借力于思 为中国现代设施农业发展添引擎——2019年荷兰设施园艺考察纪实（上）

作为世界领先的农业强国之一,荷兰突破自然条件的限制,通过政府引导、科技创新、产学研协作以及建立完善的产业链等方式,呈现出高投入、高产出、高效益的现代设施农业产业,这些经验都值得我们借鉴。

基于UWB与物联网的移动式温室环境监测系统设计与实现

为低成本实现对温室不同区域环境的全面感知,该研究设计了移动式温室环境监测系统,其采用超宽带(Ultra Wide Band,UWB)网状拓扑结构进行分布式组网,节点设备以一主多从的形式对移动工作台实时定位。利用优化后的双向双边测距算法计算各基站与标签之间的距离,通过距离的归一化残差分布判断是否存在非视距(Non Line of Sight,NLOS)误差,利用改进后的增量卡尔曼滤波算法消除NLOS误差,通过Chan算法解算标签准确位置。移动工作台以Arduino控制器为核心,搭载温度、湿度、二氧化碳和光照度传感器,实现对温室环境的实时监测和对移动工作台的远程控制。测试结果表明,系统静态定位最大横向偏差为7.92 cm,最大纵向偏差为7.98 cm,横向和纵向偏差的平均值均<5 cm;移动工作台以0.4 m/s的平均速度行驶,动态定位最大横向偏差为8.7 cm,平均横向偏差为4.7 cm;采集参数上传平均丢包率为2.78%;温度、湿度、光照度和二氧化碳浓度监测相对误差分别低于0.63%、0.34%、0.70%和0.67%,满足温室环境信息移动监测要求。该研究对温室环境调控和温室内作业机具精准定位技术的发展具有一定的理论意义和参考价值。

基于机器视觉的穴盘幼苗分级移栽系统设计与试验

针对穴盘幼苗工厂化生产中人工分级移栽劳动强度较大的问题,提出了基于机器视觉和图像处理自动分级方法,设计了一套穴盘幼苗分级移栽系统。首先,运用图像分割、模板匹配等方法提取穴盘幼苗叶面积、地径、株高3个特征,并以此训练SVM自动分级模型;然后,开发了基于Opencv3.6、Qt5的软件,实现了穴盘幼苗的实时在线分级;最后,使用穴盘幼苗分级移栽样机对7~10天的番茄幼苗进行自动分级移栽试验。结果表明:在平均移栽速度为9.6株/min时,移栽成功率为96.88%,分级正确率为95.83%,可以连续稳定工作,有效解决人工费时费力问题。

温室环境下植物表型研究平台

植物表型多数植物的全基因组测序已经完成,但对这些基因组进行解析的难度要远大于测序的难度,多数基因功能并不清楚。植物的性状(Trait),也就是表型(Phenotype)--受到基因和环境的双重影响,难以进行可重复的精确测量。

从设计角度谈几种常用温室降温方案

为实现温室周年生产,提出通风、直接蒸发式冷却降温及人工冷源等几种常见温室降温方案。当温室跨度方向长度小于14 m时,比较有利于利用风压进行降温;利用机械通风降温时,进排风距离不宜超过60 m;高压微雾系统受温室外围护结构尺寸的影响比湿帘风机系统要小,并且调节起来更灵活;人工冷源+空调末端的降温形式在运行中需要消耗大量的电能,应综合考虑多种因素。因此,在进行温室降温设计时,不能只单纯考虑温度一个参数,也不能生搬工业或民用建筑的传统做法,必须要系统地考虑温室内作物生理需求对环境的综合要求。

科技创新是设施园艺进步的源动力——2019年荷兰Green Tech展会考察纪实（下）

2019年6月11~13日,荷兰Green Tech展会在荷兰皇家植物园阿姆斯特丹会议中心举行。该展会是业内从事园艺技术专业人士的全球聚会场所,是国际上具有权威性和专业性的花卉、园艺展览会,今年约有490家企业参展,展会主题是“Autonomous Technology”,旨在挖掘可以加速园艺发展的技术,展示各类自动化生产系统。展会包含了园艺行业新产品、新技术、新成果,覆盖温室运营设计、温室生产设备资材等领域。文章整理了展会上的相关亮点,以飨读者。

