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

    基于改进FasterNet的轻量化小麦生育期识别模型

    时雷雷镜楷王健杨程凯...
    226-234页
    查看更多>>摘要：针对现阶段小麦生育期信息获取需依靠人工观测,效率低、主观性强等问题,本文构建包含冬小麦越冬期、返青期、拔节期和抽穗期4个生育期共计4 599幅小麦图像数据集,并提出一种基于FasterNet的轻量化网络模型FSST(Fast shuffle swin transformer),开展4个关键生育期的智能识别.在FasterNet部分卷积的基础上引入Channel Shuffle机制,以提升模型计算速度.引入Swin Transformer模块来实现特征融合和自注意力机制,用来提升小麦关键生育期识别准确率.调整整个模型结构,进一步降低网络复杂度,并在训练中引入Lion优化器,加快网络模型收敛速度.在自建的数据集上进行模型验证,结果表明,FSST模型参数量仅为1.22 × 107,平均识别准确率、F1值和浮点运算量分别为 97.22％、78.54％和 3.9 × 108,与 FasterNet、GhostNet、ShuffleNetV2 和 MobileNetV3 4 种模型相比,FSST模型识别精度更高,运算速度更快,并且识别时间分别减少84.04％、73.74％、72.22％和77.01％.提出的FSST模型能够较好地进行小麦关键生育期识别,并且具有识别快速精准和轻量化的特点,可以为大田作物生长实时监测提供信息技术支持.

    小麦生育期识别FasterNet轻量化Lion优化器

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

    基于Shuffle-ZoeDepth单目深度估计的苗期玉米株高测量方法

    赵永杰蒲六如宋磊刘佳辉...
    235-243,253页
    查看更多>>摘要：株高是鉴别玉米种质性状及作物活力的重要表型指标,苗期玉米遗传特性表现明显,准确测量苗期玉米植株高度对玉米遗传特性鉴别与田间管理具有重要意义.针对传统植株高度获取方法依赖人工测量,费时费力且存在主观误差的问题,提出了一种融合混合注意力信息的改进ZoeDepth单目深度估计模型.改进后的模型将Shuffle Attention模块加入Decoder模块的4个阶段,使Decoder模块在对低分辨率特征图信息提取过程中能更关注特征图中的有效信息,提升了模型关键信息的提取能力,可生成更精确的深度图.为验证本研究方法的有效性,在NYU-V2深度数据集上进行了验证.结果表明,改进的Shuffle-ZoeDepth模型在NYU-V2深度数据集上绝对相对差、均方根误差、对数均方根误差为0.083、0.301 mm、0.036,不同阈值下准确率分别为93.9％、99.1％、99.8％,均优于ZoeDepth模型.同时,利用Shuffle-ZoeDepth单目深度估计模型结合玉米植株高度测量模型实现了苗期玉米植株高度的测量,采集不同距离下苗期玉米图像进行植株高度测量试验.当玉米高度在15～25 cm、25～35 cm、35～45 cm 3个区间时,平均测量绝对误差分别为1.41、2.21、2.08 cm,平均测量百分比误差分别为8.41％、7.54％、4.98％.试验结果表明该方法可仅使用单个RGB相机完成复杂室外环境下苗期玉米植株高度的精确测量.

    苗期玉米株高单目深度估计测量方法混合注意力机制

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

    基于频域数据增强与轻量化YOLO v7模型的成熟期香梨目标检测方法

    郑文轩杨瑛
    244-253页
    查看更多>>摘要：为实现香梨自动化采摘,本文以YOLO v7-S为基础模型,针对果园中香梨果实、果叶和枝干之间相互遮挡,不易精准检测的问题,设计了一种轻量化香梨目标检测M-YOLO v7-SCSN+F模型.该模型采用MobileNetv3作为骨干特征提取网络,引入协同注意力机制(Coordinate attention,CA)模块,将YOLO v7-S中的损失函数CIoU替换为SIoU,并联合Normalized Wasserstein distance(NWD)小目标检测机制,以增强网络特征表达能力和检测精度.基于傅里叶变换(Fourier transform,FT)的数据增强方法,通过分析图像频域信息和重建图像振幅分量生成新的图像数据,从而提高模型泛化能力.实验结果表明,改进的M-YOLO v7-SCSN+F模型在验证集上的平均精度均值(mAP)、精确率和召回率分别达到97.23％、97.63％和93.66％,检测速度为69.39 f/s,与Faster R-CNN、SSD、YOLO v3、YOLO v4、YOLO v5s、YOLO v7-S、YOLO v8n、RT-DETR-R50模型在验证集上进行性能比较,其平均精度均值(mAP)分别提高 14.50、26.58、3.88、2.40、1.58、0.16、0.07、0.86 个百分点.此外,改进的 M-YOLO v7-SCSN+F模型内存占用量与YOLO v8n和RT-DETR-R50检测模型对比减少16.47、13.30 MB.本文提出的检测模型对成熟期香梨具有很好的目标检测效果,为背景颜色相近小目标检测提供参考,可为香梨自动化采摘提供有效的技术支持.

