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:精準(zhǔn)施藥的目標(biāo)是實現(xiàn)冠層內(nèi)霧滴的全覆蓋和均勻沉積,。然而,，作物冠層形態(tài),、郁閉度和枝葉力學(xué)參數(shù)等特征差異大,，需綜合靶標(biāo)特征參數(shù),、器械施藥能力,、施藥環(huán)境條件等作業(yè)工況參數(shù)，才能實現(xiàn)最少藥液用量和最佳霧滴沉積的雙重目標(biāo),，從而提高藥液利用率,、確保防治效果,、降低環(huán)境污染。霧滴沉積機理,、檢測與分析是精準(zhǔn)施藥參數(shù)優(yōu)化與控制的決策依據(jù),，成為數(shù)字化、智能化植保作業(yè)裝備技術(shù)發(fā)展的研究熱點,。首先分析了不同施藥方式下冠層內(nèi)霧滴沉積過程及輔助手段對沉積性能的影響機理,，歸納了改善作物冠層內(nèi)霧滴沉積的不同研究視角、方法和層次,。然后從沉積性能田間試驗研究,、沉積機理分析與建模、霧滴沉積檢測與評價,、施藥作業(yè)參數(shù)優(yōu)化等方面重點闡述,，分析了近年來冠層霧滴沉積中霧滴、枝葉,、氣流等交互作用研究的共性關(guān)鍵問題,，歸納了該領(lǐng)域技術(shù)研究的開放性問題。最后總結(jié)了精準(zhǔn)施藥技術(shù)中作物冠層霧滴沉積相關(guān)研究面臨的挑戰(zhàn)和機遇,，提出了融合多源傳感技術(shù)和大數(shù)據(jù)分析及深度學(xué)習(xí)等人工智能技術(shù),，構(gòu)建作物冠層霧滴運移及沉積數(shù)字孿生體，實現(xiàn)冠層霧滴運移沉積過程數(shù)字化描述與分析的研究建議,。

摘要:農(nóng)業(yè)機械（農(nóng)機）運動學(xué)模型的精度影響導(dǎo)航控制精度和穩(wěn)定性,，為提高農(nóng)機路徑跟蹤控制器精度，提出了一種基于運動特性的農(nóng)機導(dǎo)航控制器設(shè)計方法,。該方法主要是對傳統(tǒng)二輪車運動學(xué)模型建模方法進(jìn)行改進(jìn),，針對傳統(tǒng)二輪車模型小角度近似替代（方向角等于橫擺角）的缺點，采用加入側(cè)偏角的方法優(yōu)化農(nóng)機運動學(xué)建模過程,。采用相同的控制方法（狀態(tài)反饋控制）和不同的運動學(xué)模型設(shè)計控制器進(jìn)行對照實驗,。直線路徑跟蹤時，側(cè)偏角對模型精度影響較小,，引入側(cè)偏角可以在一定程度上影響農(nóng)機的跟蹤精度,；曲線路徑跟蹤時，側(cè)偏角對方向角的變化影響較大,，可以大幅影響路徑跟蹤精度,。以安裝有自動導(dǎo)航設(shè)備的拖拉機為實驗平臺進(jìn)行實地實驗，結(jié)果表明：直線行駛的最大橫向誤差平均值為0.0454m，絕對平均誤差平均值為0.0149m,，標(biāo)準(zhǔn)差平均值為0.0119m,；曲線行駛的最大橫向誤差平均值為0.1613m，絕對平均誤差平均值為0.0688m,，標(biāo)準(zhǔn)差平均值為0.0434m,；基于本文提出的優(yōu)化模型設(shè)計的路徑跟蹤控制器對直線路徑跟蹤有一定提升，對曲線跟蹤精度有大幅提升,。

摘要:針對水稻秸稈深埋還田時,，還田刀作業(yè)功耗過高和纏草的問題,，結(jié)合還田機作業(yè)過程，分析還田刀功耗過高和纏草的原因,，設(shè)計了一種反旋深埋滑切還田刀,。使用阿基米德螺旋線設(shè)計還田刀側(cè)切刃，提高還田刀的滑切性能,，計算并驗證側(cè)切刃曲線的動態(tài)滑切角滿足土壤-秸稈滑出還田刀的條件,，使用圓弧曲線設(shè)計還田刀正切面，以耕寬和正切面安裝角為依據(jù)確定圓弧半徑為60mm,。運用離散元仿真軟件EDEM進(jìn)行了反旋深埋滑切還田刀與傳統(tǒng)還田刀的仿真對照試驗,，結(jié)果表明反旋深埋滑切還田刀的秸稈還田率、拋土性能與傳統(tǒng)還田刀基本一致,，作業(yè)功耗降低18.19%,，選取留茬高度、刀輥轉(zhuǎn)速和機具前進(jìn)速度為影響因素,，選取作業(yè)功耗為評價指標(biāo)進(jìn)行正交試驗設(shè)計,，確定影響還田機作業(yè)功耗的因素從大到小依次為：刀輥轉(zhuǎn)速、機具前進(jìn)速度,、留茬高度,。田間試驗結(jié)果表明：在土壤含水率為20%~30%，地表秸稈覆蓋量為336~353g/m2,，拖拉機作業(yè)速度為低速一擋（1.5km/h），刀輥轉(zhuǎn)速為250r/min時,，秸稈深埋滑切還田刀作業(yè)后,，平均耕深為18cm左右，秸稈還田率為87.9%~89.7%，地表平整度為2.1~3.7cm,，作業(yè)指標(biāo)均滿足秸稈還田的農(nóng)藝要求,。

摘要:針對長江中下游地區(qū)小白菜直播作業(yè)時，因土壤含水率波動大導(dǎo)致播種機后托板起壟種床廂面不平整的問題,，提出了適應(yīng)小白菜生長的犁耕開溝,、旋耕碎土和主動輥壓式起壟與平整結(jié)合的聯(lián)合耕整作業(yè)方案，結(jié)合小白菜種床合理構(gòu)建技術(shù)及大田旱作耕整作業(yè)要求,，設(shè)計了一種小白菜復(fù)式播種機犁旋輥壓駁岸型種床成型裝置,。根據(jù)土壤擠壓和壟體曲面成型原理，分析了種床輥壓成型的動力學(xué)原理,，確定了起壟輥的主要結(jié)構(gòu)和工作參數(shù),。田間起壟試驗表明，整機作業(yè)速度為2.0~5.0km/h,，作業(yè)后壟體的壟高合格率,、壟頂寬合格率和壟間距合格率分別為90.00%、93.33%和96.67%,；雙壟壟頂處的土壤堅實度穩(wěn)定性系數(shù)均不低于92.36%,，雙壟壟壁處的土壤堅實度穩(wěn)定性系數(shù)均不低于92.53%；壟頂廂面地表粗糙度的最大差值為2.19mm,。采用駁岸型種床裝置壟播的小白菜單行苗數(shù)變異系數(shù)及各行苗數(shù)一致性變異系數(shù)均低于10%,，滿足小白菜直播農(nóng)藝要求。

摘要:針對舀勺式馬鈴薯排種器攜種過程中種薯易受外界擾動脫離舀勺而造成漏播、清種過程清種振動強度與種薯質(zhì)量不匹配而影響排種性能等問題,，設(shè)計一種指夾式馬鈴薯精密排種器,，通過控制夾板的開合與擺動進(jìn)行排種作業(yè)，在攜種過程中實現(xiàn)對種薯的可靠夾持,，在清種過程中通過改變夾板對種薯的約束條件實現(xiàn)單粒夾持,。為提高排種器作業(yè)性能，選取種床帶速度、清種位移,、夾板長度為試驗因素,，以合格指數(shù)、重播指數(shù),、漏播指數(shù)為試驗指標(biāo),，采用三因素五水平二次正交旋轉(zhuǎn)中心組合試驗方法進(jìn)行了參數(shù)優(yōu)化試驗，建立了各指標(biāo)的回歸模型,，分析了各因素對合格指數(shù),、重播指數(shù)、漏播指數(shù)的影響規(guī)律,。試驗結(jié)果表明,，當(dāng)種床帶速度為6.0km/h、清種位移為9.5mm,、夾板長度為72mm時,，排種器合格指數(shù)為90.3%、重播指數(shù)為6.1%,、漏播指數(shù)為3.6%,，滿足播種技術(shù)要求。

摘要:針對耕整地機械和免耕播種機上被動圓盤式破茬刀切割根茬和土壤時耕作阻力大,、耗油量高以及破茬比率低的問題，設(shè)計了一種隨動自調(diào)刃口角破茬刀,。該自調(diào)破茬刀設(shè)有緩沖機構(gòu),，能夠根據(jù)不同深度根茬和土壤特性調(diào)整刃口角度實現(xiàn)低阻力、深進(jìn)給切割,。通過對試驗地的多點土壤貫入阻力（土壤與根土結(jié)合體）測量以及土壤,、根茬摩擦角測量，并結(jié)合理論分析與計算機輔助設(shè)計,，確定所設(shè)計的自調(diào)破茬刀緩沖機構(gòu)彈簧的勁度系數(shù)為42N/mm,，以此為主要參數(shù)設(shè)計了自調(diào)破茬刀。田間高速攝像驗證試驗得到,，當(dāng)自調(diào)破茬刀深度為25mm時,，彈簧形變量與理論設(shè)計值相差6.9%，深度為75mm時,，彈簧形變量與理論設(shè)計值相差7.3%,。且高速攝像結(jié)果顯示自調(diào)破茬刀切割根茬和土壤性能優(yōu)良以及緩沖機構(gòu)可行,，驗證了設(shè)計思路的合理性與可行性,。田間對比試驗得到,，所設(shè)計的自調(diào)破茬刀相對于圓盤刀和缺口圓盤刀，耕作阻力降低了13.3%和20.6%,，耗油量降低了19.3%和35.3%,，破茬比率提高了16.1%和4.6%，表明所設(shè)計的隨動自調(diào)刃口角破茬刀作業(yè)性能與效果較優(yōu),。

