Research Progress in China’s Camellia oleifera Fruit Picking Equipment
-
摘要: 为了应对油茶果采摘劳动力短缺、采摘效率低等问题，文中分类综述目前国内已研制的油茶果采摘设备，对其采摘效率、花苞损伤率、采净率等进行总结概括；通过对一些典型采摘设备的分类对比发现，目前油茶果机械化采摘普遍存在采摘效率低、花苞损伤严重和无法适应复杂的采摘环境等问题；介绍了复杂环境下基于深度学习的油茶果识别算法；并针对提高采摘效率、适应采摘环境和提高油茶综合效益提出了若干应对策略，如多光谱预测、农机农艺融合和采摘设备创新性研究等；最后，对油茶果机械化采摘设备提出了一些设计思路和参考依据。Abstract: In order to solve the problems such as shortage of labor and low picking efficiency, which are found in Camellia oleifera fruit picking, this paper reviews the picking equipment that has been developed in China, and summarizes its picking efficiency, bud damage rate and net picking rate. Through the classification and comparison of typical picking equipment, it is found that the mechanized picking of C. oleifera fruit is challenged by the common problems like low picking efficiency, serious bud damage and inability to adapt to complex picking environment, and in view of these problems, the deep learning based recognition algorithm for C. oleifera fruit in complex environment is introduced. In order to improve the picking efficiency, adapt to picking environment and improve the comprehensive benefits of C. oleifera, strategies are proposed including multispectral prediction, integration of agricultural machinery and agriculture technology, and innovative research on picking equipment, all of which will play an important role in the rapid development of C. oleifera industry. At the end, this paper provides the ideas and the references for the future design of mechanized picking equipment for C. oleifera fruit.
-
Key words:
- Camellia oleifera /
- picking equipment /
- picking efficiency
-
图 5 液压驱动式油茶果采摘机结构
1胶辊；2旋转架；3链条；4齿轮箱；5采摘头执行液压马达；6采摘头液压缸；7副臂；8主臂；9副臂液压缸；10主臂液压缸；11履带式行走系统；12采摘头、主臂、副臂、液压马达控制手柄
表 1 不同网络在 CAN 数据集上检测性能的对比
网络 图像ID 检测出果实数/个 置信度均值 YOLOv3 175 51 0.60 YOLOv4 175 24 0.47 YOLOv5s 175 44 0.55 YOLON 175 55 0.69 
下载: 导出CSV
表 2 不同算法下油茶果采摘的优缺点及其准确率
算法类型 相机类型 识别准确率 优点 缺点 YOLON[27] 尼康 D90 93.56% 对不同光照强度有较高的识别率 对果实的形状、重叠等特征易错检、漏检 Mask-RCNN[28] 佳能EOS 760D 89.42% 降低多果附着、重叠、遮挡等生
长状态对识别精度的影响迭代次数太多，检测时间过长 凸壳识别的分割边界[29] MV-CA060-10GC型
工业相机91.40% 准确地识别遮挡油茶果 对圆形、椭圆形叶片容易错检、漏检 改进卷积自编码机神经
网络[30]尼康D5200 87.00% 模型具有优异的泛化能力和抗
干扰能力识别精度和迭代次数呈正相关，识别时间过长 偏好人工免疫网络[31] 普通相机 晴天90.15%，
阴天93.90%使用多特征融合的识别方法，
识别率较高模型数量太少，适应性低，通用性差
下载: 导出CSV
-
