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

    基于无人机多光谱影像的矮林芳樟叶片含水率与叶水势反演

    杨宝城鲁向晖张海娜王倩...
    220-230,267页
    查看更多>>摘要：叶片含水率和叶水势反映植物组织中水分的状态,是衡量植物水分供应和水分利用效率的重要指标.为探究基于不同高度下无人机多光谱影像反演叶片含水率和叶水势模型的差异,本研究在3个飞行高度处理F30、F60、F100(30、60、100 m)下采集多光谱影像数据,通过使用6种光谱反射率+经验植被指数的组合与地面实测数据进行相关性分析,获得不同飞行高度下的光谱反射率+经验植被指数组合与叶片含水率和叶水势的反演模型及其决定系数,以决定系数为依据分别构建支持向量机(SVM)、随机森林(RF)和径向基神经网络(RBFNN)模型,分析不同飞行高度无人机多光谱影像反演芳樟叶片含水率和叶水势的精度.结果发现:3个飞行高度下,基于RF模型的反演精度均高于SVM模型和RBFNN模型.F30处理对叶片含水率与叶水势反演效果均优于F60和F100处理.F30处理对叶片含水率反演的敏感光谱反射率+植被指数组合为红光波段反射率(R)、红边1波段反射率(RE1)、红边2波段反射率(RE2)、近红外波段反射率(NIR)、增强型植被指数(EVI)、土壤调节植被指数(SAVI).RF模型训练集的 R2、RMSE、MRE 分别为 0.845、0.548％、0.712％;测试集的 R2、RMSE、MRE 分别为 0.832、0.683％、0.897％.对叶水势反演的敏感光谱反射率+植被指数组合为R、RE2、NIR、EVI、SAVI、花青素反射指数(ARI).RF模型训练集的 R2、RMSE、MRE 分别为 0.814、0.073 MPa、3.550％;测试集的 R2、RMSE、MRE 分别为 0.806、0.095 MPa、4.250％.研究结果表明飞行高度30 m与RF方法分别为反演叶片含水率和叶水势的最优光谱获取高度与最优模型构建方法.本研究可为基于无人机平台的矮林芳樟水分监测提供技术支持,并可为筛选无人机多光谱波段与经验植被指数、实现植物长势参数快速估测提供应用参考.

    矮林芳樟叶片含水率叶水势无人机多光谱飞行高度

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

    基于Sentinel-1/2数据特征优选的冬小麦种植区识别方法研究

    解毅王佳楠刘钰
    231-241页
    查看更多>>摘要：为了提高冬小麦种植区识别精度,本文基于谷歌地球引擎(Google Earth Engine,GEE)平台和随机森林算法,对比雷达和光学遥感数据对冬小麦提取效果的差异,并对多类特征变量进行重要性分析,研究特征优选对冬小麦识别精度的影响.选取2019年3-5月冬小麦关键生育期的Sentinel-1和Sentinel-2影像为数据源,构建Sentinel-1的极化特征和纹理特征以及Sentinel-2的光谱特征、植被指数特征、植被指数变化率特征共5类特征变量;设置不同数据源和不同特征组合的冬小麦种植区提取方案;对方案中特征变量进行优选,得出最优特征组合,利用最优特征组合对河南省驻马店市冬小麦种植区进行提取.结果表明,无论是否进行特征优选,基于多源遥感数据的冬小麦识别精度均优于仅采用光学或雷达数据的精度;经过特征优选后,各方案的分类精度均有不同程度的提升,说明多源数据特征变量组合和特征优选均能够提高分类精度.不同月份和类型的特征变量对分类精度的贡献率不同,贡献率由大到小为4月、3月和5月;贡献率由大到小的特征类型为极化特征、植被指数变化率特征、植被指数特征、光谱特征和纹理特征.基于多源数据特征优选提取的2019年驻马店冬小麦空间分布最优,总体精度为95.60％,Kappa系数为0.93,冬小麦提取面积与统计年鉴数据相比,相对误差为2.23％.本文可为基于多源光学和雷达遥感影像进行农作物种植区提取的研究提供理论参考.

