基于超宽带的温室农用车辆定位信息采集与优化

针对温室环境下农用车辆定位精度低的问题,开发了适用于温室环境的超宽带技术(Ultra wide band,UWB)室内定位试验平台。首先,以Ubisense射频芯片作为硬件基础,设计了定位平台标签和基站,并采用到达时间差(Time difference of arrival,TDOA)定位测距方法获得定位结果;然后,分别利用K-means聚类与截段处理的方法进行静态、动态定位信息优化计算,以减小脉冲信号传播特性和单一测距方式等导致的测量误差,获得准确的定位信息,实现温室内农用车辆的精确作业;最后,在温室环境下分别进行了静态定位试验与动态定位试验。试验结果表明,优化后的静态定位精度平均值为0.063 4 m,改进后的动态定位精度精确到8 cm的概率是原先TDOA算法的3.7倍。所搭建的定位试验平台满足温室农用车辆定位的实际应用要求,可为温室环境下农用车辆的定位和导航提供参考。

基于迁移学习和Mask R-CNN的稻飞虱图像分类方法

针对当前稻飞虱图像识别研究中自动化程度较低、识别精度不高的问题,提出了一种基于迁移学习和Mask R-CNN的稻飞虱图像分类方法。首先,根据稻飞虱的生物特性,采用本团队自主研发的野外昆虫图像采集装置,自动获取稻田稻飞虱及其他昆虫图像;采用VIA为数据集制作标签,将数据集分为稻飞虱和非稻飞虱两类,并通过迁移学习在ResNet50框架上训练数据;最后,基于Mask R-CNN分别对稻飞虱、非稻飞虱、存在干扰以及存在黏连和重合的昆虫图像进行分类实验,并与传统图像分类算法(SVM、BP神经网络)和Faster R-CNN算法进行对比。实验结果表明,在相同样本条件下,基于迁移学习和Mask R-CNN的稻飞虱图像分类算法能够快速、有效识别稻飞虱与非稻飞虱,平均识别精度达到0.923,本研究可为稻飞虱的防治预警提供信息支持。

基于K-SVD和正交匹配追踪稀疏表示的稻飞虱图像分类方法

针对当前稻飞虱图像分类研究中存在图像识别速度慢、分类精度低的不足,该文提出一种基于K-SVD和正交匹配追踪(orthogonal matching pursuit,OMP)稀疏表示的稻飞虱图像分类方法。首先,根据稻飞虱的趋光性特点,使用团队自主研发的野外昆虫图像采集装置自动获取稻田害虫图像;然后,利用K-SVD算法对稻飞虱图像特征的过完备字典进行更新构造,结合OMP算法对原始输入图像的特征信号进行稀疏表示;最后,通过求解输入图像的重构误差对昆虫图像进行分类。在相同的试验条件下,与传统的图像分类算法(SVM、BP神经网络)进行比较。实验结果表明,该文提出的基于K-SVD和OMP算法的稻飞虱图像稀疏表示分类方法可对稻飞虱与非稻飞虱进行快速准确的分类,分类速度达到6.0帧/s,平均分类精度达到93.7%。与SVM和BP神经网络相比,分类速度分别提高了5和5.5帧/s;分类精度分别提高了15.7和28.2个百分点,为稻飞虱的防治预警工作提供了信息与技术支持。

非线性切换系统不变集的输出反馈镇定

利用一个非负函数V(x)提出一个新的输入输出对状态稳定的概念—输入输出对V(x)稳定.基于这一概念并结合系统无源性的结论,提出了一类非线性切换系统不变集可输出反馈镇定的充分条件.利用统一Lyapunov函数和多Lyapunov函数给出了定理的证明.最后,详细讨论了输入输出对V(x)稳定与输入输出对状态稳定的关系.