    香梨目标检测YOLOv7数据增强傅里叶变换注意力机制

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

    基于选择性注意力神经网络的木薯叶病害检测算法

    张家瑜朱锐邱威陈坤杰...
    254-262,272页
    查看更多>>摘要：为了实现在复杂非结构环境下对木薯叶4种主要病害的高精度检测,提出一种基于选择性注意力机制的木薯叶病害神经网络检测改进算法 MAISNet(Multiattention IBN Squareplus neural network).以 V2-ResNet-101 为基础网络,先使用多重注意力算法优化加权系数,调整特征通道的语义表达,在特征图中初步构建显著性特征;然后在残差单元之后采用实例批归一化方法来抑制特征表达中的协变量偏移,在特征图中构建出显著性语义特征,实现高质量语义特征表达;最后在残差分支中采用Squareplus激活函数替代ReLU激活函数,保持语义特征在负数域的数值分布,减少特征拟合过程中的截断误差.对比试验结果显示,经过上述改进后构建出的MAISNet-101神经网络,对4种常见木薯叶病害检测的平均准确率达到95.39％,明显优于目前主流算法EfficientNet-B5和RepVGG-B3g4等.网络提取特征的可视化分析结果表明,高质量木薯叶病害显著性语义特征,是提高木薯叶病害检测准确率的关键.所提出的MAISNet神经网络模型可以完成实际场景下木薯叶病害高精度检测.

    木薯病害检测多重注意力算法显著性语义特征Squareplus激活函数

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

    基于校正光谱序列融合的小麦腥黑穗病籽粒分类方法

    梁琨宋金鹏张驰梅秀明...
    263-272页
    查看更多>>摘要：针对小麦腥黑穗病轻度患病籽粒易与健康籽粒混淆,人工识别难度大的问题,将校正光谱序列融合技术与深度学习模型相结合,实现小麦腥黑穗病籽粒快速、精准分类.以健康、轻度患病、重度患病各300粒小麦籽粒的高光谱数据为样本,通过多元散射校正算法(MSC)和标准正态变换算法(SNV)对原始光谱进行预处理,并利用二维相关光谱法(2D-COS)分析SNV与MSC算法处理后的光谱之间的互补性.使用校正光谱序列融合技术将原始光谱、SNV预处理光谱与MSC预处理光谱三者进行融合得到序列融合光谱,以充分利用不同光谱预处理数据间的互补信息.最终,利用序列融合光谱数据建立基于ResNet 50算法的小麦腥黑病分类模型.试验结果表明,序列融合光谱ResNet 50模型总体准确率最高为93.89％,F1值为93.87％,分类性能优于单一预处理光谱建立的ResNet 50模型.为进一步评估模型分类效果,使用序列融合光谱分别建立偏最小二乘判别分析(PLS-DA)、支持向量机(SVM)以及集成学习算法模型随机森林(RF)与极端梯度提升树(XGBoost)模型,并进行对比,结果显示:SVM、PLS-DA、RF 与 XGBoost 总体准确率分别为 81.67％、84.44％、89.44％与 90.55％,F1 值分别为 81.59％、84.04％、89.49％与90.59％,ResNet 50总体准确率与F1值优于传统光谱分析模型.因此,本研究表明校正光谱序列融合技术结合深度学习模型,能够实现对不同患病程度腥黑穗病籽粒的有效分类.

