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Swin Transformer与GRU的低温贮藏番茄成熟度识别与时序预测研究

    杨信廷刘彤韩佳伟郭向阳...
    213-220页
    查看更多>>摘要：面向绿熟番茄采后持续转熟特征,适时调温是满足不同成熟度番茄适宜贮运温度需求的关键,而果实成熟度自动识别与动态预测则是实现温度适时调控的基础条件.本文基于Swin Transformer与改进GRU提出了一种番茄成熟度识别与时序动态预测模型,首先通过融合番茄两侧图像获取番茄表观全局红色总占比,构建不同成熟番茄图像数据集,并基于迁移学习优化Swin Transformer模型初始权重配置,实现番茄成熟度分类识别;其次,周期性采集不同储藏温度(4、9、14℃)下番茄图像数据,结合番茄初始颜色特征与贮藏环境信息,构建基于Swin Transformer与GRU的番茄成熟度时序预测模型,并融合时间注意力模块优化模型预测精度;最后,对比分析不同模型预测结果,验证本研究所提模型的准确性与优越性.结果表明,番茄成熟度正确识别率为95.783％,相比VGG16、AlexNet、ResNet50模型,模型正确识别率分别提升2.83％、3.35％、12.34％.番茄成熟度时序预测均方误差(MSE)为0.225,相比原始GRU、LSTM、BiGRU模型MSE最高降低29.46％.本研究为兼顾番茄成熟度实现贮藏温度柔性适时调控提供了关键理论基础.

    番茄低温贮藏成熟度识别时序预测模型SwinTransformerGRU

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

    基于改进LSTM的蘑菇生长状态时空预测算法

    杨淑珍黄杰苑进
    221-230页
    查看更多>>摘要：密集蘑菇簇会严重影响蘑菇质量和自动采摘成功率.为避免形成超密集蘑菇簇,提出一种蘑菇生长状态时空预测算法,对蘑菇生长状态进行预测以指导提前疏蕾.该算法采用编码器-预测器框架,将历史序列图像转换为3D张量序列作为模型的输入;编码器网络中将卷积和长短时记忆(Long short term memory,LSTM)网络融合实现对蘑菇生长的时空相关性特征的提取;在预测网络中加入扩散模型以解决预测图像的模糊问题;此外,在损失函数中增加了蘑菇面积差异损失函数来进一步减小预测蘑菇与实际蘑菇的形状和位置偏差.实验结果表明,本文算法峰值信噪比可达35.611 dB、多层级结构相似性为0.927、蘑菇预测准确性高达0.93,有效提高了蘑菇生长状态图像预测质量和精度,为食用菌生长预测提供了一种新思路.

    蘑菇生长状态预测长短时记忆网络扩散模型面积差异损失函数

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

    基于改进YOLO v7轻量化模型的自然果园环境下苹果识别方法

    张震周俊江自真韩宏琪...
    231-242,262页
    查看更多>>摘要：针对自然果园环境下苹果果实识别中,传统的目标检测算法往往很难在检测模型的检测精度、速度和轻量化方面实现平衡,提出了一种基于改进YOLO v7的轻量化苹果检测模型.首先,引入部分卷积(Partial convolution,PConv)替换多分支堆叠模块中的部分常规卷积进行轻量化改进,以降低模型的参数量和计算量;其次,添加轻量化的高效通道注意力(Efficient channel attention,ECA)模块以提高网络的特征提取能力,改善复杂环境下遮挡目标的错检漏检问题;在模型训练过程中采用基于麻雀搜索算法(Sparrow search algorithm,SSA)的学习率优化策略来进一步提高模型的检测精度.试验结果显示:相比于YOLO v7原始模型,改进后模型的精确率、召回率和平均精度分别提高4.15、0.38、1.39个百分点,其参数量和计算量分别降低22.93％和27.41％,在GPU和CPU上检测单幅图像的平均用时分别减少0.003 s和0.014 s.结果表明,改进后的模型可以实时准确地识别复杂果园环境中的苹果,模型参数量和计算量较小,适合部署于苹果采摘机器人的嵌入式设备上,为实现苹果的无人化智能采摘奠定了基础.

