检索结果-南通市图书馆

改进帧间差分-深度学习识别群养猪只典型行为

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15期38卷 170-178页

作者：曾繁国朱君王海峰贾楠赵宇亮赵文文李斌北京市农林科学院智能装备技术研究中心北京100097 国家农业智能装备工程技术研究中心北京100097

群养猪行为是评估猪群对环境适应性的重要指标。猪场环境中,猪只行为识别易受不同光线和猪只粘连等因素影响,为提高群养猪只行为识别精度与效率,该研究提出一种基于改进帧间差分-深度学习的群养猪只饮食、躺卧、站立和打斗等典型行为识... 详细信息

群养猪行为是评估猪群对环境适应性的重要指标。猪场环境中,猪只行为识别易受不同光线和猪只粘连等因素影响,为提高群养猪只行为识别精度与效率,该研究提出一种基于改进帧间差分-深度学习的群养猪只饮食、躺卧、站立和打斗等典型行为识别方法。该研究以18只50~115日龄长白猪为研究对象,采集视频帧1117张,经图像增强共得到4468张图像作为数据集。首先,选取Faster R-CNN、SSD、Retinanet、Detection Transformer和YOLOv5五种典型深度学习模型进行姿态检测研究,通过对比分析,确定了最优姿态检测模型;然后,对传统帧间差分法进行了改进,改进后帧间差分法能有效提取猪只完整的活动像素特征,使检测结果接近实际运动猪只目标;最后,引入打斗活动比例(Proportion of Fighting Activities,PFA)和打斗行为比例(Proportion of Fighting Behavior,PFB)2个指标优化猪只打斗行为识别模型,并对模型进行评价,确定最优行为模型。经测试,YOLOv5对群养猪只典型姿态检测平均精度均值达93.80%,模型大小为14.40MB,检测速度为32.00帧/s,检测速度满足姿态实时检测需求,与FasterR-CNN、SSD、Retinanet和DetectionTransformer模型相比,YOLOv5平均精度均值分别提高了1.10、3.23、4.15和21.20个百分点,模型大小分别减小了87.31%、85.09%、90.15%和97.10%。同时,当两个优化指标PFA和PFB分别设置为10%和40%时,猪只典型行为识别结果最佳,识别准确率均值为94.45%。结果表明,该方法具有准确率高、模型小和识别速度快等优点。该研究为群养猪只典型行为精准高效识别提供方法参考。

关键词：深度学习识别群养猪只姿态检测

在线全文

学校读者我要写书评

暂无评论

苹果四臂采摘机器人系统设计与试验

农业工程学报 2023年第13期39卷 25-33页

作者：冯青春赵春江李涛陈立平郭鑫谢丰熊子聪陈凯文刘城严童杰北京市农林科学院智能装备技术研究中心北京100097 国家农业智能装备工程技术研究中心北京100097 农业智能装备技术北京市重点实验室北京100097

针对鲜食苹果智能化高效采收需要,该研究设计了四臂并行采摘的“采-收-运”一体式机器人系统,以代替人工采收作业。以中国矮砧密植高纺锤果树为对象,根据树冠内果实空间分布特征,提出了四臂并行采摘执行部件的作业方式;建立了基于多任... 详细信息

针对鲜食苹果智能化高效采收需要,该研究设计了四臂并行采摘的“采-收-运”一体式机器人系统,以代替人工采收作业。以中国矮砧密植高纺锤果树为对象,根据树冠内果实空间分布特征,提出了四臂并行采摘执行部件的作业方式;建立了基于多任务深度卷积网络的果实可见区域识别模型,实现受遮挡果实离散区域语义分割及其归属关系的端到端判别;在此基础上,根据果实表面局部点云信息对其质心进行空间定位;提出了基于时间最优的四臂协同采摘任务规划方法,以实现机械臂对树冠内不同区域的高效遍历。最后在采摘机器人关键部件集成的基础上,在矮砧密植标准果园进行生产试验。试验结果表明,机器人对树冠内可见果实的识别率为92.94%,被识别果实中定位精度满足机器人采摘操作要求的比例为90.27%;机器人平均采摘效率为7.12 s/果,其中四臂协同采摘效率约为单臂采摘效率的1.96倍;对可见果实采摘成功率为82.00%,对树冠内全部果实的采收率为74.56%,枝叶遮挡干涉是造成采摘失败的主要原因。该研究可为鲜果智能化采摘模式的探索应用提供技术支撑。

关键词：采摘机器人苹果多任务网络多臂协同应用试验

基于Mask R-CNN的番茄植株整枝操作点定位方法

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3期38卷 128-135页

作者：冯青春成伟李亚军王博文陈立平北京市农林科学院智能装备技术研究中心北京100097 国家农业智能装备工程技术研究中心北京100097 农业智能装备技术北京市重点实验室北京100097

