首页期刊导航|农业机械学报
期刊信息/Journal information
农业机械学报
中国农业机械学会 中国农业机械化科学研究院
农业机械学报

中国农业机械学会 中国农业机械化科学研究院

任露泉

月刊

1000-1298

njxb@caams.org.cn

010-64882610，64882231

100083

北京德外北沙滩1号6信箱

农业机械学报/Journal Transactions of the Chinese Society for Agricultural MachineryCSCD北大核心CSTPCDEI
查看更多>>本刊是由中国科协主管、中国农业机械学会和中国农业机械化科学研究院主办的国家级学术期刊，农业工程类中文核心期刊，美国工程信息公司（EI）收录期刊。主要刊登农业机械、农业工程、农用动力和能源、农产品及食品加工机械、农机化以及有关边缘学科的基础理论、设计制造、材料工艺、测试仪器与手段的研究成果及发展动向,反映学科最新研究成果和学术水平。同时还将及时提供中国农业机械学会举办的国内外学术活动信息，可供农机乃至机械行业中、高级技术人员、大专院校师生及科研单位的有关人员阅读参考。
正式出版
收录年代

    遥控自走式雪茄植株中下层烟叶植保喷雾机设计与试验

    张青松陈志凌杜文斌杨锦鹏...
    122-133页
    查看更多>>摘要：针对雪茄烟叶在旺长期及成熟期因植株高大及叶片生长致使烟田垄间空间小,且雪茄烟叶生产对烟叶色泽及完整度要求高,田间管理要求不能损伤烟叶,导致生产中雪茄烟叶植株中下层烟叶植保困难的问题,结合烟叶植株生长特征,设计了一种遥控自走式雪茄植株中下层烟叶植保喷雾机,该装置主要包括喷雾系统、履带底盘及控制系统,可实现装置在烟田垄间遥控行走、中下层烟叶喷雾及路况可视等功能.为获取烟株生长特征,运用三维激光扫描仪对其进行扫描并建立了植株叶片田间空间分布模型;根据烟叶田间分布特征,确定装置总体结构和工作方式;结合烟叶形态特征和植保农艺要求,对喷雾系统进行了结构设计及分析,确定了参数范围;根据田间作业需求,对履带底盘进行了动力学分析,对控制系统进行了设计.开展了场地试验,利用Box-Behnken优化了喷雾系统参数,当喷雾压力为0.65 MPa、喷嘴夹角为20.4°、喷嘴孔径为0.4 mm时,经垂直雾滴分布测量仪模拟雪茄烟叶叶片层垂直方向的药液附着性能试验表明,雾滴沉积量垂直分布满足雪茄烟叶植保要求.田间试验结果表明,雪茄植株中下层烟叶正面药液覆盖率为52％～83％,背面药液覆盖率为22％～45％,可实现雪茄植株中下层烟叶药液的有效喷施.

    雪茄烟叶喷雾机履带底盘遥控自走式喷雾系统田间试验

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    直播稻播前不同土壤火焰温度条件下杂草种子发芽率试验

    周志艳李鑫黄俊浩杨得帅...
    134-144页
    查看更多>>摘要：杂草的有效控制是降低直播稻稳产风险的重要措施,播前土壤火焰处理是以非化学方法在进行播种前抑制杂草种子萌发的有效手段.为明确土壤火焰处理中温度场对杂草种子发芽率的影响规律,采用数值模拟方法对燃料分流部件中集管结构参数进行了研究,数值模拟和验证试验结果表明,当集管内径d为20 mm、气体输入流量为1.0～3.5 m3/h时,最大流量偏差系数Δη在3.0％以内,支管间气体流量分配较均匀.基于数值模拟结果设计了火焰燃烧装置,研究6种输入流量(1.0～3.5 m3/h)的液化石油气燃料对火焰高度和火焰温度分布的影响,以拖拉机行进速度、燃料输入流量和土壤深度作为试验因素,进行了全因素试验,采用稻田间常见的杂草种子研究温度场对杂草种子发芽率的影响规律.试验结果表明,在常温常压工作环境下,火焰高度和火焰温度最高值均随着燃料输入流量的增大而增大;当拖拉机行进速度为2.36 km/h,燃料输入流量为2.5、3.0、3.5 m3/h时,土壤温度最高值可分别达到92.83、116.58、156.83℃;相比未经火焰处理的对照组,当土壤温度达到92.83℃时,在α=0.05的显著性水平下,千金子、异型莎草种子发芽率显著降低,但马唐、鳢肠种子发芽率受影响不显著,当土壤温度达到116.58℃和156.83℃时,4种杂草种子发芽率均显著降低;当土壤温度达到156.83℃时,马唐、鳢肠、千金子和异型莎草4种杂草种子发芽率分别降低94.82％、87.81％、86.54％和84.05％.田间试验结果表明,土壤火焰处理对稗草、马唐、鳢肠和异型莎草有显著的抑制萌发作用,其相对除草率Y≥80.00％.

