智慧农业(中英文)

基于改进YOLOv12s的辣椒叶片病虫害轻量化检测方法 |

姚晓通, 曲绍业

2026, 8(1): 1-14. doi:10.12133/j.smartag.SA202506005

摘要 ( 191 )

HTML ( 8)

PDF (2085KB) ( 13 )

数据和表 | 参考文献 | 相关文章 | 计量指标

［目的/意义］ 针对自然环境干扰下检测模型对辣椒叶片病虫害的特征提取不充分、容易忽视目标物体的边缘信息，以及小块病斑与虫害病灶易漏检等问题，本研究提出一种轻量化辣椒叶片病害检测算法，即YOLO-MDFR（You Only Look Once Version 12-MDFR）。 ［方法］ 基于YOLOv12s模型做出改进。首先用两个堆叠的3×3的深度可分离卷积代替一个5×5的深度可分离卷积以改进MobileNetV4，并将其代替YOLOv12s的原始骨干网络实现骨干网络轻量化。其次为提高小目标物体的特征提取能力，提出了多维频域互补自注意力机制模块（Dimensional Frequency Reciprocal Attention Mixing Transformer, D-F-Ramit）。最后利用D-F-Ramit与RAGConv（Residual Aggregation Gate-Controlled Convolution）重新设计颈部网络，增强模型的特征融合能力和信息传递能力。基于以上改进提出YOLO-MDFR目标检测算法。 ［结果和讨论］ 实验结果表明，本研究提出的YOLO-MDFR模型在实验数据集上的平均识别精确度达到95.6%，与YOLOv12s模型相比，平均识别精度提高了2.0%，同时参数量下降了61.5%，计算量下降了68.5%，帧率达到43.4帧/s。 ［结论］ 本研究通过系统性的架构优化，在保持模型轻量化的同时显著提升了检测性能，实现了计算效率与检测精度的最佳平衡。

基于增强型轻量U-Net3+的茶叶病害诊断方法 |

胡雨萌, 关非凡, 谢东辰, 马萍, 余有本, 周杰, 聂炎明, 黄铝文

2026, 8(1): 15-27. doi:10.12133/j.smartag.SA202507010

摘要 ( 152 )

HTML ( 2)

PDF (1627KB) ( 4 )

数据和表 | 参考文献 | 相关文章 | 计量指标

［目的/意义］ 茶叶病害常年影响着茶叶的产量和品质，针对既有茶叶病斑分割模型分割精细程度不足的问题，提出了一种茶叶病斑分割模型。 ［方法］ 提出了一种基于多尺度特征融合模块（Multi-scale Feature Fusion Module, MSFFM）、多尺度注意力机制（Dual Multi Scale Attention, DMSA）和条件随机场（Conditional Random Fields, CRF）的茶叶病斑分割模型MDC-U-Net3+。在U-Net3+的骨干网络中加入MSFFM获取病斑多个感受野下的特征信息，以减少编码器中特征的丢失；针对分割边界模糊问题，在跳跃连接过程中加入DMSA，充分融合全尺度下的细粒度和粗粒度语义信息；为进一步优化分割结果，利用CRF处理分割后的掩模图像。 ［结果和讨论］ 经验证，改进后模型平均像素精度（Mean Pixel Accuracy, mPA）为94.92%，平均交并比（Mean Intersection over Union, mIoU）为90.9%。相较于U-Net3+的mPA和mIoU分别提升了1.85和2.12个百分点，相对其他经典语义分割模型体现出了更优越的分割效果。 ［结论］ 本方法能够为病害自动检测与精准用药提供数据支持，减少病害造成的损失。

基于改进MobileViT模型的水稻病害识别算法与系统研发 |

刘晓君, 吴茜, 孙传亮, 戚超, 张谷丰, 雷添杰, 梁万杰

2026, 8(1): 28-39. doi:10.12133/j.smartag.SA202507043

摘要 ( 191 )

HTML ( 5)

PDF (3484KB) ( 10 )

