科研产出
基于光谱及成像技术的种子品质无损速测研究进展
《光谱学与光谱分析 》 2021 EI 北大核心 CSCD
摘要：种子是农业生产过程的重要生产资料.种子质量评价、活力与老化检测、纯度与真伪鉴别、分类与溯源研究是种子品质检测中的常见问题.种子质量主要包含种子含水率、蛋白含量、脂肪酸含量、淀粉含量等,是种子品质分级的重要指标,并且关系到种子存储过程的安全问题.种子活力是种子发芽和出苗率、幼苗生长的潜势、植株抗逆能力和生产潜力的总和;高活力种子具有明显的生长优势和生产潜力.种子老化是指种子活力的自然衰退,表现为种子变色、发芽率低、生长势差、作物减产.种子的纯度与真伪则会影响作物产量和农产品品质;而种子分类与溯源则是保证种子纯度与鉴别种子真伪的重要方法,进而为作物产量与产品品质提供保障.对于种子品质分析,传统方法通常需要对样品做不可逆的破坏性分析,且分析时间长、过程复杂,难以适应现代农业对种子生产环节的需要.因此,开展种子品质无损快速检测技术研究成为当前亟待解决的问题.近年来,随着化学计量学的发展和计算机技术的进步,近红外光谱法以其快速、无损、高效等优势,在农产品、食品、农业投入品等的无损快速分析方面得以广泛的应用.进一步地,将光谱技术与成像技术相结合,高光谱成像技术近年来日益兴起,相比较于传统的光谱技术,高光谱成像技术在获得待测样品的光谱信息的同时,还可以获取样品的空间分布信息以及图像特征.基于近红外光谱及高光谱成像等无损快速检测技术,从种子质量评价、活力与老化检测、纯度与真伪鉴别、分类与溯源研究四方面对近年来关于种子品质无损快速检测文献进行综述.在分析不同检测技术特点的基础上,分别就上述种子品质检测方面的问题加以整理.进而对种子品质无损快速检测的技术特点进行了总结与展望.
全文链接
请求原文
基于改进YOLO v3-tiny的全景图像农田障碍物检测
《农业机械学报 》 2021 EI 北大核心 CSCD
摘要：为实现自动导航农机的避障,解决搭载在农机顶部的全景相机获取其周围360°的图像信息并精确实时快速检测出障碍物的问题,提出了一种改进YOLO v3-tiny目标检测模型,实现了田间行人和其他农机的检测与识别。为了提高全景图像中小目标的检测效果,以检测速度快、轻量级的网络模型YOLO v3-tiny为基础框架,通过融合浅层特征与第二YOLO预测层之前的拼接层作为第三预测层,增加小目标的检测效果;为了进一步增加网络模型对目标特征的提取能力,借鉴残差网络的思想,在YOLO v3-tiny主干网络上引入残差模块,增加网络深度和学习能力,从而能够较好地提高网络的检测能力。为了验证模型的性能,建立了农田环境下1 100幅行人与农机两类障碍物图像原始数据集,经数据扩增后得到2 200幅图像数据集,按8∶1∶1将数据集划分为训练集、验证集和测试集,在Pytorch 1.8深度学习框架下进行模型训练,模型训练完后用220幅测试集图像对不同模型进行测试。试验结果表明,基于改进YOLO v3-tiny的农田障碍物检测模型,平均准确率和召回率分别为95.5%和93.7%,相比于原网络模型,分别提高了5.6、5.2个百分点;单幅全景图像检测耗时为6.3 ms,视频流检测平均帧率为84.2 f/s,模型内存为64 MB。改进后的模型,在保证检测精度较高的同时,能够满足农机在运动状态下实时障碍物检测需求。
关键词： 农田障碍物检测 全景相机 YOLO v3-tiny 残差网络
全文链接
请求原文
光谱关键变量筛选在农产品及食品品质无损检测中的应用进展
《光谱学与光谱分析 》 2021 EI 北大核心 CSCD
