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HER-TD3算法的青皮核桃采摘机械臂路径规划

    杨淑华谢晓波邴振凯郝建军...
    113-123页
    查看更多>>摘要：针对青皮核桃和树枝等障碍物无序生长导致机械臂采摘环境复杂、训练任务量大、稳定性差等普遍存在的问题,本文设计了一种同步带模组与机械臂协作的采摘装置,并采用基于事后经验回放的双延迟深度确定性策略梯度算法(Twin delayed deep deterministic policy gradient with hindsight experience replay,HER-TD3)对采摘机械臂进行路径规划,通过HER算法提高智能体的探索能力,缓解稀疏奖励的问题;通过TD3算法提高智能体的稳定性,减少了训练中出现的震荡现象.为了证明HER-TD3算法的可行性和泛化能力,引入TD3、HER-DDPG算法进行对比,采用降维训练方法对3种深度强化学习智能体进行训练,结果表明HER-TD3算法模型在完成路径规划任务中成功率达到98％,与HER-DDPG算法相比提高4个百分点,与TD3算法相比提高19个百分点;在CoppeliaSim软件中搭建三维模型仿真环境,设计初始姿态和碰撞检测,使用YOLO v4识别青皮核桃,通过该算法模型能够引导虚拟采摘机械臂避开树枝障碍物达到目标位置,完成无碰撞路径规划,无障碍物和有障碍物时路径规划成功率分别为91％和86％;利用物理样机进行青皮核桃采摘试验时,仍能较好地完成路径规划任务,无障碍物时采摘路径规划成功率为86.7％,平均运动时间为12.8 s,有障碍物时采摘路径规划成功率为80.0％,平均运动时间为13.6s,验证了 HER-TD3算法对复杂环境具有较好的适应性和稳定性.

    青皮核桃采摘机器人机械臂HER-TD3算法路径规划

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

    丘陵果园自然环境下柑橘采摘机器人设计与试验

    鲍秀兰马志涛马萧杰黎亦书...
    124-135页
    查看更多>>摘要：智慧果园是未来果园行业发展的趋势,智能化果实采摘是发展智慧果园的关键问题.为实现智能化果实采摘,本文搭建了一种适用于丘陵果园矮化栽培模式下的柑橘采摘机器人系统.针对丘陵果园垄间地面凹凸不平,存在地形倾斜角0°～20°,设计了一种自适应调平平台保持机械臂基座水平;通过视觉系统获取多幅点云图像建立果树的三维点云模型,获取果实位置信息;为避免采摘时造成果实损伤,结合柑橘类水果的采摘特点,设计了一种剪切夹持一体化的末端执行器完成柑橘采摘.针对果园自然环境的主要扰动因素(风和光照)进行分级,设置10组对比试验,结果表明:在低光照或正常光照条件下,平均果实定位准确率为82.5％,末端执行器夹取成功率为87.5％,平均采摘时间最短为12.3 s/个;高光照条件下平均果实定位准确率为72％,末端执行器夹取成功率为80％,平均采摘时间最短为12.5 s/个.

    柑橘采摘机器人三维点云模型自适应平台末端执行器

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

    可变形磨损模型下微型离心泵复合磨损研究

    王田田李俊宏南玲博陈帝伊...
    136-145页
    查看更多>>摘要：为了探究微型离心泵在不同颗粒体积分数下的复合磨损类型与磨损变化,基于计算流体动力学与离散元耦合的方法,通过可变形磨料磨损Archard模型与可变形冲蚀磨损Oka模型对离心泵在不同颗粒体积分数(2％、4％、6％、8％、10％、12％)下的颗粒-部件碰撞占比率、磨损分布与演化进行了研究.通过对比实验发现颗粒体积分数在4％附近时颗粒与叶轮叶片、蜗壳碰撞占比率呈现不同的变化趋势.离心泵磨损以磨料磨损为主,磨料磨损中蜗壳为磨损最严重的部件,占总磨料磨损量的68.5％,随着颗粒体积分数的增加,蜗壳处磨料磨损由断面Ⅷ向断面Ⅰ演化,蜗壳前后端先后磨损.冲蚀磨损高磨损区域主要集中于叶轮叶片,占冲蚀磨损总量的95.83％,蜗壳处冲蚀磨损断面演化规律与磨料磨损变化规律近似,但蜗壳后端最先被磨损.颗粒体积分数对蜗壳磨料磨损变形量影响较大,蜗壳、叶轮磨料磨损变形量与冲蚀磨损变形量具有相似的变化趋势.

