摘" 要:隨著無人機(jī)技術(shù)的廣泛應(yīng)用,水稻檢測(cè)領(lǐng)域的實(shí)際需求不斷提高,因此研究引入英文語音識(shí)別模塊,來建立先進(jìn)的無人機(jī)控制結(jié)構(gòu)和檢測(cè)技術(shù)。首先分析無人機(jī)的檢測(cè)設(shè)備和航行控制方法,結(jié)合配套設(shè)備對(duì)其檢測(cè)技術(shù)提供較好的基礎(chǔ)。其次對(duì)英文語音識(shí)別處理技術(shù)進(jìn)行分析,以嵌入無人機(jī)控制系統(tǒng)從而實(shí)現(xiàn)英文語音控制無人機(jī)作業(yè)。最后對(duì)英文語音識(shí)別的無人機(jī)進(jìn)行水稻檢測(cè),得出環(huán)境噪聲為40 dB時(shí),英文指令識(shí)別的精度為93.5%,識(shí)別效率為38 ms。水稻病害程度和生理參數(shù)的相關(guān)高達(dá)0.81,綜合以上結(jié)果表明基于英文語音識(shí)別的無人機(jī)在水稻檢測(cè)的先進(jìn)性,并為國際田間作業(yè)提供技術(shù)參考。
關(guān)鍵詞:英文語音識(shí)別;無人機(jī);航行控制;水稻檢測(cè);病害程度
基金項(xiàng)目:2025年西哲會(huì)科學(xué)研究專項(xiàng)般項(xiàng)目(2025YB0269)。
收稿日期:2024-10-23
作者簡介:李夢(mèng)瑩(1987—),女,碩士,講師,研究方向:英語教育。
中圖分類號(hào):S431.9"""""""""""""""""""""""""""""" 文獻(xiàn)標(biāo)志碼:A文章編號(hào):1673-6737(2025)01-0038-06
Unmanned Aerial Vehicle Detection of Paddy Rice Based
on English Speech Recognition
LI Meng-ying
(Xi‘a(chǎn)n Vocational University of Automobile, Xi‘a(chǎn)n 710600, China)
Abstract: With the widespread application of drone technology, the actual demand in the field of rice detection is constantly increasing. Therefore, research is being conducted to introduce English speech recognition modules to establish advanced drone control structures and detection technologies. Firstly, analyze the detection equipment and navigation control methods of unmanned aerial vehicles, and provide a good foundation for their detection technology in combination with supporting equipment. Next, analyze the English speech recognition processing technology to embed it into the drone control system and achieve English speech control for drone operations. Finally, the unmanned aerial vehicle for English speech recognition was used for rice detection, and it was found that when the environmental noise was 40 dB, the accuracy of English command recognition was 93.5%, and the recognition efficiency was 38 ms. The correlation between rice disease degree and physiological parameters is as high as 0.81. The above results show that the UAV based on English speech recognition is progressiveness in rice detection, and provide technical reference for international field operations.
