检索结果-内蒙古大学图书馆

农业机械学报 2022年第S02期53卷 338-348页

作者：刘国辉郝称意李民赞孙红中国农业大学智慧农业系统集成研究教育部重点实验室北京100083 山西农业大学农业工程学院太谷030801 中国农业大学烟台研究院烟台264670 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

为提高山地拖拉机在复杂农田环境中的作业平稳性,基于Matlab/Simulink仿真平台,搭建了半主动悬架拖拉机七自由度时域仿真模型,包括四轮路面激励模型、半主动悬架振动模型、半主动悬架拖拉机车体受力分析模型、车身姿态分析模型以及半主... 详细信息

为提高山地拖拉机在复杂农田环境中的作业平稳性,基于Matlab/Simulink仿真平台,搭建了半主动悬架拖拉机七自由度时域仿真模型,包括四轮路面激励模型、半主动悬架振动模型、半主动悬架拖拉机车体受力分析模型、车身姿态分析模型以及半主动悬架拖拉机时域仿真模型,以车身垂向位移、车身倾斜角和车身俯仰角作为拖拉机的姿态变化参数进行仿真试验。通过构建增量式比例积分微分(Proportion integration differentiation,PID)控制器和反向传播(Back propagation,BP)神经网络PID控制器仿真模型实现对半主动悬架拖拉机车身姿态的自动控制,并分别对两种控制器的控制性能进行测试与评价。利用车身垂直向加速度和车轮相对动载作为半主动悬架系统性能的评价指标,对两种控制方式下的半主动悬架性能进行了评价。仿真结果表明:基于传统增量式PID控制算法的半主动悬架拖拉机,其车身垂直位移均方根减少42.17%、侧倾角均方根减少36.76%、俯仰角均方根减少57.85%,其车身垂向加速度为0.0177 m/s^(2),4个车轮的动载荷均方根分别为0.0284、0.0346、0.0239、0.0304 N。基于BP神经网络PID控制算法的半主动悬架拖拉机,其车身垂直位移均方根减少74.54%、侧倾角均方根减少74.66%、俯仰角均方根减少75.03%,其车身垂向加速度为7.5758×10^(-5)m/s^(2),4个车轮的动载荷均方根值分别为0.0197、0.0235、0.0166、0.0198 N。相比增量式PID控制的半主动悬架拖拉机,基于BP神经网络PID控制的半主动悬架拖拉机,其车体平稳性得到了较好的提高。

关键词：山地拖拉机姿态调节半主动悬架 BP神经网络PID 控制仿真

来源：评论

学校读者我要写书评

暂无评论

利用改进YOLOv5s模型检测番茄果实成熟度及外观品质

引用

园艺学报 2024年第2期51卷 396-410页

作者：孙宇朝李守豪夏秀波杨玮李民赞张焕春山东省烟台市农业科学研究院山东烟台265500 中国农业大学智慧农业系统集成研究教育部重点实验室北京100083 烟台市智慧农业研究中心山东烟台265500

以粉果番茄为试验材料,基于深度学习方法开展了番茄果实成熟度和外观品质的检测研究。试验中共采集番茄图片数据2036张,通过处理扩增至5316张,然后将数据进行标注和文件转换,构建了试验用数据集;通过在YOLOv5s模型中加入CA注意力机制、... 详细信息

以粉果番茄为试验材料,基于深度学习方法开展了番茄果实成熟度和外观品质的检测研究。试验中共采集番茄图片数据2036张,通过处理扩增至5316张,然后将数据进行标注和文件转换,构建了试验用数据集;通过在YOLOv5s模型中加入CA注意力机制、替换Stem block结构、结合识别需求优化检测层尺度、替换K-means++聚类算法来实现SC-YOLOv5s识别精度提升,提高模型的特征表达能力;通过在SC-YOLOv5s模型中加入Fire module结构进行轻量化卷积、降低Bottleneck模块的参数量来实现SC-YOLOv5s-lite轻量化设计,提升模型在硬件上的检测速度;将SC-YOLOv5s-lite模型在训练集上进行训练优化、消融试验和性能对比,结果表明,SC-YOLOv5s-lite模型内存大小为7.73 M,其准确率为89.04%,召回率83.35%,平均精度91.34%,检测时间为143 ms,相比于YOLOv5s,模型参数量降低了45.57%,模型大小压缩了44.86%,平均精度提升3.98%,检测时间减少20.99%,优势明显,更适合于硬件上部署。

关键词：番茄成熟度外观品质检测深度学习计算机视觉

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的玉米拔节期冠层识别

引用

农业工程学报 2021年第21期37卷 53-61页

作者：孙红乔金博李松李民赞宋迪乔浪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 中国农业大学农业部农业信息获取技术重点实验室北京100083

