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

    果园树干检测与导航线拟合算法研究

    许贞辉李晓娟
    217-222页
    查看更多>>摘要：行间机械自主导航有助于提高果品生产效率,降低人工成本.树木是行间导航的天然地标,可以为机器人提供导航信息.结合深度学习和最小二乘法,提出一种基于机器视觉的行间导航场景的导航线提取方法.首先,收集实际环境下的树干图像,并对图像进行翻转、裁剪等操作扩充树干数据集;其次,构建YOLOv5网络模型,并基于该模型来对行间树干进行识别,提出利用识别框下边中点替换根部中点的方法,以此来确定树行拟合的定位基点;最后,基于最小二乘法完成果园单侧树行线和树行中心线的拟合.试验结果表明,所构建的YOLOv5网络检测模型对树干的平均识别正确率为85.5%.所提出的根点替换定位法的直线像素距离平均误差为5.1像素,树行中心导航线的平均横向偏差为5.8像素,符合行间导航的要求.

    果园导航深度学习YOLOv5树干识别根点替换直线拟合

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于深度学习的苹果点云语义分割方法研究

    刘星顾寄南黄则栋张文浩...
    223-227,245页
    查看更多>>摘要：点云数据可以准确、直观地反映苹果与树枝之间的空间关系,由于点云数据的不规则性,传统的卷积神经网络不适用于点云数据.因此,提出一种基于改进动态图卷积的苹果点云语义分割方法.基于动态图卷积DGCNN,采用不同尺度的K最近邻KNN构造各节点的邻域关系;在边缘卷积EdgeConv中加入邻居节点信息,提取更加丰富的局部特征;设计基于图的注意力模块,给中心点的K个最近邻居点分配不同的权重,相对于使用最大值池化对特征进行聚合操作,该注意力模块能更好地聚合邻接域特征信息;引入通道注意力模块,给不同特征分配不同的权重.试验表明,在苹果点云数据集上,该网络有较高的点云分割精度,整体精度OA和平均交并比MIOU分别达到91.2%和69.2%,相较于DGCNN,OA和MIOU分别提高3.9%、3.6%.

    苹果分类DGCNN语义分割边缘卷积混合注意力机制

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    融合通道注意力机制的ResUnet作物病斑分割模型

    苏斐王光辉史艳霞贾然...
    228-233页
    查看更多>>摘要：针对温室环境复杂背景下番茄早疫病病斑难以准确识别的问题,提出一种融合通道注意力机制的ResUnet模型.构建温室环境复杂背景下的番茄早疫病数据集;通过融合通道注意力机制的ResUnet模型进行病斑分割,其中ResUnet网络能够学习不同深度特征的重要性,嵌入通道注意力机制使改进的模型更加关注病斑的位置特征.该模型对番茄叶部早疫病病斑分割的准确率为97%,比Unet和Resnet101模型分别提高1.99%和2.97%.将番茄早疫病病斑分割模型得到的骨干网络层参数和权重迁移到单一背景的辣椒结痂、苹果灰斑病、葡萄黑腐病等病斑分割模型,进行改进及参数的微调处理,均能实现病斑的准确分割.在研究算法基础上,设计智能诊断系统,可对作物病害进行快速准确诊断,为及时防控提供依据.

    作物病斑番茄早疫病ResUnet注意力机制迁移学习智能诊断

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于Swin-TDL算法的果园环境下葡萄病害检测方法

    胡国玉刘广周星光董娅兰...
    234-239页
    查看更多>>摘要：为在果园复杂环境因素下准确检测葡萄病害,提出一种基于Swin Transformer的葡萄病害检测模型Swin-TDL.采用Kmeans++聚类算法计算模型输入图像的锚框以提高检测精度;以Swin Transformer网络作为Swin-TDL的骨干网络更准确地获取目标特征信息;特征金字塔网络和路径聚合网络用于融合骨干网络中不同深度的特征层信息以增强检测目标的语义信息和定位信息;使用SIoU损失函数作为边界回归预测损失函数用于提高训练的速度和模型推理的准确性;使用Soft-NMS对目标边界框后处理以提高遮挡及重叠目标的检出率.在田间葡萄病害数据集中进行模型训练和性能测试,结果表明,Swin-TDL模型的平均精度均值为92.7%,平均检测时间为15.3 ms,综合性能优于对比检测算法,可以为葡萄植保装备研究提供参考.

