为获取土壤离散元仿真模型的土壤颗粒物理参数和接触参数,本文采用试验与仿真相结合的方法,以桑园土壤为例,对土壤颗粒的接触参数进行了仿真标定。首先利用粉体仪、斜面仪、等应变直剪仪等,分析了试验地不同深度土壤的粒径分布,测量了...为获取土壤离散元仿真模型的土壤颗粒物理参数和接触参数,本文采用试验与仿真相结合的方法,以桑园土壤为例,对土壤颗粒的接触参数进行了仿真标定。首先利用粉体仪、斜面仪、等应变直剪仪等,分析了试验地不同深度土壤的粒径分布,测量了试验地不同深度土壤休止角、滑动摩擦角、剪应力、内聚力、内摩擦角;然后,根据实测土壤粒径分布,利用EDEM软件建立了非等直径土壤球形颗粒模型。在此基础上,以土壤颗粒间及土壤与65Mn钢间的静摩擦因数、滚动摩擦因数、恢复系数为试验因素,土壤休止角、土壤65Mn钢滑动摩擦角为目标值,建立了基于中心组合试验设计(CCD)方案,并利用Design-Expert软件对仿真试验结果进行了分析,得到了仿真标定的土壤土壤间静摩擦因数、滚动摩擦因数和恢复系数的最优值分别为0.89、0.45和0.43;标定的土壤65Mn钢间静摩擦因数、滚动摩擦因数和恢复系数的最优值分别为1.15、0.05和0.4。利用以上标定的最优参数对桑园土壤进行了休止角与滑动摩擦角仿真试验,试验结果表明,休止角仿真值与试验值相对误差为1.69%,土壤65Mn钢的滑动摩擦角仿真值与试验值相对误差为2.88%。在此基础上,依据实测的土壤剪应力,采用试错法,以实测土壤内摩擦角为目标值,优化标定了土壤土壤颗粒HertzMindlin with Bonding接触模型中的粘结参数,标定法向粘结刚度、切向粘结刚度分别为1×10^(8)、5×10^(7) N/m^(3),临界法向应力和临界切向应力均为10 kPa,接触半径为1.1倍颗粒半径,直剪仿真得到内摩擦角为30.24°,仿真值与直剪试验内摩擦角平均值相对误差为5.53%。本文提出的土壤颗粒建模方法、标定方法及其所标定的参数值,可用于砂质壤土桑园耕作机械触土部件与土壤相互作用的离散元仿真分析及其结构优化。展开更多
为实现田间环境下对玉米苗和杂草的高精度实时检测,本文提出一种融合带色彩恢复的多尺度视网膜(Multi-scale retinex with color restoration,MSRCR)增强算法的改进YOLOv4tiny模型。首先,针对田间环境的图像特点采用MSRCR算法进行图像...为实现田间环境下对玉米苗和杂草的高精度实时检测,本文提出一种融合带色彩恢复的多尺度视网膜(Multi-scale retinex with color restoration,MSRCR)增强算法的改进YOLOv4tiny模型。首先,针对田间环境的图像特点采用MSRCR算法进行图像特征增强预处理,提高图像的对比度和细节质量;然后使用Mosaic在线数据增强方式,丰富目标检测背景,提高训练效率和小目标的检测精度;最后对YOLOv4tiny模型使用K-means++聚类算法进行先验框聚类分析和通道剪枝处理。改进和简化后的模型总参数量降低了45.3%,模型占用内存减少了45.8%,平均精度均值(Mean average precision,mAP)提高了2.5个百分点,在Jetson Nano嵌入式平台上平均检测帧耗时减少了22.4%。本文提出的PruneYOLOv4tiny模型与Faster RCNN、YOLOv3tiny、YOLOv43种常用的目标检测模型进行比较,结果表明:PruneYOLOv4tiny的mAP为96.6%,分别比Faster RCNN和YOLOv3tiny高22.1个百分点和3.6个百分点,比YOLOv4低1.2个百分点;模型占用内存为12.2 MB,是Faster RCNN的3.4%,YOLOv3tiny的36.9%,YOLOv4的5%;在Jetson Nano嵌入式平台上平均检测帧耗时为131 ms,分别是YOLOv3tiny和YOLOv4模型的32.1%和7.6%。可知本文提出的优化方法在模型占用内存、检测耗时和检测精度等方面优于其他常用目标检测算法,能够为硬件资源有限的田间精准除草的系统提供可行的实时杂草识别方法。展开更多