    冬小麦种植区识别特征优选哨兵数据GEE随机森林算法

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

    基于亚像素定位的图像边缘检测策略研究

    刘浩任宏赵丁选孙海超...
    242-248,294页
    查看更多>>摘要：针对图像处理与计算机视觉技术中低对比度、边缘模糊图像的边缘检测问题,参考局部极值与梯度方向两种因素,并结合图像边缘方向趋势,提出了一种单像素边缘跟踪策略.相较于应用广泛的Canny算法,该跟踪策略无需设置全局阈值,实现方式更为简洁、高效;提取的图像边缘连续、平滑、完整,并有效地减少了图像边缘的冗余像素,进而提升了图像后续处理的效率;边缘跟踪方向抗干扰性强,具有较强的鲁棒性.为了减小检测的图像边缘与真实图像边缘之间的偏差、提高图像边缘检测的精度,参考边缘像素点的相邻区域灰度,以边缘像素点的梯度分布为依据对该像素点进行亚像素定位.经实验验证,经过亚像素优化的图像边缘检测策略可用于检测边缘模糊、对比度低的图像,检测的图像边缘完整、连续且平滑.该策略有效地消除了程序运算中引入的截断误差,提升了图像边缘检测精度,且适用于亮度5～100 000 lx的高动态成像场景中.

    图像处理边缘检测亚像素定位单像素跟踪鲁棒性高动态

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

    基于改进YOLO v5的复杂环境下桑树枝干识别定位方法

    李丽卢世博任浩徐刚...
    249-257页
    查看更多>>摘要：为实现复杂自然环境下对桑树嫩叶处枝干的识别检测,改变当前桑叶采摘设备作业过程中依赖人工辅助定位的现状,解决识别目标姿态多样和环境复杂导致的低识别率问题,提出一种基于改进YOLO v5模型的桑树枝干识别模型(YOLO v5-mulberry),并结合深度相机构建定位系统.首先,在YOLO v5的骨干网络中加入CBAM(Convolutional block attention module)注意力机制,提高神经网络对桑树枝干的关注度;并增加小目标层使模型可检测4像素×4像素的目标,提高了模型检测小目标的性能;同时使用GIoU损失函数替换原始网络中的IoU损失函数,有效防止了预测框和真实框尺寸较小时无法正确反映预测框及真实框之间位置关系的情况;随后,完成深度图和彩色图的像素对齐,通过坐标系转换获取桑树枝干三维坐标.试验结果表明:YOLO v5-mulberry检测模型的平均精度均值为94.2％,较原模型提高16.9个百分点,置信度也提高12.1％;模型室外检测时应检测目标数53,实际检测目标数为48,检测率为90.57％;桑树嫩叶处枝干三维坐标识别定位系统的定位误差为(9.498 5 mm,11.285 mm,19.11 mm),满足使用要求.该研究可实现桑树嫩叶处枝干的识别与定位,有助于推动桑叶智能化采摘机器人研究.

    桑叶采摘枝干识别定位YOLOv5目标检测注意力机制坐标转换

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

    基于深度主动学习与CBAM的细粒度菊花表型识别

    袁培森丁毅飞徐焕良
    258-267页
    查看更多>>摘要：针对菊花种类繁多,花型差别细微,准确标注比较困难的问题,基于深度主动学习与混合注意力机制模块(Convolutional block attention module,CBAM),提出了一种标号数据不足情况下的菊花表型智能识别方法和框架.首先,通过主动学习策略基于最优标号和次优标号法(Best vs second-best,BvSB)在未标记菊花样本中选取信息量较大的样本进行标记,并将标记后的样本放入训练样本中;其次,使用深度卷积神经网络ResNet50作为本文的主干网络训练标记样本,引入混合注意力机制模块CBAM,使模型能够更为准确地提取细粒度图像中的高层语义信息;最后,用更新后的训练样本继续训练分类模型,直到模型达到迭代次数后停止.实验结果表明,该方法在少量菊花标记样本下,精确率、召回率和F1值分别达到93.66％、93.15％和93.41％.本文方法可为标号数据不足情况下的菊花等花卉智能化识别提供技术支撑.

