基于语义分割的非结构化田间道路场景识别

环境信息感知是智能农业装备系统自主导航作业的关键技术之一。农业田间道路复杂多变,快速准确地识别可通行区域,辨析障碍物类别,可为农业装备系统高效安全地进行路径规划和决策控制提供依据。该研究以非结构化农业田间道路场景为研究对象,根据环境对象动、静态属性进行类别划分,提出一种基于通道注意力结合多尺度特征融合的轻量化语义分割模型。首先采用Mobilenet V2轻量卷积神经网络提取图像特征,将混合扩张卷积融入特征提取网络最后2个阶段,在保证特征图分辨率的基础上增加感受野并保持信息的连续性与完整性;然后引入通道注意力模块对特征提取网络各阶段特征通道依据重要程度重新标定;最后通过空间金字塔池化模块将多尺度池化特征进行融合,获取更加有效的全局场景上下文信息,增强对复杂道路场景识别的准确性。语义分割试验表明,不同道路环境下本文模型可以对场景对象进行有效识别解析,像素准确率和平均像素准确率分别为94.85%、90.38%,具有准确率高、鲁棒性强的特点。基于相同测试集将本文模型与FCN-8S、SegNet、DeeplabV3+、BiseNet模型进行对比试验,本文模型的平均区域重合度为85.51%,检测速度达到8.19帧/s,参数数量为,相比于其他模型具有准确性高、推理速度快、参数量小等优点,能够较好地实现精度与速度的均衡。研究成果可为智能农业装备在非结构化道路环境下安全可靠运行提供技术参考。     

基于中值点Hough变换玉米行检测的导航线提取方法

为解决机器视觉对早期玉米苗带在多环境变量下导航线提取耗时长、准确率低的问题,该研究提出了一种基于中值点Hough变换作物行检测的导航线提取算法。首先,改进了传统的2G-R-B算法,再结合中值滤波、最大类间方差法和形态学操作实现土壤背景与玉米苗带的分割。其次,通过均值法提取玉米苗带特征点,然后采用中值点Hough变换拟合垄间两侧玉米苗列线,最后将检测出的双侧玉米苗列线为导航基准线,利用夹角正切公式提取导航线。试验结果表明：改进的灰度化算法能够正确分割玉米苗带与土壤,处理一幅640×480像素彩色图像平均耗时小于160 ms,基于中值点Hough变换检测玉米苗列再提取导航线的最大误差为0.53°,相比于传统Hough变换时间上平均快62.9 ms,比最小二乘法平均精确度提高了7.12°,在农田早期玉米苗带多环境变量影响因素下导航线提取准确率均达92%以上,具有较强的可靠性和准确性。     

基于光谱特征空间的农田植被区土壤湿度遥感监测

土壤湿度遥感动态监测在农业生产中具有重要作用。近年来,多种基于光谱特征空间的土壤水分监测指数被陆续提出,并得到广泛关注和应用,但当前多数监测指数未考虑混合像元的影响。该文针对垂直干旱指数(perpendicular drought index,PDI)在农田植被覆盖区监测精度降低问题,分析了植被覆盖下的PDI误差分布规律,引入垂直植被指数(perpendicular vegetation index,PVI)作为植被覆盖表征量,在PVI-PDI二维空间对PDI模型进行调整,提出了适于植被覆盖的植被调整垂直干旱指数(vegetation adjusted perpendicular drought index,VAPDI),并利用内蒙古明安镇研究区实测土壤湿度数据,对PDI与VAPDI进行了比较和验证。结果表明,在裸土、麦茬、土豆、豇豆4种植被覆盖类型中,PDI与土壤实测含水率的决定系数分别为0.630、0.504、0.571、0.543,VAPDI与土壤实测含水率的决定系数分别为0.599、0.523、0.602、0.585。VAPDI在植被区的误差略小于PDI,一定程度上克服了植被覆盖对监测精度的影响。通过PDI和VAPDI空间分布图的比较也说明,VAPDI对土壤湿度的差别有更好的区分能力,在中尺度土壤表层水分遥感反演方面具有一定的优势。该研究可为农田土壤湿度遥感监测方法选择及监测误差分析提供参考依据。     

