新农科背景下智能农业装备专业项目化教学设计与实施——以智能苹果园施肥机为例

基于国家乡村振兴战略需求,教育部积极推进“新农科”建设,在新农科建设背景下,新兴的人工智能与传统农业工程、机械工程、自动控制工程等学科交叉深度融合,这对新时代农林院校智能农业装备专业学生提出了新要求。然而,目前在实际教学实践中仍存在学生智能农业装备创新能力不足、知农爱农强农情怀不深、工程实践能力弱等问题。针对上述问题,本文借鉴CDIO工程教育理念,以“智能苹果园施肥机”项目教学设计与实施为例,详细论述了CDIO核心理念的“构思—设计—实现—运行”教学环节。通过积极探索新农科背景下智能农业装备专业项目化教学模式,为培养高素质创新型智能农业装备科技人才,助力国家乡村振兴战略需求提供人才保障。

蓝莓采收技术研究现状与发展趋势研究

我国蓝莓产业规模不断扩大,但采收方式以人工为主,作业效率低下,严重制约了我国蓝莓产业的高质量发展,因此研究机械化、自动化、智能化蓝莓采收技术与装备对我国蓝莓产业的发展具有重大意义。本文重点分析了国内外蓝莓采收装备的研究现状,阐述了不同采收机的采收原理、采收方式及存在问题,并对未来蓝莓采收机的发展趋势进行展望。蓝莓采收机将逐渐向着低成本化、高效化、无损化、智能化等方向发展,以满足我国蓝莓产业的发展需求。

基于ECMM分割法的杂草稻种子在线识别技术

为提高水稻种子质量,剔除杂草稻种子,提出一种基于凹点匹配的粘连分割算法,搭建一种在线形色双选水稻种子识别平台。该平台由排种系统、图像采集系统、传动系统、电机驱动系统构成。该平台算法基于ECMM凹点分割法,首先对采集的图像进行预处理、提取形态因子小于0.4的粘连轮廓,对所提取轮廓的边缘进行一维高斯卷积核平滑处理,并计算平滑后轮廓曲线的曲率及其曲率均值,寻找与曲率均值相差较大的若干个点作为角点。其次,依据矢量三角形面积的正负来判断角点是否为真正的凹点,寻找凹点与前继点、后继点所组成的法线方向的夹角范围(0°~180°),并在此夹角范围内寻找与其相匹配的凹点对,完成粘连分割。该算法平均精度为92.90%,比极限腐蚀法提高19.82个百分点,比分水岭算法提高12.85个百分点。最后,计算分割后图像上各轮廓内的种子长度与R通道像素占比来识别杂草稻种子。经识别平台测试,本文算法每识别100粒种子平均用时0.95 s,平均识别精度为97.50%。