检索结果-内蒙古大学图书馆

农业机械学报 2019年第B07期50卷 108-114页

作者：杨立伟陈龙胜张俊逸孙红刘豪杰李民赞中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 中国农业大学农业农村部农业信息获取技术重点实验室北京100083

为了开展基于作物实时传感器的田间变量作业离心圆盘式撒肥机的研究,综合考虑已设计的离心圆盘撒肥机的结构和机理,选取并分析撒肥高度、圆盘叶片位置角、肥料下落位置角3个关键参数对双圆盘离心撒肥机撒肥均匀性的影响。基于Design-Exp... 详细信息

为了开展基于作物实时传感器的田间变量作业离心圆盘式撒肥机的研究,综合考虑已设计的离心圆盘撒肥机的结构和机理,选取并分析撒肥高度、圆盘叶片位置角、肥料下落位置角3个关键参数对双圆盘离心撒肥机撒肥均匀性的影响。基于Design-Expert的试验设计,进行了响应面分析试验和单因素试验,分析各因素对撒肥均匀性的影响。响应面分析试验结果表明,各因素对分布变异系数影响由大到小分别为下料位置角、撒肥高度、叶片位置角;经参数优化后,撒肥高度为68.80cm、下料位置角为60°、叶片位置角29.63°时,肥料分布变异系数最小,为9.95%;验证试验结果表明,分布变异系数预测值的平均值为9.95%,试验值的平均值为18.93%,平均相对误差为47.26%。单因素试验结果表明,单个因素变化下,撒幅范围内肥料质量分布变化明显;撒肥高度为70cm、下料位置角为30°,当叶片位置角取22.5°时,肥料分布变异系数最小,为22.87%;下料位置角30°、叶片位置角为22.5°,当撒肥高度取80cm时,肥料分布变异系数最小,为17.26%;以分布变异系数最小原则,撒肥高度为80cm、叶片位置角22.5°,当下料位置角取60°时,肥料分布变异系数最小,为15.76%。

关键词：离心圆盘撒肥机变量施肥响应面分析变异系数

来源：评论

学校读者我要写书评

暂无评论

GNSS双天线结合AHRS测量农田地形

引用

农业工程学报 2019年第21期35卷 166-174页

作者：景云鹏刘刚金志坤中国农业大学现代精细农业系统集成研究教育部重点实验室北京10083 中国农业大学农业农村部农业信息获取技术重点实验室北京100083

为减小GNSS农田平整过程中农田地势信息的采集误差,提高农田三维地形的测量精度,该文提出了一种基于GNSS双天线和姿态航向参考系统(attitude and heading reference system, AHRS)组合的地形测量方法。以GNSS平地系统为试验平台,利用AHR... 详细信息

为减小GNSS农田平整过程中农田地势信息的采集误差,提高农田三维地形的测量精度,该文提出了一种基于GNSS双天线和姿态航向参考系统(attitude and heading reference system, AHRS)组合的地形测量方法。以GNSS平地系统为试验平台,利用AHRS获取平地铲的姿态角和三轴加速度信息,建立GNSS双天线的位置解算方程组;对采集过程中的误差源进行分析,使用最小二乘法和五点三次平滑法对振动误差进行趋势项消除和平滑处理,获得高精度的农田三维地形测量数据。水泥路面的试验结果表明:位置解算方程可以有效地对双天线的位置信息进行解算,通过误差处理后定位天线测量数据的波动范围减小了9.57%,定向天线测量数据的波动范围减小了8.42%。3块不同面积(35 m×50 m、35 m×100 m和35 m×200 m)的农田平地作业试验结果表明:与单天线地形测量方式相比,双天线测量得到农田平整度的准确性分别提高了14.286%、14.063%和10.084%,最大高程差的准确性分别提高了8.642%、8.333%和8.897%,高差分布列的准确性分别提高了1.536%、3.357%和2.991%。本文提出的地形测量方法可以有效降低采集数据的误差,可为农田平整作业提供高精度的地势信息。

关键词：土地利用测量地形 GNSS双天线姿态航向参考系统位置解算误差处理

来源：评论

学校读者我要写书评

暂无评论

农业信息成像感知与深度学习应用研究进展

引用

农业机械学报 2020年第5期51卷 1-17页

作者：孙红李松李民赞刘豪杰乔浪张瑶中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 中国农业大学农业农村部农业信息获取技术重点实验室北京100083

农业信息感知与准确的数据分析是智慧农业定量决策与管理服务的基础。现代农业中彩色、可见光近红外光谱、3D与热红外等多源和多维度的成像感知手段提供了丰富的数据源,传统研究中围绕颜色、形态、纹理、反射光谱等特征展开分析,由于样... 详细信息