不同目数防虫网的风荷载试验研究

文章针对5种常用目数的防虫网进行风荷载试验研究,通过风洞试验研究风荷载与防虫网孔隙率的关系,对实际工程中防虫网室设计时风荷载取值提供一定依据。

基于改进YOLOv5s的日光温室损伤等级遥感影像检测方法

针对目前日光温室损伤程度的统计方法普遍依靠人工目视导致的检测效率低、耗时长、精确度低等问题,该研究提出了一种基于改进YOLOv5s的日光温室损伤等级遥感影像检测模型。首先,采用轻量级MobileNetV3作为主干特征提取网络,减少模型的参数量;其次,利用轻量级的内容感知重组特征嵌入模块(content aware reassembly feature embedding,CARAFE)更新模型的上采样操作,增强特征信息的表达能力,并引入显式视觉中心块(explicit visual center block,EVCBlock)替换和更新颈部层,进一步提升检测精度;最后将目标边界框的原始回归损失函数替换为EIoU(efficient intersection over union)损失函数,提高模型的检测准确率。试验结果表明,与基准模型相比,改进后模型的参数数量和每秒浮点运算次数分别减少了17.91和15.19个百分点,准确率和平均精度均值分别提升了0.4和0.8个百分点;经过实地调查,该模型的平均识别准确率为84.00%,优于Faster R-CNN、SSD、Centernet、YOLOv3等经典目标检测算法。日光温室损伤等级快速识别方法可以快速检测日光温室的数量、损伤等级等信息,减少设施农业管理中的人力成本,为现代化设施农业的建设、管理和改造升级提供信息支持。

不同目数防虫网室的雨荷载试验研究

本文针对不同目数防虫网室的雨荷载开展研究,主要考虑降雨大小、防虫网目数对于雨荷载数值的影响.采用人工降雨装置,针对农业工程中常用的4种不同目数防虫网进行雨荷载试验,通过观察和记录防虫网室的积水情况,确定防虫网室雨荷载数值,为防虫网室的荷载合理选取提供依据.

基于改进SOLOv2的穴盘幼苗图像分割方法

[目的]针对传统图像分割算法对穴盘幼苗图像分割精确度不高、分割效率低等问题,本研究提出一种基于改进SOLOv2的穴盘幼苗实例分割算法。[方法]在SOLOv2算法架构的基础上,将拆分注意力网络(ResNeSt)与特征金字塔(feature pyramid network, FPN)相融合作为主干提取网络,提取幼苗的特征信息;采集穴盘幼苗图像制作成数据集,引入多尺度变换和网格擦除等手段进行数据增强,再结合可变形卷积(DCNv2)优化网络结构,提升分割的精确度;引入秩和排序损失(Rank&Sort Loss)解决类别分支和掩码分支任务中超参数调节存在非最优和耗时的问题,提高SOLOv2分割的性能和效率。[结果]基于采集多变机械手抓取穴盘幼苗数据集的试验结果表明,改进SOLOv2分割算法的平均精度均值(mean average precision, mAP)、交并比0.5时平均精度(AP50)和交并比0.75时平均精度(AP75)分别为0.641、0.885和0.657,每张幼苗图像在GPU(graphic processing unit)上的平均分割时间为0.114 s,比原SOLOv2的各项精度指标分别高2.8%、3.1%和2.3%,分割时间减少0.058 s。[结论]改进SOLOv2算法具有更强的泛化性和鲁棒性,可以实现果蔬幼苗的实时高精度分割,并为幼苗品质分级筛选提供技术帮助。

基于YOLO v4+HSV的成熟期番茄识别方法

为解决成熟番茄采摘识别中由于藤蔓、叶片、果实遮挡或光照影响而引起的误识别问题,该研究提出了一种基于YOLO v4与HSV(Hue,Saturation,Value)相结合的识别方法,以实现自然环境下成熟期番茄的准确识别。在YOLO v4网络的检测框内通过HSV方法对番茄的红色区域进行分割,并将分割面积在检测框中达到一定占比的番茄作为目标输出。通过对比不同占比下该算法对测试集的识别效果,将16%作为成熟期番茄识别算法的占比,该占比下YOLO v4+HSV算法的正确率为94.77%,在工作站中检测单幅图片的速度为25.86 ms。为验证算法的性能,对改进前后算法进行了比较,改进后的正确率比改进前提高了4.30个百分点,说明通过HSV处理能够提高原网络识别成熟期番茄的准确性。此外,为测试算法的实用性,统计了在不同类型设备上该算法从调用深度相机到检测到第一个目标番茄所用的时间,经计算,其在工作站上所用的平均时间为0.51 s,在微型工控机上为1.48 s,均可满足实际采摘需要。该研究可为果蔬采摘的准确高效识别提供借鉴。

