科研产出
矮化密植果园多臂采摘机器人任务规划
《农业工程学报 》 2021 EI 北大核心 CSCD
摘要：为提高矮化密植果园多机械臂采摘机器人的协同作业效率,该研究对存在重叠访问域的多臂协同采摘机器人任务规划进行分析,将多臂协同任务规划问题归纳为异步重叠访问域的多旅行商问题,给出了基于遗传算法的优化求解方法。试验结果表明:该研究所提任务规划算法在求解4个机械臂采摘43和90颗果实的任务规划问题时,分别在500和2 000次迭代后收敛,相比于随机遍历算法,作业遍历时长可缩短40.97%和54.98%;采摘90颗果实,单机械臂的遍历时长约为该方法的4.28倍;采摘3种不同分布条件下的28颗果实,相比于顺序规划法和随机遍历法,该方法的作业遍历时长分别缩短10.69%和27.18%、20.45%和23.33%以及12.94%和21.69%。综上,基于遗传算法的任务规划方法能够协调规划多臂采摘机器人系统的作业任务,确保各个机械臂避免发生冲突,以较短时间遍历所有目标果实,提升作业效率。研究结果可为其他多机械臂采摘机器人任务规划提供参考。
关键词： 机器人 控制 收获 任务规划 协同作业 旅行商问题 遗传算法
全文链接
请求原文
低浓度吡虫啉的超材料太赫兹光谱检测研究
《光谱学与光谱分析 》 2021 EI 北大核心 CSCD
摘要：农产品质量安全是社会广泛关注的重大民生问题。近年来,农产品生产过程中农药的广泛使用和滥用会导致农药残留,对人类健康和环境造成潜在危害。吡虫啉是一种硝基亚甲基类新烟碱内吸杀虫剂,因其具有广谱、高效和低毒的特性已广泛用于农业生产中,但其过量残留也给人类的健康带来了威胁。首先对超材料结构的透射谱进行了分析,对共振频率的形成原因进行了解释;其次分别在超材料结构和二氧化硅基底上涂覆了500mg·L-1的吡虫啉溶液并进行了测量,排除了二氧化硅基底的影响;接着制备了3个梯度15个浓度的吡虫啉溶液,分别为:100～500mg·L-1(梯度为100mg·L-1)、10～50mg·L-1(梯度为10mg·L-1)、1～5mg·L-1(梯度为1mg·L-1);测量了喷涂在超材料结构上的吡虫啉薄膜的太赫兹时域光谱,根据太赫兹透射谱峰值频率红移量的不同实现了对不同溶液浓度的鉴别,建立了峰值频率红移量和吡虫啉浓度的函数关系。实验结果表明,借助超材料的调制特性,太赫兹光谱法可以检测到浓度低至1mg·L-1的吡虫啉薄膜。将实验测得的不同浓度吡虫啉溶液的折射率,代入CST软件进行仿真验证,结果说明不同浓度的吡虫啉的透射曲线具有不同程度的红移,且红移量随着浓度的增大而增加。实验和仿真结果表明,超材料对太赫兹光谱透射峰值频率的调制可用于低浓度吡虫啉含量的太赫兹时域光谱检测。此研究为食品基质中农药残留的检测提供了一种新方法。
全文链接
请求原文
基于注意力机制的农业文本命名实体识别
《农业机械学报 》 2021 EI 北大核心 CSCD
摘要：针对农业智能问答系统构建过程中传统的农业命名实体识别方法依赖人工特征模板、特征信息提取不充分、实体名称多样导致标注不一致等问题,提出一种基于注意力机制的农业文本命名实体识别方法。采用连续词袋模型（Continuous bag of words,CBOW）对输入字向量进行预训练,丰富字向量特征信息,缓解分词准确度对性能的影响;引入文档级的注意力（Attention）机制获取实体间相似信息,保证实体在不同语境下的标签一致性;基于双向长短期记忆网络（Bi-directional long-short term memory,BiLSTM）和条件随机场（Conditional random field,CRF）模型构建适合农业领域实体识别的模型框架。选取4 604篇农业文本,针对病害、虫害、农药、农作物品种4类实体进行了识别实验。结果表明,模型能有效地辨别农业文本中的实体,缓解实体标记不一致的问题,在农业语料上达到了较好的结果,识别的准确率、召回率、F值分别为93.48%、90.60%、92.01%。与其他3种识别方法相比,模型在不同规模语料库的准确率均有一定提高具有明显的性能优势。
关键词： 农业文本 命名实体识别 注意力机制 神经网络 深度学习
全文链接
请求原文
基于SVM的设施番茄早疫病在线识别方法研究