摘要:針對油菜直播機常用外槽輪排肥器排肥穩(wěn)定性和均勻性不足及各行一致性低等問題,，設(shè)計了一種四頭螺旋雙行排肥器,。分析了肥料顆粒在螺旋排肥中的運動特性，確定了排肥螺旋螺距范圍和臨界轉(zhuǎn)速,，運用EDEM仿真分析得出排肥螺旋頭數(shù)為四頭和螺距為24mm時,，排肥器具有最佳的排肥性能；開展了排肥螺旋轉(zhuǎn)速對排肥器排肥性能影響和不同肥料適應(yīng)性的臺架試驗,，試驗結(jié)果表明,，排肥速率隨排肥螺旋轉(zhuǎn)速增大而增加，單行排肥速率為461.19~1328.57g/min,，排肥均勻性變異系數(shù)隨排肥螺旋轉(zhuǎn)速增大而變小,，在轉(zhuǎn)速大于30r/min時，排肥均勻性變異系數(shù)小于6.5%,，總排肥量穩(wěn)定性變異系數(shù)和雙行排肥量一致性變異系數(shù)均小于2.2%,；同時研究表明一器雙行四頭螺旋排肥器能適應(yīng)廣泛應(yīng)用的不同類型油菜直播常用復(fù)合肥，3種試驗肥料排肥均勻性變異系數(shù)均滿足施肥標(biāo)準(zhǔn),，總排肥量穩(wěn)定性變異系數(shù)和雙行排肥量一致性變異系數(shù)均低于3.3%,。田間試驗結(jié)果表明，理論施肥量為28.87kg時,，一器雙行螺旋排肥器實際施用量與理論施用量相對誤差為2.33%,，排肥均勻性變異系數(shù)為6.73%，雙行排肥量一致性變異系數(shù)為1.98%,。試驗結(jié)果滿足油菜直播生產(chǎn)施肥要求,，可為油菜直播排肥器的結(jié)構(gòu)改進(jìn)和優(yōu)化提供參考。

摘要:針對水田株間除草作業(yè)勞動強度大、株間除草率低,、易損傷秧苗等問題,，提出一種水射流除草方法，以此設(shè)計了一種射流式株間除草裝置,。首先通過理論分析與參數(shù)計算確定了射流傾角為31°,，噴嘴直徑為0.004mm，運用動量守恒定理,、粘性流體力學(xué)和土力學(xué)原理進(jìn)行分析,，建立了噴嘴臨界破土壓力模型，得出噴嘴臨界破土壓力為0.53MPa,。進(jìn)行水稻根系抗沖斷極限水壓試驗,，確定了噴嘴出口壓力上限為1.5MPa。進(jìn)行臺架試驗,，選取裝置前進(jìn)速度和噴嘴出口壓力為試驗因素,，以除草率為試驗指標(biāo)，采用二次正交旋轉(zhuǎn)組合設(shè)計,，建立了試驗指標(biāo)與影響因素回歸模型,。運用Design-Expert 8.0.6軟件對試驗數(shù)據(jù)分析并進(jìn)行驗證試驗，結(jié)果表明,，當(dāng)裝置前進(jìn)速度為0.3m/s,，壓力為1.5MPa時，除草率為90.62%,。滿足水田機械除草作業(yè)農(nóng)藝和技術(shù)要求,。

摘要:大白菜種子市場規(guī)模發(fā)展迅速,，其大面積、產(chǎn)業(yè)化種植使得機械化收獲需求日益增長,。針對人工收獲效率低,、常規(guī)脫粒方式下種子破碎率高問題，設(shè)計了一種由彈性短紋桿-板齒,、柔性圓頭釘齒等脫粒元件與圓管凹板組合的大白菜種子脫粒裝置,。利用ANSYS Workbench對脫粒滾筒進(jìn)行有限元模態(tài)分析,，驗證脫粒滾筒結(jié)構(gòu)的合理性。選取喂入量,、滾筒轉(zhuǎn)速及脫粒間隙為試驗因素,，以種子損失率和破碎率為試驗指標(biāo)開展了響應(yīng)面優(yōu)化及田間對比試驗，建立各試驗因素與試驗指標(biāo)之間的數(shù)學(xué)模型,，分析各因素對指標(biāo)的影響并對裝置的結(jié)構(gòu)及工作參數(shù)進(jìn)行了優(yōu)化,。試驗結(jié)果表明，當(dāng)滾筒轉(zhuǎn)速為726r/min,、脫粒間隙為22.3mm、喂入量為1.73kg/s時,，種子損失率為0.68%,，破碎率為0.39%。試驗結(jié)果滿足設(shè)計要求,，能夠?qū)崿F(xiàn)對收獲期大白菜種子的低破碎率機械化脫粒作業(yè),。

摘要:油菜栽植深度一致性是評價移栽質(zhì)量的重要指標(biāo),，其直接影響秧苗緩苗和根系再生，以及油菜產(chǎn)量,。為了提高油菜耕整移栽聯(lián)合作業(yè)機栽植深度一致性,，設(shè)計了基于仿形輪高度感應(yīng)與液壓聯(lián)動的仿形系統(tǒng)。開展了±25mm起伏高度的模擬路面仿形輪和栽植器在不同前進(jìn)速度下軌跡與相位試驗,，結(jié)果顯示前進(jìn)速度分別為0.3,、0.6、0.9,、1.2m/s時,，仿形輪和栽植器的軌跡變化趨勢與路面一致，相位均有延遲,，幅值分別下降5.8%,、15.2%、17.7%,、33.8%和14.9%,、21.5%、41.5%,、54.6%,，相位差分別為0.0267,、0.0119、0.0225,、0.0366s和0.182,、0.1264、0.1278,、0.1489s,。以前進(jìn)速度、栽植單元質(zhì)量,、地面起伏高度差為影響因素,，以栽植深度合格率為試驗指標(biāo)，進(jìn)行三因素五水平二次正交旋轉(zhuǎn)組合設(shè)計試驗,。試驗結(jié)果表明因素影響強弱次序為：栽植單元質(zhì)量,、地面起伏高度差、前進(jìn)速度,，經(jīng)尋優(yōu)得最優(yōu)參數(shù)為：栽植單元質(zhì)量30kg,，地面起伏高度差20mm，前進(jìn)速度1m/s,，此參數(shù)組合下栽植深度合格率為90.27%,，優(yōu)于標(biāo)準(zhǔn)值，表明液壓仿形系統(tǒng)可以有效控制栽深,，提高栽深一致性,。

摘要:受復(fù)雜作業(yè)環(huán)境影響,，軸流式花生撿拾收獲機的風(fēng)選過程存在風(fēng)選損失率高、含雜率高等問題,，通過開展不同條件下的數(shù)值仿真試驗,，分析了4種顆粒的速度、位移及軌跡變化情況,，確立了由橫流風(fēng)機,、主離心風(fēng)機、副離心風(fēng)機組配的三風(fēng)系風(fēng)選系統(tǒng)的工作參數(shù)及其范圍,，并基于Box-Behnken的中心組合設(shè)計理論,，以橫流風(fēng)機轉(zhuǎn)速、吸秧高度,、吸雜高度三因素作為影響因子,，開展響應(yīng)面試驗研究,，分析各因素對風(fēng)選損失率和含雜率的影響并對影響因素進(jìn)行優(yōu)化。試驗結(jié)果表明：風(fēng)選損失率影響由大到小為吸雜高度,、橫流風(fēng)機轉(zhuǎn)速,、吸秧高度；含雜率影響由大到小為橫流風(fēng)機轉(zhuǎn)速,、吸雜高度,、吸秧高度，求解的最優(yōu)參數(shù)組合為：橫流風(fēng)機轉(zhuǎn)速1508r/min,、吸秧高度181mm,、吸雜高度211mm，對應(yīng)的風(fēng)選損失率為1.52%,、含雜率為1.01%,，比優(yōu)化前分別降低了1.42、1.26個百分點,。

摘要:針對目前我國蒜薹采摘機械化程度低的問題,，本文基于傳統(tǒng)人工采摘蒜薹的原理,，設(shè)計一種蒜薹采摘機，通過劃莖夾薹裝置完成大蒜植株的劃莖及將蒜薹從底部夾斷的過程,，通過拔薹裝置完成蒜薹的拔出與輸送過程,。根據(jù)蒜薹及大蒜植株的物理特性參數(shù)，對劃莖夾薹裝置和拔薹裝置的結(jié)構(gòu)進(jìn)行設(shè)計,；通過理論分析,，確定了機器前進(jìn)速度與關(guān)鍵部件轉(zhuǎn)速的關(guān)系；對硅橡膠板夾薹過程進(jìn)行ANSYS仿真分析,，確定了夾薹間隙為2mm,。選取針鏈間隙、滾筒轉(zhuǎn)速和夾手閉合起始角為試驗因素,，成功拔薹率,、拔薹損傷率和留葉合格率為試驗指標(biāo)，進(jìn)行了三元二次正交旋轉(zhuǎn)組合試驗,。結(jié)果表明：當(dāng)針鏈間隙為3.92mm,、滾筒轉(zhuǎn)速為48.32r/min和夾手閉合起始角為78.53°時，成功拔薹率,、拔薹損傷率和留葉合格率分別為89.10%,、20.55%和77.34%,。