摘要：农产品及食品的品质与安全一直以来都是人们关注的焦点,不仅关系着人们的身体健康,而且关系着社会稳定甚至国家安全。由于农产品及食品的品质不合格引发的安全事件备受社会各界的广泛关注。对农产品及食品的品质的监管长久以来都是分析检测领域的重点和难点。我国人口众多,对农产品和食品的消费量非常大。面对如此大量农产品及食品品质的无损快速检测需求,光谱法以其快速、无损、高效、环境友好、可现场检测等诸多特点,为农产品及食品品质的无损快速分析提供了良好的解决方案。然而,传统的光谱法在检测过程中所使用的数据量十分庞大,不仅在建立校正模型过程中会消耗大量时间,而且难以完成大量农产品及食品的品质在线高通量无损快速检测。大量数据的计算成为限制光谱类分析仪器工作效率的主要瓶颈之一,并且大量数据的计算对仪器设备的硬件配置也提出了非常高的要求,从而间接地提高了光谱分析技术的应用成本。近年来,关键变量筛选技术脱颖而出,并成为光谱分析的一个新热点。通过筛选,采用少量关键变量建立校正模型即可得到和全谱数据建模准确度相差无几的分析结果,从而可以有效提高分析仪器的工作效率并间接地降低光谱分析技术的应用成本,进而为农产品及食品品质的高通量检测提供了可靠的技术支持、为满足人民日益增长的美好生活需要提供科技保障。针对光谱关键变量筛选在粮食及粮食作物、蔬菜、水果、经济作物、肉类、食品品质与安全领域的无损检测应用进行综述,对光谱关键变量筛选技术的应用从筛选方法、应用范围、应用效果等方面进行了分类总结归纳,并就光谱关键变量筛选技术在农产品及食品品质无损检测中的应用从变量筛选方法特点及趋势、所选变量的稳定性和可靠性、所选变量的实际意义等方面进行了展望。
关键词： 光谱分析 关键变量筛选 无损检测 农产品品质 食品品质与安全
全文链接
请求原文
静液压传动拖拉机定速巡航控制系统设计与试验
《农业机械学报 》 2021 EI 北大核心 CSCD
摘要：针对现有农机速度调节策略功率匹配度不高、燃油经济性差的问题,以静液压传动拖拉机为平台,基于CAN总线设计了拖拉机定速巡航控制系统。该系统由拖拉机工况采集、负载检测、油门控制、变量泵排量调节、作业负载调节、通信等模块组成。设计了油门调节机构和负载调节装置,获取并解析了拖拉机工况数据,建立了静液压传动拖拉机油门开度、变量泵排量与速度对应的数学模型,制定了发动机转速与变量泵排量协同控制策略。分别在水泥路面空载、田间空载和平地作业3种工况下进行了协同控制策略试验,在平地作业工况下进行了定油门控制策略、油门排量耦合控制策略和油门排量协同控制策略试验。结果表明,3种工况下,协同控制策略的速度控制绝对误差分别为0.005、0.007、0.012 m/s;在达到相同目标速度的前提下油门排量协同控制策略降低了发动机转速。拖拉机定速巡航控制系统能够在保证速度控制精度的前提下,减小燃油消耗。
关键词： 拖拉机 定速巡航控制系统 静液压传动 协同机制策略 功率匹配
全文链接
请求原文
基于时序Sentinel-2影像的现代农业园区作物分类研究
《红外与激光工程 》 2021 EI 北大核心 CSCD
摘要：快速、准确地掌握作物空间分布,估算不同作物种植面积及范围,这对制定宏观农业政策并指导农民进行农业生产具有重要意义。以我国内蒙古自治区扎赉特旗现代农业示范园区为研究区域,基于2019年5月至10月共9景多时相Sentinel-2卫星遥感影像,通过计算并分析不同作物归一化差值植被指数(NDVI)、比值植被指数(RVI)、增强型植被指数(EVI)等多种典型植被指数和近红外波段Ref(NIR)的时序变化特征,采用随机森林(Random Forest, RF)、决策树(Decision Tree, DT)、支持向量机(Support Vector Machine, SVM)和最大似然法(Maximum Likelihood, ML)4种分类方法对研究区多种作物进行分类识别,成功提取园区内主要作物(水稻、玉米、甜叶菊、旱稻和大豆等)空间分布情况。