滇东岩溶山地不同类型云南松林地土壤团聚体稳定性差异

[目的]研究滇东岩溶山地不同类型云南松林地土壤团聚体稳定性差异,为岩溶脆弱生境土壤培肥、质量提升、水土固持提供依据。[方法]通过野外调查和室内分析,研究了滇东岩溶山地云南松纯林、云南松人工混交林、云南松天然混交林、灌丛和原生林5种植被类型水稳性团聚体及团聚体有机碳分布特征,揭示不同类型云南松林团聚体稳定性差异。[结果]①云南松纯林、人工混交林和天然混交林的0.25 mm粒径质量分数(5.77%～9.39%)显著低于灌丛(20.92%)和原生林(27.47%)(p0.05),且人工混交林和天然混交林5 mm,2～5 mm粒径质量分数高于纯林。②湿筛处理的0.25 mm水稳性团聚体比例(R_(0.25))排序为:人工混交林天然混交林纯林灌丛原生林;平均重量直径(MWD)排序为:人工混交林天然混交林原生林灌丛纯林;几何平均直径(GMD)排序为:人工混交林天然混交林原生林纯林灌丛;分形维数(D)排序为:原生林灌丛纯林天然混交林人工混交林。③纯林、人工混交林、天然混交林的大粒级团聚体(0.25 mm)对土壤有机碳的贡献率高于小粒级团聚体(0.25 mm),且5,2～5,0. 25 mm粒径水稳性土壤团聚体有机碳含量均显著小于灌丛、原生林(p0.05)。[结论]云南松人工混交林的土壤团聚体稳定性最高,其养分积累和固碳能力低于灌丛和原生林,高于纯林,作为该区域水土保持的主要植被类型时需要避免人为干扰以提高土壤养分。     

关中平原农田土壤水力参数空间分异与模拟

土壤水力参数是土壤水分和污染物迁移等陆面过程数值模拟的重要基础参数。为探明关中平原农田土壤水力参数空间分异特征,建立空间分布预测模型,在关中平原网格布设124个样点,采集根层0-20 cm原状和扰动土壤样品,利用van Genuchten模型拟合获取土壤水分特征曲线,获得残余含水量(θr)、饱和含水量(θs)以及系数α和n等土壤水力参数。采用经典统计学、地统计学和结构方程方法分析了θr、θs、α和n的空间变异特征及影响因子,建立了水力参数传递函数预测模型。结果表明:θr和α为强变异,θs为中等变异,n为弱变异。θr、θs、α和n半方差函数最佳拟合模型分别为球状模型、指数模型、指数模型和球状模型。θs和n具有强烈的空间依赖性,变程分别为32.7,54.3 km;θr和α具有中等程度空间依赖性,变程均为52.8 km。土壤质地、容重、pH、有机质和海拔是影响土壤水力参数空间分布的主要因子。基于土壤理化性质和海拔建立的水力参数传递函数模型具有较好的模拟效果,可用于关中地区大尺度农田生态系统土壤水力参数的模拟预测。     

结合Sentinel-2影像和特征优选模型提取大豆种植区

准确获取大豆的空间分布对于产量估计、灾害预警和农业政策调整具有重要意义,目前针对种植结构复杂地区所开展的大豆遥感识别研究鲜有报道。该研究以安徽省北部平原的典型大豆产区——龙山、青疃镇为研究区,基于Sentinel-2数据提出一种分层逐级提取策略的大豆识别方法。该方法首先构建决策树筛选规则,剔除研究区内非农田地物,获得田间植被的总体分布;然后生成19个候选特征因子,包括分辨率小于等于20 m的10个波段反射率以及9个植被指数。在典型地物类型样本的支持下,将ReliefF特征权重评估算法与随机森林(RandomForest,RF),BP神经网络(Back-Propagation Neural Network,BPNN)和支持向量机(Support Vector Machine, SVM)相结合,分别构建ReliefF-RF、ReliefF-BPNN、ReliefF-SVM三种组合模型筛选出对于大豆识别最有效的特征,并基于布设在研究区内6个样方(大小为1 km×1 km)的无人机影像提取得到的大豆分布来评估3种模型在大豆制图中的表现。结果表明,ReliefF-RF模型表现最佳,基于该模型筛选出7个优选特征因子,大豆制图的总体精度介于85.92%～91.91%,Kappa系数在0.72～0.81之间,各个样方的提取效果均优于其他两种模型。此外,基于优选特征达到的提取精度明显高于原始波段反射率,虽然略低于全部19个特征的结果,但是数据量降低了63.16%。该研究可以为农田景观破碎、种植结构复杂地区的大豆种植区提取相关研究提供有价值的参考和借鉴。     

