农业机械学报

作者：张伟荣，陈学庚，齐江涛，周俊博，温浩军，刘慧力

单位：吉林大学,石河子大学,吉林大学,吉林大学,吉林大学,石河子大学,

关键词：农业机器人;惯性测量单元;本体传感信号;地形识别;长短期记忆网络

基金：国家自然科学基金项目(32271988)、吉林省科技发展计划项目(20230508032RC)和吉 林省重点研发计划项目(20220202028NC)

旱田农业耕作模式包括平作与垄作,不同耕作模式的地形起伏差异大,作物行耕作模式的准确识别对机器人行走稳定性具有重要意义,提出一种基于本体传感器信号的平作与垄作类型地形识别方法。首先,采集四足机器人在玉米田间作物行内行走的机身惯性测量单元(Inertial measure mentunit,IMU)信号,使用机器人左前腿的足端速度数据作为补充,生成机器人在平作与2种不同起垄高度的垄作种植模式下行走的信号数据集。其次,利用卷积神经网络(Convolutional neural networks,CNN)提取信号的空间信息特征,通过双向长短期记忆网络(Bidirectional longshort-term memory,BiLSTM)提取时间序列特征,采用注意力机制(Self-attention,SA)提取CNN与BiLSTM输出特征信息的注意力分值。最后,通过模型对比和田间试验,验证本文模型对平作与垄作类型识别的有效性。结果表明,本文CNNBiLSTMSA模型F1值为92%,与CNN、CNNLSTM、CNNLSTMSA与CNNBiLSTM模型相比,分别提升10.17、3.51、2.57、1.27个百分点。内嵌识别模型的田间机器人可在1.4s内实现对当前作物行平作与垄作类型90%的识别准确率,在4.8s内达到对作物行类别分类要求,满足机器人面对作物行不同地形的识别快速性、准确性要求。该算法能提供机器人在旱田典型耕作模式下的地形识别能力,为提高四足机器人作业的田间稳定性提供技术支撑。

来源：2025年第2期

《农业机械学报》期刊编辑部

查看农业机械学报杂志2025年第2期