書接上文，繼續(xù)分享智慧果園種植相關(guān)的科研論文，快速了解最新農(nóng)業(yè)科研進(jìn)展。

八、山地果園管道自動(dòng)噴霧系統(tǒng)設(shè)計(jì)與試驗(yàn)

參與機(jī)構(gòu)：華南農(nóng)業(yè)大學(xué)電子工程學(xué)院(人工智能學(xué)院)、廣東省農(nóng)情信息監(jiān)測工程技術(shù)研究中心、國家柑橘產(chǎn)業(yè)技術(shù)體系機(jī)械化研究室

基于管道的自動(dòng)噴霧技術(shù)及設(shè)施可以解決山地果園植保作業(yè)中噴霧作業(yè)效率低、勞動(dòng)強(qiáng)度大、移動(dòng)式噴霧機(jī)械難以進(jìn)入的問題。該團(tuán)隊(duì)研究設(shè)計(jì)了適用于山地果園的管道自動(dòng)噴霧系統(tǒng)，從噴霧首部、噴霧管道、自動(dòng)噴霧控制器到噴霧小組等一套系統(tǒng)，并開發(fā)了控制程序。

結(jié)果表明，該系統(tǒng)與人工噴霧相比，提高了噴霧作業(yè)的效率，可為山地果園的噴霧技術(shù)及智能施藥設(shè)施的研發(fā)提供參考和思路。

九、基于改進(jìn)Linknet網(wǎng)絡(luò)的黃土高原蘋果園精準(zhǔn)提取

參與機(jī)構(gòu)：西北農(nóng)林科技大學(xué)水利與建筑工程學(xué)院、中國科學(xué)院水利部水土保持研究所

針對(duì)黃土高原蘋果栽植面積增加，而對(duì)區(qū)域生態(tài)水文和社會(huì)經(jīng)濟(jì)發(fā)展產(chǎn)生的重要影響，同時(shí)考慮到該區(qū)域果園地塊小且場景復(fù)雜，僅有縣/市尺度統(tǒng)計(jì)數(shù)據(jù)，尚無蘋果園實(shí)際空間分布信息的現(xiàn)狀。該團(tuán)隊(duì)研究建立了無人機(jī)低空遙感影像專業(yè)數(shù)據(jù)集。

研究融合了遷移學(xué)習(xí)與深度學(xué)習(xí)方法，重點(diǎn)對(duì)比了幾種網(wǎng)絡(luò)下的提取性能。對(duì)比三種網(wǎng)絡(luò)性能，表現(xiàn)最優(yōu)的為R_34_Linknet_ASPP+，并在長武縣王東溝、白水縣通積村進(jìn)行了試驗(yàn)，驗(yàn)證了該方法提取到的蘋果園更加準(zhǔn)確，蘋果園地塊邊緣處理效果更好，可作為黃土高原蘋果園空間分布制圖等研究的技術(shù)支撐和理論依據(jù)。

十、基于改進(jìn)Ghost-YOLOv5s-BiFPN算法檢測梨樹花序

參與機(jī)構(gòu)：江蘇省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)設(shè)施與裝備研究所/農(nóng)業(yè)農(nóng)村部園藝作物農(nóng)業(yè)裝備重點(diǎn)實(shí)驗(yàn)室、江蘇大學(xué)農(nóng)業(yè)工程學(xué)院

為實(shí)現(xiàn)機(jī)械化智能疏花，發(fā)展高速疏花方式，完成花朵與花苞的分類與檢測作業(yè)。該團(tuán)隊(duì)研究針對(duì)目前梨園智能化生產(chǎn)中出現(xiàn)的梨樹花序檢測與分類問題，提出了一種基于改進(jìn)YOLOv5s的水平棚架梨園花序識(shí)別算法。

試驗(yàn)結(jié)果表明，改進(jìn)的算法對(duì)梨樹花序中花苞與花朵的檢測精度、平均精度等參數(shù)較佳。相比于原始算法，檢測精度與召回度分別有提升，檢測時(shí)間和模型參數(shù)量分別降低。表明該算法可對(duì)梨樹花苞與花朵進(jìn)行精確地識(shí)別和分類，為后續(xù)梨園智能化疏花的實(shí)現(xiàn)提供技術(shù)支持。

十一、基于改進(jìn)YOLOX的自然環(huán)境中火龍果檢測方法

參與機(jī)構(gòu)：華南農(nóng)業(yè)大學(xué)工程學(xué)院、廣東省農(nóng)業(yè)人工智能重點(diǎn)實(shí)驗(yàn)室、南方農(nóng)業(yè)機(jī)械與裝備關(guān)鍵技術(shù)教育部重點(diǎn)實(shí)驗(yàn)室

為提高自然環(huán)境下果實(shí)識(shí)別的精確性、魯棒性和檢測效率，完成機(jī)器人在自然環(huán)境下而定精準(zhǔn)監(jiān)測條件，該團(tuán)隊(duì)研究對(duì)YOLOX網(wǎng)絡(luò)進(jìn)行改進(jìn)，提出了一種含有注意力模塊的目標(biāo)檢測方法。