《农业机械学报 》 2021 EI 北大核心 CSCD
摘要：为解决设施环境下番茄病害在线探测问题,以温室大棚内采集的番茄叶部图像作为研究对象,以番茄早疫病为例提出了一种结合颜色纹理特征（color moments+color coherence vector+co-occurrence among adjacent LBPs, CCR）并基于支持向量机（SVM）的CCR-SVM叶部图像病斑识别方法。为实现小样本及复杂背景下的快速识别,首先采用滑动窗口将训练用番茄叶部病害图像切割成小区域图像,选取不包含背景的小区域图像作为样本,从而增加样本数量和多样性。通过训练的CCR-SVM模型对早疫病病斑子图像正负样本分类识别。实验结果表明,本文方法离线识别准确率为96.97%,在线平均识别准确率达86.39%,平均单帧图像识别时间为0.073 s。表明CCR-SVM模型可准确识别并定位复杂背景下的早疫病病斑,且该方法计算量小、系统要求低,为复杂环境下番茄病害快速识别提供了新的思路。
关键词： 番茄 早疫病 设施环境 在线探测 颜色纹理特征 支持向量机
全文链接
请求原文
杂粮供应链区块链多链追溯监管模型设计
《农业工程学报 》 2021 EI 北大核心 CSCD
摘要：针对杂粮产品供应链链条长、主体多、区块链追溯过程数据无法差异化共享、链上数据难以实时监管等难题,通过分析杂粮供应链环节业务流程与监管特性,提出了基于区块链多链架构的杂粮追溯模型,并在此基础上建立多链数据存储架构,设计了基于监管授权组网建链的网络准入机制,并通过智能合约实现数据的链前监管与追溯节点的链上管控。为验证模型有效性,基于Hyperledger Fabric设计并实现区块链追溯系统,对山西忻州杂粮应用案例进行分析。在安全方面,企业组网授权扩散性测试密文平均改变率为82.53%,相关性测试密文平均改变率为82.39%,具备较高的安全性与混淆性。在效率方面,消费者查询公开追溯数据平均时间为0.415s,监管部门调用跨链接口查询企业敏感追溯数据平均时间为0.871s。结果表明,该研究设计并实现的面向监管的杂粮多链追溯系统在满足消费者追溯需求的基础上,能够实现追溯数据账本与链间交易记录的实时管控,为农产品区块链追溯监管系统研究提供借鉴与参考。
关键词： 农产品 追溯 区块链 多链 数据监管 Hyperledger Fabric
全文链接
请求原文
玉米精密播种粒距在线监测与漏播预警系统研究
《农业机械学报 》 2021 EI 北大核心 CSCD
摘要：针对玉米精密播种粒距偏差导致播量分布不均匀的问题,设计了玉米精密播种粒距在线监测与漏播预警系统。该系统主要由车载计算机、排种监测ECU及相关传感器组成,设计了上位机监测软件和基于移动平均粒距在线监测的下位机程序,通过监测玉米精密播种作业过程中的粒距及其误差,完成漏播预警。首先,设计并进行了排种计数监测精度试验,结果表明,在模拟车速3～12 km/h范围内,以1 km/h递增变化的10个车速下,系统对指夹式排种器和气吸式排种器的排种计数监测平均准确率分别为99.12%、99.71%,标准差分别为0.52%、0.44%,总体排种计数监测误差平均值小于1%。其次,基于高速摄像的播种粒距测量试验台进行了实验室环境下的粒距监测精度试验,采用指夹式排种器进行排种,目标粒距为25 cm,在车速3～12 km/h范围内,以1 km/h为间隔的10个车速下,系统对粒距监测误差绝对值的平均值为2.34 cm,标准差为2.56 cm。针对试验结果存在较多的随机异常点问题,采用移动平均滤波对监测粒距进行分析,得出粒距监测误差绝对值的平均值为0.79 cm,标准差为0.62 cm,单车速下对应的粒距监测误差绝对值的平均值最大为1.69 cm,标准差为0.23 cm,经移动平均滤波处理后,粒距误差异常点明显减少,系统粒距监测误差小于2.00 cm。最后,基于气吸式玉米精密播种机设计了试验样机,设置播种车速为5.49、8.49 km/h,目标粒距为25 cm,进行了田间播种粒距监测精度试验,分别采集350个连续的出苗粒距进行对比分析,结果表明,与出苗粒距移动平均值相比,系统粒距监测误差的平均值分别为1.84、2.22 cm,标准差分别为1.61、2.13 cm,粒距监测值曲线与出苗粒距移动平均值曲线的变化趋势基本相同。