摘要:為建立黑水虻幼蟲與收集,、輸送、分離等機械工作部件間發(fā)生碰撞時的碰撞模型,，基于黑水虻幼蟲生物特性,，應(yīng)用Hertz彈性碰撞理論推導(dǎo)了黑水虻幼蟲碰撞過程動力學(xué)方程，結(jié)合運動學(xué)方程原理構(gòu)建了黑水虻幼蟲恢復(fù)系數(shù)的測定裝置并進(jìn)行了黑水虻幼蟲恢復(fù)系數(shù)測定試驗,。試驗針對第5齡期的黑水虻幼蟲,，采用L16(44×23)混合正交試驗方案研究了碰撞材料、材料厚度,、下落高度,、碰撞角、跌落方向,、含水率等因素對黑水虻幼蟲恢復(fù)系數(shù)的影響,，然后對碰撞材料、材料厚度,、下落高度,、碰撞角、跌落方向進(jìn)行單因素試驗,，并獲得了材料厚度,、下落高度、碰撞角對恢復(fù)系數(shù)的影響規(guī)律與回歸方程,，且方程的決定系數(shù)均不小于0.9427,。試驗結(jié)果表明，影響黑水虻幼蟲恢復(fù)系數(shù)的因素影響由大到小為：碰撞材料,、下落高度,、碰撞角、跌落方向,、碰撞材料厚度,、含水率，其中含水率對恢復(fù)系數(shù)影響不顯著,。單因素試驗結(jié)果可得：黑水虻幼蟲與Q235鋼,、鋁合金、有機玻璃、橡膠等碰撞材料間的恢復(fù)系數(shù)依次降低,，隨下落高度的增大而逐漸減小,，隨材料厚度的增加而逐漸增大，恢復(fù)系數(shù)隨碰撞角的增大而整體呈增大趨勢,，且橫向跌落方向大于縱向跌落方向,。該文研究結(jié)果可為黑水虻幼蟲收集、輸送,、分離等機械相關(guān)工作部件優(yōu)化設(shè)計提供參考依據(jù),。

摘要:使用實驗與數(shù)值模擬相結(jié)合的方法對NACA0015水翼的云空化流動和壓力脈動進(jìn)行了研究,，分析了激波主導(dǎo)下的云空化脫落機理和脈動沖擊。實驗在空化水洞中進(jìn)行,，采用壓力傳感器記錄監(jiān)測點壓力脈動信息,，并使用高速攝像技術(shù)捕獲空泡形態(tài)。通過數(shù)值計算,，捕捉對應(yīng)監(jiān)測點的壓力脈動情況,并基于FBM-DCM方法對SST湍流模型進(jìn)行修正,，獲取了非定常流動過程中的空化特性。結(jié)果表明：可壓縮修正后的SST模型很好地捕捉到了大尺度云空化潰滅后形成的激波在吸力面上的傳播過程,。空泡覆蓋區(qū)域,，壓力處于較低水平,。激波在傳播過程中會導(dǎo)致當(dāng)?shù)貕毫Φ幕厣ACA0015水翼在水溫33℃,、攻角12°,、空化數(shù)1.4下，模擬得到激波在46%弦長和32%弦長之間的傳播速度約為11.53m/s,，實驗得到激波在該區(qū)域傳播速度為11.31m/s,，二者在數(shù)值上較為接近。

摘要:為探明渾水滴灌過程中水中加氣對滴頭堵塞的影響，以齒形迷宮流道滴頭為研究對象,，采用周期性間歇灌水測試方法,，用最大粒徑小于0.1mm的泥沙配置了5種不同的渾水，運用激光粒度分析儀和場發(fā)射掃描電鏡等方法研究了滴頭堵塞狀況,。結(jié)果表明：加氣和泥沙顆粒級配對滴頭堵塞具有極顯著影響（P<0.01),；加氣提升了毛管內(nèi)泥沙輸移能力、促進(jìn)大泥沙顆粒排出,，減小淤積泥沙中值粒徑,，且泥沙最大粒徑越小，加氣對泥沙運移的影響越小,，毛管淤積物質(zhì)量,、淤積泥沙中值粒徑較未加氣處理減少8.75%～31.92%,、8.59%～35.64%；泥沙粒徑為0.075～0.100mm時，滴頭流量下降最快,，泥沙為粒徑0～0100mm時，滴頭流量下降最慢,；加氣增大了水流紊動程度,，促進(jìn)渾水中大顆粒泥沙在流道內(nèi)的輸移；加氣加劇了渾水中小顆粒泥沙在流道入口處黏附,，加速了流道入口堵塞,，滴頭Dra和Cu比未加氣處理低9.0～18.7個百分點和16.2～36.4個百分點，這是造成加氣加速滴頭堵塞的主要原因,。建議進(jìn)行毛管沖洗,，降低流道入口堵塞風(fēng)險，以提高加氣滴灌滴頭的抗堵塞性,。

摘要:為研究在流固耦合作用下分流葉片對混流式水泵的性能影響,，以某型號的大流量混流式水泵作為研究對象,，采用雙向流固耦合方法和動網(wǎng)格變形技術(shù)對有/無分流葉片混流泵進(jìn)行流場和結(jié)構(gòu)場計算。對比分析了有/無分流葉片對混流泵非定常流動特性和動力學(xué)特性的影響,。研究發(fā)現(xiàn),，分流葉片的添加使得動靜干涉產(chǎn)生的壓力脈動幅值的最大值大幅降低，但減小了脈動衰減的速度,。有/無分流葉片對軸向力平均值影響不大,，但考慮流固耦合效應(yīng)時軸向力有所減小并有波動產(chǎn)生。分流葉片的添加可以降低應(yīng)力以及形變的波動幅值,。葉片最大應(yīng)力區(qū)主要集中于靠近葉輪輪轂及輪緣處,，分流葉片的添加使得葉片最大應(yīng)力減小,，且改善了應(yīng)力變化梯度，使得應(yīng)力分布更加均勻,。分流葉片的添加也使得葉片形變在圓周方向更加均勻,，改善了形變分布的偏心問題。研究結(jié)果可以為混流泵葉片的優(yōu)化設(shè)計提供相應(yīng)參考,。

摘要:以陜西省為研究區(qū)，應(yīng)用地理探測器模型,，揭示了不同氣候區(qū)域土壤全氮（STN）空間變異與自然,、人文環(huán)境的內(nèi)在聯(lián)系。結(jié)果表明：陜西省STN表現(xiàn)出中等變異強度,，平均含量為0.91g/kg,。STN含量總體呈現(xiàn)南高北低的特性，秦巴區(qū)STN平均含量最高,，為1.40g/kg,；蒙中區(qū)最低，為0.37g/kg,。整體上,，STN含量變異受自然因素影響程度高于人文因素。其中,，土壤有機質(zhì)含量的單因子影響力最大（q為0.63~0.86）,，其次為縣級行政區(qū)劃（q為0.13~0.67）。其它因素中,，陜西省市級行政區(qū)劃,、日照時長單因子影響力較大，q均達(dá)到0.50以上,；秦巴區(qū)與蒙中區(qū)土壤亞類影響力最大（q為0.22~0.30）；渭河區(qū)市級行政區(qū)劃單因子影響程度最高（q為0.31）,；晉陜甘區(qū)與蒙東區(qū)影響力最大因子分別為化肥施用量（q為0.47）,、有效磷含量（q為0.26）。各因子對STN含量變異存在交互作用,，交互影響力較單因子有所提升,，表現(xiàn)出互相增強或非線性增強效應(yīng)。

摘要:針對畜牧養(yǎng)殖資產(chǎn)監(jiān)管系統(tǒng)數(shù)據(jù)采集源頭設(shè)備不可信,，牲畜個體身份標(biāo)識識別復(fù)雜，養(yǎng)殖敏感數(shù)據(jù)機密性差等問題,，提出一種基于區(qū)塊鏈技術(shù)和聚合簽名算法的畜牧資產(chǎn)身份認(rèn)證方案,，實現(xiàn)資產(chǎn)監(jiān)管系統(tǒng)中數(shù)據(jù)采集源頭、數(shù)據(jù)存證展示的全流程真實可信,，以及監(jiān)管系統(tǒng)各節(jié)點,、各物聯(lián)網(wǎng)設(shè)備間身份驗證的可信可溯，有效保障了畜牧資產(chǎn)監(jiān)管系統(tǒng)從區(qū)塊鏈網(wǎng)絡(luò)到節(jié)點及物聯(lián)網(wǎng)設(shè)備間細(xì)粒度的身份驗證,。在此基礎(chǔ)上對方案進(jìn)行混淆性分析和通信數(shù)據(jù)量分析,，結(jié)果表明，加密過程的擴散性測試密文改變率平均為93.61%,，相關(guān)性測試密文改變率平均為93.28%,，具有較高的混淆性，并將通信量由線性級降低為常量級,，驗簽耗時平均節(jié)省40.01%,，有效降低數(shù)據(jù)傳輸通信量和系統(tǒng)驗證開銷，具有高效的批量身份驗證性能,，滿足畜牧資產(chǎn)監(jiān)管過程中設(shè)備身份認(rèn)證需求,。

