基于YOLO v7-ST模型的小麦籽粒计数方法研究

针对小麦考种过程中籽粒堆积、粘连和遮挡现象导致计数准确率低等问题,本文基于电磁振动原理设计了高通量小麦籽粒振动分离装置,通过分析受力探讨了籽粒离散分离程度的主要影响因素,并引入二阶离散系数建立了籽粒离散度等级评价方法。在此基础上,引入Swin Transformer模块构建YOLO v7-ST模型,对不同离散度等级下小麦籽粒进行计数性能测试。试验结果表明,YOLO v7-ST模型在3种离散度等级下平均计数准确率、F1值和平均计数时间的总平均值分别为99.16%、93%和1.19 s,相较于YOLO v7、YOLO v5和Faster R-CNN模型,平均计数准确率分别提高1.03、2.34、15.44个百分点,模型综合评价指标F1值分别提高2、3、16个百分点,平均计数时间较YOLO v5和Faster R-CNN分别减少0.41 s和0.36 s,仅比YOLO v7模型增大0.09 s。因此,YOLO v7-ST模型可实现多种离散度等级下不同程度籽粒遮挡和粘连问题的准确快速检测,大幅提高小麦考种效率。

拖拉机自动驾驶全局路径规划算法研究

拖拉机是农业生产中重要的动力机械,而拖拉机的自动驾驶系统是实现精准农业的重要组成部分。面对我国多变的作业地形,对作业路径及田间掉头转弯路径规划的深入研究显得尤为重要。为了提高农机自动驾驶系统的智能化和精准化,进而提升农机作业的效率,本文研究了一种拖拉机自动驾驶全局路径规划系统,根据输入地块的情况以及农机具参数和作业工艺的要求,输出一种科学合理的自动驾驶全局路径规划算法。