基于DQN的智能农机路径跟踪控制研究

针对复杂路面条件下无人化农业作业车辆路径跟踪控制精度低、控制器参数整定困难的问题,设计了一种基于深度强化学习的路径跟踪控制算法。基于五层BP神经网络构建了DQN(Deep Q-Network)路径跟踪控制器,实现了网络的轻量化和高度的可移植性。控制器网络的输入状态在采用车辆当前舵角、车辆与目标路径上控制点间横向距离偏差的基础上,引入车辆前方设定距离内的平均路径曲率,实现了车辆转向性能的提高。分别开展了仿真和田间试验,验证了所设计深度强化学习网络算法的收敛性,并对比了有路径曲率输入和无路径曲率输入两种网络的路径跟踪控制性能。仿真试验中,基于正弦曲线对两种路径跟踪控制方法进行训练,两种路径跟踪控制网络收敛后的平均跟踪距离误差为0.008 4、0.017 7 m。在间隔6 m的U型路径上进行田间测试试验,结果显示:有路径曲率输入的模型性能显著优于无路径曲率输入的模型,两种路径跟踪控制方法在路径上平均跟踪距离误差为0.038 9、0.068 4 m。验证了该路径跟踪控制方法有效性,可满足农业作业车辆路径跟踪控制需求。

农机装备物联网技术研究现状与展望

目前,我国农机装备物联网存在高端传感器国产化程度低、无线传输稳定性差、全局化机群调度难的问题。本文从农机作业智能感知技术、农机装备信息传输技术和农机作业数据处理与决策技术等方面对国内外研究现状进行综述,阐述作物信息、环境信息、农机作业状态信息和农机识别等智能感知技术的成果,分析车载物联技术和远程物联技术的研究进展,此外还论述了农机作业智能决策技术在农机作业异常检测、作业质量评价和农机调度方面的技术突破以及农机装备远程监管平台的应用现状并分析各环节待解决的问题。在此基础上提出农机装备物联网技术未来的发展方向及应用前景,即农机高端传感器研发、基于5G的新一代移动互联技术研究、基于大数据和机器学习的智能决策技术、多机协同与智慧农场应用。

变量施药系统压力波动特性及其消除方法研究进展

变量施药系统具有提高农药利用率、降低农药残留、减轻环境污染等优点,根据控制方式可分为药液浓度调节式、压力调节式和流量调节式。基于脉宽调制技术的变流量式施药系统因流量调节范围广、雾滴特性稳定等优点成为国内外研究热点,但在变量施药过程中因部分喷头启闭、泵源脉动、阀体开关动作等会造成管路压力波动,导致雾化质量差,药量不精准等亟待解决的问题。从变量施药系统类型、系统压力波动特性研究、系统压力波动抑制方法与装备方面综述国内外研究现状,分析总结药液浓度调节式、压力调节式、流量调节式变量施药系统的构成、优势和缺陷,重点阐述和归纳国内外施药系统中管路和喷头附近压力波动特性,主要介绍回流稳压、空气阀、稳压喷嘴等压力冲击抑制方法和装备,指出我国在变量施药系统精确性、变量施药系统压力稳定产品开发等方面的不足并提出展望,为实现变量施药系统的进一步精准化、智能化提供思路。

固体颗粒撒施无人机槽轮结构优化设计与试验

针对现有槽轮式排肥器存在低转速下脉动性强,难以满足无人机稳定变量施肥作业需求的问题,开展了排肥器关键部件参数的优化设计与研究,设计了9种不同凹槽形状和螺旋升角的排肥槽轮。同时,采用离散元方法仿真测试了各槽轮在低转速下排量范围和排肥时的稳定性,并开展了因素之间的交互作用判别试验和正交试验。试验结果显示:槽轮截面形状与螺旋升角之间存在交互作用,槽轮转速和螺旋升角对排肥脉动幅度的影响显著。最终,确定最佳槽轮结构参数组合:槽轮凹槽形状为偏心槽型,螺旋升角为60°。室内台架试验结果表明:槽轮转速和施肥速率具有较高的线性度,槽轮的截面形状和槽轮螺旋升角对不同转速下的排肥速率的影响均显著,相比台架试验和仿真试验测量的平均施肥速率,平均相对偏差为5.32%;在优化参数下,不同转速槽轮的排肥速率变异系数均小于1.20%,满足了无人机施肥的要求。

