-
针对残膜检测算法中计算量与参数量过大、难以在计算资源有限的嵌入式农机装备上实现高精度实时检测的问题,提出了一种基于改进 YOLOv11n 的落地棉残膜检测轻量化方法 YOLO-DDE.首先,在主干网络中引入通用 DBB 模块(Diverse Branch Block),将其融入原模型的 C3k2 模块,通过组合不同尺度的卷积操作获得多尺寸感受野,从而丰富特征空间的多样性,保证一定的残膜检测精度;然后,将颈部网络中增加下采样 DownSampling,使特征点的感受野增大,高层特征能够捕获更大范围的图像信息,进一步提升模型检测能力;最后,引入 EfficientHead 模块替换原检测头,在共享特征提取的同时有效降低了计算量,满足实时性要求.试验结果表明:改进后 YOLO-DDE 模型的平均精度均值达到 92.08%,精确率达到 95.52%;相较于基线 YOLOv11n 模型,平均精度均值提升 1.54 个百分点,精确率提高 0.76 个百分点,检测速度提升至 210 FPS,计算量和参数量分别降低 20.64%、15.01%.综上所述,YOLO-DDE 不仅能够保证一定的检测精度,还降低了模型的复杂性.
落地棉残膜检测目标检测轻量化改进YOLOv11n
-
针对传统激光平地机对作业地块大小和形状适应性差、匹配度低、灵活性欠缺和作业效率低不高等问题,研制了一种作业高效、操控方便、可以适应多种场景的智能激光平地机.重点设计了机械作业系统、液压操控系统和激光感知系统,创新性研制了自动可伸缩刮土铲,并通过 EDEM 软件对刮土铲作业过程进行了仿真分析.刮土铲仿真试验和平整前后的土壤高度曲线表明,刮土铲平地效果显著提升.田间试验结果显示:试验地块在平整前的土地极差为 37.6 cm,平整后减至 3.0 cm,降幅达 92.0%;标准差由 7.40 cm 减至 0.68 cm,降幅达 90.8%;与 12PJY-3A 型液控智能激光平地机的传统固定铲相比,极差降幅提高了 0.3 个百分点,标准差降幅提升了 0.9 个百分点,表明土地平整度均匀性得到显著提高,12PJ-400B 型激光平地机平整效果显著.此外,88.9%的测量点精度控制在设计目标±1.5 cm 以内,达到了高标准农田精准平整要求,有效提升了农田灌溉效率和作物生长一致性.
激光平地机液压系统可伸缩刮土铲建模仿真有限元分析
-
针对金桔果实尺寸不同和易被枝叶遮挡导致果实识别难的问题,提出了一种快速、准确的金桔检测新模型—YOLO-RCC.首先,使用 RGCELAN 模块替换 YOLOv11n 模块中的 C3k2 模块,减少了模型的参数量,提高了模型对特征的提取效率;其次,引入SFRFPN 优化原金字塔网络,增强了模型对不同大小和遮挡果实的识别能力;再次,增添CAFM 模块,且在其中引入 SE 注意力机制,有效提升了模型对于金桔的感知能力,且优化了模型的特征交互机制;最后,使用 EIoU 损失函数替换 YOLOv11n 网络模型中的 CIoU 损失函数,将纵横比的影响因子拆分为对目标框、锚框宽度与高度的计算,提升了网络的收敛速度.试验结果表明:YOLO-RCC 模型在测试集上的精确率和平均精度均值分别为 84.1%、88.1%,相较于YOLOv11n 模型分别提升了 0.4、1.2 个百分点;相比于其他主流模型 YOLOv5、YOLOv7、YOLOv8n、YOLOv9t 与 YOLOv10n,mAP50 分别提升了 1.5、0.9、2.1、1.2、1.3 个百分点.该研究提出的 YOLO-RCC 模型检测准确度高,可实现对复杂自然场景下金桔果实的有效检测.