基于字典学习与SSD的不完整昆虫图像稻飞虱识别分类

为了解决图像采集过程中由于昆虫图像获取不完整而导致整体稻飞虱识别精度低、速度慢的问题,提出了一种基于字典学习和SSD的不完整稻飞虱图像分类方法。首先,使用自主研发的野外昆虫图像采集装置采集稻飞虱图像,构建小型图像集。然后,将采集的稻田昆虫图像进行阈值分割,得到单一稻田昆虫图像;对单一昆虫图像进行分块处理,得到带有背景信息和特征信息的混合子图像块集;使用子图像块作为字典原子来构建过完备字典,并对其进行初始化和优化更新;将更新后的过完备字典作为训练集输入SSD算法中进行训练,得到训练模型。最后,将采集的包含不完整稻田昆虫的图像在训练集模型上进行测试,并将测试结果与BPNN(Back propagation neural network)、SVM(Support vector machines)、稀疏表示等方法进行对比。试验结果表明,所提出的基于字典学习和SSD的稻飞虱识别与分类方法可以对不完整的昆虫图像进行准确快速的识别分类,其中,分类速度可达22 f/s,识别精度可达89.3%,对稻飞虱的监督、预警和防治提供了有效的信息与技术支持。

切换系统不变集的输出反馈镇定

利用一个非负函数V(x),推广了小时间状态模可观测和大时间状态模可观测的定义,提出了小时间V(x)可观测和大时间V(x)可观测的概念.利用V(x)可观测的概念,讨论了子系统无源的切换系统不变集的有界输出反馈镇定及动态输出反馈镇定.利用多Lyapunov函数证明了闭环系统渐近稳定.仿真例子验证了文中结论正确性.

线性切换系统的积分不变性原理

将积分不变性原理进行推广,用来讨论线性切换系统的稳定性.作为LaSalle不变性原理的推广,文中推广的积分不变性原理无需构造Lyapunov函数,而是利用系统输出的可积性,讨论线性切换系统输出为零的状态集合的稳定性.另外,讨论了切换系统状态集合稳定性与切换信号之间的关系.利用线性切换系统的可观测性,讨论了系统平衡点的渐近稳定性.数值例子说明了文中方法的有效性.

一类切换系统极限环的反馈镇定研究

利用多Lyapunov函数法讨论一类切换系统极限环的反馈镇定问题.首先给出切换系统极限环的有界状态反馈、有界输出反馈以及动态反馈镇定定理;然后利用Jurdjevic-Quinn方法给出反馈控制器的具体形式,并证明了在给定反馈控制器的作用下,切换系统的极限环渐近稳定.仿真例子验证了结论的正确性.

切换系统的不变性原理与不变集的状态反馈镇定

证明了一类切换系统的一个不变性原理,并将输入对状态稳定的概念推广到输入对系统某个非负能量函数稳定的情况.基于这个不变性原理以及输入对系统能量函数稳定的概念,利用多Lyapunov函数方法提出并证明了一类具有Lyapunov稳定子系统的切换系统的不变集可状态反馈镇定的条件.最后讨论了输入对系统能量函数稳定与输入对状态稳定的关系.仿真结果证明了该方法的可行性.

非线性切换系统的输入输出对状态稳定

为观测和估计切换系统状态,该文提出了一类非线性切换系统一致输入输出对状态稳定的充分条件。在一定条件下将切换系统化为受扰动系统。利用受扰动系统一致输入输出对状态稳定的结论,证明了非线性切换系统一致输入输出对状态稳定,存在光滑的李亚普诺夫函数和存在状态模估计器三者之间的等价关系。讨论了切换系统一致输入输出对状态稳定与其它相关稳定性之间的关系。

基于图像消冗与CenterNet的稻飞虱识别分类方法

为了实现对不同稻飞虱的快速准确识别,同时防止同一姿态下的同一只昆虫被重复计数,提出一种将图像消冗与CenterNet网络相结合的识别分类方法。首先利用自主设计的田间昆虫采集装置,自动获取昆虫图像并制作数据集。其次,将CenterNet算法与图像消冗算法相结合,选用深层特征融合网络(Deep layer aggregation,DLA)作为主干网络来提取昆虫的特征,并进行识别分类。将本文方法与经典机器学习和深度学习模型进行对比,实验结果表明,对于田间昆虫采集装置获取到的相似度较高的活体图像,本文方法不仅能够快速处理昆虫图像,而且能够成功解决昆虫重复检测的问题,平均精度均值为88.1%,检测速率为42.9 f/s,无论是精度还是处理速度本文方法都具有较明显优势。该研究有效地完成了对3种主要稻飞虱的识别分类,对不同时间段采集到的昆虫表现出良好的泛化能力,可用于后期水稻害虫暴发的智能预警和测报。

