一、日本研制出一种新型无人插秧机(论文文献综述)
刘婉茹,张国忠,周勇,徐红梅,吴擎,付建伟,黄成龙,张建[1](2022)在《智能化技术在水稻生产全程机械化中的应用研究与发展趋势》文中指出智能控制是水稻生产全程机械化向智能化发展的关键核心技术。本文从水稻作业环节中的耕整地、种植、田间管理和收获四个方面概述分析了国内外水稻生产机具使用情况和机械化作业情况,着重阐述了智能化技术在水稻生产全程机械化中的应用研究,涵盖了耕深智能调节与自动平地技术、工厂化育秧移栽与精量直播技术、田间管理智能化技术(灌溉、施肥、除草和病虫害防治)、收获机在线监测和智能控制技术、自动导航与无人驾驶技术等。指出了制约水稻生产全程机械化向智能化发展的技术难点,并展望了其未来发展趋势,以期为智能化技术在水稻生产全程机械化中的应用提供参考。
赵振宇[2](2021)在《基于多传感融合的水稻侧深变量施肥控制系统设计》文中提出为了进一步降低施肥量,提高肥料利用率,结合风送式侧深施肥技术,研发了基于多传感融合的水稻侧深变量施肥系统。该系统主要由传感器模块、数据采集模块、串口通信模块、卫星定位模块、施肥控制器、排肥驱动电机、风机、排肥器和车载终端组成。传感器模块包括超声波传感器和土壤电导率传感器,超声波传感器检测施肥深度,土壤电导率传感器间接反映土壤肥力等级。基于施肥深度信息和土壤肥力等级,提出了一种水稻侧深变量施肥策略,通过STM 32单片机将目标施肥量发送至施肥控制器,施肥控制器驱动排肥电机,在排肥电机与风机的作用下,肥料通过输肥管排出,实现了侧深变量施肥。为了验证侧深变量施肥系统的性能,2020年7月至9月在北京小汤山国家精准农业研究示范基地分别进行了传感器性能测试试验、侧深施肥机排肥精度试验和变量施肥策略验证试验。传感器性能测试试验表明超声波传感器测量最大误差为2.14%,土壤电导率传感器测量最大误差为2.82%。系统排肥精度试验表明最大排肥误差为5.7%,与常规侧深施肥方式相比,可以有效减少肥料施用量,最大减肥率达到16.73%,为水稻精准施肥提供了一种新的装备支撑。
凌雯雯[3](2021)在《水稻插秧机自主作业路径规划算法研究》文中研究指明科学技术的发展,持续推动插秧机与各种先进技术实现融合与创新。我国人口老龄化日益加剧、土地流转加快,使得无人驾驶插秧机需求越来越迫切,且水稻插秧机自主作业可有效解决人工操作带来的一系列问题。路径规划的研究是实现水稻插秧机自主作业的重要组成部分,合理的规划可有效提高插秧机工作效率及作业覆盖率,为水稻插秧机实现无人驾驶提供路径导航基础。主要研究如下:针对插秧机工作环境情况,建立环境模型,为避障算法研究奠定环境基础。通过分析对比常见建模方法,选择栅格法建立矩形地块环境模型。考虑到农田中障碍物(电线杆、电桩)形状不利于栅格法描述环境信息,采用二值膨胀算法对障碍物进行处理,处理后的障碍物边界与栅格边界重合,可有效提高路径规划精度。通过对田间全覆盖作业方式研究与分析,提出一种将往返式与外螺旋式覆盖方式结合的复合型覆盖方式,提高作业路径覆盖率。针对路径避障问题,提出一种基于栅格法建图的A*算法与Bezier曲线优化算法结合的路径避障算法,能够准确规避障碍物,且避障路径更平滑、更有利于插秧机行走。结合插秧机工作性质,选择牛耕式作业转弯方式。针对不同作业路径方式,对不同地头转弯策略下的最短转弯路径进行分析。选择其中的弓形转弯策略提出一种坐标标记法,并为插秧机处于不同位置的路径点赋予不同符号表示,便于观察与数据收集。结合对工作区域与转弯区域的路径研究,总结出两种不同情况下的整体路径规划方案。针对复合型覆盖方式,通过数据分析验证:该覆盖方式与单一往返式相比,覆盖率明显提高,符合路径优化标准。针对凸多边形起垄作业方向选择,选取一块五边形地块,通过仿真和数据分析得出:平行于地块最长边界起垄作业与其他作业方向相比,可以获得最高作业覆盖率、最少作业转弯数,为最佳作业方向。针对提出坐标标记法,在python环境中进行仿真实验,验证了算法的可行性,为无人驾驶插秧机提供理论支持。
张妮,张国忠[4](2020)在《水稻种植机械化技术研究现状与展望》文中进行了进一步梳理综述了国内外水稻机械化直播和机械化移栽技术及其装备的研究现状及发展动态。针对中国的水稻种植条件和种植制度,指出了现有水稻种植装备的不足之处。提出水稻移栽是水稻种植机械化的重要发展方向,重点阐述了水稻钵苗移栽的研究现状。最后对水稻种植机械化技术的研究方向与趋势进行了展望。
