科研产出
玉米除草机器人视觉导航系统设计与试验
《农业工程学报 》 2023 EI 北大核心 CSCD
摘要：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（proportionintegrationdifferentiation）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87.39ms，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。
全文链接
请求原文
基于激光雷达的稻麦收获边界检测与自动对齐系统研究
《农业机械学报 》 2023 EI 北大核心 CSCD
摘要：针对稻麦收获无人作业的需求，提出了一种使用激光雷达检测稻麦收获边界的算法，并连接无人控制系统实现收获边界的自动对齐。该算法首先对采集的收获轮廓点云划定感兴趣角度范围，根据雷达的安装高度和位置将测量数据由极坐标转换为三维直角坐标，融合陀螺仪测量的激光雷达安装姿态数据对测量点云进行校正；通过中值滤波和Z向阈值滤波将点云中的噪点和非稻麦轮廓点滤除；对比了K-means聚类和Z向中心差分法检测稻麦收获边界的精度，并进行了误差分析；开发了感知系统并制定了感知与控制的CAN通信协议，采用预瞄点追踪方法对实时检测的边界点进行对齐控制；分析研究了稻麦收获边界自动对齐精度检测方法。2022年6月在北京小汤山国家精准农业示范基地进行了收获边界检测与自动对齐控制系统试验，分别采用数据标注和GPS打点的方式进行了数据采集与分析，试验结果表明，基于K-means聚类的收获边界检测横向偏差平均值为22.24 cm,基于Z向中心差分法的收获边界检测横向偏差平均值为1.48 cm,Z向中心差分法的收获边界检测优于基于K-means聚类的检测方法，故采用Z向中心差分法进行自动对齐控制试验，整体控制系统自动对齐横向偏差平均值为9.18 cm,标准差为2.48 cm,该系统可用于稻麦收获无人作业。
关键词： 稻麦收获边界 激光雷达 K-means聚类 Z向中心差分 自动对齐
全文链接
请求原文
基于U-Net网络的高标准农田道路识别方法
《农业机械学报 》 2023 EI 北大核心 CSCD
摘要：高标准农田是国家粮食安全的重要保障，作为其中的重要工程，田间道路的快速准确获取可为高标准农田建设质量评估和效果评价提供基础数据支撑。针对传统方法对细窄田间道路识别精度低、泛化能力不强的问题，本文提出了基于U-Net网络的高标准农田道路识别方法。首先，在分析田间道路基本特征的基础上，选取GF-2影像作为试验数据，采用面向对象方法对影像进行分割并根据对象特征进行分类，剔除光谱特征与田间道路相似的建筑物等非道路要素，减少道路识别干扰；然后，对影像进行裁剪、标签制作和数据增强等操作，并使用U-Net网络挖掘影像的深浅层特征，通过不断调整参数对网络进行训练，实现田间道路的快速识别；最后，依据道路断点特征，采用局部连接法对道路断点进行修复，并以河北省定州市东亭镇为试验区进行方法测算与精度验证。结果表明：通过挖掘622幅田间道路样本的影像特征，U-Net网络可以有效识别各类场景下的高标准农田道路，通过对道路断点进行修复后，研究区田间道路识别精确率达96%,召回率和F1值分别为62%、75%,该识别精度能够满足高标准农田建设质量快速评估要求。相比传统识别方法，结合面向对象和深度学习的方法可以在减少建筑物干扰的基础上快速地识别出田间道路，能更好解决田间道路材质差异大、植被遮挡等造成识别结果噪声多、误识别问题，该方法可为细窄地物的识别提供方法参考。