    微型离心泵磨料磨损冲蚀磨损可变形磨损颗粒体积分数CFD-DEM

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

    基于无人机遥感植被指数优选的覆膜冬小麦估产研究

    韦春宇杜娅丹程智楷周智辉...
    146-154,175页
    查看更多>>摘要：为进一步提高无人机遥感估产的精度,本研究以2021-2022年的覆膜冬小麦为研究对象,对返青期、拔节期、抽穗期和灌浆期的多光谱影像进行覆膜背景剔除,并优选最佳遥感窗口期,基于最优植被指数构建覆膜冬小麦估产模型.结果表明,利用支持向量机监督分类法剔除覆膜背景后冠层反射率更接近真实值,抽穗期和灌浆期的估产精度更高.将不同生育期的植被指数与产量进行相关性分析发现,最佳遥感窗口期为抽穗期.基于逐步回归和全子集回归法优选最优植被指数时发现,基于逐步回归法筛选变量为MCAR1、MSR、EVI2、NDRE、VARI、NDGI、NGBDI、ExG时产量反演模型精度最高.此外,利用偏最小二乘法、人工神经网络和随机森林3种机器学习法构建的产量反演模型中,基于逐步回归法的随机森林模型的反演精度最高,R2为0.82,RMSE为0.84 t/hm2.该研究可为提高遥感估产精度、实现农业生产精细化管理提供技术支持.

    覆膜冬小麦植被指数产量估计无人机遥感特征选择机器学习

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

    基于FE-P2Pnet的无人机小麦图像麦穗计数方法

    鲍文霞苏彪彪胡根生黄承沛...
    155-164,289页
    查看更多>>摘要：针对无人机图像背景复杂、小麦密集、麦穗目标较小以及麦穗尺寸不一等问题,提出了一种基于FE-P2Pnet(Feature enhance-point to point)的无人机小麦图像麦穗自动计数方法.对无人机图像进行亮度和对比度增强,增大麦穗目标与背景之间的差异度,减少叶、秆等复杂背景因素的影响.引入了基于点标注的网络P2Pnet作为基线网络,以解决麦穗密集的问题.同时,针对麦穗目标小引起的特征信息较少的问题,在P2Pnet的主干网络VGG16中添加了 Triplet模块,将C(通道)、H(高度)和W(宽度)3个维度的信息交互,使得主干网络可以提取更多与目标相关的特征信息;针对麦穗尺寸不一的问题,在FPN(Feature pyramid networks)上增加了 FEM(Feature enhancement module)和SE(Squeeze excitation)模块,使得该模块能够更好地处理特征信息和融合多尺度信息;为了更好地对目标进行分类,使用Focal Loss损失函数代替交叉熵损失函数,该损失函数可以对背景和目标的特征信息进行不同的权重加权,进一步突出特征.实验结果表明,在本文所构建的无人机小麦图像数据集(Wheat-ZWF)上,麦穗计数的平均绝对误差(MAE)、均方误差(MSE)和平均精确度(ACC)分别达到3.77、5.13和90.87％,相较于其他目标计数回归方法如 MCNN(Multi-column convolutional neural network)、CSRnet(Congested scene recognition network)和WHCNETs(Wheat head counting networks)等,表现最佳.与基线网络P2Pnet相比,MAE和MSE分别降低23.2％和16.6％,ACC提高2.67个百分点.为了进一步验证本文算法的有效性,对采集的其它4种不同品种的小麦(AK1009、AK1401、AK1706和YKM222)进行了实验,实验结果显示,麦穗计数MAE和MSE平均为5.10和6.17,ACC也达到89.69％,表明本文提出的模型具有较好的泛化性能.