    菊花表型细粒度图像识别主动学习ResNet50注意力机制模块

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

    基于轻量化高效层聚合网络的黄花成熟度检测方法

    吴利刚陈乐周倩史建华...
    268-277页
    查看更多>>摘要：针对黄花传统人工识别效率低,辨识标准不统一的问题,提出基于轻量化和高效层聚合过渡网络的黄花成熟度识别方法LSEB YOLO v7.首先,引入轻量化卷积对高效层聚合网络和过渡模块进行轻量化处理,减少模型计算量.其次,在特征提取与特征融合网络之间增加通道注意力机制,提升模型检测性能.最后,在特征融合网络中,优化通道信息融合方式,使用双向特征金字塔网络替换Concatenate,增加信息融合通道,持续提升模型性能.实验结果表明:与原始模型相比,在黄花成熟度检测中,改进后的LSEB YOLO v7模型参数量和浮点运算量分别减少约2.0 × 106和7.7×109.训练时长由8.025 h降低至7.746 h,模型体积压缩约4 MB.同时,训练精确率和召回率分别提升约0.64个百分点和0.14个百分点,mAP@0.5和mAP@0.5∶0.95分别提升约1.84个百分点和1.02个百分点.此外,调和均值性能保持不变,均为84.00％.LSEB YOLO v7算法可均衡模型复杂性与性能,为黄花成熟度检测和智能化采摘设备提供技术支持.

    黄花成熟度深度学习注意力机制信息融合机制轻量化

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

    基于CRV-YOLO的苹果中心花和边花识别方法

    司永胜孔德浩王克俭刘丽星...
    278-286页
    查看更多>>摘要：苹果树疏花是果园生产管理中的重要环节.准确高效地识别苹果中心花和边花,是研发智能疏花机器人的前提.针对苹果疏花作业中的实际需求,提出了一种基于CRV-YOLO的苹果中心花和边花识别方法.本文基于YOLO v5s模型进行了如下改进:将C-CoTCSP结构融入Backbone,更好地学习上下文信息并提高了模型特征提取能力,提高了模型对外形相似和位置关系不明显的中心花和边花的检测性能.在Backbone中添加改进RFB结构,扩大特征提取感受野并对分支贡献度进行加权,更好地利用了不同尺度特征.采用VariFocal Loss损失函数,提高了模型对遮挡等场景下难识别样本检测能力.在3个品种1 837幅图像数据集上进行了实验,结果表明,CRV-YOLO的精确率、召回率和平均精度均值分别为95.6％、92.9％和96.9％,与原模型相比,分别提高3.7、4.3、3.9个百分点,模型受光照变化和苹果品种影响较小.与Faster R-CNN、SSD、YOLOX、YOLO v7模型相比,CRV-YOLO的精确率、平均精度均值、模型内存占用量和复杂度性能最优,召回率接近最优.研究成果可为苹果智能疏花提供技术支持.

    苹果花识别YOLOv5s上下文信息中心花边花

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

    基于BERT-BiLSTM-CRF模型的畜禽疫病文本分词研究

    余礼根郭晓利赵红涛杨淦...
    287-294页
    查看更多>>摘要：针对畜禽疫病文本语料匮乏、文本内包含大量疫病名称及短语等未登录词问题,提出了一种结合词典匹配的BERT-BiLSTM-CRF畜禽疫病文本分词模型.以羊疫病为研究对象,构建了常见疫病文本数据集,将其与通用语料PKU结合,利用BERT(Bidirectional encoder representation from transformers)预训练语言模型进行文本向量化表示;通过双向长短时记忆网络(Bidirectional long short-term memory network,BiLSTM)获取上下文语义特征;由条件随机场(Conditional random field,CRF)输出全局最优标签序列.基于此,在CRF层后加入畜禽疫病领域词典进行分词匹配修正,减少在分词过程中出现的疫病名称及短语等造成的歧义切分,进一步提高了分词准确率.实验结果表明,结合词典匹配的BERT-BiLSTM-CRF模型在羊常见疫病文本数据集上的F1值为96.38％,与jieba分词器、BiLSTM-Softmax模型、BiLSTM-CRF模型、未结合词典匹配的本文模型相比,分别提升11.01、10.62、8.3、0.72个百分点,验证了方法的有效性.与单一语料相比,通用语料PKU和羊常见疫病文本数据集结合的混合语料,能够同时对畜禽疫病专业术语及疫病文本中常用词进行准确切分,在通用语料及疫病文本数据集上F1值都达到95％以上,具有较好的模型泛化能力.该方法可用于畜禽疫病文本分词.

