检索结果-南通市图书馆

六旋翼植保无人机风场竖直分布特性数值模拟与验证

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

农业机械学报 2022年第S2期53卷 75-83页

作者：王玲张旗侯启航陈度王书茂中国农业大学工学院北京100083

植保无人机作业过程中,旋翼风场竖直方向分布特性对雾滴的输运效应及作物冠层的扰动作用直接影响施药沉积效果。本文以六旋翼植保无人机风场竖直分布为研究对象,采用基于格子玻尔兹曼方法的数值模拟技术建立了无人机前飞作业时旋翼风场... 详细信息

植保无人机作业过程中,旋翼风场竖直方向分布特性对雾滴的输运效应及作物冠层的扰动作用直接影响施药沉积效果。本文以六旋翼植保无人机风场竖直分布为研究对象,采用基于格子玻尔兹曼方法的数值模拟技术建立了无人机前飞作业时旋翼风场仿真模型,并根据正交试验方法研究了多特征参数融合对风场竖直分布特性的影响。仿真结果表明,竖直分布风场垂直于飞行方向对称分布,当飞行高度和飞行速度增加或作业载荷减小时,风场强度逐渐减弱;竖直分布风场沿侧风方向倾斜,侧风风速大于3 m/s时,风场横向倾斜超45°。基于此,采用恒温差热敏芯片研制了微型无线风速采集系统,并开展了植保无人机风场竖直分布特性的多因素田间验证试验,试验结果表明:仿真模拟与田间试验旋翼风场竖直分布规律基本一致,相对误差较小,风场竖直分布特性具有较好的一致性;数值模拟方法可有效模拟植保无人机飞行过程的非定常流动,仿真与田间试验结果为植保无人机雾滴沉积的研究提供了理论基础。

关键词：六旋翼植保无人机风场竖直分布微型无线风速采集系统多特征参数

基于Swin Transformer模型的玉米生长期分类

在线全文

学校读者我要写书评

暂无评论

农业工程学报 2022年第14期38卷 191-200页

作者：扶兰兰黄昊王恒黄胜操陈度中国农业大学工学院北京100083 中国农业大学烟台研究院烟台264670 国家农机装备创新中心洛阳471934 中国农业大学现代农业装备优化设计北京市重点实验室北京100083

快速准确识别玉米生长的不同阶段,对于玉米种植周期的高效精准管理具有重要意义。针对大田环境下玉米生长阶段分类辨识易受复杂背景、户外光照等因素影响的问题,该研究采用无人机获取玉米不同生长阶段的图像信息,以苗期、拔节期、小喇... 详细信息

快速准确识别玉米生长的不同阶段,对于玉米种植周期的高效精准管理具有重要意义。针对大田环境下玉米生长阶段分类辨识易受复杂背景、户外光照等因素影响的问题,该研究采用无人机获取玉米不同生长阶段的图像信息,以苗期、拔节期、小喇叭口期、大喇叭口期4个生长阶段为对象,利用Swin Transformer(Swin-T)模型引入迁移学习实现玉米不同生长阶段的快速识别。首先结合玉米垄面走向特性,将训练集旋转8次用以扩充数据集;为探究各模型在非清晰数据集上的表现,采用高斯模糊方法将测试集转换6次;最后以AlexNet,VGG16,GoogLeNet做为对比,评估Swin-T模型性能。试验结果表明,Swin-T模型在原始测试集的总体准确率为98.7%,相比于AlexNet,VGG16,GoogLeNet模型分别高出6.9、2.7和2.0个百分点;在错误分类中,大喇叭口期和小喇叭口期由于冠层特征相似,造成识别错误的概率最大;在非清晰数据集下,AlexNet,VGG16,GoogLeNet模型精度总体退化指数分别为12.4%、10.4%和15.0%,Swin-T模型总体退化指数为8.31%,并且退化均衡度、平均退化指数、最大退化准确率均表现最佳。研究结果表明:在分类精度、模糊图像输入等方面,Swin-T模型能够较好地满足实际生产中玉米不同生长阶段分类识别的需求,可为玉米生长阶段的智能化监测提供技术支撑。