李润丰[5](2020)在《无人插秧机智能控制系统研究》文中研究表明针对现有农村剩余劳动力短缺、人口老龄化严重以及秧苗栽插直线度差等突出问题,本研究以现有国产乘坐式复式高速插秧机为载体,结合自动控制技术与自主导航技术开发出一台集自主导航、自动驾驶和自动作业为一体的智能化无人驾驶复式高效水稻插秧机,主要研究内容如下:进行了无人插秧机控制系统硬件平台改造,控制系统主要包括导航控制系统、行车作业控制系统两部分,其中行车作业控制系统又分为行进系统控制、转向系统控制和作业系统控制。以南通富来威2ZG-6DM型高速插秧机作为试验平台,对导航控制系统中板卡及天线进行选型并搭建导航基准站和移动站,对行车控制部分的关键部件进行电控改造,其中包括:插秧机本体转向控制部分电控改造,油门电控改造,原有作业机械手柄阀体部分电控改造,以及相关控制器、传感器及执行器的选型改装。无人插秧机控制系统关键参数标定试验及软件平台开发。传感器量值标定是提高无人插秧机智能控制系统路径跟踪性能的重要依据,基于无人插秧机智能控制系统硬件平台设计关键参数标定试验,获得表征系统输入量与传感器输出量之间对应关系的标定曲线,利用实测结果验证各传感器及执行部件的准确性与可靠性,保证无人插秧机在水田恶劣环境下自主作业时各类关键参数指标准确,同时利用主控制器对各传感器信息的融合算法进行设计开发。无人插秧机自动驾驶控制算法设计与实现。基于现有路径跟踪控制策略,取插秧机为被控对象,建立运动学模型并推导出相对运动关系,制定导航作业过程中直线路径跟踪控制策略及地头转弯控制策略。对各控制系统的稳定性、动态性能、稳态性能等进行分析的基础上,初步确定所采用的自适应滑模变结构路径跟踪控制中神经网络及滑模控制的控制参数,通过分析插秧机在路径跟踪过程中的不同行车状态,逐步修改控制参数,使得最终跟踪误差满足插秧机行驶误差要求。无人插秧机试验样机组装及实际运行试验方法。将改造后插秧机的各个部件进行组装和集成调试,利用搭载导航控制系统的插秧机进行水泥路面路径跟踪试验及水田路径跟踪试验,以实现自主导航、自动驾驶、自动作业为目标,验证本研究所采用的路径跟踪控制系统对无人插秧机路径跟踪的准确性、实用性及可靠性。
赵璜晔[6](2020)在《基于机器视觉的无人插秧机作业质量监控系统研究》文中指出随着农业智能机械化水平的持续提升,有关无人驾驶农机进行独立作业的研究也在飞速发展。及时、精准地对插秧机的栽植状况和工况进行监测,以及在故障发生时能实时地报警是插秧机安全、高效作业的重要保证,可以有效提升作业效率、降低安全风险。本文在江苏省重点研发计划(现代农业)重点项目“无人插秧机研制”(BE2015351)研究经费的支持下,设计并研制了一套基于机器视觉的无人插秧机作业质量监控系统。插秧机是现代农业自动化发展的重要手段,由于地理环境和设备等因素的影响,插秧机在工作中难免会出现缺秧和漂秧等情况。传统的缺秧和漂秧识别主要依靠经验和人工作业,效率低下、准确度不高,因此本文以机器学习和深度学习相关算法为基础,设计出了一套有效识别缺秧和漂秧的监控系统。本文主要研究内容如下:1.缺秧和漂秧样本的制作。因为水田秧苗样本没有公开的数据集,因此本文在水田现场采集秧苗原始图片,然后结合OpenCV数据库对秧苗进行标注,制作了大量的数据集,为之后的训练测试奠定了基础。2.基于传统机器视觉的缺秧识别算法的设计与实现。首先利用基于RGB的颜色通道算法将采集的秧苗图片中的绿色秧苗和背景进行分离,然后利用腐蚀膨胀算法对样本图片进行优化,接着计算缺秧数据图像样本的质心位置,根据质心间距离是否在合理范围内来识别缺秧。3.基于深度学习的缺秧和漂秧识别算法的设计与实现。首先提取秧苗样本特征建立样本库,对采集的秧苗图像数据进行分析处理,再与样本库进行对比,以此判断插秧机在工作过程中是否存在缺秧和漂秧的情况。本文通过对仿真算例进行了测试,验证了算法的有效性。本文还对利用YOLOv3算法识别漂秧进行了深入研究,它是卷积神经网络中的一类代表算法,其识别漂秧的精准度略高于RCNN算法。4.水田秧苗二次定位技术的实现。对初始的秧苗图片进行图像增强处理,降低图像中的噪声,对精度进行提升,再对正常秧苗进行轮廓的提取,通过得到的秧苗轮廓信息完成对秧苗的拟合,进一步提高水田秧苗定位的精度。5.缺秧与漂秧识别与定位算法的实验分析。本文对基于RGB的颜色通道、RCNN和YOLOv3这三种识别缺秧和漂秧的算法进行了综合实验测试。综合上述实验结论,基于RGB颜色通道识别缺秧的正确率为82%,RCNN方法识别缺秧和漂秧的正确率都为88%,YOLOv3识别缺秧的正确率为97%,识别漂秧的正确率为90.2%,识别正确率是三种方法中最高的,其中基于YOLOv3的识别算法在实时性和准确度上更为理想。本文还为基于机器视觉的无人插秧机作业质量监控系统设置了报警装置。当监测到水田中出现异常秧苗或者插秧机的作业路线偏离了正常轨迹就会发出警报,提醒工作人员对插秧机发出停止或者避障命令。本文设计的基于机器视觉的无人插秧机作业质量监控系统为识别秧苗状态提供了理论方法和数据参考,这对于农业自动化的发展具有重要的意义和实践推进作用。
