5HP-25型粮食干燥机设计与试验

为了提高干燥系统的能量利用效率,增强干燥机的通用性、可靠性、作业效率和年利用率,该研究围绕增大干燥动力系数和工艺能力指数,基于粮食的物性特征,从干燥工艺方式、机械结构参数和运动参数间的内在关系入手,把几何因子和运动参数有机结合,揭示了粮食在干燥机内流动特性;按照引风降压,连续闪蒸降温,强化传热传质,自适应排粮的设计思想,研制了一款粮食通用的干燥机,实现了粮食在干燥机内连续流动过程中,自发地改变流态、连续回转换位,强化了传热传质,改善了干燥的均匀性。设计的升角为6°的变截面角状盒,与传统的横流方法相比,可使干燥动力系数增大2～4倍,干燥稻谷时的爆腰增率可控制在1%以内,发芽势提高76%以上,发芽率达到95%;设计往复式差速排粮机构,实现了自适应无损排粮,有效解决了粮食架桥、堵塞问题,避免了粮种的机械损伤。设计的5HP-25型粮食干燥机,实际应用效果显示,在粮食平均干燥强度为1.37～2.70 %/h的条件下,干燥水分单位热耗为2 900～4 300kJ/kg,与国标7 400 kJ/kg相比,降低了单位热耗量。研究结果为实现优质、高效、节能干燥工艺及装备设计提供了参考。     

利用Kalman滤波和Hungarian算法的多目标奶牛嘴部跟踪及反刍监测

针对奶牛养殖场复杂环境下多目标奶牛嘴部自动跟踪及反刍监测困难的情况,该研究提出了一种基于嘴部区域跟踪的多目标奶牛反刍行为智能监测方法。在YOLOv4模型识别奶牛嘴部上下颚区域的基础上,以Kalman滤波和Hungarian算法跟踪上颚区域,并对同一奶牛目标的上颚和下颚区域进行关联匹配获取嘴部咀嚼曲线,以此获取反刍相关信息,从而实现多目标奶牛个体的嘴部跟踪和反刍行为监测;为解决奶牛快速摆头运动和棚舍栏杆遮挡引发奶牛标号变化的问题,提出未匹配跟踪框保持及扩大的方法。采集并选择实际养殖场环境下的反刍奶牛视频66段,对其中58段视频采取分帧操作得到图像,制作YOLOv4模型数据集,以其余8段视频验证跟踪方法和反刍行为判定方法的有效性。试验结果表明,YOLOv4模型对奶牛嘴部上颚、下颚区域的识别准确率分别为93.92%和92.46%;改进的跟踪算法可实现复杂环境下多目标奶牛嘴部区域的稳定跟踪,且有效解决了栏杆遮挡、快速摆头运动造成的奶牛标号变化现象,上下颚匹配率平均为99.89%,跟踪速度平均为31.85帧/s;由反刍行为判定方法获取的咀嚼次数正确率的平均值为96.93%,反刍时长误差的平均值为1.48 s。该研究可为实际养殖中多目标奶牛反刍行为的智能监测和分析提供参考,也可供其他群体动物运动部位的跟踪和行为监测借鉴。     

不确定场景下无人农机多机动态路径规划方法

在现代化农业中,越来越多的龙头企业或农村合作社提供一系列的农业作业专业化服务,引入多台农机进行规模化作业,不仅提高了效率,而且可以实现抢种抢收,减少自然灾害的风险。目前,多台农机并行作业仍以预先计划的固定农机和静态的固定路线为主,但在实际耕种、收割等作业中,常会出现农机突发故障、农机临时增加、农机工作效率不一致等不确定场景,这些不确定性给多台农机集群控制带来巨大挑战。因此,研究不确定场景下多机动态路径规划方法具有十分重要的理论意义和实用价值。该研究以总作业时长为综合优化目标,综合各种不确定场景,针对轮式自动驾驶拖拉机,提出了改进的迭代贪婪（Improved Iterated Greedy, IIG）方法进行多机动态路径规划,解决以往传统方法在不确定情况发生后路径规划结果低效甚至失效的问题。试验表明,该方法在不确定场景下可及时、高效的动态调整路径规划方案,能够为不同数量、不同性能的农机迭代找到当前最优路径。与传统的并排作业方法相比,IIG优化的矩形农田作业路径总作业时间平均下降约35%,且随着农机性能差异越大,节省时间越多;与迭代贪婪（Iterated Greedy, IG）方法相比,IIG在一般播种作业中总掉头时间平均减少约17%。该方法在不确定场景下路径优化效果较好,且具有很好的鲁棒性及环境适应性,可为农田无人作业多机路径规划提供参考。     

