首页期刊导航|农业工程学报
期刊信息/Journal information
农业工程学报
中国农业工程学会
农业工程学报

中国农业工程学会

朱明

半月刊

1002-6819

tcsae@tcsae.org

010-65929451，65910066转2503、3503

100125

北京朝阳区麦子店街41号

农业工程学报/Journal Transactions of the Chinese Society of Agricultural EngineeringCSCD北大核心CSTPCDEI
查看更多>>《农业工程学报》是由中国农业工程学会主办的全国性学术期刊,自2005年始为单月刊。编委会名誉主任:汪憨华院士,编委会主任兼主编:杨邦杰教授《农业工程学报》为全国中文核心期刊,在最新版的《中文核心期刊要目总揽》中位居"农业工程类"期刊榜首；2001年入选中国期刊方阵"双效"期刊；被中国科协主办的《中国学术期刊文摘》选为首批收录期刊；先后被美国工程索引(EI Page one)、英国国际农业与生物中心(CAB International)、检索系统、数据库收录。
正式出版
收录年代

    黄土高原径流侵蚀功率输沙模型的改进

    于坤霞李天毅贾路李占斌...
    107-116页
    查看更多>>摘要：水土流失对流域生态危害严重,输沙量模拟和预测可以为流域水土流失防治提供依据,因此精确的输沙模型是流域水土流失治理的重要工具.为了精确模拟变化环境下黄土高原年输沙量,该研究基于黄土高原19个水文站的径流和输沙数据,通过随机森林变量重要性度量方法评估年径流侵蚀功率、淤地坝指数、淤地坝相对指数、归一化植被指数、不透水地面积等因子对流域年输沙量的影响,使用非线性最小二乘法估算年输沙模型参数,对比分析不同因子组合的年输沙模型精度,提出适用性较强的黄土高原年输沙模型,据此开展年输沙量变化贡献率分析.结果表明:1)以幂函数形式构建的仅含径流侵蚀功率单因子输沙模型精度与流域面积有显著的负相关关系,相关系数为-0.505(P＜0.05),模型精度随着流域面积增大而下降,在面积大于7 000 km2的流域适用性较差;2)年径流侵蚀功率、淤地坝指数及不透水地面积因子组合建立的多因子年输沙模型在黄土高原适用性最佳,模型在率定期纳什效率系数平均值为0.84,均方根误差平均值为0.21亿t,在验证期纳什系数平均值为0.79,均方根误差平均值为0.27亿t.3)影响研究流域年输沙量变化的因素依次是:年径流侵蚀功率、不透水地面积和淤地坝指数.研究可以为黄土高原不同区域水土流失防治和生态治理工作提供理论支撑.

    侵蚀沙径流年输沙量径流侵蚀功率淤地坝指数不透水地面积贡献率

      原文链接:
    • 万方数据
    • 维普

    基于三维激光扫描技术的冻结黑土细沟发育模拟

    毕鑫宇张哲源高航胡亚鲜...
    117-127页
    查看更多>>摘要：为探究融雪径流与冻结状态对黑土细沟网络发育的影响,该研究开展了冻结与非冻结处理黑土坡面的融雪径流模拟冲刷试验,利用三维激光扫描技术获取多次定时径流冲刷并直至侵蚀形态稳定的坡面点云,结合数字表面模型差异(digital surface model of difference,DoD)微地形变化监测方法与点云逆向工程,获取细沟网络发育过程的侵蚀面积、侵蚀体积、细沟长度和细沟密度等侵蚀参数.结果表明,冻结因素与温度变化对细沟网络发育过程与程度有重要影响:1)冻结处理的黑土坡面更容易发展出细沟网络,达到坡面侵蚀形态基本稳定后的侵蚀面积、侵蚀体积以及侵蚀细沟长度是非冻结处理黑土坡面的291％、557％和437％.2)冻结处理与非冻结处理沿坡面细沟截面形态变化差异明显.冻结坡面细沟交叉时宽深比RW/D快速减小,下切速度加快,随后宽度与深度呈比例稳定增加;非冻结坡面汇水处的RW/D随冲刷次数增加而增大,侧蚀速度加快,其他截面RW/D随着冲刷次数的增加而减小,下切速度加快.3)采用ArcGIS与点云逆向工程模型联合获取的冻结状态下细沟形态参数与发育过程DoD相对误差范围为-12.70％～4.42％,提取精度在95％以上.该联合方法在冻结土体条件下获取细沟参数具有较高精度,可作为土壤侵蚀参数高精度提取的一种手段.