石绍军[7](2020)在《插秧机无人驾驶控制系统的设计与研究》文中提出智能农业装备被中国制造2025计划列为发展领域之一,无人驾驶技术是智能农业装备研究的一个热点问题。插秧机的无人驾驶技术能够提高作业效率、有效避免漏作业和重作业、可以减轻作业者的劳动强度,但是工况相对复杂、成本及精度要求高等因素制约了其大范围的应用。为解决插秧机精度要求高及智能化程度低等问题,本文对插秧机进行自动化改装,并对无人驾驶技术的全局覆盖路径规划和路径跟踪控制算法进行研究。主要研究内容如下:(1)搭建无人驾驶插秧机硬件平台。针对传统插秧机智能化程度低的问题,以井关PZ60型插秧机为试验平台,通过安装电动方向盘、GPS接收机、转角传感器等,对插秧机进行自动化改装。(2)对目标地块进行静态全局覆盖路径规划。以有效作业路径占比最大为优化目标,提出了一种路径规划方法。首先通过GPS仪器测量目标地块的边界坐标,经高斯投影将地块边界坐标转化为平面坐标;其次确定插秧机的转弯形式和作业方向,对地块进行内部区域的划分,并完成直线段和转弯段的路径规划;最后将预定义路径生成便于插秧机识别的控制序列,并将控制序列导入到上位机软件中,从而完成了路径规划的系统实现。(3)针对插秧机无人驾驶的路径跟踪问题,提出了一种组合控制算法。首先分析直线段的路径跟踪要求,综合模糊控制和纯追踪模型的特点,设计了改进型纯追踪模型,基于模糊控制原理设计控制器,输入速度与横向偏差,输出前视距离,以达到动态调整纯追踪模型的目的;其次针对转弯段的路径跟踪问题,提出了一种基于模糊PID的转向控制方法,根据模糊控制原理通过输入横向偏差和偏差变化率,实现对PID控制参数的在线调整。对组合控制算法进行仿真验证,结果表明:横向偏差最大值为6.8cm,平均值为2.7cm,在转弯处振荡较大,总体跟踪效果良好。(4)对插秧机无人驾驶控制系统进行试验验证。以改装后的井关插秧机为试验平台,分别在平坦的水泥路面和水田进行无人驾驶试验。试验结果:当插秧机在水泥路面直线段行驶时,横向偏差的最大值为4.9cm,平均值为2.6cm;当插秧机在水田直线段行驶时,横向偏差的最大值为6.4cm,平均值为4.3cm。验证了所设计无人驾驶控制系统可以较为准确地实现对预定义路径的跟踪。
刘成良,林洪振,李彦明,贡亮,苗中华[8](2020)在《农业装备智能控制技术研究现状与发展趋势分析》文中指出智能控制是农业装备实现智能化的关键核心技术。从农业装备智能感知、智能控制、智能决策、自主作业、智能管控五方面阐述分析了国内外智能农机的发展现状,着重阐述了约翰迪尔、凯斯、科乐收、爱科等国际农机企业在农机智能控制方面的最新技术进展,分析了我国智能农机与国外的差距,指出了制约我国农机智能控制发展的关键问题。为实现我国从农机制造大国向农机制造强国的转变,融合大数据、云计算、物联网、人工智能等信息领域的前沿技术,提出了"智能在端、智慧在云、管控在屏"的智能农机系统发展新思路,指明现场控制智能化、云端决策智慧化、监控调度移动终端化是未来智能农机的发展方向。
张延发[9](2019)在《基于智能手机的稻麦周年机械化优质高产决策支持系统研发》文中进行了进一步梳理稻麦周年生产是江苏省最重要的轮作模式。实现稻麦周年农艺农机信息融合生产是江苏农业高质量发展的重要课题。本文针对稻麦周年机械化优质高产信息化、智能化决策平台乏缺的现实需求,以扬州大学研创的多项稻麦栽培技术成果为基础,以 JavaScript 和 CSS 为开发语言,基于 AppWorker Studio、Dreamweaver 8.0、Photoshop CS6等软件平台,在系统分析、模型创建、数据收集、文本转码等前期准备条件下,经UI构造、UI贴图、页面设计、后台编译等步骤,分别开发出了基于智能手机的土壤知识库、稻麦品种数据库、农机装备数据库、病虫害数据库、自主学习知识库、水稻栽培决策子系统与小麦栽培决策子系统等,实现了数据、知识查询利用和决策支持的便捷化与即时性,为稻麦周年机械化优质高产提供了信息化平台支撑。主要研究结果如下:(1)以稻麦叶龄模式、群体质量、精确定量栽培技术体系等成果为知识支持,分别构建了水稻机插基本苗确定、精确施肥、节水灌溉和小麦机条播基本苗确定、精确施肥、冬前茎蘖数预测等计算机模型,构成了决策支持模型库。基于AppWorker Studio、Dreamweaver 8.0等软件平台,将模型编译成系统可读写的函数方法,并植入至平台的后台数据库,结合前端界面设计,架构了稻麦栽培决策子系统体系。(2)将收集整理归纳的数据信息转变成可视化的知识库与数据库,包括土壤知识库、自主学习知识库、稻麦品种数据库、农机装备数据库、病虫害数据库等,丰富了基于智能手机的决策支持系统内容体系,利于用户即时即地自主学习。(3)在前述研发基础上,依托AppWorker Studio平台,将水稻和小麦栽培决策子系统与多个知识库、数据库集成融合,研发出了多库型智能决策支持系统,获得国家版权局计算机软件着作权。经姜堰区农业农村局等用户试用,系统即装即用,便于携带,易于使用,数据信息知识丰富,是稻麦周年机械化优质高产决策支持与自主学习的有效平台。
