ass日本风韵熟妇pics男人扒开女人屁屁桶到爽|扒开胸露出奶头亲吻视频|邻居少妇的诱惑|人人妻在线播放|日日摸夜夜摸狠狠摸婷婷|制服 丝袜 人妻|激情熟妇中文字幕|看黄色欧美特一级|日本av人妻系列|高潮对白av,丰满岳妇乱熟妇之荡,日本丰满熟妇乱又伦,日韩欧美一区二区三区在线

摘要:目前畜牧養(yǎng)殖環(huán)節(jié)信息監(jiān)測(cè)技術(shù)依然落后,，且普及率不高，無(wú)法準(zhǔn)確、有效地掌握養(yǎng)殖環(huán)節(jié)農(nóng)場(chǎng)動(dòng)物本身及其生活環(huán)境的實(shí)際狀況,。本文在整理和總結(jié)現(xiàn)有穿戴式技術(shù)研究成果基礎(chǔ)上,，結(jié)合我國(guó)畜牧養(yǎng)殖實(shí)際情況和特點(diǎn),，對(duì)畜牧養(yǎng)殖穿戴式信息監(jiān)測(cè)的工作原理,、信息監(jiān)測(cè)技術(shù)和穿戴式監(jiān)測(cè)方式等方面進(jìn)行了分析和討論,?？偨Y(jié)得出未來(lái)研究趨勢(shì)：信息獲取方式由人工采集向自動(dòng)化采集發(fā)展,；穿戴式傳感器將向微型化和柔性化方向發(fā)展；信號(hào)處理與信息傳輸將向多元化,、復(fù)合化和智能化方向發(fā)展,；信息監(jiān)測(cè)方式將向系統(tǒng)性、整體性和自適應(yīng)方向發(fā)展

摘要:針對(duì)蘋(píng)果采摘機(jī)器人在自然環(huán)境下對(duì)著色不均勻果實(shí)的識(shí)別分割問(wèn)題,，提出了基于超像素特征的蘋(píng)果采摘機(jī)器人果實(shí)分割方法,。首先，采用簡(jiǎn)單線性迭代聚類(lèi)算法將圖像分割成內(nèi)部像素顏色較為一致的若干超像素單元,；然后,，提取每個(gè)超像素的紋理和顏色特征，并采用支持向量機(jī)將超像素分為果實(shí)和背景兩個(gè)類(lèi)別,；最后,，根據(jù)超像素之間的鄰接關(guān)系對(duì)分類(lèi)結(jié)果進(jìn)行進(jìn)一步修正。實(shí)驗(yàn)表明,，該方法能夠?qū)Υ蟛糠殖袼貑卧M(jìn)行正確分類(lèi),，平均每幅圖像被錯(cuò)誤分類(lèi)的超像素約為2.28個(gè)。與采用像素級(jí)特征的色差法和采用鄰域像素特征的果實(shí)分割方法相比,，采用超像素特征的果實(shí)分割方法具有更好的分割效果,。在進(jìn)行鄰接關(guān)系修正前，該方法圖像分割準(zhǔn)確率達(dá)0.9214,，召回率達(dá)0.8565,，平均識(shí)別分割一幅圖像耗時(shí)0.6087s，基本滿足實(shí)時(shí)性需求,。

摘要:針對(duì)移動(dòng)機(jī)器人傳統(tǒng)路徑跟隨控制方法需要人工調(diào)校參數(shù),、缺乏自主優(yōu)化能力的問(wèn)題，提出了一種基于啟發(fā)式動(dòng)態(tài)規(guī)劃（Heuristic dynamic programming, HDP）的路徑跟隨控制方法,。首先,，設(shè)計(jì)履帶式機(jī)器人路徑跟隨控制系統(tǒng)結(jié)構(gòu)，建立了誤差狀態(tài)方程,；其次,，提出了一種基于HDP算法的路徑跟隨控制方法，綜合誤差性能指標(biāo)和跟隨穩(wěn)定性指標(biāo)設(shè)計(jì)了回報(bào)函數(shù),，采用多層前饋神經(jīng)網(wǎng)絡(luò)逼近評(píng)價(jià)器和執(zhí)行器,，并推導(dǎo)了網(wǎng)絡(luò)參數(shù)的在線優(yōu)化規(guī)則；最后，通過(guò)數(shù)值仿真和系統(tǒng)試驗(yàn)驗(yàn)證了HDP方法的路徑跟隨性能,。試驗(yàn)結(jié)果證明,，基于HDP算法的控制器跟隨直線的平均誤差絕對(duì)值為0.04m、均方根誤差為0.06m,；跟隨鈍角轉(zhuǎn)向曲線的平均誤差絕對(duì)值為0.01m,、均方根誤差為0.06m；跟隨銳角轉(zhuǎn)向曲線的平均誤差絕對(duì)值為0.03m,、均方根誤差為0.09m,。該方法不需要對(duì)控制參數(shù)進(jìn)行反復(fù)調(diào)試就能夠獲得較好的控制效果，提高了移動(dòng)機(jī)器人路徑跟隨控制方法的環(huán)境適應(yīng)性和自主優(yōu)化能力,。

摘要:為了準(zhǔn)確檢測(cè)水稻秧苗行中心線,，提出了基于分區(qū)域特征點(diǎn)聚類(lèi)的秧苗行中心線提取方法,。采用2G-R-B特征因子和Otsu法分割秧苗和背景,；通過(guò)分區(qū)域統(tǒng)計(jì)秧苗像素點(diǎn)分布提取秧苗行的候選特征點(diǎn)，利用特征點(diǎn)間近鄰關(guān)系對(duì)特征點(diǎn)進(jìn)行聚類(lèi),，確定秧苗行數(shù)和各秧苗行的起始點(diǎn),；基于秧苗成行栽植特點(diǎn)引入“趨勢(shì)線”，利用點(diǎn)到該直線的距離與距離閾值作比較,，篩選出遠(yuǎn)離各行趨勢(shì)線的點(diǎn),，并將其去除；對(duì)篩選后的每一行特征點(diǎn)用最小二乘法進(jìn)行直線擬合,，獲取秧苗行中心線,。實(shí)驗(yàn)結(jié)果表明，該算法具有較強(qiáng)的抗噪性能,，提取秧苗行中心線的準(zhǔn)確率達(dá)95.6%,，與標(biāo)準(zhǔn)Hough變換和隨機(jī)Hough變換算法相比，處理一幅分辨率為320像素×237像素的彩色圖像平均耗時(shí)短,，能夠?qū)崿F(xiàn)水田秧苗行中心線的準(zhǔn)確提取,，可為插秧機(jī)自主行走提供可靠的導(dǎo)航信息。

摘要:為了提高氣送式高速玉米精量排種器的工作性能,，設(shè)計(jì)了3種結(jié)構(gòu)類(lèi)型的導(dǎo)流渦輪,，通過(guò)計(jì)算流體力學(xué)(Computational fluid dynamic, CFD)方法模擬仿真與理論分析得出，導(dǎo)流渦輪可有效提高排種器內(nèi)部空氣的流動(dòng)性,，增大外圈型孔處空氣流速流量,，增大壓覆作用力，且具有較大迎風(fēng)角和具備曲線結(jié)構(gòu)的導(dǎo)流渦輪C具有較好的擾動(dòng)性和導(dǎo)流性,，效果最佳,。為了獲得安裝有導(dǎo)流渦輪C排種器的最佳性能參數(shù)，以工作速度、種子喂入量和氣送風(fēng)壓為試驗(yàn)因素,，以合格指數(shù),、漏播指數(shù)和重播指數(shù)為試驗(yàn)指標(biāo)進(jìn)行三元二次回歸正交旋轉(zhuǎn)組合試驗(yàn)，并應(yīng)用Design-Expert 8.0.6軟件對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行多元回歸分析和響應(yīng)曲面分析,，得到了各因素對(duì)指標(biāo)的影響關(guān)系,。采用多目標(biāo)優(yōu)化方法，確定最佳參數(shù)組合為：工作速度為9.8km/h,、種子喂入量為1.8kg/min,、氣送風(fēng)壓為8kPa。此時(shí),，排種器合格指數(shù)最高,，其性能指標(biāo)為合格指數(shù)91.32%、漏播指數(shù)2.83%,、重播指數(shù)5.85%,。對(duì)優(yōu)化結(jié)果進(jìn)行對(duì)比驗(yàn)證試驗(yàn)，在相同條件下與未安裝導(dǎo)流渦輪的排種器進(jìn)行對(duì)比表明,，安裝導(dǎo)流渦輪可以有效提高排種器工作性能,。

摘要:為解決小麥寬苗帶播種均勻性差和開(kāi)溝阻力大的問(wèn)題，設(shè)計(jì)了一種窩眼輪式精量排種,、內(nèi)四等分輸種管間隔輸種的小麥寬苗帶精量播種施肥機(jī),。對(duì)關(guān)鍵部件進(jìn)行了理論分析，并對(duì)旋耕覆土過(guò)程進(jìn)行了離散元仿真研究,，在此基礎(chǔ)上進(jìn)行了排種器臺(tái)架試驗(yàn)和整機(jī)田間試驗(yàn),。臺(tái)架試驗(yàn)結(jié)果表明，窩眼輪轉(zhuǎn)速為35r/min時(shí),，行內(nèi)播種均勻性變異系數(shù),、各行排量一致性變異系數(shù)、種子破碎率分別為9.31%,、2.30%和0.38%,。田間試驗(yàn)結(jié)果表明，窩眼輪式排種器配套內(nèi)四等分輸種管提高了種子在苗帶上的分布均勻性,，播種均勻性變異系數(shù)為11.55%,，苗帶平均寬度為8.2cm，正轉(zhuǎn)旋耕裝置能有效清理苗帶,、避免秸稈雜草堵塞,；利用旋耕拋土原理能夠?qū)崿F(xiàn)對(duì)種、肥的分層覆土,，播種和施肥平均深度分別為3.2cm和9.4cm,，種肥深度垂直間距平均值為6.2cm,，變異系數(shù)分別為4.15%、2.97%和5.48%,，較好地實(shí)現(xiàn)了種肥分層,，整機(jī)設(shè)計(jì)滿足大田播種農(nóng)藝要求。