基于光谱吸收特征的土壤含水量预测模型研究

为了定量分析土壤含水量与反射光谱特征之间关系,并为土壤含水量速测提供理论依据。以黑土作为研究对象,测定实验室光谱反射率,利用去包络线方法提取反射光谱特征指标,建立土壤水分含量高光谱预测模型。结果表明:黑土含水量与1 420 nm、1 920 nm附近吸收谷的主要光谱特征(吸收谷深度、宽度、面积)呈显著正相关;1 920 nm附近吸收谷可作为黑土土壤水分的特征吸收谷,由其光谱特征参数预测黑土含水量;以1 920 nm附近吸收谷面积为自变量建立的一元线性回归模型预测精度高,输入量少,可以作为土壤含水量速测仪器研制的理论依据。     

夹指链式残膜回收装置的设计及试验

针对国内现有残膜回收设备残膜回收率低、残膜易缠绕收膜部件、膜杂分离困难、脱膜效果差和残膜含杂量高导致回收的残膜不能再利用等问题,设计了一种夹指链式残膜回收装置,主要由收膜装置、脱膜装置和传动系统等部分构成,收膜装置上设有夹指链和切膜圆盘,切膜圆盘将地表残膜切成带状,夹指链上的夹指将带状残膜依次从地面捡起。通过对主要工作部件的设计,确定了其结构尺寸参数,并对该装置的收膜和脱膜运动进行了分析与讨论,确定了其工作参数。田间试验表明,该回收装置在作业速度5.5 km/h、下夹指链输送倾角40°、机组前进速度与收膜链线速度之比2时,残膜回收率达90.5%,未出现残膜缠绕上链轮现象,回收的残膜含杂量少,便于后续处理和再利用,能满足残膜回收技术的要求。设计研究成果可用于研制新型残膜回收机。     

基于声信号特征加权的设施养殖羊行为分类识别

中国西部地区正在发展集约化和规模化的设施养羊业,通过监测羊舍内的声信号可以判别羊只的行为状态,从而为设施养羊的福利化水平评估提取基础依据。梅尔频率倒谱系数（mel frequency cepstrum coefficient,MFCC）模拟了人耳对语音的处理特点且抗噪音性强,被广泛用于畜禽发声信号的特征提取,但其没有考虑各个特征分量表征声信号的能力。该研究构建羊舍无线声音数据采集系统,采集20只羊在设施羊舍内的打斗、饥饿、咳嗽、啃咬和寻伴共5种行为下的声信号,并通过Audacity音频处理软件选出720个清晰且不重叠的声音样本数据。根据MFCC各分量对羊舍声信号表征能力,特征参数提取采用一种熵值加权的MFCC参数,再求其一、二阶差分并进行主成分分析降维,得到优化的19维特征参数。通过对羊舍声信号的声谱图分析,设计了支持向量机二叉树识别模型,并对模型内的4个分类器参数进行网格化寻优测试,该识别模型对羊只5种行为下的声信号进行分类识别,用改进的特征参数与传统MFCC和线性预测倒谱系数（linear predictive cepstrum coefficient,LPCC）进行对比分析。结果表明,该特征参数对5种行为的识别率平均可达83.6%,分别高于MFCC和LPCC参数14.1%和26.8%,羊只打斗和咳嗽行为的声信号属于相似的短时爆发类声音,其识别率分别仅为80.6%和79.5%,啃咬声特征显著不易混淆,其查全率可达到为92.5%,改进特征参数更好的表征了羊舍声信号的特征,提高了羊只不同行为的识别率,为羊只健康和福利状况的监测提供理论依据。     

一种基于NIR-RED光谱特征空间的干旱监测新方法

土壤水分作为干旱监测的重要指标,一直是干旱遥感监测研究的重要内容。本研究利用MODIS数据的EVI、红波段反射率、近红外波段反射率数据构建了基于Nir-Red反特率光谱特征空间的EPDI模型进行土壤水分的反演。利用野外同步测量数据对PDI、MPDI、EPDI三种干旱指数模型获取的拉萨河流域土壤水分进行了验证和对比分析,研究结果表明EPDI能够更准确地反演土壤水分,其样本点的相对误差仅为0.1040,线性相关系数为0.9181,反演精度相比PDI、MPDI(0.1646、0.1472)分别提高了36.83%和29.35%,为利用遥感影像数据进行大尺度的干旱动态监测提供了新途径。并且相比MPDI,EPDI模型参数更容易获取,模型构建受人为因素影响小,从而为模型的大范围推广提供了可能,具有很好的应用意义。