金桔果实检测YOLOv11nYOLO-RCC深度学习图像处理
-
针对玉米田间杂草检测面临杂草目标小、类别间形态相似与复杂背景干扰等问题,提出了一种基于全局感知与形态优化的玉米田杂草检测方法 GMA-YOLO.首先,设计全局感知空间金字塔池化模块 GA-SPPCSPC,通过在跨阶段部分连接结构中嵌入 Non-local 模块,建立特征图任意位置间的长程依赖关系,增强小尺度杂草目标的特征表达能力并抑制复杂背景干扰;其次,引入 SEAM 注意力模块,利用多尺度深度可分离卷积和指数映射通道激活策略,增强目标特征响应,提升对小尺度杂草的检测精度;最后,提出形态感知聚焦损失函数 MAF,通过尺度自适应 Wasserstein 距离回归项增强小目标定位稳定性,采用类别自适应权重与焦点调制因子提升模型对形态相似类别的区分能力.在自建 CornWeed 数据集上的实验结果表明,GMA-YOLO 的 mAP@0.5 达到 96.2%,较基线模型 YOLOv8n 提升 4.4%,精确率和召回率分别达到80.1%、83.4%,F1 分数为 81.7%.与主流检测模型相比,该方法在检测精度、召回率、综合性能等方面均表现出显著优势.跨数据集验证结果表明,GMA-YOLO 能够准确区分不同类型杂草和作物,具有良好的泛化能力.
玉米田杂草检测全局感知注意力机制损失函数优化YOLOv8n
-
核桃挤压破壳过程中的受力特性与壳体裂纹的形成和核仁损伤密切相关,研究核壳裂纹面积占比与核仁完好率间的关系对实现核桃低损伤破壳取仁具有重要意义.为此,本研究测定了核桃的基本物理参数,包括几何尺寸、核壳厚度、球度等.基于以上物理参数进行了核桃沿横径、纵径、棱径的破壳挤压力仿真试验,通过实际挤压破壳试验进行了验证,并在此基础上采用 YOLOv11n 模型获取挤压破壳过程中产生的核壳裂纹面积占比,计算核仁完好率,分析核桃等效直径与裂纹面积、核仁完好率的相关性.结果表明:核桃的等效直径 30～42 mm 分布基本符合正态分布;核桃壳厚度均值为1.62 mm,存在一定离散性,但总体处于可比较范围内;核桃棱顶端、中部、底部厚度均值分别为 5.79、3.54、1.93 mm,球度为 0.92.在仿真试验中,纵径和棱径容易形成局部破裂,不利于实现高核仁完好率;横径挤压易于实现壳体整体破裂,更有利于实现高核仁完好率.实际试验中,横径挤压同样易于实现壳体整体破裂,与仿真结果一致,等效直径 34～36 mm 核桃横径挤压得到最高的核仁完好率(73%)、裂纹面积占比为 29%.本研究结果为核桃低损伤破壳奠定了理论基础.
云南深纹核桃挤压破壳特性裂纹面积核仁完好率有限元法
-
针对果园自然环境下树干受光照条件、杂草遮挡等因素影响,导致传统目标检测模型存在检测精度低、实时性差、参数量大且难以部署在边缘计算设备或智能农业机器人上的难题,提出了一种基于改进 YOLOv11n 的枣树树干精准识别方法(AII-YOLOv11n).首先,基于真实枣园环境,采用相机采集并构建了包含多种光照条件和多方位视角的枣树树干图像数据集.其次,以 YOLOv11n 为基准模型进行轻量化与精度优化:引入轻量级特征提取模块 ADown 替换主干网络中的传统下采样卷积模块,通过多分支结构避免计算冗余,显著减少计算量和模型尺寸;同时,在 C2PSA 模块中融入 iRMB倒置残差注意力机制(C2PSA-iRMB),结合深度可分离卷积与自注意力机制,在保持模型轻量的同时扩展了感受野范围,增强网络对树干边缘与局部细节特征的提取能力.最后,为了弥补传统 CIoU 损失函数在细长目标检测任务中泛化性弱、收敛缓慢且对边缘不稳定点敏感的缺陷,采用 Inner-IoU 损失函数聚焦真实框内部有效区域,提升模型的准确性并优化边界框效果.试验结果表明:本文提出的改进模型具备极高的精准识别能力,平均精度均值(mAP@0.5)达到 95.3%,检测速度提升至 123.5 FPS,参数量仅为 5 M;相比原 YOLOv11n 基线模型,平均精度均值提高了 1.5 个百分点,参数体积缩小了 4.4%;与主流的目标检测模型 YOLOv7、Faster R-CNN、YOLOv8s、YOLOv10n 相比,改进模型的平均精度均值分别高出14.6、13.8、2.1、6.5、1.5 个百分点.本研究在兼顾检测精度、实时速度与模型轻量化方面优势显著,为枣园中自主导航和智能作业提供了可靠的技术支持.
