科研产出
外保温连栋温室光热环境及保温性能分析
《农业工程学报 》 2023 EI 北大核心 CSCD
摘要：为解决中国北方地区连栋温室冬季加温能耗大、盈利性和可持续性差等问题，该研究以降低屋面热损失为出发点，设计了大屋面外保温连栋温室，将外保温系统创新应用于连栋温室，并在山东寿光地区，以文洛型连栋温室为参照，对该温室光热环境及保温性能进行试验测试与分析。结果表明：1)连续40d白天（10:00—16:00），外保温连栋温室作物冠层上方平均太阳辐射为152 W/m~2，总透光率（含天沟下方）为40%，比文洛型连栋温室高7个百分点。外保温连栋温室跨中采光最佳，跨东、跨西及天沟下方太阳辐射强度与跨中相比分别减少17%、29%及46%。2)太阳升起后，外保温连栋温室东、西屋面外保温被依次收拢，09:30—12:00室内气温升速为1.9℃/h，较文洛型连栋温室低0.3℃/h，收拢保温后10min内室内气温骤降幅度比文洛型连栋温室低0.3℃。温室采用空气内循环加温，地面出风，再由设备间风机组内侧窗回风；加温期间（20:00—07:00）室内空气水平方向平均温差不超过1.2℃，垂直方向不超过1.0℃。外保温连栋温室水平方向气温分布均匀，垂直方向温差小于文洛型连栋温室。3)夜间，外保温连栋温室平均气温为13.1～16.1℃，室内外平均温差为12.8～21.0℃，覆盖外保温被的屋面平均热通量为50.0～97.7W/m~2，单层玻璃屋面为217.6～367.9 W/m~2，覆盖外保温可减少75%的玻璃屋面热损失。同期，采用双层内保温的文洛型连栋温室屋面平均热通量为141.1～232.2 W/m~2，外保温连栋温室与之相比屋面热损失降低36%，具有更佳的保温性能。加温期间外保温连栋温室平均热量投入实测为74.5W/m~2，并维持17.4℃的室内外平均温差，能耗较低。最后拟合了室内外温差对不同温室屋面热通量的影响，外保温连栋温室具有更高的拟合优度。该研究为连栋温室低碳节能发展提供了新型温室结构，也为外保温连栋温室的优化设计和工程应用提供了数据基础。
关键词： 温室 温度 环境 保温 太阳辐射 空气温度 热通量
全文链接
请求原文
采用组合增强的YOLOX-ViT协同识别温室内番茄花果
《农业工程学报 》 2023 EI 北大核心 CSCD
摘要：番茄花果的协同识别是温室生产管理调控的重要决策依据，针对温室番茄栽培密度大，植株遮挡、重叠等因素导致的现有识别算法精度不足问题，该研究提出一种基于级联深度学习的番茄花果协同识别方法，引入图像组合增强与前端ViT分类网络，以提高模型对于小目标与密集图像检测性能。同时，通过先分类识别、再进行目标检测的级联网络，解决了传统检测模型因为图像压缩而导致的小目标模糊、有效信息丢失问题。最后，引入了包括大果和串果在内的不同类型番茄品种数据集，验证了该方法的可行性与有效性。经测试，研究提出的目标检测模型的平均识别率均值（mean average precision,m AP）为92.30%，检测速度为28.46帧/s，其中对小花、成熟番茄和未成熟番茄识别平均准确率分别为87.92%、92.35%和96.62%。通过消融试验表明，与YOLOX、组合增强YOLOX相比，改进后的模型m AP提高了2.38～6.11个百分点，相比于现有YOLOV3、YOLOV4、YOLOV5主流检测模型，m AP提高了16.56～23.30个百分点。可视化结果表明，改进模型实现了对小目标的零漏检和对密集对象的无误检，从而达到了高精度的协同检测目标。研究成果为温室种植环境下的番茄生长识别提供参考。
关键词： 图像识别 深度学习 番茄 级联网络 YOLOX Transformer 协同检测 图像增强
全文链接
请求原文
融合注意力机制的开集猪脸识别方法
《农业机械学报 》 2023 EI 北大核心 CSCD