    苹果识别自然果园环境YOLOv7PConv高效通道注意力机制麻雀搜索算法

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

    基于改进YOLO v5的复杂环境下花椒簇识别与定位方法

    黄华张昊胡晓林聂兴毅...
    243-251页
    查看更多>>摘要：花椒树产果量大,枝干纵横交错,树叶茂密,给花椒的自动化采摘带来了困难.因此,本文设计一种基于改进YOLO v5的复杂环境下花椒簇的快速识别与定位方法.通过在主干提取网络CSPDarknet的CSPLayer层和Neck的上采样之后增加高效通道注意力ECA(Efficient channel attention)来简化CSPLayer层的计算量,提升了特征提取能力.同时在下采样层增加协同注意力机制CA(Coordinate attention),减少下采样过程中信息的损失,强化特征空间信息,配合热力图(Grad-CAM)和点云深度图,来完成花椒簇的空间定位.测试结果表明,与原YOLO v5相比较,改进的网络将残差计算减少至1次,保证了模型轻量化,提升了效率.同帧数区间下,改进后的网络精度为96.27％,对比3个同类特征提取网络YOLO v5、YOLO v5-tiny、Faster R-CNN,改进后网络精确度P分别提升5.37、3.35、15.37个百分点,连株花椒簇的分离识别能力也有较大提升.实验结果表明,自然环境下系统平均识别率为81.60％、漏检率为18.39％,能够满足花椒簇识别要求,为移动端部署创造了条件.

    花椒簇识别农业机器人深度学习目标检测YOLOv5

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

    基于双节点-双边图神经网络的茶叶病害分类方法

    张艳车迅汪芃汪玉凤...
    252-262页
    查看更多>>摘要：传统茶叶病害分类主要依赖人工方法,此类方法费工费时,同时茶叶病害样本较少使得现有的机器学习方法的模型训练不充分,病害分类准确率不够高.针对茶炭疽病、茶黑煤病、茶饼病和茶白星病4类病害,提出一种基于双节点-双边图神经网络的茶叶病害分类方法.首先通过两分支卷积神经网络提取RGB茶叶病害特征和灰度茶叶病害特征,两分支均采用ResNet12作为骨干网络,参数独立不共享,两类特征作为图神经网络的两个子节点,以获得不同域样本所包含的病害信息;其次构建相对度量边和相似性边两类边,从而强化节点对相邻节点所含病害特征的聚合能力.最后,经过双节点特征和双边特征更新模块,实现双节点和双边交替更新,提高边特征对节点距离度量的准确性,从而实现训练样本较少条件下对茶叶病害的准确分类.本文方法和小样本学习方法进行了对比实验,结果表明,本文方法获得更高的准确率,在miniImageNet和PlantVillage数据集上5way-1shot的准确率分别达到69.30％和88.42％,5way-5shot准确率分别为82.48％和93.04％.同时在茶叶数据集TeaD-5上5way-1shot 和 5way-5shot 准确率分别达到 84.74％和 86.34％.