Key words: English speech recognition; UAV; Navigation control; Rice testing; Disease severity
隨著城市化和經(jīng)濟(jì)的快速發(fā)展,人們的生活水平不斷提高,對(duì)于稻米的食用和選擇有了更高要求。水稻種植已進(jìn)入機(jī)械化、智能化的發(fā)展階段,水稻種植和品種改良對(duì)糧食安全、農(nóng)業(yè)可持續(xù)發(fā)展具有重要意義,農(nóng)業(yè)機(jī)械設(shè)備的使用有利于提高農(nóng)田生產(chǎn)力[1]。對(duì)于作物的生長狀態(tài)和趨勢(shì),傳統(tǒng)的田間調(diào)查方法對(duì)其進(jìn)行觀察和評(píng)估,容易受主觀因素影響,并且耗費(fèi)大量時(shí)間和精力,工作效率低下。遙感技術(shù)和無人機(jī)技術(shù)可精確獲取農(nóng)田作物的生長信息,提高了農(nóng)業(yè)管理的工作效率。其中無人機(jī)具有靈活性高、操作時(shí)空分辨率高、操作簡便等優(yōu)勢(shì),在局部范圍內(nèi)進(jìn)行農(nóng)田的作物信息監(jiān)測(cè)。之后利用大數(shù)據(jù)采集和信息處理技術(shù),對(duì)作物生長狀態(tài)進(jìn)行苗情、病害和產(chǎn)量等的分析,從而調(diào)節(jié)作物生長環(huán)境,實(shí)現(xiàn)作物的精準(zhǔn)預(yù)估。無人機(jī)通常結(jié)合遙感技術(shù)的光譜數(shù)據(jù),對(duì)農(nóng)作物生長的生物量進(jìn)行動(dòng)態(tài)監(jiān)測(cè)和預(yù)測(cè),對(duì)遙感數(shù)據(jù)的處理還需要進(jìn)行統(tǒng)計(jì)模型和算法評(píng)估[2]。同時(shí)無人機(jī)航行控制與遙感技術(shù)的操作不一致,會(huì)導(dǎo)致采集數(shù)據(jù)的不確定性,從而增加操作步驟,影響農(nóng)業(yè)管理[3]。語音識(shí)別在農(nóng)業(yè)機(jī)械控制上有廣闊的應(yīng)用前景,語音識(shí)別處理技術(shù)對(duì)機(jī)械設(shè)備的操作具有便捷性,在無人機(jī)的地面遙控或內(nèi)置驅(qū)動(dòng)程序中實(shí)現(xiàn)田間作物播種、施藥和檢測(cè)等作業(yè)[4]。
另外英語是世界上應(yīng)用最廣泛的語言,其語法簡單、語感自然,這些特性使得英語在機(jī)械設(shè)計(jì)和控制方面具有優(yōu)勢(shì)。在農(nóng)業(yè)機(jī)械的控制過程中引入英語語音,既能利用國外技術(shù)改善農(nóng)業(yè)機(jī)械性能,又能增加國內(nèi)成熟機(jī)械對(duì)國際市場(chǎng)的適應(yīng)能力。基于此,研究對(duì)無人機(jī)結(jié)構(gòu)和航行控制進(jìn)行算法分析,以實(shí)現(xiàn)后續(xù)語音識(shí)別的嵌入。創(chuàng)新之處在于引入英文語音識(shí)別處理技術(shù),并對(duì)無人機(jī)飛行和檢測(cè)作業(yè)進(jìn)行流程設(shè)計(jì),從而實(shí)現(xiàn)無人機(jī)檢測(cè)水稻的先進(jìn)技術(shù),為農(nóng)業(yè)作物的生長監(jiān)測(cè)和田間管理提供了技術(shù)參考。
1" 無人機(jī)檢測(cè)水稻的算法流程和語音識(shí)別處理技術(shù)
1.1" 無人機(jī)結(jié)構(gòu)和航行路徑控制算法