关键词：图像处理深度学习玉米生长期分类识别 Swin Transformer

在线全文

学校读者我要写书评

暂无评论

深度学习在苹果产业链中的应用与研究进展

中国农业科技导报 2022年第10期24卷 79-89页

作者：黄昊谢圣桥陈度王恒中国农业大学工学院北京100083 中国农业大学现代农业装备优化设计北京市重点实验室北京100083 洛阳智能农业装备研究院有限公司河南洛阳471934

我国是苹果生产大国,苹果种植面积广、品种多。将深度学习与机器视觉技术相结合并运用于苹果种植和生产的全产业链中是苹果产业技术升级的重要手段和方向。聚焦苹果产业链中的果树种植、收获采摘和产后检测3个关键阶段,系统性梳理深度... 详细信息

我国是苹果生产大国,苹果种植面积广、品种多。将深度学习与机器视觉技术相结合并运用于苹果种植和生产的全产业链中是苹果产业技术升级的重要手段和方向。聚焦苹果产业链中的果树种植、收获采摘和产后检测3个关键阶段,系统性梳理深度学习技术的相关应用与研究进展,其中主要涉及叶部病虫害识别、种植监测、采摘机器人的目标识别和苹果无损分级检测等研究领域,在分析对比不同技术之间的差异与共性的基础上,探讨深度学习在苹果产业链中所面临的困难与挑战。

关键词：深度学习苹果机器视觉卷积神经网络

基于YOLO v7-ST模型的小麦籽粒计数方法研究

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2023年第10期54卷 188-197,204页

作者：王玲张旗冯天赐王一博李雨桐陈度中国农业大学工学院北京100083 北大荒农业服务集团黑龙江农机服务有限公司哈尔滨150090

针对小麦考种过程中籽粒堆积、粘连和遮挡现象导致计数准确率低等问题,本文基于电磁振动原理设计了高通量小麦籽粒振动分离装置,通过分析受力探讨了籽粒离散分离程度的主要影响因素,并引入二阶离散系数建立了籽粒离散度等级评价方法。... 详细信息

针对小麦考种过程中籽粒堆积、粘连和遮挡现象导致计数准确率低等问题,本文基于电磁振动原理设计了高通量小麦籽粒振动分离装置,通过分析受力探讨了籽粒离散分离程度的主要影响因素,并引入二阶离散系数建立了籽粒离散度等级评价方法。在此基础上,引入Swin Transformer模块构建YOLO v7-ST模型,对不同离散度等级下小麦籽粒进行计数性能测试。试验结果表明,YOLO v7-ST模型在3种离散度等级下平均计数准确率、F1值和平均计数时间的总平均值分别为99.16%、93%和1.19 s,相较于YOLO v7、YOLO v5和Faster R-CNN模型,平均计数准确率分别提高1.03、2.34、15.44个百分点,模型综合评价指标F1值分别提高2、3、16个百分点,平均计数时间较YOLO v5和Faster R-CNN分别减少0.41 s和0.36 s,仅比YOLO v7模型增大0.09 s。因此,YOLO v7-ST模型可实现多种离散度等级下不同程度籽粒遮挡和粘连问题的准确快速检测,大幅提高小麦考种效率。

关键词：小麦籽粒计数目标检测离散度等级电磁振动 YOLO v7-ST

拖拉机极限态侧翻回稳陀螺主动控制系统设计与试验

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2022年第S2期53卷 320-327页

作者：王龙龙蓝鸿周胥陈度何志祝李臻中国农业大学工学院北京100083

针对拖拉机在斜坡行驶中受复杂路况激扰易引发的极限态侧翻失稳问题,基于单框架控制力矩陀螺设计了主动侧翻回稳控制系统。以单侧轮胎离地侧翻工况为主要研究对象,利用欧拉-拉格朗日方程构建了整机和力矩陀螺耦合系统的非线性侧倾动力... 详细信息