    葡萄病害检测果园复杂环境图像增强深度学习SwinTransformer

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进YOLOv5s的硬核期葡萄簇检测

    冯晓张辉刘运超张微...
    240-245页
    查看更多>>摘要：为实现自然环境下硬核期葡萄簇的快速精准检测,提出一种改进的YOLOv5s网络.首先,将YOLOv5s主干特征提取网络和加强特征提取网络中的卷积模块(Conv)替换为拥有更强特征提取能力的RepConv模块;然后,将YOLOv5s主干特征提取网络中C3 结构的BottleNeck也替换为RepConv模块;接下来,将高效通道注意力模块(ECA)添加到YOLOv5s加强特征提取网络中的C3结构;最后,将YOLOv5s卷积模块中的激活函数SiLU改为ReLU6.试验结果表明,改进YOLOv5s网络对葡萄簇检测的精确率为96.5%、召回率为94.5%、平均精度均值为98.0%、检测速度为260 f/s.相比Faster R-CNN、SSD、RetinaNet、YOLOv3(Ultralytics)、YOLOXs和YOLOv5s,其平均精度均值分别高10.4、44.1、13.9、0.2、8.9和1.0个百分点.提出的改进网络能够较好地检测自然环境下模糊、遮挡、簇粘连、不完整、昏暗及逆光等各种状态的硬核期葡萄簇,且方便在移动设备上部署.

    葡萄簇目标检测YOLOv5s算法重参数化注意力机制

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进YOLOv5算法的水稻病害识别研究

    周思捷刘天奇陈天华
    246-253页
    查看更多>>摘要：针对传统深度学习算法难以在复杂环境下准确且高效地识别水稻病害问题,提出一种改进的YOLOv5算法,对水稻常见的白叶枯病、稻瘟病、东格鲁病和褐斑病的病斑进行检测.在原YOLOv5算法上结合混合域注意力机制进行特征校正,提高模型对水稻叶片和病斑位置信息的定位能力.在损失函数部分将原CIoU_loss更换为SIoU_loss,弥补CIoU_loss未关注边界框和真实框角度偏移的问题.选用Soft-NMS筛选预测框,缓和传统NMS因不同病斑重叠区域过大而发生预测框误删造成的漏检情况.在消融试验中,改进算法在水稻病害识别任务中mAP达到0.884,比原YOLOv5算法提升2.9个百分点,在针对褐斑病病斑的识别上提升较大.证明改进的YOLOv5算法在水稻病害识别任务中的有效性.

    水稻病害YOLOv5算法注意力机制目标检测

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进YOLOv4-tiny的果园复杂环境下桃果实实时识别

    苑迎春张傲何振学张若晨...
    254-261页
    查看更多>>摘要：为实现果园复杂环境下的桃果实实时识别,提出一种基于YOLOv4-tiny的桃果实实时识别方法YOLOv4-tiny-Peach.通过在主干网络中引入卷积注意力模块CBAM,优化其通道维度和空间维度的特征信息;在颈部网络中添加大尺度浅层特征层,提高对小目标识别精度;采用双向特征金字塔网络BiFPN对不同尺度特征信息进行融合.通过训练和比较,YOLOv4-tiny-Peach模型在测试集下的平均精度AP为87.88%,准确率P为91.81%,召回率R为73.84%,F1值为81.85%,相比于改进前,AP提升5.46%,P提升2.29%,R提升4.09%,F1提升3.44%.为检验改进模型在果园复杂环境下的适应性,在不同数目、不同成熟期和遮挡的情况下对果实图像进行识别,并与原模型识别效果进行对比,结果表明改进模型在三种情况下的识别精度均高于原模型,尤其在大视场和未熟期场景下模型改进效果显著.YOLOv4-tiny-Peach模型占用内存为27.4 MB,识别速度为49.76 fps,适用于农业嵌入式设备.为果园复杂环境下的桃果实自动采摘提供实时精准的目标识别指导.

