轻简电动履带运输车的设计与试验

针对山地果园作业环境复杂,对运送装备的通过性要求高的特点,设计了一种轻简电动履带运输车,具有遥控和手动控制两种控制方式,远程遥控距离可达200m。实地样机试验结果表明:运输车的最大载荷为300kg,最大爬坡度为25°,最高车速为1.5m/s,具备原地差速转弯能力;其越障能力较强,对地形复杂、路况恶劣的山地果园环境适应性较好,能够满足山地果园的运输要求。

基于CARS-CNN的高光谱柑橘叶片含水率可视化研究

柑橘叶片水分亏缺是影响柑橘生长发育的重要因素之一,为研究水分胁迫对柑橘含水率的影响,利用高光谱快速无损检测柑橘叶片含水率,并应用伪彩色处理实现含水率可视化。收集100片柑橘叶片,使用烘干法得到鲜叶和烘干叶片一共500个不同梯度含水率的数据样本,将样本按7∶3的比例划分为训练集(350个样本)和测试集(150个样本),使用决定系数(R^(2))和均方根误差(RMSE)来评估模型预测的好坏。采用卷积神经网络(CNN)对高光谱数据进行预测,CNN模型使用一维卷积核,一共三层卷积池化层,使用RELU激活函数激活,输出层采用linear激活函数回归预测,使用nadam算法对模型进行优化更新,迭代次数为1000次;将原始光谱数据和SG,MSC和SNV三种预处理后的光谱数据,与全波段、CARS筛选的特征波段、PCA提取的特征波段组合,导入CNN模型,确定最佳模型为原始光谱数据的CARS-CNN,训练集的R^(2)_(c)和RMSEC分别为0.9679和0.0163,测试集的R^(2)_(v)和RMSEV分别为0.9470和0.0214;原始光谱数据的全波段CNN模型效果其次,训练集的R^(2)_(c)和RMSEC分别为0.9343和0.0249,测试集的R^(2)_(v)和RMSEV分别为0.9159和0.0286。对比了不同预处理方式和特征波长选择的支持向量机回归模型(SVR)、偏最小二乘法回归模型(PLSR)、随机森林模型(RF)组合的最佳结果,将最佳组合模型(原始光谱数据+CARS+PLSR,SNV+PCA+RF,SNV+PCA+SVR)与原始光谱数据的CARS-CNN对比,结果表明,依然是原始光谱数据的CARS-CNN模型预测效果最佳。相较于其他的模型,CARS-CNN模型经过CARS筛选特征波段和卷积核进一步提取特征后,预测精度远高于SVR,PLSR和RF模型。选择训练好的CARS-CNN模型,将高光谱图片导入到模型中,计算每个像素点的含水率,得到伪彩色图像,能够可视化叶片的含水率分布情况。研究结果为柑橘叶片水分含量提供了更快速、更直观、更全面的评估,为研究柑橘叶片水分胁迫提供了依据,为智能灌溉决策的优化提供了参考。

基于LSTM的柑橘幼苗蒸发量预测

将柑橘幼苗作为试验对象,利用传感器采集空气相对湿度和温度,以基质相对湿度、温度和EC值作为环境因子,采用称重法实时采集作物的质量变化量作为作物的蒸发量;以环境因子为模型输入,作物蒸发量为模型输出,构建长短期记忆神经网络(LSTM)预测模型,优化后的最优模型结构以及训练参数包括LSTM模型的隐藏层1层,隐藏层节点数为120,迭代样本数为128,训练迭代次数为175,网络的激活函数选择tanh函数,学习率为0.001,时间步长为72。LSTM预测模型的决定系数(R^(2))、均方根误差(RMSE)、平均绝对误差(MAE)分别为0.993 9、0.015 5 g、0.011 3 g;与循环神经网络(RNN)、门控循环单元(GRU)的预测效果进行对比,LSTM预测模型的预测蒸发值更接近真实蒸发值,预测结果相对误差范围波动最小,RMSE、MAE最小,R^(2)最大,说明这3种模型中LSTM预测模型的预测效果最佳。