隨著機(jī)械化水平的提高,現(xiàn)代農(nóng)業(yè)的生產(chǎn)模式逐漸以機(jī)械化為主,其中無人機(jī)在農(nóng)業(yè)生產(chǎn)生活中應(yīng)用廣泛。目前常用的X字型機(jī)架的四旋翼無人機(jī),以其高性能、快速度、遠(yuǎn)距離和自帶電池等優(yōu)勢(shì)來執(zhí)行高強(qiáng)度任務(wù),同時(shí)在7級(jí)大風(fēng)下仍不受影響[5]。研究選大疆M300RTK型號(hào)、ZenmuseH20云臺(tái)相機(jī)配置和DJI Pilot APP對(duì)水稻狀態(tài)進(jìn)行監(jiān)控、拍照和錄像的遠(yuǎn)程操作。具體結(jié)構(gòu)如圖1所示。
從圖1中看出大疆飛行器與云臺(tái)相機(jī)和移動(dòng)設(shè)備的應(yīng)用軟件相匹配,以執(zhí)行農(nóng)業(yè)生產(chǎn)活動(dòng)。其中云臺(tái)相機(jī)的變焦和廣角可實(shí)現(xiàn)高倍率與廣角畫面的直接快速切換,對(duì)熱成像和可見光的拍攝場(chǎng)景可能實(shí)現(xiàn)精確拍攝,同時(shí)其激光測(cè)距儀在巡檢或搜救作業(yè)中能夠精確定位,提高工作效率。而應(yīng)用軟件在移動(dòng)設(shè)備上可實(shí)時(shí)遠(yuǎn)程監(jiān)測(cè),控制完成任意角度的拍照和錄像等工作。四個(gè)螺旋槳在機(jī)體周圍呈對(duì)稱分布,在飛行過程中主要通過調(diào)整螺旋槳的轉(zhuǎn)速來實(shí)現(xiàn)位置移動(dòng),且相鄰的兩個(gè)螺旋槳旋轉(zhuǎn)方向相反。
另外飛行器的控制器主要負(fù)責(zé)姿態(tài)穩(wěn)定和位置軌跡跟蹤,傳感器獲取飛控系統(tǒng)的實(shí)時(shí)信息,包括位置、姿態(tài)和監(jiān)測(cè)目標(biāo)等。而執(zhí)行機(jī)體將控制信號(hào)轉(zhuǎn)換為電機(jī)的電壓信號(hào),并傳遞給四個(gè)螺旋槳以控制其轉(zhuǎn)速[6]。因此在無人機(jī)作業(yè)區(qū)域內(nèi),對(duì)其中的障礙物和飛行控制進(jìn)行人工勢(shì)場(chǎng)計(jì)算,以實(shí)現(xiàn)精準(zhǔn)飛行和農(nóng)業(yè)應(yīng)用。人工勢(shì)場(chǎng)法的引力計(jì)算如式(1)所示。
Uatt(A)=ξ‖Agoal -A‖m"""""" (1)
式(1)中,Uatt(A)表示為位置A的引力勢(shì)場(chǎng),ξ和m均為引力勢(shì)場(chǎng)的常數(shù),‖Agoal -A‖為無人機(jī)由位置A到Agoal 的距離。根據(jù)人工勢(shì)場(chǎng)法的引力場(chǎng),其負(fù)梯度如式(2)所示。
式(2)中,F(xiàn)att(A)為人工勢(shì)場(chǎng)法的負(fù)梯度,κ為增益,且κgt;0。當(dāng)無人機(jī)飛行至目標(biāo)位置的過程中,其距離越小則負(fù)梯度的值逐漸縮小到0。但在飛行過程中無人機(jī)對(duì)障礙物的斥力,會(huì)導(dǎo)致其距離目標(biāo)點(diǎn)的總勢(shì)能增大,所以改進(jìn)后的人工勢(shì)場(chǎng)法如式(3)所示。
Uatt(A,B)=ξA‖Agoal (t)-A (t)‖m+lB‖Batt(t)-B(t)‖n (3)
式(3)中,B表示避開障礙物的斥力,Batt(t)和B(t)分別為目標(biāo)點(diǎn)和無人機(jī)在t時(shí)刻的移動(dòng)速度。ξA和lB為正參數(shù),n為勢(shì)場(chǎng)系數(shù)。對(duì)應(yīng)的負(fù)梯度和無人機(jī)飛行合力的計(jì)算如式(4)所示。
