基于无人机遥感的作物长势监测研究进展

无人机遥感技术作为一种新型的农业技术,为精准农业领域的发展提供了重要的技术支持。与传统监测方法相比,无人机遥感具有成本低、时效性强、无大气干扰、分辨率高等优点,为农业信息采集提供了新的工具。无人机农业遥感技术能够高效、无损地精确采集农业遥感数据,对作物长势进行实时监测,为农业生产提供重要的获取空间数据途径。近年来,随着无人机技术和遥感技术的不断发展和成熟,无人机农业遥感技术的应用范围逐步扩大,涵盖了作物生长监测、精准施肥、精准灌溉、病虫害预警等多个领域。本文重点介绍无人机遥感技术在作物生长监测中的应用,主要介绍了无人机遥感系统的组成、无人机遥感平台和传感器的类型和特点、基于无人机遥感图像数据处理的关键步骤以及作物长势监测的重要指标,综合评估了无人机遥感技术在作物长势监测方面应用的研究现状和存在的问题旨在为后续的无人机遥感技术在作物长势监测中的研究提供参考。

生态无人农场模式探索及发展展望

中国的农业生产建立在过量农药化肥投入的基础上,导致农田生态环境失衡,不利于农业的可持续发展,同时,农业劳动力短缺问题日益凸显,寻求一种生态化、高效化、智慧化的农业模式势在必行。基于多年的实践与探索,该文作者团队在山东淄博落地建成了中国首个生态无人农场,提出了“生态无人农场”的模式与发展理念。文章总结出农药、化肥和土壤耕作制度对农田生态系统造成的不利影响最为明显,提出通过一系列无人化作业手段与模式对农田生态系统进行生态化管理与改造,来实现农业生产的可持续发展。在此基础上,通过天空地一体化农情信息获取、地空一体化无人机群协同作业以及构建能够完全自主决策的智慧云大脑的技术集成创新模式,来实现农田信息的自动采集和处理、科学决策以及无人农机的远程控制等功能。文章对生态无人农场关键技术与模式进行了总结论述,提出了生态无人农场模式的实施内涵,以期为未来农业、智慧农业的发展以及推进农业农村现代化高质量发展提供借鉴。

基于无人机多光谱遥感的棉花生长参数和产量估算

及时准确地监测棉花长势和产量是精准农业栽培管理的关键。无人机(UAV)平台能够快速获取高时空分辨率的遥感数据,在作物生长参数和产量估算方面显示出巨大的潜力。以山东省滨州市棉花为研究对象,利用安装在无人机上的多光谱相机获取遥感影像,分别提取各波段反射率,筛选出8种植被指数,采用多元线性回归(MLR)、随机森林(RF)、人工神经网络(BPNN)3种方法分别构建棉花的株高、叶绿素相对含量、单株产量的估计模型并进行验证。结果表明,基于BPNN的预测模型精度明显优于MLR和RF模型,盛花期与成熟期棉花株高估计模型验证集的R^(2)分别为0.842和0.670;叶绿素相对含量估算模型验证集的R^(2)分别为0.725和0.765;产量估算模型验证集的R^(2)分别为0.860和0.846。为无人机遥感在作物生长参数与产量估算领域中的应用提供理论依据,为进一步优化农业生产管理、科学决策提供参考。

基于无人机可见光影像和面向对象的树种分类研究

针对目前林业部门人工调查树种存在效率低、成本高等问题,采用无人机遥感技术进行树种分类识别,提高树种调查效率,辅助林业管理部门进行林木种植结构分析、病虫害防治等工作。利用无人机获取矮冬青、三球悬铃木、马尾松和紫叶李的冠层红绿蓝(red-green-blue,RGB)可见光影像,进行数字表面模型(digital surface model,DSM)特征图像提取,通过色彩空间转换提高树种间颜色差异;应用最优尺度分割,以纹理特征、颜色特征及几何特征为分类特征参数,优选最佳分类特征集,以期实现无人机可见光影像的树种分类。结果表明,DSM与RGB特征融合图像提取树种的精度较高,可见光影像分类总精度为91.58%,Kappa系数为0.89;特征融合图像分类总精度为98.27%,Kappa系数为0.98。研究提出的特征融合图像结合面向对象分类方法实现了可见光影像的树种分类,为实现树种计数、统计、分类提供数据参考。