深度语义分割网络无人机遥感松材线虫病变色木识别

松材线虫病是危害我国林业资源的主要病害,研究深度语义分割网络无人机遥感技术可提高松材线虫病变色木识别准确率,为提升和保护林业资源质量提供技术支撑。该文以青岛崂山松林为研究区,通过固定翼无人机航拍获取区域无人机松材线虫病疑似变色木影像,以全卷积网络(fully convolutional networks,FCN),U-Net,DeepLabV3+和OCNet 4种深度语义分割模型为研究对象,选用召回率(Recall)、精确率(Precision)、交并比(intersection over union,IoU)和F1值评估各模型分割精度。航拍飞行获得2688张无人机影像,通过手动标记和样本扩增生成训练样本28800个。4种网络均能够较好识别松材线虫病变色木,无显著误报,并且深度语义模型对颜色相近的地物,如岩石、黄色裸土等有较好的辨别结果。总体上,DeepLabV3+具有最高的变色木分割精度,IoU与F1值分别为0.711和0.829;FCN模型分割精度最低,IoU与F1值分别为0.699和0.812;DeepLabV3+训练耗时最低,达到27.2 ms/幅;FCN预测耗时最低,达到7.2 ms/幅,但分割变色木的边缘精度最低。以3种特征提取网络ResNet50,ResNet101和ResNet152为前端特征提取网络构建的DeepLabV3+模型变色木识别IoU值分别为0.711,0.702和0.702,F1值分别为0.829,0.822和0.820。DeepLabV3+比DeepLabV3网络具有更高的变色木识别精度,DeepLabV3网络变色木识别的IoU和F1值分别为0.701和0.812。DeepLabV3+模型在测试数据中具有最高变色木识别精度,特征提取网络ResNet网络深度对变色木识别精度影响较小。DeepLabV3+引入的编码和解码结构能够显著改进DeepLabV3分割精度,同时可获得详细的分割边缘,更有利于松材线虫病变色木识别。

融合情感增强与句法特征的卷烟消费者评价方面级情感分析

为了解消费者对卷烟产品不同属性的情感信息,帮助烟草企业了解消费者评价及情感倾向,指导产品开发和市场营销决策,该文利用爬虫采集2010—2022年共18205条卷烟消费者评价数据,基于预训练模型(BERT)和双向长短时记忆网络(Bi-LSTM)对文本进行特征提取,结合句法依赖树获取语义间关系,建立融合情感增强和句法特征的方面级情感分类模型BAGCN,将BAGCN模型的分类结果与其他4种方法进行对比。结果显示,BAGCN模型在方面级情感分类效果最优,准确率和F1值达到79.49%和75.26%,BAGCN的各模块对最终的分类效果均有贡献。通过方面级情感分析发现,消费者更关注卷烟产品的价格和口感属性,对价格方面的评价多为消极情感,而口感方面的情感分布较为均衡,消费者对外观和品控方面的评价相对积极。

一站式烟农服务平台的研发与应用

针对目前烟草农业产业服务效率低、规范化水平低,烟农生产经营成本高、业务办理繁琐不便捷、信息获取不及时,以及烟区生产、生活、生态融合度不高等问题,研究构建了一站式农服数字化服务平台,平台以服务农民为宗旨,运用互联网经济新业态、新模式,整合烟农、合作社、第三方机构,探索构建了“滴滴农服”服务撮合模式。平台采用多层分布式体系结构,以分层的、组件化的设计方法,选用B/S架构,由基础层、数据层、业务层、接入层与用户层等5个层次组成,实现了政策公示、业务办理、种烟政策、专业化服务、惠农服务、技术服务六大功能,并在云南省红河州进行应用推广,截至2021年11月,注册烟农用户4.18万户、商家用户55户(含31户提供专业化服务的烟农合作社),累计交易42.7万单、交易额1.79亿元,推广区域667 m^(2)种植成本同比减少50.48元,有效地降低了烟农种植成本。通过本研究的探索和应用,形成了专业化服务、政策服务、惠农服务、技术服务为主的四大类数字化服务体系,基于大数据为农户提供优质便捷的生产和生活性服务,弥合了城乡数字鸿沟。

