农业机械学报

作者：安麒麟，汪凤珠，刘阳春，邓学，周利明，赵博，伟利国

单位：中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,中国农业机械化科学研究院集团有限公司,

关键词：拖拉机农机具;工况识别;无人化智慧农场;RepVIT;迁移学习

基金：国家重点研发计划青年科学家项目(2022YFD2000300)

为解决田间复杂环境下拖拉机机载农机具监测困难、模型参数量过大等问题,提出了一种基于轻量化RepVIT的农机具识别模型TMAInet。利用自主开发的农机服务平台“农业机械化精准作业平台暨希望田野冶收集了6种工作状态的农机具数据集,并通过Copy-paste等数据增强方法将训练集扩增至6627幅。基于RepVIT网络模型框架,设计了一种卷积前馈模块(CFF)以提升不同尺度细粒度特征提取能力,引入了注意力机制ECA以优化模型参数结构并简化特征提取模块。通过Pre-training+Fine-tuning(PF)迁移学习方法对模型进行了训练,并在Jetsonnano边缘设备上进行了部署。实验结果表明,通过PF迁移学习方法,TMAInet模型的识别准确率、F1分数和召回率分别达到99.13%、98.53%和98.78%,相较于原始的RepVIT模型分别提升1.86、3.04、1.95个百分点,在边缘设备端保持帧速率73f/s的同时参数量降低至7.3×106。TMAInet能够在实际应用中准确、高效监测农机具常见类别,为无人化智慧农场的发展提供技术参考。

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