为了满足田间玉米植株快速识别与检测的需求,针对玉米拔节期提出了基于深度学习的冠层识别方法,比较并选取了适于玉米植株精准识别和定位的网络模型,并研制了玉米植株快速识别和定位检测装置。首先拍摄玉米苗期和拔节期图像共计3000张... 详细信息

为了满足田间玉米植株快速识别与检测的需求,针对玉米拔节期提出了基于深度学习的冠层识别方法,比较并选取了适于玉米植株精准识别和定位的网络模型,并研制了玉米植株快速识别和定位检测装置。首先拍摄玉米苗期和拔节期图像共计3000张用于训练深度学习模型,针对拔节期玉米叶片交叉严重的问题,提出了以玉米株心取代玉米整株对象的标记策略。其次在Google Colab云平台训练SSDLite-MobileDet网络模型。为了实现田间快速检测,开发了基于树莓派4B+Coral USB的玉米冠层快速检测装置。结果表明,田间玉米冠层识别模型精度达到91%,检测视频的帧率达到89帧/s以上。研究成果可为田间玉米高精度诊断和精细化作业管理奠定基础。

关键词：深度学习目标检测识别拔节期玉米冠层

来源：评论

学校读者我要写书评

暂无评论

基于水杨醛荧光探针的营养液镁离子检测方法

引用

农业机械学报 2021年第S01期52卷 344-350页

作者：阳清亮李浩榛刘刚张淼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信息获取技术重点实验室北京100083

镁离子(Mg^(2+))是植物光合、呼吸及遗传物质合成等重要生理过程的必需营养元素,准确检测无土栽培营养液中Mg^(2+)含量对作物生产调控具有重要意义。Mg^(2+)荧光探针材料合成复杂且易受钙离子(Ca^(2+))、锌离子(Zn^(2+))干扰。本研究采... 详细信息

镁离子(Mg^(2+))是植物光合、呼吸及遗传物质合成等重要生理过程的必需营养元素,准确检测无土栽培营养液中Mg^(2+)含量对作物生产调控具有重要意义。Mg^(2+)荧光探针材料合成复杂且易受钙离子(Ca^(2+))、锌离子(Zn^(2+))干扰。本研究采用水杨醛荧光探针开展了营养液Mg^(2+)检测,系统测定了该分子探针的灵敏性、选择性、抗干扰性,并通过加标回收率结果证明了水杨醛荧光探针测定的重复性。试验结果表明:在Mg^(2+)浓度0~800μmol/L范围内,水杨醛探针荧光响应强度线性良好,决定系数达到0.999,响应时间约为2 min,可实现对溶液中Mg^(2+)的快速测定;探针对Mg^(2+)的选择性良好,等浓度Ca^(2+)、Zn^(2+)荧光响应强度同比增长系数仅为Mg^(2+)强度的2.5%、9.1%。同时,探针具有较好的抗干扰性,Ca^(2+)、Zn^(2+)与Mg^(2+)等量共存,较单一Mg^(2+)溶液水杨醛荧光探针测定荧光强度同比增长系数在-0.004~0.009之间,上下波动小于0.01。Ba^(2+)、Cu^(2+)、Mn^(2+)、Fe ^(2+ )、Fe ^(3+)对水杨醛探针存在荧光猝灭影响;实际样本的加标回收率为99%~104.9%,较离子色谱法测定结果的相对误差不大于1.33%,RMSE为5.78 mol/L。本研究初步验证了水杨醛荧光探针用于营养液Mg^(2+)检测的可行性。

关键词：无土栽培营养液水杨醛荧光探针镁离子回收率

来源：评论

学校读者我要写书评

暂无评论

基于无人机LiDAR的农田平整地势测量方法

引用

农业机械学报 2021年第S01期52卷 51-57,117页

作者：金志坤景云鹏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

为了提高农田平整作业中地势测量速度与精度,本文提出一种基于无人机LiDAR的农田平整地势测量方法。通过无人机搭载LiDAR测量系统,获取高精度农田地势点云数据。对采集的点云数据进行预处理,通过直通滤波方法去除z轴方向上的大量噪点。... 详细信息