摘要:針對(duì)播種作業(yè)地表不平,、播種機(jī)寬幅導(dǎo)致各行播深均勻性和穩(wěn)定性差等問(wèn)題,，設(shè)計(jì)了一種基于仿形輥彈性形變、實(shí)現(xiàn)仿形功能的鑿式播種開(kāi)溝器,。闡述了鑿式播種開(kāi)溝器仿形開(kāi)溝工作原理,，確定了鑿式刃口曲線方程，構(gòu)建了開(kāi)溝器與土壤互作關(guān)系力學(xué)模型,，闡明了仿形機(jī)構(gòu)的彈性形變與仿形阻力及仿形量之間的關(guān)系,。以鑿式曲面刃口寬度、仿形輥直徑,、入土角,、播深為試驗(yàn)因素，采用二次回歸正交組合試驗(yàn)方法,，利用高速數(shù)字化土槽平臺(tái),，開(kāi)展了各試驗(yàn)因素對(duì)播深穩(wěn)定性影響試驗(yàn),。試驗(yàn)結(jié)果表明,，刃口寬度12mm、仿形輥直徑24mm,、入土角22°時(shí),，播深穩(wěn)定性較優(yōu)。田間對(duì)比試驗(yàn)表明,，在最優(yōu)參數(shù)組合下,，鑿式開(kāi)溝器的播深變異系數(shù)低于9%，地表平整度低于18.5mm,，作業(yè)通過(guò)性好,，其開(kāi)溝性能優(yōu)于翼鏟式開(kāi)溝器；田間播種試驗(yàn)表明,，以4.8m工作幅寬,、24行播種的油麥兼用型精量寬幅免耕播種機(jī)播種的油菜、小麥,，單行苗數(shù)變異系數(shù),、各行苗數(shù)一致性變異系數(shù)均低于10%，小麥各行1m內(nèi)平均苗數(shù)為35,，春油菜各行1m內(nèi)平均苗數(shù)為26,，冬油菜各行1m內(nèi)平均苗數(shù)為20,，滿足油菜、小麥精量播種及成苗率要求,。

摘要:針對(duì)氣吸式排種器氣壓利用不充分,、種盤(pán)旋轉(zhuǎn)與橡膠墊存在摩擦、穴播均勻性差等問(wèn)題,，設(shè)計(jì)了一種嵌入旋轉(zhuǎn)氣腔式水稻穴直播排種器,。基于ANSYS軟件對(duì)腔體內(nèi)部流場(chǎng)進(jìn)行模擬仿真,，以吸孔孔徑和吸孔位置分布為影響因素,、以氣腔壓力平均值和吸孔處的平均流速為評(píng)價(jià)指標(biāo)進(jìn)行數(shù)值模擬仿真研究。仿真結(jié)果表明：氣腔流場(chǎng)分布比較穩(wěn)定,，可為吸種提供穩(wěn)定的負(fù)壓環(huán)境,。應(yīng)用JPS-12試驗(yàn)臺(tái)進(jìn)行試驗(yàn)驗(yàn)證，以氣腔轉(zhuǎn)速,、負(fù)壓和填種高度為影響因素,，以播種合格率、漏播率和重播率為評(píng)價(jià)指標(biāo),，進(jìn)行三因素五水平二次正交旋轉(zhuǎn)組合試驗(yàn),，運(yùn)用Design-Expert 8.0.6對(duì)數(shù)據(jù)完成方差分析和顯著性檢驗(yàn)，得到回歸方程和響應(yīng)曲面圖,，通過(guò)分析各因素間的交互作用,，確定了最佳參數(shù)組合：當(dāng)氣腔轉(zhuǎn)速為21.61r/min、氣腔負(fù)壓為4.4kPa,、填種高度為15.7cm時(shí),，作業(yè)性能最好，此時(shí)播種合格率93.6%,，漏播率3.47%,，重播率2.93%。試驗(yàn)結(jié)果與優(yōu)化結(jié)果相符,，滿足粳稻穴直播要求,。

摘要:脈沖式煙霧水霧機(jī)以脈沖發(fā)動(dòng)機(jī)為動(dòng)力，可施放煙霧或水霧,，從而滿足植物不同生長(zhǎng)時(shí)期的施藥要求,。脈沖式煙霧水霧機(jī)工作頻率取決于其聲學(xué)結(jié)構(gòu)條件、加熱條件以及藥液煙化或霧化時(shí)反饋?zhàn)饔霉餐詈蠒r(shí)的振蕩頻率,。如不滿足任一條件或反饋擾動(dòng)過(guò)大,，則無(wú)法形成振蕩系統(tǒng)，或使原有的系統(tǒng)停止振蕩,，從而導(dǎo)致發(fā)動(dòng)機(jī)熄火,。通過(guò)改變脈沖發(fā)動(dòng)機(jī)油門(mén)開(kāi)度,、藥液類(lèi)型（用0#柴油和清水代替熱霧劑農(nóng)藥和水霧劑農(nóng)藥）以及進(jìn)入噴管內(nèi)的藥液流量，對(duì)脈沖式煙霧水霧機(jī)進(jìn)行了工作頻率的影響因素研究,。結(jié)果表明,，不噴藥狀態(tài)時(shí)，實(shí)際工作頻率高于理論工作頻率,，平均相對(duì)誤差為26.6%,；噴藥狀態(tài)時(shí)，熱霧劑或水霧劑農(nóng)藥進(jìn)入噴管內(nèi)熱力煙化或霧化后,，均會(huì)引起實(shí)際工作頻率的下降,，水霧劑農(nóng)藥?kù)F化后工作頻率的下降幅度大于熱霧劑煙化后的頻率下降幅度，水霧劑農(nóng)藥熱力霧化比熱霧劑熱力煙化對(duì)原有脈動(dòng)燃燒振蕩系統(tǒng)的擾動(dòng)大,。據(jù)此重新構(gòu)建了脈沖式煙霧水霧機(jī)噴煙霧或噴水霧工作頻率的數(shù)學(xué)模型,。噴煙霧和噴水霧狀態(tài)下，工作頻率與藥液流量之間均呈負(fù)比例線性關(guān)系,，其比例系數(shù)分別為-0.1357,、-0.1157Hz·h/L；工作頻率與燃油消耗率之間均呈正比例線性關(guān)系,，其比例系數(shù)分別為38.58,、30.73Hz·h/L。應(yīng)用新構(gòu)建的模型所引起的最大相對(duì)誤差只有2.2%和1.4%,，表明構(gòu)建的工作頻率數(shù)學(xué)模型可用于脈沖式煙霧水霧機(jī)在常規(guī)噴藥量范圍內(nèi)工作頻率的計(jì)算,。

摘要:針對(duì)面向植保服務(wù)訂單的多飛防隊(duì)協(xié)同作業(yè)模式，綜合考慮訂單時(shí)間窗,、病蟲(chóng)害侵染狀況,、多機(jī)協(xié)同等關(guān)鍵因素,，建立以作業(yè)總收益最大,、作業(yè)總時(shí)長(zhǎng)最小為優(yōu)化目標(biāo)的飛防隊(duì)作業(yè)調(diào)度模型；設(shè)計(jì)了訂單優(yōu)先級(jí)排序算法和基于帶精英策略的非支配排序遺傳算法（NSGA-Ⅱ）的作業(yè)路徑規(guī)劃算法,，并對(duì)調(diào)度模型進(jìn)行了求解,。以陜西省武功縣植保作業(yè)為例，對(duì)飛防隊(duì)作業(yè)調(diào)度模型及算法進(jìn)行了驗(yàn)證,，實(shí)驗(yàn)表明,，建立的模型及算法能輸出滿足時(shí)間窗約束的Pareto最優(yōu)解集，具有良好的搜索性能以及穩(wěn)定的收斂性能,。該研究可為無(wú)人機(jī)飛防隊(duì)的調(diào)配與決策分析提供科學(xué)依據(jù),，為農(nóng)機(jī)智能調(diào)度系統(tǒng)開(kāi)發(fā)提供參考。

摘要:針對(duì)國(guó)內(nèi)根莖類(lèi)作物收獲機(jī)械自動(dòng)化水平低,、勞動(dòng)強(qiáng)度大,、對(duì)行功能缺失,、明薯率低、傷薯率高和漏挖率高等問(wèn)題,，以4UGS2型雙行薯類(lèi)收獲機(jī)為載體,，以壟行截面走向?yàn)檠芯繉?duì)象，綜合運(yùn)用機(jī)械,、液壓和電子控制等領(lǐng)域關(guān)鍵技術(shù),，設(shè)計(jì)了一種自動(dòng)對(duì)行系統(tǒng)。該系統(tǒng)包括地壟仿形機(jī)構(gòu),、牽引機(jī)構(gòu),、液壓系統(tǒng)和控制系統(tǒng)，采用基于PID的速度控制模式實(shí)現(xiàn)收獲機(jī)作業(yè)路線實(shí)時(shí)調(diào)整,，從而實(shí)現(xiàn)收獲機(jī)行進(jìn)過(guò)程中的自動(dòng)對(duì)行功能,，進(jìn)一步提高了薯類(lèi)作物收獲機(jī)械自動(dòng)化水平。田間收獲試驗(yàn)表明：薯類(lèi)收獲機(jī)安裝自動(dòng)對(duì)行系統(tǒng)后,，其平均明薯率為 97.25%,，平均傷薯率為1.44%，平均漏挖率為1.57%,。通過(guò)與人工對(duì)行收獲試驗(yàn)對(duì)比可知,，平均明薯率提升了2.16個(gè)百分點(diǎn)，平均傷薯率降低了1.40個(gè)百分點(diǎn),，平均漏挖率降低了1.81個(gè)百分點(diǎn),。

摘要:針對(duì)現(xiàn)有取苗末端執(zhí)行器取苗針間距固定、適應(yīng)性差,，難以實(shí)現(xiàn)按需調(diào)整以適應(yīng)移栽過(guò)程中不同規(guī)格穴盤(pán)缽苗取苗的問(wèn)題,，設(shè)計(jì)了一種插入針間距可調(diào)的針式取苗末端執(zhí)行器。該執(zhí)行器由直流電動(dòng)推桿驅(qū)動(dòng),，取苗針沿根缽四角傾斜插入,。通過(guò)調(diào)整調(diào)節(jié)滑塊和針座在支架上的位置，實(shí)現(xiàn)取苗針間距的調(diào)整,。本文以72穴,、128穴和200穴3種規(guī)格甘藍(lán)穴盤(pán)所育缽苗為研究對(duì)象，研究了3種規(guī)格穴盤(pán)缽苗苗齡對(duì)根缽形成與甘藍(lán)幼苗生長(zhǎng)發(fā)育的影響,，確定了取苗末端執(zhí)行器主要結(jié)構(gòu)參數(shù),，并對(duì)取苗瞬間進(jìn)行了受力分析。在根缽均已形成的前提下,，運(yùn)用EDEM對(duì)根缽提取進(jìn)行單因素仿真模擬,，以穴盤(pán)規(guī)格、取苗加速度,、取苗針插入邊距比和根缽含水率為試驗(yàn)因素,，根缽?fù)暾屎腿∶缡÷蕿樵u(píng)價(jià)指標(biāo),，采用L9(34)正交試驗(yàn)，考察試驗(yàn)因素對(duì)評(píng)價(jià)指標(biāo)的影響,，通過(guò)極差分析,、方差分析和綜合加權(quán)法，得到各因素對(duì)評(píng)價(jià)指標(biāo)影響的主次順序?yàn)槿∶缂铀俣?、根缽含水率,、穴盤(pán)規(guī)格、插入比,；得到優(yōu)選參數(shù)組合：取苗加速度為0.1m/s2,，根缽含水率為56.2%，穴盤(pán)規(guī)格為128穴,，插入邊距比為15%,，此時(shí)根缽?fù)暾蕿?7.93%，取苗失敗率為0.81%,。