枣树树干精准识别YOLOv11n深度学习轻量化
-
针对丘区桑园环境复杂,现有导航方法易因地形起伏、缺株导致路径偏差的问题,提出一种基于激光雷达的桑园行间中心导航线实时提取方法,可为农机自主导航提供连续、稳定的基准路径,有效避免中耕、除草、施肥等桑园管理机械自主作业过程中因侧偏而与树干发生碰撞,保障机具作业质量与安全.该方法通过直通滤波提取感兴趣区域,结合空间下采样与统计滤波实现数据去噪与冗余剔除;采用改进的随机抽样一致算法(Random Sample Consensus,RANSAC)实现地形自适应地面分割,基于密度的聚类算法(Density-Based Spatial Clustering of Applications with Noise,DBSCAN)与边界点检测识别左右树行边界;通过动态选取控制点,结合移动平均滤波与贝塞尔曲线拟合生成平滑连续的导航线.试验表明,该方法可适配平地、坡地、弯曲行与缺株等多种场景,能稳定、精准地完成导航线提取.在直线树行条件下,算法提取导航线与人工标定结果间的偏航角误差不超过 1.0°,平均横向偏差最小为 0.04 m,检测准确率可达 97%,平均单帧处理时间为0.539 s,满足农机实时导航要求.该方法不仅适用于桑园,还可进一步扩展至柑橘等多年生经济作物种植园,能够为丘区农业装备的自主作业提供可靠的技术支持.
桑园导航线实时提取激光雷达随机抽样一致算法地面分割贝塞尔曲线
-
设施栽培黄瓜因环境封闭、高湿弱光,病虫害发生种类增多、危害加重,连作障碍进一步加剧了病虫害的复合发生态势.基于此,本文系统阐述了设施黄瓜病虫害的发生特点,并从农业防治、物理防治、生物防治、化学防治和生态调控五个方面提出了针对性防控策略,以期为设施黄瓜绿色防控提供技术参考.
设施栽培黄瓜病虫害发生特点绿色防控
-
食用菌生产历史较长,在我国食用菌产业仅次于粮、棉、油、菜、果,已成为我国第六大种植业,在国民经济中的作用十分重要.但食用菌害虫的危害不断增加,产业发展受到威胁.本研究从我国食用菌发展概况、食用菌害虫综合防控技术等方面进行讨论,针对定西市主要虫害提出综合防控技术措施,旨在为定西市食用菌主要害虫的科学防控提供指导意见.
食用菌虫害农业防治物理防治生物防治化学防治
-
随着智慧果园建设和农机装备智能化发展,果园巡检机器人等移动机械开始逐步承担巡园、运输和信息采集等任务.在柑橘种植过程中,若能在作业过程中同步获取柑橘果实数量信息,就可为生产管理和采收调度提供及时的数据支持.然而,柑橘果实基数大、分布密,枝叶遮挡与果实重叠现象普遍存在,传统人工目测和抽样调查效率低、误差大、记录不完整,难以满足农机的连续巡检需求.基于此,西南大学柑桔研究所柑橘栽培生理与智慧化中心团队研发了柑橘产量预估 App,其识别、计数和估产功能可嵌入农机控制器或集成至车载终端,使农机在巡检过程中采集树冠图像并辅助完成产量估算,推动机械化作业与数字化管理协同发展.
