王辉
- 作品数：7 被引量：171H指数：5
- 供职机构：华南农业大学工程学院南方农业机械与装备关键技术省部共建教育部重点实验室更多>>
- 发文基金：广东省科技计划工业攻关项目国际科技合作与交流专项项目国家高技术研究发展计划更多>>
- 相关领域：农业科学自动化与计算机技术更多>>
- 农机具姿态倾角测量系统设计与试验被引量：11
- 2017年
- 农机具姿态倾角测量技术是实现农机装备精准作业的关键技术之一。为进一步提高农机装备作业质量,以ADIS16445微惯性MEMS传感器和STM32F446核心处理器搭建硬件平台,以欧拉角法解算姿态,建立卡尔曼滤波模型融合加速度计与陀螺仪信息,实现农机具姿态倾角的精准测量。融合算法模型考虑陀螺仪零偏特性,并根据MEMS微传感器运动特性,自适应模型误差协方差矩阵Q与R,适应不同工况下农机具姿态倾角测量。采用SGT320E三轴多功能转台与BD982双天线定位测姿模块对系统进行测试与验证。三轴多功能转台试验结果表明,ADIS16445内置陀螺仪与加速度计性能合格,满足系统设计硬件要求;卡尔曼滤波融合模型精准有效,倾角静态测量误差精度为0.15°,动态测量精度典型值为0.3°,最大测量误差为0.5°。田间作业试验结果表明,自适应模型能保证农机具姿态倾角测量系统在不同工况下的测量精度,更稳定可靠,测量平均误差为0.55°。该文研究的农机具姿态倾角测量系统可满足农机装备精准作业要求。
- 黄培奎张智刚罗锡文刘兆朋王辉王辉高维炜
- 关键词：机械化农机具倾角测量多传感器融合自适应卡尔曼滤波
- 拖拉机自动驾驶转向轮角检测方法被引量：17
- 2019年
- 以雷沃M904-D型轮式拖拉机为研究平台,采用WYH-3型无触点角度传感器,研究了轮式拖拉机转向轮角的标定和检测方法。介绍了拖拉机转向轮角度传感器的安装方法;采用带标度的转盘标定了角度传感器与拖拉机转向轮角之间的关系,标定结果表明,两者线性关系显著,相关系数超过0. 99。对轮角测试中存在的误差进行分析,提出基于最小二乘原理的转向轮角零位偏差估计方法,以估计车轮相对零位偏差。路径跟踪试验结果表明,其横向跟踪偏差的绝对值极值为2. 74 cm,偏差绝对值的平均值为0. 49 cm,标准差为0. 58 cm。提出的轮式拖拉机转向轮角测量模型在路径跟踪控制应用中表现出较好的效果,验证了转向轮角测试方案的可行性与准确性。
- 张智刚王桂民罗锡文何杰王进王辉
- 关键词：轮式拖拉机自动驾驶最小二乘法
- 田间作业车辆外部加速度辨识与姿态测量系统研制被引量：11
- 2019年
- 复杂田间作业环境与精细作业效果要求农机装备具备实时精准感知农机具姿态的能力,田间作业时普遍存在的车辆外部加速度对此带来挑战。为进一步提高农机装备作业质量,该文以6轴微惯性传感器为硬件传感器,以方向余弦矩阵法进行姿态解算,基于一阶外部加速度模型设计卡尔曼滤波融合算法,实现动态情况下田间作业车辆外部加速度辨识与姿态精准估计。分别采用Innova 2100型摇床与装配有MTi300航向姿态参考模块的高地隙喷雾机对系统进行试验验证。摇床试验结果表明:在外部加速度小于10g情况下,系统对外部加速度辨识误差小于0.214 m/s2;田间作业高地隙喷雾机试验结果表明,相比于MTi300,横滚角最大误差为0.23?,俯仰角最大误差为0.39?。说明该文研制姿态测量系统可准确辨识外部加速度与测量姿态,研究结果可为满足精细农业作业要求的姿态测量系统研发提供依据。
- 黄培奎张智刚罗锡文刘兆朋王辉王辉高维炜
- 关键词：农业机械传感器卡尔曼滤波
- 基于Transformer-FNN和无人机高光谱遥感技术的棉花黄萎病危害等级分类研究被引量：1
- 2025年