摘要：针对闭集猪脸识别模型无法识别训练集中未曾出现的生猪个体的问题，本文设计了一种融合注意力机制的开集猪脸识别方法，可实现开集猪脸图像识别，识别模型从未处理过的生猪个体。首先基于全局注意力机制、倒置残差结构和深度可分离卷积构建了轻量级的特征提取模块（GCDSC）;然后基于高效注意力机制、Ghost卷积和残差网络设计C3ECAGhost模块，提取猪脸图像高层语义特征；最后基于MobileFaceNet网络，融合GCDSC模块、C3ECAGhost模块、SphereFace损失函数和欧氏距离度量方法，构建PigFaceNet模型，实现开集猪脸识别。实验结果表明，GCDSC模块可使模型猪脸识别的准确率提高1.05个百分点，C3ECAGhost模块可将模型准确率进一步提高0.56个百分点。PigFaceNet模型在开集猪脸识别验证中的准确率可达94.28%,比改进前提高1.61个百分点，模型占用存储空间仅为5.44 MB,在提高准确率的同时实现了模型轻量化，可为猪场智慧化养殖提供参考方案。
全文链接
请求原文
利用光谱空间特征估算马铃薯植株氮含量
《光谱学与光谱分析 》 2023 EI SCI 北大核心 CSCD
摘要：植株氮含量（PNC）是评价作物长势和营养状况的重要指标，快速准确获取作物的PNC信息可为农田管理策略的制定与实施提供重要依据。已有研究表明，仅采用影像的光谱信息估算作物的PNC存在饱和现象，该研究尝试采用植被指数（VIs）结合二维离散小波分解技术（DWT）提取的多个尺度的高频信息（HFI）构建一种光谱空间特征（VIs+HFI）,探究VIs、 HFI和VIs+HFI估算PNC的能力。首先，以无人机为遥感平台获取马铃薯现蕾期、块茎形成期、块茎增长期、淀粉积累期和成熟期5个氮营养关键生育期的数码影像并实测各生育期的PNC数据。其次，基于预处理的无人机影像，提取各生育期冠层的光谱信息构建VIs,并采用DWT提取各生育期1～5尺度的HFI。然后，将各生育期提取的VIs和HFI与马铃薯PNC进行相关性分析，分别筛选出相关系数绝对值较大的前7个VIs和前10个HFI。为降低共线性对实验结果的影响，根据KMO检验结果对筛选的HFI进行主成分分析（PCA）降维处理。最后，采用岭回归和极限学习机（ELM） 2种方法分别以VIs、 HFI主成分和VIs+HFI主成分为模型变量构建马铃薯各生育期的PNC估算模型，并进行评估。结果表明：（1）马铃薯各生育期，1～5尺度的HFI对估算PNC均有贡献。（2）以VIs+HFI为模型变量构建的马铃薯PNC估算模型的精度和稳定性高于单一VIs和HFI。（3）马铃薯各生育期，以岭回归方法构建的PNC估算模型优于ELM方法。其中，以VIs+HFI为模型变量构建的PNC估算模型效果最优，5个生育期的建模R~2分别为0.833、 0.764、 0.791、 0.664和0.435, RMSE分别为0.332%、 0.297%、 0.275%、 0.286%和0.396%; NRMSE分别为9.113%、 9.425%、 10.336%、 9.547%和15.166%,该研究可为马铃薯氮营养状况的实时高效监测提供一种新的技术支撑。
全文链接
请求原文
基于高光谱成像技术和IRIV算法的玉米种子品种纯度识别
《江苏大学学报(自然科学版) 》 2023 EI 北大核心 CSCD
摘要：基于高光谱成像技术，提出了一种无损、快速的玉米种子纯度识别方法.首先，采用多元散射校正（MSC）等方法对数据进行预处理；其次，应用竞争性自适应重加权法（CARS）和迭代保留信息变量法（IRIV）提取特征波长；再次，建立支持向量机（SVM）和线性判别分析（LDA）等纯度识别模型；最后，设置随机种子值，使用采集函数“expected-improvement-plus”搜索置信区间中的待评价点，得到使交叉验证损失最小的超参数值，提高模型的准确率.结果表明：MSC-IRIV-LDA识别模型准确率最高，训练集和预测集的准确率分别为0.960 4和0.933 3,K值为0.918 6;对LDA的δ和γ超参数值进行优化后，进一步提高了训练集、预测集准确率和K值；本研究提出的方法能够实现玉米种子纯度无损、快速识别，为精准农业的发展提供技术支持.