    直播稻土壤消杀燃烧特性温度场种子发芽率

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于地面高光谱遥感的大豆产量估算模型研究

    唐子竣张威黄向阳向友珍...
    145-153,240页
    查看更多>>摘要：为在田间管理中对作物产量进行估测,通过两年大田试验收集了大豆生殖生长期的高光谱数据及产量数据,基于各生育期一阶微分光谱反射率计算了 7个光谱指数:比值指数(Ratio index,RI)、差值指数(Difference index,DI)、归一化光谱指数(Normalized difference vegetation index,ND VI)、土壤调整光谱指数(Soil-adjusted iegetation index,SAVI)、三角光谱指数(Triangular vegetation index,TVI)、改进红边归一光谱指数(Modified normalized difference index,mNDI)和改进红边比值光谱指数(Modified simple ratio,mSR),使用相关矩阵法将光谱指数与大豆产量数据进行相关性分析并提取最佳波长组合,随后将计算结果作为与大豆产量相关的最佳光谱指数,最后将各生育期筛选出的与大豆产量相关系数最高的5个光谱指数作为模型输入变量,利用支持向量机(Support vector machine,SVM)、随机森林(Random forest,RF)和反向神经网络(Back propagation neural network,BPNN)构建大 豆产量估算模型并进行验证.结果表明,各生育期(全花期(R2)、全荚期(R4)和鼓粒期(R6))计算的光谱指数与产量的相关系数均高于0.6,相关性较好,其中全荚期的光谱指数FDmSR与大豆产量的相关系数最高,达到0.717;大豆产量最优估算模型的方法是输入变量为全荚期构建的一阶微分光谱指数和RF组合的建模方法,模型验证集R2为0.85,RMSE和MRE分别为272.80 kg/hm2和5.12％.本研究成果可为基于高光谱遥感技术的作物产量估测提供理论依据和应用参考.

    大豆产量估算模型高光谱光谱指数机器学习

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于遥感多参数和IPSO-WNN的冬小麦单产估测

    王鹏新李明启张悦刘峻明...
    154-163页
    查看更多>>摘要：冬小麦是我国的主要粮食作物之一.为进一步准确地估测冬小麦产量,以陕西省关中平原为研究区域,选取冬小麦主要生育期与水分胁迫和光合作用等密切相关的条件植被温度指数(VTCI)、叶面积指数(LAI)和光合有效辐射吸收比率(FPAR)作为遥感特征参数,采用改进的粒子群算法优化小波神经网络(IPSO-WNN)以改善梯度下降方法易陷入局部最优的缺陷,并构建冬小麦产量估测模型.结果表明,IPSO-WNN模型的决定系数R2为0.66,平均绝对百分比误差(MAPE)为 7.59％,相比于 BPNN(R2=0.46,MAPE 为 11.80％)与 WNN(R2=0.52,MAPE 为9.80％),IPSO-WNN能够进一步提高模型的精度、增强模型的鲁棒性.采用灵敏度分析的方法探究对冬小麦产量影响较大的输入参数,结果发现,抽穗-灌浆期的FPAR对冬小麦产量影响最大,其次拔节期的VTCI、抽穗-灌浆期和乳熟期的LAI以及返青期和拔节期的FPAR对冬小麦产量的影响较大.通过IPSO-WNN输出获取冬小麦综合监测指数I,构建I与统计单产之间的估产模型以估测关中平原冬小麦单产,结果显示,估测单产与统计单产之间的R2为0.63,均方根误差(RMSE)为505.50 kg/hm2,相比于前人的研究较好地解决了估产模型存在的"低产高估"的问题,因此,本文基于IPSO-WNN构建的估产模型能够较准确地估测关中平原冬小麦产量.

