基于机器学习的小麦收获机掉头轨迹识别

摘要：

识别小麦收获机运行轨迹是分析农业机械活动、提高作业效率的重要手段.本文针对小麦收获机田内作业场景,提出一种基于机器学习的收获机掉头轨迹识别算法.首先通过两步K-means聚类与三步修正识别出X形掉头轨迹点、作业异常轨迹点与作业轨迹点;为进一步从作业轨迹中分类出U形掉头轨迹点,构建了基于支持向量机模型(Support vector machine,SVM)的U形掉头轨迹识别算法,并对初步识别结果进行三步修正;最终识别出小麦收获机的田内X形掉头、作业异常、U形掉头与作业轨迹点,识别结果的F1值为94％,时间间隔为1～5 s的数据的F1值在90％以上,实现田内轨迹的细致划分.基于去除掉头轨迹与异常轨迹后获得的有效作业轨迹,可通过距离算法计算获得农田面积,结果相比使用原始轨迹的计算误差可降低12.76％.该研究可为基于海量农机轨迹的作业精细化管理提供参考.

关键词：小麦收获机、轨迹识别、机器学习、掉头、SVM

所属期刊栏目：54

分类号：S126(农业物理学)

资助基金：国家精准农业应用项目JZNYYYO01

在线出版日期：2023-10-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：27-34