针对拖拉机在斜坡行驶中受复杂路况激扰易引发的极限态侧翻失稳问题,基于单框架控制力矩陀螺设计了主动侧翻回稳控制系统。以单侧轮胎离地侧翻工况为主要研究对象,利用欧拉-拉格朗日方程构建了整机和力矩陀螺耦合系统的非线性侧倾动力学方程,并基于反步设计法推导了状态反馈控制律。该控制律可依据侧翻危险程度实时调整陀螺转子的进动角速度,定量输出侧翻回稳力矩。以环境障碍物和整机行驶速度为变量,开展了极限态侧翻失稳控制比例模型试验。结果表明,与无控制组相比,采用力矩陀螺主动侧翻回稳系统可显著调控拖拉机的侧倾过程,且在实际侧倾角大于静态临界侧倾角9.58%时仍能有效实现侧翻回稳。研究表明,提出的控制方法可适用于不同危险程度的极限侧翻工况,为拖拉机主动安全控制提供理论依据和技术参考。

关键词：拖拉机控制力矩陀螺反步法主动安全防侧翻控制

基于MobileViT模型的小麦收获机喂入密度分类方法

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2023年第S1期54卷 172-180页

作者：杨志凯扶兰兰唐灿王发明倪昕东陈度中国农业大学工学院北京100083 智能农业动力装备全国重点实验室北京100083

基于喂入量的作业速度智能化控制技术是优化联合收获机作业效率和质量的重要手段。本文针对传统喂入量自动控制技术时滞明显,在喂入量调整时无法及时适应实际情况的问题,采用基于图像的深度学习方法开展了成熟期小麦植株密度等级分类识... 详细信息

基于喂入量的作业速度智能化控制技术是优化联合收获机作业效率和质量的重要手段。本文针对传统喂入量自动控制技术时滞明显,在喂入量调整时无法及时适应实际情况的问题,采用基于图像的深度学习方法开展了成熟期小麦植株密度等级分类识别方法研究,通过预先感知作物密度,实现联合收获机作业参数的自动调整。首先基于车载相机和无人机图像构建了小麦植株图像数据集,并细分为低密度、中密度、高密度和特高密度4类;其次构建了基于MobileViT-XS轻量化网络的密度等级识别模型,利用建立的数据集进行模型的训练和测试;最后将其与VGG16、GoogLeNet和ResNet进行了比较。结果表明,MobileViT-XS模型的总体识别准确率达到91.03%,且单幅图像推理时间仅为29.5 ms。与VGG16、ResNet网络相比,总体识别准确率分别高出3.51、2.34个百分点,MobileViT-XS模型可以较好的完成小麦不同密度等级的分类识别任务,为实时预测小麦喂入密度提供了技术支持。

关键词：联合收获机喂入量 MobileViT 图像分类密度识别

云-雾-边-端协同的农业装备数字孪生系统研究

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2023年第10期54卷 133-141页

作者：郭大方杜岳峰栗晓宇李国润陈度宋正河中国农业大学工学院北京100083 中国农业大学现代农业装备优化设计北京市重点实验室北京100083

数字孪生是一种实现虚实融合的先进理念,能够解决农业装备全生命周期中的复杂性和不确定性问题,促进农业机械化和农业装备产业的转型升级。目前,农业装备数字孪生尚处起步阶段,缺乏实用解决方案和典型应用案例。为此,基于数字孪生和农... 详细信息

数字孪生是一种实现虚实融合的先进理念,能够解决农业装备全生命周期中的复杂性和不确定性问题,促进农业机械化和农业装备产业的转型升级。目前,农业装备数字孪生尚处起步阶段,缺乏实用解决方案和典型应用案例。为此,基于数字孪生和农业装备的特点,融合五维模型和移动边缘计算技术,提出一种云-雾-边-端协同的数字孪生系统架构与运行机制。以籽粒直收型玉米联合收获机为对象,针对脱粒过程中籽粒破碎率高的问题,开发大型联合收获机的数字孪生原型系统,实现模型预测、模型更新、实时监测和优化决策等功能,并开展田间试验。试验结果显示:数字孪生系统有效提高了虚拟模型的适应能力,使虚拟模型保持良好的预测效果;基于数字孪生的决策优化方法有效降低了籽粒破碎率,相较于手动收获模式,籽粒破碎率平均值降低24.24%;相较于反馈控制模式,籽粒破碎率平均值降低15.78%,说明原型系统能够有效改善玉米籽粒收获质量,所提出的系统架构和实现方法可行。