    麦穗计数无人机图像FE-P2PnetFEMWheat-ZWF数据集

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

    基于轻量型网络的无人机遥感图像中茶叶枯病检测方法

    胡根生谢一帆鲍文霞梁栋...
    165-175页
    查看更多>>摘要：针对无人机采集的茶叶枯病图像中病斑差异大,病斑和背景之间相似性高等问题,设计了一个轻量型网络LiTLBNet,用于准确、实时地检测野外茶园无人机图像中的茶叶枯病.LiTLBNet使用轻量型的M-Backbone作为骨干网络,用来提取茶叶枯病病斑的可区分特征,减少因图像中病斑的尺度、颜色和形状的巨大差异而导致的漏检.在LiTLBNet的LNeck结构中引入了 SE和ECA模块,帮助网络在通道维度上学习目标的综合特征,减少因病斑和背景之间的相似性造成的误检,同时删除原基线网络最大的特征图,以减少计算量和模型大小.此外,本研究还通过旋转、加噪声、构建合成图像等方式来扩充训练样本数量,提高小样本条件下LiTLBNet网络泛化能力.实验结果表明,利用LiTLBNet检测无人机遥感图像中茶叶枯病的精度为75.1％,平均精度均值为78.5％,与YOLO v5s接近.然而,LiTLBNet内存占用量仅2.0MB,是YOLO v5s网络的13.9％.LiTLBNet网络可用于对茶叶枯病进行实时、准确的无人机遥感监测.

    茶叶病害目标检测无人机遥感轻量型网络LiTLBNet

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

    自适应融合气体-光谱双模态信息花生产地溯源方法

    石岩任宇琪王思远殷崇博...
    176-183,203页
    查看更多>>摘要：不同产地的花生质量差异明显,贴优质产地标签贩卖劣质花生的现象时有发生.本文基于电子鼻与高光谱系统的无损检测技术,提出双模态融合特征注意力(Bimodal fusion feature attention,DFFA)并设计DFFA-Net以实现花生质量辨识.首先,利用电子鼻与高光谱系统获取7个不同产地花生气体信息和光谱信息,花生自内而外的气体信息可以表征其整体宏观质量,不同化学键及官能团的光谱信息差异可以表征其整体微观质量;然后,提出DFFA以自适应融合气体-光谱双模态信息并关注影响分类性能的重要特征,并结合消融实验证明了双模态信息融合的必要性;最后,基于提出的DFFA模块,经网络结构优化得到DFFA-Net以实现不同产地花生质量的有效辨识.通过消融分析、多注意力机制分类性能对比,DFFA-Net获得了最佳分类性能:准确率为98.10％、精确率为98.15％、召回率为97.88％,验证了 DFFA-Net在花生产地辨识中的有效性.提出的DFFA-Net结合电子鼻和高光谱系统实现了不同产地花生的质量辨识,为花生市场质量监督提供了有效的技术方法.

    花生产地辨识电子鼻高光谱信息融合卷积神经网络

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

    基于神经辐射场的苗期作物三维建模和表型参数获取

    朱磊江伟孙伯颜柴明堂...
    184-192,230页
    查看更多>>摘要：苗期作物三维结构的精准高效重建是获取表型信息的重要基础.传统的三维重建大多基于运动恢复结构-多视图立体视觉(Structure from motion and multi-view stereo,SFM-MVS)算法,计算成本高,难以满足快速获取表型参数的需求.本研究提出一种基于神经辐射场(Neural radiance fields,NeRF)的苗期作物三维建模和表型参数获取系统,利用手机获取不同视角下的RGB影像,通过NeRF算法完成三维模型的构建.在此基础上,利用点云库(Point cloud library,PCL)中的直线拟合和区域生长等算法自动分割植株,并采用距离最值遍历、圆拟合和三角面片化等算法实现了精准测量植株的株高、茎粗和叶面积等表型参数.为评估该方法的重建效率和表型参数测量精度,本研究分别选取辣椒、番茄、草莓和绿萝的苗期植株作为试验对象,对比NeRF算法与SFM-MVS算法的重建结果.结果表明,以SFM-MVS方法重建点云为基准,NeRF方法重建的各植株点云点对距离均方根误差仅为0.128～0.395 cm,两者重建质量较接近,但在重建速度方面,本文研究方法相比于SFM-MVS方法平均重建速度提高700％.此外,该方法提取辣椒苗株高、茎粗决定系数(R2)分别为0.971和0.907,均方根误差(RMSE)分别为0.86 cm和0.017 cm,对各苗期植株叶面积提取的R2为0.909～0.935,RMSE为0.75～3.22 cm2,具有较高的测量精度.本研究提出的方法可以显著提高三维重建和表型参数获取效率,从而为作物育种选苗提供更为高效的技术手段.