关键词： 玉米 精密播种 播种粒距监测 漏播预警 播种均匀性
全文链接
请求原文
基于拉曼成像技术的面粉中抗坏血酸添加剂定量检测研究
《光谱学与光谱分析 》 2021 EI 北大核心 CSCD
摘要：抗坏血酸是一种常见的面粉品质改良剂,用于改善面团的流变学特性及面包的烘焙品质。本研究以面粉中含不同浓度抗坏血酸的混合样品为研究对象,通过拉曼成像技术实现面粉中抗坏血酸的检测、识别和定量分析。分别采集面粉、抗坏血酸和面粉-抗坏血酸混合样品的拉曼图像,确定感兴趣区域及光谱范围,以抗坏血酸拉曼光谱中强度较高且区别于面粉的3处拉曼峰(631, 1 128和1 658 cm-1)为依据对混合样品的平均拉曼光谱进行分析,结果显示其不能有效评估面粉中抗坏血酸含量,研究探索对图像中各像素点对应的拉曼光谱进行分析以实现面粉中抗坏血酸的有效检测。以混合样品图像中各像素点拉曼光谱作为校正集、面粉平均拉曼光谱和抗坏血酸平均拉曼光谱的线性组合光谱作为验证集建立偏最小二乘模型,模型的回归系数用于将混合样品的三维拉曼图像重建为二维灰度图像,通过阈值分割实现面粉中抗坏血酸的检测和识别,根据识别结果建立定量分析模型。结果显示,偏最小二乘模型的最高和最低回归系数分别对应于抗坏血酸和面粉的最强拉曼峰,所有回归系数应用于混合样品拉曼图像将其转换为灰度图像后面粉和抗坏血酸的像素点仍难以识别,阈值分割方法将灰度图像转换为用于分类面粉像素和抗坏血酸像素的二值图像实现了面粉中抗坏血酸的有效检测。通过分析各浓度混合样品对应子样品中识别到的抗坏血酸像素点数确定本研究对面粉中抗坏血酸的最低检测浓度为0.01%(100 mg·kg-1),混合样品中抗坏血酸浓度同图像中识别到的抗坏血酸像素点在0.01%～0.20%范围内具有良好的线性关系,决定系数为0.996 0。研究结果可为面粉中抗坏血酸添加剂的定量检测提供方法支持,为大规模快速筛查提供了技术参考。
全文链接
请求原文
基于改进分离阈值特征优选的秋季作物遥感分类
《农业机械学报 》 2021 EI 北大核心 CSCD
摘要：为了提高秋季作物分类精度,以多时相的Sentinel-2为数据源,以生育进程相近的秋季作物为分类对象,提出一种基于Relief F算法和信息熵改进分离阈值算法（Modified ISEa TH-based entropy,EMISE）的多评价准则融合特征优选算法——改进分离阈值组合式特征优选算法（Modified EMISE-based Relief F,Re EMISE）,并分析了不同特征对秋季作物分类的重要性。首先,利用Relief F算法对特征进行初选,结合EMISE算法对2种评价准则进行融合,再优化初选特征集,进而利用随机森林（Random forest,RF）方法提取农作物种植面积,并与单评价准则的Relief F算法和EMISE算法的随机森林分类精度进行比较。同时,利用多时相光谱特征、传统指数特征、红边指数特征、纹理特征、不同时相波段差值特征、不同时相波段比值特征及优选特征,通过7组不同的特征组合提取秋季作物种植面积,分析不同特征组合对秋季作物分类精度的影响。结果表明:Re EMISE特征优选的随机森林法在特征变量为9个时精度最高,总体精度和Kappa系数分别为95.391 8%和0.939 7;综合多特征是提高农作物分类精度的关键,在多时相光谱特征基础上分别加入传统指数特征和红边特征,总体精度分别提高1.502 1、1.571 5个百分点,Kappa系数分别提高0.019 8、0.020 7。因此综合多特征的Re EMISE特征优选的随机森林法可以有效提高秋作物分类精度和效率。
关键词： 秋季作物 遥感分类 特征优选 改进分离阈值组合式特征优选算法 随机森林
全文链接
请求原文
基于无人机高光谱特征参数和株高估算马铃薯地上生物量
《光谱学与光谱分析 》 2021 EI 北大核心 CSCD