李洋[10](2019)在《基于Qt平台的无人插秧机远程监控系统设计》文中研究说明农业机械的智能化、精准化和安全化是未来发展的必然趋势,国家也提出了“精准农业”的口号。远程监控技术是当今智能化领域的热门研究课题之一,也是实现农业机械智能化的重要手段。本文所研究的基于Qt平台的无人插秧机远程监控系统是在江苏省重点研发计划(现代农业)重点项目“无人插秧机研制BE2015351”下展开的,该系统能够有效地改善操作人员的作业环境和劳动强度,提高粮食生产效率,具有广阔的市场应用前景。本文所设计的无人插秧机远程监控系统采用C/S模式,主要由信息采集系统、通讯系统以及远程监控中心三部分组成。无人插秧机远程监控系统以Qt为开发平台,增强了系统的可移植性。该系统利用传感器、GPS、4G通信、GIS、数据库、Socket以及图像处理等技术实现了对无人插秧机的远程实时监控,并将插秧机的工况参数、位置信息以及秧苗的栽插质量以图形化的方式结合电子地图在客户端上呈现给用户,并且用户还可以在插秧机发生异常时得到报警提示,从而及时下发指令对插秧机进行干预。首先,论文阐述了智能化农业机械和远程监控系统的国内外研究现状。通过对监控系统的功能需求进行分析,得出了基于Qt平台监控系统的总体设计方案,随后又对系统的结构组成和工作原理作了介绍,并对其中涉及到的关键技术作了详细的讲解。其次,根据插秧机的作业环境及其特点,选择了往返式的作业方式进行路径轨迹的规划。通过对往返式作业方式路径轨迹的特点进行分析,确定了插秧机的起始作业方向以及地头转弯方式,并通过几何法得出了插秧机在矩形田块的全覆盖路径轨迹规划方案。接着,分别在Windows和Linux平台下搭建出了Qt集成开发环境,并在此基础上通过对客户端的功能需求进行分析,将客户端按照功能分为数据管理单元、GIS功能实现以及数据通信单元三大模块分别进行单独地设计。服务器部分则是实现了通信的功能,制定出了数据的通信格式,完成了对MySQL数据库的访问,并在几个核心功能处给出了关键性的实现代码。最后,对无人插秧机的各主要功能模块分别进行了功能性的测试,并在测试结果都正常的情况下结合整个监控系统软件对系统的各个功能进行测试。实验结果表明,该监控系统能够实现对插秧机的远程实时监控和管理,达到了预期的效果。
二、日本研制出一种新型无人插秧机(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、日本研制出一种新型无人插秧机(论文提纲范文)
(1)智能化技术在水稻生产全程机械化中的应用研究与发展趋势(论文提纲范文)
1 水稻耕整地智能化技术研究进展 |
1.1 耕深智能调节技术 |
1.2 自动平地技术 |
2 水稻种植智能化技术研究进展 |
2.1 水稻育秧移栽 |
1)水稻工厂化设施育秧技术。 |
2)水稻钵苗移栽技术与装备。 |
2.2 水稻直播 |
3 田间管理智能化技术研究进展 |
3.1 节水灌溉技术 |
3.2 变量施肥技术 |
3.3 水田智能机械除草技术 |
3.4 稻田病虫害施药技术 |
1)稻田地面精准喷药技术。 |
2)稻田航空植保喷药技术。 |
3)无人机遥感影像病虫害监测技术。 |
4 水稻收获智能化技术研究进展 |
4.1 关键部件监测和智能控制技术 |
4.2 含杂率、破损率在线检测技术 |
4.3 再生稻收获技术 |
5 自动导航与无人驾驶技术研究进展 |
1)耕整地方面。 |
2)水稻插秧方面。 |
3)水稻直播方面。 |
4)水稻收获方面。 |
6 技术难点与发展趋势 |
6.1 技术难点 |
6.2 发展趋势 |
(2)基于多传感融合的水稻侧深变量施肥控制系统设计(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究目的与意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.2.3 土壤电导率与土壤肥力关系 |
1.3 研究的主要内容和技术路线 |
1.3.1 研究的主要内容 |
1.3.2 技术路线 |
第二章 水稻侧深变量施肥控制系统硬件设计 |
2.1 侧深变量施肥控制系统硬件总体设计 |
2.2 侧深变量施肥控制系统传感器单元 |
2.2.1 超声波传感器 |
2.2.2 土壤电导率传感器 |
2.3 侧深变量施肥控制系统数据采集器 |
2.3.1 数据采集器信号调理模块 |
2.3.2 数据采集器核心处理器 |
2.3.3 数据采集器电压电源转换模块 |
2.4 侧深变量施肥控制系统车载终端 |
2.5 侧深变量施肥控制系统卫星定位模块 |
2.6 侧深变量施肥控制系统施肥装置 |
2.6.1 侧深变量施肥装置风机选型 |
2.6.2 侧深变量施肥装置施肥控制器 |
2.7 本章小结 |
第三章 水稻侧深变量施肥控制系统软件设计 |
3.1 侧深变量施肥控制系统软件总体设计 |
3.2 水稻侧深变量施肥策略 |
3.2.1 水稻侧深变量施肥策略模型建立 |
3.2.2 水稻侧深变量施肥策略算法实现 |
3.3 水稻侧深变量施肥系统下位机程序设计 |
3.4 水稻侧深变量施肥系统上位机程序设计 |
3.4.1 水稻侧深变量施肥上位机数据接收功能 |
3.4.2 水稻侧深变量施肥上位机数据解析功能 |
3.4.3 水稻侧深变量施肥上位机数据存储功能 |
3.4.4 水稻侧深变量施肥上位机数据实时显示功能 |
3.4.5 水稻侧深变量施肥上位机退出系统功能 |
3.5 本章小结 |
第四章 水稻侧深变量施肥控制系统试验验证 |
4.1 水稻侧深变量施肥控制系统室内试验 |
4.1.1 传感器性能测试 |
4.1.2 水稻侧深变量施肥策略台架验证试验 |