基于SLAM的无人机飞行参数设定方法研究

为克服无人机林间飞行环境复杂、作业多样化、点云数据质量难以评价等导致的飞行参数不合理、点云数据质量差的问题,提出一种基于同时定位与建图(Simultaneous Localization and Mapping,SLAM)的无人机林间环境飞行参数设定方法。首先使用三维激光雷达所采集的林间点云数据进行建图,然后通过建图轨迹与GNSS-RTK数据轨迹进行对比分析,评价点云数据的质量,最后根据其均方根误差对无人机的最佳飞行高度与速度参数进行设定。分析结果表明:飞行速度固定时,机载激光雷达飞行轨迹的均方根误差与飞行高度成正相关。飞行高度固定时,机载激光雷达飞行轨迹的均方根误差与飞行速度成正相关。在平均高度为6~7 m,长度为100 m的林间,无人机的最佳飞行高度为12 m,最佳飞行速度为2 m/s,均方根误差为1.262 m。该方法满足评价点云数据质量的需求,同时为无人机林间环境飞行参数的设定提供理论支撑。

基于赤眼蜂的生物防治技术研究现状与展望

赤眼蜂人工投放效率低,时效性差,难以满足大面积防治的需求,且容易出现漏防、覆盖不均匀等问题。为解决上述难题,进一步推进赤眼蜂机械化投放技术,综述国内外赤眼蜂投放技术的发展状况,对比分析现有的几种主要的赤眼蜂卵的保护措施以及相关投放机械。结合我国赤眼蜂防治技术的应用情况,指出我国赤眼蜂投放技术的相关研究单一、赤眼蜂投放机械的应用不成熟等问题,并对赤眼蜂投放技术在机械创新设计、精准投放、智能作业等方向进行展望,旨在为更好地实现机械化投放赤眼蜂提供参考。

基于改进YOLOv5s的自然场景下生姜叶片病虫害识别

为提高自然环境下生姜叶片病虫害的识别精确率,提出一种基于改进YOLOv5s的生姜叶片病虫害识别模型。建立了田间不同自然环境条件下的生姜叶片病虫害数据集,为保证模型在田间移动设备上流畅运行,实现网络模型的轻量化,在YOLOv5s中引入GhostNet网络中的Ghost模块和Ghost BottleNeck结构。同时,为避免生姜叶片病虫害图像小目标特征丢失的情况,增强图像特征提取,加入CA注意力机制模块,提升生姜叶片病虫害的识别准确率和定位精确度。改进后的模型参数量、计算量和权重文件大小分别为YOLOv5s模型的52.0%、50.6%和55.2%,对生姜叶片病虫害识别平均精度均值达到了83.8%。与Faster-RCNN、SSD、YOLOv4、YOLOv5s、Tea-YOLOv5s等算法相比,平均精度均值分别提高37.6、39.1、22.5、1.5、0.7个百分点,将改进后的目标检测模型部署在Jetson Orin NX开发板上,并使用TensorRT、Int8量化和CUDA等方法对检测模型加速,加速后的模型检测速度为74.3帧/s,满足实时检测的要求,测试结果显示,改进后的模型减少了漏检、误检的情况,并且对目标定位更加精准,适用于自然环境下生姜叶片病虫害的精准识别,为后续生姜机械自动化施药作业提供技术理论支持。

