻倾角为34°,横向翻倾角为28°。单侧越障最大高度为160mm,单侧跨坑最大深度为160mm。     

基于改进YOLOX的群养生猪轻量化目标检测方法

针对目前群养生猪智能化养殖中复杂环境下猪只目标检测精度低的问题,提出了一种基于改进YOLOX的群养生猪轻量化目标检测模型Ghost-YOLOX-BiFPN。该模型采用Ghost卷积替换普通卷积,在减少主干网络参数的情况下,提高了模型的特征提取能力。使用加入CBAM注意力机制的BiFPN作为模型的Neck部分,使得模型充分融合不同体型猪只的特征图,并使用Focal Loss损失函数解决猪圈环境下猪只与背景难以区分的问题,增强模型对正样本的学习。实验结果表明,改进后模型对群养生猪检测精度为95.80%,相比于原始YOLOX算法,检测精度提升2.84个百分点,参数量降低63%。最后将本文轻量化模型部署到Nvidia Jetson Nano移动端开发板,通过在开发板上实际运行表明,本文所提模型实现了对不同大小、不同品种猪只的准确识别,为后续智能化生猪养殖提供支持。     

基于高光谱图谱融合技术的英德红茶等级快速无损判别

茶叶等级评价是检测茶叶品质的一项重要技术指标。通过提取红茶高光谱成像技术下的图像特征和光谱特征,构建一种基于图谱融合方法、适用于英德红茶等级评价的快速无损判别模型。首先制备3种不同等级的红茶样本,采用t分布-随机近邻嵌入和主成分分析对光谱数据进行降维可视化分析,然后从影响内在品质角度用连续投影法提取每种化学值的特征波长,通过多模型共识策略和竞争性自适应重加权算法-连续投影法筛选得出表征其内在品质的最佳特征波长组合,并建立基于遗传算法优化支持向量机的等级判别模型;其模型的训练集准确率为88%,预测集准确率为78.33%。为了融合外形纹理差异,先提取最佳特征波长组合对应的高光谱图像;采用图像掩膜消除背景的干扰和采用图像主成分分析消除多波长图像间的冗余信息,然后采用灰度共生矩阵和局部二值化算法提取主成分前三维主成分图像与特征光谱融合,并建立基于特征融合的遗传算法优化支持向量机等级判别模型,且基于第三主成分图像特征融合模型判别效果最佳,训练集准确率提升至98%,预测集准确率提升至96.67%。     

基于图像处理的土壤表层含水率在线检测方法研究

土壤表层含水率是影响作物生长的重要因素,在节水灌溉控制系统中对其进行在线检测尤为重要。运用计算机数字图像处理技术,探索一种土壤表层含水率在线检测的新方法。通过土壤表层图像的中值滤波、图像模式转换和“坏区”过滤,提取图像的特征参数——灰度值,并对土壤表层图像的灰度值与其含水率的关系进行了试验研究。理论分析与试验结果表明,土壤含水率的百分比与土壤表层图像的灰度值之间是一种近似线性的函数关系。     

Frozen bread dough: Effects of freezing storage and dough improvers

This review focuses on the effects of freezing storage on the microstructure and baking performance of frozen doughs, and provides an overview of the activities of dough improvers, including emulsifiers, hydrocolloids and other improvers used in frozen dough applications. The overall quality of bread baked from frozen dough deteriorates as the storage of the dough at sub-zero temperatures increases due to several factors which are discussed. Lipid-related emulsifiers such as diacetyl tartaric acid esters of mono and diglycerides and sucrose esters employed as anti-staling agents, dough modifiers, shortening sparing agents, and as improvers for the production of high-protein bread have also been employed in frozen doughs. Hydrocolloids are gaining importance in the baking industry as dough improvers due to their ability to induce structural changes in the main components of wheat flour systems during breadmaking steps and bread storage Their effects in frozen doughs is discussed. Other dough improvers, such as ascorbic acid, honey and green tea extract, are also reviewed in the context of frozen doughs.     

基于深度视觉和蚁群避障算法的果园精准喷施路径规划方法

为了实现对Y-shaped果树的精准喷施,本文融合了彩色及深度视觉图像,提出了1种基于蚁群避障算法的果园最优行驶路径的规划方法。首先,对彩色图像进行图像分割处理,划分道路及果树树墙障碍区域,得出喷施设备的可行驶区域,提出了喷施行驶范围检测算法;然后,通过对深度图像和彩色图像融合的处理,将Y-shaped果树树冠边缘轮廓精准拟合形成栅格地图,并与蚁群避障算法相结合,提出了最优行驶路径规划算法。最后,对拟合曲线和Y-shaped果树树冠边缘轮廓进行检验,验证算法的拟合程度。实验结果证明,本文提出的路径规划算法可以准确地检测出果树区域,并实现对行驶路径的精准规划。     