针对工厂化番茄智能化整枝打叶作业需要,研究了基于MaskR-CNN模型的整枝操作点识别定位方法,以期为整枝机器人的精准操作提供依据。鉴于丛生植株中主茎和侧枝茎秆目标随机生长、形态各异,结合植株在不同生长阶段、远近视场尺度和观测视... 详细信息

针对工厂化番茄智能化整枝打叶作业需要,研究了基于MaskR-CNN模型的整枝操作点识别定位方法,以期为整枝机器人的精准操作提供依据。鉴于丛生植株中主茎和侧枝茎秆目标随机生长、形态各异,结合植株在不同生长阶段、远近视场尺度和观测视角等条件下的成像特征,构建了温室番茄植株图像样本数据集。采用学习率微调训练方法,对Mask R-CNN预训练模型进行迁移训练,建立了主茎和侧枝像素区域的识别分割模型。在对视场内同株相邻主茎和侧枝目标进行判别基础上,提出基于图像矩特征的茎秆中心线拟合方法。以中心线交点为参考,沿侧枝进行定向偏移,实现对整枝操作点图像坐标的定位。最后,通过测试试验评估该方法对目标识别和定位的效果。试验结果表明,模型对番茄主茎和侧枝目标识别的错误率、精确率和召回率分别为0.12、0.93和0.94,对整枝操作点平均定位偏差与对应主茎像素宽度的比值为0.34,模型对于近景仰视图像中目标的识别和定位效果优于其他视场的图像。该研究可为整枝机器人视觉系统的研发提供技术依据。

关键词：农业机器人番茄整枝植株茎秆 Mask R-CNN

在线全文

学校读者我要写书评

暂无评论

农业装备自动驾驶技术研究现状与展望

农业机械学报 2023年第10期54卷 1-24页

作者：孟志军王昊付卫强刘孟楠尹彦鑫赵春江北京市农林科学院智能装备技术研究中心北京100097 智能农业动力装备全国重点实验室北京100097 国家农业智能装备工程技术研究中心北京100097

农业装备自动驾驶技术可以显著提升作业质量,提高作业效率,降低作业成本,减轻劳动强度,已成为智能农业装备发展的重要方向。在政策和市场的共同推动下,我国农业装备自动驾驶技术发展迅速,并通过多场景、多层次的示范和应用推动技术熟化... 详细信息

农业装备自动驾驶技术可以显著提升作业质量,提高作业效率,降低作业成本,减轻劳动强度,已成为智能农业装备发展的重要方向。在政策和市场的共同推动下,我国农业装备自动驾驶技术发展迅速,并通过多场景、多层次的示范和应用推动技术熟化,逐步建立了完整的技术体系。农业装备自动驾驶技术系统主要包括环境感知、工况感知、决策规划、横向控制、纵向控制等关键技术。本文首先阐述了农业装备自动驾驶关键技术研究的现状,分析归纳了各技术领域有待解决的关键科学技术问题;结合农业装备自动导航技术产品和自动驾驶技术集成应用两方面,介绍了国内外农业装备自动驾驶技术研发和应用情况;从自动驾驶技术分级研究和建立标准规范角度,对比分析了农业装备自动驾驶与智能网联汽车行业的差距,指出了农业装备自动驾驶等级划分的迫切需求。为应对智慧农业生产非结构环境、高精度农艺和强农时约束三大挑战,建议突出农业生产应用中作业精准化和驾驶自动化双重需求的特点,有针对性地开展农业装备自动驾驶技术研发、应用示范和技术分级等方面工作。

关键词：农机自动驾驶环境感知决策规划自动导航自动驾驶分级

在线全文

学校读者我要写书评

暂无评论

改进YOLOv5测量田间小麦单位面积穗数

农业工程学报 2022年第16期38卷 235-242页

作者：黄硕周亚男王起帆张晗邱朝阳康凯罗斌北京市农林科学院智能装备技术研究中心北京100097 国家农业智能装备工程技术研究中心北京100097 河北农业大学机电工程学院保定071000 北京市农林科学院信息技术研究中心北京100097

单位面积穗数是决定小麦产量的主要因素之一。针对人工清点小麦穗数的方法容易受主观因素影响、效率低和图像处理方法鲜有进行系统部署等问题,提出一种注意力模块(Convolutional Block Attention Module,CBAM)与YOLOv5相结合的CBAM-YOL... 详细信息