4.2 水稻侧深变量施肥控制系统田间试验 |
4.2.1 车载超声波传感器性能试验 |
4.2.2 水稻侧深变量施肥系统排肥精度性能试验 |
4.2.3 田间侧深变量施肥系统施肥策略验证试验 |
4.3 本章小结 |
第五章 结论与展望 |
5.1 研究结论 |
5.2 工作展望 |
5.3 主要创新点 |
参考文献 |
致谢 |
攻读学位期间的研究成果 |
(3)水稻插秧机自主作业路径规划算法研究(论文提纲范文)
中文摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 主要研究内容 |
第2章 水稻插秧机作业环境建模 |
2.1 插秧机工作环境介绍 |
2.1.1 水稻种植地区 |
2.1.2 插秧机工作地形 |
2.2 环境建模方法 |
2.2.1 可视图法 |
2.2.2 自由空间法 |
2.2.3 拓扑图法 |
2.2.4 栅格法 |
2.3 栅格法环境建模 |
2.3.1 栅格法基本理论 |
2.3.2 环境障碍物处理 |
2.3.3 工作环境建模 |
2.4 本章小结 |
第3章 作业区域路径规划研究 |
3.1 路径规划概述 |
3.1.1 路径规划分类 |
3.1.2 全覆盖路径规划 |
3.2 作业区域规划方式 |
3.2.1 插秧机作业走向选择 |
3.2.2 农田环境全覆盖路径规划方式 |
3.2.3 全覆盖路径规划方式评价标准 |
3.3 避障路径规划算法 |
3.3.1 避障路径规划算法的分类 |
3.3.2 插秧机避障算法研究 |
3.4 避障路径优化算法 |
3.4.1 Bezier曲线原理 |
3.4.2 Bezier曲线避障路径优化 |
3.5 本章小结 |
第4章 转弯区域路径规划研究 |
4.1 作业转弯方式规划 |
4.1.1 跨行式转弯方式 |
4.1.2 开/闭垄式转弯方式 |
4.1.3 牛耕式转弯方式 |
4.2 方向平行路径转弯策略分析 |
4.2.1 选择转向策略的理论基础 |
4.2.2 几种典型转弯策略分析 |
4.3 沿边界作业转弯策略分析 |
4.4 转弯策略路径标记方法 |
4.5 转弯路径误差分析 |
4.6 本章小结 |
第5章 整体路径规划仿真研究 |
5.1 田间路径规划设计 |
5.1.1 整体路径规划方案 |
5.1.2 提高作业覆盖率方法 |
5.2 起垄作业走向选择 |
5.3 整体路径仿真实验 |
5.4 本章小结 |
第6章 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
申请学位期间的研究成果及发表的学术论文 |
(4)水稻种植机械化技术研究现状与展望(论文提纲范文)
1 国外水稻种植现状 |
1.1 国外水稻机械化直播现状 |
1.2 国外水稻机械化移栽现状 |
2 中国水稻种植现状 |
2.1 中国水稻机械化直播技术及装备现状 |
2.2 中国水稻机械化移栽技术及装备现状 |
2.2.1 水稻机械化育秧技术及其装备 |
2.2.2 水稻机械化栽插技术及其装备(插秧机) |
2.2.3 水稻钵苗移栽技术及其装备 |
3 中国水稻种植机械化问题探讨及展望 |
3.1 水稻机械移栽与机械直播对比与选择 |
3.2 加快作业可靠、性能优化的新型机具的自主研制 |
3.3 农艺知识和先进技术应与种植机械技术融合创新 |
3.4 加快水田环境下自走底盘研发,侧深施肥施药等复合作业 |
3.5 提高水稻种植机械智能化水平是未来发展趋势 |
(5)无人插秧机智能控制系统研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 主要研究内容 |
1.4 论文组织结构 |
第二章 无人插秧机控制系统硬件平台改造 |
2.1 智能控制系统硬件总体设计 |
2.1.1 智能控制系统硬件组成 |
2.1.2 智能控制系统硬件设计要求 |
2.2 试验平台介绍 |
2.3 信息获取系统改造 |
2.3.1 导航位置信息获取 |
2.3.2 车辆姿态信息获取 |
2.3.3 车轮偏角信息获取 |
2.4 控制决策系统改造 |
2.4.1 主控制器选型 |
2.4.2 继电器选型 |
2.4.3 遥控装置选型 |
2.5 部件执行系统改造 |
2.5.1 转向系统改造 |
2.5.2 行进系统改造 |
2.5.3 作业系统改造 |
2.6 智能控制系统硬件集成 |
2.7 本章小结 |
第三章 无人插秧机控制系统关键参数标定及软件平台开发 |
3.1 关键参数标定 |
3.1.1 导航精度测试试验 |
3.1.2 方向盘与转向轮之间角度对应关系建立 |
3.1.3 转弯半径与前轮转角之间对应关系建立 |
3.1.4 遥控测试试验 |
3.1.5 行进速度标定试验 |
3.1.6 秧箱升降及栽插启停时间标定试验 |
3.2 行车控制单元软件设计 |
3.2.1 导航系统通信协议 |
3.2.2 电动方向盘通信协议 |
3.2.3 行车控制程序 |
3.3 本章小结 |
第四章 无人插秧机自动驾驶控制系统策略研究 |
4.1 无人插秧机运动学模型及路径规划定义 |