数据和表 | 参考文献 | 相关文章 | 计量指标

［目的/意义］ 水稻受涝害、高温等非生物胁迫时，植株抗性下降，极易发生病害。准确、快速识别水稻病害对优化生产管理、确保粮食安全具有重大意义。针对大田水稻病害图像背景复杂、干扰信息多、推理速度慢等问题，提出一种基于改进MobileViT模型的水稻病害识别方法。 ［方法］ 通过优化卷积层、重构 Transformer、集成高效通道注意力模块改进MobileViT模型，构建水稻病害识别模型。结合水稻病害识别模型、云计算、智能手机、知识图谱等研发水稻病害智能识别诊断系统。以自采病害图像为主、公开数据为辅，通过图像预处理、数据增强等构建水稻病害数据集；利用数据集对模型进行训练、测试、交叉验证、消融试验及优化等。 ［结果和讨论］ 改进MobileViT模型对水稻白叶枯病、稻曲病、叶瘟病、恶苗病、破口病、枯心病以及穗瘟病识别精度达到97.25%，比MobileViT模型提高2.3个百分点，较ConvNeXt、GhostNetV2、TinyViT、Swin-Transformer分别提高6.88、8.72、0.92、2.3个百分点，同时推理速度达到139.17 f/s，模型大小6.02 MB，可满足田间实时诊断需求。基于微信小程序、Flask框架开发的水稻病害智能识别诊断系统，可利用识别模型得到识别结果，结合水稻病害知识图谱，诊断病害并生成诊断结果和防控措施。 ［结论］ 水稻病害识别诊断模型和智能系统可有效提高水稻病害、涝害、高温、干旱等灾害防控效率，为水稻生产提质增效、数字化、智能化提供重要技术支撑。

植物病害识别微调模型低秩适配方法 |

黄锦清, 叶进, 胡慧琳, 阳继辉, 兰伟, 张艳青

2026, 8(1): 40-51. doi:10.12133/j.smartag.SA202504003

摘要 ( 269 )

HTML ( 25)

PDF (2250KB) ( 43 )

数据和表 | 参考文献 | 相关文章 | 计量指标

【目的/意义】 深度学习应用于植物病害识别任务时，模型微调面临计算资源受限、参数更新开销较大的挑战。传统低秩适配（Low-Rank Adaptation, LoRA）方法虽能有效减少参数开销，但仍可能导致资源浪费或优化受限。 【方法】 提出一种动态秩分配算法，旨在提升植物病害分类模型精度的同时，平衡计算资源。通过引入一种基于中心化核对齐的跨层特征相似性度量方法，量化不同层之间的表征相关性；同时基于梯度信息和激活强度构建1个校正因子，用于衡量各层对损失函数的直接影响；考虑训练过程中特征表示变化的影响，提出基于稳定性触发的自适应秩分配表更新策略（Rank Re-Allocation, RRA），在训练过程中监测微调模型参数的收敛状态，在模型趋于稳定时自动更新秩分配表，确保关键层分配更多资源，从而实现参数资源在不同层之间的优化分配。 【结果和讨论】 在小麦病害数据集、植物病害数据集等公开数据集上使用AlexNet、MobileNetV2、RegNetY和ConvNeXt这4种不同的模型进行测试，该方法与全参数微调相比，在保证平均准确率的基础上，资源消耗分别减少至0.42%，2.46%，3.56%和1.25%。与LoRA方法（R=16）进行对比，AlexNet、MobileNetV2和RegNetY在小麦病害数据集上的准确率分别提高0.38、0.40和0.05个百分点，资源消耗分别减少59.3%、87.4%和50.5%。 【结论】 低秩自适应微调方法在保证植物病害识别精度的同时，能够显著减少模型训练参数。

自适应混合检索增强大模型的农作物病虫害智能问答方法 |

杨俊, 杨婉霞, 杨森, 何亮, 张娣

2026, 8(1): 52-61. doi:10.12133/j.smartag.SA202506026

摘要 ( 327 )

HTML ( 14)

PDF (1647KB) ( 35 )

数据和表 | 参考文献 | 相关文章 | 计量指标

［目的/意义］ 充分发挥隐含在农业大数据中的分散、异构和无关联农业知识的潜在应用价值，通过构建知识库，结合检索技术用于增强大模型输出专业的农业知识，为促进农业知识快速服务于生产实践提供有效手段。 ［方法］ 提出了检索增强大模型的农作物病虫害智能问答方法，该方法通过自建知识库并协同优化分块策略、自适应检索机制与结构化提示工程，实现了农业病虫害领域知识有效增强大模型的精准专业问答。具体提出了自适应混合检索增强生成方法（Retrieval-Augmented Generation, RAG），首先在固定长度分块时引入重叠机制缓解语义割裂，同时，采用向量语义相似度匹配与主题高度相关的文本分块加以存储。根据问题复杂度设计了动态路由的单跳（BM25算法）检索与多跳检索。然后将文本方法与多种基线方法在不同查询类型和不同复杂度查询等多方面进行了对比实验。 ［结果和讨论］ 本研究方法在Qwen1.5-7B-Chat模型上的效果最佳，准确率达到89.6%，对单跳与多跳查询的准确率分别达到0.921和0.748，较Self-RAG与Adaptive-RAG多跳查询的准确率分别提升0.082和0.059，说明本研究方法能更好地推理多跳等复杂查询。 ［结论］ 本研究方法在生成答案的准确性、相关性和全面性方面具有显著优势。未来的工作将探索融合多模态知识库。

