摘要:

摘要:

摘要:我国的家禽养殖正在向精准养殖、自动化养殖、绿色养殖等方向逐步迈进。工厂化家禽养殖技术和信息化技术的协同研发和应用是促进家禽养殖行业健康可持续发展的关键，对提升家禽养殖规模化、标准化和智能化水平，提高整体产量与经济效益，促进现代化家禽养殖业的转型升级具有重要意义。本文重点围绕家禽养殖智能装备、智能算法和管控平台3个技术领域，分析了智能养殖舍、环境监测调控、智能饲喂、防疫、巡检以及无害化粪污处理等装备，家禽行为检测、盘点技术、体质量预估和健康状态评估算法，工厂化家禽养殖管控平台的最新研究应用进展以及存在的问题；指出了家禽养殖技术的薄弱环节与发展趋势，并对工厂化家禽养殖的发展和改进提出了建议，为我国现代家禽养殖业绿色高质量转型升级与健康可持续发展提供参考。

摘要:工厂化养猪是畜牧业现代化的重要组成部分，是中国养猪业发展的必然趋势。中国养猪业面临着能繁母猪生产力水平低、健康管理水平低、智能设备利用率低、养殖成本高等产业突出问题。本文从猪群福利化健康养殖工艺、猪舍空气净化技术、猪只生长与健康状态感知技术、以及猪只精准饲喂和养殖机器人等智能作业装备4个方面，分析了智能养猪工厂建设中工艺、技术、装备的研究和发展现状，并对今后智能养猪工厂建设的重点方向进行了展望，以期为中国智能养猪工厂的创制提供参考。

摘要:智能识别技术是水产养殖由粗放型向集约型转变的关键技术。水产养殖中的智能识别是通过研究并利用机器视觉和机器学习技术实现水下生物和环境的监测，并对生产管理中出现的问题进行判断、分析和预测，以实现自动化养殖为目的。本文从生物的物种识别与分类、年龄识别、性别识别和行为识别4个方面分析了水产养殖中智能识别技术的研究和发展现状，阐述了水产养殖中采用的主要智能识别技术和原理，并对今后水产养殖中智能识别技术的发展进行了展望，以期为中国渔业现代化、智慧化发展提供参考和新思路。

摘要:杂草控制是农业生产中必然面临的重要问题，随着机器人技术、自动化技术融入农业生产，各类除草机器人应运而生，有效地减少了化学药剂对环境的污染。本文综述了除草机器人的智能感知技术、机器人平台和除草装置3个部分的研究现状，分析了作物行与杂草识别技术、除草机器人平台结构和机械除草装置智能化控制方式等存在的不足，并从智能化感知、精准化除草、高效化作业和智慧化管理等4个方面对智能除草机器人的未来发展趋势进行了展望。

摘要:利用田间监测技术采集作物信息，可以实时获取田间作物的生长情况，并做出相应决策，对提高作物的产量和品质有重要作用。针对依赖于人工采样测量的传统作物田间监测方法存在效率低下、主观性强、特征单一等缺点，田间作物的快速监测、信息获取及分析技术成为了当下的研究热点。本文从采集目标、监测平台以及不同数据(信息)分析方法3个方面分析了国内外田间作物监测技术的研究现状，总结了目前我国田间作物监测中存在的问题，并对今后在监测技术创新、信息解析技术、数据(信息)标准化与共享化，以及基础设施及推广方面的发展提出了建议，以期为我国田间作物监测技术的创新和产业发展提供参考。

摘要:目的 设计哺乳母猪智能饲喂物联网系统，以实现哺乳母猪饲喂状况远程监控。方法 系统通过Netty传输自定义TCP通信协议，实现与终端设备的数据传输和指令应答功能。采用SpringBoot与Vue前后端分离架构，开展人机交互界面设计，包括猪场生产情况详情界面、母猪饲喂信息查询界面和统计数据下载界面。结果 试验结果表明，在3000个连接数下，系统平均响应时间为0.33 s，单位时间内处理数据量范围在750~1180条，系统在加入自定义业务线程池后，单位时间处理数据量增加了250条，处理量提高了31%。结论 该系统满足了对哺乳舍智能饲喂设备的连接管理和数据处理的实际应用需求。