式(4)中,F(xiàn)att(A,B)為改進(jìn)的負(fù)梯度,F(xiàn)att(A)1和Fatt(B)1分別為無人機(jī)避障行為所受勢(shì)場(chǎng)合力的兩個(gè)分力,PξA和vlB為兩個(gè)分力的方向向量。而為無人機(jī)指向目標(biāo)點(diǎn)的單位矢量,Nvrt為無人機(jī)與目標(biāo)點(diǎn)相對(duì)速度的單位矢量。經(jīng)過無人機(jī)結(jié)構(gòu)分析和航行路徑的控制,其中無人機(jī)在航行路徑規(guī)劃過程中,利用人工勢(shì)場(chǎng)對(duì)其合力進(jìn)行計(jì)算,并且考慮到避障規(guī)劃的實(shí)時(shí)性,對(duì)無人機(jī)飛行的航行角和速度等參數(shù)進(jìn)行調(diào)整,從而完成規(guī)劃路徑下的穩(wěn)定飛行和水稻作物態(tài)勢(shì)的檢測(cè),為農(nóng)業(yè)應(yīng)用提供管理手段。
1.2" 無人機(jī)檢測(cè)水稻流程和語音識(shí)別技術(shù)
根據(jù)無人機(jī)飛行結(jié)構(gòu)和航行路徑的規(guī)劃,為語音控制無人機(jī)作業(yè)提供較好的技術(shù)基礎(chǔ),在無人機(jī)控制系統(tǒng)中嵌入英文語音識(shí)別模塊,不僅快速準(zhǔn)確地控制無人機(jī)在水稻田間的穩(wěn)定飛行,還能完成飛行過程中水稻拍攝和監(jiān)測(cè)任務(wù)。因此在無人機(jī)航行路徑的動(dòng)態(tài)規(guī)劃中,可實(shí)現(xiàn)水稻的苗情、產(chǎn)量和成熟度等監(jiān)測(cè)內(nèi)容。同時(shí)結(jié)合移動(dòng)設(shè)備對(duì)無人機(jī)的遠(yuǎn)程語音操作,完成水稻圖像或視頻的識(shí)別處理流程。具體如圖2所示。
從圖2中看出無人機(jī)在檢測(cè)水稻前期需要對(duì)水稻種植區(qū)域進(jìn)行地圖模型的建立,以設(shè)置飛行參數(shù)。無人機(jī)在飛行時(shí)對(duì)障礙點(diǎn)和起始點(diǎn)進(jìn)行航線規(guī)劃,同時(shí)調(diào)整飛行的航向角和速度,獲取航線的路徑信息。所以無人機(jī)在飛行過程中不僅有效控制飛行速度,還利用配套的云臺(tái)相機(jī)對(duì)水稻進(jìn)行任意角度的拍攝和錄像,以獲取精確的圖片信息。工作人員在遠(yuǎn)程操作航行的同時(shí)還能獲取高清的水稻圖片,并對(duì)航線和圖片信息進(jìn)行同步監(jiān)測(cè)和處理,其中水稻圖片傳輸至控制系統(tǒng)中,經(jīng)數(shù)據(jù)預(yù)處理和模型訓(xùn)練可完成水稻的監(jiān)測(cè)任務(wù)。
農(nóng)業(yè)生產(chǎn)的應(yīng)用語言和無人機(jī)控制的發(fā)展,語音識(shí)別技術(shù)能夠?qū)⑷祟惖恼Z音信號(hào)轉(zhuǎn)變?yōu)闄C(jī)器理解的文本或指令,使得機(jī)械控制、信息處理和商務(wù)消費(fèi)等領(lǐng)域得到專業(yè)化發(fā)展[7-8]。目前語音識(shí)別技術(shù)以移動(dòng)設(shè)備為平臺(tái),對(duì)應(yīng)用對(duì)象進(jìn)行實(shí)時(shí)操作,在農(nóng)業(yè)種植的機(jī)械控制中,由語音識(shí)別與控制系統(tǒng)組成,以便生成對(duì)機(jī)械設(shè)備的控制指令。所以語音識(shí)別技術(shù)在無人機(jī)控制系統(tǒng)的應(yīng)用如圖3所示。