关键词： 玉米种子 高光谱 迭代保留信息变量法 线性判别分析 纯度
全文链接
请求原文
玉米除草机器人视觉导航系统设计与试验
《农业工程学报 》 2023 EI 北大核心 CSCD
摘要：玉米苗带准确检测与精准跟踪是玉米除草机器人实现自主作业的重要基础。针对玉米除草机器人苗带检测，该研究提出了基于感兴趣区域更新的玉米苗带实时识别及导航线提取方法，首先利用单目相机采集机器人前向玉米苗带，将苗带图像进行归一化和超绿处理，采用改进自适应响应阈值SUSAN（small univalue segment assimilating nucleus）角点法以及冗余离群特征点剔除法获得玉米苗特征点，以改进的顺序聚类算法对视频帧进行玉米苗带聚类处理，再利用最小二乘法拟合出各玉米苗带，最后基于机器人航向偏差和其相对玉米苗带的横向偏差实时调整感兴趣区域和更新导航线；同时，针对除草机器人苗带行线跟踪，提出以运动学为模型的PID（proportionintegrationdifferentiation）转向角决策方法，建立了导航跟踪控制模型；并在Visual Studio平台下，利用OpenCV库开发了导航控制系统。试验结果表明，玉米除草机器人导航线提取准确率为96.8%，每帧图像平均处理时间为87.39ms，具有较好的实时性和抗干扰性；在模拟环境下，玉米苗带直线和曲线跟踪平均误差≤1.42 cm，标准误差≤0.41 cm；在农田环境下，不同速度导航跟踪平均误差≤1.51 cm，标准误差≤0.44 cm。研究结果可为玉米除草机器人田间自主作业提供关键技术支撑。
全文链接
请求原文
宜昌市大气微塑料的分布、呼吸暴露及溯源
《环境科学 》 2023 EI 北大核心 CSCD
摘要：微塑料作为一种新兴环境污染物备受关注，但大气微塑料的来源和健康危害尚不明晰.为探究宜昌市不同功能区微塑料的分布特征和人体呼吸暴露风险，分析不同地区大气微塑料的可能来源，于2019年10～12月，采集和分析宜昌市16个观测点的大气微塑料样品，并利用HYSPLIT模型模拟大气后向轨迹.结果表明，宜昌市大气微塑料有纤维状、碎片状和薄膜状这3种形状；透明、红色、黑色、绿色、黄色和紫色这6种颜色；尺寸最小的为10.42μm,最大的为4 761.42μm;平均沉降通量为（4 400±474）n·（m~2·d）-1;种类有：聚酯纤维（PET）、丙烯腈-丁二烯-苯乙烯共聚合物（ABS）、聚酰胺（PA）、橡胶（Rubber）、聚乙烯（PE）、醋酸纤维素（CA）和聚丙烯腈（PAN）这7种.各功能区沉降通量依次为：城市居民区＞农业生产区＞垃圾填埋场＞化工园区＞城镇居民区.人体呼吸暴露风险评估模型表明，城市居民区成人和儿童每天大气微塑料摄入量（EDI）高于城镇居民区.大气后向轨迹模拟表明，宜昌市各区县大气主要受周边地区影响，部分大气微塑料可能来自周边地区的短距离运输.总的来说，宜昌市大气微塑料沉降通量较大，潜在的生态暴露风险较高，各区县部分微塑料可能经由大气短距离传输而来.该结果可为长江中游地区大气微塑料研究提供基础数据支撑，对大气微塑料污染的溯源和健康风险研究具有重要意义.
关键词： 大气微塑料 功能区 分布特征 呼吸暴露 HYSPLIT模型 后向轨迹 来源
全文链接
请求原文
基于电驱动系统的农业车辆牵引负荷车设计与试验
《农业机械学报 》 2023 EI 北大核心 CSCD
摘要：针对传统农业车辆牵引负荷车机械结构复杂、存在加载死区导致无法实现全范围加载，采集系统功能单一无法实时评估被试车辆牵引性能的问题，设计了一种基于电驱动系统的农业车辆牵引负荷车。负荷车以最大加载牵引力150 kN为设计目标，结合对驱动轮的受力分析，完成了其整机关键部件的选型设计，采用集成发动机-电动桥的电驱动系统为核心单元，使用转向牵引架实现前桥平台的自动跟随转向。在LabVIEW RIO架构基础上，通过FPGA搭建高算力、高性能的测控系统，实现对电驱动系统电流、电压、被试车辆牵引力、油耗等多种信息的采集、无线传输与存储，并使用模糊自适应PID控制算法对牵引力加载进行闭环控制。最后开展整机性能验证试验，负荷车实现了0～150 kN范围内的负荷加载，加载系统最大响应时间为3.6 s,最大超调量为1.61%,实际加载牵引力与目标牵引力最大误差为4.5%。整机性能验证试验表明，负荷车具备良好的牵引负荷加载性能，其测控系统可实现被试车辆牵引性能多参数的实时准确监测，能够完成对农业车辆牵引性能的全面评估。
关键词： 农业车辆 负荷车 电驱动系统 全范围加载 测控系统 牵引性能
全文链接
请求原文
利用无人机高光谱影像的冬小麦氮含量监测