摘要:目的 针对河蟹养殖过程中，水位变化以及无人艇路径规划算法收敛慢、精度低的问题，为提高算法适应性与寻优能力， 提出一种多目标粒子群?蚁群融合的无人艇路径规划算法。方法 首先，分析蟹塘环境及养殖规律等因素，建立静态水深栅格环境模型；其次，针对覆盖遍历式投饵存在局部点投喂不足及路径次优的问题，通过对惯性参数与学习因子的非线性调整，提出基于多目标的改进粒子群算法(Particle swarm optimization, PSO)；然后，调整蚁群算法的初始信息素，并对蚁群算法的信息素挥发因子和启发期望函数自适应改进，提出自适应优化蚁群算法(Ant colony optimization, ACO)；最后，为解决单一算法寻优不足，利用融合PSO-ACO算法，实现无人艇多目标全局路径规划。结果 仿真结果表明：不同环境投饵策略下，PSO-ACO算法在对多目标路径寻优时，不仅环境适应性好，而且提高了寻优效率和精度，运行时间节省了32%，路径距离缩短了9.78%，迭代次数降低了62.88%，拐点数目减少了44.45%。结论 所提出多目标点的路径规划算法适用于环境可变的蟹塘养殖，具有较好的应用价值。

摘要:目的 为解决传统水稻考种机谷粒表型分析算法在功能和效率上的局限性，针对穗上谷粒原位计数和被遮挡谷粒几何特征还原设计一种基于深度学习的轻量级通用算法框架。方法 将穗上谷粒原位计数与被遮挡谷粒还原这2个复杂任务分别拆解为2个阶段，将其核心阶段建模为I2I问题。基于MobileNet V3设计1种能够解决I2I问题的轻量级网络架构，并针对2个任务的特点分别设计了数据集图像制作方法，选择合适的优化策略和超参数对其进行训练。训练结束后，使用TensorFlow Lite runtime解释器将模型部署在考种机的树莓派4B开发板上，并进行测试。结果 该算法在穗上谷粒计数任务中具有良好的准确性、快速性，且具有一定的泛化性能。在被遮挡谷粒的形状还原任务中，该算法所还原的谷粒图像在面积、周长、长度、宽度和颜色分数评价指标中准确率均达到97%以上。结论 该算法能够有效地完成穗上谷粒计数和被遮挡谷粒的还原任务，且具有轻量级的优点。

摘要:目的 利用土壤近表面空气温湿度与土壤内部参数的关联关系对耕作层土壤水分、温度进行精准预测，为实现精细化农业种植管理提供服务。方法 针对土壤耕作层水分、温度预测在训练集获取与模型验证等方面的实际需求，设计了基于嵌入式系统及窄带物联网(Narrow band internet of things，NB-IoT)无线通信技术的物联网数据采集系统。在此基础上基于深度Q学习(Deep Q network，DQN)算法探索了一种模型组合策略，以长短期记忆(Long short-term memory，LSTM)、门限循环单元(Gated recurrent unit，GRU)与双向长短期记忆网络(Bi-directional long short-term memory，Bi-LSTM)为基础模型进行加权组合，获得了DQN-L-G-B组合预测模型。结果 数据采集系统实现了对等间隔时间序列环境数据的长时间稳定可靠采集，可以为基于深度学习的土壤水分、温度时间序列预测工作提供准确的训练集与验证集数据。相对于LSTM、Bi-LSTM、GRU、L-G-B等模型，DQN-L-G-B组合模型在2种土壤类型(壤土、砂土)耕作层上水分与温度预测中的均方根误差(Root mean square error，RMSE)、平均绝对误差(Mean absolute error，MAE)、平均百分比误差(Mean absolute percentage error，MAPE)都有一定程度的降低，R²提高了约0.1%。结论 通过该物联网数据采集系统与DNQ-L-G-B组合模型，可以有效地完成基于土壤近表面空气温、湿度对耕作层土壤中水分、温度的精准预测。

摘要:目的 研究融合无人机遥感影像多光谱信息和纹理特征估算马铃薯Solanum tuberosum叶面积指数(Leaf area index，LAI)方法，提高马铃薯LAI反演精度。方法 利用大疆P4M无人机采集2021年2－4月南方冬种马铃薯幼苗期、现蕾期、块茎膨大期多光谱影像，用LAI-2000冠层分析仪实测LAI数据。提取影像光谱、纹理等信息，分析植被指数、纹理特征与LAI的相关性，基于R²_adj的全子集分析优选特征变量。采用主成分分析，融合光谱和纹理特征，用PCA-MLR(Principal component analysis-multiple linear regression)模型估算马铃薯LAI。结果 从幼苗期到块茎膨大期，PCA-MLR估算模型优于T-MLR(Texture multiple linear regression)和VI-MLR(Vegetation index multiple linear regression)模型，R²分别为0.73、0.59和0.66。结论 本研究提出一种估算马铃薯LAI的PCA-MLR方法，为马铃薯的长势监测和田间管理提供数据支持。

