首页期刊导航|中国农机化学报
期刊信息/Journal information
中国农机化学报
中国农机化学报

曹曙明

双月刊

2095-5553

jcam@vip.163.com

025-84346270 84346296

210014

江苏省南京市中山门外柳营100号

中国农机化学报/Journal Journal of Chinese Agricultural Mechanization北大核心CSTPCD
查看更多>>本刊为农业机械化专业性期刊。宣传党的农业机械化的方针政策,探索农业机械化的方向和道路,交流农业机械化经营管理和教育培训经验,传播农业机械化信息,普及农业机械化基础知识。
正式出版
收录年代

    拖拉机驾驶室内低频噪声控制研究

    王顺马心坦贺明佳
    134-139页
    查看更多>>摘要:为降低驾驶室内低频结构噪声,建立某拖拉机驾驶室结构有限元模型和耦合声学边界元模型,对结构进行谐响应分析,并以结构位移结果作为声场分析边界条件,基于间接边界元法对驾驶室内进行声场声振耦合频率响应分析;应用板件贡献量法计算分析得到对驾驶员耳旁声压主要峰值频率处贡献显著的板件,并进行振动抑制;对分析结果中贡献量较大的顶棚,进行形貌优化处理,对右窗和右门进行加厚处理.结果表明,车内噪声在频率20~200 Hz范围内的声压级水平得到比较明显的改善,整体噪声水平下降3.01 dB(A),有效改善驾驶室内声学环境,为同类驾驶室内低噪声设计提供案例依据.

    拖拉机驾驶室低频噪声耦合声学边界元谐响应板件贡献量

    基于分层特征注意力解耦的农机轴承故障诊断

    邢清桂吴凯周洪斌
    140-146页
    查看更多>>摘要:鉴于农机设备实际运行中的工况具有时变性,提出一种基于分层特征注意力解耦的农机轴承故障诊断算法.利用长短时记忆神经网络改进的Transformer网络作为主干网络,并按照Transformer的Multi-head机制构造农机轴承故障数据的分层特征集;利用交叉注意力机制挖掘不同层特征间的关联关系,强化农机轴承故障特征的表达能力;借助农机轴承故障诊断多标签将混合特征解耦为多个独立的轴承故障特征集,并利用解耦后的特征预测对应的标签,实现待测农机轴承故障类型的诊断.结果表明,所提出的模型可以实现平均96.58%的识别精度,并且可以细粒度地对多种轴承故障进行诊断.

    农机轴承故障诊断分层特征交叉注意力特征解耦

    基于二维激光雷达的果树冠层结构信息检测方法研究

    周良富宋海潮周彬彬于鹏...
    147-153页
    查看更多>>摘要:果树冠层结构信息获取是变量喷雾作业重要前提,为实现果树冠层结构信息在线采集,采用二维地面激光雷达对不同叶面积指数的果树进行,并运用MATLAB软件绘制果树的三维点云图.绘制出的果树三维点云图与实际果树形态的一致,表明点云数据与果树结构信息具有高度相关性.研究结果表明采用2D LiDAR测量树高与树宽的相对误差分别为2.22%和4.11%,但树厚的精度与LAI相关,LAI由0增加到3.68时其测量相对误差由5.3%增加到41.1%.拟合出正面和背面扫描时的LAI预测模型分别为y=1.265x—0.313 7和y=1.230 5x—0.338,F检验结果显示样本间存在显著性差异,且其模型的拟合优度均大于0.9.该研究可以为果园变量喷雾决策提供技术与模型支撑.

