-
公开(公告)号:CN111667017B
公开(公告)日:2023-02-28
申请号:CN202010553276.8
申请日:2020-06-17
申请人: 中国科学院合肥物质科学研究院
IPC分类号: G06V20/13 , G06V20/20 , G06V10/774 , G06N20/00 , A01D41/127
摘要: 本发明涉及一种联合收割机喂入量预测系统及其预测方法,与现有技术相比解决了难以对联合收割机进行喂入量预测的缺陷。本发明的监测装置包括激光雷达传感器、三维立体视觉传感器、RTK‑GPS模块、车速传感器、割幅宽度传感器、割台高度传感器、工控处理器和显示器,所述激光雷达传感器、三维立体视觉传感器、RTK‑GPS模块、车速传感器、割幅宽度传感器、割台高度传感器的信号输出端分别与工控处理器的信号输入端相连,所述工控处理器的输出端与显示器相连。本发明能够实现作物未进入联合收割机时对喂入量的预测,能够及时调整联合收割机作业速度,使联合收割机处于额定喂入量范围作业,提高了作业效率和作业质量。
-
公开(公告)号:CN112580519B
公开(公告)日:2022-08-19
申请号:CN202011526728.X
申请日:2020-12-22
申请人: 中国科学院合肥物质科学研究院
IPC分类号: G06V20/68 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
摘要: 本发明涉及基于自适应混合特征重校准的深度学习模型的大豆损伤识别方法,该方法包括以下步骤:(1)采集大豆图像建立数据集;(2)构建基于自适应混合特征重校准的深度学习模型;(3)对深度学习模型进行训练;(4)采用完成训练的深度学习模型对测试样本进行识别。本发明通过构建基于自适应混合特征重校准的深度学习模型对大豆表面损伤进行识别,解决了大豆种粒体积小、表面损伤细微,难以准确识别的问题,同时本发明所构建的深度学习模型相比于传统图像识别深度学习模型参数量及运算量大幅下降,为将该模型应用于便携式移动设备创造了条件。
-
公开(公告)号:CN110987093A
公开(公告)日:2020-04-10
申请号:CN201911244058.X
申请日:2019-12-06
申请人: 中国科学院合肥物质科学研究院
IPC分类号: G01F1/34 , G01F1/50 , A01D41/127
摘要: 本发明公开了一种谷物流量检测装置及检测方法,属于谷物流量检测技术领域,包括净粮升运器、冲击板、刚体梁、二维力传感器、第一微型倾角传感器、微型加速度传感器、信号处理模块、外壳和连接支架;净粮升运器用于提升谷物至设定高度后抛出,冲击板固定在刚体梁上且位于谷物抛出路径上,外壳固定于连接支架,外壳外部固定有二维力传感器、内部设置有信号处理模块,二维力传感器本体上贴有应力片;连接支架固定于净粮升运器顶部,第一微型倾角传感器和微型加速度传感器固定于连接支架;第一微型角度传感器、微型加速度传感器以及应力片的输出均连接信号处理模块的输入接口。本发明提高了谷物流量检测的准确性。
-
公开(公告)号:CN113961010A
公开(公告)日:2022-01-21
申请号:CN202110987581.2
申请日:2021-08-26
申请人: 中国科学院合肥物质科学研究院
摘要: 本发明涉及基于抗饱和有限时间自适应神经网络容错技术的四旋翼植保无人机跟踪控制方法,与现有技术相比解决了四旋翼植保无人机难以实现高精度跟踪控制的缺陷。本发明包括以下步骤:期望轨迹数据的设定和存储;实时轨迹数据的采集和存储;四旋翼植保无人机复合数学模型的建立;四旋翼植保无人机飞行误差数学模型的建立;饱和补偿系统的设计和数据存储;自适应神经网络参数的设计和数据存储;基于抗饱和有限时间自适应神经网络容错跟踪控制器的设计和控制信号的存储;实时轨迹数据的更新;位置系统和姿态系统中参数数值的调整。本发明可以保证四旋翼植保无人机的轨迹跟踪误差在有限时间范围内收敛。
-
公开(公告)号:CN113220031A
公开(公告)日:2021-08-06
申请号:CN202110519566.5
申请日:2021-05-13
申请人: 中国科学院合肥物质科学研究院
摘要: 本发明涉及基于抗饱和有限时间的旋翼式植保无人机姿态跟踪控制方法,与现有技术相比解决了难以对旋翼式植保无人机进行姿态跟踪控制的缺陷。本发明包括以下步骤:期望姿态角数据的获取;实时姿态角数据的采集;完整姿态数学模型的建立;完整姿态数学拓展模型的建立;有限时间拓展观测器的设计;辅助动力系统的设计;进行有限时间姿态跟踪控制器的设计;旋翼式植保无人机姿态的控制调整。本发明可以实现旋翼式植保无人机在有限时间内跟踪上期望姿态角信号,提高飞行控制系统的抗干扰和执行器饱和抑制能力,加快跟踪误差收敛速度,有效地抑制了系统输出的抖动现象。