基于改进YOLOv3-Tiny的番茄苗分级检测

为了提高番茄苗分选移栽分级检测精度,该研究提出了YOLOv3-Tiny目标检测改进模型。首先建立了番茄穴盘苗数据集,使用K-means++算法重新生成数据集锚定框,提高网络收敛速度和特征提取能力;其次为目标检测模型添加SPP空间金字塔池化,将穴孔局部和整体特征融合,提高了对弱苗的召回率;同时加入路径聚合网络(PANet),提升细粒度检测能力;引入了SAM空间注意力机制,提高对番茄苗的关注,减少背景干扰;增加了ASFF(Adaptively Spatial Feature Fusion)自适应特征融合网络,能够使目标检测模型对多个级别的特征进行空间滤波;采用CIoU损失函数策略,提高模型收敛效果。改进的YOLOv3-Tiny目标检测模型经过数据集训练,在测试集上能够达到平均精度均值为97.64%,相比YOLOv3-Tiny模型提高了3.47个百分点。消融试验验证了网络结构改进和训练策略是有效的,并将改进的YOLOv3-Tiny目标检测算法与5种目标检测算法进行对比,发现改进的YOLOv3-Tiny目标检测模型在重合度阈值为50%的条件下平均精度均值为97.64%。单张图像处理时间为5.03ms,较其他目标检测算法具有明显的优势,验证了该模型能够满足番茄苗分级检测精度要求,可以为幼苗分选检测方法提供参考。

双激光雷达温室运输机器人导航系统研制

为解决机器人在温室环境下的自主导航问题,该研究研制了基于双激光雷达的温室运输机器人导航系统,实现温室环境下的地图构建、路径规划和定位导航。融合激光雷达与编码器信息,使用cartographer算法及时定位与地图构建。根据地图与检测点信息,采用Dijkstra算法规划全局路径,使用动态窗口算法规划局部路径,完成自主导航。试验表明,车载系统分别以0.2、0.5和0.8 m/s速度运行时,实际导航路径与目标路径的横向平均偏差小于13 cm,标准差小于5 cm;导航目标点处横向偏差、纵向偏差的平均值不超过9 cm,均方根误差不超过11.2 cm,标准差小于5 cm,航向偏差的平均值小于10°,均方根误差小于12°,标准差小于6°,满足机器人温室运输作业的导航精度需求。

进风位置对纵向通风叠层鸡舍气流和温度影响CFD模拟

为提高鸡舍夏季通风效率,改善舍内环境条件,该文通过计算流体力学(computational fluid dynamics,CFD)模拟分别探究了进风口内侧加设导流板及不加设导流板时,进风位置对叠层笼养鸡舍舍内及笼内气流、温度及分布的影响。鸡舍模型通过现场试验进行验证。结果表明:在进风口内侧不加设导流板时,近进风口区域(距首个笼17.5 m之内鸡笼区域)笼内平均风速随着进风位置与鸡笼间距离增加而增大,最大增幅为0.54 m/s。而当进风口内侧加设导流板时,不同进风位置时对笼内平均风速相对差异小于10%。同时,随着进风位置与鸡笼间距离增加,近进风口处笼内气流分布均匀性增加,笼内温度呈降低趋势且其分布趋于均匀。但进风位置对笼内环境影响范围有限,文中研究显示,进风位置对气流速度的影响范围为距首个笼27 m之内笼内区域,对气流分布均匀性的影响范围为距首个笼45 m之内笼内区域,对温度分布的影响范围为距首个笼18 m之内笼内区域。研究表明,在叠层鸡舍夏季通风系统进风位置设计中,应尽量设计在山墙,及保证进风口与鸡笼区域无重合,使得进风气流充分发展后进入鸡笼,有助于减少笼内通风弱区及涡流区域。

连栋玻璃温室采暖热负荷计算方法

采暖热负荷是温室采暖系统设计中最基本的参数,为了研究随着内保温幕等设备的普及应用和温室密闭性的改善,现行标准体系下计算出的温室热负荷是否仍旧适用,该研究比较了中国和美国的共6个标准中的采暖热负荷计算方法,并以北京地区连栋玻璃温室为例进行采暖热负荷的定量分析。研究表明,基础墙传热热损失约占围护结构总热损失的0.1%,地面热损失占温室总热负荷的1%左右,两者均不是影响温室采暖热负荷的主要因素。计算表明,按照6个标准分别计算出的温室单位面积采暖热负荷最小为230.10 W/m^2,最大为305.24 W/m^2,相互之间差异较大,而且与温室实际配置散热器的散热量139.61 W/m^2相比整体存在明显差距。在考虑内保温幕保温作用后温室的单位面积采暖热负荷最小为101.56 W/m^2,最大为176.69 W/m^2,如剔除中国民用与工业建筑中由于没有考虑玻璃拼缝造成冷风渗透热损失偏低的最小值,温室专用标准的热负荷计算方法基本符合实际情况。为此,研究提出在温室采暖热负荷计算中应充分考虑温室保温幕的作用,冷风渗透热损失应按换气次数法而非缝隙法计算。研究结果可为中国连栋玻璃温室采暖热负荷计算科学化、精准化、标准化提供依据。