    茶叶病害分类图神经网络双节点相对度量边相似性边

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

    基于形色筛选的苹果园羽化害虫粘连图像分割方法

    刘双喜王云飞张宏建孙林林...
    263-274页
    查看更多>>摘要：针对苹果园害虫识别过程中的粘连问题,提出了一种基于形色筛选的害虫粘连图像分割方法.首先,采集苹果园害虫图像,聚焦于羽化害虫.害虫在羽化过程中已完成大部分生长发育,其外部形态、颜色、纹理更为稳定显著.因此,基于不同种类害虫的形色特征信息分析,来获取害虫HSV分割阈值和模板轮廓.其次,利用形状因子判定分割粘连区域,通过颜色分割法和轮廓定位分割法来实现非种间与种间粘连害虫的分割.最后,对采集的苹果园害虫图像进行了试验分析,采用基于形色筛选的分割法对单个害虫进行分割,结果表明,本文方法的平均分割率、平均分割错误率和平均分割有效率分别为101％、3.14％和96.86％,分割效果优于传统图像分割方法.此外,通过预定义的颜色阈值,本文方法实现了棉铃虫、桃蛀螟与玉米螟的精准分类,平均分类准确率分别为97.77％、96.75％与96.83％.同时,以Mask R-CNN模型作为识别模型,平均识别精度作为评价指标,分别对已用本文方法和未用本文方法分割的害虫图像进行识别试验.结果表明,已用本文方法分割的棉铃虫、桃蛀螟和玉米螟害虫图像平均识别精度分别为96.55％、94.80％与95.51％,平均识别精度分别提高16.42、16.59、16.46个百分点.这表明该方法可为果园害虫精准识别提供理论和方法基础.

    苹果园羽化害虫粘连图像精准分割形色特征轮廓定位

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

    基于SimAM-ConvNeXt-FL的茶叶病害小样本分类方法研究

    田甜程志友鞠薇张帅...
    275-281页
    查看更多>>摘要：为实现茶叶病害精准分类,针对茶叶病害图像分类中小样本问题及类别分布不均的问题,提出了一种基于迁移学习的SimAM-ConvNeXt-FL模型的病害图像分类方法.首先在ConvNeXt模型中加入SimAM模块,以加强复杂特征的提取.其次针对样本分布不均问题,将Focal Loss函数作为训练过程中的损失函数,通过增加数量较少样本的权重来减小样本分布不均的影响.最后使用SimAM-ConvNeXt-FL模型对Plant Village数据集训练,将训练得到的参数迁移到实测的茶叶病害图像上并进行微调,减少过拟合带来的影响,设置消融实验证明模型改进的有效性,并与不同分类模型(AlexNet、VGG16、ResNet34模型)分别进行对比实验.实验结果表明,SimAM-ConvNeXt-FL模型识别效果最佳,准确率达96.48％,SimAM-ConvNeXt-FL模型较原ConvNeXt模型在茶煤病、茶藻斑病、茶炭疽病、健康叶片和茶白星病的F1值分别提高4.46、3.76、0.43、0.22、5.23个百分点.结果表明本文提出的模型具有较高的分类准确率与较强的泛化性,可推进茶叶病害分类工作发展.

    茶叶病害图像分类小样本迁移学习ConvNeXt

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

    基于YOLO v8n-seg-FCA-BiFPN的奶牛身体分割方法

    张姝瑾许兴时邓洪兴温毓晨...
    282-289,391页
    查看更多>>摘要：奶牛身体部位的精准分割广泛应用于奶牛体况评分、姿态检测、行为分析及体尺测量等领域.受奶牛表面污渍和遮挡等因素的影响,现有奶牛部位精准分割方法实用性较差.本研究在YOLO v8n-seg模型的基础上,加人多尺度融合模块与双向跨尺度加权特征金字塔结构,提出了 YOLO v8n-seg-FCA-BiFPN奶牛身体部位分割模型.其中,多尺度融合模块使模型更好地提取小目标几何特征信息,双向跨尺度加权特征金字塔结构实现了更高层次的特征融合.首先在奶牛运动通道处采集奶牛侧面图像作为数据集,为保证数据集质量,采用结构相似性算法剔除相似图像,共得到1 452幅图像.然后对目标奶牛的前肢、后肢、乳房、尾部、腹部、头部、颈部和躯干8个部位进行标注并输入模型训练.测试结果表明,模型精确率为96.6％,召回率为94.6％,平均精度均值为97.1％,参数量为3.3×106,检测速度为6.2 f/s.各部位精确率在90.3％～98.2％之间,平均精度均值为96.3％.与原始YOLO v8n-seg相比,YOLO v8n-seg-FCA-BiFPN的精确率提高3.2个百分点,召回率提高2.6个百分点,平均精度均值提高3.1个百分点,改进后的模型在参数量基本保持不变的情况下具有更强的鲁棒性.遮挡情况下该模型检测结果表明,精确率为93.8％,召回率为91.67％,平均精度均值为93.15％.结果表明,YOLO v8n-seg-FCA-BiFPN网络可以准确、快速地实现奶牛身体部位精准分割.

