科学家开发了一种智能系统,可用于测量农业机械的工作区域!

   电子分析员        

精确地测量农业机械的工作面积,对于执行机械使用的认证、更好地分配资源、测量机械使用对产量、使用计费和驾驶员行为的影响都是重要的。手工测量是一种常见的做法,它是一个容易出错且耗时的过程。不规则的字段使得计算工作面积更加困难。一种使用智能技术和算法来精确计算工作区域的自动解决方案对农业的发展至关重要。在这项工作中,研究人员开发了一个智能系统,利用物联网(IoT),全球定位系统(GPS)和人工智能(AI)记录农业机械的运动,并使用它来测量其使用的精确工作区域。该系统将最近邻算法与基于接触的机制相结合,以便为不同形状的场和活动找到精确的工作区域。该系统能够记录机器的运动并计算其工作面积,而不管机器在某一特定区域内运行多少次。研究人员的评估表明,对于不规则形状,该系统能够精确地找到工作边界并计算出最大误差为9%的面积。


相关论文以题为“Determining the Precise Work Area of Agriculture Machinery Using Internet of Things and Artificial Intelligence”发表在《Applied Sciences》上。



随着世界向第四次工业革命迈进,物联网、人工智能、云计算等先进技术的应用正成为主流。农业每年对世界经济的贡献很大。农业现代化可以大大增加农场的产量,并可以导致世界经济的全面增长。农业机械用于种植、栽培和收获农作物。


通过测算农机的工作面积,可以验证农机的使用情况,估算农机的运行成本。传统上,用卷尺手工测量农田面积。这是一个耗时的过程,效率非常低。当研究人员试图测量形状不规则的磁场面积时,效率会提高得更多。


为了解决这些问题,精确计算机械工作面积,本文开发了一种机械工作面积计算机构。研究人员使用智能物联网设备来记录农业机械的运动。在对异常值进行滤波后,采用不同的凹凸体人工智能方案对数据进行处理。人工智能算法检测工作区域的边界点。在边界点上,应用算法计算了农业机械的精确工作面积。


人工智能算法擅长在均匀分布的区域内计算规则形状和不规则形状的区域。然而,当磁场不均匀覆盖或机械只在周长周围使用时,其精度会降低。为了克服这个问题,研究人员将AI与基于接触的机制结合使用。基于接触的方案利用机械覆盖的距离和机械的宽度来计算面积,从而帮助在现场工作中检测异常。


数据收集和存储


研究人员开发的系统由物联网模块、智能手机应用程序和云模块组成,如图1所示。云模块由事件处理程序、数据存储单元和AI模块组成。



图1.显示物联网设备与云之间通信的系统架构图。


边界检测比较


对两种算法在检测工作区域边界方面进行了比较。图2和图3显示了凹壳(使用KNN)和凸壳(使用Delaunay三角剖分)的比较。可以看到,两种算法在处理规则形状的工作区域时都有较好的效果。



图2.边界检测算法的比较(a)实际GPS图,(b)使用KNN的凹壳,(c)使用Delaunay三角剖分的凸壳。




图3.边界检测算法的比较(a)实际GPS图,(b)使用KNN的凹壳,(c)使用Delaunay三角剖分的凸壳。


对于不规则形状,凹壳算法能很好地确定边界点。而Delaunay三角剖分无法详细识别边缘,如图4所示。Delaunay三角测量已经完全无法识别洞穴形状,而使用KNN的凹形船体表现良好。



图4.边界检测算法的比较(a)实际GPS图,(b)使用KNN的凹壳,(c)使用Delaunay三角剖分的凸壳。


在如图5所示的非常不规则的场中,Delaunay三角测量再次失败,但是使用KNN的凹壳能够检测到大部分的形状。同样重要的是要注意凹形所形成的形状也非常接近实际的形状。



图5.边界检测算法的比较(a)实际GPS图,(b)使用KNN的凹壳,(c)使用Delaunay三角剖分的凸壳。


Delaunay三角剖分法只适用于规则形状的场,而使用KNN的凹壳剖分法效果较好,但不规则度的增加也会影响其精度。因此,形状的不规则性直接影响到边界检测的准确性。


结论和未来工作


场地的不规则性、驾驶员的行为和场地机械运行次数直接影响工作面积的计算。通过获取机械作业面积,可以实现对机械使用情况的验证、资源的有效分配、单位面积产量的计算、机械作业成本的测算和驾驶员行为的研究。GPS和人工智能在精确定位农业机械的工作区域方面很有优势。像Delaunay这样的凸形算法擅长寻找规则形状的区域,但在处理不规则形状时给出不准确的数字。


像KNN这样的凹壳算法在检测规则和不规则形状方面都很好,但是对于较大的数据集,它的计算开销较大。与其他算法相比,KNN与FLANN结合具有较好的准确性和较低的计算成本。KNN是一个非常好的解决方案,但它可能显示不正确的结果时,研究是在周边进行的。利用基于接触的算法将KNN的功能扩展到不规则和稀疏的工作。这种组合还有助于发现外场跑动的次数。


基于接触的区域计算使用距离机制,有助于发现区域和实地运行的数量。该机制预期,这一领域在所有区域都占相当大的比例。如果工作是在边界附近执行的(如图2和图4所示),基于接触的机制将给出不正确的结果。因此,KNN、Delaunay、带FLANN的KNN和基于接触的机制只有在联合使用时才有用。


作为后续工作的一部分,该工作可以扩展到显示数据点的GPS样本数量与工作区计算精度之间的关系。对于少量点的边界检测是难以实现的,可以推导出一种方法来解决这一问题。在本文中,研究人员可以将该系统与计费系统集成,从而使用计算出的工作面积来估算机械操作的成本。通过衡量机械成本和生产的净产量,我们可以有效地分配资源来增加农场的产量。


论文链接:https://www.mdpi.com/2076-3417/10/10/3365/htm



最新评论(0)条评论
取消

还没有人评论哦,抢沙发吧~

相关新闻推荐