摘要:目的 针对现有根系表型检测方法存在价格昂贵、需要专人操作以及无法对根系表型进行原位无损检测等问题，提出一种基于电阻层析成像技术(Electrical resistance tomography，ERT)和深度残差神经网络(Deep residual network，ResNet)的萝卜根系表型无损检测方法。方法 首先，利用COMSOL软件对萝卜?琼脂场域不同情况的ERT正问题进行仿真分析，并获得大量边界电压数据；然后，基于ResNet对萝卜?琼脂场域的内部电导率分布与边界电压之间的非线性映射关系建立模型，对萝卜?琼脂场域进行图像重建；最后，基于ERT研制一套萝卜根系表型检测装置，并进行试验验证。结果 基于ERT和ResNet的萝卜根系表型检测方法能够实现萝卜根系表型的可持续无损检测，试验装置操作简单、成本低，图像重建相对误差小于5%。结论 基于ERT的萝卜根系表型检测方法可以实现对萝卜根系表型的无损检测；结合ResNet算法，成像精度较高。该方法可有效应用于萝卜根系表型的检测。

摘要:目的 针对实际生产场景中番茄苗期生长遇到的高温胁迫问题，提出一种基于热红外和RGB图像的番茄苗期高温胁迫检测方法。方法 首先，通过番茄苗期热红外图像反演获取番茄冠层温度参数，采用偏最小二乘(Partial least squares, PLS)模型提取冠层温度特征指标；然后，建立采用3种不同主干特征提取网络的Mask-RCNN模型，通过迁移学习的方式将番茄苗期RGB图像输入Mask-RCNN模型，进行高温胁迫症状实例分割，得到番茄苗期胁迫症状特征指标；最后，利用提取的温度和胁迫症状特征指标构建分级数据集，输入高温胁迫分级模型，得到高温胁迫等级。结果 基于PLS模型提取的冠层温度特征指标累计贡献率达95.45%；基于ResNet101+Mask-RCNN的高温胁迫症状分割网络对番茄苗期轻度和重度胁迫的分割精度最高，均值平均查准率(Mean average precision, mAP)分别为77.3%和73.8%；基于温度和胁迫症状特征指标构建的4种高温胁迫分级模型中，反向传播神经网络(Back propagation neural network, BPNN)获得最好的高温胁迫分级效果，分级准确率达95.6%。结论 该方法对番茄苗期高温胁迫检测效果较好，可为番茄苗期高温胁迫早期精准检测和快速自动预警提供技术支撑。

摘要:目的 通过无人机获取荔枝冠层的遥感图像，评估每棵荔枝的开花率，以期为后续荔枝花期疏花保果、精准施肥施药提供决策依据。方法 以遥感图像为研究对象，利用实例分割的方法分割每棵荔枝冠层后，结合园艺专家的综合判断，按开花率为0、10%~20%、50%~60%、80%及以上将开花率分为4类，使用ResNet、ResNeXt、ShuffleNetv2进行开花率分类比较，试验过程中发现ShuffleNetv2在识别准确率、参数量、训练和验证时间都有很大优势；在ShuffleNetv2上引入了空间注意力模块(Spatial attention module，SAM)后，增加了模型对位置信息的学习，在不显著增加参数量的情况下，提升荔枝冠层花期分类的精度。结果 通过对多个主流深度神经网络的比较分析，ResNet50、ResNeXt50、ShuffleNetv2的分类精度分别达到85.96%、87.01%和86.84%，而改进后的ShuffleNetv2分类精度更高，达到88.60%；ResNet50、ResNeXt50、ShuffleNetv2和改进后的ShuffleNetv2对测试集单张冠层图像验证的时间分别为8.802、9.116、7.529和7.507 ms，改进后的ShuffleNetv2单张冠层图像验证时间最短。结论 改进后的ShuffleNetv2能够挖掘学习更为细节的荔枝冠层花期信息，具有较高的识别准确率，对荔枝花期的评估有很大的优势，可为荔枝保花疏花、生产精准管控提供智能决策支持。

摘要:目的 运用语义分割技术自动识别芒果及其表皮缺陷，实现芒果的质量评估及分选，为芒果质量快速无损检测提供参考。方法 采集自然环境下的多场景芒果表皮缺陷图像用于模型的训练与测试，将联合上采样金字塔(Joint pyramid upsampling，JPU)结构替换DeepLabV3+中空洞空间卷积池化金字塔(Atrous spatial pyramid pooling，ASPP)，将Atrous-ResNet模型替换DeepLabV3+中Xception模型，采用类别像素准确率(Class pixel accuracy，CPA)、平均像素准确率(Mean pixel accuracy，MPA)、平均交并比 (Mean intersection over union，MIoU)作为模型的精度评价指标。结果 采用JPU模块替换ASPP模块，在ResNet网络中运用扩张卷积有利于增大模型的感受野，总体上预测的边界更加平滑，且对细小缺陷的识别更精确；与SegNet、LinkNet算法的对比验证表明，Atrous-ResNet模型具备更高的精度，CPA小幅提升，MPA提升3.79个百分点，MIoU提升4.57个百分点，Atrous-ResNet模型具有更好的识别效果。结论 基于语义分割的方法应用于芒果表皮缺陷识别是可行的，Atrous-ResNet模型较SegNet以及LinkNet算法比较具有更高的识别精度。