文摘为获取土壤离散元仿真模型的土壤颗粒物理参数和接触参数,本文采用试验与仿真相结合的方法,以桑园土壤为例,对土壤颗粒的接触参数进行了仿真标定。首先利用粉体仪、斜面仪、等应变直剪仪等,分析了试验地不同深度土壤的粒径分布,测量了试验地不同深度土壤休止角、滑动摩擦角、剪应力、内聚力、内摩擦角;然后,根据实测土壤粒径分布,利用EDEM软件建立了非等直径土壤球形颗粒模型。在此基础上,以土壤颗粒间及土壤与65Mn钢间的静摩擦因数、滚动摩擦因数、恢复系数为试验因素,土壤休止角、土壤65Mn钢滑动摩擦角为目标值,建立了基于中心组合试验设计(CCD)方案,并利用Design-Expert软件对仿真试验结果进行了分析,得到了仿真标定的土壤土壤间静摩擦因数、滚动摩擦因数和恢复系数的最优值分别为0.89、0.45和0.43;标定的土壤65Mn钢间静摩擦因数、滚动摩擦因数和恢复系数的最优值分别为1.15、0.05和0.4。利用以上标定的最优参数对桑园土壤进行了休止角与滑动摩擦角仿真试验,试验结果表明,休止角仿真值与试验值相对误差为1.69%,土壤65Mn钢的滑动摩擦角仿真值与试验值相对误差为2.88%。在此基础上,依据实测的土壤剪应力,采用试错法,以实测土壤内摩擦角为目标值,优化标定了土壤土壤颗粒HertzMindlin with Bonding接触模型中的粘结参数,标定法向粘结刚度、切向粘结刚度分别为1×10^(8)、5×10^(7) N/m^(3),临界法向应力和临界切向应力均为10 kPa,接触半径为1.1倍颗粒半径,直剪仿真得到内摩擦角为30.24°,仿真值与直剪试验内摩擦角平均值相对误差为5.53%。本文提出的土壤颗粒建模方法、标定方法及其所标定的参数值,可用于砂质壤土桑园耕作机械触土部件与土壤相互作用的离散元仿真分析及其结构优化。
文摘为实现田间环境下对玉米苗和杂草的高精度实时检测,本文提出一种融合带色彩恢复的多尺度视网膜(Multi-scale retinex with color restoration,MSRCR)增强算法的改进YOLOv4tiny模型。首先,针对田间环境的图像特点采用MSRCR算法进行图像特征增强预处理,提高图像的对比度和细节质量;然后使用Mosaic在线数据增强方式,丰富目标检测背景,提高训练效率和小目标的检测精度;最后对YOLOv4tiny模型使用K-means++聚类算法进行先验框聚类分析和通道剪枝处理。改进和简化后的模型总参数量降低了45.3%,模型占用内存减少了45.8%,平均精度均值(Mean average precision,mAP)提高了2.5个百分点,在Jetson Nano嵌入式平台上平均检测帧耗时减少了22.4%。本文提出的PruneYOLOv4tiny模型与Faster RCNN、YOLOv3tiny、YOLOv43种常用的目标检测模型进行比较,结果表明:PruneYOLOv4tiny的mAP为96.6%,分别比Faster RCNN和YOLOv3tiny高22.1个百分点和3.6个百分点,比YOLOv4低1.2个百分点;模型占用内存为12.2 MB,是Faster RCNN的3.4%,YOLOv3tiny的36.9%,YOLOv4的5%;在Jetson Nano嵌入式平台上平均检测帧耗时为131 ms,分别是YOLOv3tiny和YOLOv4模型的32.1%和7.6%。可知本文提出的优化方法在模型占用内存、检测耗时和检测精度等方面优于其他常用目标检测算法,能够为硬件资源有限的田间精准除草的系统提供可行的实时杂草识别方法。