從圖3中看出無人機(jī)控制系統(tǒng)中對(duì)語音識(shí)別模塊的運(yùn)行過程進(jìn)行說明,由移動(dòng)設(shè)備的麥克風(fēng)輸入英文語言,再經(jīng)模塊處理輸出指令至無人機(jī)及其云臺(tái)雙相機(jī)中,從而完成水稻檢測(cè)。在語音識(shí)別模塊中,首先將輸入的英文語音信號(hào)轉(zhuǎn)換為數(shù)碼信號(hào),并在解碼芯片中對(duì)信號(hào)進(jìn)行噪聲去除,以便特征提取。其次模塊的處理芯片結(jié)合識(shí)別算法,對(duì)處理的數(shù)字信號(hào)進(jìn)行初步識(shí)別,還對(duì)識(shí)別的英文詞條進(jìn)行數(shù)據(jù)存儲(chǔ)和顯示屏反映。最后將特征矢量相似度最高的結(jié)果輸出至控制系統(tǒng)中,從而完成英文語音識(shí)別的處理。
經(jīng)過航行路徑的控制和英文語音識(shí)別的處理,無人機(jī)檢測(cè)水稻農(nóng)業(yè)生產(chǎn)具有較為系統(tǒng)的操作流程。其中無人機(jī)航行路徑的控制在語音指令下,做到及時(shí)避障或路徑調(diào)整,另外語音識(shí)別芯片中存在大量詞匯和高頻用語,其開放型的源代碼可與其他技術(shù)相兼容,從而豐富了農(nóng)業(yè)無人機(jī)的應(yīng)用場(chǎng)景。
2" 基于英文語音識(shí)別的無人機(jī)檢測(cè)水稻結(jié)果
2.1" 英文語音識(shí)別技術(shù)對(duì)無人機(jī)控制指令的測(cè)試結(jié)果
根據(jù)英文語音識(shí)別處理技術(shù)和無人機(jī)控制系統(tǒng)的應(yīng)用,英文語言識(shí)別模塊的代碼編程對(duì)語音輸入和指令輸出之間的過程,可有效處理語音檢測(cè)、背景噪聲和識(shí)別錯(cuò)誤等狀態(tài)。因此無人機(jī)控制系統(tǒng)與語音識(shí)別模塊的連接,可有效處理輸入音頻,并對(duì)其進(jìn)行序列分析和識(shí)別調(diào)試,從而實(shí)現(xiàn)無人機(jī)控制指令的輸出。為了驗(yàn)證英文語音識(shí)別處理在大疆四旋翼無人機(jī)的飛行控制,采用基礎(chǔ)的數(shù)字和單詞來表示無人機(jī)運(yùn)動(dòng)模式。具體如表1所示。
從表1中得出無人機(jī)上下飛行和翻轉(zhuǎn)等基礎(chǔ)操作采用英文數(shù)字,來作為輸入指令,同時(shí)對(duì)具體的飛行速度和方向等采用精簡詞匯來表明其含義。使得語音識(shí)別模塊對(duì)語音特征的提取具有快速的處理能力,當(dāng)輸入多種控制指令時(shí),還能保證無人機(jī)行為的準(zhǔn)確控制。最后根據(jù)實(shí)際應(yīng)用需求對(duì)指令進(jìn)行測(cè)試效果的分析,結(jié)果如圖4所示。
從圖4(a)中得出對(duì)英文數(shù)字指令進(jìn)行50次無人機(jī)飛行訓(xùn)練,其中Zero-Two的功能定義比較簡單,其成功次數(shù)均在45以上,控制準(zhǔn)確率最高為98%。而Three-Five的指令相對(duì)復(fù)雜,對(duì)無人機(jī)進(jìn)行翻轉(zhuǎn)和懸停訓(xùn)練,但最低準(zhǔn)確率在58%,因此也說明整體訓(xùn)練具有可行性。在圖4(b)中對(duì)實(shí)際應(yīng)用的不同環(huán)境噪音進(jìn)行測(cè)試,以建立無人機(jī)對(duì)語音識(shí)別技術(shù)的訓(xùn)練,同時(shí)在英文指令輸入時(shí)采用50條英文數(shù)字和單詞形式,以符合水稻檢測(cè)作業(yè)的需求。