单位面积穗数是决定小麦产量的主要因素之一。针对人工清点小麦穗数的方法容易受主观因素影响、效率低和图像处理方法鲜有进行系统部署等问题,提出一种注意力模块(Convolutional Block Attention Module,CBAM)与YOLOv5相结合的CBAM-YOLOv5网络结构,通过对特征图进行自适应特征细化,实现更准确的单位面积穗数测量。该研究以本地采集小麦图像数据和网络公开小麦图像数据为数据集,设置输入图像分辨率为1280,得到CBAM-YOLOv5模型,可以达到0.904的F1分数和0.902的平均精度,测试集计数的平均相对误差为2.56%,平均每幅图像耗时0.045 s,综合对比,CBAM-YOLOv5模型具有显著优势。模型放置于服务器,结合手机端软件和辅助装置,形成单位面积穗数测量系统,实现育种小区麦穗图像实时采集、处理和计数,计数的平均相对误差为2.80%,抗环境干扰性强。该研究方法与装置可以实现田间小麦单位面积穗数的实时在线检测,降低主观误差,具有较高的准确率及较强的鲁棒性,为小麦单位面积穗数快速、准确估测提供一种新的技术和装备支撑。

关键词：模型小麦单位面积麦穗数深度学习 YOLOv5 CBAM

基于改进的WOA-LSSVM樱桃番茄内部品质检测方法研究

在线全文

学校读者我要写书评

暂无评论

光谱学与光谱分析 2023年第11期43卷 3541-3550页

作者：康明月王成孙鸿雁李作麟罗斌北京市农林科学院信息技术研究中心北京100097 北京市农林科学院智能装备技术研究中心北京100097 中国地质大学(北京)数理学院北京100083

基于近红外光谱技术与统计方法,提出了一种樱桃番茄内部品质快速、无损检测方法。首先采集样品的近红外光谱,采用多元散射校正(MSC)、Savitzky-Golay卷积平滑(SG)、Savitzky-Golay卷积一阶导数(SG 1^(st))、去趋势化(De-trending)、变... 详细信息

基于近红外光谱技术与统计方法,提出了一种樱桃番茄内部品质快速、无损检测方法。首先采集样品的近红外光谱,采用多元散射校正(MSC)、Savitzky-Golay卷积平滑(SG)、Savitzky-Golay卷积一阶导数(SG 1^(st))、去趋势化(De-trending)、变量标准化(SNV)5种预处理方法消除光谱干扰,筛选出最佳预处理方法;然后采用连续投影算法(SPA)、稳定性竞争性自适应重加权算法(SCARS)、遗传算法(GA),以及引入自动有序预测因子选择算法进行改进的遗传算法(IGA)4种特征波长提取方法减少变量冗余,选择最优特征波长提取方法;最后结合回归方法——将冯诺依曼拓扑结构、轮盘赌选择、锦标赛选择和自适应权重与鲸鱼算法相结合来对算法进行改进,采用改进的鲸鱼算法优化最小二乘支持向量机方法(IWOA-LSSVM),与基于粒子群算法优化的BP神经网络方法(PSO-BPNN)和基于鲸鱼算法优化的最小二乘支持向量机方法(WOA-LSSVM)进行对比,分别建立樱桃番茄内部品质含量的预测模型。结果表明:樱桃番茄内部品质中的可溶性固形物(SSC)含量使用De-trending-IGA-IWOA-LSSVM模型效果最佳,其中校正集决定系数和预测集决定系数分别是0.9172和0.8667,校正均方根误差和预测均方根误差为0.5423和0.7682,预测相对误差达到2.5929;维生素C(V_(C))含量使用SG-IGA-IWOA-LSSVM模型预测效果最准确,其中校正集决定系数和预测集决定系数分别为0.8576和0.8216,校正均方根误差和预测均方根误差分别是0.6614和0.6342,预测相对误差达到2.0785。以上结果表明,采用近红外光谱技术与统计方法结合可实现对樱桃番茄内部品质的快速无损预测分析。

关键词：樱桃番茄机器学习鲸鱼算法近红外光谱技术

在线全文

学校读者我要写书评

暂无评论

深度学习在畜禽典型行为识别中的研究进展

中国农业科技导报 2024年

作者：朱芷芫王海峰李斌赵文文朱君贾楠赵宇亮北京市农林科学院智能装备技术研究中心

采食、饮水、站立和打斗等典型行为与畜禽生产能力、健康状况和福利密切相关，影响畜禽产量与经济效益。当前，畜禽养殖规模化趋势加速，传统人工观察畜禽行为不仅费时费力，而且主观性较强。随着机器学习的快速发展，神经网络、算法和... 详细信息