摘要:城中村是我國快速城市化進(jìn)程中的一個特殊產(chǎn)物，通常存在人口密集,、建筑私自改造等問題,。開展城中村的識別和監(jiān)測對城鄉(xiāng)統(tǒng)籌規(guī)劃以及精細(xì)化治理等具有重要意義?；谏疃葘W(xué)習(xí)提出了一種新的城中村遙感識別模型,，該模型包括一個多尺度擴張卷積模塊和一個非局部特征提取模塊，前者能夠聚合多層級空間特征以適應(yīng)城中村形狀,、尺度的變異性,；后者用于提取全局語義特征以提高城中村的類間可分性。選取北京市二環(huán)與六環(huán)之間的區(qū)域作為研究區(qū),，實驗結(jié)果表明本文模型取得了較好的識別效果,，總體精度可達(dá)94.27%,，Kappa系數(shù)為0.8839，且效果優(yōu)于傳統(tǒng)模型,。本文研究表明,，基于多尺度擴張卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行城中村遙感識別是可行且有效的，可為城鄉(xiāng)統(tǒng)籌規(guī)劃提供精確的城中村空間分布數(shù)據(jù),。

摘要:樹種信息對林業(yè)資源監(jiān)測和管理具有重要意義，及時準(zhǔn)確地掌握樹種及長勢狀況是防護林工程建設(shè)與效益評價的基礎(chǔ),。為研究利用無人機高光譜數(shù)據(jù)進(jìn)行防護林樹種分類的效果,，選取典型區(qū)域使用Matrice600型六旋翼無人機搭載Rikola高光譜成像儀獲取高光譜影像，基于支持向量機-遞歸特征消除算法（SVM-RFE）選取原始波段最佳組合,，再結(jié)合紋理特征,、植被指數(shù)和數(shù)理統(tǒng)計特征，使用隨機森林算法對所有特征進(jìn)行重要性評估并與分類精度相結(jié)合進(jìn)行特征優(yōu)化,，進(jìn)而構(gòu)建高光譜影像全波段,、原始波段最佳組合、全部特征變量,、基于隨機森林（RF）特征優(yōu)化后特征變量4種分類方案,，分別采用最大似然法（MLC）、支持向量機（SVM）,、隨機森林對防護林優(yōu)勢樹種進(jìn)行分類,。結(jié)果表明：所提出的基于交叉驗證的SVM-RFE算法選出的原始波段組合能更好地還原原始光譜特征；通過RF算法的特征重要性分析與分類精度相結(jié)合的方法可以有效選出重要特征,，當(dāng)使用全部特征的85%（包括17個光譜特征,、3個紋理特征、5個植被指數(shù)和3個數(shù)理統(tǒng)計特征）進(jìn)行分類時,，總體精度最高為9593%（Kappa系數(shù)為0.9475）,；所有特征中植被指數(shù)特征最重要，3種分類方法中RF算法分類總體精度（OA）最高,。

摘要:為全面掌握長江三角洲地區(qū)典型縣域耕地土壤重金屬污染狀況與生態(tài)風(fēng)險特征,，通過野外實地采樣和室內(nèi)土壤重金屬含量化驗分析,，采用單因子污染指數(shù)法,、內(nèi)梅羅綜合污染指數(shù)法和潛在生態(tài)風(fēng)險指數(shù)法對宜興市縣域耕地土壤中As、Cd,、Cu,、Hg、Pb,、Zn 6種重金屬元素進(jìn)行污染和生態(tài)風(fēng)險評價,。結(jié)果表明，宜興市耕地土壤重金屬土壤污染總體較輕,，耕地土壤重金屬污染點位超標(biāo)率為10.27%,，Cd、Cu,、As,、Hg、Pb,、Zn的超標(biāo)率分別為10.11%,、0.88%、0.44%,、1.49%,、0.10%、0.35%,，從超標(biāo)率來看Cd和Hg為宜興市主要污染元素,，其中Cd的樣本超標(biāo)率高于全國耕地Cd的超標(biāo)率。宜興市耕地土壤重金屬污染總體呈現(xiàn)“輕微”生態(tài)風(fēng)險,，生態(tài)風(fēng)險貢獻(xiàn)率較高的為Cd,，達(dá)到57.46%，生態(tài)風(fēng)險等級較高區(qū)域為丁蜀鎮(zhèn)的東北部,、張渚鎮(zhèn)的東南部和徐舍鎮(zhèn)的東北部區(qū)域,。宜興市耕地土壤重金屬污染源可能主要來源于人為的化工生產(chǎn)活動。研究可為耕地土壤重金屬污染預(yù)防控制治理提供理論依據(jù),，提高耕地資源安全利用水平,。

摘要:為促進(jìn)近海養(yǎng)殖業(yè)信息化發(fā)展,，更好地實現(xiàn)對近海養(yǎng)殖環(huán)境的監(jiān)控，設(shè)計了基于浮標(biāo)平臺的環(huán)境監(jiān)測系統(tǒng),。利用STM32L475微控制器定時采集光照,、溫度、pH值,、溶解氧濃度等信息,，通過物聯(lián)網(wǎng)技術(shù)將數(shù)據(jù)傳輸至云監(jiān)測平臺,，實現(xiàn)了多區(qū)域環(huán)境信息遠(yuǎn)程監(jiān)測和多終端訪問。提出了改進(jìn)遺傳算法BP神經(jīng)網(wǎng)絡(luò)的溶解氧濃度預(yù)測模型,，實現(xiàn)對近海養(yǎng)殖環(huán)境的預(yù)測,；根據(jù)所采集的數(shù)據(jù)，利用改進(jìn)遺傳算法對初始權(quán)重和閾值進(jìn)行優(yōu)化得到最優(yōu)參數(shù),，在此基礎(chǔ)上構(gòu)建BP神經(jīng)網(wǎng)絡(luò)溶解氧濃度預(yù)測模型,。通過試驗驗證了該系統(tǒng)海洋環(huán)境信息采集的準(zhǔn)確性與可靠性，以及溶解氧濃度預(yù)測模型的有效性,；與傳統(tǒng)遺傳算法BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型相比,，平均誤差由0.0778mg/L降至0.0178mg/L，能夠滿足近海養(yǎng)殖的實際需求,。

摘要:基于葉面顏色特征建立番茄氮元素缺乏分級模型判別準(zhǔn)確率可達(dá)08以上。夏季定植的番茄葉片表面會覆蓋粘質(zhì)腺毛,，粘質(zhì)腺毛利于番茄吸收水分和營養(yǎng)元素,，相同營養(yǎng)液氮離子濃度下葉片黃化過程異于未覆蓋粘質(zhì)腺毛的葉片。故僅基于葉面顏色特征建立分級模型,，其準(zhǔn)確率降至0.65,。覆蓋粘質(zhì)腺毛番茄其葉片周長和葉面積兩個形狀特征均小于未覆蓋粘質(zhì)腺毛的番茄葉片，本文將番茄葉片兩個形狀特征結(jié)合原有葉面顏色特征共同作為模型輸入,，建立新的番茄氮元素缺乏分級模型,。搭建圖像采集系統(tǒng)，該圖像采集單元由樹莓派和其相機模塊構(gòu)建,，使用WiFi或4G網(wǎng)絡(luò)完成智能手機,、圖像采集單元、本地計算機之間無線數(shù)據(jù)傳輸,。智能手機通過Web界面可遠(yuǎn)程控制采集圖像并將圖像傳輸?shù)皆破脚_存儲,。本地計算機對圖像進(jìn)行預(yù)處理提取葉片形狀、顏色特征后輸入模型進(jìn)行預(yù)測,，并輸出預(yù)測結(jié)果,。試驗結(jié)果表明，圖像采集系統(tǒng)春季和夏季平均溫度在19.7~28.3℃范圍內(nèi),，光照在1.125~9.543lx范圍內(nèi)均可正常使用,，采集的圖像經(jīng)預(yù)處理分割后降低了環(huán)境光線的影響。使用優(yōu)化后的加權(quán)隨機森林模型，基于形狀特征和顏色特征相結(jié)合的葉片氮元素缺乏分級判別準(zhǔn)確率可達(dá)0.83,。

摘要:針對田間自然背景下葡萄品種鑒別缺乏有效識別方法的問題，提出了一種基于融合注意力機制的殘差網(wǎng)絡(luò)ResNet50-SE,，對自然背景下不同生長時期的葡萄品種進(jìn)行分類鑒別,，分析并驗證了網(wǎng)絡(luò)的識別效果。將SE注意力模塊引入ResNet-50網(wǎng)絡(luò),，并通過遷移學(xué)習(xí)實現(xiàn)基于不同時期下葡萄的嫩梢,、幼葉及成熟葉片特征的識別；同時為了揭示注意力機制的作用機制,，利用Grad-CAM可視化方法,，對ResNet50-SE模型每一層所提取的不同生長階段下的葡萄特征進(jìn)行可視化解釋；通過t-SNE算法對模型提取到的不同葡萄品種的多特征進(jìn)行聚類分析,，進(jìn)而直觀評估模型對多特征提取的性能,。結(jié)果表明：提出的ResNet50-SE網(wǎng)絡(luò)在田間復(fù)雜背景條件下對于葡萄不同時期的多特征識別具有較高的識別率和較強的魯棒性，模型測試集準(zhǔn)確率達(dá)到88.75%,，平均召回率達(dá)到89.17%,，相比于AlexNet 、GoogLeNet,、ResNet-50,、VGG-16，測試集準(zhǔn)確率分別提高了13.61,、7.64,、0.70、6.53個百分點,；注意力機制能明顯降低背景影響,，強化有效特征；模型對訓(xùn)練集提取的不同生長時期的特征聚類效果較強,?？梢姡琒E模塊可明顯提升ResNet-50模型在特征提取過程的效果,，有效降低田間復(fù)雜背景對分類結(jié)果的影響,，為田間復(fù)雜背景下葡萄品種的分類識別及田間多特征分類問題提供借鑒。