[1] 丁达. 高效低损的树冠振动式油茶果采摘装置设计与试验[D]. 合肥: 安徽农业大学, 2022. [2] 方学智, 杜孟浩. 我国油茶加工的现状及发展建议[J]. 中国农村科技,2022(11):51 − 53. [3] 卢燕. 发展油茶产业助力粮油安全[J]. 绿色中国,2022(23):18 − 27. [4] 刘芸. 基于油茶树冠层性状分析的振动采摘参数优化与试验[D]. 合肥: 安徽农业大学, 2022. [5] 张亚敏. 加快油茶产业发展三年行动方案印发[J]. 国土绿化,2023(1):42. [6] 张立勇, 王欣, 戴忠顺, 等. 一种电驱式油茶果采摘底盘[J]. 南方农机,2023,54(2):19 − 21. [7] 杨家林, 康丽春, 饶洪辉, 等. 轻便式油茶果收集装置设计与试验[J]. 南方农机,2023,54(4):1 − 4. [8] 高自成, 李立君, 刘浩. 油茶果采摘机物料收集装置的选型研究与设计[J]. 中南林业科技大学学报,2011,31(10):168 − 170. [9] 黄登昇, 饶洪辉. 我国油茶果机械化采摘设备研究现状及思考[J]. 林业机械与木工设备,2019,47(7):11 − 13. [10] 伍德林, 杨俊华, 刘芸, 等. 我国油茶果采摘装备研究进展与趋势[J]. 中国农机化学报,2022,43(1):186 − 194. [11] 李宇航. 推摇式油茶果采摘机液压系统仿真及优化[D]. 长沙: 中南林业科技大学, 2022. [12] WU D L, ZHAO E L, FANG D, et al. Determination of vibration picking parameters of Camellia oleifera fruit based on acceleration and strain response of branches[J]. Agriculture-Basel, 2022, 12(8):1222. DOI: 10.3390/agriculture12081222. [13] 王东, 汤晶宇, 范志远, 等. 振动式油茶青果采收机设计及试验[J]. 林业机械与木工设备,2020,48(6):4 − 7. [14] 杨俊华. 振动−梳刷式油茶果采摘装置设计与试验[D]. 合肥: 安徽农业大学, 2022. [15] 吴问天, 郭医博, 高宁煜. 树冠振动式油茶果采摘机设计与试验[J]. 铜陵学院学报,2022,21(5):100 − 103. [16] 伍德林, 李超, 曹成茂, 等. 摇枝式油茶果采摘装置作业过程分析与试验[J]. 农业工程学报,2020,36(10):56 − 62. [17] 杜小强, 宁晨, 贺磊盈, 等. 履带式高地隙油茶果振动采收机设计与试验[J]. 农业机械学报,2022,53(7):113 − 121. [18] 高自成, 赵凯杰, 李立君, 等. 悬挂振动式油茶果采摘执行机构设计与试验[J]. 农业工程学报,2019,35(21):9 − 17. [19] 伍德林, 袁嘉豪, 李超, 等. 扭梳式油茶果采摘末端执行器设计与试验[J]. 农业机械学报,2021,52(4):21 − 33. [20] 林益平, 米承继, 赵近谊, 等. 一种新型油茶果摘果机研制及动态特性试验研究[J]. 西北林学院学报,2020,35(5):267 − 272. [21] 罗时挺, 饶洪辉, 张立勇, 等. 齿梳拨刀式油茶果采摘装置设计与试验[J]. 农机化研究,2017,39(2):84 − 88. [22] 王玉龙, 饶洪辉, 王保阳, 等. 轻便电动液压油茶果采收机的研制[J]. 农机化研究,2022,44(12):106 − 111. doi: 10.3969/j.issn.1003-188X.2022.12.018 [23] 饶洪辉, 张立勇, 黄登昇, 等. 电动胶辊旋转式油茶果采摘执行器设计与试验[J]. 农业机械学报,2018,49(9):115 − 121. [24] 李涛, 邱权, 赵春江, 等. 矮化密植果园多臂采摘机器人任务规划[J]. 农业工程学报,2021,37(2):1 − 10. [25] ZHOU Y, TANG Y, ZOU X, et al. Adaptive active positioning of Camellia oleifera fruit picking points: classical image processing and YOLOV7 fusion algorithm[J]. Applied Sciences-Basel, 2022, 12(24):12959. DOI: 10.3390/app122412959. [26] WU D L, JIANG S, ZHAO E L, et al. Detection of Camellia oleifera fruit in complex scenes by using YOLOV7 and data augmentation[J]. Applied Sciences-Basel, 2022, 12(22):11318. DOI:10.3390/ app122211318. [27] 吕帅朝, 马宝玲, 宋磊, 等. 基于YOLON网络的多形态油茶果实夜间检测方法研究[J]. 西北农林科技大学学报(自然科学版),2023(8):1 − 14. [28] 王梁, 侯义锋, 贺杰. 基于Mask-RCNN的自然场景下油茶果目标识别与检测[J]. 中国农机化学报,2022,43(12):148 − 154. [29] 陈志健, 伍德林, 刘路, 等. 复杂背景下油茶果采收机重叠果实定位方法研究[J]. 安徽农业大学学报,2021,48(5):842 − 848. [30] 张习之, 李立君. 基于改进卷积自编码机的油茶果图像识别研究[J]. 林业工程学报,2019,4(3):118 − 124. [31] 李昕, 李立君, 高自成, 等. 基于偏好人工免疫网络多特征融合的油茶果图像识别[J]. 农业工程学报,2012,28(14):133 − 137. [32] 杨文庆, 刘天霞, 唐兴萍, 等. 智慧农业背景下的植物表型组学研究进展[J]. 河南农业科学,2022,51(7):1 − 12. [33] 胡逸磊, 姜洪喆, 周宏平, 等. 高光谱成像技术检测油茶果成熟度[J]. 食品科学,2022,43(16):324 − 331. [34] 万亮, 杜晓月, 陈硕博, 等. 基于无人机多源图谱融合的水稻稻穗表型监测[J]. 农业工程学报,2022,38(9):162 − 170. [35] 谭晓风. 油茶分子育种研究进展[J]. 中南林业科技大学学报,2023,43(1):1 − 24. -
点击查看大图
计量
- 文章访问数: 27
- 被引次数: 0