摘要:基于明輪驅(qū)動(dòng)的蝦塘投餌船能夠適應(yīng)養(yǎng)殖池塘復(fù)雜的環(huán)境,、滿足全塘拋撒的要求，可靠性是其進(jìn)行推廣的關(guān)鍵,。采用滾塑工藝設(shè)計(jì)了全封閉投餌船體,，利用免油脂潤(rùn)滑不銹鋼鏈輪和明輪作為驅(qū)動(dòng)機(jī)構(gòu)，以避免對(duì)水體的污染,，螺旋輸送餌料裝置可滿足船載投餌過(guò)程中重心位置穩(wěn)定的要求,，通過(guò)GPS+電子羅盤(pán)的方式實(shí)現(xiàn)了自主導(dǎo)航定位和姿態(tài)控制需求。根據(jù)蝦塘投餌和控制性能要求,，進(jìn)行投餌船直線運(yùn)動(dòng)和轉(zhuǎn)彎運(yùn)動(dòng)模型的構(gòu)建,，采用PID航向、航速運(yùn)動(dòng)控制算法進(jìn)行巡航路徑控制,，池塘測(cè)試平均速度為0.72m/s,，直行和轉(zhuǎn)彎最大偏航量分別為0.8m和0.5m。40d的養(yǎng)殖塘現(xiàn)場(chǎng)試驗(yàn)結(jié)果表明,，自主導(dǎo)航投餌船在復(fù)雜路徑下運(yùn)行平穩(wěn),，可滿足蝦塘餌料投喂要求，同時(shí)對(duì)強(qiáng)風(fēng),、大雨等惡劣環(huán)境進(jìn)行了可靠性測(cè)試，發(fā)現(xiàn)并解決了相關(guān)問(wèn)題,。

摘要:針對(duì)深海域網(wǎng)箱養(yǎng)殖人工收魚(yú)效率低,、且勞動(dòng)強(qiáng)度大，吸魚(yú)泵等傳統(tǒng)收魚(yú)裝置魚(yú)損率高,、需要裝備大功率發(fā)電系統(tǒng),、不適合中小型收魚(yú)船作業(yè)等問(wèn)題設(shè)計(jì)了內(nèi)導(dǎo)葉滾筒式收魚(yú)機(jī),。對(duì)該裝置的主體結(jié)構(gòu)進(jìn)行仿真，確定了主體結(jié)構(gòu)發(fā)生最大等效應(yīng)力和應(yīng)力集中的位置,，根據(jù)仿真結(jié)果進(jìn)一步優(yōu)化結(jié)構(gòu),，并試制了實(shí)驗(yàn)裝置。通過(guò)實(shí)驗(yàn)得出最優(yōu)控制方案,，即在傾角10°,、轉(zhuǎn)速15.3r/min情況下，有效輸送量與功耗比最優(yōu),，且滾筒在不同傾角下最優(yōu)轉(zhuǎn)速為15r/min,，實(shí)驗(yàn)魚(yú)損率為0.1%，滿足用戶(hù)要求,。該裝置能在保證一定收魚(yú)效率的同時(shí)降低魚(yú)損率,，適合中小型漁船收魚(yú)作業(yè)。

摘要:提出了基于深度信念網(wǎng)絡(luò)的多品種生殖生育期水稻生物量無(wú)損檢測(cè)方法,。對(duì)在正常生長(zhǎng)及干旱脅迫兩個(gè)不同環(huán)境下的483個(gè)水稻品種,，分別于脅迫前、脅迫后和復(fù)水后3個(gè)時(shí)間點(diǎn)進(jìn)行圖像采集,。利用HSL顏色空間固定閾值分割法分割圖像,，并對(duì)處理后的圖像進(jìn)行特征提取，共提取57個(gè)特征值,。對(duì)數(shù)據(jù)進(jìn)行歸一化處理后,，構(gòu)建基于深度信念網(wǎng)絡(luò)的水稻生物量模型，根據(jù)決定系數(shù)R2,、平均相對(duì)誤差（MAPE）及相對(duì)誤差絕對(duì)值的標(biāo)準(zhǔn)差（SAPE）選擇最優(yōu)模型,，并與逐步線性回歸模型進(jìn)行比較。結(jié)果表明,，基于深度信念網(wǎng)絡(luò)的生物量測(cè)量模型性能更優(yōu),，R2為0.9299，MAPE為11.19%,，SAPE為18.36%,。本研究提供了一種精度高且適用于多品種、不同生殖生育期,、不同生長(zhǎng)環(huán)境的水稻生物量無(wú)損檢測(cè)模型,，為水稻研究提供了新的測(cè)量工具。

摘要:為研究整合水稻表型組學(xué)相關(guān)知識(shí),，系統(tǒng)地建立水稻表型組學(xué)知識(shí)圖譜,，通過(guò)分布式爬蟲(chóng)框架從國(guó)家水稻數(shù)據(jù)中心網(wǎng)站獲取水稻表型組學(xué)數(shù)據(jù)集，并以互動(dòng)百科為輔助數(shù)據(jù)源獲取水稻表型組學(xué)數(shù)據(jù)。對(duì)水稻表型組學(xué)數(shù)據(jù)采用TF-IDF技術(shù)結(jié)合潛在語(yǔ)義模型進(jìn)行預(yù)處理,，并對(duì)水稻表型組學(xué)實(shí)體進(jìn)行人工分類(lèi)和標(biāo)注,。為實(shí)現(xiàn)水稻表型組學(xué)實(shí)體分類(lèi)，研究了基于堆疊式兩階段集成學(xué)習(xí)的分類(lèi)器組合模型,，結(jié)合K-近鄰算法,、支持向量機(jī)、隨機(jī)森林,、梯度提升決策樹(shù)機(jī)器學(xué)習(xí)方法,，提升水稻表型組學(xué)實(shí)體數(shù)據(jù)分類(lèi)的性能。研究表明,，基于堆疊式兩階段集成學(xué)習(xí)的分類(lèi)器組合模型對(duì)不同類(lèi)別的水稻表型組學(xué)數(shù)據(jù)都具有較好的多分類(lèi)能力,，對(duì)于不平衡的水稻表型組學(xué)數(shù)據(jù)集，本文方法的分類(lèi)器組合模型對(duì)水稻表型組學(xué)數(shù)據(jù)分類(lèi)效果最佳,，Gene類(lèi)別的F1為90.47%,，總體準(zhǔn)確率達(dá)80.55%，比支持向量機(jī),、K-近鄰,、隨機(jī)森林和梯度提升決策樹(shù)4種基分類(lèi)器的分類(lèi)準(zhǔn)確率平均高6.78個(gè)百分點(diǎn)。

摘要:為提高寧夏引黃灌區(qū)滴灌水肥一體化下玉米光響應(yīng)生理參數(shù)的計(jì)算精度,，探討玉米吐絲期光合響應(yīng)機(jī)制及光合響應(yīng)特征,，以天賜19為試驗(yàn)材料，設(shè)置6個(gè)施氮水平,，采用Li-6400XT型光合儀測(cè)定了2017—2018年玉米吐絲期穗位葉的光響應(yīng)曲線,。選用直角雙曲線修正模型等4種常用模型對(duì)滴灌玉米光響應(yīng)過(guò)程進(jìn)行擬合分析，評(píng)價(jià)和篩選出不同氮素水平下玉米吐絲期最優(yōu)模型,，并利用最優(yōu)模型計(jì)算玉米光響應(yīng)參數(shù),。結(jié)果表明，4種模型擬合精度存在差異,，且直角雙曲線,、非直角雙曲線和指數(shù)模型對(duì)氮虧缺處理（N0）的光響應(yīng)曲線擬合度差，直角雙曲線修正模型對(duì)各處理擬合度最高,，可作為最優(yōu)模型對(duì)玉米吐絲期光響應(yīng)參數(shù)進(jìn)行計(jì)算,。玉米光合能力隨施氮量增加呈先增后減趨勢(shì)，光補(bǔ)償點(diǎn),、光飽和點(diǎn),、最大凈光合速率、表觀量子效率,、暗呼吸速率在施氮360kg/hm2（N4）條件下玉米穗位葉的光響應(yīng)參數(shù)均高于其他處理,，在450kg/hm2（N5）條件下出現(xiàn)下降趨勢(shì),，但降幅較小,。由此可見(jiàn),，利用光合參數(shù)可判斷玉米吐絲期的氮素營(yíng)養(yǎng)狀況，調(diào)控滴灌玉米最佳施氮量,，提高滴灌玉米光合能力,，進(jìn)而提高產(chǎn)量。

摘要:針對(duì)采用長(zhǎng)時(shí)間序列衛(wèi)星影像,、結(jié)合物候特征進(jìn)行農(nóng)作物精細(xì)分類(lèi)識(shí)別精度較低的問(wèn)題,，將深度學(xué)習(xí)用于無(wú)人機(jī)遙感農(nóng)作物識(shí)別，提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的農(nóng)作物精細(xì)分類(lèi)方法,，利用卷積神經(jīng)網(wǎng)絡(luò)提取高分辨率遙感影像中的農(nóng)作物特征,，通過(guò)調(diào)整網(wǎng)絡(luò)參數(shù)及樣本光譜組合，進(jìn)一步優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu),，得到農(nóng)作物識(shí)別模型,。研究結(jié)果表明：卷積神經(jīng)網(wǎng)絡(luò)能夠有效地提取影像中的農(nóng)作物信息，實(shí)現(xiàn)農(nóng)作物精細(xì)分類(lèi),。除地塊邊緣因農(nóng)作物種植稀疏,、混雜而產(chǎn)生少許錯(cuò)分現(xiàn)象外，其他區(qū)域均得到較好的分類(lèi)效果,。經(jīng)訓(xùn)練優(yōu)化后的模型對(duì)3種農(nóng)作物總體分類(lèi)精度可達(dá)97.75%,，優(yōu)于SVM、BP神經(jīng)網(wǎng)絡(luò)等分類(lèi)算法,。

摘要:為了克服LED作為主動(dòng)光源的土壤全氮含量檢測(cè)儀波段單一,、光強(qiáng)信號(hào)較弱、儀器信噪比難以提高的不足,，基于鹵鎢燈光源和特制多路光纖設(shè)計(jì)了一款便攜式土壤全氮含量檢測(cè)儀,。檢測(cè)儀選用1108、1248,、1336,、1450、1537,、1696nm作為土壤全氮敏感波長(zhǎng),，選用高功率鹵鎢燈作為光源以提高信號(hào)強(qiáng)度，采用“一分六”特制光纖實(shí)現(xiàn)1路入射光通道和6路反射光通道,。性能試驗(yàn)表明,，調(diào)理電路和鹵鎢燈光源工作穩(wěn)定，并且鹵鎢燈作為主動(dòng)光源測(cè)量精度更高,，“一分六”石英光纖測(cè)量精度高于其他類(lèi)型光纖,。根據(jù)檢測(cè)儀吸光度和土壤全氮含量標(biāo)準(zhǔn)值建立了不同預(yù)測(cè)模型，結(jié)果表明，采用PLS建模精度最高,，建模R2C為0.8613,，驗(yàn)證R2V為0.8042，可以用于檢測(cè)儀模型嵌入,。田間試驗(yàn)結(jié)果表明,，檢測(cè)儀測(cè)量值和標(biāo)準(zhǔn)值的相關(guān)系數(shù)達(dá)到0.8280。設(shè)計(jì)的檢測(cè)儀測(cè)量精度較高,，可以滿足田間快速準(zhǔn)確檢測(cè)的目的,。