摘要: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。

摘要:目的 为实现复杂背景下广佛手发病早期的病虫害快速精准识别，提出一种基于YOLOv5-C的广佛手病虫害识别方法。方法 使用YOLOv5s网络模型作为基础网络，通过引入所提出的多尺度特征融合模块，提高网络模型的特征提取与特征融合能力，均衡提高每一类广佛手病虫害的识别准确率；使用注意力机制模块提高网络模型对病虫害目标特征信息的关注度，弱化复杂背景的干扰信息，提高网络模型的识别准确率；利用改进的C3-SC模块替换PANet结构中的C3模块，在不影响网络模型识别性能的条件下减少网络模型的参数。结果 基于YOLOv5-C的复杂背景下的广佛手病虫害识别，F1分数为90.95%，平均精度均值为93.06%，网络模型大小为14.1 Mb，在GPU上每张图像平均检测时间为0.01 s。与基础网络YOLOv5s相比，平均精度均值提高了2.45个百分点，7个类别识别的平均准确率的标准差由7.14减少为3.13，变异系数由7.88%减少为3.36%。平均精度均值比RetinaNet、SSD、Efficientdet和YOLOv4模型分别高22.30、20.65、4.84和2.36个百分点。结论 该方法能快速准确地识别复杂背景下广佛手病虫害目标，可为广佛手种植产业的智能化管理提供参考。

摘要:目的 提出一种复杂环境下以天空为背景的果树行间可行驶区域识别算法，以便农业机器人导航系统中工作路径的提取。方法 通过蓝色分量(B分量)进行树冠和背景天空的分离，改进Otsu算法实现更好的分割效果，形态学处理后根据树顶分布规律，进行动态阈值“V形”感兴趣区域寻找及特征点提取，使用泰尔−森稳健回归剔除干扰点后，使用随机采样一致性(Random sample consensus，RANSAC)算法进行拟合，得到树顶处直线，通过斜率变换关系得到可行驶区域边缘直线斜率，利用剔除后特征点信息和剔除阈值获得关键点坐标，以斜率为约束条件，代入关键点，得到可行驶区域边缘直线方程，并使用最小二乘法进行拟合，以此实现可行驶区域识别。结果 试验结果表明，本文双重稳健回归算法较泰尔−森算法和RANSAC算法平均偏差角度分别减小了8.28%和9.88%，标准差分别减少了6.25%和22.89%，准确率分别提高了4.64%和10.49%。结论 研究结果可为农业机器人在大多数标准化果园复杂环境中的可行驶区域识别和路径提取提供研究思路。

摘要:目的 确定鲜莲籽机械化加工过程中离散元仿真模型参数，为鲜莲籽机械化加工仿真试验提供数据参考。方法 本研究利用EDEM仿真软件开展鲜莲籽离散元仿真参数标定。以产自湖北洪湖的‘太空莲36号’为试验对象，通过落种试验测定鲜莲籽实际落种的堆积角和休止角。基于Hertz-Mindlin (no slip)接触模型进行鲜莲籽落种仿真试验，以鲜莲籽堆积角和休止角的实测值与仿真值之间的误差为试验指标，通过Plackett-Burman试验确定对堆积角和休止角影响显著的接触参数，通过最陡爬坡试验确定鲜莲籽离散元模型最优接触参数组合。采用料斗进行实际落种验证试验，以莲籽落种速率为试验指标，对比实际与仿真落种验证试验莲籽落种速率，验证最优参数组合可靠性。结果 莲籽间静摩擦系数、莲籽间滚动摩擦系数对堆积角影响极显著(P<0.01)；莲籽间滚动摩擦系数对休止角影响极显著(P<0.01)，莲籽间静摩擦系数、莲籽?有机玻璃静摩擦系数对休止角影响显著(P<0.05)。最优接触参数组合为莲籽间静摩擦系数0.4、莲籽间滚动摩擦系数0.02、莲籽?有机玻璃静摩擦系数0.4。落料验证试验结果表明，实际试验与仿真试验的鲜莲籽落种速率最大相对误差不超过3.65%。结论 标定的鲜莲籽离散元仿真模型接触参数准确可靠，研究结果可为莲籽加工机械的结构优化设计提供数据参考。