摘要:針對點云數(shù)據(jù)去噪操作易損失點云細(xì)節(jié)信息問題,，提出了動態(tài)半徑濾波器,，該方法可在保留場景細(xì)節(jié)信息的同時獲得良好去噪效果。此外,，提出基于深度卷積神經(jīng)網(wǎng)絡(luò)的種植模式判定器,，該方法可實時識別當(dāng)前種植模式，并讀取相應(yīng)的去噪?yún)?shù),。在蘋果種植園,、白楊樹林和旱柳樹林完成去噪試驗，試驗結(jié)果表明,，本文方法能去除多尺度點云噪聲,，有效抑制稀疏離群點、目標(biāo)周圍的逸出值和密集噪聲,，單幀點云(6400點)去噪平均耗時為43.2ms,。經(jīng)自適應(yīng)半徑濾波去噪后，密度聚類的平均精確率為94.3%,，平均召回率為78.9%,，與原始數(shù)據(jù)相比，分別提升了40.4%,、33.9%,。自適應(yīng)半徑濾波具有較高的實時性、通用性和魯棒性,，能較明顯地提升聚類效果,，為點云后續(xù)處理奠定良好基礎(chǔ)。

摘要:為實現(xiàn)大規(guī)模養(yǎng)殖場內(nèi)奶牛目標(biāo)的自動提取,，將相關(guān)濾波算法融入目標(biāo)提取基本框架,，提出一種相關(guān)濾波融合邊緣檢測的奶牛目標(biāo)提取(Correlation filtering-edge detection based target extraction, CFED)算法。首先利用顏色名(Color names, CN),、方向梯度直方圖 (Histogram of oriented gradient, HOG)設(shè)計的相關(guān)濾波器獲取奶牛目標(biāo)范圍,；再利用13個不同方向的邊緣濾波模板卷積目標(biāo)范圍圖像得到圖像邊緣，最后融合邊緣信息和顏色特征提取出奶牛目標(biāo),。對奶牛場不同環(huán)境下的9段視頻進(jìn)行目標(biāo)提取試驗,，結(jié)果表明，算法提取的目標(biāo)與真實結(jié)果平均重疊率達(dá)到92.93%,，較Otsu,、K-means聚類、幀間差分法和高斯混合模型(Gaussian mixture model，GMM)分別高35.63,、32.84,、20.28、14.35個百分點,；平均假陽性率和假陰性率分別為5.07%和5.08%,，處理每幀圖像平均耗時0.70s。該結(jié)果表明,，提出的CFED算法具有較好的目標(biāo)檢測能力,，為奶牛目標(biāo)準(zhǔn)確快速提取提供了一個有效方法。

摘要:為了準(zhǔn)確預(yù)測小麥產(chǎn)量,，提出了一種基于特征金字塔網(wǎng)絡(luò)改進(jìn)的小麥穗部檢測方法。針對檢測結(jié)果中存在的誤檢或漏檢等問題,，本文首先在原始特征提取網(wǎng)絡(luò)的編碼和解碼區(qū)域分別引入通道注意力機制和空間注意力機制,，以增加對麥穗空間信息和語義信息的提取，有效提升網(wǎng)絡(luò)對遮擋麥穗的檢測性能,；其次對原始區(qū)域建議網(wǎng)絡(luò)的輸入進(jìn)行改進(jìn),，設(shè)計了一種加權(quán)區(qū)域建議網(wǎng)絡(luò)，在通道級別上將高層具有強語義信息的低分辨率特征圖融合在一起,，經(jīng)過一系列的全連接層和激活函數(shù)生成對應(yīng)維度的概率后,，對底層高分辨率特征圖進(jìn)行加權(quán)以增強有用的信息通道，為難以檢測的較小麥穗生成更精確的檢測框,。關(guān)于實地采集的灌漿期麥穗圖像的實驗結(jié)果表明,，本文方法明顯改善了對遮擋麥穗和較小麥穗的檢測效果，其檢測精確度,、召回率和平均精度分別達(dá)到80.53%,、87.12%和88.53%。通過對公開ACID數(shù)據(jù)集上不同時期麥穗檢測結(jié)果的對比分析,，進(jìn)一步驗證了本文方法的有效性,。

摘要:薇甘菊攀援能力強,，生長速度快,，對生態(tài)環(huán)境和生物多樣性造成了嚴(yán)重威脅。衛(wèi)星遙感數(shù)據(jù)是薇甘菊識別和預(yù)測的主要數(shù)據(jù)源，但現(xiàn)有的數(shù)據(jù)存在分辨率低,、過境時間長和云層遮擋等方面的局限性,，對薇甘菊識別和預(yù)測的精度較低，為此,，提出了一種結(jié)合機載激光數(shù)據(jù)(LiDAR)和航攝多光譜數(shù)據(jù)(DOM)的薇甘菊爆發(fā)區(qū)域自動識別及入侵概率預(yù)測方法,。采用面向?qū)ο蟮亩喑叨确指罘椒▽ρ芯繀^(qū)內(nèi)薇甘菊爆發(fā)點進(jìn)行自動識別，并利用林場內(nèi)冠層高度模型,、植被覆蓋度,、坡度、坡向等數(shù)據(jù),，采用Logistic回歸方法對薇甘菊入侵分布概率進(jìn)行預(yù)測,。結(jié)果表明：面向?qū)ο蟮亩喑叨确指罘椒茌^好地提取研究區(qū)內(nèi)薇甘菊爆發(fā)區(qū)域，識別精度較好,，錯分率為4.66%,，漏檢率為0.41%；Logistic回歸模型對薇甘菊的入侵分布概率有較好的預(yù)測效果,，準(zhǔn)確率為88.46%,。該方法可實現(xiàn)大范圍內(nèi)薇甘菊的精確識別及預(yù)測，可服務(wù)于薇甘菊的綜合防控與監(jiān)測,，為薇甘菊的入侵監(jiān)測提供有力支撐,。

摘要:末端開路同軸探頭法測量土壤復(fù)介電值用于表征土壤含水率具有準(zhǔn)確、快捷的優(yōu)點,。針對目前土壤介電同軸探頭集總測量模型沒有充分考慮探頭的參數(shù)以及土壤體積對測量結(jié)果影響等問題,，基于電磁場理論，對末端開路同軸探頭建立了準(zhǔn)靜態(tài)數(shù)學(xué)模型,，適用于土壤的復(fù)介電常數(shù)準(zhǔn)確測量,。通過全波軟件仿真和模型計算結(jié)果對比，以無水乙醇介電實測值和理論值對比,，驗證模型的準(zhǔn)確性,。采用本文介電測量模型對不同含水率的黃綿土進(jìn)行測量計算，復(fù)介電常數(shù)實部與實測土壤含水率二階多項式擬合決定系數(shù)大于0.965,，表明本文所提土壤介電測量方法適用于土壤復(fù)介電常數(shù)和含水率的測量,。

摘要:果園靶標(biāo)冠層葉面積有效探測是施藥量在線計算的基本依據(jù),。針對樹形靶標(biāo)稠密和稀疏2種冠層類型,，搭建葉面積測量三維立體試驗平臺和激光雷達(dá)(Light detection and ranging,LiDAR)探測移動試驗平臺，構(gòu)建不同厚度和稠密度樹形靶標(biāo),，采用偏最小二乘回歸（Partial least squares regression,PLSR）算法與BP（Back propagation）神經(jīng)網(wǎng)絡(luò)算法建立了冠層葉面積探測模型,。試驗結(jié)果表明：PLSR算法獲得稠密厚冠層、稀疏厚冠層,、稠密薄冠層和稀疏薄冠層葉面積探測模型的決定系數(shù)（R2）分別為：0.9626,、0.4130、0.8896,、0.2699,；BP神經(jīng)網(wǎng)絡(luò)算法獲得模型的R2依次為：0.9727、0.5302,、0.8993,、0.4290?；贚iDAR的冠層葉面積探測模型對稠密冠層探測精度較高，R2不低于0.8896,，對稀疏冠層探測精度較低,，不高于0.5302，該探測方法可用于稠密冠層葉面積在線計算,，指導(dǎo)果園精準(zhǔn)變量噴藥,。

