返回
Optimizing multi-machine path planning for crop precision seeding with Lovebird Algorithm
DOI:10.1016/j.compag.2025.110207.png)
摘要
En 中文
本文研究了农业领域的路径规划问题,重点关注播种过程。它强调了路径规划在提高农业机械作业效率和生产力方面的重要作用。研究重点在于最小化农业机器人的作业时间,包括播种活动和辅助行驶时间。该研究比较了Lovebird Algorithm与遗传算法(GA)和蚁群优化算法(ACO)在优化不同田块布局下的精量播种路线方面的有效性,解决了各种几何和操作挑战。所提出的Lovebird Algorithm的运行效率比GA快约三倍,比ACO快约一倍半。此外,在作物播种场景中,它将辅助行驶距离平均减少了14%(相比GA)和28%(相比ACO)。研究结果与精量播种的目标一致,通过高效引导机械作业,减少了行驶时间和辅助行驶距离。所提出的算法表现出高效的计算性能,表明其适用于需要及时决策的时间敏感型农业作业。总体而言,研究结果有望提供一种能够节约资源并提高农业领域效率的工具,为未来精准农业技术的发展做出贡献。
Keyword:
Agriculture
Path planning
Seeding
Lovebird Algorithm
期刊
IF:
8.9
论文数:
1.0W
被引数:
4.8W
机构
引用论文
Ant colony optimization equipped with an ensemble of heuristics through multi-criteria decision making: A case study in ensemble feature selection通过多准则决策具有启发式集成的蚁群优化: 集成特征选择的案例研究
Path planning in continuous adjacent farmlands and robust path-tracking control of a rice-seeding robot in paddy field连续相邻农田的路径规划和稻田播种机器人的鲁棒路径跟踪控制
Navigation line extraction algorithm for corn spraying robot based on improved YOLOv8s network基于改进YOLOv8s网络的玉米喷施机器人导航线提取算法