    果树变量喷雾叶面积指数激光雷达点云

    基于RFID与GPS的拖拉机机库信息管理系统的设计与开发

    张九通唐维东刘鸿瑞杨思存...
    154-160,245页
    查看更多>>摘要:针对一些大型拖拉机机库的管理过程中,产生的数据量庞大,传统依靠人工手动录入的管理方式效率低下、成本高、可靠性低等问题,结合互联网、传感器、智能定位等技术设计并开发一套拖拉机机库信息管理系统.该系统分为移动端和机库端的开发,移动端使用GPS进行拖拉机室外定位,结合拖拉机作业幅宽,计算得到拖拉机的作业面积等信息,开发移动端人机交互界面.机库端先对射频识别(RFID)的硬件电路进行设计,再使用Landmarc定位算法进行拖拉机室内定位,最后综合机库内的环境参数和移动端上传的作业信息等,开发拖拉机在线管理可视化平台.为验证系统的可行性,进行Landmarc算法的定位仿真、作业面积计算准确性验证、数据上传丢包测试.试验结果表明:拖拉机室内定位的平均误差为1.06 m,可以满足判断拖拉机车位的要求;作业面积计算的平均误差为4.17%,可以满足实际作业时的需求;数据存储成功率为97.70%,能够实现各项数据的存储.

    管理系统射频识别Landmarc定位算法GPS拖拉机

    基于无人机影像的井冈蜜柚果树树形信息提取及产量估测

    罗翔曹晓林药林桃吴罗发...
    161-167页
    查看更多>>摘要:为实现基于无人机影像的井冈蜜柚果树树形信息(冠幅、树高)快速、准确提取及产量预测,通过基于无人机影像生成数字正射影像(DOM),计算4个植被指数,分析4个植被指数阈值分割提取冠幅的精度,确定敏感植被指数及其最佳分类阈值完成植被区域的提取,实现冠幅提取;再基于无人机影像生成的数字高程模型(DEM),提取果树树高;运用"冠幅、树高及冠幅+树高"三种模式对产量进行预测.结果表明,利用归一化差值指数(Normalized Difference Index,NDI)提取冠幅时精度最高,提取的东西冠幅与实测值之间决定系数R2达0.917 2,南北冠幅与实测值之间的R2达0.823 6,冠幅均值与实测值均值之间的R2达0.892 8;基于DEM提取树高时,也具有较好的效果,提取的树高与实测值之间的R2达0.863 3,均方根误差RMSE为0.148 m.进一步运用"冠幅、树高及冠幅+树高"三种模式对挂果数进行预测,运用"冠幅+树高"预测挂果数的R2为0.676,调整R2为0.638,预测效果最好.

    井冈蜜柚果树识别无人机遥感植被指数估产模型

    面向激光雷达点云数据的多结构树种识别

    陶旭余富强蔡金金么炜...
    168-175页
    查看更多>>摘要:针对由于树木种间相似性和种内差异性带来的识别困难,以及由于采集环境及设备的多样性导致的点云质量差异,提出面向激光雷达点云数据的多结构树种识别方法(MSTSR).首先借助改进的组合采样策略,在有效降低数据冗余的同时,保留单木的主体枝干结构;其次通过内建的近邻感知与增强模块(NAE)层次化聚合点云属性,以形成高阶的语义描述;最后通过融合树冠、主干以及整树的多结构信息,生成跨尺度的树木点云表征.在地面激光雷达采集的树种点云数据集上验证该方法的有效性,该数据集由7个树种共690棵树组成的.结果表明:该方法的总体准确率达到94.2%.相比主流的PointNet和PointNet++深度点云分类网络,分别提升13.04和9.42个百分点;相比基于点云的多视图2D投影方法,提升8.19个百分点;相比基于多个测树因子的随机森林方法,提升24.63个百分点,从而证实采用深度网络直接进行树种点云识别的潜力.