基于改进YOLOv11n的多尺度茶叶病害检测方法 |

肖瑞宏, 谭立新, 王日凤, 宋敏, 胡程喜

2026, 8(1): 62-71. doi:10.12133/j.smartag.SA202509014

摘要 ( 222 )

HTML ( 12)

PDF (1532KB) ( 9 )

数据和表 | 参考文献 | 相关文章 | 计量指标

［目的/意义］ 传统模型使用传统标准化数据集训练后，对实际识别中较远或较近的多尺度茶叶病害目标存在错检或漏检，以及性能不足的情况。针对茶田病害巡检时存在的茶叶病害检测环境中病害形态多样、识别距离不固定且容易受到背景影响而被误判漏判等问题，本研究提出一种集成多尺度特征分解、可切换空洞卷积与自适应空间融合的改进模型YOLO-SADMFA（YOLO Switchable Atrous Dynamic Multi-Scale Frequency-Aware Adaptive）。 ［方法］ 增加模型卷积、特征提取、上采样与检测头轮次加强多尺度能力，提出一种多尺度特征分析解算与动态频率调整融合的动态多尺度频率感知上采样模块进行上采样。首先，该模块可以在有效融合多尺度特征的情况下控制上下采样的信息丢失；其次，引入可切换空洞卷积模块代替原有跨阶段部分核心模块，通过结合不同的空洞率结果进一步加强捕捉目标多尺度信息，同时采用权重锁定机制提升了模型性能；最后，在head结构中引入自适应空间特征融合（Adaptively Spatial Feature Fusion, ASFF），其技术特性形成ASFF检测头，自适应地学习空间融合权重，有效地过滤相冲突的信息。同时建立了1个含有2 880张图像9种茶叶病害类别的茶叶病害数据集。 ［结果和讨论］ 该方法在茶叶病害检测的任务中精确度、召回率和平均精度值分别为89.7%、82.6%和86.3%。YOLO-SADMFA较原版YOLOv11n模型精确度、召回率、平均精度值分别提升4.4、8.4、3.7个百分点，尤其在处理病斑面积占比10%~65%的多尺度目标时表现突出。在低光照、复杂背景等田间实际场景下，模型仍保持较高的检测稳定性，能够有效区分形态相似的病害类型，并在边缘计算设备上实现约161帧/s的实时检测速度。 ［结论］ 本研究所提出的YOLO-SADMFA有效解决了茶园复杂环境下多尺度病害检测难题，显著提升了检测准确性和鲁棒性，为自动化茶叶病害巡检系统提供了可靠的技术支持，对促进茶产业智能化发展具有重要应用价值。

农作物病虫害自监督适应性多模态特征融合识别方法 |

叶鹏林, 闵超, 苟良杰, 王鹏程, 黄小鹏, 李鑫, 蒙玉平

2026, 8(1): 72-84. doi:10.12133/j.smartag.SA202509032

摘要 ( 33 )

HTML ( 3)

PDF (4722KB) ( 3 )

数据和表 | 参考文献 | 相关文章 | 计量指标

［目的/意义］ 传统农作物病虫害识别普遍依赖单模态图像，信息利用不充分，导致识别精度受限。针对该问题，本研究提出融合图像与文本的多模态识别方法，旨在显著提升分类准确率与模型鲁棒性，为农业精准防控提供数据驱动的新路径。 ［方法］ 构建基于自监督适应性特征融合的识别模型。首先，利用大语言模型结合权威农业指南进行提示工程，将标签转化为细粒度病理语义描述；其次，基于图像文本对比学习（Contrastive Language-Image Pre-training, CLIP）提取图像与文本双流特征，设计跨模态平衡对齐模块解决样本不对称问题；再次，通过适应性融合机制动态分配模态权重，实现深层语义交互；最后，引入自监督特征重构任务以增强特征表征的鲁棒性。 ［结果和讨论］ 在PlantVillage标准数据集上的实验表明：模型分类准确率达99.67%，较ResNet50（96.51%）、Swin-Transformer（97.48%）和基础CLIP（98.23%）准确率高；同时，精确率、召回率与F₁分数均超过99.00%，验证了方法的有效性与稳定性。 ［结论］ 该方法通过融合文本语义与视觉特征，有效突破了单模态识别局限，显著提升了模型在细粒度分类任务中的准确率与泛化能力。