對(duì)該方法進(jìn)行性能評(píng)估和對(duì)比試驗(yàn)，對(duì)不同分辨率的火龍果果園自然環(huán)境下采集的視頻進(jìn)行實(shí)時(shí)測試。試驗(yàn)結(jié)果表明，研究提出的改進(jìn)目標(biāo)檢測方法，檢測速度、檢測精度和模型大小滿足自然環(huán)境下火龍果采摘的技術(shù)要求。

十二、面向果園多機(jī)器人通信的AODV路由協(xié)議改進(jìn)設(shè)計(jì)與測試

參與機(jī)構(gòu)：西北農(nóng)林科技大學(xué)機(jī)械與電子工程學(xué)院、農(nóng)業(yè)農(nóng)村部蘋果全程機(jī)械化科研基地、農(nóng)業(yè)農(nóng)村部北方農(nóng)業(yè)裝備科學(xué)觀測實(shí)驗(yàn)站、黃土高原土壤侵蝕與旱地農(nóng)業(yè)國家重點(diǎn)實(shí)驗(yàn)室

針對(duì)多機(jī)器人在果園中作業(yè)時(shí)的通信需求，實(shí)現(xiàn)無線通訊，該團(tuán)隊(duì)研究基于Wi-Fi信號(hào)在桃園內(nèi)接收強(qiáng)度預(yù)測模型，提出了一種引入優(yōu)先節(jié)點(diǎn)和路徑信號(hào)強(qiáng)度閾值的改進(jìn)無線自組網(wǎng)按需平面距離向量路由協(xié)議。

試驗(yàn)結(jié)果表明，該路由協(xié)議在發(fā)起頻率、路由開銷、平均端到端時(shí)延及分組投遞率4個(gè)方面的性能均優(yōu)于AODV協(xié)議，節(jié)點(diǎn)相距25 m時(shí)靜態(tài)丟包率為0，距離100 m時(shí)丟包率為21.01%，動(dòng)態(tài)行駛時(shí)能使機(jī)器人維持鏈狀拓?fù)浣Y(jié)構(gòu)。可為果園多機(jī)器人在實(shí)際環(huán)境中通信系統(tǒng)的搭建提供參考。

十三、基于輕量化改進(jìn)YOLOv5的蘋果樹產(chǎn)量測定方法

參與機(jī)構(gòu)：中國農(nóng)業(yè)大學(xué)工學(xué)院、中國農(nóng)業(yè)大學(xué)煙臺(tái)研究院

為提升蘋果果園原位測產(chǎn)的準(zhǔn)確性，該團(tuán)隊(duì)研究提出一種包含改進(jìn)型YOLOv5果實(shí)檢測算法與產(chǎn)量擬合網(wǎng)絡(luò)的產(chǎn)量測定方法。

試驗(yàn)結(jié)果表明，改進(jìn)型果實(shí)檢測算法，在提高輕量化程度的同時(shí)提升識(shí)別準(zhǔn)確率，具有良好的精度和有效性，基本可以滿足自然環(huán)境下樹上蘋果的測產(chǎn)要求，為現(xiàn)代果園環(huán)境下的智能農(nóng)業(yè)裝備提供技術(shù)參考。

十四、基于改進(jìn)YOLOv5s和多模態(tài)圖像的樹上毛桃檢測

參與機(jī)構(gòu)：安徽農(nóng)業(yè)大學(xué)信息與計(jì)算機(jī)學(xué)院、農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)傳感器重點(diǎn)實(shí)驗(yàn)室、智慧農(nóng)業(yè)技術(shù)與裝備安徽省重點(diǎn)實(shí)驗(yàn)室

由于毛桃等果實(shí)的光照不均和嚴(yán)重遮擋，造成果實(shí)檢測難的問題，尤其是套袋毛桃。該團(tuán)隊(duì)研究基于改進(jìn)YOLOv5s和多模態(tài)視覺數(shù)據(jù)提出了面向機(jī)械化采摘的毛桃多分類準(zhǔn)確檢測。

實(shí)驗(yàn)結(jié)果表明，改進(jìn)YOLOv5s模型在復(fù)雜光照和嚴(yán)重遮擋環(huán)境下，對(duì)裸桃和套袋毛桃的平均精度、套袋毛桃檢測準(zhǔn)確檢測均有貢獻(xiàn)，驗(yàn)證了所提出的模型具有良好的泛化能力。在主流移動(dòng)式硬件平臺(tái)上，能夠?qū)崿F(xiàn)毛桃的實(shí)時(shí)檢測，在實(shí)現(xiàn)果實(shí)自動(dòng)采摘系統(tǒng)視覺智能方面的應(yīng)用潛力。

以上十四項(xiàng)智慧果園種植方面的科研進(jìn)展，從技術(shù)層面推動(dòng)了智慧果園的實(shí)現(xiàn)，相信未來會(huì)有更多科研、科技涌現(xiàn)，共同實(shí)現(xiàn)智慧農(nóng)業(yè)、智慧果園。

審核編輯黃宇