排序方式: 共有15条查询结果,搜索用时 15 毫秒
1.
针对实时监测耕种机具作业中所受空间力大小,该文提出了一种能够在现场和远程实时监测耕种机具受力情况并带有提示报警的监测系统。该系统采用基于Zigbee的WSN(wireless sensor network)完成数据的采集和近程传输,采用嵌入式处理器ARM11作为现场监测终端的中央处理单元CPU,并搭建WinCE6.0操作系统,完成数据交换、处理和监测报警等功能。通过安装在耕种机具上的测力传感器,实现对耕种机具受力情况的实时检测。经土槽试验测试,系统实现了耕种机具空间力的实时监测以及监测数据的存储,人机界面交互性良好,可为耕种机具的研究设计提供技术支持。 相似文献
2.
秸秆覆盖率是保护性耕作重要的评价指标之一。针对田间秸秆形态各异、细碎秸秆难以识别的难题,基于机器视觉技术,提出了一种基于K-means和彩色空间距离灰度化方法相结合的田间秸秆覆盖率检测算法。采用彩色空间距离方法对秸秆图像进行预处理,基于K-means算法实现秸秆和土壤背景的分类识别,使用数学形态学腐蚀和膨胀方法对识别后的图像进行处理,降低细碎秸秆对覆盖率的影响,最后计算秸秆图像的覆盖率。2022年10月,通过田间试验对北京小汤山国家精准农业研究示范基地采集的220幅玉米秸秆图像进行了算法验证。试验结果表明,对低秸秆覆盖率(0~30%)图像,识别准确率达到90%;对中等秸秆覆盖率(30%~60%)图像,识别准确率达到88%;对高秸秆覆盖率(60%以上)图像,识别准确率达到86%;整体秸秆覆盖率分等定级准确度达到98.18%。本研究设计的基于K-means和彩色空间距离灰度化方法相结合的田间秸秆覆盖率检测算法为保护性耕作评价提供了快速检测方法和手段。 相似文献
3.
4.
针对现有农机装备数字孪生系统开发难度大、配置要求高以及资源占用过高的问题,提出基于轻量级网络的联合收获机数字孪生系统构建方法,包含物理、虚拟、数据交互、模型计算以及人机交互等多个子系统的实现方法。基于数字孪生的技术特点和联合收获机的作业特性,设计了一种基于JavaScript语言的轻量级数字孪生系统框架。通过采用Solidworks和CMdevelopment kit工具进行数字孪生系统的模型轻量化处理及坐标系整合,实现了在不影响模型精度和功能的前提下,显著降低系统对硬件要求和内存占用量。以雷沃GM100型联合收获机为对象,开发基于轻量级网络的联合收获机数字孪生系统,为联合收获机孪生系统性能分析、实时监控、瞬时计算以及远程操纵提供联合仿真、分析以及验证平台。为验证数字孪生系统性能和功能,开展了孪生系统性能测试及油耗预测实验。实验结果表明,在数据更新频率20Hz下,响应时间在78ms以内,内存占用量在331MB以内;性能测试中,系统在运行状态下CPU和GPU的平均占用率分别为17%和30%;即使在高强度操作下,系统帧率仍可保持在75.6f/s;在正常作业下油耗预测模型平均误差为0.34L/h,平均相对误差仅为2.51%。本系统提供了一种低成本、高效率的数字孪生轻量化构建方案。 相似文献
5.
为了准确获取联合收割机作业过程中的谷物产量信息,自主研发了基于光电漫反射原理的联合收割机谷物产量计量系统。系统主要由传感器模块、数据采集模块、GPS模块和谷物产量计量显示终端组成。在研究了联合收割机田间工作状态和籽粒升运器刮板谷堆近似模拟形状的基础上,提出了分段式光电信号与收割机谷物产量数据转换模型。同时为了进一步消除收割机作业过程中产生的奇异点数据,提出了基于籽粒升运器转速的双阈值动态均值滤波的数据预处理方法。结果表明,采用该方法可以有效剔除奇异点数据,提高产量数据整体平滑度。田间试验结果表明,在考虑升运器转速条件下,该研究提出的分段式谷物产量数据转换模型动态验证误差小于3.50%,满足联合收割机谷物产量计量的实际需要。 相似文献
6.
少免耕播种机牵引阻力远程监测系统 总被引:4,自引:2,他引:2
针对少免耕播种机牵引阻力的监测,该文提出了一种能够实时采集信号、无线传输数据、现场移动监测、远程同步监测的少免耕播种机牵引阻力监测系统。该系统通过在3点悬挂杆铰接处安装2维轴销测力传感器实现对其受力情况的实时检测。采用无线传感网络技术(wireless sensor network,WSN)实现传感器信号采集和数据短距离无线传输。采用嵌入式技术开发无线数据监测移动终端,实现牵引阻力的现场监测以及数据转发。利用Visual C++开发的远程监测软件,在远程计算机上实现牵引阻力的动态监测、实时显示、在线分析和批量存储。经计量,该系统模拟量检测最大误差为4 mV,线性度为0.04%。田间试验表明:系统实现了少免耕播种机牵引阻力的现场移动监测以及远程同步监测,系统使用方便并降低了田间测试的复杂程度。 相似文献
7.