农田无线传感器网络的节点部署仿真与实现

应用无线传感器网络进行农田信息采集时,针对农田面积大、传感器节点众多的特点,如何有效地部署节点成为研究的热点之一。利用NS2软件从丢包率、平均延时、剩余能量和接收信号强度等网络性能角度对随机部署、正六边形部署及正四边形部署方式进行了仿真比较,最终确定正六边形部署方案,并在农田中进行实地试验。结果表明系统能够实现无缝覆盖,稳定可靠的采集农田信息,为无线传感器网络在农田环境中的进一步应用提供了参考。

农田图像采集与无线传输系统设计

结合ZigBee和GPRS,设计了农田图像采集与无线传输系统。系统由MESH型ZigBee图像采集网络和远程服务器构成,服务器与Z igBee网络的协调器通过GPRS网络进行数据传输。基于V4L技术采集了农田图像,阐述了JPEG压缩和解压缩流程,使用改进的离散余弦变换减小了图像压缩的运算量,并对压缩后的图像作了数据分组和校验,保证了数据传输的可靠性。在选定农田对系统进行实地测试,系统能够顺利采集图像,无线传输成功率为76%,同时分析了传输一幅图像的理论最短时间和实际平均传输时间产生的差异。

基于性能指标的农用车辆路径跟踪控制器设计

该文以农用车辆为控制对象,设计了路径跟踪PID控制器。基于性能指标—ISE、IAE、ITAE和ITSE分别整定了PID控制器参数,给出了最优PID控制器,同时进行了仿真对比分析。仿真结果表明,以超调量和调节时间这2个时域指标为评价标准,基于上述4种性能指标准则,系统在所给控制器作用下均能获得令人满意的动态和稳态性能。ISE准则整定的PID控制器使闭环系统单位阶跃响应的超调量为25.55%,调节时间为5.07s。相比ISE准则,由IAE、ITAE和ITSE准则整定的控制器使闭环系统单位阶跃响应的超调量更小,为10.03%,调节时间更短,为3.95s。利用本文方法能够获得较好的PID控制器参数,可为农用车辆控制器设计提供理论依据。

无线传感器网络在农业中的应用研究现状与展望

无线传感器网络结合了传感器、微处理器和无线通信接口,是一门日益引起人们研究兴趣的技术。作者结合农业的实际特点,综述了无线传感器网络在农业中的研究现状及涉及的关键技术,最后分析了无限传感器网络在农业中的应用前景,为无线传感器网络在农业中的深入应用拓宽思路。

基于卷积神经网络的白背飞虱识别方法

为了实现白背飞虱虫情信息的自动收集和监测,提出一种基于卷积神经网络的白背飞虱识别方法并进行应用研究。首先,用改进的野外环境昆虫图像自动采集装置,采集田间自然状态下的白背飞虱图像,对所获取的图像进行归一化处理。然后,随机选取1/2图像样本作为训练集、1/4作为测试集。利用5×5卷积核对训练样本进行卷积操作,将所获取的特征图以2×2邻域进行池化操作。再次经过卷积操作和3×3邻域池化操作后,通过自动学习获取网络模型参数和确定网络模型参数,得到白背飞虱的最佳网络识别模型。试验结果显示,利用训练后的网络识别模型,对训练集白背飞虱的识别正确率可达96.17%,对测试集白背飞虱的识别正确率为94.14%。