椰糠条栽培番茄的蒸腾反馈智能灌溉系统研制

为满足番茄椰糠条栽培条件下自动精量灌溉的需要,该研究研制了一套蒸腾反馈智能灌溉系统,包括蒸腾检测组件、通信组件、决策组件和灌溉组件。蒸腾检测组件基于压力传感器测定番茄蒸腾量;决策组件基于椰糠条的持水特性和番茄蒸腾量的变化建立了灌溉精量控制模型,精确控制水泵启动和关闭,使灌溉量根据作物蒸腾量的多少变化,并根据回液量及其电导率(Electrical Conductivity,EC)值变化判断调用正常灌溉模式或淋洗模式,使椰糠条始终处于适宜的含水量范围内,保持一定的水气比,以利于番茄根系生长和吸收营养液,解决灌溉不足造成的干旱胁迫和灌溉太多造成的营养液浪费和回液处理量大的问题;通信组件用于各模块间信号的传递。以荷兰RIDDER公司研发的基于光辐射积累量控制的灌溉系统为对照,检验该蒸腾反馈智能灌溉系统的应用效果。结果表明,在番茄盛果期,该系统的灌溉量比对照增加9.4%,回液量减少18%,且回液EC值比较稳定;与定时灌溉相比,减少灌溉量32%,减少回液量57%,有更多的营养液被植物吸收利用。栽培效果显示,使用该系统灌溉的番茄产量、株高、节数与使用荷兰RIDDER公司研制的灌溉系统的没有显著差异,取得了与之相同的灌溉效果;而且,在5 000 m^(2)温室内设备设计使用年限10 a条件下,该智能灌溉系统年运行成本与之相比还降低了20.8%,并能够满足自动精量灌溉的需求。若根据基质类型不同调整灌溉控制模型参数,该系统也可应用于岩棉条栽培、混合基质盆栽等其他无土栽培的智能精量灌溉。

温室蔬菜高架栽培CO2供气负荷计算与设备选型方法

针对温室CO2供给设备容量设计缺乏相关理论和设备配置的相关规范,在分析CO2恒定浓度控制模型、低浓度控制模型、恒定供气流量控制模型的基础上,探索建立了温室内CO2平衡模型,结合作物对CO2的需求和大型连栋温室蔬菜高架栽培的土壤CO2释放量低等特点,提出了温室CO2施肥供气负荷计算方法;以天然气锅炉的回收烟气和液态CO2为气源,提出了以CO2供应为目标的天然气锅炉功率和液态CO2储液罐容积计算方法,为相应设备的设计选型提供了理论依据。以栽培面积49200 m^2,容积329640 m^3的文洛型温室为案例,采用该文建立模型进行计算表明,在CO2施肥恒定流量控制模式下,设定最低控制CO2体积分数为600×10^-6 m^3/m^3条件下,白天仅需运行1台额定蒸发量为10 t/h的天然气锅炉就可满足CO2施肥需求;用液化CO2施肥,在CO2低浓度控制模式下,设定最低控制CO2体积分数为500×10^-6 m^3/m^3条件下,则需要配备容积为20 m^3的储液罐。实际运行情况表明,该文建立的CO2施肥供气负荷计算与设备选型方法切实可行,满足实际生产的要求。

加工辣椒优质高效栽培技术

为了发挥加工辣椒在新疆焉耆地区的规模、品质优势,并保持其强劲的发展势头,提升广大农户的科学种植水平,实现加工辣椒的优质、高效生产尤为重要。农业农村部与北京市农林科学院的专家们通过实地调研和现场座谈,深入总结农户和农业技术员的实践经验,并以此为基础进行系统的归纳整理,形成1套包含整地、定植、灌溉、施肥、病虫害防治、收获等方面,科学完整的加工辣椒优质高效栽培技术,为实现辣椒产业的产供销有效对接,提供了技术保障,为当地种植结构调整、农业生产增效、种植农户增收提供了有益参考。

温室甜椒采摘机器人

温室内蔬菜采摘,尤其是茄果类蔬菜采摘是世界难题,人力成本的不断上升,种植者不断呼吁降低劳动强度,机器代替人们进行工作终将成为大趋势。随着人工智能技术的发展,温室果蔬采摘机器人研究成为当今热点。

温室番茄生产全光谱LED补光技术

近日,欧司朗照明公司(oSRAM)公布了一份番茄光温耦合试验研究报告,比较研究了全光谱LED补光灯和传统高压钠灯HPS的温室番茄生产,试验结果表明,全光谱LED补光灯在温室番茄生产中是可行的。