其中數(shù)字指令的識(shí)別率整體高于單詞識(shí)別率,二者均隨著環(huán)境噪音的增加,識(shí)別率逐漸下降。當(dāng)環(huán)境噪音為50 dB時(shí),數(shù)字和單詞的識(shí)別率分別為92%和91%,同時(shí)識(shí)別50條指令的時(shí)間平均時(shí)間為41 ms。綜合以上結(jié)果英文識(shí)別技術(shù)在無人機(jī)控制飛行和實(shí)際操作上,準(zhǔn)確率和識(shí)別效率相對(duì)較好,證明了其語音識(shí)別技術(shù)的實(shí)時(shí)性和準(zhǔn)確性。
2.2" 無人機(jī)檢測(cè)水稻病害的結(jié)果分析
根據(jù)英文語音識(shí)別技術(shù)對(duì)無人機(jī)操作的可行性,研究選擇南方某村的水稻實(shí)驗(yàn)田作為檢測(cè)對(duì)象,其水稻一年兩熟或三熟制,且生育期較短從而提高了當(dāng)?shù)禺a(chǎn)量。由于南方稻區(qū)的熟制和生育期,其病蟲害較多,所以研究選擇夏季常發(fā)生的水稻白葉枯病的生理參數(shù)進(jìn)行病害評(píng)估,其中水稻白葉枯病的病害嚴(yán)重程度經(jīng)標(biāo)準(zhǔn)的田間調(diào)查分析,已量化為0~5這六個(gè)等級(jí)。再將生理參數(shù)與病害嚴(yán)重程度進(jìn)行皮爾遜相關(guān)性分析,具體如表2所示。
從表2中可知水稻病害樣本的采集顯示出嚴(yán)重程度和發(fā)展趨勢(shì),其中葉綠素含量和含水率均隨著病害嚴(yán)重程度的加重而逐漸降低。當(dāng)病害嚴(yán)重程度為2級(jí)時(shí),水稻樣本的鮮重、干重分別為84 g和15 g,其葉綠素含量和含水率為45 mg/ml和82%,同時(shí)葉面積指數(shù)和地上生物量檢測(cè)結(jié)果為1.9和2.81 g·m-2。
經(jīng)過相關(guān)系數(shù)的計(jì)算和分析,得出葉綠素含量和含水率與病害程度之間具有負(fù)相關(guān)關(guān)系,其值分別為0.81和0.74,而其他參數(shù)與病害程度的關(guān)系為正相關(guān)。再利用無人機(jī)的云臺(tái)相機(jī)和檢測(cè)程序?qū)λ緢D片進(jìn)行光譜反射率的分析,生長期和病害程度的分析結(jié)果如圖5所示。
從圖5(a)中得出水稻營養(yǎng)生育期間的光譜曲線變化基本一致,其中波長600~800 nm之間的反射率逐漸上升,最高反射率達(dá)到0.35。而之后隨著波長的增長,反射率波動(dòng)變化較小,且穩(wěn)定在0.3~0.4之間。在圖5(b)中得出水稻白葉枯病的病害嚴(yán)重程度所反映的光譜曲線存在重疊,但整體上不同程度的曲線存在差異,能夠?yàn)椴『Τ潭忍峁┡袛嘁罁?jù)。波長在700~750 nm之間,水稻光譜反射率在0.35左右,且曲線相互重合,說明水稻圖像特征的提取不明顯。但隨著波長的增加,病害程度的光譜反射率差異較為明顯,其中無病害的水稻光譜反射率高達(dá)0.48。
綜上所述,英文語音識(shí)別技術(shù)為無人機(jī)精確飛行和檢測(cè)作業(yè)提供較好的基礎(chǔ),使得無人機(jī)在穩(wěn)定飛行中實(shí)時(shí)提供圖片。在移動(dòng)設(shè)備的應(yīng)用程序中,對(duì)水稻田監(jiān)測(cè)對(duì)象進(jìn)行預(yù)處理和特征分析,從而反映出無人機(jī)對(duì)水稻的準(zhǔn)確檢測(cè)。
3" 結(jié)論