关键词： 田间道路 识别 深度学习 U-Net 面向对象 高标准农田
全文链接
请求原文
基于无人机多源遥感的玉米LAI垂直分布估算
《农业机械学报 》 2023 EI 北大核心 CSCD
摘要：为探究无人机多源遥感影像估算玉米叶面积指数（Leaf area index, LAI）垂直分布，在田间设置了密度和播期试验，在7个生育时期利用无人机采集了可见光、多光谱和热红外影像并同步获取玉米LAI垂直分布数据。同时，为合理制定无人机飞行任务，分析了不同飞行高度和不同太阳高度角下获取的无人机影像对估算玉米LAI的影响。基于无人机影像提取的与玉米LAI相关性较高的植被指数、纹理信息和冠层温度等特征，利用7种机器学习方法分别构建了玉米冠层不同高度LAI估算模型，从中选取鲁棒性强的2个模型用于分析在不同飞行高度和不同太阳高度角下估算LAI的差异。研究结果表明，MLPR和RFR模型对玉米LAI估算鲁棒性最强，全生育期下模型rRMSE为11.31%（MLPR）和11.42%（RFR）。玉米冠层LAI垂直分布估算误差，所有模型的平均rRMSE分别为9.1%（LAI-1）、14.19%（LAI-2）、18.62%（LAI-3）、23.29%（LAI-4）和26.7%（LAI-5）。对于玉米穗位叶及以下部位的LAI估算误差均在20%以下，得到了较好精度。同时，在不同飞行高度和太阳高度角试验中可以得出，当飞行高度为30 m时LAI估算精度最高，R~2为0.73,rRMSE为10.97%,在09:00—10:00观测的玉米LAI估算精度最高。无人机多源遥感影像数据可以准确估算玉米冠层LAI垂直分布，及时掌握玉米功能叶片LAI长势差异，可为玉米品种筛选提供辅助。
关键词： 玉米 叶面积指数 无人机多源遥感 垂直分布 飞行试验
全文链接
请求原文
利用VGC-AGB模型和高光谱遥感的马铃薯地上生物量估算
《光谱学与光谱分析 》 2023 EI SCI 北大核心 CSCD
摘要：马铃薯是继水稻、小麦、玉米之后的一种重要的粮食作物,其优化种植和生产对于保障粮食安全具有重要的意义.作物的地面生物量(AGB)被广泛认为与作物的生长状态密切相关,常常被直接用来参与作物产量预测和健康状态参数评估.现有的研究表明,遥感植被指数在中高作物覆盖度时会丧失对作物参数的敏感性,即"饱和现象",这制约了作物生长中后期 AGB的准确监测.采用了一个新型垂直生长作物 AGB估算模型(VGC-AGB)结合高光谱遥感开展马铃薯多生长阶段的 AGB估算研究.针对多生长时期遥感光谱指数开展作物生物量监测中存在的"饱和问题",VGC-AGB定义了叶片干物质含量(Cm)和垂直器官干物质含量(Csm)2 个参数,分别描述马铃薯叶片和茎的平均干物质含量,并通过叶面积指数(LAI)×Cm 计算叶片的地上生物量(AGB1),通过种植密度(Cd)、马铃薯株高(Ch)和Csm的乘积,即Cd×Ch×Csm计算垂直器官的地上生物量(AGBv).基于国家精准农业研究示范基地 2019 年马铃薯田间实验,分别获取了马铃薯 4 个关键生长时期的地面 ASD高光谱数据、实测株高、AGB和LAI数据等,并利用高光谱反射率数据构建了高光谱特征参数,分别对比了(1)高光谱特征参数+株高,(2)地面测量参数+VGC-AGB模型和(3)高光谱特征参数+VGC-AGB模型的 3 种马铃薯 AGB估算模型的性能.结果表明,与传统的高光谱遥感植被指数+株高的AGB估算方法相比,新型 VGC-AGB模型结合高光谱遥感数据可以提供更高性能的马铃薯 AGB1、AGBv和总 AGB估算结果,该方法可为马铃薯 AGB的快速无损监测提供技术支撑.