摘要:針對(duì)人工監(jiān)測(cè)奶牛發(fā)情費(fèi)時(shí)、費(fèi)力,，僅依靠活動(dòng)量和非接觸式視頻監(jiān)測(cè)無(wú)法實(shí)現(xiàn)奶牛安靜發(fā)情預(yù)警的問(wèn)題,，根據(jù)奶牛發(fā)情時(shí)陰道粘液生理特征變化，提出基于奶牛陰道電阻變化的奶牛發(fā)情監(jiān)測(cè)方案,。設(shè)計(jì)了由黃銅電阻探頭,、8爪防滑裝置構(gòu)成的奶牛陰道植入式電阻傳感器，對(duì)陰道電阻值進(jìn)行采集,。借助2.4GHz的ZigBee網(wǎng)絡(luò)開(kāi)發(fā)了無(wú)線傳輸系統(tǒng),，將陰道電阻無(wú)線傳送給協(xié)調(diào)器節(jié)點(diǎn)，協(xié)調(diào)器經(jīng)由RS485總線傳輸?shù)奖O(jiān)控中心,。開(kāi)發(fā)了奶牛陰道電阻上位機(jī)實(shí)時(shí)監(jiān)測(cè)系統(tǒng),，實(shí)現(xiàn)了奶牛陰道電阻的精確采集和遠(yuǎn)程實(shí)時(shí)監(jiān)測(cè)。分別對(duì)植入式電阻傳感器和監(jiān)測(cè)系統(tǒng)進(jìn)行了準(zhǔn)確性,、穩(wěn)定性,、可靠性及能量可用性試驗(yàn)，結(jié)果表明,，植入式電阻傳感器電阻測(cè)量探頭體積小,、安裝方便，可測(cè)定1~1000Ω范圍的電阻,，測(cè)量精度在±2%以?xún)?nèi),，24h內(nèi)電阻最大波動(dòng)為2Ω；在450m2奶牛養(yǎng)殖區(qū)范圍內(nèi),，ZigBee網(wǎng)絡(luò)數(shù)據(jù)發(fā)送成功率不低于98.5%,；植入式電阻傳感器終端節(jié)點(diǎn)在7.4V/6500mA·h鋰電池能量供應(yīng)下可連續(xù)工作38d。監(jiān)測(cè)系統(tǒng)運(yùn)行穩(wěn)定,，能夠精確,、可靠、實(shí)時(shí)地監(jiān)測(cè)奶牛陰道電阻的變化,，為奶牛發(fā)情程度和排卵時(shí)間的準(zhǔn)確預(yù)測(cè)提供了一種新的監(jiān)測(cè)方法,。

摘要:針對(duì)農(nóng)田數(shù)據(jù)在高吞吐量,、高并發(fā)、多條件處理過(guò)程中易產(chǎn)生運(yùn)算負(fù)載大,、響應(yīng)速度慢等難題,，研究了負(fù)載均衡大規(guī)模集群數(shù)據(jù)處理技術(shù)，優(yōu)化了多條件檢索時(shí)Hbase農(nóng)田數(shù)據(jù)庫(kù),，提出了基于Solr的二級(jí)非主鍵索引方法,，搭建了基于Hadoop的農(nóng)田大數(shù)據(jù)平臺(tái),，采用農(nóng)機(jī)深松,、植保、保護(hù)性耕作等8種作業(yè)生成的100TB數(shù)據(jù)對(duì)平臺(tái)進(jìn)行了檢索實(shí)驗(yàn)和壓力測(cè)試實(shí)驗(yàn),。實(shí)驗(yàn)結(jié)果表明,，多條件檢索時(shí)，優(yōu)化后的技術(shù)模型在數(shù)據(jù)規(guī)模達(dá)到5×107條時(shí),，系統(tǒng)的響應(yīng)時(shí)間小于1s,，優(yōu)化的性能與原生Hbase相比提高了3倍；在模擬用戶(hù)達(dá)到5×105次時(shí),，系統(tǒng)的QPS及TPS提高了1倍左右,、RT提高了2.5倍，系統(tǒng)的平均響應(yīng)時(shí)間為183ms,。本研究解決了高吞吐量,、高并發(fā)導(dǎo)致農(nóng)田數(shù)據(jù)檢索效率低的問(wèn)題，提高了海量農(nóng)田數(shù)據(jù)實(shí)時(shí)處理的計(jì)算能力,。

摘要:為降低林區(qū)小氣候監(jiān)測(cè)站的數(shù)據(jù)傳輸功耗,，提出了一種切換字典的數(shù)據(jù)壓縮感知方法，在對(duì)樣本數(shù)據(jù)進(jìn)行特征表征與分類(lèi)的基礎(chǔ)上,，合理切換使用離散傅里葉變換基（Discrete Fourier transform,，DFT）固定字典或K-SVD（K-singular value decomposition）學(xué)習(xí)字典，對(duì)樣本數(shù)據(jù)進(jìn)行稀疏表達(dá),。采用高斯函數(shù)對(duì)樣本數(shù)據(jù)進(jìn)行擬合,，以擬合決定系數(shù)R2和擬合均方根誤差（RMSE）為切換因子，定義了字典的切換策略,。選用空氣溫度,、空氣濕度、土壤溫度,、土壤濕度作為測(cè)試對(duì)象,，實(shí)驗(yàn)驗(yàn)證切換策略的可行性。實(shí)驗(yàn)表明,，在林區(qū)小氣候監(jiān)測(cè)站中,，當(dāng)稀疏度和壓縮率均相同時(shí),，結(jié)合DFT和K-SVD兩種字典的優(yōu)勢(shì)，基于切換字典的數(shù)據(jù)壓縮感知算法比單一字典具有更小的重構(gòu)誤差,。經(jīng)功耗測(cè)試實(shí)驗(yàn),，當(dāng)稀疏度K=16時(shí)，采用切換字典的數(shù)據(jù)壓縮感知算法,，使監(jiān)測(cè)站的平均每日電能消耗降低了16.35%,，保證了林區(qū)小氣候監(jiān)測(cè)站的低功耗運(yùn)行和數(shù)據(jù)可靠傳輸。

摘要:為改善高光譜遙感對(duì)污水水質(zhì)信息狀況定量反演模型的預(yù)測(cè)評(píng)價(jià)效果,，以陜西某污水處理廠采集的污水樣品為研究對(duì)象,，采用主成分分析法（Principal component analysis，PCA）對(duì)污水水質(zhì)進(jìn)行綜合評(píng)價(jià),，獲取水質(zhì)評(píng)價(jià)的綜合評(píng)價(jià)因子,，同時(shí)利用ASD FieldSpec 3型高光譜儀獲取污水的原始光譜，經(jīng)過(guò)數(shù)據(jù)預(yù)處理和不同數(shù)學(xué)變換后,，共獲取了4種光譜指標(biāo)：平滑后光譜反射率（SG）,、倒數(shù)之對(duì)數(shù)（LR）、標(biāo)準(zhǔn)正態(tài)化（SNV）和去包絡(luò)線（CR）,。分別采用偏最小二乘回歸法（Partial least squares regression,，PLSR）、逐步回歸法(Stepwise regression,，SR),、極限學(xué)習(xí)機(jī)法（Extreme learning machine，ELM）構(gòu)建了基于水質(zhì)綜合評(píng)價(jià)因子的高光譜水質(zhì)反演模型,，并對(duì)反演結(jié)果進(jìn)行精度驗(yàn)證與比較,。結(jié)果表明，本組水樣的平滑后光譜數(shù)據(jù)和經(jīng)過(guò)標(biāo)準(zhǔn)正態(tài)化變換的光譜數(shù)據(jù)建模具有較好的建模效果,，其建模的預(yù)測(cè)RPD均在2.5以上,；在3種模型中，PLSR模型和ELM模型均具備很好的建模預(yù)測(cè)效果,；逐步回歸法的建模效果較PLSR模型和ELM模型有所下降,，但是其SG-SR、SNV-SR模型的R2c均在0.8以上,、R2p均在0.85以上,，RPD均在3.0以上，證明其仍擁有很好的反演預(yù)測(cè)效果,，且進(jìn)行了特征波段的優(yōu)選,，實(shí)現(xiàn)了對(duì)模型的優(yōu)化；SNV-SR-ELM（R2c=0.956,，R2p=0.954,，RMSE=0.500,，RPD=4.651）為最佳模型，SNV-SR-ELM模型的建立為高光譜反演水質(zhì)模型的優(yōu)化,、污水水質(zhì)的快速監(jiān)測(cè)和綜合評(píng)價(jià)提供了途徑,。

摘要:為探究灌排模式、施氮水平對(duì)水稻株高,、莖蘗生長(zhǎng)動(dòng)態(tài)的影響,，以稻田水位作為調(diào)控指標(biāo)，通過(guò)測(cè)坑控水試驗(yàn),，采用Logistic曲線以及DMOR數(shù)學(xué)模型定量分析不同施氮水平下分蘗期先旱后澇（FHL）,、拔節(jié)孕穗期先旱后澇（BHL）以及控制灌排（CID）3種處理對(duì)株高、莖蘗生長(zhǎng)動(dòng)態(tài)的影響,。結(jié)果表明：灌排模式主要通過(guò)改變水稻株高,、莖蘗的生長(zhǎng)時(shí)間以及生長(zhǎng)速率來(lái)影響株高、莖蘗生長(zhǎng),，最大株高由大到小表現(xiàn)為CID處理、FHL處理,、BHL處理,，最大莖蘗數(shù)由大到小表現(xiàn)為CID處理、BHL處理,、FHL處理,。施氮主要是通過(guò)提高水稻株高、莖蘗的生長(zhǎng)速率來(lái)促進(jìn)株高,、莖蘗生長(zhǎng),；最大株高隨著施氮量的增加而增加，CID和FHL兩種處理下,，最大株高由施氮150kg/hm2的98.9,、97.8cm增加到施氮300kg/hm2的102.4、101.2cm,，繼續(xù)施氮沒(méi)有顯著提高,；CID處理和BHL處理下，最大莖蘗數(shù)隨著施氮量的增加而增加,；FHL處理下,，低氮處理和高氮處理的最大莖蘗數(shù)顯著小于中氮處理。灌排模式與施氮水平的交互作用對(duì)株高,、莖蘗數(shù)動(dòng)態(tài)過(guò)程均有極顯著影響,，增施氮肥在一定程度上可以緩解因水分脅迫所引起的株高、莖蘗數(shù)的下降,，但是高氮會(huì)加重水分脅迫,，不利于株高,、莖蘗的生長(zhǎng)。