    黑土侵蚀冻融细沟网络融雪径流三维激光扫描

      原文链接:
    • 万方数据
    • 维普

    基于BA-SVM的冬小麦旱情表型分析与诊断

    潘肖宇李子明吴文勇胡雅琪...
    128-135页
    查看更多>>摘要：提升作物水分表型诊断精度和时效性是当前智慧灌溉领域研究的难点和热点之一.该研究针对以上难点提出了一种改进机器视觉算法的冬小麦旱情智能诊断方法.在测坑试验系统中设置了适宜水分处理(CK)、中度干旱处理(T1)、重度干旱处理(T2),通过数码相机获取冬小麦早期RGB高清图像,利用HSV色彩空间改进的K-means聚类算法对小麦图像分割敏感区域,提取图像颜色和纹理特征数据并开展主成分分析,辨别出累计贡献率达到97.2％的前3维主成分.采用蝙蝠算法优化支持向量机(bat algorithm-support vector machine,BA-SVM)惩罚因子(c=5)和核参数(σ=0.1),建立了基于蝙蝠算法优化的冬小麦旱情感知支持向量机模型,运用主成分分析降维后的识别精度优于其他特征组合,识别正确率为96.5％.明显高于GA-SVM(6.5％)和SVM(9.3％),运行时间分别缩短7、14 s.构建了冬小麦旱情智能诊断方法,可为实时诊断冬小麦旱情和智慧灌溉决策提供参考.

    机器视觉干旱胁迫主成分分析支持向量机蝙蝠算法冬小麦

      原文链接:
    • 万方数据
    • 维普

    基于无人机图像纹理和表型参数的夏玉米水分胁迫诊断

    谢坪良张智韬巴亚岚董宁...
    136-146页
    查看更多>>摘要：农田水分胁迫是影响作物生长发育和产量品质的重要原因.及时准确地诊断作物水分胁迫状况,对于实现精准灌溉、提高作物抗逆性和产量等具有重要意义.为优化夏玉米水分胁迫诊断方法和提高诊断精度,该研究以夏玉米为对象,利用无人机搭载六通道多光谱传感器获取2022年夏玉米拔节期和抽雄期的遥感影像数据,且同步采集夏玉米气孔导度和表型参数数据,监督分类剔除冗余背景后使用灰度共生矩阵计算得到冠层植被指数和图像纹理信息,通过贝叶斯信息准则和全子集筛选法筛选出敏感的植被指数、图像纹理和表型参数及其组合,结合极限学习机、随机森林和反向传播神经网络3种机器学习方法构建夏玉米气孔导度预估模型,并基于最优气孔导度预估模型绘制夏玉米水分胁迫状况反演图.结果表明,多光谱图像的夏玉米冠层反射率与气孔导度呈弱负相关,植被指数和表型参数与气孔导度呈显著正相关,不同波段的图像纹理均与气孔导度有较高的相关性.植被指数用于评估植被整体健康和水分状况,图像纹理用于捕捉作物空间分布、纹理和结构特征,表型参数用于立体反映作物生理和形态信息,它们在诊断作物水分胁迫的机理上具有互补性.基于植被指数、图像纹理和表型参数构建的反向传播神经网络模型是夏玉米水分胁迫诊断的最佳模型(决定系数为0.841,均方根误差为0.043 mol/(m2 s),平均绝对误差为0.034 mol/(m2.s)),并显著改善了对气孔导度较低值的低估情况.绘制的夏玉米水分胁迫状况反演图呈现出广泛的应用潜力,能够便捷准确地诊断作物水分胁迫状况,以优化灌溉策略,调整资源分配.研究结果可为夏玉米的水分胁迫诊断提供一种可行而准确的方法.

    无人机水分胁迫气孔导度植被指数图像纹理表型参数

      原文链接:
    • 万方数据
    • 维普

    基于无人机视频影像的油菜苗检测与计数

    黄小毛张维邱天朱耀宗...
    147-156页
    查看更多>>摘要：针对油菜生长早期传统人工苗情调查方法效率低、主观意识强,不能满足大面积或经常性高精度苗期调查作业需求的问题,该研究基于无人机影像及机器学习技术,提出一种油菜苗视频流检测模型及计数方法.通过对YOLO系列基础模型添加多头自注意力,用BasicRFB(basic receptive field block)模块替换原有的空间池化结构(spatial pyramid pooling-fast,SPPF)模块,并对Neck部分添加一维卷积及更换下采样方式等,进一步结合DeepSORT(deep simple online and real-time tracking)算法和越线计数技术实现对油菜苗的数量统计.算例测试结果表明,改进后YOLOv5s的交并比阈值0.50的平均精度均值达到93.1％,交并比阈值0.50～0.95的平均精度均值达到了 67.5％,明显优于Faster R-CNN、SSD和YOLOX等其他经典目标检测算法,交并比阈值0.50的平均精度均值分别高出14.82、26.37和3.3个百分点,交并比阈值0.50～0.95的平均精度均值分别高出25.7、33.9和6.7个百分点.油菜苗计数试验结果表明,离线视频计数时,在合理的种植密度区间内,所提算法的油菜苗计数精度平均达到93.75％,平均计数效率为人工计数的9.54倍;在线实时计数时,在不同天气情况下,计数平台的油菜苗计数精度最大相差1.87个百分点,具有良好的泛化性,满足油菜苗计数实时性要求.