摘要:為探究黑土區(qū)坡耕地不同生物炭施用模式的生態(tài)效益,、經(jīng)濟效益以及二者的耦合協(xié)調(diào)度,，以東北黑土區(qū)3°坡耕地徑流小區(qū)為研究對象，設(shè)置不施加生物炭的常規(guī)處理（C0）和生物炭施加量分別為25t/hm2 (C25),、50t/hm2 (C50),、75t/hm2 (C75)、100t/hm2 (C100)5個處理,，于2015—2018年開展試驗研究,，采用熵值法和耦合協(xié)調(diào)度模型測算不同生物炭施用模式的生態(tài)效益、經(jīng)濟效益以及二者的耦合協(xié)調(diào)度,。結(jié)果表明：生物炭能夠有效改善土壤結(jié)構(gòu),、增強土壤肥力,、提高土壤蓄水保土能力，連續(xù)施用2年,、施炭量為50t/hm2時,，生物炭的生態(tài)效益最佳。同時,，生物炭能夠有效提升作物節(jié)水增產(chǎn)性能,，提高生物炭的收益和利用效率，施炭1年,、施炭量為75t/hm2時,，生物炭的經(jīng)濟效益最佳。耦合協(xié)調(diào)度測算結(jié)果表明,，施用生物炭能有效改善生態(tài)效益與經(jīng)濟效益的阻抑程度,，黑土區(qū)最佳的生物炭施用模式為連續(xù)施用3年、施炭量為50t/hm2,，此時生物炭的生態(tài)效益指數(shù)與經(jīng)濟效益指數(shù)均較高且二者的協(xié)調(diào)度達(dá)到最佳,，分別為0.6849、0.6345,、0.5741,。研究結(jié)果可為黑土資源的高效利用以及黑土區(qū)實際生產(chǎn)提供理論依據(jù)。

摘要:針對傳統(tǒng)灌區(qū)水資源多目標(biāo)模型求解過程中難以兼顧多維配置要求的問題,，基于目標(biāo)協(xié)調(diào)度、可持續(xù)發(fā)展指數(shù),、目標(biāo)實現(xiàn)度3個指標(biāo)提出了一種復(fù)合多目標(biāo)方法,。為驗證該方法有效性，以甘肅省黑河中游17個灌區(qū)間水資源優(yōu)化配置為例,，以經(jīng)濟效益,、社會效益、生態(tài)效益為目標(biāo)函數(shù)構(gòu)建多目標(biāo)優(yōu)化模型,，并分別使用傳統(tǒng)方法與復(fù)合多目標(biāo)方法進(jìn)行求解,。結(jié)果表明，使用復(fù)合多目標(biāo)方法所獲得的優(yōu)化配置方案可以將灌溉水利用系數(shù)提高5.42%~7.57%,。結(jié)果驗證了傳統(tǒng)多目標(biāo)模型在協(xié)調(diào)多個沖突目標(biāo)方面較單目標(biāo)模型有顯著優(yōu)勢,，而復(fù)合多目標(biāo)方法所獲得的優(yōu)化方案更能體現(xiàn)決策者對研究區(qū)域種植業(yè)發(fā)展與灌區(qū)水資源配置的多元要求。

摘要:為探究寒地黑土區(qū)不同水分管理方案對旱直播水稻溫室氣體排放和土壤無機氮的影響,，設(shè)置4個處理：淹灌旱直播（YH）、濕灌旱直播（SH）,、旱管旱直播（HH）和常規(guī)插秧淹灌（CK）,，并以CK處理作為對照，采用微區(qū)測坑進(jìn)行試驗,，研究了旱直播水稻對溫室氣體甲烷（CH4）和氧化亞氮（N2O）排放量,、全球增溫潛勢（GWP）、以產(chǎn)量為基準(zhǔn)的全球變暖潛勢（GWPy）,、0～60cm土壤剖面銨態(tài)氮（NH+4N）和硝態(tài)氮（NO-3N）含量的影響,，分析了0～20cm土層土壤溫度、CH4和N2O排放量和0～20cm土層NH+4N和NO-3N含量的相關(guān)關(guān)系,。結(jié)果表明：各處理CH4和N2O排放量均呈先增后減的變化趨勢,，CH4排放峰值出現(xiàn)在拔節(jié)孕穗期，N2O排放峰值出現(xiàn)在抽穗開花期,。各處理CH4累積排放量,、GWP和GWPy由大到小均表現(xiàn)為CK、YH,、SH,、HH，N2O累積排放量由大到小表現(xiàn)為HH,、SH、YH,、CK,。CK、YH,、SH處理土壤NH+4N和NO-3N含量在時間和剖面上的變化規(guī)律基本一致,，從時間上看，NH+4N含量峰值出現(xiàn)在分蘗中期和抽穗開花期,，而NO-3N含量峰值出現(xiàn)在分蘗前期,；從土壤剖面上看，CK,、YH,、SH處理NH+4N和NO-3N含量分別以20～40cm和40～60cm土層最高，而HH處理NH+4N和NO-3N含量分別以40～60cm和0～20cm土層最高,。各處理稻田5,、10,、15、20cm土層土壤溫度（T5,、T10,、T15、T20）均呈先升后降的變化趨勢,。CK,、YH、SH,、HH處理T5,、T10、T15,、T20與CH4排放量,、NH+4N含量呈正相關(guān)；YH處理T15,、T20與N2O排放量呈正相關(guān),，與NO-3N含量呈負(fù)相關(guān)；SH,、HH處理T5,、T10、T15與N2O排放量呈負(fù)相關(guān),，與NO-3N含量呈正相關(guān),。YH、SH,、HH處理NH+4N和NO-3N含量呈此消彼長的密切關(guān)系,。本研究可為東北黑土區(qū)旱直播稻田減緩溫室效應(yīng)和土壤氮素高效利用提供理論依據(jù)。

摘要:為探求控制排水對油葵農(nóng)田土壤氮素流失,、氮肥利用效率以及產(chǎn)量的影響,，設(shè)置生育期控制排水深度分別為40cm（K1）、70cm（K2）,、100cm（K3）3個處理,，選擇明溝排水作為對照處理（CK），開展了田間試驗,。結(jié)果表明：K1處理土壤NH+4N含量（質(zhì)量比）最高,，平均值為20.17mg/kg,，顯著高于其他各處理（P<0.05），較K2,、K3,、CK處理高31.36%、46.16%,、15.22%,。不同處理間土壤NO-3N含量差異性大于NH+4N。生育期灌溉后0~40cm土壤NO-3N含量由大到小依次為K1,、CK,、K2、K3,。不同處理NO-3N流失量均大于NH+4N,，K1、K2,、K3,、CK處理NO-3N流失量較NH+4N分別高60%、52.63%,、30.77%,、58.82%。暗管排水處理,，出口埋深越小,，排水量越小，氮素流失量越小,，控制排水穩(wěn)定了地下水埋深變化,。控制排水處理（K1,、K2）提高氮肥偏生產(chǎn)力3.04%~11.15%,，提高了養(yǎng)分吸收量。K1處理氮肥偏生產(chǎn)力最大,，分別較K2,、K3,、CK處理增加4.54%,、7.72%、11.15%（P<0.05）,。K1處理能顯著提高玉米產(chǎn)量（P<0.05）,，較K2、K3,、CK處理分別增加4.52%,、7.69%,、11.14%。油葵收獲后,，各處理0~100cm土壤NH+4N含量為0.98~8.13mg/kg,，隨著土層深度的增加土壤NH+4N含量減少，0~40cm土層CK處理土壤NH+4N含量最大,，較K1,、K2、K3處理分別大11.65%,、14.55%,、18.19%（P<0.05）。相同處理相同土層NO-3N含量明顯高于NH+4N含量,；生育期灌溉后,，0~10cm土壤中NO-3N均隨水向深層土壤運移，而K1處理將大多NO-3N聚集在20~40cm土層中,。在生長中后期,，20~40cm土層為油葵根系旺盛層，K1處理對土壤中氮素利用相對較高,。綜合油葵產(chǎn)量,、土壤氮素變化規(guī)律、氮肥利用效率及氮素流失情況,，適宜的排水方式為生育期控制排水深度40cm（K1）,。

摘要:為揭示水炭運籌下稻田N2O排放規(guī)律,，以及各階段施入氮肥的利用和損失對N2O排放的影響，設(shè)置兩種水分管理模式(淺濕干灌溉,、常規(guī)淹灌)和4個秸稈生物炭施用量水平(0,、2.5、12.5,、25t/hm2),，采用田間小區(qū)和15N示蹤微區(qū)結(jié)合的方法，研究不同水炭運籌下稻田N2O排放規(guī)律,，以及基肥,、蘗肥和穗肥的吸收利用率和損失率，并分析了N2O排放量與各階段施入氮肥的利用率和損失率之間的關(guān)系。結(jié)果表明：兩種灌溉模式水稻本田生長期N2O排放規(guī)律不同,，淺濕干灌溉模式N2O累積排放量顯著高于常規(guī)淹灌模式(P<0.05),，施加生物炭能夠有效地減少水稻本田生長期N2O排放總量。兩種灌溉模式在分蘗期和拔節(jié)孕穗期N2O累積排放量較大,，淺濕干灌溉模式的各生育期N2O累積排放量均高于常規(guī)淹灌,，施加生物炭降低了N2O各生育期累積排放量。淺濕干灌溉模式水稻植株對基肥的吸收利用率低于常規(guī)淹灌模式,，而對蘗肥和穗肥的吸收利用率顯著高于常規(guī)淹灌(P＜0.05),，施加適量的生物炭能夠增加各階段施入氮肥的吸收利用率。相關(guān)性分析表明,，淺濕干灌溉模式下N2O排放總量與蘗肥,、穗肥吸收利用率呈顯著負(fù)相關(guān)(P<0.05)，與基肥吸收利用率呈極顯著負(fù)相關(guān)(P<0.01),，常規(guī)淹灌模式下N2O排放總量與基肥,、蘗肥和穗肥吸收利用率均呈極顯著負(fù)相關(guān)(P<0.01)；兩種灌溉模式N2O排放總量與基肥和蘗肥損失率均達(dá)到顯著正相關(guān)(P<0.05),。

