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

    一种轮式采花机器人设计——以黄蜀葵为例

    桑一男徐增莱汪琼葛海涛...
    202-208页
    查看更多>>摘要：针对黄蜀葵花朵特定采收的时间和人工采摘效率过低的问题,为实现各类花朵采摘机械化和智能化的需求,以黄蜀葵花朵为例并结合其生长特性,设计一种轮式采花机器人.采用工控机和嵌入式微控制器作为采花机器人的主控系统,执行机构采用电力驱动,以蓄电池供电,通过多个推杆电机、舵机和动态基座(基于航姿参考系统,可自动调节工作平台倾角的机构)构成轮式行走机构,采用两个摄像头分别同时获取黄蜀葵花朵图像,通过深度识别算法以筛选识别可采摘的目标,采用多个舵机配合带轮结构构成机械臂和夹爪的控制机构,以完成花朵的采摘与收集.试验结果表明,机器人对花朵定位的准确率可达75%,识别率高达100%.采花机器人通过主控制系统在试验田里能成功完成采摘作业,由机械臂配合其夹爪成功抓取花朵,上位机软件可以完成图像采集识别、机械臂控制和机器人工作路线的行驶等操作.该机器人适用于各地黄蜀葵和其他部分植物花朵的采集.

    黄秋葵机器视觉深度学习农业自动化花朵采摘惯性导航系统

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

    基于无人机遥感的大豆倒伏识别研究

    吴宇通张伟石文强李金阳...
    209-214,257页
    查看更多>>摘要：为快速识别大豆倒伏情况,准确提取大豆倒伏面积,提出基于无人机遥感技术的方法对大豆倒伏情况进行判断.采用无人机获取大豆鼓粒期冠层可见光(RGB)图像及数字表面模型(DSM)图像,提取可见光波段信息并构建过绿植被指数(EXG)图像,将3类特征图像进行图像特征融合,得到DSM+RGB融合图像,DSM+EXG+RGB融合图像.利用最大似然法对4种特征融合图像进行监督分类提取大豆倒伏面积,利用混淆矩阵方法验证各图像分类精度.结果表明,RGB图像、DSM图像、DSM+RGB特征融合图像、DSM+EXG+RGB特征融合图像提取倒伏大豆面积的整体精度分别为78.36%、65.38%、82.84%、68.41%.Kappa系数分别为0.75、0.53、0.81、0.58,DSM+RGB特征融合图像提取大豆倒伏面积精度最高.图像特征融合方法可用于评估大豆倒伏情况,为快速提取大豆倒伏面积提供参考.

    大豆倒伏无人机特征融合DSM最大似然法

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

    基于Mask R-CNN的复杂环境下辣椒识别方法研究

    付晓鸽李涵左治江杜铮...
    215-219页
    查看更多>>摘要：针对辣椒采摘机器人在真实场景中辣椒簇状、粘连和光照不均导致无法精准采摘辣椒的问题,提出一种基于Mask R-CNN实例分割网络模型的辣椒识别方法.以真实场景下的辣椒为研究对象,采集自然生长的辣椒图像4 496张,对其中的4 000张进行数据标注作为数据集,通过设置不同的学习率、训练周期和模型网络层对数据集进行训练.试验结果表明,Mask R-CNN网络模型对真实场景下辣椒的识别和分割效果较好,平均准确率达到 90.34%,平均速度达到0.82 s/幅,为智能辣椒采摘机器人的辣椒分割识别和定位提供有力的技术支撑.