    小麦腥黑穗病籽粒分类校正光谱序列融合二维相关光谱法深度学习

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

    基于SBERT-Attention-LDA与ML-LSTM特征融合的烟草问句意图识别方法

    朱波黎魁邱兰黎博...
    273-281页
    查看更多>>摘要：针对烟草领域中问句意图识别存在的特征稀疏、术语繁多和捕捉文本内部的语义关联困难等问题,提出了一种基于 SBERT-Attention-LDA(Sentence-bidirectional encoder representational from transformers-Attention mechanism-Latent dirichlet allocation)与 ML-LSTM(Multi layers-Long short term memory)特征融合的问句意图识别方法.该方法首先基于SBERT预训练模型和Attention机制对烟草问句进行动态编码,转换为富含语义信息的特征向量,同时利用LDA模型建模出问句的主题向量,捕捉问句中的主题信息;然后通过更改后的模型级特征融合方法ML-LSTM获得具有更为完整、准确问句语义的联合特征表示;再使用3通道的卷积神经网络(Convolutional neural network,CNN)提取问句混合语义表示中隐藏特征,输入到全连接层和Softmax函数中实现对问句意图的分类.基于烟草行业权威网站上获取的数据集开展了实验验证,实验结果表明,所提方法相比其他几种深度学习结合注意力机制的方法精确率、召回率和F1值上有显著提升,与BERT和ERNIE(Enhanced representation through knowledge integration and embedding)-CNN模型相比提升明显,F1值分别提升2.07、2.88个百分点.

    烟草问句分类自然语言处理特征融合自注意力机制

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

    基于改进ConvNeXt的奶牛行为识别方法

    李恩泽王克俭司永胜苑迎春...
    282-289,404页
    查看更多>>摘要：奶牛的动作行为(进食、躺卧、站立、行走和甩尾)直接或间接地反映了奶牛的健康及生理状况,是奶牛疾病监测及感知奶牛异常的关键,为准确高效地对奶牛行为进行识别,提出了一种融合时间和空间注意信息的多分支并行的CAFNet(ConvNeXt-ACM-FAM)奶牛行为识别模型,该模型在卷积网络ConvNeXt的基础上融合非对称多分支卷积模块(ACM)和特征注意力模块(FAM).首先,利用ACM划分通道分支提取特征并保留一部分原始特征,防止信息过度丢失.其次,FAM对不同通道的特征进行融合并引入SimAM注意力机制,不增加网络参数的同时增强重要特征的有效提取.实验结果表明,该方法对进食、躺卧、站立、行走和甩尾行为识别准确率分别为95.50％、93.72％、90.26％、86.43％、89.39％,平均准确率为91.06％,参数量相较于原模型减少了 1.5 ×106,浮点运算量减少了 3 ×108,相较于其他模型,本文模型识别平均准确率平均提升8.63个百分点.本文研究成果可为奶牛疾病监测及预防提供技术支持.

    奶牛行为识别非对称卷积SimAM注意力ConvNeXt

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

    基于改进YOLO v8的牛只行为识别与跟踪方法

    付辰伏任力生王芳
    290-301页
    查看更多>>摘要：随着我国畜牧业的快速发展,牛只养殖由分散性养殖逐渐向精准化养殖转变.针对分散养殖中农户无法对每头牛只健康状况给予足够关注的问题,通过分析牛只行为模式结合视觉方向特征,设计了综合管理方法来准确识别和跟踪牛只行为.首先,采用改进YOLO v8算法对牛只进行目标监测,其中,在Backbone和Neck端使用C2f-faster结构,增强模型特征提取能力;引入上采样算子CARAFE,拓宽感受视野进行数据特征融合;针对牛只幼仔检测加入BiFormer注意力机制,以识别牛只小面积特征;更换动态目标检测头DyHead,融合尺度、空间和任务感知;然后,使用Focal SIoU函数,解决正负样本分配不均衡和CIoU局限性的问题.最后,将YOLO v8检测到的行为类别信息引入BoTSORT算法中,实现在复杂场景下牛只多目标行为识别跟踪.实验结果表明,提出的FBCD-YOLO v8n(FasterNet、BiFormer、CARAFE、DyHead)模型在牛只行为数据集上,相比较 YOLO v5n、YOLO v7tiny 和原 YOLO v8n模型的mAP@0.5分别提升3.4、3.1、2.4个百分点,尤其牛只回舔行为识别平均精度提高7.4个百分点.跟踪方面,BoTSORT 算法的 MOTA 为 96.1％,MOTP 为 78.6％,IDF1 为 98.0％,HOTA 为 78.9％;与 ByteTrack、StrongSORT算法比,MOTA和IDF1显著提升,跟踪效果良好.研究表明,在牛舍养殖环境下,本研究构建的多目标牛只行为识别跟踪系统,可有效帮助农户监测牛只行为,为牛只的自动化精准养殖提供技术支持.

