書接上文，繼續(xù)分享智慧果園種植相關(guān)的科研論文，快速了解最新農(nóng)業(yè)科研進展。

八、山地果園管道自動噴霧系統(tǒng)設(shè)計與試驗

參與機構(gòu)：華南農(nóng)業(yè)大學(xué)電子工程學(xué)院(人工智能學(xué)院)、廣東省農(nóng)情信息監(jiān)測工程技術(shù)研究中心、國家柑橘產(chǎn)業(yè)技術(shù)體系機械化研究室

基于管道的自動噴霧技術(shù)及設(shè)施可以解決山地果園植保作業(yè)中噴霧作業(yè)效率低、勞動強度大、移動式噴霧機械難以進入的問題。該團隊研究設(shè)計了適用于山地果園的管道自動噴霧系統(tǒng)，從噴霧首部、噴霧管道、自動噴霧控制器到噴霧小組等一套系統(tǒng)，并開發(fā)了控制程序。

結(jié)果表明，該系統(tǒng)與人工噴霧相比，提高了噴霧作業(yè)的效率，可為山地果園的噴霧技術(shù)及智能施藥設(shè)施的研發(fā)提供參考和思路。

九、基于改進Linknet網(wǎng)絡(luò)的黃土高原蘋果園精準提取

參與機構(gòu)：西北農(nóng)林科技大學(xué)水利與建筑工程學(xué)院、中國科學(xué)院水利部水土保持研究所

針對黃土高原蘋果栽植面積增加，而對區(qū)域生態(tài)水文和社會經(jīng)濟發(fā)展產(chǎn)生的重要影響，同時考慮到該區(qū)域果園地塊小且場景復(fù)雜，僅有縣/市尺度統(tǒng)計數(shù)據(jù)，尚無蘋果園實際空間分布信息的現(xiàn)狀。該團隊研究建立了無人機低空遙感影像專業(yè)數(shù)據(jù)集。

研究融合了遷移學(xué)習(xí)與深度學(xué)習(xí)方法，重點對比了幾種網(wǎng)絡(luò)下的提取性能。對比三種網(wǎng)絡(luò)性能，表現(xiàn)最優(yōu)的為R_34_Linknet_ASPP+，并在長武縣王東溝、白水縣通積村進行了試驗，驗證了該方法提取到的蘋果園更加準確，蘋果園地塊邊緣處理效果更好，可作為黃土高原蘋果園空間分布制圖等研究的技術(shù)支撐和理論依據(jù)。

十、基于改進Ghost-YOLOv5s-BiFPN算法檢測梨樹花序

參與機構(gòu)：江蘇省農(nóng)業(yè)科學(xué)院農(nóng)業(yè)設(shè)施與裝備研究所/農(nóng)業(yè)農(nóng)村部園藝作物農(nóng)業(yè)裝備重點實驗室、江蘇大學(xué)農(nóng)業(yè)工程學(xué)院

為實現(xiàn)機械化智能疏花，發(fā)展高速疏花方式，完成花朵與花苞的分類與檢測作業(yè)。該團隊研究針對目前梨園智能化生產(chǎn)中出現(xiàn)的梨樹花序檢測與分類問題，提出了一種基于改進YOLOv5s的水平棚架梨園花序識別算法。

試驗結(jié)果表明，改進的算法對梨樹花序中花苞與花朵的檢測精度、平均精度等參數(shù)較佳。相比于原始算法，檢測精度與召回度分別有提升，檢測時間和模型參數(shù)量分別降低。表明該算法可對梨樹花苞與花朵進行精確地識別和分類，為后續(xù)梨園智能化疏花的實現(xiàn)提供技術(shù)支持。

十一、基于改進YOLOX的自然環(huán)境中火龍果檢測方法

參與機構(gòu)：華南農(nóng)業(yè)大學(xué)工程學(xué)院、廣東省農(nóng)業(yè)人工智能重點實驗室、南方農(nóng)業(yè)機械與裝備關(guān)鍵技術(shù)教育部重點實驗室