    辣椒识别实例分割MaskR-CNN神经网络采摘机器人

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

    基于改进YOLOv8n模型的多品种葡萄簇检测方法

    张传栋亓璐丁华立
    220-226页
    查看更多>>摘要：葡萄簇目标的精准检测是实现估产、采摘等作业的前提,现有方法难以实现多品种葡萄簇的轻量化精准检测.为提高复杂自然场景下多品种葡萄簇检测准确性、鲁棒性与泛化性,提出一种基于改进YOLOv8n模型的多品种葡萄簇检测模型ESIC-YOLOv8n,该模型在YOLOv8n的Backbone和Neck网络中分别添加EMA和SA注意力模块,以加强网络的特征提取和多尺度特征融合能力,降低因遮挡或重叠对葡萄簇检测的干扰,提高检测精度和召回率;在Head把CIoU替换成Inner-CIoU,利用辅助框提高重叠目标检测的准确性,从而提升模型整体的检测准确性和泛化性.ESIC-YOLOv8n模型的检测精度为87.00%,召回率为81.60%,mAP为88.90%,F1值为84.21%,较原YOLOv8n模型分别提高1.05%、2.90%、1.48%和2.00%.结果表明,ESIC-YOLOv8n模型具有准确率高、泛化性好、轻量化等优点,可为葡萄产量估计、采摘等研究提供技术支持.

    葡萄簇检测目标检测YOLOv8n注意力机制

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

    基于轻量化Transformer的农作物检测机器人路径规划

    李娟金志雄
    227-233页
    查看更多>>摘要：为解决农作物检测机器人路径规划算法在复杂农田环境下精度低、速度慢等问题,设计轻量化Transformer模型,将其用于农作物检测机器人的路径规划任务中.采用余弦函数替代softmax计算,使得查询、键、值向量的计算可拆分,时间复杂度由原来的Ο(N2)降低到Ο(N).通过四种不同聚合方式处理特征向量,确定节点权重分配.试验结果表明,基于轻量化Transformer的农作物检测机器人路径规划方法能够显著提高农作物检测机器人的效率和准确性.相比传统的规则化路径规划算法,将100规模农作物检测机器人的路径长度缩短5.91%;相比Transformer模型,推理时间缩短50%,训练时间缩短75%,为农作物检测机器人的路径规划提供一种新颖且有效的解决方案.

    农作物检测机器人轻量化Transformer强化学习多智能体路径规划

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

    基于混合改进麻雀搜索算法的农用移动机器人路径规划

    牟远明卓然高飞
    234-243页
    查看更多>>摘要：针对目前农用移动机器人进行全局路径规划容易产生局部最优路径的不足,提出混合多策略改进麻雀搜索算法的移动机器人路径规划算法.首先,为提升麻雀搜索算法的寻优能力,引入偶对称无限折叠混沌序列、螺旋式搜索发现者更新、多重学习追随者更新机制对传统算法的种群多样性、搜索盲目性及全局搜索能力改进,实现多策略混合改进麻雀搜索算法MHISSA.然后,构建移动机器人的路径规划模型,利用导航点定义种群个体的编码方式,并构造同步避障与路径最短的适应度函数,结合三次样条插值法将MHISSA应用于求解农用移动机器人全局路径规划问题.最后,构造简单和复杂障碍物环境对单机器人路径规划和多机器人协同路径规划进行试验对比分析.结果表明,改进算法能够得到平滑无碰撞的最优路径,路径规划长度最优值和均值较传统麻雀搜索算法平均分别降低23.08%和19.56%.实地场景案例也证明方法在农用移动机器人路径规划方面具备较好的实用性.

    农用机器人路径规划麻雀搜索算法螺旋搜索多重学习

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

    基于无人驾驶小麦收割机立体视觉感知系统

    李邦国王辉宋杨任志伟...
    244-249页
    查看更多>>摘要：针对小麦收割机在农场无人驾驶作业时无法实现动态障碍的实时避障,无人驾驶技术安全性低等问题,设计一种基于立体视觉与深度学习相结合的无人驾驶立体视觉感知系统.首先使用立体视觉相机采集左右目灰度图像,通过图像中像素位置的视差以及立体视觉成像原理,实现对障碍物的距离计算;再将相机采集的RGB图像通过深度学习进行处理,实现障碍物的检测识别,最终完成对动态障碍物的感知.结果表明,基于立体视觉与深度学习的无人驾驶感知系统在农场无人驾驶作业中动态障碍物的检测速率达到30.1 fps,精确率达到98.24%.该方法能够较好的满足作业中动态障碍物检测的识别要求,显著提升无人驾驶小麦收割机作业时的安全性和可靠性,为智能农机无人驾驶的研制奠定理论与技术基础.

