水平棚架式梨树多旋翼无人机液体授粉试验

针对我国梨树授粉用工量大、作业效率低等问题,基于液体授粉技术,以水平棚架式栽培的梨树为研究对象,开展多旋翼无人机液体授粉试验,探究多旋翼无人机单位面积液体喷施量、飞行高度及授粉方式等对雾滴沉积分布及授粉效果的影响。试验结果表明多旋翼无人机液体喷雾授粉作业性能稳定,雾滴沉积分布组内变异系数不超过20%;雾滴覆盖率及雾滴覆盖密度均与喷施量呈正相关,当液体喷施量为6mL/m2时,飞行高度的变化对雾滴沉积分布影响显著,飞行高度为4m时,雾滴覆盖率及覆盖密度分别为7.06%、84.77个/cm2,花朵坐果率为49.70%,花序坐果率为85.83%,较自然授粉分别提高91%及43%。当花粉液体喷施量为4.5、6mL/m2时,无人机液体授粉与自然授粉花序坐果率差异显著,且无人机液体授粉与背负式喷雾器授粉花序坐果率无显著差异,花序坐果率可达80%以上。研究结果表明,无人机液体授粉作业时雾滴覆盖率及覆盖密度越高,对提升花朵坐果率、花序坐果率作用越显著,当无人机飞行高度为4m、花粉液体喷施量为4.5mL/m2时为较优的无人机液体授粉参数组合。     

基于机器视觉的香梨雌雄自动识别方法

为实现香梨雌雄的自动识别,利用香梨的花萼特征和外形特征进行分类。通过相机采集香梨图像,对图像进行灰度化、分割、旋转、边缘处理和轮廓提取等预处理,获取花萼处的圆度和香梨长径短径等特征。将获取的特征通过神经网络训练得到分类器模型,用以判断香梨雌雄。所提出的方法能够有效地提取香梨特征,快速识别香梨雌雄,准确率达到92%。      

香梨自动称量分级系统

为提高香梨商品价值,将香梨分级是一种常用的做法。该文提出一种基于香梨称量指标的香梨分级设备,利用压敏传感器和AD转换器构成称量模块,由气动摆杆组成执行模块,实现香梨的分级。并且利用圆锥滚子的翻转能力和高速运动能力作为分级线的托盘,满足了高速分级的效果,同时可以为基于图像的香梨外部品质识别做好平台基础。试验验证分级线称量准确度在0.4 g以内,平均误差值在0.4%,精度符合要求。分级执行机构在电机运转＞15 Hz时,分级准确度接近100%,满足实际生产要求。      

设施内自主移动装备导航控制技术研究进展

设施内自主移动装备研发是设施农业智能化发展的关键,装备如何在设施内安全、快速、精准地移动是当前设施移动装备应用的难点.结合近些年国内外设施自主移动装备研究现状,首先对设施自主移动装备的应用进行介绍,然后根据导航模式的不同对其导航技术的研究进展进行重点阐述.总体来说,导轨式和循迹式路线固定、安装应用成本相对较高,作业范围...     

基于改进Ghost-YOLOv5s-BiFPN算法检测梨树花序

疏花是梨生产中的重要农艺措施，机械化智能疏花是当今高速发展的疏花方式，花朵与花苞的分类与检测是保证疏花机器正常工作的基本要求。本研究针对目前梨园智能化生产中出现的梨树花序检测与分类问题，提出了一种基于改进YOLOv5s的水平棚架梨园花序识别算法Ghost-YOLOv5s-BiFPN。通过对田间采集的梨树花苞与花朵图像进行标注与数据扩充后送入算法进行训练得到检测模型。Ghost-YOLOv5s-BiFPN运用加权双向特征金字塔网络（Bi-directional Feature Pyramid Network，BiFPN）替换原始的路径聚合网络（Path Aggregation Network，PAN）结构，对网络提取的不同尺寸目标特征进行有效的融合。同时运用Ghost模块替换传统卷积，在不降低准确度的同时减少模型参数量和提升设备运行效率。田间试验结果表明，改进的Ghost-YOLOv5s-BiFPN算法对梨树花序中花苞与花朵的检测精度分别为93.2%和89.4%，两种目标平均精度为91.3%，检测单张图像时间为29 ms，模型大小为7.62 M。相比于原始YOLOv5s算法，检测精度与召回度分别提升了4.2%和2.7%，检测时间和模型参数量分别降低了9 ms和46.6%。本研究提出的算法可对梨树花苞与花朵进行精确的识别和分类，为后续梨园智能化疏花的实现提供技术支持。