4.1.1 运动学模型分析 |
4.1.2 车辆位置状态分析 |
4.2 路径跟踪控制算法选择 |
4.2.1 路径跟踪控制策略选择 |
4.2.2 自适应滑模控制算法原理 |
4.2.3 自适应滑模控制算法分析 |
4.3 路径跟踪控制策略仿真分析 |
4.4 本章小结 |
第五章 无人插秧机智能控制系统路径跟踪试验研究 |
5.1 水泥地面路径跟踪试验 |
5.1.1 试验场地 |
5.1.2 试验方法及结果分析 |
5.2 水田路径跟踪试验 |
5.2.1 试验场地 |
5.2.2 试验方法及结果分析 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
攻读硕士期间科研成果 |
(6)基于机器视觉的无人插秧机作业质量监控系统研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景与意义 |
1.2 智能化农业机械国内外发展现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 机器视觉研究现状及其应用 |
1.3.1 机器学习、深度学习研究现状 |
1.3.2 深度卷积神经网络在监控系统中的应用 |
1.4 论文研究内容 |
1.5 论文组织结构 |
第2章 无人插秧机作业质量监控系统的总体设计方案 |
2.1 引言 |
2.2 系统总体设计 |
2.2.1 系统需求分析 |
2.2.2 系统结构组成 |
2.2.3 系统工作原理 |
2.3 基于OpenCV视觉库的研究 |
2.3.1 OpenCV简介 |
2.3.2 为什么选择OpenCV |
2.3.3 OpenCV在无人插秧机远程监控系统中的应用 |
2.4 基于RGB的颜色通道算法 |
2.4.1 RGB颜色通道介绍 |
2.4.2 腐蚀膨胀算法原理 |
2.4.3 识别缺秧的简单方法 |
2.5 报警系统的设置 |
2.6 本章小结 |
第3章 基于深度学习的无人插秧机作业质量监控系统 |
3.1 秧苗图像的采集和获取 |
3.1.1 无人插秧机作业环境特点和要求 |
3.1.2 图像采集的方式和要求 |
3.2 CNN卷积神经网络 |
3.2.1 CNN卷积神经网络的原理 |
3.2.2 RCNN目标检测算法介绍 |
3.2.3 利用RCNN识别秧苗状态 |
3.3 基于YOLO的缺秧漂秧识别算法的研究和设计 |
3.3.1 YOLO目标检测算法介绍 |
3.3.2 环境搭建与数据集制作 |
3.4 基于YOLOv3 的缺秧漂秧识别网络训练 |
3.5 本章小结 |
第4章 秧苗图像二次定位技术研究 |
4.1 引言 |
4.2 秧苗图片的局部图像预处理 |
4.3 图像降噪 |
4.3.1 方框滤波 |
4.3.2 均值滤波 |
4.3.3 高斯滤波 |
4.3.4 中值滤波 |
4.3.5 双边滤波 |
4.4 秧苗轮廓提取 |
4.4.1 图像二值化 |
4.4.2 秧苗轮廓的查找与拟合 |
4.5 本章小结 |
第5章 实验结果与分析 |
5.1 实验环境准备 |
5.2 基于RGB的颜色通道,RCNN与 YOLOv3 秧苗状态算法实验结果对比分析 |
5.3 本章小结 |
第6章 总结与展望 |
6.1 论文总结 |
6.2 论文展望 |
参考文献 |
致谢 |
攻读硕士学位期间发表论文及参加科研项目 |
(7)插秧机无人驾驶控制系统的设计与研究(论文提纲范文)
中文摘要 |
Abstract |
1 绪论 |
1.1 课题背景及意义 |
1.2 农机无人驾驶系统研究现状 |
1.3 农机无人驾驶系统关键技术研究现状 |
1.3.1 农机导航定位 |
1.3.2 农机路径规划 |
1.3.3 农机路径跟踪 |
1.4 研究内容与技术路线 |
1.4.1 研究内容 |
1.4.2 技术路线 |
1.5 本章小结 |
2 控制系统总体方案设计 |
2.1 定位系统 |
2.1.1 GPS及其原理 |
2.1.2 RTK-GPS技术 |
2.1.3 高斯-克吕格投影 |
2.1.4 惯性导航 |
2.2 GPS接收机的选型与安装 |
2.2.1 GPS接收机的选型 |
2.2.2 GPS接收机的安装 |
2.3 转向控制系统的设计 |
2.3.1 转向控制系统原理 |
2.3.2 转向控制系统设计要求 |
2.3.3 电动方向盘的选型与安装 |
2.3.4 转向控制系统组成 |
2.4 系统软件设计 |
2.4.1 上位机软件设计 |
2.4.2 下位机软件设计 |
2.5 本章小结 |
3 路径规划方法研究 |
3.1 总体方案 |
3.2 地块边界获取与高斯投影 |
3.2.1 地块边界获取 |
3.2.2 稻田边界生成 |
3.2.3 稻田内部边界生成 |
3.3 路径规划 |
3.3.1 作业路线与转弯方式 |
3.3.2 转弯区域宽度 |
3.3.3 作业方向 |
3.3.4 稻田地块内部划分 |
3.3.5 直线路径规划 |
3.3.6 转弯路径规划 |