采食、饮水、站立和打斗等典型行为与畜禽生产能力、健康状况和福利密切相关，影响畜禽产量与经济效益。当前，畜禽养殖规模化趋势加速，传统人工观察畜禽行为不仅费时费力，而且主观性较强。随着机器学习的快速发展，神经网络、算法和算力不断优化，计算机视觉、语音识别、生物识别、自然语言处理等技术能准确高效地监测畜禽信息，分析畜禽生理和健康状况，在畜禽领域展现出广阔的应用前景。介绍了深度学习技术的发展历程，阐述了深度学习技术在常见畜禽种类（牛、猪、羊、鸡）行为识别方面的研究进展，为未来研究和实际应用提供了技术参考；总结了深度学习技术在畜禽行为识别中关于模型通用性、数据集多样性和数字化行为结果全面性等方面存在的问题并提出改进策略，旨在推动深度学习在畜禽典型行为中的进一步应用。

关键词：畜禽深度学习行为识别

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

农机装备智能测控技术研究现状与展望

农业机械学报 2022年第4期53卷 1-20页

作者：翟长远杨硕王秀张春凤宋健北京市农林科学院智能装备技术研究中心北京100097 国家农业信息化工程技术研究中心北京100097

农机装备正朝着智能化方向发展,智能测控是实现智能农机的核心技术。农机装备智能测控技术以农机装备为载体,包括农机作业相关信息智能感知、精准监控和作业决策与管理等技术。目前,我国农机装备智能测控存在高端装备、核心技术国产化... 详细信息

农机装备正朝着智能化方向发展,智能测控是实现智能农机的核心技术。农机装备智能测控技术以农机装备为载体,包括农机作业相关信息智能感知、精准监控和作业决策与管理等技术。目前,我国农机装备智能测控存在高端装备、核心技术国产化程度低的问题。本文从农机作业智能感知技术、农机装备精准监控技术和农机作业智能决策与管理技术等方面对国内外研究现状进行综述。阐述了作物生长信息、土壤信息和农机作业状态信息等智能感知技术的大量成果;阐述了耕深、平整地、土壤消毒、播种、植保和收获领域的农机装备精准监控技术的研究进展;阐述了农机作业智能决策与管理技术在农机作业质量监管、农机调度方面的技术突破;重点阐述了农机装备智能测控技术在土地耕整机、土壤消毒机、播种机、施肥机、植保机、收获机及农机作业管理平台的应用现状,分析了各环节待解决的问题。最后,提出了农机装备智能测控技术未来发展方向:农机装备智能测控系统化技术研究;无人农场农机自主作业关键测控技术研究;田间复杂环境农机核心部件及传感器研发;农机大数据支撑的作业决策模型研究。

关键词：农业机械智能测控农机大数据智能决策互联网

冬小麦精准分层施肥宽苗带播种联合作业机研究

在线全文

学校读者我要写书评

暂无评论

农业机械学报 2022年第2期53卷 25-35页

作者：祝清震武广伟朱志豪张恒源高原源陈立平江苏大学农业工程学院镇江212013 北京市农林科学院信息技术研究中心北京100097 北京市农林科学院智能装备技术研究中心北京100097

宽苗带冬小麦种植和肥料分层施用技术具有较好的应用推广价值,为了促进农艺农机融合,设计了一款宽苗带冬小麦分层施肥播种联合作业机,以及一套与其配套使用的精量排肥/排种控制系统。首先确定了联合作业机的整体架构,并对其限深机构、... 详细信息

宽苗带冬小麦种植和肥料分层施用技术具有较好的应用推广价值,为了促进农艺农机融合,设计了一款宽苗带冬小麦分层施肥播种联合作业机,以及一套与其配套使用的精量排肥/排种控制系统。首先确定了联合作业机的整体架构,并对其限深机构、三点悬挂机构等进行重点设计,其中限深机构的支架安装倾角设置为15°,使限深轮旋转中心与旋耕机构刀轴旋转中心的水平间距增大115 mm,以避免前抛土块或秸秆对限深机构正常滚动的影响,另将传统三点悬挂机构上悬挂点由球形副变换为移动副,使种肥分层投送机构的纵向横梁时刻与地面平行;然后开发了精量排肥/排种控制系统,确定了嵌入式主机、液压马达电控驱动模块等关键硬件的选型方案,设计了嵌入式主机的操作软件界面,使联合作业机能够精准控制深、浅层肥和种子的排量;最后对联合作业机主要技术参数、旋耕深度等15项指标进行检测,试验结果表明,联合作业机所测指标均满足规定的性能要求,能够满足田间的肥料分层施用、宽苗带播种农艺技术要求。

关键词：冬小麦宽苗带播种分层施肥控制系统