    冬小麦产量估测粒子群优化小波神经网络遥感多参数

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于遥感多参数和VMD-GRU的冬小麦单产估测

    郭丰玮王鹏新刘峻明李红梅...
    164-174,185页
    查看更多>>摘要：为充分挖掘时间序列遥感参数的时序信息和趋势信息,并进一步提升冬小麦估产精度,以陕西省关中平原为研究区域,选取与冬小麦长势密切相关的生育时期尺度的条件植被温度指数(VTCI)、叶面积指数(LAI)和光合有效辐射吸收比率(FPAR)作为遥感参数,构建耦合变分模态分解(VMD)与门控循环单元(GRU)神经网络的估产模型.应用VMD算法将各个时间序列遥感参数分解为多组平稳的本征模态函数(IMF)分量,选取与原始时间序列遥感参数高度相关的IMF分量进行特征重构,并将重构特征作为GRU网络的输入,以构建冬小麦组合估产模型.结果表明,VMD-GRU组合估产模型决定系数为0.63,均方根误差为448.80 kg/hm2,平均相对误差为8.14％,相关性达到极显著水平(P＜0.01),其精度优于单一估产模型精度,表明该组合估产模型能够提取非平稳时间序列数据的多尺度、多层次特征,并充分挖掘冬小麦各生育时期遥感参数间的内在联系,获得准确单产估测结果的同时提升了估产模型的可解释性.

    冬小麦产量估测变分模态分解门控循环单元遥感参数

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于Sentinel-1/2改进极化指数和纹理特征的土壤含盐量反演模型

    张智韬贺玉洁殷皓原项茹...
    175-185页
    查看更多>>摘要：目前Sentinel-1/2协同反演植被土壤含盐量的研究大多是基于Sentinel-2光谱信息和Sentinel-1后向散射系数,没有考虑Sentinel-2光谱信息容易受土壤亮度等信息影响,Sentinel-1后向散射系数容易受土壤粗糙度和水分影响.为进一步提高Sentinel-1/2协同反演植被土壤含盐量的精度,用水云模型对雷达卫星后向散射系数进行校正,消除植被影响;然后协同Sentinel-2纹理特征,基于VIP、OOB、PCA 3种变量筛选和RF、ELM、Cubist 3种机器学习回归模型构建植被土壤含盐量反演模型.研究结果表明:经过水云模型去除植被影响后的雷达后向散射系数及其极化组合指数与土壤含盐量的相关性有一定程度的提高.不同变量选择方法与不同机器学习方法耦合模型在反演土壤含盐量中,OOB变量筛选方法与RF、ELM和Cubist 3种机器学习方法的耦合模型精度最佳,建模集和验证集的R2都在0.750以上,且验证集的RMSE和MAE均最小;其中OOB-Cubist耦合模型精度最高,且R2/R2为0.955,具有良好的鲁棒性.研究可为机器学习协同物理模型、光学卫星协同雷达卫星在土壤含盐量反演中的进一步应用提供思路.

    土壤含盐量Sentinel-1/2纹理特征水云模型机器学习改进极化指数

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于有机质特征谱段的土壤Cd含量高光谱遥感反演

    张霞孙友鑫尚坤丁松滔...
    186-195页
    查看更多>>摘要：针对土壤Cd高光谱遥感定量反演中的机理性不足及数据冗余问题,提出一种基于有机质特征谱段的反演方法.该方法首先提取土壤光谱中对重金属Cd具有吸附作用的有机质特征谱段,进而通过竞争性自适应重加权采样法(Competitive adaptive reweighted sampling,CARS)优选特征谱段,采用偏最小二乘回归法(Partial least squares regression,PLSR)建立重金属Cd的反演模型,并利用郴州矿区土壤实验室光谱数据和哈密黄山南矿区野外光谱数据进行方法验证.研究表明:有机质特征谱段提取在降低数据冗余的同时提高了重金属Cd的反演精度,CARS算法相对于相关系数法(Correlation coefficient,CC)和遗传算法(Genetic algorithm,GA)特征选择具有更高的反演精度,基于有机质特征谱段的CARS-PLSR算法在土壤实验室光谱和野外实测光谱所得验证精度R2分别为0.94和0.80,表明该算法对于实验室和野外光谱均具有一定适用性.研究可为土壤重金属含量高光谱反演的特征波段选择和算法优选提供参考.