农业装备自动驾驶技术可以显著提升作业质量,提高作业效率,降低作业成本,减轻劳动强度,已成为智能农业装备发展的重要方向。在政策和市场的共同推动下,我国农业装备自动驾驶技术发展迅速,并通过多场景、多层次的示范和应用推动技术熟化,逐步建立了完整的技术体系。农业装备自动驾驶技术系统主要包括环境感知、工况感知、决策规划、横向控制、纵向控制等关键技术。本文首先阐述了农业装备自动驾驶关键技术研究的现状,分析归纳了各技术领域有待解决的关键科学技术问题;结合农业装备自动导航技术产品和自动驾驶技术集成应用两方面,介绍了国内外农业装备自动驾驶技术研发和应用情况;从自动驾驶技术分级研究和建立标准规范角度,对比分析了农业装备自动驾驶与智能网联汽车行业的差距,指出了农业装备自动驾驶等级划分的迫切需求。为应对智慧农业生产非结构环境、高精度农艺和强农时约束三大挑战,建议突出农业生产应用中作业精准化和驾驶自动化双重需求的特点,有针对性地开展农业装备自动驾驶技术研发、应用示范和技术分级等方面工作。 相似文献
8.
玉米苗带准确检测与精准跟踪是玉米除草机器人实现自主作业的重要基础。针对玉米除草机器人苗带检测,该研究提出了基于感兴趣区域更新的玉米苗带实时识别及导航线提取方法,首先利用单目相机采集机器人前向玉米苗带,将苗带图像进行归一化和超绿处理,采用改进自适应响应阈值SUSAN(small univalue segment assimilating nucleus)角点法以及冗余离群特征点剔除法获得玉米苗特征点,以改进的顺序聚类算法对视频帧进行玉米苗带聚类处理,再利用最小二乘法拟合出各玉米苗带,最后基于机器人航向偏差和其相对玉米苗带的横向偏差实时调整感兴趣区域和更新导航线;同时,针对除草机器人苗带行线跟踪,提出以运动学为模型的PID(proportion integration differentiation)转向角决策方法,建立了导航跟踪控制模型;并在Visual Studio平台下,利用OpenCV库开发了导航控制系统。试验结果表明,玉米除草机器人导航线提取准确率为96.8%,每帧图像平均处理时间为87.39 ms,具有较好的实时性和抗干扰性;在模拟环境下,玉米苗带直线和曲线跟踪平均误差≤1.42 cm,标准误差≤0.41 cm;在农田环境下,不同速度导航跟踪平均误差≤1.51 cm,标准误差≤0.44 cm。研究结果可为玉米除草机器人田间自主作业提供关键技术支撑。 相似文献
9.
大田无人农场关键技术研究现状与展望 总被引:2,自引:0,他引:2
无人农场是智慧农业的一种表现形式,也是建设农业强国和实现农业现代化的重要探索。无人农场以数据、知识和智能装备为核心要素,将现代信息技术与农业深度融合,实现农业全过程生产所需的信息感知、定量决策、智能控制、精准投入及个性化服务一体化。本文系统地阐述了大田无人农场的概念与总体技术架构,讨论了信息感知与智能决策、精准作业系统与装备、自动驾驶、无人化农机装备以及无人农场管控平台等五项大田无人农场的关键技术与装备,深入分析了发展中国大田无人农场亟待解决的关键科学与技术问题。以吉林省公主岭市玉米无人农场为例介绍了物联网、大数据、云计算以及人工智能等技术在玉米全程无人化生产中的具体应用及效果。最后,展望了无人农场在解决全球农业生产面临的“无人种田”等共性问题中发挥的重要作用,分析了中国发展无人农场存在的机遇和挑战,提出了中国发展无人农场的战略目标与思路。 相似文献
10.
传统人工方式抽检农机作业数量和质量,存在检测效率低、检测覆盖面少、精度差等问题。以深松作业为例,介绍了一种农机作业远程监测系统的研发与实现过程。重点探讨了深松作业监管信息化系统、作业深度测量和作业过程重漏区域自动检测方法的实现过程。田间试验表明:系统能实现深松作业质量和作业面积准确监测,为深松作业补助提供量化依据。目前,系统已经在全国多地进行了应用示范,显著提升了补贴监测管理的准确性,减少管理部门的人力物力付出,减轻监管压力,提升了农机作业管理信息化水平。 相似文献