- 针对目前使用无人机识别棉花黄萎病危害等级时,光谱数据冗余度高和传统机器学习模型识别精度不足等问题,采用无人机搭载Nano-Hyperspec高光谱成像仪采集棉田高光谱图像,通过探究棉花冠层对不同黄萎病危害等级的光谱响应特征,利用最优植被指数组合建立一种适用于黄萎病危害等级分类的监测模型,实现棉花黄萎病危害等级的精准分类。首先,利用最小冗余最大相关算法(Minimum redundancy maximum relevance,mRMR)对17种潜在的植被指数和270个光谱波段进行特征重要性排序,将mRMR筛选得到的特征,通过逐步递增分组的方式输入至极限梯度提升模型(eXtreme gradient boosting,XGBoost),确定与黄萎病危害等级相关性最高的植被指数和光谱特征波段。然后,基于Transformer架构和前馈神经网络(Feedforward neural network,FNN)构建Transformer-FNN棉花黄萎病危害等级分类模型,将植被指数与光谱特征波段输入Transformer-FNN模型进行分类识别,对比了植被指数与光谱特征波段对棉花黄萎病危害等级分类识别的准确性。最后,利用后向传播神经网络(Back propagation neural network,BPNN)、Transformer和支持向量机(Support vector machine,SVM)构建棉花黄萎病危害等级分类模型,并对这4种分类模型进行精度验证与对比分析。结果表明:棉花黄萎病等级分类的最优植被指数组合为MSR和TVI,最优特征波段组合为430、439、488、566、697、722、742、764、769、782、822、831、858、873、878、893、909、985 nm。基于Transformer-FNN模型,植被指数对黄萎病危害等级的总体分类精度为95.6%,较光谱特征波段的总体分类精度89.4%提高6.2个百分点。基于植被指数,Transformer-FNN模型对黄萎病危害等级的分类识别率比BPNN模型提高11.2个百分点,比Transformer模型提高17.2个百分点,比SVM模型提高30.8个百分点。研究提出了一种通过植被指数进行棉花黄萎病高精度监测�
- 廖娟梁业雄姜锐邢赫何欣颖王辉王辉王辉唐赛欧罗锡文
- 关键词：棉花黄萎病高光谱遥感植被指数
- 雷沃ZP9500高地隙喷雾机的GNSS自动导航作业系统设计被引量：79
- 2018年
- 为减少农药喷雾作业对人体造成的化学损害,该研究以雷沃高地隙喷杆喷雾机为平台,基于GNSS开发了自动导航作业系统,实现喷雾机在极少人工干预情况下的自动导航作业。通过对平台的机-电-液改造,实现了喷雾机作业系统的电气化控制。基于简化的二自由度车辆转向模型设计了以位置偏差和航向偏差为状态变量的直线路径跟踪控制算法,基于纯追踪模型设计了曲线路径跟踪控制算法。根据喷雾机田间作业需要设计了喷雾机一体化自动导航作业控制方法,使系统能够自动控制喷雾机完成直线、地头转弯行驶和喷雾作业,油门调节以及车辆启停控制。在1.3 m/s左右的前进速度条件下,分别在水泥路面、旱田、水田环境中进行了试验,测试结果表明:水泥路面车身横滚在–1.6?~1.5?范围,直线路径跟踪误差最大值为3.9 cm,平均值为-0.15 cm,标准差为1.0 cm;旱田地块车身横滚在–1.4?~3.3?范围,跟踪误差最大值为9.8 cm,平均值为1.3 cm,标准差为3.3 cm;水田环境车身横滚在–2.4?~5.2?范围,跟踪误差最大值为17.5 cm,平均值为2.2 cm,标准差为4.4 cm。试验数据表明,所设计的自动导航作业系统初始上线快速、地头转弯对行平顺、各设计功能执行可靠;导航系统具有良好的稳定性和控制精度,能够满足水田、旱田环境下的喷雾作业要求。