将RF结果与DT、SVM和ML分类结果对比,结果显示,RF总体分类精度最高,达到95.8%,Kappa系数为0.944;DT、SVM和ML分类精度分别为92.2%、91.6%和86.5%。上述研究结果表明,多时相Sentinel-2遥感影像经过光谱指数时序变化特征提取后,利用随机森林算法进行作物分类可得到精度较高的结果,这为精细指导规模化园区农业生产提供了有效的技术支持。
关键词： 随机森林算法 近红外波段 时间序列 Sentinel-2 作物分类
全文链接
请求原文
基于注意力机制和多尺度残差网络的农作物病害识别
《农业机械学报 》 2021 EI 北大核心 CSCD
摘要：针对传统农作物病害识别方法依靠人工提取特征,步骤复杂且低效,难以实现在田间环境下识别的问题,提出一种多尺度卷积结构与注意力机制结合的农作物病害识别模型。该研究在残差网络（ResNet18）的基础上进行改进,引入Inception模块,利用其多尺度卷积核结构对不同尺度的病害特征进行提取,提高了特征的丰富度。在残差结构的基础上加入注意力机制SE-Net（Squeeze-and-excitation networks）,增强了有用特征的权重,减弱了噪声等无用特征的影响,进一步提高特征提取能力并且增强了模型的鲁棒性。实验结果表明,改进后的多尺度注意力残差网络模型（Multi-Scale-SE-ResNet18）在复杂田间环境收集的8种农作物病害数据集上的平均识别准确率达到95.62%,相较于原ResNet18模型准确率提高10.92个百分点,模型占用内存容量仅为44.2 MB。改进后的Multi-Scale-SE-ResNet18具有更好的特征提取能力,可以提取到更多的病害特征信息,并且较好地平衡了模型的识别精度与模型复杂度,可为田间环境下农作物病害识别提供参考。
关键词： 农作物病害识别 残差网络 特征提取 多尺度卷积 注意力机制
全文链接
请求原文
利用无人机激光雷达提取玉米叶面积密度
《武汉大学学报(信息科学版) 》 2021 EI 北大核心 CSCD
摘要：叶面积密度可以表征冠层内部叶面积的垂直分布,是作物生长发育、营养诊断和育种研究的重要结构参数。激光雷达通过发射多脉冲和接收多回波信号可以探测到作物冠层内部信息。首先基于无人机激光雷达获取60个小区多航线的玉米点云数据,采用基于接触频率的体素法对叶面积密度进行估算,再对多个体素大小进行分析得到最优体素大小（0.2 m）;其次对各航线以及航线叠加效果进行对比,得到无人机激光雷达获取点云数据的最优激光脉冲入射角（-30°～52°）;然后结合玉米叶倾角和激光脉冲入射角对叶面积密度估算模型进行校正,从而提高叶面积密度估算精度;最后通过对不同种植密度和不同品种的玉米叶面积密度分布进行分析,得到不同品种玉米的发育快慢、株型特点以及最合理的种植密度。以上结果可为基于无人机激光雷达数据估算叶面积密度提供指导,并为玉米育种和科学管理提供参考。
关键词： 叶面积密度分布 基于接触频率的体素法 叶倾角 脉冲入射角 无人机激光雷达
全文链接
请求原文
秸秆-牛粪发酵过程中溶解性有机质的荧光光谱特征
《光谱学与光谱分析 》 2021 EI 北大核心 CSCD
