×
农田除草机器人识别方法与装备创制

农田除草机器人识别方法与装备创制

1星价 ¥70.6 (7.2折)
2星价¥70.6 定价¥98.0
暂无评论
图文详情
  • ISBN:9787122444769
  • 装帧:平装
  • 册数:暂无
  • 重量:暂无
  • 开本:其他
  • 页数:202
  • 出版时间:2024-03-01
  • 条形码:9787122444769 ; 978-7-122-44476-9

本书特色

本书的主要内容涵盖了农田除草机器人的识别方法和装备创制技术。介绍了基于人工智能技术的农田杂草多元识别方法,证明了智能算法可赋能机器人更准确地识别定位杂草,辨识叶龄、鲜重等生物信息,从而提高杂草的防控质量和效率。此外,本书还详细介绍了多种农田除草机器人系统的装备创制技术,包括机器人的框架结构设计、控制系统搭建、动力系统配置、传感器布置和应用软件开发等。本书可供农业机械从业者,智能装备、智慧农业、农业机器人研究人员以及相关专业高校师生阅读参考,助力提升杂草防除装备的智能水平,为农田杂草防控技术进步添砖加瓦。

内容简介

本书的主要内容涵盖了农田除草机器人的识别方法和装备创制技术。介绍了基于人工智能技术的农田杂草多元识别方法,证明了智能算法可赋能机器人更准确地识别定位杂草,辨识叶龄、鲜重等生物信息,从而提高杂草的防控质量和效率。此外,本书还详细介绍了多种农田除草机器人系统的装备创制技术,包括机器人的框架结构设计、控制系统搭建、动力系统配置、传感器布置和应用软件开发等。 本书可供农业机械从业者,智能装备、智慧农业、农业机器人研究人员以及相关专业高校师生阅读参考,助力提升杂草防除装备的智能水平,为农田杂草防控技术进步添砖加瓦。

目录

**章基于改进MobileNetV3-SSD模型的农田苗草识别方法1
**节农田苗草图像数据采集1
一、全周期采集数据2
二、多角度采集数据3
第二节农田苗草图像数据集制作5
一、苗草图像预处理5
二、苗草图像数据鸿沟6
第三节MobileNetV3-SSD模型改进与可视化7
一、MobileNetV3-SSD模型改进8
二、MobileNetV3-SSD模型3D可视化9
第四节MobileNetV3-SSD模型训练与评估10
一、MobileNetV3-SSD模型训练10
二、MobileNetV3-SSD模型评估10
第五节数据采集系统构成12
一、硬件设备和软件12
二、车体平台设计13
三、计算机组系统15
四、智能控制系统15
五、双翼式视觉系统15
第六节基于改进MobileNetV3-SSD模型的田间试验18
一、苗草识别网络的3D可视化18
二、识别网络模型的对比分析19
三、全周期条件下的识别模型检测22
四、多角度条件下的识别模型检测27
第七节小结32 第二章基于YOLOv3模型的立式智能株间除草机器人35
**节基于YOLOv3模型进行苗草识别35
一、苗草图像数据集制作36
二、苗草图像数据预处理38
三、苗草图像数据标记39
四、苗草模型建立40
五、除草区域建立42
六、除草策略制定43
第二节智能株间除草机器人系统设计44
一、除草机器人系统设计44
二、农田移动平台设计47
三、智能除草单元设计49
第三节末端执行器与执行机构的优化设计50
一、农田作业参数测定50
二、末端执行器设计与优化53
三、执行机构的设计与优化60
第四节机器人智能控制系统搭建62
一、硬件系统组成62
二、控制策略制定63
三、控制算法优化63
第五节智能除草机器人系统试验70
一、台架试验70
二、田间试验72
第六节小结77 第三章基于YOLOv4模型的卧式智能株间除草机器人79
**节基于YOLOv4模型进行苗草识别79
一、苗草图像数据集制作79
二、苗草图像数据集预处理与标记81
三、苗草识别模型建立83
第二节除草机器人系统架构87
一、机器人整体结构组成87
二、机器人作业模式建立88
第三节除草机器人机械系统设计与优化90
一、田间作业环境测定90
二、框架结构搭建92
三、仿形机构设计与优化93
四、传动系统设计与优化94
五、末端执行器研制101
第四节除草控制策略制定与系统搭建102
一、株间草苗信息获取103
二、除草控制策略制定104
三、除草控制系统搭建106
第五节除草机器人性能试验与分析109
一、台架试验与分析109
二、田间试验与分析112
第六节小结129 第四章基于BlendMask语义分割模型的对靶施药除草机器人131
**节除草剂投放剂量试验131
一、温室试验132
二、田间试验134
三、试验结果与分析134
第二节农田杂草图像数据集制作137
一、杂草植株图像数据集采集与制作138
二、苗草种群图像数据集采集与制作141
第三节基于 BlendMask模型的农田杂草图像分割143
一、语义分割模型简介144
二、杂草分割模型训练与评估145
第四节农间苗草图像语义分割试验与分析145
一、实例分割模型对比试验分析145
二、超参数对分割性能的影响分析与优化148
三、叶龄与拍摄位姿对分割性能的影响分析150
第五节对靶施药除草机器人系统简介156
一、除草机器人整体结构156
二、变量靶喷单元设计157
三、智能控制系统搭建158
第六节对靶施药机器人农田试验160
第七节小结162 第五章基于双流密集特征融合网络的变量对靶施药除草机器人163
**节RGB-D数据与杂草地上鲜重标签动态采集方法163
一、采集区域与研究对象163
二、采集机器人平台与设备164
三、采集方法与流程164
第二节双流密集特征融合网络杂草鲜重检测模型搭建167
一、双流密集特征融合网络模型技术路线167
二、KNN技术填补缺失值168
三、构建YOLOv4杂草目标检测模型169
四、双流密集特征融合网络模型构建169
第三节双流密集特征融合网络杂草鲜重检测模型试验与结果分析175
一、网络模型评价指标175
二、技术路线结果与分析175
三、YOLOv4与其他目标检测算法结果对比176
四、嵌入Dense-NiN模块回归网络结果比较176
五、不同数据增强方法影响179
六、双流密集特征融合网络受生长时期和杂草种类影响结果分析180
七、杂草鲜重与IOU值关系182
八、杂草相互遮挡影响结果分析183
第四节对靶施药除草机器人单元创制184
一、机器人移动平台搭建184
二、除草单元整体结构设计184
三、机械系统硬件选型与布控185
四、施药控制策略制定与系统搭建188
第五节对靶施药除草机器人田间试验与分析191
一、除草剂与杂草鲜重量化关系试验设计与分析191
二、变量对靶施药机器人农田除草试验与分析193
第六节小结196 参考文献198
展开全部

预估到手价 ×

预估到手价是按参与促销活动、以最优惠的购买方案计算出的价格(不含优惠券部分),仅供参考,未必等同于实际到手价。

确定
快速
导航