基于改进纯追踪模型的农机路径跟踪算法研究

为提高农机作业时直线行驶的精度,提出了一种基于改进纯追踪模型的农机路径跟踪算法。在建立了运动学模型和纯追踪模型的基础上,对农机直线跟踪方法进行研究;针对GPS导航精度易受噪声干扰的问题,通过卡尔曼滤波对航向误差以及横向误差进行了平滑处理,以获取更高精度的航向误差和横向误差;为提高纯追踪模型的自适应能力,以横向误差和航向误差的均方根误差为基础,构建适应度函数,并设计了权重函数,采用横向误差作为主要决策参数,通过粒子群优化(Particle swarm optimization,PSO)算法实时确定纯追踪模型中的前视距离;为使粒子群减少计算时间、尽快进行局部搜索,对PSO算法中惯性权重系数进行了改进。以东方红1104-C型拖拉机为试验平台,设计了农机自动导航控制系统,进行了农田播种试验。结果表明:当农机行驶速度为0.7 m/s时,采用基于改进纯追踪模型的农机路径跟踪算法,直线跟踪的最大横向误差为0.09 m;当行驶距离超过5 m后,最大横向误差为0.02 m,该算法能够有效地提高农机作业时的直线行驶精度。

正态分布规律变量调节式多功能条播装置设计与试验

针对条播装置成条的需求,设计了一种基于正态分布规律变量调节的多功能条播装置,该装置能够实现均匀和不均匀等多种成条效果。该装置无需更换复杂配件,只需要改变调节单元结构布局,操作简单灵活,能够一机多用。从条播装置整体结构设计、原理阐述和仿真分析与台架测试方面开展研究,通过颗粒进料口喂入角仿真试验选定了进料口角度,并选取复合肥颗粒与水稻种子颗粒,经离散元仿真软件(Enhances discrete element method,EDEM)仿真和台架试验测试了变量调节性能,对条播装置在不同变量调节下的成条效果进行动态测试。进料口喂入角仿真试验结果表明,在70°喂入角下,网格间变异系数差异达18%,颗粒流变化相对较小,颗粒流相对均匀。条播装置变量调节性能试验结果表明,各排料管之间的复合肥颗粒流量差异最大为组合8(变异系数为92%),最大差值为0.214 kg,变量范围最大(6%~41%);各排料管之间的复合肥颗粒流量差异最小为组合11(44%),最小差值为0.100 kg,变量范围最小(11%~27%);各排料管之间的水稻种子颗粒流量差异最大为组合8(90%),变量范围最大(5%~40%);各排料管之间的水稻种子颗粒流量差异最小为组合11(40%),变量范围最小(11%~27%);12个组合的变异系数与变量范围差异显著,复合肥颗粒的变异系数整体为44%~92%,变量范围整体为6%~42%;水稻种子的变异系数整体为40%~90%,变量范围整体为5%~40%,装置可实现多样化变量调节。变量成条效果动态测试试验结果表明,所有组合下的复合肥颗粒与水稻种子颗粒的成条效果都明显,条带波动小,条带宽度和间距稳定。

基于自动导航的农业装备全覆盖路径规划研究进展

目前农业机械向着大型化自动化发展,同时农业无人机也应用于农业植保作业,全覆盖路径规划作为农业机械导航的核心技术,对农业机械作业质量有着直接影响。基于目前全覆盖路径规划技术发展研究,按照传统规划算法以及启发式算法的分类对各种算法在农业机械导航上的应用进行介绍,并且对于各种算法的优缺点进行总结。基于算法发展趋势以及农业发展需要,提出算法满足多机协同、动态路径规划、多算法结合以及优化机械转向路线的发展趋势,为我国全覆盖路径规划研究提供重要依据。

不同喷雾助剂在植保无人机喷施作业中对雾滴沉积特性的影响

为研究不同喷雾助剂的理化性质及喷雾助剂在玉米叶片上的沉积特性,该研究将6种喷雾助剂对药液表面张力、药液在玉米叶片上接触角以及无人机喷施6种不同的喷雾助剂对雾滴的沉积特性进行对比。结果表明:喷雾助剂可以显著降低(P=0.000)溶液的表面张力,与清水溶液的表面张力相比Starguar4A喷雾助剂对降低溶液表面张力的作用效果最好,降低了67.8%。喷雾助剂对溶液在玉米叶片上接触角的变化程度影响不同,随着时间的增加雾滴在玉米叶片上的接触角均逐渐降低,其中Ultimate喷雾助剂的雾滴在滴落到玉米叶片上90 s后接触角降低至0°。与清水溶液相比倍达通喷雾助剂的雾滴密度、覆盖率与沉积量作用效果最好,雾滴密度与覆盖率、沉积量分别提高了35.1%、93.8%、31.9%;添加喷雾助剂后除倍达通喷雾助剂外,其他喷雾助剂溶液的雾滴体积中径DV0.5均有所降低;添加喷雾助剂对雾滴谱宽的影响不明显。在田间进行无人机植保喷施作业时,可以优选使用倍达通喷雾助剂,虽然倍达通喷雾助剂的表面张力与接触角并不是最优,但是也能够满足田间使用植保无人机喷雾作业的要求。同时,该试验也为进一步提高农药的利用率提供数据参考。