    高光谱遥感土壤重金属土壤光谱活性物质特征选择反演

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于双分支卷积网络的玉米叶片叶绿素含量高光谱和多光谱协同反演

    王亚洲肖志云
    196-202,378页
    查看更多>>摘要：针对智慧农业中叶绿素的精准预测问题,本文提出了基于双分支网络的玉米叶片叶绿素含量高光谱与多光谱协同反演的方法.使用欠完备自编码器进行数据降维,捕捉数据中最为显著的特征,使降维后的数据可以代替原始数据进行训练,从而加快训练效率,使用双分支卷积网络将多光谱数据用于填充高光谱数据信息,充分利用高光谱数据的空间细节信息,再结合1DCNN建立玉米叶片叶绿素含量预测模型.结果表明,与传统降维算法相比较,欠完备自编码器处理后预测结果最佳,决定系数R2为0.988,均方根误差(RMSE)为0.273,表明使用欠完备自编码器进行降维可以有效提高数据反演精度;与单一的高光谱数据反演模型和多光谱数据反演模型相比,双分支卷积网络预测模型均取得较优的预测结果,R2在0.932以上,RMSE均在1.765以下,表明基于双分支卷积网络的高光谱与多光谱图像协同反演模型可以有效地利用数据的特征;对于其他数据结合本文提及的双分支卷积网络模型进行反演,其R2均在0.905以上,RMSE均在2.149以下,表明该预测模型具有一定的普适性.

    玉米叶片叶绿素含量高光谱双分支卷积网络自编码器协同反演

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于LiDAR数据与光谱影像融合的单木提取方法

    孟小前李俊磊胡伟田茂杰...
    203-211,262页
    查看更多>>摘要：针对现有的机载数据单木分割方法对林型的普适度不高,尤其在高郁闭度阔叶林地带提取精度偏低的问题,选用海南省海口市热带阔叶林地带的光谱影像和LiDAR数据,先采用基于距离阈值的单木分割方法,利用高分光谱影像分割得到的树冠边缘,对初始探测树顶点进行位置约束.获得单木顶点的精确定位后,采用基于种子点的单木分割方法分割,完成了阔叶林的单木提取.结果显示,与已有的基于单木间相对间距单木分割方法相比,本研究通过选取最佳分割尺度结合光谱影像进行精确定位,改善了原有单一尺度分割方法导致的过分割现象,将单木识别精确率由0.67提升至0.92.该方法在使用遥感对森林单木进行分割工作中,可以更好地识别单木,对不同林型适用度较高,可以为后续的单木信息提取工作提供数据基础.

    针阔叶混交林单木分割机载LiDAR光谱影像数据融合

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于YOLO v5的农田杂草识别轻量化方法研究

    冀汶莉刘洲邢海花
    212-222,293页
    查看更多>>摘要：针对已有杂草识别模型对复杂农田环境下多种目标杂草的识别率低、模型内存占用量大、参数多、识别速度慢等问题,提出了基于YOLO v5的轻量化杂草识别方法.利用带色彩恢复的多尺度视网膜(Multi-scale retinex with color restoration,MSRCR)增强算法对部分图像数据进行预处理,提高边缘细节模糊的图像清晰度,降低图像中的阴影干扰.使用轻量级网络PP-LCNet重置了识别模型中的特征提取网络,减少模型参数量.采用Ghost卷积模块轻量化特征融合网络,进一步降低计算量.为了弥补轻量化造成的模型性能损耗,在特征融合网络末端添加基于标准化的注意力模块(Normalization-based attention module,NAM),增强模型对杂草和玉米幼苗的特征提取能力.此外,通过优化主干网络注意力机制的激活函数来提高模型的非线性拟合能力.在自建数据集上进行实验,实验结果显示,与当前主流目标检测算法YOLO v5s以及成熟的轻量化目标检测算法MobileNet v3-YOLO v5s、ShuffleNet v2-YOLO v5s比较,轻量化后杂草识别模型内存占用量为6.23 MB,分别缩小54.5％、12％和18％;平均精度均值(Mean average precision,mAP)为97.8％,分别提高1.3、5.1、4.4个百分点.单幅图像检测时间为118.1 ms,达到了轻量化要求.在保持较高模型识别精度的同时大幅降低了模型复杂度,可为采用资源有限的移动端设备进行农田杂草识别提供技术支持.

    杂草识别目标检测YOLOv5s轻量化特征提取网络Ghost卷积模块注意力机制

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据