农业信息感知与准确的数据分析是智慧农业定量决策与管理服务的基础。现代农业中彩色、可见光近红外光谱、3D与热红外等多源和多维度的成像感知手段提供了丰富的数据源,传统研究中围绕颜色、形态、纹理、反射光谱等特征展开分析,由于样本量和特征抽象层级的局限性,对复杂背景变化及未知样本检测时,还存在噪声抑制鲁棒性不足、识别与检测模型精度不高等问题。深度学习(Deep learning,DL)是机器学习的分支之一,结合神经网络通过组合底层特征形成抽象的高层表示属性类别或特征,以发现数据的分布式特征与属性,在图像目标识别与检测中其模型检测精度与泛化能力比传统方法均有所提升。因而,DL技术在农业信息检测中的应用日益增多。为了深入分析应用DL技术驱动智慧农业继续发展的潜力和方向,本文从农业信息成像感知的数据源与DL技术应用相结合的角度出发,分别以植物识别与检测、病虫害诊断与识别、遥感区域分类与监测、果实在体检测与产品分级、动物识别与姿态检测5个研究方向总结概括DL在农业信息检测中最新的应用研究成果,展望需要加强的方面,以提升对应用DL开展农业信息检测过程的理解,促进农业信息感知技术的发展。

关键词：成像感知深度学习农业数据集卷积神经网络农业检测

来源：评论

学校读者我要写书评

暂无评论

基于特征点匹配的全景相机图像拼接方法研究

引用

农业机械学报 2019年第B07期50卷 150-158页

作者：徐弘祯李世超季宇寒曹如月张漫李寒中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 中国农业大学农业农村部农业信息获取技术重点实验室北京100083

全景相机可获取农机周围360°范围内的图像信息,具有覆盖范围大等特点,但需要对多镜头获取的图像进行拼接与融合,才能生成全景图像,为农机避障提供支持。以雷沃欧豹拖拉机为试验平台,搭载全景相机,获取实验农场的农田图像数据。首... 详细信息

全景相机可获取农机周围360°范围内的图像信息,具有覆盖范围大等特点,但需要对多镜头获取的图像进行拼接与融合,才能生成全景图像,为农机避障提供支持。以雷沃欧豹拖拉机为试验平台,搭载全景相机,获取实验农场的农田图像数据。首先对多幅图像进行预处理,包括通过柱面投影变换统一坐标系,采用基于特征点的SIFT算法提取图像的特征点并进行匹配;针对传统SIFT算法存在错误匹配而影响图像拼接质量的问题,使用RANSAC算法进行多次优化迭代,达到剔除错误匹配点的效果;针对匹配后生成的图像变换矩阵,为防止其线性结果不稳定并进一步优化结果,采用非线性的LM算法进行优化,使用线性加权平滑算法对图像进行融合,实现全景图像的生成。试验采用计算图像重叠区域相关系数定量评价图像拼接效果,并对获取的30组共60幅图像采用RANSAC算法和LM算法进行处理。结果表明,经过RANSAC算法处理后,误匹配点得到明显剔除,匹配特征点之间的平均几何距离偏移量明显减小,其平均值由39.4013像素下降至0.5819像素,相关系数由0.2878上升至0.7249。与手动设置阈值的剔除误匹配点方法进行了比较,经过RANSAC算法处理后的平均相关系数为0.7249,大于阈值设为0.4时的0.5933,以及阈值设为0.6时的0.2007,证明该算法能够实现多种情况下的图像拼接,剔除误匹配点;经过LM算法处理后,平均几何距离偏移量由0.5819像素进一步下降至0.5693像素,平均相关系数由0.7249进一步上升至0.7261,证明图像变换矩阵得到进一步优化,全景图像的拼接质量得到进一步提高。

关键词：全景相机图像拼接 SIFT算法特征点匹配 RANSAC算法 LM算法

来源：评论

学校读者我要写书评

暂无评论

基于移动机器人平台的玉米植株三维信息采集系统

引用

农业机械学报 2019年第B07期50卷 15-21页

作者：李鹏劳彩莲杨瀚冯宇中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 中国农业大学农业农村部农业信息获取技术重点实验室北京100083

为了快速、无损、自动获取玉米植株的三维信息,设计了一种基于移动机器人平台的玉米植株三维信息采集系统。首先,通过四轮驱动移动机器人与升降平台配合,精准控制Xtion深度相机多视角采集盆栽玉米植株的三维点云数据;然后,对获取的点云... 详细信息