轮胎胎压和车速对无悬架拖拉机横向乘坐振动特性的影响

为研究轮胎胎压和行驶速度对驾驶员横向乘坐振动特性的影响,该文以两轮驱动式无悬架国产拖拉机为研究对象,建立无悬架拖拉机横向-垂向平面三自由度模型,通过仿真和试验相结合,分别获取不同轮胎胎压和行驶速度下拖拉机座椅处横向加速度功率谱密度、横向加速度均方值以及总加权加速度均方根值,并分析各自的影响规律。结果表明:拖拉机座椅处横向固有频率试验值与理论计算值的最大相对误差为4.67%,座椅处横向加速度均方根试验值随后轮胎胎压和速度的变化规律与仿真是一致的,且试验值比仿真值要小,其相对误差最大值为5.26%,误差均在可接受范围内,表明建立的理论和仿真模型是可行的;前轮胎压的变化对两轮驱动式拖拉机乘坐横向振动特性的影响不大;当轮胎胎压不变时,试验获取的拖拉机座椅处总加权加速度均方根值随行驶速度的增大而增大;当行驶速度不变时,总加权加速度均方根值随后轮胎压的增大而波浪式增大。该研究为拖拉机多维减振悬架系统的设计提供参考。

自主跟随车辆航向控制系统

提出了一种基于红外传感器检测相对航向角的车辆自主跟随控制系统建模和设计方法,对相对航向角的检测机构及其工作原理进行了介绍,重点讨论了基于步进电动机驱动的转向控制系统的建模方法、前轮转向角和航向角之间的关系以及相应的控制算法的设计,航向角控制系统模型的Matlab仿真结果和控制系统的实际运行结果高度吻合。结合自主改装的电动车自主跟随系统在果园路径进行了实验,实验过程中,引导车和跟随车行驶路径之间的最大横向偏差为9.2 cm,平均偏差为3.3 cm,方差为5.5 cm2。实验结果表明,基于红外传感器的车辆自主跟随控制系统能实现车辆的自主跟随,系统运行稳定可靠,体现出其在复杂农业环境中的应用前景。

基于序列图像三维重建的稻种品种识别

利用机器视觉技术识别稻种表面形态,从而识别种子纯度,可以为种子品质确定提供一种快速精确的技术方法。该文应用序列图像聚焦测度法进行了稻种三维重建,在稻种的品种识别中,将三维特征作为识别依据,相对传统方法仅采用二维图像特征作为识别手段,具有稻种形态测量参数值更精确,外观特征及缺陷表达更全面的优势。该方法通过分析显微镜平台获取的多幅不同对焦距离的图像序列,计算聚焦测度和焦点深度值。结合序列图像聚焦测度法与表面纹理重现,实现稻种形态表面三维重建。通过构造BP神经网络模型,利用测量所得三维立体特征值进行稻种的品种识别,筛选适合稻种检测的BP神经网络算法。试验结果表明,序列图像方法应用于稻种三维重建,其测量精度可达到5μm,将测量所得的三维特征值作为参数进行5个稻种的品种识别,识别率在90%以上。该研究可为农作物品种识别中三维形态及纹理特征的研究提供参考。

RTK-DGPS融合惯性传感器的车辆导航参数计算方法

为实现农用车辆精确导航,提出一种RTK-DGPS融合惯性传感器的导航参数计算方法。横向偏差是利用惯性传感器采集的姿态角经几何变换补偿系统中存在的杆臂效应再进行计算得到的。试验结果表明,系统存在俯仰和侧倾时,此方法平均补偿了0.08 m的横向偏差,通过提高系统的定位精度得到了更精准的横向偏差。由于惯性传感器难以适用于磁场干扰较大的环境,为此,提出仅利用RTK-DGPS计算航向偏差的方法,即利用最小二乘法拟合RTK-DGPS动态定位点形成车辆行驶路径并进行计算。试验结果表明,车辆直线行驶、做圆周运动与沿任意曲线行驶时,惯性传感器与RTK-DGPS计算的航向偏差之间的平均误差分别为0.963 6°、3.641 8°与2.756 2°,验证了利用RTK-DGPS计算航向偏差的可行性。