数字农科院2.0

基于多层感知机模型的稻麦双变量精准施肥机排肥策略

文献类型： 中文期刊

作者： 施印炎;辛亚鹏;汪小旵;郑恩来;沈成;张昭

作者机构：

关键词： 算法;粒子群;莱维飞行;多层感知器神经网络;双变量排肥策略

期刊名称：农业工程学报

ISSN： 1002-6819

年卷期： 2025 年

页码：

收录情况： EI（2025版） ; ; 北大核心（2023版） ; ; CSCD（2025-2026年度） ; ; 科技核心（2024版） ; ; 农林核心（2024版）

摘要： 变量施肥是实施精准农业的重要技术途径，转速、开度双重调节的外槽轮式变量施肥方式是稻麦轮作区作物施肥的典型方式。针对目前变量施肥机控制系统响应速度慢、预测模型不准确，引起排肥量误差大、成效不显著的问题，该研究基于自主研制的稻麦双变量精准施肥机，运用数理统计和机器学习方法，提出一种基于多层感知人工神经网络的排肥量预测模型，并对其有效性和适用性进行验证。通过分析莱维飞行算法(levy flight algorithm, LFA)、粒子群算法(particle swarm optimization, PSO)和多层感知器神经网络模型(multilayer perceptron, MLP)的算法机理，结合开度-转速双变量排肥方法，构建LFA-PSO-MLP排肥量预测模型；引入开度-转速-排肥量关系模型，利用归一化、正则化等方式改善算法结构，开展参数优化和模型训练，并对比MLP和PSO-MLP模型，得到LFA-PSO-MLP排肥量最优预测模型；构建inverse LFA-PSO-MLP(ILMP)预测模型作为施肥机的神经网络模型，根据目标排肥量快速计算所需开度和转速。试验结果表明：LFA-PSO-MLP模型在拟合50次左右收敛，拟合500次后的R2值为0.999，平均相对误差(MAPE)为1.83%，均优于其他两种模型。LMP验证集验证试验中，预测值和验证值比的平均相对误差为2.47%，田间试验的预测值和实测值比的平均相对误差为3.49%;ILMP验证试验中，转速预测的平均相对误差为1.82%，目标排肥量与实际排肥量比的最大相对误差为7.22%，平均排肥精度达到93.92%，施肥机排肥效果较好。所提模型能够在保证排肥量预测精度的同时提升运算效率，实现快速、精准、高效的变量施肥，改善生态效益和经济效益。

分类号：

  • 相关文献

[1]换热站供热系统建模与解耦控制. 卜云婷,张兆军,佟海龙,孙百明,谢慕君,曹国庆. 2022

[2]基于TOF深度传感的植物三维点云数据获取与去噪方法. 夏春华,施滢,尹文庆. 2018

[3]自动监测装置用温室粉虱和蓟马成虫图像分割识别算法. 杨信廷,刘蒙蒙,许建平,赵丽,魏书军,李文勇,陈梅香,陈明,李明. 2018

[4]基于德劳内三角化和二分查找法的土地自动分配方法. 梁其洋,吴保国,赵春江,潘瑜春,胡萌,郝星耀. 2018

[5]主题爬虫相关度算法研究综述. 王帅,周国民,王健. 2013

[6]基于二分法的鸡蛋图像边缘快速检测方法. 周平,赵春江,郑文刚,王纪华,孙忠富,文友先. 2010

[7]高光谱特征辨别潴育型麻沙泥田和潮沙泥田水稻土. 郭熙,谢碧裕,叶英聪,谢文. 2014

[8]基于机器视觉的蔬菜种子活力指数检测算法研究及系统实现. 李振,廖同庆,冯青春,张东彦,王秀. 2015

[9]基于合成孔径雷达的农作物识别研究进展. 王迪,周清波,陈仲新,刘佳. 2014

[10]灌溉管网优化设计研究进展. 许海涛,仵峰,宰松梅. 2009

[11]改进自适应分水岭方法分割棉花叶部粘连病斑. 张建华,韩书庆,翟治芬,孔繁涛,冯鑫,吴建寨. 2018

[12]人工智能之于科技期刊出版业态的变革及启示. 王亚辉,王晶. 2023

[13]机器学习及其在农业中应用研究的展望. 胡林,刘婷婷,李欢,崔运鹏. 2019

[14]计算机断层扫描马尾松缺陷及其图像解译. 刘晨君,杨淑敏,薛紫荞,尚莉莉,刘杏娥,王卿平,赵德达. 2024

[15]机器学习在畜禽基因组选择中的应用进展. 王进部,李佳,任德明,王立贤,王立刚. 2024

[16]基于无人机高通量作物表型技术研究进展（英文）. 张家欣,余世浩,牛牧远,叶育璐,徐新阳,王远,郭三堆,Rashid Bushra,梁成真,孟志刚. 2025

[17]基于机器学习算法的生物质热解产物产率预测研究. 刘晓宇,李奇辰,霍丽丽,赵立欣,姚宗路,孙培豪,贾吉秀,朱本海. 2026

作者其他论文 更多>>