基于高分辨率影像的农村宅基地空间分布信息提取

【目的】 基于高分辨率影像提取农村宅基地空间分布,可以快速、便捷获取农村宅基地空间分布信息。【方法】 文章选择黑龙江省安达市吉星岗镇作为研究区,基于高分辨率正射影像,采用人工目视解译方法获取了研究区农村宅基地空间分布信息,并利用房地一体农村宅基地和集体建设用地使用权确权登记颁证工作成果对其精度进行了验证。【结果】 （1）吉星岗镇共有宅基地5 897宗,总面积640.76 hm²,平均每宗宅基地面积为1 095.61 m²。（2）吉星岗镇宅基地在空间上总体分布零散,但在行政村内分布相对紧凑,基本上以自然屯为单元,集中分布在自然屯内某个区域。（3）吉星岗镇宅基地数量和面积总体精度分别为81.86%、91.87%,10个行政村宅基地数量精度在72.55%～88.47%之间,面积精度在82.94%～99.92%之间。（4）与实测法、倾斜摄影测绘法、勘丈测绘法等方法相比,基于高分辨率正射影像,采用人工目视解译方法获取宅基地空间信息,操作简单、成本低、工作周期短。【结论】 该文成果可为研究区农村宅基地改革和管理提供数据支撑,该方法为获取农村宅基地空间信息的方式提供了参考。     

基于无人机多光谱影像的荒漠草原典型物种识别

【目的】 准确获取草原植物物种空间分布信息是草原生态系统生物多样性监测、群落重构与生态功能维持的重要基础。及时准确获取植物物种空间分布可以为草原植物物种信息提取提供有效技术手段。【方法】 文章以无人机多光谱影像为基础,分别在像元尺度和对象尺度上开展了荒漠草原典型物种的信息提取方法研究。像元尺度上先定义样本计算样本可分离性,在选择不同分类器进行分类。而对象尺度上首先进行遥感影像尺度分割研究,选出最佳分割尺度。在此基础上,提取最优特征变量,并采用阈值分类法提取植被信息。【结果】 高分辨率无人机多光谱数据能够为荒漠草原物种信息提取提供有效数据基础。面向对象影像分析技术的表现最好,总体精度85.16%,Kappa系数0.71,其中短花针茅的制图精度和用户精度分别为97.6%和86%;其次是支持向量机机器学习算法,其总体精度80.40%,Kappa系数0.70,短花针茅的制图精度和用户精度分别为90.08%和76.46%;而传统最大似然分类法的识别精度较低,总体精度为74.68%,Kappa系数0.64,短花针茅的制图精度和用户精度分别为72.40和81.96。【结论】 无人机多光谱数据对于集中连片分布的植被物种的识别能力较强,而对零星分布的物种的识别精度并不理想,但该文结果能够为大尺度草原植物物种识别提供一定参考。     

基于HRNet-OCR模型的农村宅基地提取方法

【目的】 农村宅基地信息统计是制定农村宅基地制度改革政策方向的基础,目前,基于遥感影像的农村宅基地提取还主要停留在人工目视解译的阶段,这种传统的提取方法效率低、成本高、耗时长,基于遥感影像自动化提取农村宅基地的相关研究较少。【方法】 文章收集了德清县无人机遥感影像数据,建立了训练集、验证集和测试集,构建HRNet-OCR模型,并与FCN、UNet、DeepLabV3Plus这3种模型在不同场景下进行对比。【结果】 模型精度评价指标IoU表明,在平原和丘陵地区HRNet-OCR比FCN、UNet和DeepLabV3Plus分别高了4.24%、3.72%和2.82%,在山区HRNet-OCR比FCN、UNet和DeepLabV3Plus分别高了3.59%、2.77%和1.55%,且模型在边缘细节上表现得更优秀。【结论】 基于HRNet-OCR识别模型使得遥感影像农村宅基地提取更为准确,具有更好的鲁棒性,可为精准提取农村宅基地提供重要参考价值。未来更快速、高效的高精度提取方法还有待进一步研究。     

基于Xception-CEMs神经网络的植物病害识别

随着深度学习技术与农业的密切融合,越来越多的研究将深度学习技术用于农业病虫害检测,提高农产品产量和质量。本文提出一种新颖的基于Xception模型的植物病害识别方法。了解到植物病害图像会受到不确定环境因素的干扰而减小图像信息。在Xception的基础上,提出一种新的通道扩增模块,采用带有通道分配权重的多尺度深度卷积与组卷积结合,增强空间和通道的特征提取效率;在网络中采用通道扩张-保持-再扩张-压缩的新策略,进一步优化通道特征提取;引入密集连接方式,提高在同尺寸的特征图之间特征重用。试验数据集由10种不同植物的50类图像组成,分别包括10种健康植物和27种病害,其中对13种病害进行了两种程度的分类。本文的方法在这些类别上可以获得91.9%的准确率,88.7%的精确率,82.45%的召回率以及85.33%的F1值。本文的算法有更小的模型复杂度和参数量,计算量为29.33 M,为Xception的66.4%。参数量为14.05 M,为Xception的66.9%。因此,Xception-CEMs能够有效对病虫害进行识别,有利于农业智能化发展。