生猪智能检测技术研究进展与未来展望 |

肖德琴, 吕玉定, 黄一桂, 爨凯旋

2026, 8(1): 86-103. doi:10.12133/j.smartag.SA202507048

摘要 ( 203 )

HTML ( 4)

PDF (3570KB) ( 17 )

数据和表 | 参考文献 | 相关文章 | 计量指标

［目的/意义］ 生猪智能检测技术是推动养殖业由传统模式向智能化、精准化转型的重要支撑，对于保障动物福利和提升产业效益具有重要意义。本文旨在系统梳理当前生猪智能检测领域的研究进展与应用现状，为后续技术发展与产业应用提供参考。 ［进展］ 在研究进展方面，本文从5类源数据出发，综述了典型算法与应用，包括基于红外图像的体温检测、基于可见光图像的健康分析、基于三维图像的体重估测、基于可穿戴传感器的健康监测，以及基于音频信号的异常识别。同时，归纳了智能检测装备的研发与应用情况，涵盖估重设备、健康监测装置和巡检机器人，分析了其在体重评估、行为识别和生理监测中的实践价值。研究表明，生猪智能检测技术已在多个方向展现出良好应用前景，但在算法鲁棒性、设备成本控制和规模化验证等方面仍存在明显不足。 ［结论/展望］ 未来研究应聚焦多模态数据融合、轻量化模型部署及环境自适应校准，并进一步探索基于大数据的生长预测模型与行为节律分析，以提升检测的精度和推广的可行性。

设施蔬菜智能管控技术研究进展与展望 | Open Access

王剑, 赵浩森, 马越, 邢斌, 朱文颖

2026, 8(1): 104-119. doi:10.12133/j.smartag.SA202508003

摘要 ( 35 )

HTML ( 3)

PDF (1311KB) ( 8 )

数据和表 | 参考文献 | 相关文章 | 计量指标

［目的/意义］ 在科技飞速发展与消费者需求多样化的背景下，传统农业向信息化、智能化转型进程加快，开展设施蔬菜智能管控技术研究对提升蔬菜产量品质、保障市场稳定供应、推动蔬菜产业高质量发展具有重要意义。本文旨在为设施蔬菜智能化管控技术的发展提供科学依据与决策参考。 ［进展］ 本文系统剖析了物联网、区块链、人工智能等信息技术在设施蔬菜管控关键领域的应用创新成果。在产地环境精准调控方面，实现了设施内温湿度、光照、二氧化碳浓度等环境参数的精准监测与智能调控，为蔬菜生长创造最优环境；在栽培信息化管理领域，整合水肥一体化智能设备、农业机器人作业系统与病虫害防治，优化全流程信息化管控，有效提升栽培效率与蔬菜品质；在仓储信息化管控方面，通过产地仓储保鲜、智能分等分选，以及追溯信息化平台的应用，有效提升蔬菜流通品质与安全保障水平。 ［结论/展望］ 本文探讨了中国设施蔬菜智能管控技术发展过程中面临的传感器精度稳定性不足、调控决策滞后、设备协同机制缺失，病虫害防治整合性差、蔬菜品质追溯难及风险预警滞后等问题，提出硬件优化与多技术融合支撑精准感知及智能调控、强化设备协同优化、病虫害防治整合、数字孪生与元宇宙融合构建虚实联动仓储管理体系等建议对策。最后，展望了设施蔬菜智能化管控技术在产地环境精准调控、栽培管理信息化和仓储信息化管控3个方面的未来发展方向。

羊只体尺测量的研究进展：从二维视觉到三维重建及2D-3D融合 | Open Access

戴维娇, 梁禹东辰, 周勇, 姚超, 章程, 宋永健, 李国亮, 田芳

2026, 8(1): 120-147. doi:10.12133/j.smartag.SA202507028

摘要 ( 22 )

HTML ( 1)

PDF (4740KB) ( 2 )