基于农田运载平台的烟叶辅助采收机设计与试验

为解决根据成熟度分不同生长时段进行人工采收劳动强度大、采收效率低的问题,设计了一种基于农田运载平台的烟叶辅助采收机。充分考虑烟叶种植农艺规范,将人员乘坐高度调整及烟包提升机构融合设计,满足采摘位置高度调整的要求;设计主从双控电力提升控制电路,保证烟包提升运行效率;开发烟叶采收量定位监测系统,满足田间烟叶采收量分布信息获取的需求。开展了烟包提升系统提升能力性能试验,结果表明:烟叶提升净质量最大为15kg,提升时间最长为13s。烟叶采收量田间试验结果表明:烟叶辅助采收机烟包平均质量为6395g,标准差为1588g;相邻烟包定位点平均距离为5.64m,标准差为4.38m,并获得了烟草田间收获量分布图。烟叶收获效率对比田间试验结果表明:烟叶辅助采收车单人烟叶收获效率平均为30.46g/s,标准差为4.73g/s,与纯人工单人烟叶收获效率相比,烟叶收获平均效率提高78%,采收效率标准差降低1.80g/s,具有较好的采收效率的稳定性。研究结果可为省力、高效、智能烟叶采收机的研发提供技术支撑。

基于机器视觉的白籽南瓜种子几何特征识别方法

针对瓜类砧木定向播种装备缺乏,人工播种效率低、育苗质量差等问题,提出基于机器视觉的白籽南瓜种子几何特征的识别方法。选取京欣砧2号南瓜种子为研究对象,利用工业相机采集种子的原始图像,通过灰度化、均值滤波、动态阈值处理得到种子的灰度值、种子轮廓等形态特征,根据轮廓区域的方向和纵横比拟合最佳椭圆,并获得种子几何中心坐标和长短轴数据,以沿种子长轴方向的轮廓端点与几何中心点的最大距离来判断芽点方向,再以几何中心点为基准运用三角函数计算种子芽点所在位置,并开展试验验证。试验结果表明,利用该方法可以有效地判断出芽点位置和角度信息,芽点识别准确率为98.85%,芽点角度平均偏差为1.53°,25粒种子识别平均耗时为0.092 s。

考虑喷雾高度的大田蔬菜对靶喷雾系统设计与试验

针对喷雾高度影响大田对靶喷雾准确性问题,该研究设计了融合喷雾高度的大田蔬菜对靶喷雾系统,适用于株间距大、冠层尺寸小的作物。介绍了大田蔬菜对靶喷雾系统的结构组成及工作原理,根据对靶喷雾作业环节的滞后特性,建立对靶喷雾滞后模型,提出融合靶标位置、靶标大小、喷雾机作业速度和喷雾高度的对靶喷雾控制方法,基于C37控制器设计了稳压喷雾系统和对靶喷雾控制系统,并进行试验验证。不同喷雾高度对靶试验结果表明,在作业速度为0.52 m/s的情况下,融合喷雾高度的对靶喷雾平均绝对误差和均方根误差分别不高于3.63和4.26 cm,比未融合喷雾高度的平均绝对误差平均减小4.30 cm,均方根误差平均减小4.57 cm,有效喷施率不低于92.6%,验证了融合喷雾高度对靶喷雾的可行性。田间试验结果表明,随着作业速度的增加,对靶喷雾有效喷施率和平均有效覆盖率下降。在作业速度不大于0.49 m/s时,对靶喷雾有效喷施率为93.5%,平均有效覆盖率为80.2%。较于连续喷雾方式,对靶喷雾节药率可达33.8%,可满足大田株间距大、冠层尺寸小的作物对靶植保作业需求。