3.4 路径规划系统实现 |
3.4.1 路径绘制 |
3.4.2 生成控制序列 |
3.5 本章小结 |
4 路径跟踪控制算法设计 |
4.1 插秧机路径跟踪控制原理 |
4.2 插秧机运动学模型 |
4.3 直线段路径跟踪控制算法研究 |
4.3.1 纯追踪模型 |
4.3.2 模糊控制原理 |
4.3.3 模糊控制器的设计 |
4.4 转弯段路径跟踪控制算法研究 |
4.4.1 PID控制 |
4.4.2 PID控制的参数整定 |
4.4.3 模糊PID控制设计 |
4.5 仿真分析 |
4.5.1 转向控制仿真 |
4.5.2 组合控制算法仿真分析 |
4.6 本章小结 |
5 插秧机无人驾驶系统试验研究 |
5.1 试验准备 |
5.2 水泥路面试验 |
5.2.1 试验场地的选择 |
5.2.2 试验准备与结果分析 |
5.3 水田试验 |
5.3.1 试验场地的选择 |
5.3.2 试验准备与结果分析 |
5.4 本章小结 |
6 总结与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
致谢 |
攻读学位期间的研究成果 |
(8)农业装备智能控制技术研究现状与发展趋势分析(论文提纲范文)
0 引言 |
1 智能感知技术 |
1.1 机外感知 |
1.1.1 作物生长与病虫草害感知技术 |
1.1.2 作业环境与障碍感知技术 |
1.2 机内感知 |
1.2.1 农业装备共性参数感知技术 |
1.2.2 耕整机械作业参数感知技术 |
1.2.3 施肥播种机械作业参数感知技术 |
1.2.4 植保机械作业参数感知技术 |
1.2.5 收获机械作业参数感知技术 |
2 智能控制技术 |
2.1 总线控制 |
2.2 监控终端 |
2.3 主机和机具控制器 |
3 智能决策技术 |
3.1 变量作业决策 |
3.2 路径规划决策 |
3.3 多机协同作业 |
4 自主作业技术 |
4.1 定位导航技术 |
4.2 辅助驾驶技术 |
4.3 无人驾驶技术 |
4.4 无人作业技术 |
5 智能农机系统 |
6 展望 |
(9)基于智能手机的稻麦周年机械化优质高产决策支持系统研发(论文提纲范文)
中文摘要 |
英文摘要 |
第一章 绪论 |
1 江苏稻麦机械化生产概况 |
1.1 稻麦生产情况 |
1.2 农业机械化生产情况 |
2 稻麦机械化优质高产研究进展 |
2.1 国外研究进展 |
2.2 国内研究进展 |
3 农业决策支持系统开发应用现状 |
3.1 决策支持系统概念与功能 |
3.2 国内外开发应用进展 |
3.3 发展趋势 |
4 农业类手机APP研究进展 |
5 论文研究内容和技术路线 |
5.1 论文研究内容 |
5.2 技术路线 |
参考文献 |
第二章 系统设计与开发方法 |
1 研究目标 |
2 开发环境 |
2.1 平台选择 |
2.2 平台优势 |
3 系统开发 |
3.1 界面设计 |
3.1.1 平台配置 |
3.1.2 界面构建 |
3.2 代码编译 |
参考文献 |
第三章 稻麦决策子系统研究与开发 |
1 水稻决策子系统研究与开发 |
1.1 水稻决策子系统概况 |
1.2 主页面 |
1.3 基本苗的确定 |
1.3.1 界面说明 |
1.3.2 参数确定 |
1.3.3 决策支持 |
1.4 机插稻精确施肥 |
1.4.1 氮肥精确施用 |
1.4.1.1 界面说明 |
1.4.1.2 参数确定与计算 |
1.4.1.3 氮肥求算 |
1.4.2 磷肥精确施用 |
1.4.2.1 界面说明 |
1.4.2.2 磷肥精确施用 |
1.4.3 钾肥精确施用 |
1.5 水稻灌溉 |
1.5.1 界面说明 |
1.5.2 参数确定 |
1.5.3 决策支持 |
2 小麦决策子系统研究与开发 |
2.1 小麦决策子系统概况 |
2.2 机条播小麦基本苗与播种量的计算 |
2.2.1 基本苗的确定 |
2.2.2 播种量的确定 |
2.3 小麦精确施肥 |
2.3.1 氮肥精确施用 |
2.3.1.1 土壤供氮量 |
2.3.1.2 土壤供氮量计算 |
2.3.1.3 氮肥施用量 |
2.3.1.4 功能验证 |
2.3.2 磷肥精确施用 |
2.3.2.1 土壤供磷量 |
2.3.2.2 小麦施磷量 |
2.3.3 钾肥精确施用 |
2.3.3.1 土壤供钾量 |
2.3.3.2 小麦施钾量 |
2.4 冬前茎蘖数的计算 |
2.4.1 冬前茎蘖数公式模型 |
2.4.2 功能验证 |
3 小结与讨论 |
3.1 小结 |
3.2 讨论 |
参考文献 |
第四章 数据库、知识库的研发与应用 |
1 数据库的研发与应用 |
1.1 数据库的架构 |
1.2 数据库的设计路线 |
1.3 稻麦品种数据库的研发与应用 |
1.3.1 数据库的研发 |
1.3.1.1 水稻品种数据库 |
1.3.1.2 小麦品种数据库 |
1.3.2 功能验证 |
1.4 农机装备数据库的研发与应用 |
1.4.1 数据库内容分析 |
1.4.2 制作流程 |
1.4.3 功能验证 |