数据和表 | 参考文献 | 相关文章 | 计量指标

［目的/意义］ 在精准育种的全基因组选择工作中，羊的体尺参数是评价其生长发育与育种价值的重要依据。传统人工测量方法效率低、误差大，且易导致羊应激，难以满足精准养殖需求。本文概述了羊只体尺测量技术的研究进展、应用以及分析发展方向，为羊只体尺非接触测量提供理论参考与实践指引。 ［进展］ 系统综述了基于二维图像、三维点云，以及二维与三维融合技术的三类主流羊体尺特征提取方法的技术原理、关键算法、测量精度及应用现状。基于二维图像的方法，通过人工构建几何特征或采用深度学习关键点识别算法实现测量，其优势在于成本低廉、操作便捷，但其测量结果易受拍摄视角与光照条件干扰，且难以获取关键的围度参数。基于三维点云的技术能精准重建羊只三维模型，可全面获取包括围度在内的各类体尺数据，精度显著提升，然而该技术面临设备成本高、点云数据处理复杂，以及对动物姿态变化敏感等挑战。作为前两者的结合，二维与三维融合技术旨在取长补短，在牛、猪等家畜上已得到有效验证并展现出优异性能，为羊只体尺测量提供了重要的技术借鉴与实践思路。 ［结论/展望］ 综合分析显示，未来研究应构建大规模高质量数据集；研发轻量级、泛化性强的人工智能模型；优化三维点云处理流程，推动低成本高鲁棒性视觉系统在养殖场景中的集成应用；通过位姿标准化、精细三维分割策略和多模态数据融合，重点提高曲线参数测量（如胸围、腹围和小腿围）的精度；将羊只与其他动物体尺测量技术相互借鉴和协同发展以加速羊只体尺自动化测量技术的产业化，支撑智慧牧场建设。

基于自适应Kalman滤波与GWO-LSTM-Attention的温室温湿度预测方法 |

蔡玉琴, 刘大铭, 徐琴, 李波洋, 刘博杰

2026, 8(1): 148-155. doi:10.12133/j.smartag.SA202506033

摘要 ( 185 )

HTML ( 4)

PDF (1482KB) ( 5 )

数据和表 | 参考文献 | 相关文章 | 计量指标

［目的/意义］ 针对温室温湿度预测中多传感器数据融合可靠性低、传统模型忽略温湿度动态耦合，以及参数调优依赖人工经验等问题。 ［方法］ 首先，对传统卡尔曼（Kalman）滤波算法实施改进，通过动态调整过程噪声协方差和观测噪声协方差，结合新息方差动态分配多传感器权重。其次，针对温湿度的强耦合性及其协同控制的需求，构建多输出长短期记忆-注意力机制（Long Short-Term Memory -Attention, LSTM-Attention）模型，以温湿度协同预测为目标，引入注意力机制自适应加权关键环境因子，并采用灰狼优化算法（Grey Wolf Optimizer, GWO）自动对超参数进行寻优。 ［结果和讨论］］ 提出的自适应卡尔曼滤波算法在多点温湿度融合中的平均绝对偏差分别为1.59 ℃和8.64%，比传统卡尔曼滤波算法分别降低1.24%、8.57%。以该算法融合结果作为模型训练集，模型在温湿度预测中决定系数R²分别达到98.2%和99.3%，比传统Kalman提升4.7%和4.3%。GWO-LSTM-Attention模型的温湿度预测均方根误差分别为0.776 8 ℃和2.056 4%，比LSTM、LSTM-Attention时间序列预测模型分别降低15.6%、6.6%，湿度分别降低29.2%、5.7%。 ［结论］ 提出的自适应卡尔曼融合算法能够有效抑制异常值影响，可在非平稳环境变化下实现多传感器数据可靠融合。在温室多环境因子预测中，GWO-LSTM-Attention模型温湿度预测值在未来可作为控制温室环境的重要参考，进而实现对温室环境的实时调控。

点云数据驱动的玉米叶片生物量估算方法 |

武张斌, 何宁, 吴延东, 郭新宇, 温维亮

2026, 8(1): 156-166. doi:10.12133/j.smartag.SA202509015

摘要 ( 130 )

HTML ( 2)

PDF (2964KB) ( 1 )

