自动导航插秧机作业性能试验研究

农业机械自动导航技术日渐成熟,导航产品带来了较好的经济效益,但这些导航产品只与部分车型的旱地拖拉机配套使用,仍缺少一套适用于水田拖拉机作业的自动导航产品。现提出一种改装方法,将一套旱地拖拉机导航系统安装至水田插秧机上,分别在广东和黑龙江进行田间试验,利用全球定位系统(global positioning system,简称GPS)分别采集记录插秧机自动导航作业与驾驶员人工作业时的数据,分析两者作业轨迹的直线度,比较两者的作业效果,探究该导航系统在插秧机上的作业性能。结果表明,驾驶员直线作业轨迹的平均绝对横向偏差为4.46~4.50 cm,横向偏差的标准差为2.69~3.36 cm。自动导航的平均绝对横向偏差为2.29~2.70 cm,横向偏差的标准差为1.63~1.90 cm,说明该自动导航插秧机的作业精度以及稳定性比人工驾驶高,通过这一改装方法将自动导航系统安装至水田拖拉机上后在水田作业过程中依然保持良好的作业性能,其安装方法简单而且可靠性高,为后续水田拖拉机自动导航系统的开发与研究提供参考。

面向大质量串型水果采摘的夹持试验与仿真

对于香蕉这类大质量水果采摘的末端执行机构,确定合理、可靠的夹持方式是机构精简的关键。文中对不同夹持因素组合产生的夹持效果进行了试验研究及夹持过程的有限元仿真分析,得到各夹持因素与夹持效果之间的影响关系及最佳的夹持方式。在自制的夹持试验平台上,针对摩擦夹持方式,进行了不同接触材料及不同夹持力的夹持效果试验;针对钉刺夹持方式,开展了钢钉数量、钢钉直径、钉刺深度的三因素三水平正交试验。试验数据表明,对于依靠摩擦力夹持蕉串的摩擦夹持方式,可靠性不足;钉刺夹持方式夹持效果优于摩擦夹持,影响夹持效果的因素主次顺序为:钢钉数量、钢钉直径、钉刺深度,最佳夹持效果因素组合为:钢钉数量6颗、钢钉直径5 mm、钉刺深度10 mm。文中研究为香蕉这类大质量串型水果采摘机械手夹持机构的设计提供了理论依据。

基于高光谱技术的马铃薯外部品质检测

为了快速无损检测马铃薯外部品质,研究采用高光谱成像技术对马铃薯外部品质分级。选取合格、发芽、绿皮、孔洞4种马铃薯外部特征,获取光谱数据,采用不同预处理方法对光谱数据进行处理,并分别建立偏最小二乘判别模型,结果显示采用标准正态变量变换法(SNV)获得的模型效果最优。对预处理后的光谱数据利用连续投影算法(SPA)及加权权重法(WWM)分别优选出了13个和9个特征波段,对两种不同方法得出的特征波段分别建立了支持向量机判别模型,结果显示两种方法对预测集的判别准确率均达到了100%,WWM-SVM判别模型对校正集的交叉验证率为99.5%,高于SPA-SVM判别模型的交叉验证率。利用高光谱成像技术结合SPA-SVM和WWM-SVM对马铃薯外部品质进行分级具有可行性。

基于机器视觉的马铃薯图像特征参数获取方法n

目前马铃薯的分级方法主要还是以人工为主,而人工分级普遍存在不稳定性,费时成本高,依赖人的主观经验等.近些年来,机器视觉技术在农业领域取得了广泛的应用,尤其是农产品分级领域取得了较多的成果.机器视觉技术具有无损害、经济性好、精确率高等优点.对于马铃薯分类,可以从外观尺寸上判断马铃薯的形状类型和重量范围.人工分级时,通过观察不同马铃薯样本的不同横截面大小,就可以主观上判断出马铃薯的形状类型,大致评估质量范围.基于人工分级的特点,通过机器视觉进行分级,只需获得不同横截面的的投影,通过提取图像特征参数的方式来对这些横截面进行定量分析,就可以模拟人工分级的模式对马铃薯进行基于机器视觉的自动分级.本文设计了一套机器视觉系统,分别获取马铃薯平放时的图片与竖放时的图片,以获取最大横截面与最小横截面的投影.采集图片并对得到的照片进行图像处理,得到只有目标区域和背景的二值化图像.从一副图像中获得9个特征,然后通过100个马铃薯样本得到了基于这些特征的数据集.利用软件Unscramble对这些数据集进行分析,以验证方法的合理性.

基于PCA-ELM和光谱技术预测香蕉成熟度

本文利用高光谱成像技术(Hyperspectral imaging)对常温下贮存的450个未剥皮香蕉样本光谱数据进行采集,首先检测样本果肉可溶性固形物含量(TSS)、坚实度(FIM),采用SPSS单因素方差分析,然后运用线性优化岭回归分析-偏最小二乘法(RR-i PLS)建立了香蕉成熟度理化指标的光谱和图像特征分类模型,结果表明通过实验平台获取光谱数据预测香蕉可溶性固形物含量以及坚实度的相关系数R2值分别为0.92和0.94。再通过连续投影法(successive projections algorithm,SPA)法以及主成分分析法(principal component analysis,PCA)分别选取特征波长,建立基于特征波长的极限学习机(extreme learning machine,ELM)对光谱数据进行建模交叉验证。通过比较RR-i PLS,SPA-ELM与PCA-ELM三种分类预测模型,表明基于特征波长的PCA-ELM分类模型具有较好的预测性能。交叉验证准确率达到99%。为能快速无损识别香蕉果实品质提供一种有效的预测研究,基本满足对香蕉成熟度分类检测且显示出有效建模分析,且能达到有效的经济效益。

一种全站仪免置平实现的刚体六自由度测量方法

刚体六自由度是机械系统重要参数,其测量既可应用于运动学与动力学理论模型的验证,也可作为已知条件求解系统的约束反力等动力学分析。针对目前六自由度测量对仪器需求高、操作复杂的问题,提出一种基于常规测绘仪器全站仪实现的世界坐标系下刚体六自由度的测量方法,特点是通过全站仪测量分别设置在世界坐标系(World coordinate system,W系)和刚体的体坐标系(Body coordinate system,B系)一组已知控制点,即可实现刚体六自由度的测量,而且测量过程中全站仪无须置平操作。论文基于矩阵分析法分析了本全站仪免置平测量六自由度方法的原理,提出了数学模型并通过最小二乘法和奇异值分解相结合,实现模型的解算,在此基础上提出了本方法完整的应用步骤。利用SGT320E型三轴多功能转台与KTS460RM全站仪对本文方法进行了试验验证,并进行了相关误差分析。结果表明,全站仪免置平实现的刚体六自由度测量所得欧拉角精度(按Z-Y-X旋转顺序)分别为2.738°、3.424°、2.344°;刚体质心位置精度(按X-Y-Z顺序)分别为0.006 m、0.013 m、0.009 m,证明全站仪免置平测量方法理论和实践应用的可行性,可以满足多体机械系统中刚体六自由度的测量需求。