基于DBSCAN和BPAdaboost的农机作业地块划分方法

农业机械(农机)在多个地块作业,费用和效率有时需按地块统计,现有的农机监控系统仅能记录农机定位信息和作业状态信息,难以实现地块的自动精准划分。本文通过研究轨迹点属性特征,分析作业地块数量不确定性和轨迹点分布规律,采用基于密度聚类方法(Density-based spatial clustering of applications with noise, DBSCAN)和分类器集成算法(BP_Adaboost)结合的方法划分地块。根据DBSCAN算法对农机轨迹点多数有效、识别错误集中的特点,结合BP_Adaboost算法挖掘多维度信息关联、容错能力强、分类效果好等优势,先利用DBSCAN得到初步的轨迹点状态类别,再利用BP_Adaboost算法建立训练模型对农机轨迹点状态精准识别,根据时间序列和类别标记划分地块。本文方法既解决了只依靠阈值和经纬度信息聚类不准确的问题,也减少了大量样本标记工作。利用该方法轨迹点状态识别准确率达96.75%,地块划分准确率为97.74%。

基于三次样条插值的农机作业面积计算

受地块不规则影响,农机作业轨迹多样,作业面积计算的难度也随之增加。有效准确地计算农机作业面积,是农机作业监管和效率评估的主要依据。通过对地块和轨迹分析,提出了利用三次样条插值算法生成农机作业轨迹线,穿过所有轨迹点的同时,保证轨迹线平滑。将所有作业轨迹线累加,结合作业幅宽可计算作业面积。该方法不仅减少了折线方法在拐角处计算不合理产生的误差,也解决了其他方法在弧形地块行驶过程中小弧度转向轨迹线不平滑的问题。该方法计算作业面积在弧形轨迹中准确率高于传统折线计算等方法。

基于模型优化预测与温度场分析的温室传感器故障识别

在温室高温高湿的工作环境下,传感器易出现故障,会对温室的智能管理造成一定的资源浪费,为保证智能化温室管理系统的有效运行,需要及时准确地对温室内故障传感器做出识别。通过试验对云南地区温室在夏季不同通风状态下室内场域的变化情况进行分析,以云南地区大型玻璃连栋温室作为研究对象,建立夏季不同通风方式下温室的三维稳态CFD模型,并结合试验对模型的有效性进行验证。根据实际的外界条件,对温室内部场域进行分析,预测出传感器节点位置处的环境数值,通过与实际读数进行对比,找出传感器读数异常位置。为进一步提高故障传感器识别的准确性,结合基于中值策略的传感器故障节点检测算法,能够及时准确地识别出温室故障传感器,为温室的智能化管理决策提供了准确的温室内环境数据。

基于BP_Adaboost的农机行驶轨迹状态识别

农业机械运动轨迹不仅包括田间作业轨迹,还包括道路行驶轨迹。有效区分农机行驶过程中田间作业和道路行驶等作业轨迹,可精确划分有效作业地块和精准评估农机作业效率,从而实现农机的远程智能管理。通过对农机轨迹点属性的分析,提取典型特征数据,利用BP_Adaboost方法建立的训练模型对农机轨迹点进行识别,将道路与田间交界处易错轨迹点重新标记后再次训练,轨迹识别正确率达96.89%。该方法既避免了传统聚类算法对阈值和参数依赖的问题,也有效解决了将道路行驶轨迹误识别为田间作业轨迹的难题。

农机作业大数据处理关键技术研究现状与发展趋势

农机作业的方式随着信息化的发展正在逐步发生变化,农机作业过程数据的采集、传输和管理也成为了其中的关键环节。由于我国农业生产模式不一、田间环境差、生产环节繁杂、影响因素多样。农机作业信息种类繁多、结构复杂、来源广泛、时效性强,所以为了实现高效的存储和信息共享,必须建立统一的农机作业大数据平台。建立新型农机作业数据模型、建设新的农机作业数据平台将成为我国农业从机械化迈向信息化、智能化的重要一步。

玉米种子内部裂纹识别研究现状与发展前景

在我国,玉米种子使用种量大但存在其检测设备落后的问题,随着用户与市场对玉米种子的质量要求进一步提高,研发高精度、高效率识别玉米种子内部裂纹的设备是必然的趋势。分析总结了玉米种子裂纹识别的国内外研究现状,提出了现有研究的存在问题并预测了未来发展趋势。