    桃采摘机器人目标识别模型YOLOv4-tiny果园实时

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于YOLOv5s的园林球形绿篱检测方法

    王克涛陈世锋陈贵韦锦...
    262-269页
    查看更多>>摘要：在聚集遮挡等复杂园林环境下,现有的目标检测算法很难对球形绿篱进行准确检测.针对这一问题,提出一种基于YOLOv5s的算法YOLO-CBS,用于提高园林球形绿篱的检测精度.首先,将坐标注意力(CA)引入YOLOv5s的主干网络,CA不仅考虑通道间的关系还考虑特征空间的位置信息,因而能够使模型更准确地识别和定位目标绿篱;其次,用双向特征金字塔网络(BiFPN)替换路径聚合网络(PANet),以提高特征融合的效率;最后,将输出端的非极大值抑制(NMS)改为Soft-NMS,以提高对遮挡绿篱、聚集绿篱等复杂场景下的目标绿篱检测精度.典型绿篱数据集试验结果表明,与YOLOv5s算法相比,YOLO-CBS算法平均精度提高3.4%.

    绿篱检测YOLOv5s注意力机制特征金字塔网络非极大值抑制

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于遗传—蚁群算法的农田微地形特征土方调配路径研究

    金鑫李瀚远杜蒙蒙姬江涛...
    270-275页
    查看更多>>摘要：近年来极端天气与自然灾害频发,导致农田损毁,造成农田内部出现微地形特征(凸起特征及洼地特征),影响耕作.针对上述问题,基于高精度农田数字地形模型,通过遗传—蚁群算法提出一种规划农田微地形特征土方调配路径的方法.首先,基于航拍图像获取高精度农田数字地形模型,根据地形因子综合隶属度提取16个凸起特征和9个洼地特征,并分别计算挖填方量为0.885 m3和0.884 m3.其次,以土方量调配成本为决策目标,建立挖、填方区域为路径搜索节点,利用蚁群算法获得初始可行解,通过遗传算法中的适应度函数对解进行初步优化,最后,根据交叉操作和变异操作对解进行二次优化,获得最优土方调配路径.结果表明,该方法经 232次迭代获取全局最优解,相较于传统蚁群算法调配成本下降2.1%.为精准平整农田微地形特征作业提供方法支持.

    农田微地形特征数字地形模型土方调配蚁群算法遗传算法

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    心理惯性视角下农户参与耕地面源污染治理意愿研究——以施用有机肥为例

    刘晶马腾飞李静唐小清...
    276-283页
    查看更多>>摘要：为考察农户参与耕地面源污染治理意愿,促进农业绿色转型,基于河南省驻马店市507份实地调研数据,运用ELM理论,结合心理惯性,构建农户施用有机肥意愿影响因素模型,同时考虑具有不同调节定向特质的农户对信息加工的差异.结果表明:中心路径和边缘路径对农户感知价值的信息加工均有显著影响,影响大小为价格价值(0.292)、意见领袖(0.278)、评论效价(0.237)、产品效用(2.137).总的来看,农户有机肥价值感知受边缘路径的影响作用更大;感知价值(0.536)显著影响农户的有机肥施用意愿;心理惯性(-0.074)削弱了感知价值与施用有机肥意愿之间的影响;促进定向(0.114)特质农户强化了评论效价与感知价值之间的作用.为推动农户积极参与耕地面源污染治理应从完善有机肥补贴政策、发挥意见领袖引导作用、加强有机肥施用效果推广等方面考量.

    耕地面源污染参与意愿有机肥ELM心理惯性

      原文链接:
    • NETL
    • NSTL
    • 万方数据