    畜禽疫病文本分词预训练语言模型双向长短时记忆网络条件随机场

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

    基于YOLO v8n-seg和改进Strongsort的多目标小鼠跟踪方法

    梁秀英贾学镇何磊王翔宇...
    295-305,345页
    查看更多>>摘要：多目标小鼠跟踪是小鼠行为分析的基本任务,是研究社交行为的重要方法.针对传统小鼠跟踪方法存在只能跟踪单只小鼠以及对多目标小鼠跟踪需要对小鼠进行标记从而影响小鼠行为等问题,提出了一种基于实例分割网络YOLO v8n-seg和改进Strongsort相结合的多目标小鼠无标记跟踪方法.使用RGB摄像头采集多目标小鼠的日常行为视频,标注小鼠身体部位分割数据集,对数据集进行增强后训练YOLO v8n-seg实例分割网络,经过测试,模型精确率为97.7％,召回率为98.2％,mAP50为99.2％,单幅图像检测时间为3.5 ms,实现了对小鼠身体部位准确且快速地分割,可以满足Strongsort多目标跟踪算法的检测要求.针对Strongsort算法在多目标小鼠跟踪中存在的跟踪错误问题,对Strongsort做了两点改进:对匹配流程进行改进,将未匹配上目标的轨迹和未匹配上轨迹的目标按欧氏距离进行再次匹配;对卡尔曼滤波进行改进,将卡尔曼滤波中表示小鼠位置和运动状态的小鼠身体轮廓外接矩形框替换为以小鼠身体轮廓质心为中心、对角线为小鼠体宽的正方形框.经测试,改进后Strongsort算法的 ID 跳变数为 14,MOTA 为 97.698％,IDF1 为 85.435％,MOTP 为 75.858％,与原 Strongsort 相比,ID 跳变数减少88％,MOTA提升3.266个百分点,IDF1提升27.778个百分点,与Deepsort、ByteTrack和Ocsort相比,在MOTA和IDF1上均有显著提升,且ID跳变数大幅降低,结果表明改进Strongsort算法可以提高多目标无标记小鼠跟踪的稳定性和准确性,为小鼠社交行为分析提供了一种新的技术途径.

    小鼠行为多目标跟踪YOLOv8n-segStrongsort

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

    基于ICS优化RBF的水库水质三维预测方法

    谢再秘贾宝柱王骥莫春梅...
    306-314页
    查看更多>>摘要：针对已有水质预测模型在数据降噪、网络参数初始值设置和优化、精度提高等方面能力的不足,构建了一种优化的水质三维预测模型.利用主成分分析算法筛选出水质关键参数,并基于自适应噪声的完全集合经验模态分解算法结合小波阈值模型对三维水质参数和气象数据降噪处理,使用3维卷积神经网络(Three-dimensional convolutional neural networks,3-D CNN)提取出特征数据集,自编码器(Autoencoder,AE)获得径向基函数(Radial basis function,RBF)网络参数初始化值,改进布谷鸟搜索算法(Improved cuckoo search,ICS)优化更新网络中超参数动态初始化值.广东省湛江市徐闻县大水桥水库区域22个典型在线监测站点以及6个手持监测点的实测数据对比验证结果表明,浊度和藻密度分别与总氮含量强正相关,叶绿素含量与气温强正相关,所提出的水质预测模型在5个典型精准性评价指标方面优于已有文献方法.研究成果可为管理部门和研究者对水质监测提供参考.

    水质三维预测改进布谷鸟搜索算法卷积神经网络自编码器径向基神经网络

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