关键词： VGC-AGB模型 高光谱遥感 马铃薯 地面生物量
全文链接
请求原文
基于全透射近红外光谱的西瓜不同部位可溶性固形物含量在线检测研究
《光谱学与光谱分析 》 2023 EI SCI 北大核心 CSCD
摘要：可溶性固形物含量（SSC）是评价西瓜果肉品质优劣的关键指标。西瓜SSC在线检测模型的建立，可以实现西瓜品质按其SSC进行在线分级，满足不同人群需求，提高市场竞争力。以160个京美2K西瓜为研究对象，通过实验室自主研发的在线检测设备，采集了西瓜两种姿态的可见近红外全透射光谱数据，分别与西瓜不同部位SSC建立偏最小二乘回归（PLSR）预测模型，探究西瓜SSC在线检测的最佳姿态和检测部位。首先，分别定义西瓜不同部位SSC测量值为瓜蒂糖、中心糖、瓜脐糖和整果糖，在线检测的两种姿态分别定义为T1姿态和T2姿态。其次对比西瓜不同部位SSC,探讨西瓜SSC评价标准。然后去除光谱透射强度值较低且频率较高，包含大量噪声和无用信息的光谱数据，最终选取波长范围（671～1 116 nm）的光谱进行分析。采用卷积平滑（SGS）算法分别与多元散射校正（MSC）、单位矢量归一化（UVN）和标准正态变量变换（SNV）这3种算法相结合对两种姿态下的光谱数据进行预处理，随后对应西瓜不同部位SSC分别建立预测模型。通过对比不同模型的预测结果发现：使用SGS和MSC组合对T1姿态采集的光谱数据预处理效果最好，而对于T2姿态的光谱数据使用SGS与UVN结合预处理效果最好；T1姿态明显比T2姿态的光谱数据所建模型的预测效果好；对西瓜瓜蒂糖和整果糖的预测结果较好，瓜脐糖次之，中心糖最差。最后采用竞争性自适应重加权算法（CARS）分别对预测瓜蒂糖和整果糖的模型进行优化。其中，共挑选出81个波长点用于建立预测瓜蒂糖模型，106个波长点用于建立预测整果糖模型，两模型的预测集相关系数分别为0.881 0和0.875 8,均方根误差分别为0.866 7%和0.758 9%,不仅模型得到了简化，还提高了模型的预测精度。研究结果表明，西瓜不同姿态和对不同部位SSC预测的差异，会影响西瓜SSC在线检测和品质评价分级结果，应根据用户的实际需求进行模型选取和优化；为此，提出了糖度评价指数，为进一步开发西瓜SSC在线检测设备提供了技术支撑。
关键词： 近红外光谱 西瓜 可溶性固形物含量 在线检测 模型优化
全文链接
请求原文
基于VGG-ST模型的奶牛粪便形态分类方法研究
《农业机械学报 》 2023 EI 北大核心 CSCD
摘要：快速准确识别奶牛粪便形态，对于奶牛肠胃健康监测与精细管理具有重要意义。针对目前奶牛粪便识别人工依赖强、识别难度大等问题，提出了一种基于VGG-ST（VGG-Swin Transformer）模型的奶牛稀便、软便、硬便及正常粪便图像识别与分类方法。首先，以泌乳期荷斯坦奶牛粪便为研究对象，采集上述4种不同形态的粪便图像共879幅，利用翻转、旋转等图像增强操作扩充至5 580幅作为本研究数据集；然后，分别选取Swin Transformer、AlexNet、ResNet-34、ShuffleNet和MobileNet 5种典型深度学习图像分类模型进行奶牛粪便形态分类研究，通过对比分析，确定Swin Transformer为最优基础分类模型；最后，融合VGG模型与Swin Transformer模型，构建了VGG-ST模型，其中，VGG模型获取奶牛粪便局部特征，同时Swin Transformer模型提取全局自注意力特征，特征融合后实现奶牛粪便图像分类。实验结果表明，Swin Transformer模型在测试集中分类准确率达85.9%,与ShuffleNet、ResNet-34、MobileNet、AlexNet模型相比分别提高1.8、4.0、12.8、23.4个百分点；VGG-ST模型分类准确率达89.5%,与原Swin Transformer模型相比提高3.6个百分点。该研究可为奶牛粪便形态自动筛查机器人研发提供方法参考。