数据和表 | 参考文献 | 相关文章 | 计量指标

［目的/意义］ 玉米叶片干重生物量是反映植株生理过程的关键性状，可有效表征玉米生长状态。准确估算玉米叶片干重生物量，对于预测玉米产量和生产管理决策具有重要意义。传统的生物量预测研究主要集中在群体冠层尺度，缺少植株和器官尺度的干重生物量预测方法。围绕玉米栽培管理等研究对器官干重生物量信息快速获取的需求，开展基于叶片3D点云和机器学习的玉米叶片干重生物量无损测量方法研究。 ［方法］ 本研究使用多视角三维重建、激光雷达三维扫描和3D数字化三种方式获取玉米叶片点云数据。运用随机森林、梯度提升回归树和支持向量回归三种机器学习方法，以及卷积神经网络和全连接神经网络（Fully Connected Neural Network, FCNN）两种深度学习方法进行玉米叶片干重预测，进而构建基于点云的玉米叶片干重生物量预测模型。 ［结果和讨论］ 使用激光雷达点云数据结合FCNN方法构建的生物量预测模型精度最高，平均绝对误差为0.08 g，平均绝对百分比误差为4.60%，均方根误差为0.10 g，决定系数为0.98。 ［结论］ 利用高分辨率的玉米叶片3D点云结合机器学习方法，可实现玉米叶片干重的高精度估算，为作物器官生物量无损测算提供新途径。

基于CornYOLO的冠层内玉米果穗目标检测方法 |

高光甫, 王启磊, 宋丽雯, 冯海宽, 时雷, 杨浩, 刘杨, 岳继博

2026, 8(1): 167-177. doi:10.12133/j.smartag.SA202509005

摘要 ( 138 )

HTML ( 4)

PDF (2701KB) ( 13 )

数据和表 | 参考文献 | 相关文章 | 计量指标

［目的/意义］ 玉米是主要粮食作物，果穗作为玉米关键表型性状，其形态、大小及颜色特征能够有效反映植株生长状态及潜在产量。传统的田间玉米果穗检测依赖人工，效率低且劳动强度大。随着密植栽培模式的推广，玉米冠层结构愈发密集，人工进入田间开展果穗测量不仅操作困难，还容易对植株造成机械损伤，进一步限制了数据的准确性与代表性。因此，亟需高效的自动化检测技术。 ［方法］ 为实现复杂田间环境下玉米果穗的高效精准检测，提出一种基于改进YOLO11n（You Only Look Once 11）的CornYOLO模型。创新性地采用无人车搭载全景相机进行图像采集，构建了高质量的田间数据集，并在此基础上提出了3项核心模型改进：1）采用动态点空间注意力的跨阶段部分网络（Cross Stage Partial Network with Dynamic Pointwise Spatial Attention, C2PDA）以提升对遮挡目标的识别鲁棒性；2）引入特征优化模块（Feature Refinement Module, FRM）以增强多尺度目标检测能力；3）使用统一交并比（Unified Intersection Over Union, UIoU）损失函数以优化边界框回归精度。为作物田间表型高通量获取提供了一种从数据采集到智能识别的端到端解决方案。 ［结果和讨论］ CornYOLO在复杂田间环境下表现出优异的检测性能，在验证集上mAP@50达到89.3%，相较于YOLO11n，F₁分数提升2.5个百分点。相较于其余基线模型，其mAP@50提升显著，最高达12.6个百分点。消融实验表明，C2PDA、FRM与UIoU这3个模块均对性能提升有积极贡献，其中C2PDA作用最为关键。 ［结论］ CornYOLO模型能够高效精准地识别田间玉米果穗，为玉米育种表型分析和产量预测提供可靠的技术支持，推动玉米果穗信息提取的智能化发展。

规模化牛场智能巡检路径规划算法 |

陈若彤, 刘继芳, 张志勇, 马楠, 卫培刚, 王亿, 杨艳涛

2026, 8(1): 178-191. doi:10.12133/j.smartag.SA202504004

摘要 ( 343 )

HTML ( 6)

PDF (4660KB) ( 60 )