摘要:基于滴灌水肥一體化條件下研究水氮組合對(duì)寧夏沙土地區(qū)春玉米地上部干物質(zhì)量,、產(chǎn)量,、氮素累積量和水氮利用效率的影響，并運(yùn)用多元回歸分析方法,，尋求高產(chǎn)高效的水氮配施制度,。設(shè)計(jì)灌水和施氮2因素、3個(gè)灌水量水平（W0.6：0.6KcET0,、W0.8：0.8KcET0和W10：10KcET0,，其中Kc為作物系數(shù)，ET0為潛在作物蒸發(fā)蒸騰量）和4個(gè)施氮量水平（N150：150kg/hm2,；N225：225kg/hm2,；N300：300kg/hm2；N375：375kg/hm2）進(jìn)行大田試驗(yàn),。結(jié)果表明：Logistic函數(shù)對(duì)春玉米地上部干物質(zhì)累積量具有較高的擬合度,，W1.0灌水處理延后了地上部干物質(zhì)快速積累期的起點(diǎn)；灌水量和施氮量對(duì)產(chǎn)量,、植株氮素累積量,、水分利用效率（WUE）均有顯著或極顯著影響，灌水量對(duì)氮肥偏生產(chǎn)力（PFPN）有極顯著影響,，水氮耦合作用對(duì)氮收獲指數(shù)有顯著性影響,；相同灌水條件下，地上部干物質(zhì)累積量,、產(chǎn)量,、植株氮素累積量（W0.8處理除外）和WUE隨施氮量的增加先增加、后減小,?？紤]試驗(yàn)區(qū)年降雨量分配不均，基于產(chǎn)量,、WUE,、PFPN和籽粒氮素累積量，對(duì)水氮管理方案進(jìn)行優(yōu)化,，多元回歸分析結(jié)果表明,，當(dāng)灌水量與有效降雨量之和為506～576.mm、施氮量為230～335kg/hm2時(shí),，產(chǎn)量,、WUE和籽粒氮素累積量均能同時(shí)達(dá)到最大值的95%以上，優(yōu)化區(qū)間所得的PFPN約為最大值的80%,，為適宜的水氮滴灌管理區(qū)間,。研究成果可為當(dāng)?shù)厣惩恋貐^(qū)春玉米滴灌施肥過(guò)程中水氮科學(xué)管理提供指導(dǎo)依據(jù),。

摘要:為探明控制灌溉模式下秸稈還田與不同施氮量對(duì)稻田表層土壤氮素組成的影響，以黑龍江省寒地黑土為研究對(duì)象,，于2017—2018年進(jìn)行了田間連續(xù)定位試驗(yàn),，試驗(yàn)秸稈還田量設(shè)置為有秸稈還田(還田量為6t/hm2)和無(wú)秸稈還田2個(gè)水平，全生育期施氮量設(shè)置N0(0kg/hm2),、N1(85kg/hm2),、N2(110kg/hm2)和N3(135kg/hm2))4個(gè)水平，共8個(gè)處理,?；诘€(wěn)定性同位素技術(shù)，分析了秸稈還田后,，稻田土壤表層總可溶性氮組分分配比例,，銨態(tài)氮(NH+4N)、硝態(tài)氮(NO-3N),、可溶性有機(jī)氮(SON),、δ15N含量變化以及與土壤表層總可溶性氮含量的相關(guān)性。2年結(jié)果表明：控制灌溉模式下,，秸稈還田提高了土壤表層可溶性有機(jī)氮占總可溶性氮的比例,、氮礦化量以及δ15N含量。施加秸稈各施氮量處理土壤表層SON含量均低于無(wú)秸稈處理,，其中N3處理土壤表層NH+4N與NO-3N含量較無(wú)秸稈N3處理分別降低40.3%、38.7%,。與無(wú)秸稈處理相比，秸稈還田不僅提高了土壤供氮能力，而且促進(jìn)了土壤表層總可溶性氮以較穩(wěn)定的可溶性有機(jī)氮形態(tài)存在,，當(dāng)施氮量?jī)H為0kg/hm2時(shí),，土壤表層氮礦化量與無(wú)秸稈處理最高氮礦化量無(wú)顯著性差異，且隨著施氮量的增加,，土壤表層氮礦化量顯著高于無(wú)秸稈處理(P<0.05),。秸稈中δ15N含量高，促使土壤表層富集δ15N,，施加秸稈N1,、N2處理土壤表層δ15N含量與無(wú)秸稈N2、N3處理無(wú)顯著性差異,，N3處理土壤表層δ15N含量顯著高于無(wú)秸稈處理(P<0.05),，而且連續(xù)2年秸稈還田，導(dǎo)致土壤表層總可溶性氮與銨態(tài)氮(NH+4N),、硝態(tài)氮(NO-3N),、可溶性有機(jī)氮(SON)以及δ15N的相關(guān)性發(fā)生變化,。研究結(jié)果可為東北地區(qū)推行秸稈還田的可行性提供科學(xué)依據(jù)，對(duì)保障東北地區(qū)農(nóng)業(yè)水土資源可持續(xù)利用具有重要意義,。

摘要:為揭示水炭運(yùn)籌管理模式下水稻對(duì)不同階段施用氮肥的吸收利用情況,，采用田間小區(qū)試驗(yàn)與微區(qū)結(jié)合的方法，應(yīng)用15N示蹤技術(shù)分別標(biāo)記施用的基肥,、蘗肥和穗肥,，以常規(guī)淹灌作為對(duì)比，研究?jī)煞N灌溉模式不同水炭運(yùn)籌下水稻對(duì)基肥,、蘗肥,、穗肥的吸收利用、積累和轉(zhuǎn)運(yùn),，以及水稻成熟期不同階段施用的氮肥在植株各器官的分配情況,。試驗(yàn)結(jié)果表明：合理的水炭運(yùn)籌能夠顯著提高水稻成熟期地上部的氮素總積累量、氮肥吸收利用率和產(chǎn)量,；不同水炭運(yùn)籌下肥料對(duì)氮素總積累量的貢獻(xiàn)率為17.81%~20.60%,，兩種灌溉模式之間的差異不顯著(P＞0.05)；水稻對(duì)基肥,、蘗肥和穗肥的吸收利用率分別為15.55%~23.31%,、31.68%~44.91%、48.82%~71.18%,，施加適量的生物炭能夠顯著提高基肥,、蘗肥和穗肥的吸收利用率，淺濕干灌溉模式下水稻植株除對(duì)基肥的吸收利用率較低外,，對(duì)蘗肥和穗肥的吸收利用率均優(yōu)于常規(guī)淹灌,；水稻蘗肥和穗肥吸收利用率與肥料總氮素吸收利用率呈極顯著正相關(guān)(P＜0.01)，基肥,、蘗肥和穗肥氮素轉(zhuǎn)運(yùn)對(duì)籽粒的貢獻(xiàn)率與相應(yīng)的吸收利用率呈極顯著正相關(guān)(P＜0.01),。合理的水炭運(yùn)籌能夠提高肥料氮素轉(zhuǎn)運(yùn)對(duì)籽粒的貢獻(xiàn)率和氮肥吸收利用率，降低氮肥在土壤中的殘留,。

摘要:為解決漬水脅迫這一困擾南方避雨栽培區(qū)農(nóng)業(yè)生產(chǎn)的障礙性問(wèn)題,，定量評(píng)估施加生物炭對(duì)緩解作物漬害的影響，以避雨栽培番茄為對(duì)象,，借助土柱試驗(yàn),，系統(tǒng)分析不同地下水位及生物炭施加量對(duì)作物耗水規(guī)律、土壤氧化還原電位及產(chǎn)量的影響,。結(jié)果表明,，地下水位越淺，作物漬害脅迫越嚴(yán)重，導(dǎo)致耗水量越少,；施用生物炭后,，作物耗水量顯著降低，生物炭保水作用隨地下水位降低而有所削弱,。地下水補(bǔ)給量隨地下水埋深變大而減小,，相同地下水位條件下，施用生物炭可顯著增加地下水利用量,。施用生物炭可使土壤氧化還原電位變大,，改善土壤通氣性能。地下水位在-80cm時(shí),，5%生物炭施加量可顯著提高番茄產(chǎn)量和水分利用效率,，其增幅分別達(dá)到38.7%、56.6%,，地下水位對(duì)番茄產(chǎn)量影響顯著,，而地下水位和生物炭交互作用對(duì)產(chǎn)量及水分利用效率影響均不顯著。

摘要:為揭示暗管排水和微生物有機(jī)肥施用下濱海設(shè)施土壤氮素的歸趨和轉(zhuǎn)化機(jī)制,，設(shè)計(jì)了暗管排水結(jié)合有機(jī)肥處理（S-OF）,、暗管排水結(jié)合無(wú)機(jī)肥處理（S-IF）和無(wú)暗管排水的無(wú)機(jī)肥處理（CK），以葡萄和油菜間作栽培為模型系統(tǒng),，觀測(cè)土壤總氮含量在垂直剖面上的分布,、耕層土壤礦質(zhì)態(tài)氮含量和有機(jī)態(tài)氮含量的變化及其與土壤理化性質(zhì)的相關(guān)性。結(jié)果表明：暗管排水和微生物有機(jī)肥共同驅(qū)動(dòng)下,，土壤容重有所降低,，孔隙度升高；暗管排水促使耕層土壤總氮向深層土壤遷移,，相比S-IF,，S-OF處理耕層土壤總氮的降低幅度較小,；濱海設(shè)施土壤耕層的總氮80%以上以有機(jī)態(tài)形式存在，礦質(zhì)態(tài)氮所占比例很小,，S-OF處理有利于試驗(yàn)后期土壤礦質(zhì)態(tài)氮含量的提升,；耕層土壤礦質(zhì)態(tài)氮含量與土壤有機(jī)質(zhì)、總有機(jī)碳含量呈極顯著正相關(guān),。暗管排水和微生物有機(jī)肥施用有利于改善濱海設(shè)施土壤結(jié)構(gòu),，提高耕層土壤有機(jī)質(zhì)和總有機(jī)碳含量，促進(jìn)土壤有機(jī)態(tài)氮向礦質(zhì)態(tài)氮的轉(zhuǎn)化,，本研究結(jié)果可為濱海設(shè)施土壤改良和水肥決策提供科學(xué)依據(jù),。

摘要:為探明引黃滴灌條件下黃河水與微咸水混配對(duì)滴灌系統(tǒng)灌水器堵塞物質(zhì)表面特征的影響，選擇黃河水（YR）、微咸水（SW）以及黃河水和微咸水1∶1混配水（MW）3種水源,，針對(duì)灌水器流道內(nèi)易形成堵塞物質(zhì)的位點(diǎn),，進(jìn)行堵塞物質(zhì)形成過(guò)程的模擬培養(yǎng)，借助三維白光干涉形貌儀觀測(cè)并分析灌水器內(nèi)部堵塞物質(zhì)的表面形貌及變化特征,，結(jié)果表明：黃河水與微咸水混配后堵塞物質(zhì)表面凸起少,，較為平坦；堵塞物質(zhì)的厚度,、表面均方根偏差,、表面展開(kāi)面積比率顯著降低。其中,，系統(tǒng)運(yùn)行結(jié)束時(shí)（800h）,，混配水條件下堵塞物質(zhì)的平均厚度為4.39μm，分別比黃河水,、微咸水條件下低65.32%,、32.51%，這充分說(shuō)明黃河水和微咸水混配后可有效緩解灌水器堵塞,。