摘要：溶解性有机质（DOM）在自然生态系统有机物向无机物的转换过程中起重要作用。DOM在发酵过程中为微生物提供营养和能量,同时对腐殖质的迁移和转化具有重要的指示作用。牛粪有助于提高玉米秸秆腐殖化效率,使农业废弃物得以更好的利用。为探讨玉米秸秆-牛粪体积比2∶8（T1）、 4∶6（T2）、 6∶4（T3）和8∶2（T4）处理发酵过程中DOM的特征,采用三维荧光光谱-平行因子分析法,分析发酵底物中DOM的荧光组分;通过荧光指数（FI）和自生源指数（BIX）来表征DOM的来源,用腐殖化指数（HIX）分析发酵物料的腐殖化程度,并分析DOM各组分间最大荧光强度的相关性。结果表明:4个处理过程中DOM来源受自生源和外生源的共同影响（FI>1.4, 0.8
全文链接
请求原文
数字果树及其技术体系研究进展
《农业工程学报 》 2021 EI 北大核心 CSCD
摘要：果树是重要的农林植物。在万物智联时代,利用数字化、智能化、网络化技术建立数字果树技术体系,实现对果树生命、生产和生态复杂系统的高效感知、认知和智慧管控,对于果业实现数字化转型具有重要意义。该研究在数字植物技术范畴下,系统论述了数字果树的概念和内涵,提出了数字果树技术体系框架。重点在果树表型信息获取、环境数据获取、三维模型计算、数字育种、果树大数据和虚拟现实技术等方面综述了数字果树研究进展。从产业应用角度,综述了数字果树技术在树形管理、生长监测、种植管理、农技培训、品牌营销等方面应用效果和挑战。最后,展望了数字果树发展趋势、研究热点和技术突破方向,以期为数字果树的进一步发展提供思路与借鉴。
关键词： 植物 表型 三维 数字果树 果园 信息感知 智能决策 产业应用
全文链接
请求原文
近紫外-可见-短波近红外多光谱成像数据的糯玉米种子热损伤粒的无损快速鉴别
《光谱学与光谱分析 》 2021 EI 北大核心 CSCD
摘要：为对糯玉米种子热损伤粒进行无损快速鉴别并探索热损伤过程对糯玉米种子的影响,以糯玉米种子"京科糯2000"为例,用Videometer近紫外-可见-短波近红外多光谱成像仪分别以胚面向上和胚面向下方式采集糯玉米种子对照组及热损伤组多光谱成像数据,分别提取胚面向上胚部、胚面向上胚乳部、胚面向下胚乳部单点多光谱数据,并对胚面向上胚部和胚面向上胚乳部多光谱数据做初级融合;对多光谱数据进行基线校正预处理后计算各光谱数据样本标准差,进而通过光谱数据样本标准差的变化分析热损伤对糯玉米种子各部位的影响;基于多光谱数据采用偏最小二乘-判别分析算法建立糯玉米种子热损伤粒无损鉴别模型,对所建模型进行全交互验证,并与近红外光谱数据模型比较。结果表明,热损伤对糯玉米种子胚、胚乳有不同的影响,多光谱数据和近红外光谱数据表现出一致的变化趋势。采用多光谱数据建立热损伤粒鉴别模型,各模型前3主成分得分3D散点图中,对照组和热损伤组样品表现出一定的分离趋势,校正数据正确率在96%～100%之间,交互验证数据正确率在92%～100%之间,其中,糯玉米种子胚面向上胚部光谱和胚乳部光谱初级融合数据建模效果最好,校正数据正确率100%,交互验证数据正确率在98%～100%之间。作为对比,采用近红外光谱数据建立糯玉米种子热损伤粒偏最小二乘-判别分析模型,胚面向上、胚面向下以及二者初级融合数据模型的前3主成分得分3D散点图中,对照组和热损伤组样品表现出较好的分离趋势,各模型校正数据、交互验证数据正确率皆为100%。本研究表明,采用近紫外-可见-短波近红外多光谱成像对糯玉米种子的热损伤粒进行无损快速识别具有较好的可行性,多光谱成像数据各变量样本标准差和近红外光谱数据各变量样本标准差呈现一致的规律;采用胚和胚乳融合多光谱数据所建模型在各模型中具有更高的正确率。
关键词： 多光谱成像 数据融合 近红外光谱 热损伤粒 糯玉米种子
全文链接
请求原文