    无人机深度学习油菜苗离线视频计数在线实时计数YOLODeepSORT

      原文链接:
    • 万方数据
    • 维普

    时-空-谱融合自动纯化生成样本的农作物遥感分类

    刘修宇张锦水吴俊旭申克建...
    157-167页
    查看更多>>摘要：准确及时地获取农作物种植面积是粮食估产的重要基础,对稳定市场和粮食安全至关重要.随着卫星遥感技术的发展和农作物识别算法的成熟,遥感在农业领域得到了广泛深入的应用,但农作物自动化识别普遍受到缺乏足够代表性训练样本数据的制约.该研究提出了一种多阶段样本纯化策略,综合考虑时间、空间、光谱和物候信息,基于历史作物空间分布图和当季遥感影像自动生成高质量的训练样本,以支持农作物的自动化识别.利用谷歌地球引擎(google earth engine,GEE)云平台及Sentinel-2数据,采用随机森林算法对浙江省两个地区的水稻进行自动化识别.研究结果表明,该方法能够利用历史专题数据和当季遥感影像生成最新且充足的训练样本,样本点精度高达98.5％.样本点数量和影像特征对分类结果影响的定量分析结果表明,作物识别的精度超过96％,Kappa系数超过0.93.此外,所提算法对含有误差的历史分类数据表现出较好的鲁棒性.研究结果可为区域级农作物识别提供一种可靠的样本自动化生成方法,在大尺度自动化作物制图中具有广泛的应用潜力.

    遥感农作物分类随机森林样本自动生成Sentinel-2

      原文链接:
    • 万方数据
    • 维普

    改进DeepLabV3+算法提取无作物田垄导航线

    俞高红王一淼甘帅汇徐惠民...
    168-175页
    查看更多>>摘要：机器视觉导航是智慧农业的重要部分,无作物田垄的导航线检测是旱地移栽导航的关键.针对无作物田垄颜色信息相近、纹理差距小,传统图像处理方法适用性差、准确率低,语义分割算法检测速度慢、实时性差的问题,该研究提出一种基于改进DeepLabV3+的田垄分割模型.首先对传统DeepLabV3+网络进行轻量化设计,用MobileNetV2网络代替主干网络Xception,以提高算法的检测速度和实时性;接着引入CBAM(convolutional block attention module,CBAM)注意力机制,使模型能够更好地处理垄面边界信息;然后利用垄面边界信息获得导航特征点,对于断垄情况,导航特征点会出现偏差,因此利用四分位数对导航特征点异常值进行筛选,并采用最小二乘法进行导航线拟合.模型评估结果显示,改进后模型的平均像素精确度和平均交并比分别为96.27％和93.18％,平均检测帧率为84.21帧/s,优于PSPNet、U-Net、HRNet、Segformer以及DeepLabV3+网络.在不同田垄环境下,最大角度误差为1.2°,最大像素误差为9,能够有效从不同场景中获取导航线.研究结果可为农业机器人的无作物田垄导航提供参考.

    机器视觉导航语义分割导航路径最小二乘法无作物田垄

      原文链接:
    • 万方数据
    • 维普

    基于改进YOLOv7的棉田虫害检测

    孙俊贾忆琳吴兆祺周鑫...
    176-184页
    查看更多>>摘要：棉田虫害的快速检测与准确识别是预防棉田虫害、提高棉花品质的重要前提.针对真实棉田环境下昆虫相似度高、背景干扰严重的问题,该研究提出一种ECSF-YOLOv7棉田虫害检测模型.首先,采用EfficientFormerV2作为特征提取网络,以加强网络的特征提取能力并减少模型参数量;同时,将卷积注意力模块(convolution block attention module,CBAM)嵌入到模型的主干输出端,以增强模型对小目标的特征提取能力并削弱背景干扰;其次,使用GSConv卷积搭建Slim-Neck颈部网络结构,在减少模型参数量的同时保持模型的识别精度;最后,采用Focal-EIOU(focal and efficient IOU loss,Focal-EIOU)作为边界框回归损失函数,加速网络收敛并提高模型的检测准确率.结果表明,改进的ECSF-YOLOv7模型在棉田虫害测试集上的平均精度均值(mean average precision,mAP)为95.71％,检测速度为69.47帧/s.与主流的目标检测模型YOLOv7、SSD、YOLOv51和YOLOX-m相比,ECSF-YOLOv7模型的mAP分别高出1.43、9.08、1.94、1.52个百分点,并且改进模型具有参数量更小、检测速度更快的优势,可为棉田虫害快速准确检测提供技术支持.