关键词： 奶牛 粪便分类 Swin Transformer 深度学习
全文链接
请求原文
蔬菜移栽夹茎式取苗装置设计与试验
《农业机械学报 》 2023 EI 北大核心 CSCD
摘要：针对半自动移栽机作业效率低、作业质量差的问题,设计了一种面向蔬菜移栽机器人的夹茎式自动取苗装置.取苗装置经过整排取苗、等距分苗、精准投苗,可实现高效、高质自动化取投苗作业.建立多级剪叉分苗机构与夹苗装置的运动力学模型,对钵苗下落运动、气动系统进行模型设计及分析计算,搭建取苗试验装置.试验选取穴盘辣椒苗作为研究对象,以钵苗苗龄、基质含水率、取苗频率为试验因素,设计以取苗成功率、基质破碎率为评价指标的单因素试验.根据试验结果,采用Box-Behnken响应曲面分析法设计正交试验,探究了苗龄与基质含水率、苗龄与取苗频率及基质含水率与取苗频率之间的交互作用对取苗效果的影响,优化取苗参数.试验结果表明,当苗龄33 d、钵苗基质含水率46%、取苗频率75株/min时,取苗成功率为97.36%,基质破碎5.07%,可满足大田自动化移栽的取苗及投苗要求.
全文链接
请求原文
基于高光谱成像技术和IRIV算法的玉米种子品种纯度识别
《江苏大学学报(自然科学版) 》 2023 EI 北大核心 CSCD
摘要：基于高光谱成像技术，提出了一种无损、快速的玉米种子纯度识别方法.首先，采用多元散射校正（MSC）等方法对数据进行预处理；其次，应用竞争性自适应重加权法（CARS）和迭代保留信息变量法（IRIV）提取特征波长；再次，建立支持向量机（SVM）和线性判别分析（LDA）等纯度识别模型；最后，设置随机种子值，使用采集函数“expected-improvement-plus”搜索置信区间中的待评价点，得到使交叉验证损失最小的超参数值，提高模型的准确率.结果表明：MSC-IRIV-LDA识别模型准确率最高，训练集和预测集的准确率分别为0.960 4和0.933 3,K值为0.918 6;对LDA的δ和γ超参数值进行优化后，进一步提高了训练集、预测集准确率和K值；本研究提出的方法能够实现玉米种子纯度无损、快速识别，为精准农业的发展提供技术支持.
关键词： 玉米种子 高光谱 迭代保留信息变量法 线性判别分析 纯度
全文链接
请求原文
面向小麦区块链追溯系统的分级监管模型设计与实现
《农业机械学报 》 2023 EI 北大核心 CSCD
摘要：针对现有的农产品溯源系统中数据监管存在的监管单一、权限集中，以及监管过程中隐私泄露等问题，通过研究小麦制粉行业全业务流程特性，设计并构建了面向小麦区块链追溯系统的分级监管模型。该模型以联盟链Hyperledger Fabric为基础构建多链架构，提出了基于密文策略属性加密（CP-ABE）技术的加密隐私密钥传输方法，通过一对多的加密属性设计多个数据监管部门，并在密文中嵌入访问结构实现权限管控。通过理论分析，所提出的分级监管模型能够在满足消费者追溯需求的基础上，实现企业隐私保护、分级授权管控、全流程穿透式实时监管的功能。在安全方面，该模型在控制策略保持不变的情况下，改变需加密密钥的任意一位，生成密文平均变化率为95.5%;在保持密钥不变的前提下，通过改变企业授权访问策略，引起解密私钥平均变化率为75.5%,具有较高的混淆性和安全性。在效率方面，所设计的分级监管模型公开溯源数据平均查询时延为6.67 ms,隐私数据平均解密查询时延为34.45 ms,数据监管平均查询时延为37.78 ms。
全文链接
请求原文