摘要:為揭示微咸水灌溉下冬小麥的光合生理響應(yīng)機理,，在黃河三角洲地區(qū)的典型引黃灌區(qū)開展了冬小麥微咸水灌溉大田試驗,，研究了兩種灌溉處理（淡水處理（礦化度0g/L）和微咸水處理（礦化度3g/L））條件下，冬小麥抽穗期（2016年5月1日和2017年5月1日）和開花期（2016年5月10日和2017年5月12日）蒸騰速率,、凈光合速率,、氣孔限制值及光響應(yīng)曲線模擬特征參數(shù)等指標(biāo)變化規(guī)律。結(jié)果表明,，與淡水處理相比,，2016、2017年微咸水灌溉導(dǎo)致淺層（0~40cm）土壤含鹽量顯著增加了37.8%,、64.3%,；抑制了抽穗開花期冬小麥的蒸騰作用，2016,、2017年微咸水灌溉處理冬小麥抽穗期蒸騰速率降低了19.1%,、31.4%，開花期降低了11.6%,、11.0%,；午前凈光合速率的下降主要受到氣孔因素和非氣孔因素共同影響,，午后由于非氣孔因素的改善,，微咸水處理冬小麥凈光合速率超過淡水處理,，卻伴隨著較高的氣孔限制值。引入直角雙曲線修正模型進(jìn)行光合特征參數(shù)擬合發(fā)現(xiàn),，微咸水灌溉有利于增強抽穗開花期冬小麥對于強光和高溫的適應(yīng)能力并且可以提升冬小麥利用弱光的能力,，暗呼吸速率的下降可以保證較快的干物質(zhì)累積。因此,，微咸水灌溉并未對冬小麥抽穗開花期葉片光合作用產(chǎn)生負(fù)面影響,，反而一定程度上促進(jìn)了冬小麥利用光能的潛力。

摘要:本文考慮溫室環(huán)境的時空變異特性,，通過構(gòu)建溫室建筑計算流體力學(xué)（CFD）模型,，結(jié)合帶精英策略的非支配遺傳算法（NSGA-Ⅱ），建立C++-Fluent聯(lián)合優(yōu)化框架,，實現(xiàn)溫室環(huán)境因子的多目標(biāo),、高效率優(yōu)化。CFD溫室模型在江蘇省鎮(zhèn)江市的一處溫室進(jìn)行實地驗證,；迭代優(yōu)化算法由C++實現(xiàn)并通過超級計算機提高計算效率,；優(yōu)化目標(biāo)包括作物區(qū)域溫度場、二氧化碳濃度分布以及控制溫室風(fēng)機能耗,。研究結(jié)果表明,，CFD溫度場和速度場與監(jiān)測點實驗值吻合度高，平均相對誤差分別為4.9%和7.05%,；為獲得某場景下作物生長溫度場,、二氧化碳濃度分布的最優(yōu)值且維持溫室風(fēng)機的低能耗，溫室濕簾入口溫度為[296.6K,，302K],，風(fēng)機出口風(fēng)速為[2.9m/s，5.5m/s],。此時作物區(qū)域的溫度場,、二氧化碳濃度分布及風(fēng)機能耗均在最優(yōu)范圍，有助于提高作物產(chǎn)量,，降低溫室能耗,；超級計算機Linux系統(tǒng)下開發(fā)的優(yōu)化方案計算效率比個人計算機大幅提高，計算時長縮短約88.09%,。本文所提策略充分考慮溫室環(huán)境的時空變化特性,，對溫室內(nèi)多環(huán)境因子實現(xiàn)多目標(biāo)、高效率優(yōu)化。

摘要:以甘氨酸鉀（PG）富CO2溶液（富液）為對象，研究了采用膜空氣吹掃技術(shù)將富液CO2再生與溫室CO2氣肥增施融合的可行性,，并得出了設(shè)施番茄栽培的增施CO2方案,。結(jié)果表明：在40~80℃時，PG富液初始CO2負(fù)荷越高,，CO2再生程度越大,，釋放的CO2量越多，且在約60min時即可達(dá)到再生平衡,。在可控參數(shù)的最佳條件下（氣相流速6L/min,、初始CO2負(fù)荷0.75mol/mol和再生時間60min），僅通過調(diào)節(jié)液相流速和再生溫度即可控制膜空氣吹掃再生的CO2產(chǎn)量,。針對標(biāo)準(zhǔn)農(nóng)業(yè)溫室（600m3）內(nèi)的設(shè)施番茄栽培,，可采用兩種CO2氣肥增施方案：先將溫室內(nèi)CO2濃度迅速增施至最大濃度，隨后根據(jù)植物光合情況隨時補充,；或是先計算番茄在某一段時間內(nèi)所需的CO2總氣量,，然后以一定速率均勻地增施到溫室中。與傳統(tǒng)增施技術(shù)相比,，富液再生增施CO2技術(shù)具有更低增施成本與生態(tài)環(huán)境敏感性,，成本最高可降低約58.00%。對于1000m3/d沼氣產(chǎn)量的生物天然氣工程,，以富液為載體時,，僅需3個連棟溫室即可完全消納沼氣提純中所需脫除的CO2。

摘要:針對目前紅棗分級裝置檢測指標(biāo)單一，難以實現(xiàn)外部品質(zhì)綜合判別的問題,，設(shè)計了一款基于殘差網(wǎng)絡(luò)結(jié)合圖像處理的干制哈密大棗外部品質(zhì)檢測系統(tǒng),。首先，通過深度學(xué)習(xí)圖像分類實現(xiàn)裂紋,、鳥啄和霉變?nèi)毕輽z測,，為克服當(dāng)前殘差網(wǎng)絡(luò)計算量大,、復(fù)雜度高以及信息丟失的問題，提出了一種改進(jìn)深度殘差網(wǎng)絡(luò)圖像分類方法,；其次,，根據(jù)尺寸與紋理數(shù)量的等級差異性，提出了一種閾值檢測方法,，通過提取干制哈密大棗圖像面積、周長,、擬合圓半徑及紋理數(shù)量特征,，實現(xiàn)尺寸及褶皺檢測。試驗結(jié)果表明缺陷識別模型和尺寸,、褶皺檢測模型測試準(zhǔn)確率分別達(dá)到97.25%,、93.75%和93.75%。綜合缺陷,、尺寸和褶皺3種外部品質(zhì)指標(biāo),，通過在線采集圖像驗證系統(tǒng)測試，外部品質(zhì)綜合檢測準(zhǔn)確率為93.13%,，可初步滿足干制哈密大棗品質(zhì)在線檢測裝備的生產(chǎn)需求,。

摘要:準(zhǔn)確預(yù)測剩余貨架期是降低蘋果過長貯藏風(fēng)險的有效途徑,，目前基于傳統(tǒng)動力學(xué)模型的預(yù)測準(zhǔn)確度較低,提出一種基于生成式對抗網(wǎng)絡(luò)（GAN）改進(jìn)的反向傳播人工神經(jīng)網(wǎng)絡(luò)（BP-ANN）蘋果貨架期預(yù)測方法,。以0、5,、15,、25℃下貯藏的“富士”蘋果為研究對象，獲取果實的12個理化品質(zhì)指標(biāo)隨貯藏時間變化的取值,；分別采用2種特征選擇方法對品質(zhì)指標(biāo)進(jìn)行排序,，依次累加排序為1~12的品質(zhì)指標(biāo)結(jié)合貯藏溫度作為BP-ANN的輸入層變量。通過GAN擴大BP-ANN的訓(xùn)練集樣本數(shù)量,，建立“富士”蘋果貨架期的 GAN-BP-ANN和BP-ANN預(yù)測模型,。試驗結(jié)果表明，經(jīng)過GAN可生成與真實數(shù)據(jù)分布范圍一致的數(shù)據(jù)集,，以真實和生成數(shù)據(jù)集共同作為訓(xùn)練集構(gòu)建的GAN-BP-ANN模型其驗證集準(zhǔn)確度總體高于BP-ANN模型,；以稀疏主成分分析(SPCA) 選取得到的前1、2,、6個品質(zhì)指標(biāo),，結(jié)合貯藏溫度分別作為GAN-BP-ANN模型的輸入層對貨架期進(jìn)行預(yù)測,，其平均相對誤差均在0.070以內(nèi)，決定系數(shù)均在0.988以上,。

摘要:機器視覺因具有檢測速度快、穩(wěn)定性高及成本低等優(yōu)點,，已發(fā)展成為禽蛋無損檢測領(lǐng)域主流檢測手段,。使用該技術(shù)對禽蛋進(jìn)行無損檢測時，需要依賴大量禽蛋圖像作為數(shù)據(jù)支撐才能取得較好的檢測效果,。由于養(yǎng)殖安全等限制,，禽蛋圖像數(shù)據(jù)的采集成本較高，針對該問題,，提出了一種適應(yīng)于小樣本禽蛋圖像檢測的原型網(wǎng)絡(luò)（Prototypical network）,。該網(wǎng)絡(luò)利用引入注意力機制的逆殘差結(jié)構(gòu)搭建的卷積神經(jīng)網(wǎng)絡(luò)將不同類別的禽蛋圖像映射至嵌入空間，并利用歐氏距離度量測試禽蛋圖像在嵌入空間的類別,，從而完成禽蛋圖像的分類,。本文利用該網(wǎng)絡(luò)分別驗證了小樣本條件下受精蛋與無精蛋、雙黃蛋與單黃蛋及裂紋蛋與正常蛋的分類檢測效果,，其檢測精度分別為95%,、98%、88%,。試驗結(jié)果表明本文方法能夠有效地解決禽蛋圖像檢測中樣本不足的問題,，為禽蛋圖像無損檢測研究提供了新的思路。

