田路分割是农机轨迹语义分割模型的重要任务之一,其目的是将轨迹自动分割为田间作业轨迹和道路行驶轨迹。田路分割模型的参数是影响其分割准确性及精度的关键因素,传统的参数选择方法效率较低且难以获得较好的方案,限制了模型的分割性能。因此,该研究选用基于方向分布的田路分割模型(Field-Road Trajectory Segmentation Based on Direction Distribution,BDFRTS),尝试从参数优化的角度研究模型的性能提升,提出的方法主要包括两个方面,首先建立了一种基于元启发式算法(Metaheuristic Algorithms,MA)的田路分割模型参数优化解决方案;其次,在黏菌算法(Slime Mould Algorithm,SMA)的基础上提出了一种改进的多元振荡黏菌算法(Multiplex Oscillation Slime Mould Algorithm,MOSMA)求解参数优化方案以更好地提高模型的分割性能。MOSMA分别提出一种动态引导策略与多元振荡策略强化了黏菌的振荡收缩反应及细胞质的流动过程,进而增强了算法的优化能力。为验证所提参数优化方法
1. 首次针对农机轨迹分割模型提出一种参数优化方法。
2. 分别提出一种动态引导策略与多元振荡策略强化算法的优化性能。
3. 在博创联动(***)提供的中国农机轨迹数据集上展开实验,结果证明该方法有效提升了模型的性能。
4. 所提方法不仅适用于当前选取的实例模型,同样适用于其他农机轨迹分类模型。
农机作业监测与大数据应用重点实验室(下称‘实验室’)目前有老师7名,研究生30余名。近年来,承担1558工程、国家重点研发计划、国家自然基金、国家发改委卫星应用专项计划、北京科委计划、新疆兵团科技支疆计划等相关科研项目30余项,课题总经费3000余万。实验室的科研成果得到了CCTV、新华网、科技日报、农民日报、北斗网的多次报道。
评价单位:“科创中国”葡萄酒产业科技服务团 (中国农业工程学会)
评价时间:2023-11-24
综合评价
该项成果在农机作业监测与大数据应用领域取得了一定的科技成果创新,通过研究农机轨迹数据处理模型,并利用参数优化的方法提高了模型性能。尤其是提出的改进的多元振荡黏菌算法(MOSMA)在田路分割模型中表现出较高的准确性和性能。这显示出团队在技术创新方面具有一定的实力。
随着农业现代化的推进和大数据技术的发展,农机作业监测与大数据应用领域具有广阔的市场前景。农机作业效率的提升、农业生产管理的智能化及农事决策的优化等需求日益增长。研究成果能够满足这些需求,因此具有良好的市场潜力。
该项成果为了实现成果的产业化,建议团队与相关企业或机构合作,进行技术转让和商业化推广。可以与农业机械制造和服务企业合作,开发农机作业监测与大数据应用系统,提供智能化的农机作业服务。此外,也可以与农业科研机构和农业大数据平台合作,将技术应用于农业生产研究和数据分析平台,为农业生产提供精准的数据支持。
该项成果转化过程中存在一定的投资风险,包括技术验证、市场推广和资金支持等方面的挑战。在进行产业化前,需要进行充分的市场调研和商业化策划,降低技术验证和市场推广的风险。同时,吸引投资者或风险投资基金的支持,以获取资金和资源支持,推动成果的商业化进程。在成功实现产业化后,具备良好市场竞争力的产品和服务将带来可观的回报。
综上所述,该项成果在农机作业监测与大数据应用领域具有一定的创新水平和市场前景。建议团队与相关企业或机构合作进行技术转让和商业化推广,探索适合的产业化路径,并吸引投资支持,以降低投资风险,实现成果的商业化和资本化目标。
查看更多>