使用人工神經網路對電動垂直軸轉子型除草工具之特定需求進行建模
2023/11/13 @國際
摘要
由印度農業研究委員會與美國維吉尼亞理工大學研究團隊開發了人工神經網路(ANN)模型來估算垂直軸轉子型行間除草工具的具體能量需求，使用垂直軸轉子(RVA)進行土壤研究，以轉子與吃水、力矩、速度感測器和數據記錄不同操作參數範圍內工具所使用的動力。所開發的 ANN模型能夠高精度預測RVA的特定能量需求。研究結果強調了人工神經網路作為一種在特定實驗條件下模擬土壤與工具相互作用的有效技術潛力，對未來將優化並提高農具在農田間的性能效率。
示意圖
充足和適當的能源供應及其高效利用對於經濟農業生產是具重要性，在農業作業中，耕作(苗床準備)消耗了拖拉機等原動機設備能源，其中化石燃料佔92 %。機械除草仍然是至今最常用的除草方法，現代以自動式或拖拉機替代傳統農畜拖拉除草，除草機械利用內燃機產生機械動力除草，這些用於除草作業的機械操作需要高能源和成本需求，以及化石燃料消耗，從而危及生產的可持續性，為了取代這種情況，需要一種操作高效且對作物損害最小的行間除草系統。
研究重點預測電動垂直軸轉子(RVA)型行間除草機的具體能量需求，設計和開發拖拉機操作的除草工具，並在運行期間的功耗達到最佳，易與拖拉機連接與拆卸，接著使用人工神經網路建模預測動力操作垂直軸轉子(RVA)行間除草機的特定能量(SPE)需求。
研究結果發現ANN能夠準確預測RVA裝置在不同操作條件下的特定能量需求，如高R2 (0.91)、低RMSE (0.0197) 和低MAE (0.0479)，這將有助於基於ANN的SPE具可靠性，此法將指導製造商和工程師開發適合拖拉機和操作條件的匹配機具，以確保高效率和作物生產力。其他人工智慧的建模技術，如FIS（模糊推論系統）和 ANFIS（適應性網路模糊推論系統）也將在未來的研究中採用，以提高SPE預測的準確性。
研究成果已發表在MDPI應用科學期刊第18期《智慧農業工程專刊》，研究團隊成功開發與設計出高效除草工具，並且驗證出最佳人工智慧運算模組，將對於未來農田作物高校生產，以及農業機械高效使用耗能做出貢獻。【延伸閱讀】- 久保田農機實現智慧農業，創造農業經濟價值
資料來源
文章摘譯