为了提高农田平整作业中地势测量速度与精度,本文提出一种基于无人机LiDAR的农田平整地势测量方法。通过无人机搭载LiDAR测量系统,获取高精度农田地势点云数据。对采集的点云数据进行预处理,通过直通滤波方法去除z轴方向上的大量噪点。使用渐进式形态学滤波算法,分割农田地面点与非地面点。在保留主要农田地势信息特征的基础上,使用基于VoxelGrid滤波器的农田地势点云精简方法对农田地势点云数据进行精简。在4块不同面积的农田中,分别使用无人机LiDAR测量方式与全球导航卫星系统(GNSS)测量方式进行地势测量试验,试验结果表明,与GNSS测量真值的平整度相比,其准确度分别为94.681%、91.364%、90.588%和90.287%,与GNSS测量真值的最大高程差相比,其准确度分别为99.391%、98.167%、97.025%和98.776%,与GNSS测量真值的高差分布列相比,其准确度分别为99.307%、97.914%、98.673%和95.110%。本文提出的基于无人机LiDAR的农田地势测量方法可快速精准测量农田地势信息,可为下一步农田平整作业提供数据支持。

关键词：农田平整无人机LiDAR 点云地势测量

来源：评论

学校读者我要写书评

暂无评论

基于SOM-K-means算法的番茄果实识别与定位方法

引用

农业机械学报 2021年第1期52卷 23-29页

作者：李寒陶涵虓崔立昊刘大为孙建桐张漫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

为解决多个番茄重叠黏连时难以识别与定位的问题,提出一种基于RGBD图像和K-means优化的自组织映射(Self-organizing map,SOM)神经网络相结合的番茄果实识别与定位方法。首先,利用RGBD相机拍摄番茄图像,对图像进行预处理,获取果实的轮廓... 详细信息

为解决多个番茄重叠黏连时难以识别与定位的问题,提出一种基于RGBD图像和K-means优化的自组织映射(Self-organizing map,SOM)神经网络相结合的番茄果实识别与定位方法。首先,利用RGBD相机拍摄番茄图像,对图像进行预处理,获取果实的轮廓信息;其次,提取果实轮廓点的平面和深度信息,筛选后进行处理;再次,将处理后的数据输入到采用K-means算法优化的SOM神经网络中,得到点云聚类结果;最后,根据聚类点,通过坐标转换得到世界坐标信息,拟合得到各个番茄的位置和轮廓形状。以果实识别的正确率和定位结果的均方根误差(RMSE)为指标对该算法进行验证和分析,采集80幅图像共366个番茄样本,正确识别率为87.2%,定位结果均方根误差(RMSE)为1.66 mm。与在二维图像上利用Hough变换进行果实识别的试验进行对比分析,进一步验证了本文方法具有较高的准确性和较强的鲁棒性。

关键词：番茄果实深度点云图像分割神经网络识别与定位 SOM-K-means算法

来源：评论

学校读者我要写书评

暂无评论

基于机器视觉的玉米定位施肥控制系统设计与试验

引用

农业机械学报 2021年第S01期52卷 66-73页

作者：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

为了实现农田环境下的苗期玉米定位定量施肥作业,提高肥料利用率,本文设计了基于机器视觉的苗期玉米定位施肥控制系统,控制自驱动履带式田间玉米定位施肥机,使用切片式排肥器结构实现间歇式施肥。采集苗期玉米冠层图像后,利用颜色特征... 详细信息

为了实现农田环境下的苗期玉米定位定量施肥作业,提高肥料利用率,本文设计了基于机器视觉的苗期玉米定位施肥控制系统,控制自驱动履带式田间玉米定位施肥机,使用切片式排肥器结构实现间歇式施肥。采集苗期玉米冠层图像后,利用颜色特征区分连续拍摄过程中的大量背景图像和识别错误的株心,改进了株心识别定位方法;建立施肥滞后误差补偿模型,实时计算施肥相对距离,准确计算排肥器的落肥时刻,实现了按株间歇式自动定位施肥。经过试验与验证分析,改进的株心定位识别方法明显缩减了图像处理时间,提高了算法鲁棒性;3个挡位施肥量(7.25、14.5、21.75 g)的施肥稳定性变异系数分别为1.93%、1.87%、1.93%,施肥量控制精度大于95%,施肥位置准确性平均误差为3.2 cm,可以实现精准定位施肥。本文设计的施肥控制系统可以实现苗期玉米按株定位定量施肥,达到了减施提质、科学施肥的目的。

关键词：施肥控制系统机器视觉苗期玉米按株间歇式施肥株心识别定位

来源：评论

学校读者我要写书评

暂无评论

基于地基激光雷达的玉米株高与茎粗自动测量研究

引用

农业机械学报 2021年第S01期52卷 43-50页

作者：苗艳龙彭程高阳仇瑞承李寒张漫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

株高和茎粗是玉米株型中重要的表型参数,可以反映玉米的生长状况和活力,地基激光雷达可实现表型参数的快速自动测量。首先,使用地基激光雷达获取田间2个玉米品种在4个生长期的三维点云数据;其次,使用点云处理软件对采集的玉米点云数据... 详细信息

