排序方式: 共有16条查询结果,搜索用时 15 毫秒
1.
提高变量施肥精度和均匀性的关键在于减小变量机构的响应时间,选择最佳控制参数。提出了一种基于相关向量机的开度转速双变量施肥控制序列决策方法。首先考虑了施肥处方中前、中、后相邻3次施肥量的相互影响,综合了开度和转速的响应时间和工作死区等特性,利用非线性规划方法实现最佳控制参数的决策,避免了小施肥量下的大开度、小转速现象,减小了对外槽轮脉动性的影响。为了协调车载计算机运算能力与控制响应的矛盾,利用相关向量机实现了施肥控制序列的近优实时计算。室内试验结果表明,平均施肥误差比原方法减小了4%,同时该方法有效地避免了极端情况下电动机无法驱动排肥转轴的情况。田间作业试验证明,使用该方法的施肥机指令响应及时,施肥均匀、准确,证明了方法的实用性。 相似文献
2.
自然环境下重叠果实图像识别算法与试验 总被引:7,自引:0,他引:7
针对非结构化自然环境中光照变化和对象重叠特征等外界因素给图像处理带来的难题,提出了一种自然环境下重叠果实的图像识别与边界分割的组合优化算法。该组合优化算法首先对原始图像进行噪声滤波处理,然后利用Sobel算子以及改进算子的最大类方差法(OTSU)来辨识重叠果实目标;接着采用K-means算法对重叠目标的像素进行聚类得到单个目标位置,再结合边缘检测结果的连通域分析及区域生长获得单个目标边界的大致区域;最后利用基于限制区域的分水岭算法,得到目标的精确边界。为了验证所提算法的有效性和适应性,进行了试验研究。试验结果表明:所提出的组合优化算法不仅可以在自然环境下从重叠物体图像背景中识别出重叠目标,而且还可以从重叠目标中分割出单个目标的精确边界。 相似文献
3.
基于模糊PID的采棉机作业速度最优控制算法与试验 总被引:3,自引:0,他引:3
针对采棉机作业速度影响采棉效率的问题,提出基于模糊PID控制技术的采棉机作业速度实时调整算法,建立行走速度调节模型,实现采棉机作业速度最优控制。该算法通过实时获取棉花在线流量,经采棉输入负荷梯度堵塞条件约束,并将模糊算法和常规PID控制相结合,应用模糊规则和推理方法对PID参数进行在线整定,实时调节行走速度,实现作业速度最优控制。借助基于FPGA的硬件控制器在4MZ-5型采棉机上进行了试验研究。试验表明:所提出的算法可以根据棉花在线流量当量大小实时调整作业速度,提高了采棉机作业效率;有效避免了因采棉量过大造成的输棉管堵塞故障,提高了采棉机智能化水平。 相似文献
4.
根据农业生产智能化需求,提出一种基于三维视觉的青饲机拖车车斗自动识别和定位方法。该方法通过图像与点云数据处理技术相互配合,实现拖车车斗的边沿识别和空间定位。首先,利用视觉里程计概念构建相机与地面三维坐标系之间的关联,并用奇异值分解算法求解位姿变换矩阵,将相机坐标系下的3D点云进行旋转平移,并且基于地面进行阈值处理和降维;其次,采用随机抽样一致性算法完成对车斗边沿拟合以及车斗角点定位,获得机械臂喷头与车斗的相对位置;最后,通过坐标变换,将定位结果直观呈现在像素坐标系中。本文方法能够准确地定位车斗角点,描绘车斗所在区域。现场实验结果表明,该方法计算量较小、效率高、准确性高,能够满足现场作业的实时性与精度要求。 相似文献
5.
为减少果园机器人在定位与建图过程中产生的累积漂移误差,本文提出一种基于密度二进制模式(Density binary pattern, DBP)描述子的激光回环检测算法。算法将点云空间分割为二进制单元块,提取包含点云高度与密度信息的全局描述子DBP。针对复杂果园的大尺度、高度相似、非结构化特性,基于两阶段搜索算法实现高效回环检测。基于历史帧DBP的环因子检索K近邻候选帧,确认与当前帧DBP描述子最相似的候选帧为最终目标回环索引。在具有多个回环事件的复杂果园场景中,DBP-LeGO-LOAM算法轨迹的均方根误差与标准差分别为0.24 m与0.09 m,相对LeGO-LOAM中基于距离的回环检测算法分别减少81%与91%。实验证明,本文方法对多回环复杂果园环境具有更好的适应性,为提高果园机器人建图与定位精度提供了有效解决方案。 相似文献
6.
7.
为解决传统人工操作采棉机长距离对行作业时存在劳动强度大、作业速度受限和效率较低的问题,利用棉花采用卫星导航平行精准播种的特性,提出了一种基于平行轨迹导航的采棉机自动对行控制方法。首先,人工驾驶采棉机完成首行对行作业,记录RTK定位轨迹数据,并进行线性拟合,得到参考导航线斜率;然后,对后续各行收获时,在任意起点对齐待收获的棉花行,由起点坐标和参考斜率计算得到平行导航基准线;最后,采用速度自适应纯追踪算法,实现采棉机自动对行。田间试验表明,该方法能够从任意行起始位置开始自动对行,不同速度下,平均绝对横向偏差为2.91cm,最大绝对横向偏差为9.22cm,平均标准差为1.80cm,控制性能均优于手动对行,满足采棉机对行精度要求。相对机械触碰式自动对行方法,该方法不受缺株歪株影响,并且在较高速7km/h行驶时仍能保持良好的对行精度。 相似文献
8.
9.
为了能够根据当前场景内容在线提取优势推理特征,使得提取后的优势特征集能更好地区分当前场景的地形类别,满足农业机器人室外导航环境要求,提出一种基于迭代式RELIEF算法的农业机器人地形标记方法。该方法通过超像素分割产生训练样本,由迭代式RELIEF算法输出一个特征权重向量,向量每个元素的值代表其所对应的候选特征对地形标记的影响程度,通过对特征权重设定阈值来剔除大量无关特征。地形标记试验结果表明,该方法不但能够将地面标记准确率与障碍标记召回率分别提高1%与0.8%,还能将SVM地形分类器的计算复杂度降低40%左右。在导航试验中,该方法能够使农业机器人的导航效率提高15%左右。 相似文献
10.
基于图像处理多算法融合的杂草检测方法及试验 总被引:1,自引:0,他引:1
自动化除草是现代精确农业科学领域的研究热点。已有的自动化除草解决方案中普遍存在鲁棒性不强、过度依赖大量样本等问题,针对上述问题,本研究提出了基于图像处理多算法融合的田间杂草检测方法,设计了一套田间杂草自动识别算法。首先通过设置颜色空间的阈值从图像中分割土壤背景。然后采用面积阈值、模板匹配和饱和度阈值三种方法对作物和杂草进行分类。最后基于投票的方式,综合权衡上述三种方法,实现对作物和杂草的精准识别与定位。以大豆田间除草为对象进行了试验研究,结果表明,使用融合多图像处理算法的投票方法进行作物和杂草识别定位,杂草识别平均错误率为1.79%,识别精度达到98.21%。相较单一的面积阈值、模板匹配和饱和度阈值方法,基于投票权重识别杂草的精度平均提升5.71%。同时,针对复杂多变的农业场景,进行了存在雨滴和阴影干扰的鲁棒性测试,实现了90%以上的作物识别结果,表明本研究方法具有较好的适应性和鲁棒性。本研究算法可为智能移动机器人除草作业等智慧农业领域应用提供技术支持。 相似文献