    小麦收割机无人驾驶立体视觉相机深度学习目标检测

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

    基于改进YOLOv5s的自然环境下油桃成熟度检测方法

    宋立航张屹时寅豪
    250-257页
    查看更多>>摘要：成熟度是影响水果产量和品质的关键因素,为实现对自然环境下油桃成熟度的高效检测,提出一种改进YOLOv5s模型的检测方法.首先,将原始模型颈部的特征金字塔结构替换成BiS特征金字塔结构,从而提高模型对成熟度特征的融合和提取能力;然后,利用QFocal Loss损失函数将目标边界框估计与分类评分整合在一起,从而解决训练样本中正负样本比例失衡的问题;最后,将CIoU-NMS作为模型的非极大值抑制方法,提升模型对遮挡和重叠果实的检测效果.在自制的油桃果实数据集上试验结果表明,改进后的YOLOv5s-BQC模型mAP值达到91.7%,比原模型提升2.3%,精确度和召回率分别也提升0.9%和0.7%.相较其他主流模型,具有更好的检测性能,能够在复杂背景中准确定位油桃果实,进行成熟度分类,满足油桃成熟度实时检测的要求,为农业监测和智能采摘提供技术支持.

    油桃成熟度检测YOLOv5s特征金字塔结构损失函数非极大值抑制

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

    基于YOLOv4的水下海参检测与计数算法

    宋小鹿冯娟梁翔宇周玺兴...
    258-264页
    查看更多>>摘要：针对智慧水产养殖中海参自动采捕和高效计量应用需求,提出一种基于YOLOv4的水下海参检测与计数算法.该算法利用暗通道先验算法对数据集进行预处理,增强图像数据的可检测性;采用迁移学习方法训练YOLOv4网络,并用Swish函数替换骨干网络中的激活函数,提升自建数据集的海参检测性能;提出基于相近帧目标质心定位偏移的降重计数方法,优化目标计数结果.试验结果表明:该检测算法识别水下海参目标的平均检测精度的平均值mAP达91.0%,分别比原始YOLOv4、YOLOv3、Faster R-CNN和SDD高4.5%、6.9%、5.0%、29.9%;降重计数算法获得海参数量与人工计数结果间的均方根误差RMSE为29.8、平均计数精度ACP为95.8%、决定系数R2为0.998.

    海参暗通道先验YOLOv4迁移学习降重计数

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

    轻量化YOLO模型在农作物微小病虫害检测中的应用研究

    杨巧梅崔婷婷袁永榜罗桦...
    265-270,284页
    查看更多>>摘要：针对农作物病虫害检测中早期微小病虫害变化目标识别准确率不高的问题,提出一种轻量化农作物微小病虫害检测算法YOLO-MobileNet-CBAM.该算法采用MobileNetV3轻量级卷积模块替换YOLOv5s的主干提取网络来降低参数运算量,并引入CBAM注意力机制从通道和空间两个维度对重要的特征提取进行强化,有效增强小目标的聚焦准确度.卷积模块中用H-SiLU代替原模型的SiLU激活函数提高训练速度,避免梯度消失问题.通过将SIoU函数代替原模型中的GIoU函数计算预测框回归损失,将形状损失计算在内,进一步提高小目标定位精度.通过特征金字塔输出4个不同尺度的检测头识别大面积病害、微小病害及虫害目标,增加微小目标的检测精度.结果表明,YOLO-MobileNet-CBAM在微小病虫害目标检测任务中精确率达92.38%,召回率达90.24%,平均精度大于90%.实现模型轻量化,同时有效提高检测精确度,为手持式终端检测应用提供技术支持.

    农作物微小病虫害检测轻量化模型YOLO-MobileNet-CBAM

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