為提高自然環(huán)境下果實識別的精確性、魯棒性和檢測效率，完成機器人在自然環(huán)境下而定精準監(jiān)測條件，該團隊研究對YOLOX網(wǎng)絡(luò)進行改進，提出了一種含有注意力模塊的目標檢測方法。

對該方法進行性能評估和對比試驗，對不同分辨率的火龍果果園自然環(huán)境下采集的視頻進行實時測試。試驗結(jié)果表明，研究提出的改進目標檢測方法，檢測速度、檢測精度和模型大小滿足自然環(huán)境下火龍果采摘的技術(shù)要求。

十二、面向果園多機器人通信的AODV路由協(xié)議改進設(shè)計與測試

參與機構(gòu)：西北農(nóng)林科技大學(xué)機械與電子工程學(xué)院、農(nóng)業(yè)農(nóng)村部蘋果全程機械化科研基地、農(nóng)業(yè)農(nóng)村部北方農(nóng)業(yè)裝備科學(xué)觀測實驗站、黃土高原土壤侵蝕與旱地農(nóng)業(yè)國家重點實驗室

針對多機器人在果園中作業(yè)時的通信需求，實現(xiàn)無線通訊，該團隊研究基于Wi-Fi信號在桃園內(nèi)接收強度預(yù)測模型，提出了一種引入優(yōu)先節(jié)點和路徑信號強度閾值的改進無線自組網(wǎng)按需平面距離向量路由協(xié)議。

試驗結(jié)果表明，該路由協(xié)議在發(fā)起頻率、路由開銷、平均端到端時延及分組投遞率4個方面的性能均優(yōu)于AODV協(xié)議，節(jié)點相距25 m時靜態(tài)丟包率為0，距離100 m時丟包率為21.01%，動態(tài)行駛時能使機器人維持鏈狀拓撲結(jié)構(gòu)。可為果園多機器人在實際環(huán)境中通信系統(tǒng)的搭建提供參考。

十三、基于輕量化改進YOLOv5的蘋果樹產(chǎn)量測定方法

參與機構(gòu)：中國農(nóng)業(yè)大學(xué)工學(xué)院、中國農(nóng)業(yè)大學(xué)煙臺研究院

為提升蘋果果園原位測產(chǎn)的準確性，該團隊研究提出一種包含改進型YOLOv5果實檢測算法與產(chǎn)量擬合網(wǎng)絡(luò)的產(chǎn)量測定方法。

試驗結(jié)果表明，改進型果實檢測算法，在提高輕量化程度的同時提升識別準確率，具有良好的精度和有效性，基本可以滿足自然環(huán)境下樹上蘋果的測產(chǎn)要求，為現(xiàn)代果園環(huán)境下的智能農(nóng)業(yè)裝備提供技術(shù)參考。

十四、基于改進YOLOv5s和多模態(tài)圖像的樹上毛桃檢測

參與機構(gòu)：安徽農(nóng)業(yè)大學(xué)信息與計算機學(xué)院、農(nóng)業(yè)農(nóng)村部農(nóng)業(yè)傳感器重點實驗室、智慧農(nóng)業(yè)技術(shù)與裝備安徽省重點實驗室

由于毛桃等果實的光照不均和嚴重遮擋，造成果實檢測難的問題，尤其是套袋毛桃。該團隊研究基于改進YOLOv5s和多模態(tài)視覺數(shù)據(jù)提出了面向機械化采摘的毛桃多分類準確檢測。

實驗結(jié)果表明，改進YOLOv5s模型在復(fù)雜光照和嚴重遮擋環(huán)境下，對裸桃和套袋毛桃的平均精度、套袋毛桃檢測準確檢測均有貢獻，驗證了所提出的模型具有良好的泛化能力。在主流移動式硬件平臺上，能夠?qū)崿F(xiàn)毛桃的實時檢測，在實現(xiàn)果實自動采摘系統(tǒng)視覺智能方面的應(yīng)用潛力。

以上十四項智慧果園種植方面的科研進展，從技術(shù)層面推動了智慧果園的實現(xiàn)，相信未來會有更多科研、科技涌現(xiàn)，共同實現(xiàn)智慧農(nóng)業(yè)、智慧果園。

審核編輯黃宇