排序方式: 共有122条查询结果,搜索用时 359 毫秒
1.
2.
为提高植保无人机在果树上的喷施效果、增加雾滴在果树上的穿透力和分布均匀性,进行了系列试验,研究了喷头间距和飞行高度参数对雾滴沉积分布的影响,并优化出最佳喷头间距参数。确定了喷洒系统喷头安装位置参数,并通过正交试验,研究了飞行高度、飞行速度和喷洒系统喷头安装位置参数对雾滴在苹果树上分布的影响。试验以S40电动直升机为载体,以诱惑红为液体染色剂、铜版纸为雾滴采集卡。结果表明:飞行高度Sig.=0.811,P0.01,喷嘴间距Sig.=0.006,P0.01,喷头间距对喷幅影响极其显著;当飞行高度为2m,喷头间距为55、50、50、55cm时,喷幅最大均为7m,雾滴密度变异系数最小为63%和44.5%。苹果树喷施正交试验中,飞行高度2m、飞行速度1m/s、喷洒系统中4个喷头位于交叉角度为90°的十字形喷杆上且距离交叉点均为105cm时,雾滴在苹果树上的沉积较好。 相似文献
3.
基于FCN的无人机玉米遥感图像垄中心线提取 总被引:1,自引:1,他引:0
为解决农业机器人在玉米田行间行走的全局路径规划问题,该研究提出一种基于全卷积神经网络(Fully ConvolutionalNetworks,FCN)的无人机玉米遥感图像垄中心线提取方法。基于无人机获取的高精度可见光遥感图像,设计了针对农田垄中心线提取的数据集标注方法,采用滑动窗口法进行图像分块,利用深度学习语义分割网络FCN对垄中心线附近7~17像素宽度范围的垄线区域进行提取,模型在测试田块上精确率达66.1%~83.4%,召回率达51.1%~73.9%,调和平均值为57.6%~78.4%;对拼接后的图像使用影像分割投影法提取中心线,探究了垄线区域宽度对垄中心线提取精度的影响,训练采用9像素的垄区域宽度,可得到垄中心线在77 mm左右偏差范围准确率为91.2%,在31.5 mm左右偏差范围内为61.5%。结果表明,基于FCN对无人机玉米遥感图像进行处理,可得到整片田地的垄中心线栅格地图,方便农业机器人进行全局路径规划。 相似文献
4.
针对番茄病害识别模型参数量大、计算成本高、准确率低等问题,本文提出一种基于多尺度特征融合和坐标注意力机制的轻量级网络(Multi scale feature fusion and coordinate attention MobileNet, MCA-MobileNet)模型。采集10类番茄叶片图像,采用基于Wasserstein距离的生成对抗网络(Wasserstein generative adversarial networks, WGAN)进行数据增强,解决了样本数据不足和不均衡的问题,提高模型的泛化能力。在原始模型MobileNet-V2的基础上,引入改进后的多尺度特征融合模块对不同尺度的特征图进行特征提取,提高模型对不同尺度的适应性;将轻量型的坐标注意力机制模块(Coordinate attention, CA)嵌入倒置残差结构中,使模型更加关注叶片中的病害特征,提高对病害种类的识别准确率。试验结果表明,MCA-MobileNet对番茄叶片病害的识别准确率达到94.11%,较原始模型提高2.84个百分点,且参数量仅为原始模型的1/6。该方法较好地平衡了模型的识别准确率和计算成本,为番茄叶片病害的现场部署和实时检测提供了思路和技术支撑。 相似文献
5.
针对电动无人机应用于农业遥感监测时受其续航时间限制的问题,从实际应用角度出发,设计了一种续航时间长、适用于农业遥感监测的翼身融合布局的轻型电动固定翼无人机。提出了翼身融合布局轻型固定翼无人机的总体设计方法,确定了轻型固定翼无人机的结构参数,建立了物理模型并对其参数进行了优化分析。通过计算流体力学(Computational fluid dynamics,CFD)分析计算了翼身融合布局轻型固定翼无人机的气动性能,基于流固耦合模型动态分析了其飞行状态下的受力分布。结果表明,优化模型较初始设计模型的升阻比提高了2.6%,在迎角为6°、巡航速度为15.5 m/s时,所设计的翼身融合布局轻型固定翼无人机机身压力分布合理,且拥有良好的气动特性。起飞质量为1.5 kg时,无人机下表面压力最大,为143 Pa,升力主要集中在机翼前缘部分,计算所得理论续航时间为65 min,在巡航阶段最大变形量0.288 38 mm,符合飞行器工作条件,无人机结构和选用材料均满足设计和使用要求。本文设计的电动轻型固定翼农用遥感无人机在结构、材料和性能方面均适用于农业遥感监测。 相似文献
6.
航空施药中雾滴沉积传感器系统设计与实验 总被引:13,自引:0,他引:13
基于变介电常数电容器原理设计雾滴沉积传感器及检测系统,由此实现对航空施药中雾滴地面沉积量的快速获取。通过实验,分析建立了传感器对电导率487μS/cm、25 mS/cm雾滴的沉积量测量线性回归方程,决定系数R2分别为0.9923和0.9544。利用M-18B型飞机和AU-5000型喷雾机,对系统进行了应用测试,结果表明:与水敏纸图像分析方法对比,2种方法获得的雾滴地面沉积量分布曲线拟合度可达0.914 6,样点单位面积沉积量的相对测量误差分布在10%~50%之间。 相似文献
7.