- 刘兆朋张智刚罗锡文王辉黄培奎张健
- 关键词：农业机械自动导航喷雾机
- 基于预瞄追踪模型的农机导航路径跟踪控制方法被引量：81
- 2019年
- 农机导航系统的上线性能和复杂路面抗干扰能力影响着农田作业的质量和效率,为提高农机导航系统的上线速度、上线稳定性和对复杂路面的适应性,提出了一种预瞄追踪模型的农机导航路径跟踪控制方法。该方法实质是对农机运动学模型方法的改进,针对农机运动学模型小角度线性化算法中近似条件的缺点,采用预瞄追踪辅助直线引导农机快速稳定跟踪规划路径。该文参考农机运动学模型极点最优配置算法证明过程,分3步证明了该控制方法的可行性,并通过仿真和试验验证了该方法的有效性。仿真结果显示在不同的初始位置偏差和航向偏差条件下该方法都可以迅速消除偏差以稳定跟踪规划路径,位置偏差校正曲线平滑且超调量微小,说明预瞄追踪模型方法对提高农机导航系统的上线性能和抗干扰能力是有效的。田间试验结果:在初始航向偏差为0,初始位置偏差分别为0.5、1、1.5 m条件下,上线时间分别为6.8、8.2、9.4 s,上线距离分别为6.73、8.11、9.33 m,超调量分别为5.2、7.0、8.5 cm;颠簸不平旱地路面直线路径跟踪的最大误差不超过4.23 cm,误差绝对值的平均值为1 cm,标准差为1.25 cm。数据表明采用该文提出的控制方法具有良好的上线和直线路径跟踪效果,满足农业机械的导航作业要求。
- 王辉王桂民罗锡文张智刚高阳何杰岳斌斌
- 关键词：农业机械上线
- 基于光谱波段-纹理特征-植被指数融合的棉蚜虫危害等级无人机监测研究
- 2025年
- 棉蚜虫的精准无损检测对棉蚜虫害防治及棉花产量和品质的提升具有重要意义。本研究提出一种基于多特征融合的棉蚜虫危害等级(Cotton aphid damage levels,CADL)监测方法,融合棉花冠层光谱特征波长、植被指数和纹理特征,提高棉花蚜虫危害等级识别精度。采用无人机搭载高光谱成像系统采集棉花冠层高光谱图像,利用Savitzky-Golay平滑(SG平滑)和多元散射校正(MSC)对提取的光谱数据进行预处理,利用支持向量机(SVM)模型将预处理后的光谱数据进行建模,对比发现MSC表现更优。采用竞争性自适应重加权算法(CARS)和随机蛙跳算法(SFLA)对MSC预处理后的光谱数据进行特征波长一次提取,分别提取出31、37个特征波长。进一步使用连续投影算法(SPA)对特征波长进行二次提取,最终确定了6个棉蚜虫危害敏感波长,分别为650、786、931、938、945、961 nm。基于二次提取的6个特征波长,计算了9种植被指数和8种纹理特征,并分别分析了9种植被指数和8种纹理特征与棉蚜虫危害等级(CADL)的相关性。构建了LightGBM、XGBoost、SVM和RF模型,并基于以上模型对比了特征波长、植被指数、纹理特征,特征波长和植被指数2种特征相融合,以及特征波长、植被指数和纹理特征3种特征相融合对棉蚜虫危害等级的判定效果。结果表明,植被指数(RDVI、SAVI、MSAVI、OSAVI)和纹理特征(MEA、VAR、DIS、HOM)与CADL相关性较高。基于特征波长、植被指数和纹理特征3种特征相融合的XGBoost模型对棉蚜虫危害等级判定效果最佳,测试集总体分类精度(OA)达到86.99%,Kappa系数为0.8371,相较于仅使用特征波长、植被指数、纹理特征,特征波长和植被指数2种特征相融合的模型,测试集OA分别提升4.88、27.64、21.95、2.44个百分点。
- 廖娟王辉王辉何欣颖曾浩求何松炜唐赛欧罗锡文
- 关键词：航空遥感纹理特征多特征融合