    苗期作物三维重建神经辐射场表型参数叶面积

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

    基于改进COF-YOLO v8n的油茶果静态与动态检测计数方法

    王金鹏何萌甄乾广周宏平...
    193-203页
    查看更多>>摘要：针对自然环境下油茶果存在严重遮挡、近景色、小目标等现象,使用YOLO网络存在检测精度低、漏检现象严重等问题,提出对YOLO v8n网络进行改进.首先使用MPDIOU作为YOLO v8n的损失函数,有效解决因为果实重叠导致的漏检问题;其次调整网络,向其中加入小目标检测层,使网络能够关注小目标油茶以及被树叶遮挡的油茶;最后使用SCConv作为特征提取网络,既能兼顾检测精度又能兼顾检测速度.改进COF-YOLO v8n网络精确率、召回率、平均精度均值分别达到97.7％、97％、99％,比未改进的YOLO v8n分别提高3.2、4.8、2.4个百分点,其中严重遮挡情况下油茶检测精确率、召回率、平均精度均值分别达到95.9％、95％、98.5％,分别比YOLO v8n提高4.0、9.1、4.6个百分点.因此改进后COF-YOLO v8n网络能够明显提高油茶在严重遮挡、近景色、小目标均存在情况下的识别精度,减小油茶的漏检.此外,模型能够实现动、静态输入条件下油茶果计数.动态计数借鉴DeepSORT算法的多目标跟踪思想,将改进后COF-YOLO v8n的识别输出作为DeepSORT的输入,实现油茶果实的追踪计数.所得改进模型具有很好的鲁棒性,且模型简单可以嵌入到边缘设备中,不仅可用于指导自动化采收,还可用于果园产量估计,为果园物流分配提供可靠借鉴.

    油茶果机器视觉COF-YOLOv8n计数产量估计

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

    基于CycleGAN-IA方法和M-ConvNext网络的苹果叶片病害图像识别

    李云红张蕾涛李丽敏苏雪平...
    204-212页
    查看更多>>摘要：针对苹果叶片病害图像识别存在数据集获取困难、样本不足、识别准确率低等问题,提出基于多尺度特征提取的病害识别网络(Multi-scale feature extraction ConvNext,M-ConvNext)模型.采用一种结合改进的循环一致性生成对抗网络与仿射变换的数据增强方法(Improved CycleGAN and affine transformation,CycleGAN-IA),首先,使用较小感受野的卷积核和残差注意力模块优化CycleGAN网络结构,使用二值交叉熵损失函数代替CycleGAN网络的均方差损失函数,以此生成高质量样本图像,提高样本特征复杂度;然后,对生成图像进行仿射变换,提高数据样本的空间复杂度,该方法解决了数据样本不足的问题,用于辅助后续的病害识别模型.其次,构建M-ConvNext网络,该网络设计G-RFB模块获取并融合各个尺度的特征信息,GELU激活函数增强网络的特征表达能力,提高苹果叶片病害图像识别准确率.最后,实验结果表明,CycleGAN-IA数据增强方法可以对数据集起到良好的扩充作用,在常用网络上验证,增强后的数据集可以有效提高苹果叶片病害图像识别准确率;通过消融实验可得,M-ConvNex识别准确率可达99.18％,较原ConvNext网络准确率提高0.41个百分点,较ResNet50、MobileNetV3和EfficientNetV2网络分别提高3.78、7.35、4.07个百分点,为后续农作物病害识别提供了新思路.

    苹果叶片病害识别生成式对抗网络数据增强多尺度特征提取

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