    奶牛身体部位分割语义分割FCABasicBlockBiFPNYOLOv8n

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

    水产养殖中水质与鱼类行为双向映射模型研究

    魏天娇胡祝华范习禹
    290-299页
    查看更多>>摘要：在水产养殖中,水质参数与鱼类活动之间有着密不可分的相互映射关系.过去的监测更多偏向于单向映射,一般都是通过鱼类的行为表明水质的情况.针对仅仅通过鱼类行为反映水质情况会产生误判和滞后的问题,本文构建一种基于随机森林的鱼类行为与水质情况双向映射模型.双向映射模型不仅可以提供更多的信息从而提高预测的准确性,而且也可以通过相互验证提高模型的可靠性.首先,通过引入可变形卷积模块对YOLO v7进行改进,利用改进模型检测出视频中鱼类的位置再通过前后帧的坐标量化出鱼的游动参数.随后,将采集到的鱼类游动参数及对应的水质参数作为输入,使用随机森林模型进行分类、回归,分别完成鱼类游动参数和水质参数具体数值的预测以及指标异常级别的预测,从而得到双向映射关系.为了表明模型的泛化能力,分别在黎安港和新村港渔场2个数据集下进行实验.实验结果表明:提出的方法可以较好地实现鱼类行为与水质关系的双向映射,其中,分类实验平均准确率可以达到90.947％,回归实验决定系数R2的平均值可以达到0.801.

    智慧养殖鱼类行为水质深度学习随机森林双向映射模型

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

    四川省能源和粮食生产用水竞争及与经济关系研究

    康银红贺帅王嘉驰倪铁峰...
    300-310页
    查看更多>>摘要：水-能源-粮食系统存在相互依存、相互制约的复杂关系,量化该系统的相互关系,对于合理配置和协调利用水、能源和粮食资源,促进区域社会经济的可持续发展具有重要意义.本文运用能源和粮食生产水足迹模型、竞争指数模型、脱钩理论及锡尔指数等方法,核算分析了四川省2009-2019年能源和粮食生产水足迹及其时空变化特征,以及能源和粮食生产对水的竞争关系,探究了水足迹和地区生产总值的内在联系.研究结果表明:能源和粮食生产水足迹均呈上升趋势.能源生产蓝水足迹年均值为5.45 × 109 m3,占能源生产水足迹的93.76％;粮食生产蓝水足迹年均值为1.06 × 1010 m3,占粮食生产水足迹的26.02％,绿水足迹的贡献率超过蓝水足迹和灰水足迹之和,占比53.06％.四川省能源和粮食生产对水的竞争指数呈上升趋势,增幅为42.69％.由于川西北生态示范区和攀西经济区等地区兼顾粮食和水电生产,其竞争指数明显高于其他地区.四川省水足迹和地区生产总值的脱钩关系为弱脱钩,处于相对协调发展状态,说明经济发展对用水量的控制状态相对较好;水足迹强度总差异呈扩张趋势,说明四川省用水效率不均衡性逐渐扩大,但研究后期有所下降,发展逐渐趋同.该研究可为四川省水资源调配、能源开发和粮食生产提供建议,也可为该地区优化经济发展方式以及用水效率的协同发展提供参考.

    水足迹竞争指数脱钩分析锡尔指数四川省

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