数据和表 | 参考文献 | 相关文章 | 计量指标

［目的/意义］ 畜禽健康问题的及时发现和早期预警对绿色高效养殖至关重要，传统人工巡检耗时耗力且易漏检错检。机器人巡检具有全天候、高精度、高效率和低成本等优势，但现有巡检路径规划较少考虑规模养殖场内肉牛、奶牛等大型畜种个体的全局遍历和动态障碍物导致的局部可通行性优化问题。 ［方法］ 本研究提出了一种融合旅行商问题（Traveling Salesman Problem, TSP）、A*（A-Star）和动态窗口法（Dynamic Window Approach, DWA）的全局-局部优化的规模化牛场智能巡检路径规划算法，解决了牛场动态场景下的全局多目标个体遍历、路径冗余与局部通行避障的问题。在全局遍历优化上，提出了融合改进TSP和A*算法的全局巡检路径规划算法；在局部通行优化上，改进DWA实现动态障碍物引起的局部区域可通行性实时判别与提前主动避障。融合全局和局部算法并在Matlab中搭建动态环境验证。 ［结果和讨论］ 改进A*算法在规划时间、路径平滑性、路径长度和搜索效率上均优于传统A*算法；融合TSP和A*的全局巡检算法的平均巡检覆盖率达100%，巡检距离和时间较经典蚁群算法分别缩短了17.99%和20.85%；改进DWA可根据障碍物的尺寸提前判断巡检通道的局部可通行性，实时调整机器人线速度、角速度和姿态角度，提前主动避障。 ［结论］ 本研究提出的智能巡检算法能够在规模化牛场中实现一定时间内的牛只个体遍历和实时主动避障，有效提升了巡检效率和质量。

基于双目视觉和改进YOLOv11-pose的河蟹水下原位质量估测方法 |

李澳强, 戴航宇, 郭亚

2026, 8(1): 192-202. doi:10.12133/j.smartag.SA202505019

摘要 ( 342 )

HTML ( 11)

PDF (4043KB) ( 24 )

数据和表 | 参考文献 | 相关文章 | 计量指标

［目的/意义］ 河蟹质量的精准估测对于河蟹精准化养殖具有重要的意义，但是传统的河蟹质量人工测量效率低且易损伤蟹体，面向河蟹水下原位质量估测方法研究非常缺乏。为此研究开发高效无损的河蟹水下原位质量估测方法。 ［方法］ 基于双目视觉建立融合关键点检测与三维测量的质量估测方法，克服现有三维重建技术在水下动态场景中关键点定位精度不足的瓶颈，进而实现河蟹水下原位质量精准估测。首先，改进YOLOv11框架，通过将MBConv模块与EffectiveSE注意力机制融合重构C3K2特征提取模块，并引入空间动态特征融合机制表面细节融合模块，构建适应养殖水体浑浊环境的河蟹目标检测模型；其次，建立关键点检测匹配算法替代传统全局立体匹配，结合三角测量原理实现甲壳三维参数精准测量；最后，构建双层反向传播神经网络，融合甲壳形态参数与性别特征进行质量回归预测。 ［结果和讨论］ 改进后的目标检测模型在交并比为0.5的平均精度均值（Mean Average Precision, mAP）达97.2%，关键点检测精度mAP50达96.7%；河蟹甲壳三维测量平均绝对百分比误差（Mean Absolute Percentage Error, MAPE）仅为2.68%；系统整体质量预测MAPE为7.1%。 ［结论］ 建立的非接触式测量方法能够实现水下河蟹形态参数的精准获取与质量估测，为河蟹养殖智能化监测提供了关键技术参数，具有重要的理论和应用价值。

基于时序多源信息融合的果蔬新鲜度在线检测系统 |

黄先果, 朱启兵, 黄敏

2026, 8(1): 203-212. doi:10.12133/j.smartag.SA202505037

摘要 ( 200 )

HTML ( 16)

PDF (2248KB) ( 11 )

数据和表 | 参考文献 | 相关文章 | 计量指标

［目的/意义］ 为实现果蔬在储运过程中的实时、精准品质监控，提出并实现了一种基于时序多源信息融合的在线检测系统。该系统旨在克服传统检测方法存在的离线性、单一模态及无法捕捉动态演变等缺陷，为冷链供应链的精细化管理与早期腐败预警提供新的技术途径。 ［方法］ 该系统通过自主设计的便携式采集节点，同步采集时序的环境传感数据与视觉指示标签图像。为深度挖掘两种异构时序数据间的复杂关联，本研究提出了一种新颖的协同注意力卷积循环网络（Co-Attention-Based Convolutional Recurrent Network, Co-ACRN）深度学习模型。该模型独创性地采用“协同注意力+自注意力”双重机制，前端通过协同注意力对时序多模态数据进行智能对齐，后端利用自注意力对时序信息进行全局上下文复盘。最终将模型高效部署于Qt端，实现了对果蔬新鲜度的边缘侧在线检测。 ［结果和讨论］ Co-ACRN模型在芒果新鲜度检测任务中准确率达到了96.93%，显著优于多种先进的时序多模态融合模型；消融实验进一步证实了研究提出的“时序信息+多模态信息”输入的必要性，以及“双重注意力”架构的优越性，其中模型的各类别召回率最高可达99.16%。部署于客户端后，系统单次诊断耗时小于2 s，验证了该方案的高精度与实时性。 ［结论］ 开发的系统为分布式果蔬品质的在线、智能监控提供了一套兼具创新性与实用性的完整解决方案。