摘要:針對丘陵地區(qū)甘蔗轉(zhuǎn)運車在田間作業(yè)操作難、轉(zhuǎn)運過程易發(fā)生側(cè)翻事故等問題,，設(shè)計了一種剪叉式甘蔗轉(zhuǎn)運車調(diào)平控制系統(tǒng),。通過搭建甘蔗轉(zhuǎn)運車試驗平臺，基于狀態(tài)測量單元,、單片機嵌入式系統(tǒng),、液壓系統(tǒng)，實現(xiàn)甘蔗在轉(zhuǎn)運前車身姿態(tài)自動調(diào)平功能,；保持車身狀態(tài)處于安全范圍內(nèi),，對車廂進(jìn)行提升、翻轉(zhuǎn)等控制,，完成甘蔗轉(zhuǎn)運過程所需動作,。為研究影響車身穩(wěn)定的因素,，在試驗平臺負(fù)載質(zhì)量120kg工況下，分別選取車身側(cè)向角為0°,、2°,、4°、6°,、8°,，支撐結(jié)構(gòu)側(cè)向跨距為490、650,、730mm的狀態(tài)參數(shù)進(jìn)行負(fù)載作業(yè)臨界試驗,。并采用“追逐式”調(diào)平策略進(jìn)行自動調(diào)平試驗，驗證系統(tǒng)平穩(wěn)控制的可靠性,。結(jié)果表明:車身側(cè)向角和底盤支撐結(jié)構(gòu)跨距對其穩(wěn)定性具有顯著影響,，730mm為支撐結(jié)構(gòu)最佳側(cè)向跨距,；支撐結(jié)構(gòu)側(cè)向跨距490mm且車身初始側(cè)向角6°時為危險臨界狀態(tài),，甘蔗轉(zhuǎn)運過程存在較大安全隱患。設(shè)計的調(diào)平控制系統(tǒng)在20s內(nèi)調(diào)平,，精度可達(dá)到0.3°,；當(dāng)車身通過調(diào)平安全檢測后，可在35s內(nèi)平穩(wěn)完成車廂提升轉(zhuǎn)運等卸蔗動作,，滿足60s內(nèi)完成安全轉(zhuǎn)運卸蔗的設(shè)計要求,，提高了丘陵地區(qū)甘蔗轉(zhuǎn)運車作業(yè)的安全性和工作效率。

摘要:針對農(nóng)田鋪管裝備采用傳統(tǒng)激光高程控制技術(shù)控制精度低、適應(yīng)性差的問題,，設(shè)計了基于載波相位實時動態(tài)差分北斗衛(wèi)星定位系統(tǒng)(RTK-BDS)的無溝鋪管機高程控制系統(tǒng),。該系統(tǒng)以RTK-BDS為核心，以V型犁式無溝鋪管機為作業(yè)對象,，采用多模型UKF多傳感器信息融合算法獲取高精度海拔高度信息,；利用多模態(tài)模糊PID算法控制高程油缸，從而滿足犁頭按照指定坡降指標(biāo)工作的需求,。田間試驗表明,，多模型UKF算法較無跡卡爾曼濾波(UKF)、粒子濾波的濾波效果更好,，其波動幅度降低至0.885cm,，均方差降低至0.040cm,，多點相對誤差在±0.2cm之內(nèi)；不同坡降高程控制的控制誤差均在±2cm之內(nèi),，平均誤差小于1cm,，滿足無溝鋪管機的作業(yè)需求。

摘要:針對2-UPR-PRU兩轉(zhuǎn)一移三自由度并聯(lián)機構(gòu)，采用螺旋理論和應(yīng)變能方法對其進(jìn)行系統(tǒng)的靜剛度模型建立與性能分析,?；陂]環(huán)矢量法建立2-UPR-PRU并聯(lián)機構(gòu)的運動學(xué)逆解模型?？紤]分支桿件的柔性,，采用螺旋理論和應(yīng)變能方法推導(dǎo)2-UPR-PRU并聯(lián)機構(gòu)各分支的剛度矩陣，結(jié)合變形協(xié)調(diào)方程構(gòu)建2-UPR-PRU并聯(lián)機構(gòu)的整體剛度矩陣,，得到外載作用下機構(gòu)在不同位型的變形情況和整體柔度矩陣,，并通過ANSYS軟件進(jìn)行數(shù)值仿真驗證?；陟o剛度模型分析2-UPR-PRU并聯(lián)機構(gòu)的虛功剛度指標(biāo),，獲得2-UPR-PRU并聯(lián)機構(gòu)在不同外載和操作高度情況下的靜剛度性能分布圖譜。研究結(jié)果對于設(shè)計樣機,、提高機構(gòu)的控制精度方面有重要的參考價值,。

摘要:并聯(lián)機器人具有高速,、高剛度和大負(fù)載等明顯優(yōu)勢,，被廣泛應(yīng)用到農(nóng)業(yè)和工業(yè)領(lǐng)域，但多關(guān)節(jié)導(dǎo)致該類機器人控制精度不高,。針對大空間運動3-RRRU并聯(lián)機器人的運動學(xué)建模和誤差標(biāo)定方法展開了系統(tǒng),、深入研究。綜合應(yīng)用DH法和空間矢量法建立了機器人的運動學(xué)模型,，在此基礎(chǔ)上,，借助偏微分理論推導(dǎo)并建立機器人的誤差模型；應(yīng)用激光跟蹤儀進(jìn)行不同軌跡下機器人的空間位置數(shù)據(jù)采集,，對一般遺傳算法進(jìn)行改進(jìn),，以等步距搜索策略實現(xiàn)主要遺傳算子的優(yōu)化，并通過全局?jǐn)?shù)值尋優(yōu)獲取機器人的誤差補償數(shù)據(jù),，完成標(biāo)定和補償工作,。實驗表明：基于直線標(biāo)定方式,，補償后直線軌跡跟蹤誤差控制在0.14～1.34mm，但不適用于曲線軌跡補償,，其實測補償后的最大誤差高達(dá)5.08mm,。曲線軌跡標(biāo)定精度高于直線軌跡標(biāo)定，補償后將直線和曲線兩種路徑下的最大誤差分別降低至1.18mm和1.56mm,。該標(biāo)定方法自動化程度高,，適用于含有大量關(guān)節(jié)并聯(lián)機器人的誤差標(biāo)定工作。

摘要:提出一種冗余驅(qū)動的三平動并聯(lián)機構(gòu),。利用李群理論和修正的Grübler-Kutzbach公式對機構(gòu)的輸出自由度進(jìn)行了分析,。建立機構(gòu)的位置方程，得到位置逆解和正解表達(dá)式,，分析機構(gòu)的運動部分解耦特性,。推導(dǎo)機構(gòu)的雅可比矩陣，并進(jìn)行奇異分析,。分析機構(gòu)的工作空間,。采用螺旋理論和虛功原理,，建立機構(gòu)的動力學(xué)模型,，得到驅(qū)動力的優(yōu)化分配，驅(qū)動力理論分析與仿真計算結(jié)果最大偏差為0.6%,。建立機構(gòu)的運動學(xué)評價指標(biāo)和動力學(xué)評價指標(biāo),，并研究尺度參數(shù)與機構(gòu)性能間的映射關(guān)系?；谛阅軋D譜對機構(gòu)的尺度參數(shù)進(jìn)行優(yōu)化,，提高其綜合性能。

摘要:針對農(nóng)機模型參數(shù)化設(shè)計過程中涉及參數(shù)傳遞困難、關(guān)聯(lián)性差,，對設(shè)計人員的專業(yè)素質(zhì)要求高等問題,，構(gòu)建了一套模型參數(shù)化設(shè)計交互式創(chuàng)建系統(tǒng)。該系統(tǒng)運用知識元設(shè)計的理念,，通過人機交互式的方法創(chuàng)建設(shè)計知識,，實現(xiàn)模型的個性化設(shè)計與參數(shù)化建模,。采用Visual Studio平臺下的VB.NET為開發(fā)語言，結(jié)合SolidWorks的二次開發(fā)技術(shù)與MySQL數(shù)據(jù)庫管理實現(xiàn)模型參數(shù)化設(shè)計的資源化封裝,，以弱化專業(yè)背景知識的限制,。以谷物收獲機械的切割裝置為測試對象，分析零件之間的參數(shù)關(guān)系,，明確參數(shù)設(shè)計規(guī)則,，通過模型預(yù)處理標(biāo)記設(shè)計參數(shù)，循環(huán)遍歷模型數(shù)據(jù)集提取參數(shù)基本信息,，建立人機交互操作界面,，按照參數(shù)分類的要求完成設(shè)計參數(shù)定量、定性的知識信息表達(dá),。實例分析證明了該系統(tǒng)的可行性與有效性,，并且易于理解和應(yīng)用，可為農(nóng)機裝備的設(shè)計重用技術(shù)提供技術(shù)支持,。