1.5 病虫害防治数据库 |
1.5.1 数据库内容分析 |
1.5.2 制作流程 |
1.5.3 功能验证 |
2 知识库的研发与应用 |
2.1 知识库搭建规则 |
2.2 土壤知识库的研发与应用 |
2.2.1 功能实现 |
2.2.2 功能验证 |
2.3 自主学习知识库的研发与应用 |
3 其他界面功能的研发与应用 |
3.1 开机动画及登录 |
3.1.1 开机动画 |
3.1.2 登录界面 |
3.1.3 主界面 |
3.2 实时天气 |
3.3 问题反馈 |
4 小结与讨论 |
4.1 小结 |
4.2 讨论 |
参考文献 |
第五章 结论与讨论 |
1 结论 |
2 讨论 |
参考文献 |
致谢 |
(10)基于Qt平台的无人插秧机远程监控系统设计(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究背景与意义 |
1.2 智能化农业机械国内外发展现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 远程监控系统国内外研究现状 |
1.3.1 远程监控系统国内外研究现状 |
1.3.2 Qt在远程监控系统中的应用 |
1.4 论文研究内容 |
1.5 论文组织结构 |
第2章 无人插秧机远程监控系统的总体设计方案 |
2.1 引言 |
2.2 系统总体设计 |
2.2.1 系统需求分析 |
2.2.2 系统结构组成 |
2.2.3 系统工作原理 |
2.3 Qt集成开发环境 |
2.3.1 Qt的选择 |
2.3.2 Qt在无人插秧机远程监控系统中的应用 |
2.4 地理信息系统 |
2.4.1 GIS的特点 |
2.4.2 GIS开发方式的选择 |
2.4.3 SuperMap Objects开发平台 |
2.4.4 GIS在远程监控系统中的应用 |
2.5 Socket技术 |
2.5.1 Socket原理 |
2.5.2 Socket在无人插秧机监控系统中的应用 |
2.6 本章小结 |
第3章 无人插秧机的覆盖路径规划研究 |
3.1 插秧机作业路径轨迹 |
3.1.1 插秧机作业环境特点及其要求 |
3.1.2 插秧机作业的行驶方式 |
3.2 插秧机往返式作业的轨迹特点 |
3.3 插秧机路径轨迹规划 |
3.3.1 直线路径轨迹规划 |
3.3.2 转弯路径轨迹规划 |
3.4 矩形田块的路径规划 |
3.4.1 插秧机起始作业时的路径轨迹规划 |
3.4.2 矩形田块全覆盖路径规划 |
3.5 本章小结 |
第4章 无人插秧机监控系统的设计与实现 |
4.1 不同平台下Qt集成开发环境的搭载 |
4.1.1 Wndows平台下Qt集成开发环境的搭载 |
4.1.2 Linux平台下Qt集成开发环境的搭载 |
4.2 数据库的设计实现 |
4.2.1 MySQL数据库的安装与登录 |
4.2.2 数据库管理系统 |
4.2.3 数据库在远程监控系统中的应用 |
4.3 客户端的开发设计 |
4.3.1 客户端功能需求分析 |
4.3.2 客户端功能结构设计 |
4.3.3 数据管理模块 |
4.3.4 GIS功能实现模块 |
4.3.5 数据通信模块 |
4.4 服务器的开发设计 |
4.4.1 通信功能的建立 |
4.4.2 数据通信格式的制定 |
4.4.3 对数据库的访问 |
4.5 本章小结 |
第5章 远程监控系统的整体调试 |
5.1 机载端硬件功能模块测试 |
5.2 远程监控系统的联合调试 |
5.3 本章小结 |
第6章 总结与展望 |
6.1 论文总结 |
6.2 论文展望 |
参考文献 |
致谢 |
攻读硕士学位期间发表的论文 |
四、日本研制出一种新型无人插秧机(论文参考文献)
- [1]智能化技术在水稻生产全程机械化中的应用研究与发展趋势[J]. 刘婉茹,张国忠,周勇,徐红梅,吴擎,付建伟,黄成龙,张建. 华中农业大学学报, 2022(01)
- [2]基于多传感融合的水稻侧深变量施肥控制系统设计[D]. 赵振宇. 广西大学, 2021(12)
- [3]水稻插秧机自主作业路径规划算法研究[D]. 凌雯雯. 天津职业技术师范大学, 2021(06)
- [4]水稻种植机械化技术研究现状与展望[J]. 张妮,张国忠. 湖北农业科学, 2020(17)
- [5]无人插秧机智能控制系统研究[D]. 李润丰. 江苏大学, 2020(02)
- [6]基于机器视觉的无人插秧机作业质量监控系统研究[D]. 赵璜晔. 江苏大学, 2020(02)
- [7]插秧机无人驾驶控制系统的设计与研究[D]. 石绍军. 山东农业大学, 2020(11)
- [8]农业装备智能控制技术研究现状与发展趋势分析[J]. 刘成良,林洪振,李彦明,贡亮,苗中华. 农业机械学报, 2020(01)
- [9]基于智能手机的稻麦周年机械化优质高产决策支持系统研发[D]. 张延发. 扬州大学, 2019(02)
- [10]基于Qt平台的无人插秧机远程监控系统设计[D]. 李洋. 江苏大学, 2019(12)