-
公开(公告)号:CN112703884A
公开(公告)日:2021-04-27
申请号:CN202011578491.X
申请日:2020-12-28
申请人: 中国科学院合肥物质科学研究院
IPC分类号: A01D41/127
摘要: 本发明涉及一种基于离心力分析的联合收割机谷物流量检测装置及其检测方法,与现有技术相比解决了谷物流量测量方式难以满足实际使用需要的缺陷。本发明中壳体位于主动齿轮的上方处为圆弧形且圆弧形的圆心与主动齿轮的圆心为同一点,壳体上开有离心力采集窗口,离心力采集窗口的位置位于当刮板运动至主动齿轮顶端时刮板安装处的切线方向上,参考力冲动板、测量力冲击板分别通过刚体梁安装在参考力传感器、测量力传感器上,测量力冲击板位于离心力采集窗口内,参考力冲动板位于壳体外。本发明利用离心力方式进行谷物流量检测,通过链式提升机的圆周运动的测量谷物流量,检测精度高、复杂度低。
-
公开(公告)号:CN112465821A
公开(公告)日:2021-03-09
申请号:CN202011526726.0
申请日:2020-12-22
申请人: 中国科学院合肥物质科学研究院
摘要: 本发明涉及基于边界关键点感知的多尺度害虫图像检测方法,包括:(1)获取害虫图像数据。(2)利用多尺度害虫特征构建基于边界点感知的多尺度害虫区域推荐模型。(3)利用多尺度害虫特征提取网络获取待测害虫图像的多尺度特征,利用多尺度害虫区域推荐模型获取待测害虫图像的感兴趣区域推荐框。(4)构建多类别害虫目标微调网络,利用多类别害虫目标微调网络对感兴趣区域推荐框进行多类别分类和边界框位置回归,得到害虫目标的类别和坐标位置,统计害虫目标数量。本发明通过感知害虫的边界关键点,使得卷积神经网络学习到害虫目标区域的多尺度特征,不同尺度大小的害虫目标特征表达更丰富,能够更精准的指导多尺度害虫目标的识别和定位。
-
公开(公告)号:CN111667017A
公开(公告)日:2020-09-15
申请号:CN202010553276.8
申请日:2020-06-17
申请人: 中国科学院合肥物质科学研究院
IPC分类号: G06K9/62 , G06K9/00 , G06N20/00 , A01D41/127
摘要: 本发明涉及一种联合收割机喂入量预测系统及其预测方法,与现有技术相比解决了难以对联合收割机进行喂入量预测的缺陷。本发明的监测装置包括激光雷达传感器、三维立体视觉传感器、RTK-GPS模块、车速传感器、割幅宽度传感器、割台高度传感器、工控处理器和显示器,所述激光雷达传感器、三维立体视觉传感器、RTK-GPS模块、车速传感器、割幅宽度传感器、割台高度传感器的信号输出端分别与工控处理器的信号输入端相连,所述工控处理器的输出端与显示器相连。本发明能够实现作物未进入联合收割机时对喂入量的预测,能够及时调整联合收割机作业速度,使联合收割机处于额定喂入量范围作业,提高了作业效率和作业质量。
-
公开(公告)号:CN112580519A
公开(公告)日:2021-03-30
申请号:CN202011526728.X
申请日:2020-12-22
申请人: 中国科学院合肥物质科学研究院
摘要: 本发明涉及基于自适应混合特征重校准的深度学习模型的大豆损伤识别方法,该方法包括以下步骤:(1)采集大豆图像建立数据集;(2)构建基于自适应混合特征重校准的深度学习模型;(3)对深度学习模型进行训练;(4)采用完成训练的深度学习模型对测试样本进行识别。本发明通过构建基于自适应混合特征重校准的深度学习模型对大豆表面损伤进行识别,解决了大豆种粒体积小、表面损伤细微,难以准确识别的问题,同时本发明所构建的深度学习模型相比于传统图像识别深度学习模型参数量及运算量大幅下降,为将该模型应用于便携式移动设备创造了条件。
-
公开(公告)号:CN111678872A
公开(公告)日:2020-09-18
申请号:CN202010553759.8
申请日:2020-06-17
申请人: 中国科学院合肥物质科学研究院
IPC分类号: G01N21/27 , H01S5/068 , H01S5/0683 , G05B19/042
摘要: 本发明涉及一种基于激光探测分析技术的车载农作物氮素检测装置及其检测方法。本发明的激光探头组件包括激光发射模块和光接收模块,所述的激光发射模块包括第一激光二级管和第二激光二级管,第一激光二级管与第二激光二级管的位置相平行且其发射端口的延长线均与农机车体驾驶室顶部水平面呈45度夹角。本发明采用大功率激光器作为光源,并且以倾斜方式照射作物扩大了作物氮素检测装置的测量面积,提高了作物氮素检测装置的利用率;采用高频调制数字锁相解调技术解调接收的调制漫反射光信号,进一步排除外界环境光对测量的影响和车载作业时振动产生的干扰,提高作物氮素检测装置的检测限和检测灵敏度。
-
-
-
-
-
-
-
-
-