为了快速、无损、自动获取玉米植株的三维信息,设计了一种基于移动机器人平台的玉米植株三维信息采集系统。首先,通过四轮驱动移动机器人与升降平台配合,精准控制Xtion深度相机多视角采集盆栽玉米植株的三维点云数据;然后,对获取的点云进行配准拼接与滤波,实现玉米植株的三维重建;最后,对重建后的玉米模型进行叶片的分割与参数测量。该系统的移动机器人运动误差可以控制在1cm之内,玉米植株叶片参数测量误差在1%~5%之间,证明了该系统进行玉米植株三维信息采集的可行性。

关键词：玉米植株移动机器人三维信息信息采集

来源：评论

学校读者我要写书评

暂无评论

基于几何形态学与迭代随机圆的番茄识别方法

引用

农业机械学报 2019年第B07期50卷 22-26,61页

作者：孙建桐孙意凡赵然季宇寒张漫李寒中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 中国农业大学农业农村部农业信息获取技术重点实验室北京100083

为解决番茄采摘机器人作业过程中果实识别不准确的问题,提出一种基于几何形态学和迭代随机圆相结合的目标提取算法,该算法可对图像中粘连的果实进行有效分割与识别。首先,以串收番茄佳西娜为研究对象,使用RGB相机采集图像;其次,对图像进... 详细信息

为解决番茄采摘机器人作业过程中果实识别不准确的问题,提出一种基于几何形态学和迭代随机圆相结合的目标提取算法,该算法可对图像中粘连的果实进行有效分割与识别。首先,以串收番茄佳西娜为研究对象,使用RGB相机采集图像;其次,对图像进行Canny边缘检测操作,获得果实边缘轮廓点;然后,对果实边缘轮廓点进行基于几何形态学的处理,获得果实轮廓点;最后,对果实轮廓点分组处理后,进行迭代随机圆的处理,得到果实识别结果。对该算法的正确率和准确率进行了验证,结果表明,果实识别正确率为85.1%,果实识别准确率为79.1%,此算法在一定程度上解决了复杂环境下多个果实粘连或被少量遮挡情况下的果实分割问题。

关键词：番茄迭代随机圆几何形态学图像识别

来源：评论

学校读者我要写书评

暂无评论

基于电机驱动的定位施肥控制系统设计与试验

引用

农业机械学报 2019年第B07期50卷 91-95,114页

作者：赵硕宗泽刘刚中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 中国农业大学农业农村部农业信息获取技术重点实验室北京100083

在准确的位置投入适量的肥料是满足农田精细施肥作业的基本需求。为了实现以玉米苗期根部位置为依据的定位施肥作业,设计了一种基于电机驱动的定位施肥控制系统,该系统硬件部分主要由上位机、下位机处理器、电机和驱动器组成。分析了定... 详细信息

在准确的位置投入适量的肥料是满足农田精细施肥作业的基本需求。为了实现以玉米苗期根部位置为依据的定位施肥作业,设计了一种基于电机驱动的定位施肥控制系统,该系统硬件部分主要由上位机、下位机处理器、电机和驱动器组成。分析了定位施肥过程中的迟滞现象,建立了施肥位置滞后模型;将滞后距离作为提前量,实时置入控制系统,提出了阈值控制算法;最后,通过试验平台对该控制系统稳定性和准确性进行验证。试验结果表明,该控制系统在电机转速50~201r/min的范围内运行稳定,平均系统响应时间为0.8s。

关键词：定位施肥控制系统电机驱动设计试验

来源：评论

学校读者我要写书评

暂无评论

马铃薯叶片光化学吸收与反射光谱关联分析及检测

引用

农业机械学报 2020年第S02期51卷 375-381页

作者：赵若梅邢子正马旭颖宋迪李民赞孙红中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 中国农业大学农业农村部农业信息获取技术重点实验室北京100083

为开展马铃薯叶片PSⅡ叶绿素荧光参数无损检测研究,利用高光谱成像系统采集200个感兴趣区域样本点的光谱图像并提取反射率,使用封闭式叶绿素荧光成像系统采集相应样本点的qP值。采用SPXY算法将总样本按照2∶1的比例划分为建模集(135个样... 详细信息

为开展马铃薯叶片PSⅡ叶绿素荧光参数无损检测研究,利用高光谱成像系统采集200个感兴趣区域样本点的光谱图像并提取反射率,使用封闭式叶绿素荧光成像系统采集相应样本点的qP值。采用SPXY算法将总样本按照2∶1的比例划分为建模集(135个样本)和验证集(65个样本),采用联合区间偏最小二乘法(Synergy interval partial least squares,siPLS)和随机蛙跳(Random frog,RF)算法各筛选出18个敏感波长,并用选择的特征波长建立偏最小二乘回归(Partial least squares regression,PLSR)模型。结果表明:siPLSPLSR模型的建模集决定系数R2c为0.6285,验证集决定系数R2v为0.6103;RFPLSR模型的建模集决定系数R2c为0.7093,验证集决定系数R2v为0.6872。结果表明利用RF算法筛选的特征波长对马铃薯叶片qP值检测的解释性优于siPLS算法,特征波长在518.72~640.64 nm、650~800 nm和850~1000 nm范围,体现了荧光发射信号是马铃薯作物光化学吸收qP值的重要响应特征,且叶片光化学吸收与叶绿素含量、叶片结构、水分含量等属性紧密关联。绘制叶片qP值分布图为分析马铃薯叶片光化学吸收和光合作用动态提供了直观的分析手段,可为马铃薯作物光合活性评价及复杂生理生化动态监测提供支持。