摘要:為簡(jiǎn)化搖臂式噴頭結(jié)構(gòu),、提高其水力性能，通過(guò)負(fù)壓反饋技術(shù)設(shè)計(jì)了一種雙噴嘴射流噴頭,，包括射流元件,、主副噴管、旋轉(zhuǎn)密封機(jī)構(gòu)等,，其主副噴管長(zhǎng)度分別為5.6mm和4.8mm,、噴頭仰角為30°，左右噴管里產(chǎn)生的間歇脈沖水流能夠驅(qū)使噴頭步進(jìn)式全圓旋轉(zhuǎn),。在0.20,、0.25、0.30,、0.35MPa進(jìn)口壓力下,，以射程、平均噴灌強(qiáng)度和噴灌均勻度為評(píng)價(jià)指標(biāo),，通過(guò)加權(quán)評(píng)分法,，對(duì)比了4種不同主副噴嘴直徑組合（4mm×3mm、4mm×4mm,、5mm×4mm和5mm×5mm）射流噴頭與搖臂式噴頭的水力性能,。結(jié)果表明：在上述4種進(jìn)口壓力下，主副噴嘴直徑分別為5mm和4mm時(shí)的射流噴頭綜合性能最好,，其水量分布呈“三角形”,，射程在13.2~13.7m之間,，平均噴灌強(qiáng)度在3.81~4.38mm/h之間，噴灌均勻性系數(shù)在82.5%~86.0%之間,。

摘要:為研究不同灌溉模式對(duì)寒地黑土水稻農(nóng)藝性狀、光合特性,、水分利用效率以及輻射利用效率的影響,，設(shè)置了控制灌溉、淺濕灌溉和全面淹灌3種灌溉模式,，于2017—2018年在黑龍江省慶安灌溉試驗(yàn)站進(jìn)行了試驗(yàn),。結(jié)果表明：兩個(gè)生長(zhǎng)季內(nèi)，控制灌溉水稻各生育時(shí)期葉面積指數(shù)比全面淹灌分別增加了7.94%～23.67%和5%～14.47%,，控制灌溉下地上部干物質(zhì)量的積累量比全面淹灌增加了12.13%和7.98%,，控制灌溉和淺濕灌溉的冠層光合有效輻射截獲總量較全面淹灌分別增加了74.05、23.65μmol/（m2·s）和63.35,、16.85μmol/（m2·s）,；除乳熟期外，其余生育期控制灌溉葉片葉綠素含量（SPAD）顯著高于淺濕灌溉與全面灌溉,；3種灌溉模式下最大初始轉(zhuǎn)換效率從分蘗期開(kāi)始上升,，拔節(jié)期和抽穗期達(dá)到最大值，在乳熟期開(kāi)始下降,，非光化學(xué)熒光淬滅系數(shù),、光化學(xué)熒光淬滅系數(shù)前期略有波動(dòng)，在乳熟期迅速下降,，光合電子傳遞速率從分蘗期到乳熟期逐漸下降,。兩個(gè)生長(zhǎng)季內(nèi)，控制灌溉下產(chǎn)量略高于全面淹灌,，但灌溉用水量較全面灌溉分別減少了31.45%和31.67%,，水分利用效率比全面淹灌提高了46.45%和46.20%，輻射利用效率分別較全面淹灌增加了1.042%和1.036%,，表明控制灌溉為黑龍江省半濕潤(rùn)區(qū)最佳灌溉模式,。

摘要:為提高大面積農(nóng)田作物管理的精確性，以甘肅黃羊河農(nóng)場(chǎng)玉米膜下滴灌示范區(qū)為研究對(duì)象,，對(duì)大面積農(nóng)田進(jìn)行管理分區(qū)研究,。綜合考慮地形屬性（高程、坡度,、坡向）、土壤質(zhì)地（砂粒,、粘粒,、粉粒含量）、土壤含水率（SWC）、速效氮含量（AN）,、電導(dǎo)率（EC1:5）以及玉米產(chǎn)量,，根據(jù)相關(guān)性分析結(jié)果篩選產(chǎn)量主控因子，使用主成分分析得到3個(gè)主成分作為分區(qū)依據(jù),，進(jìn)而使用模糊c均值聚類(lèi)法（Fuzzy c-means algorithm, FCM）進(jìn)行管理區(qū)劃分,，以模糊性能指數(shù)和歸一化分類(lèi)熵作為最佳分區(qū)數(shù)的評(píng)判依據(jù)，分析管理分區(qū)后各分區(qū)間的差異,。結(jié)果表明：玉米產(chǎn)量的主控因子分別為土壤粉粒含量,、土壤砂粒含量、SWC,、AN,、EC1∶5和高程，使用模糊c均值聚類(lèi)法進(jìn)行聚類(lèi)分區(qū)得到最優(yōu)分區(qū)數(shù)為3個(gè),。管理區(qū)之間各主控因子呈現(xiàn)極顯著差異性（P<0.01）,，且生育期內(nèi)作物株高、葉面積指數(shù)（LAI）和SWC在不同分區(qū)中也有明顯差異,；同時(shí),，分區(qū)內(nèi)的各因子變異性均有不同程度的下降。研究結(jié)果說(shuō)明,，農(nóng)田分區(qū)管理可以依據(jù)不同分區(qū)特點(diǎn)制定管理策略,，為“精準(zhǔn)農(nóng)業(yè)”的實(shí)施提供理論基礎(chǔ)。

摘要:為探究寒區(qū)春季融雪期表層土壤濕度時(shí)空變化及其影響因素,，以松嫩平原黑土區(qū)為研究區(qū),，利用遙感和GLDAS模擬同化數(shù)據(jù)集，以溫濕指數(shù)作為輔助指標(biāo),，通過(guò)一元線性回歸,、相關(guān)分析、滑動(dòng)平均及相對(duì)貢獻(xiàn)率法,，分析了融雪期表層土壤濕度時(shí)空變化特征,，揭示了表層土壤濕度變化的具體驅(qū)動(dòng)因素。結(jié)果表明：32年來(lái),，融雪前期表層土壤濕度空間分布均呈減小趨勢(shì),，融雪后期則呈南增、北減趨勢(shì),；整體而言,，融雪前期表層土壤濕度主要受積雪影響，后期主要與降雨及總降水變化密切相關(guān),，只有在積雪和降雨較少的地區(qū),，溫度的蒸發(fā)作用才會(huì)相對(duì)明顯,；融雪前期表層土壤濕度多年變化主要由溫度變化趨勢(shì)驅(qū)動(dòng)，積雪多年變化趨勢(shì)對(duì)土壤濕度變化起到一種限制作用,，降雨和總降水變化趨勢(shì)決定了融雪后期表層土壤濕度的變化方向,；從相對(duì)貢獻(xiàn)率分析可知，融雪前期溫度的升高和降雪的減少將導(dǎo)致表層土壤濕度的降低趨勢(shì)放大一倍,，但融雪后期降雨變化趨勢(shì)的積極作用在一定程度上會(huì)影響春播前期土壤濕度暖干化的反饋過(guò)程,，從而對(duì)陸氣間水分交換產(chǎn)生積極影響。

摘要:以赤水河流域2000,、2010,、2015年的氣象數(shù)據(jù)、遙感數(shù)據(jù),、土壤類(lèi)型,、地質(zhì)背景以及社會(huì)經(jīng)濟(jì)等數(shù)據(jù)為基礎(chǔ)，采用固碳釋氧模型,、修正的通用土壤流失方程以及InVEST水源涵養(yǎng)模型定量評(píng)估了流域的生態(tài)系統(tǒng)服務(wù)價(jià)值總量,，同時(shí)采用生態(tài)補(bǔ)償計(jì)量模型計(jì)算了流域不同區(qū)域的生態(tài)補(bǔ)償額度，確定了流域的補(bǔ)償標(biāo)準(zhǔn)和生態(tài)補(bǔ)償優(yōu)先級(jí)別,。結(jié)果表明：2000—2015年赤水河流域單位面積固碳釋氧價(jià)值量,、土壤保持價(jià)值量以及水源涵養(yǎng)價(jià)值量均呈先增加后減少倒“V”形結(jié)構(gòu)。固碳釋氧價(jià)值由2000年的4279.33元/(hm2·a)上升到2010年的4520.16元/(hm2·a),，隨后下降到2015年的4409.69元/(hm2·a),；土壤保持價(jià)值量由2000年的95.11元/(hm2·a)上升到2010年的144.45元/(hm2·a)，之后下降到2015年的89.03元/(hm2·a),；水源涵養(yǎng)價(jià)值量由2000年的23938.13元/(hm2·a)上升到2010年的35232.99元/(hm2·a),，之后下降到2015年的20167.41元/(hm2·a)?？λ固氐貐^(qū)固碳釋氧價(jià)值總量增加的速度是非喀斯特地區(qū)的4.35倍,，喀斯特地區(qū)土壤保持價(jià)值量和水源涵養(yǎng)價(jià)值量的下降速度分別是非喀斯特地區(qū)的1.28倍和1.59倍。流域多年平均生態(tài)補(bǔ)償價(jià)值為4626.29元/(hm2·a),，生態(tài)補(bǔ)償價(jià)值總量為76.23億元,，流域下游補(bǔ)償價(jià)值量最大，而上游地區(qū)補(bǔ)償價(jià)值量較小,。流域上游地區(qū)的喀斯特地區(qū)以及下游的原始森林地區(qū)屬于典型的生態(tài)輸出地區(qū),，應(yīng)優(yōu)先得到補(bǔ)償，而經(jīng)濟(jì)發(fā)達(dá)的中游地區(qū)經(jīng)濟(jì)發(fā)展活躍,，應(yīng)率先進(jìn)行生態(tài)支付,，屬于典型的生態(tài)消費(fèi)區(qū)。本研究結(jié)果與以往的基于價(jià)值當(dāng)量的生態(tài)補(bǔ)償模型相比,，在柵格像元尺度上量化了流域不同地區(qū)的生態(tài)補(bǔ)償標(biāo)準(zhǔn),，可為長(zhǎng)江上游赤水河流域生態(tài)補(bǔ)償模式,、運(yùn)行機(jī)制以及補(bǔ)償?shù)臉?biāo)準(zhǔn)提供科學(xué)依據(jù)。