《光谱学与光谱分析 》 2023 EI SCI 北大核心 CSCD
摘要：作物氮含量影响作物的生长状况,合适的施氮量可以促进作物生长和提高作物产量,因此准确、快速地监测作物的氮含量十分必要.旨在探索将无人机成像高光谱获取的植被指数和光谱特征参数相结合以提高冬小麦关键生育期氮含量估算精度的潜力.首先,以无人机为遥感平台,搭载高光谱传感器获取了冬小麦拔节期、挑旗期、开花期和灌浆期 4 个主要生育期的高光谱遥感影像,并实测了各生育期的氮含量数据.其次,基于预处理后的高光谱影像,提取冬小麦各生育期的冠层反射率数据,并构造能较好反映作物氮素营养状况的 12 种植被指数和 12 种光谱特征参数.然后,计算了各光谱参数与冬小麦氮含量的相关性,并筛选出各生育期与氮含量相关性较强的植被指数和光谱特征参数;最后,利用逐步回归分析(SWR)构建基于植被指数、植被指数结合光谱特征参数的氮含量估算模型.结果显示:(1)选取的大部分植被指数和光谱特征参数与冬小麦氮含量都有较高的相关性.其中,植被指数的相关性高于光谱特征参数;(2)基于单个植被指数或光谱特征参数估算冬小麦虽然可行,但精度还有待进一步提高;(3)与单一植被指数或光谱特征参数相比,植被指数结合光谱特征变量利用 SWR方法构建的氮含量估算模型的精度和稳定性更高(拔节期:建模R2=0.64,RMSE=24.68%,NRMSE=7.96%,验证R2 =0.77,RMSE=23.13%,NRMSE=7.81%;挑旗期:建模R2=0.81,RMSE=15.79%,NRMSE=7.41%,验证R2 =0.84,RMSE=15.10%,NRMSE= 7.08%;开花期:建模R2 =0.78,RMSE=9.88%,NRMSE=5.66%,验证R2 =0.85,RMSE=9.12%,NRMSE=4.76%;灌浆期:建模R2=0.49,RMSE=13.68%,NRMSE=9.85%,验证R2=0.40,RMSE= 18.29%,NRMSE=14.73%).研究结果表明,结合无人机成像高光谱获取的植被指数和光谱特征参数构建的冬小麦氮含量估算模型精度和稳定性较高,研究结果可为冬小麦氮含量的空间分布和精准管理提供参考.
关键词： 无人机 冬小麦 高光谱 氮含量 逐步回归 光谱特征参数
全文链接
请求原文
融合无人机多源传感器的马铃薯叶绿素含量估算
《农业机械学报 》 2023 EI 北大核心 CSCD
摘要：叶绿素是衡量作物光合作用的重要指标，监测马铃薯关键生育期叶片叶绿素含量(Leaf chlorophyll content, LCC)至关重要。获取马铃薯块茎形成期、块茎增长期和淀粉积累期的无人机RGB和多光谱影像，提取无人机多光谱影像的光谱反射率构建植被指数(Vegetation index, VIs),利用Gabor滤波器提取RGB影像的纹理信息(Texture information, TIs)。然后利用机器学习SVR-REF方法进行数据降维获取植被指数和纹理特征重要性排序，并采用迭代的方法在植被指数最佳模型中加入纹理信息，观察每次加入的纹理信息对模型的动态影响。最后使用支持向量机(Support vector machine, SVR)和K-最近邻算法(K-nearest neighbor, KNN)2种机器学习方法进行建模。结果表明，马铃薯3个关键生育期，加入纹理特征后的2种模型精度和稳定性均有提高，且SVR模型精度优于KNN。块茎形成期，SVR模型建模R~2由0.61提升至0.71,RMSE由0.20 mg/g降为0.17 mg/g,精度提升14.2%,验证R~2由0.58提升至0.66,RMSE由0.19 mg/g降至0.17 mg/g,精度提升10.5%。块茎增长期，SVR建模R~2由0.59提升至0.67,RMSE由0.16 mg/g降至0.14 mg/g,验证R~2由0.71提升至0.79,RMSE由0.15 mg/g降至0.13 mg/g,精度提升13.3%。淀粉积累期，SVR建模R~2由0.62提升为0.69,RMSE由0.17 mg/g降至0.14 mg/g,精度提升17.6%,验证R~2由0.47提升至0.63,RMSE由0.17 mg/g降至0.14 mg/g,精度提升17.6%。另外，3个时期参与SVR建模的植被指数数量分别为19、16、3,纹理数量分别为4、2、9,在植被指数不能充分响应叶绿素含量时，会有更多纹理信息参与建模，并且模型精度提升更高，进一步论证了纹理特征在马铃薯叶绿素含量反演中的重要性。
关键词： 马铃薯 叶绿素含量 图谱融合 Gabor纹理 机器学习
全文链接
请求原文