【目的】对京津唐地区酿酒葡萄进行气候区划研究,为该区酿酒葡萄的种植和葡萄酒产业的发展提供指导。【方法】利用京津唐地区50个气象站点连续30年(1979-2008年)的气象资料,对目前中国主要应用的气候区划指标进行比较分析,建立适合该地区酿酒葡萄气候区划的指标体系,利用该体系对京津唐地区酿酒葡萄的生产进行气候区划,并应用ArcGIS绘制气候区划图。【结果】建立了以无霜期(FFD)为一级指标、生长季干燥度(DI,4-9月)为二级指标、埋土防寒线为三级指标、成熟期降雨量(P,7-9月)为四级指标的指标体系,将京津唐地区划分为7个栽培区域,其中1、6区为适宜产区,包括武清、宁河等地;2、4区为良好产区,包括延庆、斋堂、昌平等地;3、5和7区为一般产区,包括密云、唐山等地;全区均需注意埋土防寒以保证葡萄能安全越冬,并以此绘制出了该区酿酒葡萄生产的气候区划图。【结论】与以4-9月活动积温为一级指标、7-9月水热系数为二级指标的指标体系,以4-9月活动积温为一级指标、7-9月降雨量为二级指标的指标体系,4-9月光热指数以及4-9月纬度-温度指数等指标体系相比,所建体系更适宜作为京津唐地区的气候区划指标,且区划结果与实际更为吻合。 相似文献
8.
多尺度特征融合的柑橘冠层施药沉积量分类模型 总被引:2,自引:0,他引:2
针对传统农作物冠层施药沉积量分类模型分类准确率低、网络模型参数量大且运算速度慢的问题,该研究提出一种改进的SPP-Net-Inception-v4模型。该模型通过构建稀疏网络结构平衡各个模型子网间的计算量,利用3个Inception模块生成施药沉积量在柑橘冠层热红外图像的稠密有效特征数据;在模型的卷积层与全连接层间创新性接入空间金字塔池化网络(Spatial Pyramid Pooling Network, SPP-Net),进行一次历遍提取热红外图像特征信息,再通过空间池化操作融合3种池化方式提取的多尺度特征,实现柑橘冠层热红外图像施药沉积量表现特征的提取与融合。搭建多环境因素自主控制试验环境,模拟无人机低空采集柑橘冠层热红外图像,应用3个分类模型进行对比试验,试验结果表明,SPP-Net-Inception-v4模型与Inception-v4和ResNet-152两种模型相比,准确率分别提高1.58%和3.26%,模型大小分别降低13%和24%,表明SPP-Net-Inception-v4模型在降低模型规模的基础上,提高了柑橘树冠层施药沉积量分类的准确率,可为精准农业航空中无人机植保技术的进一步发展提供参考。 相似文献
9.
基于无人机可见光图像的夏季玉米植被覆盖度提取方法 总被引:9,自引:0,他引:9
为准确快速获取夏季玉米四叶期、拔节期、抽穗期和花粒期的植被覆盖度信息,利用无人机获取玉米田间可见光图像,对图像可见光波段提取的多种植被指数进行分析和比较,选择差异植被指数(Visible-band difference vegetation index,VDVI)、过绿指数(Excess green,EXG)和归一化绿蓝差异指数(Normalized green-blue difference index,NGBDI),结合监督分类提取了玉米4个时期的植被覆盖度信息。通过对试验田4个阶段的单幅图像监督分类处理,将其目标物分为土壤和玉米植被两类;分别统计监督分类后图像中土壤和玉米的VDVI像元直方图,将两者的像元直方图交点作为植被覆盖度提取阈值,同理获得EXG和NGBDI对应的玉米植被覆盖度提取阈值;利用获取的玉米植被3种覆盖度提取阈值,对玉米4个时期的植被覆盖度进行提取,并对提取精度进行了验证。结果表明,VDVI对应4个生长时期的植被覆盖度提取误差分别为1. 21%、4. 88%、2. 31%和3. 61%; EXG对应的植被覆盖度提取误差分别为1. 38%、1. 25%、0. 89%和0. 33%; NGBDI提取误差为1. 61%、3. 31%、1. 99%和3. 25%,EXG在夏季玉米4个生长时期的植被覆盖度提取效果最好。将玉米4个生长时期单幅图像确定的阈值作为固定阈值,对剔除确定阈值的单幅图像的试验田全景图像进行植被覆盖度提取,并对提取效果进行验证。结果表明,采用监督分类与可见光植被指数统计直方图相结合确定阈值的方法提取玉米植被覆盖度效果较好。 相似文献
10.
【目的】采用机器视觉技术开展柑橘梢期的智能感知技术研究,以解决背景与目标颜色相似造成识别精度低的问题,实现柑橘梢期自动监测,探索算法的改进方法。【方法】根据不同卷积层提取特征的特点与不同注意力机制的作用,提出了一种基于多注意力机制改进的YOLOX-Nano智能识别模型,建立多元化果园数据集并进行预训练。【结果】改进的YOLOX-Nano算法使用果园数据集作为预训练数据集后,各类别平均精度的平均值(Mean average precision, mAP)达到88.07%。与YOLOV4-Lite系列模型相比,本文提出的改进模型在使用较少的参数和计算量的情况下,识别精度有显著的提升,mAP分别比YOLOV4-MobileNetV3和YOLOV4-GhostNet提升6.58%和6.03%。【结论】改进后的模型在果园监测终端的轻量化部署方面更具有优势,为农情实时感知和智能监测提供了可行的数据和技术解决方案。 相似文献