    树种识别激光雷达点云深度学习

    基于奇异谱分解和LSTM-ARIMA组合模型的生猪价格预测

    付莲莲方青袁冬宇滕佳敏...
    176-181,252页
    查看更多>>摘要:针对生猪价格波动过于剧烈难以预测的问题,提出基于奇异谱分解的LSTM-ARIMA组合模型对生猪价格进行预测.以2000年1月-2021年12月的月度价格数据作为样本,利用奇异谱分析对生猪价格数据进行分解,得到趋势项和波动项,选用累计贡献率达前70%的构建趋势项,剩下的30%构造波动项.趋势项非平稳且具有长记忆性,对其建立LSTM模型;波动项平稳,对其建立ARIMA模型,最后将两部分预测结果重组作为生猪价格的预测值,构建LSTM-ARIMA 组合预测模型.将预测值和生猪真实价格进行对比,结果表明:预测值与真实值之间的均方根误差RMSE为2.75,平均绝对百分比误差MAPE为10.81%,平均绝对误差MAE为2.27,方向对称性DS为81.81;此组合模型能很好地预测生猪价格走势,对我国生猪价格预测具有更高地适用性与参考.

    生猪价格预测奇异谱分析组合模型LSTMARIMA

    基于MLS LiDAR点云提取桃树结构参数

    钟丹陈鸿文王思邱霞...
    182-187页
    查看更多>>摘要:为构建数字化果园并提高智能化管理水平,探索基于MLS LiDAR提取桃树结构参数的方法.使用背包搭载多平台激光雷达采集展叶期桃园点云数据,采用改进K-Means聚类算法分割单棵桃树点云;对部分存在空洞的枝条点云上采样,得到较高密度枝条点云数据;使用不同直径的圆柱拟合重建桃树定量结构模型(QSM),提取桃树5项结构参数.结果表明:该方法能实现桃树精准三维模型重建,重建后提取的冠幅值、株高、主干直径、一二级枝条长度与实测值决定系数分别为 0.779、0.939、0.978、0.965、0.986,均方根误差分别为 0.280 m、0.076 m、0.003 m、0.066 m、0.068 m;平均相对误差为8.6%、2.5%、3.2%、2.6%、8.4%.研究结果可为桃园智能化管理提供数据支撑.

    LiDAR点云桃树结构参数定量模型桃树分割

    基于改进YOLOv8算法的实时细粒度植物病害检测

    薛霞刘鹏周文
    188-194页
    查看更多>>摘要:为解决现有识别方法在植物病害检测中遇到的密集分布、不规则形态、多尺度目标类别、纹理相似性等障碍,提出一种高性能的实时细粒度植物病害检测框架.首先,在YOLOv8主干网络和颈部设计两个新的残差块,增强特征提取和降低计算成本;其次,引入DenseNet层,并使用Hard-Swish函数作为主要激活函数,以提高模型的准确性;最后,设计PANet网络,用于保留细粒度的局部信息和改善特征融合.在不同的复杂环境下,对番茄植株的四种不同病害进行检测.试验结果表明,所提改进模型在检测准确性和速度上均优于现有模型的检测模型.当检测速度为71.23 FPS时,所提改进模型精确度为92.58%,召回率为97.59%,F1分数为93.64%.为精准农业自动化提供有效的技术手段.

    植物病害检测改进YOLOv8实时目标检测深度神经网络残差网络

    基于轻量化YOLOv4的死淘鸡目标检测算法

    漆海霞李承杰黄桂珍
    195-201页
    查看更多>>摘要:针对目前死淘鸡目标检测研究较少,高精度检测算法体积大难以部署至移动式设备等问题,提出一种基于YOLOv4的轻量化死淘鸡目标检测算法.采集大规模蛋鸡养殖工厂笼中死淘鸡图片,建立目标检测数据集;在算法中引入MobileNetv3主干提取网络与深度可分离卷积来降低模型体积;并在最大池化层前添加自注意力机制模块,增强算法对全局语义信息的捕获.在自建数据集中的试验结果表明,改进算法在死淘鸡目标检测任务中有更高的准确度,其mAP值与召回率分别达到97.74%和98.15%,模型大小缩小至原算法的1/5,在GPU加速下帧数达到77帧/s,检测速度提高1倍,能够满足嵌入式部署需求.

    死淘鸡识别深度学习轻量化网络MobileNet深度可分离卷积