摘要:在以預(yù)處理后玉米秸稈,、秸稈糞便混合物為原料進(jìn)行厭氧發(fā)酵生產(chǎn)沼氣時(shí)，為了對(duì)厭氧發(fā)酵原料碳氮比進(jìn)行快速檢測(cè),，將近紅外光譜(NIRS)與偏最小二乘(PLS)回歸相結(jié)合構(gòu)建快速檢測(cè)模型,，并基于遺傳模擬退火算法(GSA)構(gòu)建遺傳模擬退火區(qū)間偏最小二乘算法(GSA-iPLS)和雙重遺傳模擬退火偏最小二乘算法(DGSA-PLS)分別用于特征譜區(qū)優(yōu)選和特征波長(zhǎng)點(diǎn)優(yōu)選，以提高回歸模型的檢測(cè)精度和效率,。全譜1844個(gè)波長(zhǎng)點(diǎn)經(jīng)GSA-iPLS進(jìn)行譜區(qū)優(yōu)選后,，得到641個(gè)波長(zhǎng)變量，再經(jīng)DGSA-PLS進(jìn)行特征波長(zhǎng)點(diǎn)優(yōu)選后,，得到628個(gè)波長(zhǎng)變量,。DGSA-PLS回歸模型驗(yàn)證集的決定系數(shù)(R2p)為0.920，預(yù)測(cè)均方根誤差為7.178,，相對(duì)分析誤差為3.805,。與全譜建模相比，DGSA-PLS模型的RMSEP減小了15.87%,。通過(guò)波長(zhǎng)優(yōu)選,，參與建模的波長(zhǎng)點(diǎn)數(shù)量顯著減少，有效降低了變量維度和模型復(fù)雜度,，提升了預(yù)測(cè)精度和預(yù)測(cè)能力,。本文通過(guò)優(yōu)選碳氮比的敏感波長(zhǎng)變量，有效提高了預(yù)測(cè)模型的魯棒性,，為直接,、快速、準(zhǔn)確測(cè)量厭氧發(fā)酵原料的碳氮比提供了新途徑,。

摘要:基于最優(yōu)穹頂溫室縮尺模型承力面面積比例分配計(jì)算得上3層橫梁及豎梁相應(yīng)荷載,，在ANSYS中進(jìn)行逐級(jí)靜力仿真，與雪載模擬應(yīng)變?cè)囼?yàn)對(duì)比,，結(jié)果表明,，微應(yīng)變與加載質(zhì)量呈線性相關(guān)，試驗(yàn)相關(guān)系數(shù)為0.9932~0.9999,，仿真相關(guān)系數(shù)為0.9948~1,，仿真與試驗(yàn)微應(yīng)變相對(duì)誤差為1.840%～8.386%，仿真方法可靠,。對(duì)1層橫梁和豎梁在網(wǎng)格尺寸為10,、12、16,、18,、20mm時(shí)進(jìn)行靜力仿真,，結(jié)果表明，模型半徑在0.24m時(shí),，適宜的網(wǎng)格尺寸為16～18mm,。在ANSYS中，采用同樣方法計(jì)算仿真加載值,，對(duì)半徑6m的穹頂溫室12組方案進(jìn)行初選,、線性屈曲、力學(xué)校驗(yàn)（剛度,、強(qiáng)度,、穩(wěn)定性）等逐步分析，得到共4層,、第1層梁數(shù)為8,、混合分叉結(jié)構(gòu)為最優(yōu)方案；對(duì)半徑12,、18m的穹頂溫室最優(yōu)結(jié)構(gòu)進(jìn)行屈曲仿真,，結(jié)果表明，在水平荷載作用下1階初始模態(tài)缺陷明顯,，在豎直,、水平荷載作用下，非線性屈曲荷載平均為線性屈曲荷載的0.37,、0.57倍,，說(shuō)明有必要對(duì)大跨度穹頂溫室進(jìn)行非線性屈曲分析，以保證其結(jié)構(gòu)足夠穩(wěn)定,；力學(xué)校驗(yàn)皆合格,，且半徑為6、12,、18m溫室的穩(wěn)定性校驗(yàn)值在組合2作用下分別為組合1作用下的1.89,、2.26、2.33倍,，強(qiáng)度在2種組合作用下差別不大,；與1152m2 Venlo型連棟玻璃溫室相比，3種尺寸溫室單位體積用鋼量可節(jié)約40.11%～59.34%,。

摘要:為了對(duì)比日光溫室傳統(tǒng)保溫蓄熱后墻與基于毛細(xì)管網(wǎng)的主動(dòng)式集放熱系統(tǒng)（AHSCTM）的集放熱性能,，對(duì)AHSCTM的集放熱性能進(jìn)行了測(cè)試，構(gòu)建了AHSCTM水溫模型,，利用一維差分法對(duì)相同環(huán)境條件下的外保溫復(fù)合墻（370mm黏土磚和100mm聚苯乙烯板復(fù)合而成）日間儲(chǔ)熱量和夜間放熱量進(jìn)行了模擬,。結(jié)果表明，AHSCTM的日間儲(chǔ)熱量和夜間放熱量分別為相同條件下外保溫復(fù)合墻的84.4%~111.3%和74.8%~100.7%，AHSCTM的COP（Coefficient of performance）為1.1~2.4,。在夜間運(yùn)行期間,，AHSCTM放熱量是相同時(shí)間段內(nèi)外保溫復(fù)合墻的98.2%~172.5%。因此,，與外保溫復(fù)合墻相比,，AHSCTM有利于提高室內(nèi)最低氣溫。改進(jìn)AHSCTM的日間儲(chǔ)熱量和夜間放熱量得到大幅提升,，分別較外保溫復(fù)合墻高67.6%~112.1%和69.0%~128.3%,，COP可達(dá)2.8~7.0。改進(jìn)AHSCTM的儲(chǔ)放熱性能優(yōu)于外保溫復(fù)合墻,，說(shuō)明利用改進(jìn)AHSCTM配合保溫墻體替代傳統(tǒng)保溫蓄熱后墻是可行的。

摘要:為了使蘋(píng)果汁中結(jié)合態(tài)多酚變?yōu)橛坞x態(tài)多酚,，提高蘋(píng)果汁的功能性多酚單體含量,，利用嗜酸乳桿菌6005、植物乳桿菌21805和發(fā)酵乳桿菌21828混菌發(fā)酵復(fù)合蘋(píng)果汁,，分析蘋(píng)果汁發(fā)酵過(guò)程中活菌數(shù)及理化成分變化,，建立混菌生長(zhǎng)和總酚酸變化動(dòng)力學(xué)模型，并進(jìn)行模型驗(yàn)證,。結(jié)果表明：混合益生菌在復(fù)合蘋(píng)果汁中生長(zhǎng)良好,，活菌數(shù)達(dá)到2.68×108CFU/mL，發(fā)酵過(guò)程中總糖含量下降,，可滴定酸含量上升,，總酚酸含量總體呈上升趨勢(shì)，綠原酸及沒(méi)食子酸等功能性酚酸類(lèi)多酚單體含量增加,；建立了復(fù)合益生菌發(fā)酵蘋(píng)果汁的菌體生長(zhǎng)動(dòng)力學(xué)模型和總酚酸增加量變化動(dòng)力學(xué)模型,，模型理論值與試驗(yàn)值的平均誤差小于10%，說(shuō)明建立的動(dòng)力學(xué)模型能夠較好地預(yù)測(cè)混合益生菌發(fā)酵蘋(píng)果汁中總酚酸的變化過(guò)程,。

摘要:針對(duì)雜糧含水率檢測(cè)設(shè)備不配套和無(wú)法快速準(zhǔn)確測(cè)定多種雜糧含水率的問(wèn)題,，參考國(guó)際干燥箱法測(cè)定標(biāo)準(zhǔn)，基于TRIZ理論創(chuàng)新設(shè)計(jì)了一種自主轉(zhuǎn)送式雜糧含水率快速檢測(cè)裝置,，實(shí)現(xiàn)物料盤(pán)在圓柱凸輪軌道上有序可靠的運(yùn)行,，并完成多工位轉(zhuǎn)送機(jī)構(gòu)、自動(dòng)稱(chēng)量系統(tǒng)和閃烘機(jī)構(gòu)等關(guān)鍵部件的仿真設(shè)計(jì)與裝配驗(yàn)證,。應(yīng)用PLC耦合自主控制技術(shù),，實(shí)現(xiàn)定量入料、閃烘測(cè)量和快速除料3種工序切換,，通過(guò)精準(zhǔn)模塊化運(yùn)算,，實(shí)時(shí)獲得準(zhǔn)確的雜糧含水率。采用二次正交旋轉(zhuǎn)組合設(shè)計(jì)的方法,，構(gòu)建表征雜糧含水率檢測(cè)精度和檢測(cè)行程時(shí)間的協(xié)同評(píng)價(jià)定量模型,，優(yōu)化了閃烘溫度,、物料粒度和物料質(zhì)量的參數(shù)組合，提升了該裝置的運(yùn)行效能與檢測(cè)精準(zhǔn)性,。研究表明,，該含水率檢測(cè)儀的重復(fù)性和再現(xiàn)性可靠，檢測(cè)相對(duì)偏差在0.2%以?xún)?nèi),，測(cè)量準(zhǔn)確,，自動(dòng)化程度高，可為多樣性雜糧含水率快速測(cè)定儀的廣泛應(yīng)用提供技術(shù)支持,。

摘要:為實(shí)現(xiàn)注水肉快捷有效的識(shí)別，以豬肉為研究對(duì)象,，利用高光譜技術(shù)分析了注水肉和正常肉的光譜特征,，通過(guò)傅里葉變換的方法，提取樣本的頻譜特征參數(shù),，然后分別基于豬肉樣本的全光譜,、特征光譜和頻譜特征參數(shù)，分別建立正常豬肉和注水豬肉的支持向量機(jī)（SVM）和BP神經(jīng)網(wǎng)絡(luò)分類(lèi)識(shí)別模型,，并采用驗(yàn)證集對(duì)模型性能進(jìn)行試驗(yàn)驗(yàn)證,。結(jié)果表明，基于頻譜特征參數(shù)建立的神經(jīng)網(wǎng)絡(luò)分類(lèi)識(shí)別模型具有最優(yōu)的分類(lèi)識(shí)別效果,，正確識(shí)別率達(dá)98.8%,；基于特征光譜建立的神經(jīng)網(wǎng)絡(luò)分類(lèi)識(shí)別模型分類(lèi)識(shí)別效果次之，正確識(shí)別率為96.4%,；而基于全光譜建立的支持向量機(jī)分類(lèi)識(shí)別模型分類(lèi)識(shí)別效果最差,，正確識(shí)別率只有84.5%。說(shuō)明采用高光譜技術(shù)可以對(duì)注水豬肉進(jìn)行快速而有效的檢測(cè)識(shí)別,。