智能施药机器人关键技术研究现状及发展趋势

喷施化学农药是病虫害防治最主要的手段,对保证作物的产量起着至关重要的作用。传统的施药机械工作效率低,且使用同一施药量进行连续喷施作业易造成农药浪费、环境污染。随着农业智能化发展,机器人被广泛应用到农业植保作业中,智能施药机器人以减少劳动力投入、提高农药利用率、减少农药施用量以及减少环境污染为目的,实现了更加高效、精准的病虫害防治。智能施药机器人是集复杂农业机械、智能感知、智能决策、智能控制等技术为一体的现代农业施药装备,可自主、高效、安全、可靠地完成施药作业任务。为明确智能施药机器人及关键技术的国内外研究现状,本文总结了适用于不同作业场景的施药机器人的应用进展,从智能施药机器人的移动平台设计、喷雾装置设计、导航技术、智能识别技术4个方面进行分析,结合施药机器人作业环境的复杂多变性,分析智能施药机器人关键技术的现存问题,阐述智能施药机器人未来的发展趋势是精准变量施药、自主导航以及无人化作业,以期为智能施药机器人在未来的研究提供参考。

植保无人机低容量喷雾防除玉米田杂草的雾滴沉积特性及除草效果

为探索植保无人机在4~6叶期玉米田喷施除草剂雾滴沉积分布规律及杂草防除效果,通过改变药液雾滴粒径及喷液量测定了靶标杂草的雾滴沉积规律及对药效的影响。结果表明,相同喷液量条件下,靶区雾滴覆盖率和雾滴沉积量随雾滴粒径增大而增加,雾滴密度随雾滴粒径增大而减少;施药后30 d对杂草的株防效为72.87%~92.63%,鲜重防效为83.07%~97.30%。研究结果为玉米田除草剂合理喷施、安全喷施提供了参考数据。

基于Scan Context与NDT-ICP相融合的果园建图方法研究

由于果园环境复杂、树冠特征单一,且叶片会引起光线漫反射等因素,导致果园环境的地图构建过程中出现误匹配,增大建图的累计误差。针对以上问题提出一种基于Scan Context与NDT-ICP相融合的果园环境导航地图构建方法。该方法首先对Ring key进行快速地上层搜索,得到候选帧,并对候选帧与当前帧进行相似度评分,通过两阶段搜索算法来有效地检测回环以减少果园环境地图中的误匹配。同时使用基于正态分布变换粗配准与迭代最近点精确配准融合的点云配准方法降低果园环境地图的累计误差。试验结果表明,在KITTI数据集中使用半径搜索回环检测的回环数为42,使用Scan Context回环检测的回环数为51,回环数提高21.4%。NDT-ICP匹配算法的均方根误差为12.86 m,ICP匹配算法的均方根误差为15.11 m。在真实果园环境中使用半径搜索回环检测的回环数为196,使用Scan Context回环检测的回环数为261,回环数提高33.2%。该研究算法有效地降低果园环境地图构建过程中的误匹配、累计误差大的影响,满足果园环境下的高精度环境建图需求,为推进果园环境的无人化作业提供技术支撑。

