农业机械学报

作者：李淑艳，李若晨，温昌凯，万科科，宋正河，刘江辉

单位：中国农业大学,中国农业大学,中国农业大学,中国农业大学,中国农业大学,洛阳西苑车辆与动力检验所有限公司,

关键词：旋耕;作业质量;分类识别;格拉姆角场;卷积神经网络

基金：国家重点研发计划项目（2017YFD0700300）

为实现基于拖拉机多传感器实测载荷数据的旋耕作业质量准确识别，提出一种基于GAF-DenseNet的拖拉机旋耕作业质量等级识别模型，设计旋耕作业质量等级分级标准，开展旋耕作业田间试验，并进行模型准确性验证和性能分析。该模型通过格拉姆角场（Gramian angular field, GAF）算法，在保留原始载荷序列的时间依赖性的前提下，对时间序列数据进行唯一编码。DenseNet网络对图像阵列中内含的载荷信息进行深层挖掘，通过特征重用、模型压缩等技术环节，在保证特征提取深度的同时，显著提升该网络的运算效率。分析结果表明：过大或过小的重采样滑动窗口大小均会降低模型性能，且格拉姆角差场（Gramian angular difference field, GADF）实验效果强于格拉姆角和场（Gramian angular summation field, GASF），实验数据显示在重采样滑动窗口大小为250且选用格拉姆角差场的条件下，模型性能达到最优。增长率k与模型整体性能呈正相关的趋势，但过大的k值会降低模型的实时性能且对于准确性提升有限，实验场景下将增长率k设为24更能符合实际需求。GAF-DenseNet模型准确率和F1值分别达到96.816%和96.136%，并且在实时性能上具有良好表现，推理时长可低至16s。在与其他智能算法对比分析中，该模型整体性能均优于对照组实验结果。

来源：2022年第11期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2022年第11期