    模型图像处理棉田虫害YOLOv7注意力机制Slim-NeckFocal-EIOU

      原文链接:
    • 万方数据
    • 维普

    基于ViT-改进YOLOv7的稻田杂草识别

    陈学深吴昌鹏党佩娜张恩造...
    185-193页
    查看更多>>摘要：为解决光线遮蔽、藻萍干扰以及稻叶尖形状相似等复杂环境导致稻田杂草识别效果不理想问题,该研究提出一种基于组合深度学习的杂草识别方法.引入MSRCP(multi-scale retinex with color preservation)对图像进行增强,以提高图像亮度及对比度;加入ViT分类网络去除干扰背景,以提高模型在复杂环境下对小目标杂草的识别性能.在YOLOv7模型中主干特征提取网络替换为GhostNet网络,并引入CA注意力机制,以增强主干特征提取网络对杂草特征提取能力及简化模型参数计算量.消融试验表明:改进后的YOLOv7模型平均精度均值为88.2％,较原YOLOv7模型提高了3.3个百分点,参数量减少10.43 M,计算量减少66.54x109次/s.识别前先经过MSRCP图像增强后,与原模型相比,改进YOLOv7模型的平均精度均值提高了 2.6个百分点,光线遮蔽、藻萍干扰以及稻叶尖形状相似的复杂环境下平均精度均值分别提高5.3、3.6、3.1个百分点,加入ViT分类网络后,较原模型平均精度均值整体提升了 4.4个百分点,光线遮蔽、藻萍干扰一级稻叶尖形状相似的复杂环境下的平均精度均值较原模型整体提升了 6.2、6.1、5.7个百分点.ViT-改进 YOLOv7 模型的平均精度均值为 92.6％,相比于 YOLOv5s、YOLOXs、MobilenetV3-YOLOv7、YOLOv8和改进YOLOv7分别提高了 11.6、10.1、5.0、4.2、4.4个百分点.研究结果可为稻田复杂环境的杂草精准识别提供支撑.

    机器视觉深度学习YOLOv7ViT稻田杂草识别

      原文链接:
    • 万方数据
    • 维普

    基于改进YOLOv7-tiny的番茄叶片病虫害检测方法

    王会征孙良晨李新龙刘海藤...
    194-202页
    查看更多>>摘要：为解决自然环境中番茄叶片病虫害检测场景复杂、检测精度较低,计算复杂度高等问题,该研究提出一种SLP-YOLOv7-tiny的深度学习算法.首先,将主干特征提取网络中部分3×3的卷积Conv2D(2D convolution)改为分布偏移卷积DSConv2D(2D Depthwise Separable Convolution),以减少网络的计算量,并且使计算速度更快,占用内存更少;其次,将无参数注意力机制(parameter-free attention module,SimAM)融合到骨干特征提取网络中,加强模型对病虫害特征的有效提取能力和特征整合能力;最后,将原始YOLOv7-tiny的CIOU损失函数,更替为Focal-EIOU损失函数,加快模型收敛并降低损失值.试验结果表明,SLP-YOLOv7-tiny模型整体识别精准度、召回率、平均精度均值mAP0.5(IOU阈值为0.5时的平均精度)、mAP0.5～0.95(IOU阈值从0.5到0.95之间的平均精度)分别为95.9％、94.6％、98.0％、91.4％,与改进前YOLOv7-tiny相比,分别提升14.7、29.2、20.2、30个百分点,同时,计算量降低了 62.6％.与 YOLOv5n、YOLOv5s、YOLOv5m、YOLOv7、YOLOv7-tiny、Faster-RCNN、SSD目标检测模型相比,mAP05 分别提升了 2.0、1.6、2.0、2.2、20.2、6.1 和 5.3 个百分点,而计算量大小仅为 YOLOv5s、YOLOv5m、YOLOv7、Faster-RCNN、SSD的31.5％、10.6％、4.9％、4.3％、3.8％.结果表明SLP-YOLOv7-tiny可以准确快速地实现番茄叶片病虫害的检测,且模型较小,可为番茄叶片病虫害的快速精准检测的发展提供一定的技术支持.

    图像处理病虫害目标检测番茄叶片YOLOv7-tiny分布偏移卷积注意力机制

      原文链接:
    • 万方数据
    • 维普