基于WGAN和MCA-MobileNet的番茄叶片病害识别

针对番茄病害识别模型参数量大、计算成本高、准确率低等问题,本文提出一种基于多尺度特征融合和坐标注意力机制的轻量级网络(Multi-scale feature fusion and coordinate attention MobileNet, MCA-MobileNet)模型。采集10类番茄叶片图像,采用基于Wasserstein距离的生成对抗网络(Wasserstein generative adversarial networks, WGAN)进行数据增强,解决了样本数据不足和不均衡的问题,提高模型的泛化能力。在原始模型MobileNet-V2的基础上,引入改进后的多尺度特征融合模块对不同尺度的特征图进行特征提取,提高模型对不同尺度的适应性;将轻量型的坐标注意力机制模块(Coordinate attention, CA)嵌入倒置残差结构中,使模型更加关注叶片中的病害特征,提高对病害种类的识别准确率。试验结果表明,MCA-MobileNet对番茄叶片病害的识别准确率达到94.11%,较原始模型提高2.84个百分点,且参数量仅为原始模型的1/6。该方法较好地平衡了模型的识别准确率和计算成本,为番茄叶片病害的现场部署和实时检测提供了思路和技术支撑。

精密排种器组合式导种管设计与试验

针对不同排种速度下,种子投送轨迹的水平偏移量差异导致种子与导种管壁碰撞接触点不同,造成粒距一致性降低的问题,该研究在传统一体式固定导种管的基础上设计一种由结合段和投送段两段管体构成的组合式导种管,两段管体由转动副连接,在驱动机构作用下,可进行整体平移和绕转动副的旋转运动。对组合式导种管工作原理和投种过程进行理论分析,构建投种过程的种子动力学模型。运用离散元软件EDEM建立种子—管体仿真模型,以作业速度和投送段末端倾角为因素进行仿真试验,得到不同速度下两管体的最佳姿态,构建作业速度与组合式导种管运动关系数学模型。搭建导种性能试验平台,设计组合式导种管运动控制系统,进行导种性能验证试验,结果表明,组合式导种管在2~12 km/h作业速度下的姿态对种子具有较好的引导效果,与导种管初次接触后发生二次弹跳的种子占比小于2.39%;组合式导种管在不同作业速度下的排种粒距合格率均高于传统导种管,能够准确还原排种器的本征排种性能,在作业速度为2~6 km/h时排种粒距合格率在96.35%左右,在12 km/h时降至84.17%;组合式导种管各速度下的排种粒距变异系数较传统导种管平均降低24.65个百分点;在作业速度为2~12 km/h的变速过程中,组合式导种管的排种粒距合格率较传统导种管平均提高15.10个百分点。组合式导种管均能够适配多种工作速度,保证粒距均匀性,为播种机的高速导种提供新思路和技术参考。

气吸式排种器扁平种子吸附姿态调节机构设计与试验

针对气吸式排种器在进行扁平形状种子排种时,充种性能不稳定,排种效果不佳的问题,该研究以扁平玉米种子为作业对象,从种子的吸附姿态调节入手,设计一种具有倾斜凸台式取种结构的气吸式排种器。对排种器的倾斜凸台作业过程进行理论分析和设计计算,针对平面盘、凹槽盘和凸台盘3种排种盘的作业过程进行离散元仿真分析,结果表明:凸台盘对种群的扰动能力、离散程度和扭矩高于其他排种盘,倾斜凸台在取种过程中能够改变种子的姿态,实现种子扁平面与吸孔表面间的平行吸附。台架试验结果表明,凸台盘的单粒吸附率优于凹槽盘和平面盘,随着前进速度升高,单粒吸附率先增大后减小,8 km/h时达到最高值91.70%;随着负压增大,单粒吸附率变化趋势相同,3 kPa时达到最高值90.84%;凸台盘的稳定吸附率和平行吸附率随速度增大出现小幅降低,随负压增大逐渐升高并在3 kPa趋于稳定,凸台盘的吸附性能优于其他两种排种盘,同时3种排种盘在取种时的平行吸附率与投种位置的稳定吸附率呈正比。前进速度4~8 km/h时,凸台盘的排种合格率稳定在98%以上,随后逐渐下降,12 km/h时降至93.18%;田间试验结果表明,排种器作业性能随前进速度升高而降低,12 km/h时,凸台盘的合格率降为90.34%,漏播率升高至6.52%,满足精密播种要求。倾斜凸台式取种结构能够对扁平种子吸附姿态进行有效调节,提高吸附稳定性和排种器作业性能,研究结果可为扁平种子高速精量取种提供技术参考。