农田除草机器人识别方法与装备创制

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。

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。

无

第一章基于改进MobileNetV3-SSD模型的农田苗草识别方法1
第一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
第一节基于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
第一节基于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
第一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
第一节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