    牛只目标监测行为识别多目标跟踪YOLOv8BoTSORT

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

    基于Meta分析的黑龙江省水稻水土肥资源协同优化调配

    李茉薛敏沙炎李海燕...
    302-311页
    查看更多>>摘要：水稻灌溉水量、氮肥和种植面积的高效管理有助于提升农业经济效益,提高资源利用效率和改善生态环境.以黑龙江省13个市(区)为研究区域,利用Meta分析量化不同灌溉方式和施氮量对水稻产量和温室气体(CO2、CH4、N2O)排放的影响,并建立水肥生产函数.在此基础上,以经济效益、温室气体排放量、水肥利用效率为目标函数构建多目标优化模型,以优化分配各地区的水肥资源,调整水稻种植面积.优化结果表明:控制灌溉和施加氮肥不同程度影响产量和温室气体排放,优化后水稻种植面积减少3.76％,水利用效率提高18.4％,灌溉水量均值为4 513.54 m3/hm2,氮肥施用量减少11％,氮肥利用效率提高32％,氮肥施用量均值为100 kg/hm2;经济效益增加8.1％,温室气体排放降低10.6％.本模型可以量化表征区域尺度基于控制灌溉的水肥施用与产量及温室气体排放的响应关系,协同优化稻田水土肥资源最佳配比,平衡经济、温室气体排放和资源利用效率,有助于黑龙江省水稻不同目标间的水肥资源优化和种植面积调整,促进农业可持续发展,可为水稻水土肥资源优化与管理提供参考.

    水稻控制灌溉Meta分析水肥耦合多目标非线性优化模型

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

    温室气体排放与番茄产量对水肥气耦合的响应机制研究

    孙亚楠段琳博钟华昱蔡焕杰...
    312-322页
    查看更多>>摘要：为探求温室番茄节水减排优产的灌溉模式,以番茄(金鹏8号)为研究对象,设置I1和I2(对应作物-皿系数kcp为0.8和1.0)2个灌水水平,F1和F2(对应施氮量180kg/hm2和240 kg/hm2)2个施氮水平,A1、A2和CK(1倍和2倍文丘里加气量,不加气CK作为对照处理)3个加气水平,采用3因素完全随机设计,共10个处理,每个处理重复3次,采用静态暗箱-气相色谱法对番茄全生育期温室气体排放进行监测分析,探究土壤CO2、N2O、CH4排放与番茄产量的变化规律;分析灌水水平、施氮水平和加气水平对温室番茄产量和温室气体排放的影响,综合全球净增温潜势(Net global warming potential,NGWP)和温室气体排放强度(Greenhouse gas intensity,GHGI),提出以节水减排高产为目标的温室番茄水肥气一体化滴灌管理模式.结果表明:灌溉水平和施氮水平增大均会增加土壤CO2、N2O排放通量,I2处理较I1处理平均增加24.8％(P＜0.05)与14.8％(P＞0.05),F2处理比F1处理平均增加8.6％(P＞0.05)与34.9％(P＜0.05);加气灌溉对土壤CO2、N2 O排放通量有显著影响,与CK处理相比,A1和A2处理分别平均增加5.5％、10.0％(P＞0.05)和20.9％、62.9％(P＜0.05).番茄全生育期内土壤CH4排放通量呈现土壤为CH4的汇,灌水水平增大会增加土壤CH4排放通量,而施氮水平增加则会减小CH4排放通量,I2处理比I1处理平均增加27.8％(P＜0.05),F2处理比F1处理平均减少25.5％(P＜0.05);加气、施氮和灌水会显著增加番茄产量(P＜0.05).综合考虑经济因素和生态因素,A1F2I1处理效益最佳,即加气水平A1、施氮水平F2、灌水水平I1的组合策略可以兼顾节水优产减排要求,为西北地区温室番茄较优灌溉模式.

    温室气体番茄产量加气灌溉水肥气耦合全球净增温潜势

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