关键词：农业装备数字孪生边缘计算玉米脱粒决策优化

基于数字孪生的大马力拖拉机湿式离合器压力控制方法研究

在线全文

学校读者我要写书评

暂无评论

机械工程学报 2023年第13期59卷 268-279页

作者：张延安杜岳峰毛恩荣宋正河陈度朱忠祥中国农业大学工学院北京100083

大马力动力换挡拖拉机作业环境多变、工况复杂,其工作过程换挡频繁,针对动力换挡变速箱(Power shift transmission,PST)湿式离合器压力控制不准确、响应迟滞等问题,引入数字孪生的理念,提出了一种数字孪生驱动的时变比例微分自适应控制(... 详细信息

大马力动力换挡拖拉机作业环境多变、工况复杂,其工作过程换挡频繁,针对动力换挡变速箱(Power shift transmission,PST)湿式离合器压力控制不准确、响应迟滞等问题,引入数字孪生的理念,提出了一种数字孪生驱动的时变比例微分自适应控制(Digital twin driven time-varying proportional integral adaptive control,DT-TVPIA)方法。首先,建立湿式离合器液压系统物理模型,分析系统物理模型的干扰因素;然后,利用输入/输出(Input/Output,I/O)数据构建湿式离合器液压系统数字孪生体;其次,利用Savitzky-Golay滤波器实时处理传感器数据,设计基于改进投影算法的自更新控制器,考虑最小化加权一步向前预报误差的控制电压准则函数,引入微分控制因子,设计时变比例微分自适应控制器;最后,开展基于快速控制原型(Rapid controlprototype,RCP)的离合器压力控制试验。结果表明,伪梯度估计值随系统状态变化而变化,在系统状态发生剧烈变化时,数字孪生体能够在0.445 s内迅速更新并准确描述离合器液压系统,验证了基于I/O数据的湿式离合器液压系统数字孪生体的有效性;对比试验结果表明,与PID相比,DT-TVPIA的离合器压力响应速度更快,鲁棒性更好,其方波压力响应时间、超调量、稳态误差分别在0.445 s、0MPa、0.001MPa以内,正弦压力响应延迟时间、跟随误差、压力波动分别在0.05s、0.024 MPa、0.001 MPa以内,满足拖拉机湿式离合器压力控制要求,研究结果为动力换挡拖拉机换挡品质的提升提供了基础,同时,为数字孪生技术在复杂非线性系统优化控制方面的应用提供了参考。

关键词：拖拉机湿式离合器压力控制数字孪生自适应控制

在线全文

学校读者我要写书评

暂无评论

基于图像旋转投影的导航路径检测算法

农业机械学报 2009年第8期40卷 155-160页

作者：丁幼春王书茂陈度中国农业大学工学院北京100083 华中农业大学工程技术学院武汉430070

提出一种农业车辆视觉导航路径识别算法——旋转投影算法。该算法通过角度枚举对图像ROI实施旋转变换,由旋转后图像的列均值与枚举角度构成旋转投影矩阵R,对其行向量实施差分运算得到差分旋转投影矩阵Rd,由Rd的极值可确定图像导航路径,... 详细信息

提出一种农业车辆视觉导航路径识别算法——旋转投影算法。该算法通过角度枚举对图像ROI实施旋转变换,由旋转后图像的列均值与枚举角度构成旋转投影矩阵R,对其行向量实施差分运算得到差分旋转投影矩阵Rd,由Rd的极值可确定图像导航路径,即航向偏差θ与航位偏差d,进而可以求得世界坐标系下的导航路径参数。同理可以对田头线进行检测。为了提高算法的实时性,提出设定合理的ROI、实施线性压缩、旋转角度先粗分再细分的二步法以及充分利用前帧信息4种处理方法,使处理一帧用时6.2 ms左右。通过对不同条件下成熟小麦图像测试表明,该算法识别导航路径准确率达到95%。

关键词：联合收获机自动导航图像处理旋转投影矩阵