摘要:基于高光譜成像技術(shù)提出了一種八角茴香與其偽品莽草的快速鑒別方法,。實(shí)驗(yàn)采集400~1000nm范圍的高光譜數(shù)據(jù)，依據(jù)樣本和背景像素點(diǎn)的光譜特征差異,，選擇850nm和450nm下的圖像并進(jìn)行差運(yùn)算,，結(jié)合閾值法去除背景信息，利用線性拉伸去除樣本高度引入的陰影噪聲像素點(diǎn),，再結(jié)合二值圖像區(qū)域標(biāo)記法從樣本高光譜數(shù)據(jù)中自動(dòng)提取其平均光譜數(shù)據(jù),；利用平均光譜數(shù)據(jù)，采用連續(xù)投影算法（Successive projections algorithm, SPA）選取了4個(gè)最優(yōu)波長(zhǎng)：533,、617,、665、807nm；基于最優(yōu)波長(zhǎng)下的光譜數(shù)據(jù),，建立了偏最小二乘判別（Partial least square discrimination analysis,，PLSDA）模型，模型對(duì)鑒別八角和莽草的總體準(zhǔn)確率為98.4%,；利用所建多光譜模型對(duì)外部驗(yàn)證集數(shù)據(jù)進(jìn)行預(yù)測(cè),，總體分類(lèi)準(zhǔn)確率為97.9%。利用常規(guī)圖像處理技術(shù)同時(shí)對(duì)外部驗(yàn)證集數(shù)據(jù)進(jìn)行處理,，并對(duì)兩種技術(shù)方法進(jìn)行了比較,，結(jié)果表明，依托高光譜成像技術(shù)建立的八角和莽草辨識(shí)的多光譜分析方法簡(jiǎn)單,、高效,，易于實(shí)現(xiàn)動(dòng)態(tài)在線便攜式檢測(cè)。

摘要:為構(gòu)建穩(wěn)定的重組油體乳液,，研究了不同超聲功率（200,、400W）和不同超聲時(shí)間（6、12,、24min）對(duì)制備重組油體乳液穩(wěn)定性的影響。為揭示不同超聲條件與重組油體乳液穩(wěn)定性的關(guān)系,，采用動(dòng)態(tài)激光散射,、激光共聚焦顯微鏡和圓二色譜，研究了不同超聲條件制備的重組油體乳液流體動(dòng)力學(xué)半徑,、微觀結(jié)構(gòu)和Oleosin蛋白的二級(jí)結(jié)構(gòu)變化,。結(jié)果表明，利用超聲處理制備的重組油體乳液乳化性,、儲(chǔ)藏穩(wěn)定性和界面吸附能力遠(yuǎn)高于未經(jīng)超聲處理的乳液,，并且隨著超聲時(shí)間的延長(zhǎng)，乳液粒徑逐漸變小,，乳滴形狀規(guī)則,、分布均勻，乳液表面負(fù)電荷增加,；當(dāng)超聲條件為200W,、24min時(shí)，制備的重組油體乳液最為穩(wěn)定,，其乳化活性指數(shù)和乳化穩(wěn)定性指數(shù)分別高達(dá)652.2m2/g和605.2min,；不同超聲處理改變了Oleosin蛋白的二級(jí)結(jié)構(gòu)，影響其與磷脂酰膽堿的結(jié)合能力,，進(jìn)而改變?nèi)橐涸谟?水界面吸附特性,，證明適宜強(qiáng)度的超聲處理有利于重組油體乳液的形成。

摘要:傳統(tǒng)液壓挖掘機(jī)多采用定轉(zhuǎn)速柴油發(fā)動(dòng)機(jī)驅(qū)動(dòng)液壓泵作為動(dòng)力源，針對(duì)發(fā)動(dòng)機(jī)經(jīng)常工作在低效區(qū),，油耗大,、能效低、排放嚴(yán)重等問(wèn)題,，提出一種變轉(zhuǎn)速感應(yīng)電動(dòng)機(jī)驅(qū)動(dòng)變量泵動(dòng)力源,，以變量泵快速響應(yīng)特性彌補(bǔ)變轉(zhuǎn)速電動(dòng)機(jī)動(dòng)態(tài)響應(yīng)慢的不足。為了充分了解所設(shè)計(jì)的電液動(dòng)力源特性,，從理論和試驗(yàn)兩個(gè)方面研究了電液動(dòng)力源動(dòng)靜態(tài)特性,。與傳統(tǒng)發(fā)動(dòng)機(jī)驅(qū)動(dòng)液壓泵動(dòng)力源系統(tǒng)進(jìn)行了測(cè)試對(duì)比，結(jié)果表明,，設(shè)計(jì)的變轉(zhuǎn)速-變排量動(dòng)力源在負(fù)載擾動(dòng)測(cè)試中轉(zhuǎn)速波動(dòng)降低了23.5%,，在動(dòng)臂舉升過(guò)程中，泵輸出壓力和流量的上升時(shí)間分別縮短了14.9%和26.3%,，均優(yōu)于傳統(tǒng)發(fā)動(dòng)機(jī)驅(qū)動(dòng)液壓泵動(dòng)力源,。

摘要:為解決移動(dòng)機(jī)器人在同時(shí)定位和建圖(Simultaneous localization and mapping，SLAM)技術(shù)中普遍存在狀態(tài)精度不高,、穩(wěn)定性差,、計(jì)算復(fù)雜等問(wèn)題，提出一種基于迭代平方根中心差分卡爾曼濾波(Iterated square root central difference Kalman filter,，ISRCDKF)的SLAM自主定位算法,，以滿足SLAM過(guò)程中的實(shí)時(shí)性、準(zhǔn)確性等要求,。該算法使用中心差分變換處理SLAM的非線性問(wèn)題,，避免了泰勒公式展開(kāi)中雅可比矩陣復(fù)雜運(yùn)算；同時(shí)在濾波更新過(guò)程中,，通過(guò)直接傳遞協(xié)方差矩陣的平方根因子減少算法的復(fù)雜度,；在迭代觀測(cè)更新過(guò)程中，使用列文伯格-馬夸爾特(Levenberg-Marquardt,，L-M)優(yōu)化方法引入調(diào)節(jié)參數(shù),，實(shí)時(shí)修正協(xié)方差矩陣，達(dá)到提高算法精度,、增強(qiáng)穩(wěn)定性的目的,。仿真結(jié)果表明，在相同的數(shù)據(jù)模型和噪聲環(huán)境下,，本文提出的ISRCDKF-SLAM算法與基于擴(kuò)展卡爾曼濾波(Extended Kalman filter,，EKF)的SLAM算法、無(wú)跡卡爾曼濾波(Unscented Kalman filter,，UKF)的SLAM算法和容積卡爾曼濾波(Cubature Kalman filter,，CKF)的SLAM算法相比,，均方根誤差分別降低了47.3%、32.7%和25.0%,；與相同計(jì)算復(fù)雜度的UKF-SLAM算法和CKF-SLAM算法相比,，新算法的運(yùn)行時(shí)間分別減少了15.1%和10.8%。將新算法嵌入到移動(dòng)機(jī)器人平臺(tái)進(jìn)行現(xiàn)場(chǎng)實(shí)驗(yàn)驗(yàn)證,，進(jìn)一步證明了該算法的實(shí)用性和有效性,。

摘要:為了滿足高精度、大行程的需求,，設(shè)計(jì)了一種基于尺蠖運(yùn)動(dòng)方式的超磁致伸縮直線驅(qū)動(dòng)器,，通過(guò)前、后箝位機(jī)構(gòu)和驅(qū)動(dòng)機(jī)構(gòu)的相互配合,，實(shí)現(xiàn)了驅(qū)動(dòng)器的步進(jìn)式位移輸出,。采用疊加式柔性鉸鏈作為彈性元件，有效地改善了柔性鉸鏈的受力情況,，采用有限元法進(jìn)行了強(qiáng)度校核和模態(tài)分析,。計(jì)算了疊加式柔性鉸鏈的等效剛度，建立了直線驅(qū)動(dòng)器的動(dòng)力學(xué)模型,，對(duì)設(shè)計(jì)的樣機(jī)進(jìn)行了實(shí)驗(yàn)測(cè)試,。實(shí)驗(yàn)結(jié)果表明，建立的位移模型和實(shí)驗(yàn)結(jié)果基本一致,，最大相對(duì)誤差為1.86%,；設(shè)計(jì)的驅(qū)動(dòng)器穩(wěn)定工作電壓為1～3V，最小和最大單步位移分別為4.55,、12.01μm，最高工作頻率為150Hz,，最快速度為1.34mm/s,；位移輸出狀態(tài)穩(wěn)定，單步位移最大相對(duì)誤差為2.69%,。

摘要:以3-R-RS并聯(lián)機(jī)構(gòu)為對(duì)象，研究基于靜剛度約束的輕量化設(shè)計(jì)方法,。首先以機(jī)構(gòu)低階固有頻率最高為依據(jù),，確定各子裝配體間的剛度匹配系數(shù)，進(jìn)而基于剛度匹配系數(shù)將整機(jī)靜剛度約束分配至各子裝配體,，在此基礎(chǔ)上,，考慮工藝制造及幾何干涉等約束，以各子裝配體質(zhì)量最小為目標(biāo),，完成各子裝配體的輕量化設(shè)計(jì),，進(jìn)而實(shí)現(xiàn)整機(jī)的輕量化設(shè)計(jì),。在滿足靜剛度約束條件下，所提出的輕量化設(shè)計(jì)方法可使整機(jī)質(zhì)量最輕,，且具有優(yōu)良的動(dòng)態(tài)特性,。

摘要:作為一種可以有效產(chǎn)生轉(zhuǎn)矩、耗散運(yùn)動(dòng)能量的半主動(dòng)阻尼器件,，旋轉(zhuǎn)式磁流變制動(dòng)器具有轉(zhuǎn)矩可調(diào),、響應(yīng)速度快的特點(diǎn)，在汽車(chē)領(lǐng)域具有廣泛的應(yīng)用前景,。設(shè)計(jì)了一種具有多液流通道的旋轉(zhuǎn)式磁流變制動(dòng)器,，通過(guò)在旋轉(zhuǎn)套筒中部設(shè)置隔磁材料改變磁場(chǎng)結(jié)構(gòu)，引導(dǎo)磁力線通過(guò)未被利用的外軸向液流通道,，增加了磁流變制動(dòng)器產(chǎn)生流變效應(yīng)的工作區(qū)域,，從而將制動(dòng)器有效阻尼間隙從常規(guī)2段增加為4段。闡述了多液流通道旋轉(zhuǎn)式磁流變制動(dòng)器工作原理,，并推導(dǎo)了其轉(zhuǎn)矩?cái)?shù)學(xué)模型,。采用有限元法對(duì)磁流變制動(dòng)器電磁場(chǎng)進(jìn)行建模仿真，分析了磁流變制動(dòng)器不同液流通道區(qū)域磁場(chǎng)強(qiáng)度分布規(guī)律,。搭建了旋轉(zhuǎn)式磁流變制動(dòng)器制動(dòng)轉(zhuǎn)矩特性測(cè)試試驗(yàn)臺(tái),，對(duì)不同加載電流及不同轉(zhuǎn)速下的磁流變制動(dòng)器轉(zhuǎn)矩性能進(jìn)行了試驗(yàn)分析，結(jié)果表明,，加載電流為1.8A,、轉(zhuǎn)速為600r/min時(shí)，制動(dòng)器轉(zhuǎn)矩可達(dá)61.4N·m,，試驗(yàn)結(jié)果與仿真結(jié)果基本一致,；轉(zhuǎn)速變化對(duì)制動(dòng)器轉(zhuǎn)矩基本無(wú)影響。