基于双目视觉的香蕉园巡检机器人导航路径提取方法

为实现移动机器人香蕉园巡检自动导航,研究提出了一种基于双目视觉的香蕉园巡检路径提取方法。首先由机器人搭载的双目相机获取机器人前方点云,进行预处理后对点云感兴趣区域进行二维投影并将投影结果网格化,得到网格地图;然后采用改进的K-means算法将道路两侧香蕉树分离,其中初始聚类中心通过对网格地图进行垂直、水平投影以及一、二阶高斯拟合确定;最后基于最小包围矩形提取导航路径,将道路两侧网格以最小矩形框包围,提取两包围框中间线作为期望导航路径。测试结果表明,改进的K-means算法聚类成功率为93%,较传统方法提高了12个百分点;导航路径提取平均横向偏差为14.27 cm,平均航向偏差为4.83°,研究方法可为香蕉园巡检机器人自动导航提供支持。     

采用改进YoloV4模型检测复杂环境下马铃薯

为解决马铃薯联合收获机在作业过程中分级清选的问题,并在收获作业过程中实时监测评估收获状态,该研究提出一种在光照亮度变化大、土壤与薯块遮挡、机器振动以及尘土干扰等情况下对马玲薯进行识别检测并快速准确获取马铃薯数量以及损伤情况的机器学习模型。在卷积神经残差网络中引入轻量级注意力机制,改进YoloV4检测网络,并将YoloV4结构中的CSP-Darknet53网络替换为MobilenetV3网络,完成特征提取。试验结果表明,基于卷积神经网络的深度学习方法相比于传统Open-CV识别提高了马铃薯识别精度,相比于其他传统机器学习模型,MobilenetV3-YoloV4识别速度更快,马铃薯识别的全类平均准确率达到91.4%,在嵌入式设备上的传输速度为23.01帧/s,模型鲁棒性强,能够在各种环境下完成对正常马铃薯和机械损伤马铃薯的目标检测,可为马铃薯联合收获机智能清选以及智能收获提供技术支撑。     

烟草田间起垄机作业适应性研究

对开沟式和盒式的1WG-6.3型自走式小型起垄机进行田间试验,并对其作业效益、作业效率及作业效果等指标进行测量及性能分析对比。结果表明:盒式起垄机每公顷平均油耗较低,作业效率较高,稳定性好,起垄效果较好,能满足烤烟种植起垄效果的农艺要求;开沟式起垄机能满足烤烟种植垄底宽、垄高的农艺要求,但不能满足烤烟种植垄基宽的农艺要求,且每公顷平均油耗较高,作业效率较低,稳定性较差,垄形一般。因此,盒式起垄机更能适应烟草田间起垄作业。     

自动板栗脱壳机的设计

针对目前板栗脱壳过程中主要依靠手工剥壳,手指极易被板栗刺壳上坚硬的刺刺伤,以及劳动强度大、生产效率低的问题,设计了一种新型的自动板栗脱壳机。该机采用胶皮与螺纹钢揉挤的方式将板栗刺与板栗米分开,同时采用鼓风机搭配输送带的方式进行分离。实际测试结果表明,该机采用的脱壳方式和分离方式新颖,能最大限度地将板栗米与板栗刺剥离,且能实现两者的自动分离,对于减轻栗农劳动强度,缩短栗子从采摘到上市的时间发挥了极大作用,值得进一步推广普及。     

Operational Deflection Shape Analysis of Large Scale Electromechanical System

Operational Deflection Shapes of large scale electromechanical system can be ex-tracted directly from multipoints response of the operating system by using of the modal shape analy-sis method. Thev can be used for engineers evaluating the practical dynamic beavior of the largescale elecltromechanical system,checking the existence of local reso,iance of the Stibsystem. and in-dentifying the wcakened positions of the rigidity of structure, In this paper the method of measuringand extracting the operational deflection shal1e of the electromecha nical system is given and theavailability of operational deflection shape is proved by analyzing the actual vibration of a large ex-haust fan system as an example.