科创中国
保护性耕作作业质量智能云监管方法及装备
发布时间: 2023-08-23
基本信息
合作方式：
技术服务
成果类型：
新技术
行业领域：
农、林、牧、渔业,农业
成果介绍
保护性耕作是减少水土流失、培肥地力，促进农业节本增效、可持续发展的重要手段。我国主要作物保护性耕作已实现机械化，但农机作业质量差异大，作业补贴发放需人工田间核实、费时费力、无客观数据支撑，已成为制约我国保护性耕作推广与发展的瓶颈。项目面向保护性耕作秸秆覆盖等环节，针对缺少实用化作业质量监测与控制手段的问题，突破了秸秆覆盖率精准识别等关键技术，研发了云监管终端，广泛应用于保护性耕作生产，实现了作业核心参数远程传感及质量控制，提升保护性耕作作业效能。
发明了基于深度学习的光照自适应与秸秆识别方法，解决秸秆覆盖率不定量的难题。构建了融合伽马值非线性调整与稀疏自编码的光照自适应校准模型，发明了基于孪生对称卷积神经网络与多核最大均值差异迁移学习的秸秆分割方法，实现了田间秸秆的识别，秸秆覆盖检测准确率＞90%。
研发了保护性耕作作业质量远程监测管理终端，实现了保护性耕作智能化及信息化监管。面向保护性耕作监管业务实际需求，研发了基于多源信息融合、总线接口与边缘计算的智能监测终端，实现了保护性耕作全程作业质量信息化监管，管理效率整体提升50%以上。
成果亮点
构建了融合伽马值非线性调整与稀疏自编码的光照自适应校准模型。针对自然光照差异影响图像质量及机器学习精度的问题，提出了基于伽马非线性调整选择性增强阴影区域、高亮区域对比度的方法，构建了堆叠三重自编码器网络模型，发明了利用损失函数稀疏惩罚项调整特征激活或抑制状态的方法，实现自然低光、高光与普通光图像的统一。
发明了基于孪生对称卷积神经网络与多核最大均值差异迁移学习的秸秆分割方法。针对田间秸秆细碎难识别、中小样本量网络学习困难的问题，提出了少量的标注秸秆图像迁移学习的方法，构建了过渡数据集作为中间域的孪生对称网络架构，提出了以多核最大均值差异迁移函数拉进中间域与秸秆目标域特征的算法，构建了秸秆分割的全卷积迁移学习网络模型，实现田间秸秆目标分割及覆盖率计算，检测准确率>90%。
研发了基于多源信息融合、总线接口与边缘计算的智能监测终端。针对农机大数据处理过程中云端运算负担大、响应时间长的问题，提出了基于网络边缘节点分析的数据处理方法，研发了融合多源信息总线传输架构和边缘层计算模型的智能终端，降低了网络数据流量，提高了系统响应速度，保障了机器-云端信息实时处理、调控与共享。
团队介绍
中国农业机械化科学研究院集团有限公司机电技术应用研究团队，主要从事农业传感测控技术研究、智能农机终端及平台产品开发，团队方向包括农机智能装备、农业互联网、农田信息感知、农场精准管控等，承担机电一体化、人工智能算法、信息化等方向研究生、博士后及技术骨干的培养任务。团队先后主持与承担了 40余项国家级课题，7 项相关研究成果国际先进,8 项开发产品国内首创或打破国外垄断。截至2021 年底，在国内外核心刊物发表论文 300 余篇，其中SCI/EI 收录 100余篇，申报发明专利 100 余项，获得省部级以上奖励8 项。
成果资料
产业化落地方案
成果综合评价报告
评价单位：“科创中国”农机装备产业科技服务团 (中国农业机械学会) 评价时间：2023-11-19
张俊宁
北京信息科技大学
教授
综合评价
该项目针对保护性耕作环节存在作深度不可知、播施质量不稳定、覆盖不均匀导致的作业质量监控难及信息化管理手段缺失等问题开展了攻关研究，发明了基于孪生对称卷积神经网络与多核最大均值差异迁移学习的秸秆分割方法，实现了田间秸秆的识别，秸秆覆盖检测准确率＞90%。研发了保护性耕作作业质量远程监测管理终端，实现了保护性耕作智能化及信息化监管。面向保护性耕作监管业务实际需求，研发了基于多源信息融合、总线接口与边缘计算的智能监测终端，实现了保护性耕作全程作业质量信息化监管，管理效率整体提升50%以上。相关装备产品在全国 30 个省市大面积推广应用。总体而言，该成果总体技术达到国际先进水平，项目成果技术思路方向很好，未来市场空间大，有利于当前政策要求，转化成熟度很高，值得支持推广。建议强化相应产品开发，加大产业化开发力度。
查看更多>
下载app