摘要：地上生物量(above-ground biomass,AGB)是评价作物长势及其产量估测的重要指标,对指导农业管理具有重要的作用.因此,快速准确地获取生物量信息,对于监测马铃薯生长状况,提高产量具有重要的意义.于马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期、成熟期获取成像高光谱影像、实测株高(heigh,H)、地上生物量和地面控制点(ground control point,GCP)的三维空间坐标.首先基于无人机高光谱灰度影像结合GCP生成试验田的DSM(digital surface model,DSM),利用DSM提取马铃薯的株高(Hdsm);然后利用无人机高光谱影像计算一阶微分光谱、植被指数和绿边参数,进而分析高光谱特征参数(hyperspectral characteristic parameters,HCPs)和绿边参数(green edge parameters,GEPs)与马铃薯AGB的相关性,每个生育期筛选出相关性较高的前7个高光谱特征参数和最优绿边参数(optimal green edge param-eters,OGEPs);最后基于HCPs,HCPs加入OGEPs,HCPs加入OGEPs和Hdsm的组合利用偏最小二乘回归(partial least square regression,PLSR)和随机森林(random forest,RF)估算不同生育期的AGB.结果表明:(1)提取的Hdsm与实测株高H高度拟合(R2=0.84,RMSE=6.85 cm,NRMSE=15.67%);(2)每个生育期得到的最优绿边参数不完全相同,现蕾期、块茎增长期和淀粉积累期OGEPs为Rsum,块茎形成期和成熟期OGEPs分别为Drmin和SDr;(3)与仅使用HCPs估算AGB相比,使用HCPs加入OGEPs,HCPs加入OGEPs和Hdsm在马铃薯不同生育期可以提高AGB估算精度,且以后者为自变量提高精度的幅度更大;(4)每个生育期利用PLSR和RF估算AGB的建模和验证R2从现蕾期到块茎增长期呈上升趋势,随后开始降低,整体上R2呈先上升后下降的趋势,通过PLSR方法构建的估算AGB模型效果优于RF方法,其中块茎增长期表现效果最好.因此,高光谱特征参数中结合最优绿边参数和株高,并使用PLSR方法可以改善马铃薯AGB的估算效果.
关键词： 马铃薯 地上生物量 高光谱特征参数 绿边参数 株高
全文链接
请求原文
改进Mask R-CNN的温室环境下不同成熟度番茄果实分割方法
《农业工程学报 》 2021 EI 北大核心 CSCD
摘要：基于深度神经网络的果实识别和分割是采摘机器人作业成功的关键步骤,但由于网络参数多、计算量大,导致训练时间长,当模型部署到采摘机器人上则存在运行速度慢,识别精度低等问题。针对这些问题,该研究提出了一种改进Mask R-CNN的温室环境下不同成熟度番茄果实分割方法,采用跨阶段局部网络（Cross Stage Partial Network,CSPNet）与Mask R-CNN网络中的残差网络（Residual Network,ResNet）进行融合,通过跨阶段拆分与级联策略,减少反向传播过程中重复的特征信息,降低网络计算量的同时提高准确率。在番茄果实测试集上进行试验,结果表明以层数为50的跨阶段局部残差网络（Cross Stage Partial ResNet50,CSP-ResNet50）为主干的改进Mask R-CNN模型对绿熟期、半熟期、成熟期番茄果实分割的平均精度均值为95.45%,F1分数为91.2%,单张图像分割时间为0.658 s。该方法相比金字塔场景解析网络（Pyramid Scene Parsing Network,PSPNet）、DeepLab v3+模型和以ResNet50为主干的Mask R-CNN模型平均精度均值分别提高了16.44、14.95和2.29个百分点,相比以ResNet50为主干的Mask R-CNN模型分割时间减少了1.98%。最后将以CSP-ResNet50为主干的改进Mask R-CNN模型部署到采摘机器人上,在大型玻璃温室中开展不同成熟度番茄果实识别试验,该模型识别正确率达到90%。该研究在温室环境下对不同成熟度番茄果实具有较好的识别性能,可为番茄采摘机器人精准作业提供依据。
关键词： 图像处理 机器视觉 模型 番茄 成熟度分割 Mask R-CNN 残差网络 跨阶段局部网络
全文链接
请求原文
