基于机器视觉的插秧机作业质量监测系统研究

张子豪; 干熊; 汪本福; 王焱清; 杨光友

doi:10.13873/J.1000-9787(2025)09-0033-04

Chinese

您当前的位置：

首页 >

文章列表页 >

基于机器视觉的插秧机作业质量监测系统研究

研究与探讨 | 更新时间：2025-09-11

- 基于机器视觉的插秧机作业质量监测系统研究
- 暂无标题
- 传感器与微系统 2025年第9期页码：33-36
- 作者机构：
  
  1. 湖北工业大学农机工程研究设计院
  2. 湖北省农机装备智能化工程技术研究中心
  3. 粮食作物种质创新与遗传改良湖北省重点实验室
- 作者简介：
- 基金信息：
  
  国家重点研发计划项目(2022YFD2301005—03);湖北省农机装备补短板核心技术应用攻关项目(HBSNYT202208);湖北工业大学博士科研启动基金资助项目(XJ2022006601)
- DOI：10.13873/J.1000-9787(2025)09-0033-04
  中图分类号： S223.91;TP391.41
- 纸质出版：2025
- 稿件说明：
移动端阅览
张子豪, 干熊, 汪本福, 等. 基于机器视觉的插秧机作业质量监测系统研究[J]. 传感器与微系统, 2025,(9):33-36.
张子豪, 干熊, 汪本福, 等. 基于机器视觉的插秧机作业质量监测系统研究[J]. 传感器与微系统, 2025,(9):33-36. DOI： 10.13873/J.1000-9787(2025)09-0033-04.

DOI：

摘要

插秧机在工作过程中易出现插秧异常的现象，及时获取插植秧苗的状态与位置信息对提高插秧机作业质量具有重要意义。为此，提出了一种基于机器视觉的插秧机作业质量监测系统。该系统由秧苗检测子系统、报警与信息上传子系统和远程监测云平台组成，秧苗检测子系统通过摄像头获取作业图像，并利用改进的YOLOv7—tiny模型进行在线识别；报警与信息上传子系统实现作业位置的获取、异常监测报警以及工作信息上传；云平台使作业图像、工作面积等数据可视化。实验结果表明，改进后的模型平均精度均值(mAP)达87.5%

模型大小缩小17.6%

优化了在边缘端的部署性能：该系统有助于提高插秧机作业质量和效率，为无人插秧机的智能化提供技术支持。

Abstract

关键词

Keywords

references

杨浩勇,朱伟,刘德营,王兴盛.插秧机田间作业质量检测系统设计与试验[J].江苏农机化,2022(04).

朱伟,马立新,张平,刘德营.基于GoogLeNet和无人机图像的水稻秧苗形态识别[J].华南农业大学学报,2022(03).

赵伟,沈乐,徐凯宏.改进YOLOv7算法在火灾现场行人检测中的应用[J].传感器与微系统,2023(07).

孟志军,王昊,付卫强,刘孟楠,尹彦鑫,赵春江.农业装备自动驾驶技术研究现状与展望[J].农业机械学报,2023(10).

苏明,艾海明,马琳,颜世峰,王东明.基于AI的图像识别乘驾安全监测系统研制[J].传感器与微系统,2023(08).

汪剑.无人插秧机远程监控系统的设计与实现[D].江苏大学,2017(01).

赵璜晔.基于机器视觉的无人插秧机作业质量监控系统研究[D].江苏大学,2020(02).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

污泥沉降比自动检测系统在污水处理中的应用

基于六阵列传感器的全自动脉搏信号采集系统

数字化智能配电站房边缘图像检测技术

基于边缘计算的实时目标检测算法

改进的车联网边缘计算负载感知卸载策略研究