基于模糊逻辑控制的滑移转向底盘避障控制方法 |

李磊, 佘小明, 唐兴隆, 张涛, 董继伟, 古愉川, 周晓晖, 冯伟, 杨清慧

2026, 8(1): 213-225. doi:10.12133/j.smartag.SA202408003

摘要 ( 453 )

HTML ( 3)

PDF (2316KB) ( 762 )

数据和表 | 参考文献 | 相关文章 | 计量指标

［目的/意义］ 目前，针对同时实现自动驾驶底盘轨迹跟踪和避障控制的研究还存在跟踪性能不足、执行器易抖动和系统复杂度过高的问题，提出了一种简洁算法同时实现底盘的轨迹跟踪和避障控制。 ［方法］ 利用模糊并行分布式补偿策略设计全局Takagi-Sugeno（T-S）模糊控制器，设计线性二次型调节器（Linear Quadratic Regulator, LQR）控制器作为每个局部系统的控制器，实现底盘的轨迹跟踪。在全局开环T-S模糊系统中设计一个新的 $L Q R o b s$ 控制器用于实时动态轨迹规划，实现避障控制，并且设计了一个模糊控制器来动态调整增益矩阵。利用模糊融合控制器将两个控制器联合起来形成最终的控制输入。 ［结果和讨论］ 测试表明，在没有障碍物时，轨迹跟踪的横纵向跟踪误差分别为0.041 m和0.052 m。在有障碍物时，该方法可以实时生成参考轨迹实现避障控制。设计的模糊控制器可以根据工况实时调整 $L Q R o b s$ 控制器的增益矩阵，与增益矩阵固定的 $L Q R o b s$ 控制器相比，其跟踪误差降低了33.9%。 ［结论］ 该方法利用简洁的算法结构同时实现了底盘的轨迹跟踪和避障控制，为底盘的轨迹跟踪和避障控制研究提供了一种新的参考。

基于改进遗传算法的多机协同作业调度和规划方法 |

朱天文, 王旭, 张波, 杜歆桐, 吴春笃

2026, 8(1): 226-236. doi:10.12133/j.smartag.SA202508010

摘要 ( 210 )

HTML ( 3)

PDF (3016KB) ( 7 )

数据和表 | 参考文献 | 相关文章 | 计量指标

［目的/意义］ 为解决收获作业中存在的作业效率低下问题，以多台收割机在多个田块上的协同作业为研究对象，统筹考虑机群地块间调度与单机田块内路径规划的一体化需求。 ［方法］ 在作业负载均衡与时间窗等约束条件上，提出了一种改进型多旅行商遗传算法（Improved Multi-Traveling Salesman Problem Genetic Algorithm, IMTSP_GA）。该算法采用双层染色体编码结构：第1部分表示任务点序列，第2部分为任务分割方案，从而形成多收割机的作业路径。种群初始化结合顺序与随机策略，在遗传操作中引入基于Q-learning的自适应变异机制，以最小化总作业时间为优化目标，逐步改进调度方案，根据调度方案，完成了收割机全流程路径规划。核心创新在于引入基于Q-learning的自适应变异机制，该机制通过学习搜索与变异算子效果之间的关系，自适应选择合适的变异策略，以克服传统遗传算法易早熟收敛、局部搜索能力不足等问题，提升全局探索与局部开发性能。 ［结果和讨论］ 所提方法有效地实现了收割机作业调度和规划，其中，IMTSP_GA算法在总作业时间上，相比遗传算法（Genetic Algorithm, GA）、粒子群算法（Particle Swarm Optimization, PSO）和蚁群算法（Ant Colony Optimization, ACO）分别减少了4.48%、5.32%、9.87%，迭代次数为85，运行时间为5.82 s，相比GA、PSO和ACO算法收敛性能更优、运行时间更快。 ［结论］ 研究结果可为无人农场的多收割机作业调度和规划方法提供科学依据。

当期目录