株高和茎粗是玉米株型中重要的表型参数,可以反映玉米的生长状况和活力,地基激光雷达可实现表型参数的快速自动测量。首先,使用地基激光雷达获取田间2个玉米品种在4个生长期的三维点云数据;其次,使用点云处理软件对采集的玉米点云数据进行匹配、分割,人工点云测量玉米表型;之后,对玉米点云进行下采样、直通滤波、基于随机采样一致性平面分割、统计滤波和圆柱分割等处理,分割单株玉米、去除地面点云、滤除离群点、植株点云分层和提取待测量茎秆点云;运用最高点提取和地面点分割,测量玉米株高,椭圆拟合测量茎横截面长轴和短轴长度。结果表明,与田间测量值相比,京农科728人工点云测量株高、茎横截面长轴和短轴长度的均方根误差分别为21.5、1.24、1.86 mm,农大84分别为23.6、1.56、1.23 mm。与人工点云测量值相比,京农科728自动点云测量值的均方根误差分别为10.2、6.65、3.45 mm,农大84分别为7.1、4.95、3.26 mm。研究表明,地基激光雷达点云数据测量株高、茎粗的方法,适用于不同生长期、不同品种的玉米,与人工田间测量方法具有高度的一致性,可以替代人工测量。

关键词：玉米株高茎粗地基激光雷达点云

来源：评论

学校读者我要写书评

暂无评论

纳米银柔性农用温度传感芯片设计与试验

引用

农业工程学报 2021年第10期37卷 198-205页

作者：路逍李浩榛刘刚张淼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

柔性传感技术可拓展生态无人农场“机-物”感知与信息交互的应用场景。该研究利用喷墨打印技术制备了基于导电纳米银材料的柔性温度传感芯片,解析了聚二甲基硅烷(Polydimethylsiloxane,PDMS)保护层对传感芯片灵敏度、重复性、稳定性及... 详细信息

柔性传感技术可拓展生态无人农场“机-物”感知与信息交互的应用场景。该研究利用喷墨打印技术制备了基于导电纳米银材料的柔性温度传感芯片,解析了聚二甲基硅烷(Polydimethylsiloxane,PDMS)保护层对传感芯片灵敏度、重复性、稳定性及寿命的改进作用,并通过动植物体表、根际及极端温度动态监测验证了该传感器农用测温可行性。结果表明:PDMS保护层实现了对纳米银温敏层的防水保护,提升了传感器环境适应性及寿命;在零下18~100℃范围内的自制柔性温度传感芯片的测温灵敏度为0.330℃-1,测定误差小于0.6℃,稳定性达到0.02℃/min;典型农用测温场景下,柔性温敏芯片与高精度铂电阻测温结果的一致性较好,测温误差明显小于商用红外测温仪,均方根误差仅为0.108℃。纳米银柔性温度传感芯片可快速准确地获取待测对象的温度变化,具有良好的农业应用前景。

关键词：温度传感器纳米银柔性传感芯片农业环境监测

来源：评论

学校读者我要写书评

暂无评论

融合里程计信息的农业机器人定位与地图构建方法

引用

农业工程学报 2021年第21期37卷 16-23页

作者：李晨阳彭程张振乾苗艳龙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

目前主流的农业机器人以低成本、低帧率的激光雷达作为即时定位与地图构建(Simultaneous Localization and Mapping,SLAM)的主要传感器,存在运动畸变和误匹配的问题。该研究针对这一问题提出了融合里程计信息的Gmapping建图算法,利用高... 详细信息

目前主流的农业机器人以低成本、低帧率的激光雷达作为即时定位与地图构建(Simultaneous Localization and Mapping,SLAM)的主要传感器,存在运动畸变和误匹配的问题。该研究针对这一问题提出了融合里程计信息的Gmapping建图算法,利用高频率里程计信息为每一个激光束匹配到近似的机器人位姿,获取机器人当前位姿下更为精确的激光数据,以减少激光雷达运动畸变对地图构建产生的影响。利用机器人搭载扫描频率为5 Hz的RPLIDAR A1激光雷达在玉米田及香蕉园中进行了SLAM建图精度测试试验。试验结果表明,在长度为12 m左右的玉米田区域,Gmapping建图算法的平均绝对误差为0.06 m,该研究算法建图平均绝对误差为0.01 m,相比于Gmapping建图算法降低了0.05 m,建图精度为99.5%;在长度为24.43 m的香蕉园区域,Gmapping建图算法的平均绝对误差为0.46 m,该研究算法建图平均绝对误差为0.07 m,相比于Gmapping建图算法降低了0.39 m,建图精度为99.1%。该研究算法有效地降低了低帧率激光雷达运动畸变对Gmapping建图的影响,可以基本满足农业环境下的高精度环境建图需求。

关键词：机器人传感器建图运动估计信息融合

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：