針對(duì)無人機(jī)檢測(cè)水稻的技術(shù)問題,研究提出使用英文語音識(shí)別模塊。用于無人機(jī)遠(yuǎn)程控制系統(tǒng)中,從而建立基于英文語音識(shí)別的無人機(jī)檢測(cè)方法。根據(jù)大疆四旋翼無人機(jī)的語音控制測(cè)試,得出精簡的英文語音輸入指令對(duì)無人機(jī)控制的平均準(zhǔn)確率達(dá)到79%。隨著田間作業(yè)的指令不斷精細(xì),其識(shí)別效果有所下降,因此指代的英文數(shù)字相比單詞的識(shí)別結(jié)果較高,整體提高了2.5%。最后利用具有英文語音識(shí)別模塊的無人機(jī)對(duì)水稻病害進(jìn)行生理參數(shù)檢測(cè),得出當(dāng)病害程度較低時(shí),水稻檢測(cè)樣本的含水率高達(dá)84%,葉綠素含量為57 mg/ml。因此說明水稻檢測(cè)的參數(shù)與其病害程度具有較強(qiáng)的相關(guān)性,證明了研究方法在水稻田間檢測(cè)的優(yōu)越性。但無人機(jī)檢測(cè)水稻的應(yīng)用還需要其他方面的驗(yàn)證,如水稻成熟度管理和產(chǎn)量預(yù)測(cè)等,其低空拍攝和懸停技術(shù)缺少因素研究,易影響圖片的誤差,所以后續(xù)研究在語音控制無人機(jī)的軟件分析上進(jìn)行深入探索。英文語音識(shí)別技術(shù)的引入不僅簡化了無人機(jī)田間作業(yè)的操作,還為未來智慧農(nóng)業(yè)建設(shè)和國際農(nóng)業(yè)市場(chǎng)提供先進(jìn)技術(shù),從而提高無人機(jī)產(chǎn)品及技術(shù)的綜合效益。
參考文獻(xiàn):
[1] 謝冬梅,汪希成,伍駿騫.農(nóng)業(yè)機(jī)械化水平對(duì)中國糧食生產(chǎn)技術(shù)效率的空間溢出效應(yīng)研究——基于農(nóng)機(jī)跨區(qū)作業(yè)視角[J].中國農(nóng)機(jī)化學(xué)報(bào),2023,44(3):223-231.
[2] Anand A, Deb C. The potential of remote sensing and GIS in urban building energy modelling[J]. Energy and Built Environment, 2024,5(6):957-969.
[3] 鄒耀鵬,裴杰,劉一博,等.田塊尺度水稻農(nóng)情遙感監(jiān)測(cè)平臺(tái)設(shè)計(jì)與試驗(yàn)[J].中國農(nóng)機(jī)化學(xué)報(bào),2024,45(10):233-240.
[4] 劉繼展,侯廣宇.語音技術(shù)在農(nóng)業(yè)智能化中的應(yīng)用展望[J].江蘇大學(xué)學(xué)報(bào)(自然科學(xué)版),2021,42(5):540-545.
[5] 李鵬,石永康,郭穩(wěn)敏,等.四旋翼植保無人機(jī)機(jī)臂折疊機(jī)構(gòu)輕量化設(shè)計(jì)[J].農(nóng)機(jī)化研究,2024,46(6):116-121.
[6] 李勝銘,邱世豪,呂宗陽,等.基于擾動(dòng)觀測(cè)器的四旋翼無人機(jī)自適應(yīng)姿態(tài)控制方法[J].實(shí)驗(yàn)室研究與探索,2024,43(3):1-5.
[7] 楊潤延,程高峰,劉建.基于端到端語音識(shí)別的關(guān)鍵詞檢索技術(shù)研究[J].計(jì)算機(jī)科學(xué),2022,49(1):53-58.
[8] 王斐斐,賁可榮,張獻(xiàn).基于領(lǐng)域知識(shí)的語音識(shí)別魯棒性增強(qiáng)技術(shù)研究[J].計(jì)算機(jī)工程與科學(xué),2023,45(12):2155-2164.