关键词：马铃薯叶片叶绿素荧光高光谱成像光合作用光化学猝灭系数

来源：评论

学校读者我要写书评

暂无评论

基于改进YOLO v3-tiny的奶牛乳房炎自动检测方法

引用

农业机械学报 2021年第S01期52卷 276-283页

作者：王彦超康熙李孟飞张旭东刘刚中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 中国农业大学农业农村部农业信息获取技术重点实验室北京100083

针对利用热红外技术检测奶牛乳房炎精度低的问题,提出了一种改进YOLO v3-tiny的奶牛乳房炎自动检测方法,构建了自动检测奶牛关键部位模型。改进YOLO v3-tiny算法以YOLO v3-tiny为基础,首先在卷积层与池化层之间加入残差网络,增加网络深... 详细信息

针对利用热红外技术检测奶牛乳房炎精度低的问题,提出了一种改进YOLO v3-tiny的奶牛乳房炎自动检测方法,构建了自动检测奶牛关键部位模型。改进YOLO v3-tiny算法以YOLO v3-tiny为基础,首先在卷积层与池化层之间加入残差网络,增加网络深度,进行深层次地特征提取、高精度地检测分类;其次在网络的关键位置加入了压缩激励(Squeeze and excitation,SE)注意力模块,强化有效特征,增强特征图的表现能力;最后比较了激活函数ReLU、Leaky ReLU与Swish的性能,发现激活函数Swish优于激活函数ReLU和Leaky ReLU,故将网络模型主干部分卷积层中的激活函数更改为Swish激活函数。改进后的奶牛关键部位检测模型检测结果准确率为94.8%,召回率为97.5%,平均检测精度为97.9%,F1值为96.1%,与传统模型相比,准确率提高了9.9个百分点,召回率提高了1.7个百分点,平均检测精度提高了2.2个百分点,F1值提高了6.2个百分点,性能指标均优于YOLO v3-tiny模型,满足实时检测的要求。使用该目标检测算法进行奶牛乳房炎检测试验,将获得的温差与温度阈值比较,判定奶牛乳房炎的发病情况,并以体细胞计数法进行验证。结果表明,奶牛乳房炎检测精度可达77.3%。证明该方法能够实现奶牛关键部位的精准定位并应用于奶牛乳房炎检测。

关键词：奶牛乳房炎检测深度学习改进YOLO v3-tiny 热红外技术目标识别

来源：评论

学校读者我要写书评

暂无评论

基于蚁群算法的多机协同作业任务规划

引用

农业机械学报 2019年第B07期50卷 34-39页

作者：曹如月李世超季宇寒徐弘祯张漫李民赞中国农业大学现代精细农业系统集成研究教育部重点实验室北京100083 中国农业大学农业农村部农业信息获取技术重点实验室北京100083

为了实现对农田动态环境中多机协同导航作业的调度管理,开展了基于蚁群算法的多机协同作业任务规划研究。将多机协同作业任务规划分为2个环节:任务分配和任务序列规划。首先,采用全局与局部相结合的方法,综合考虑路径代价和任务执行能力... 详细信息

为了实现对农田动态环境中多机协同导航作业的调度管理,开展了基于蚁群算法的多机协同作业任务规划研究。将多机协同作业任务规划分为2个环节:任务分配和任务序列规划。首先,采用全局与局部相结合的方法,综合考虑路径代价和任务执行能力,建立了多机协同作业任务分配模型;然后,通过对比分析任务序列规划问题和旅行商问题,利用蚁群算法建立了农机作业的任务序列规划模型;最后,利用Matlab平台对基于蚁群算法的任务序列规划进行了仿真试验,根据涿州试验农场的实际地块信息,设置多组不同的任务集合,分析蚁群算法优化路径、各代最佳路径长度和平均长度以及适应度进化曲线。仿真结果表明,基于蚁群算法进行任务序列优化可以有效地降低路径代价,提高作业效率,算法运行时间均小于1s,满足多机协同作业的实时性需求。

关键词：多机协同任务分配任务序列规划蚁群算法仿真

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：