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:作物長勢是糧食產(chǎn)量估測與預(yù)測的主要信息源,，隨著高時(shí)空分辨率遙感數(shù)據(jù)的不斷出現(xiàn)，遙感數(shù)據(jù)已呈現(xiàn)出明顯的大數(shù)據(jù)特征,，以深度學(xué)習(xí)為基礎(chǔ)的作物長勢監(jiān)測和產(chǎn)量估測已成為指導(dǎo)農(nóng)業(yè)生產(chǎn)的重要手段之一,。本文通過總結(jié)深度學(xué)習(xí)模型樣本以及模型結(jié)構(gòu)的發(fā)展歷程，概括了深度學(xué)習(xí)在區(qū)域尺度的研究現(xiàn)狀,，其中從樣本構(gòu)建和樣本擴(kuò)充兩方面概述了模型樣本,，從卷積神經(jīng)網(wǎng)絡(luò)（CNN）、循環(huán)神經(jīng)網(wǎng)絡(luò)（RNN）及其優(yōu)化結(jié)構(gòu)和模型可解釋性總結(jié)了深度學(xué)習(xí)模型結(jié)構(gòu)的進(jìn)展,；隨后從無人機(jī)平臺(tái)和衛(wèi)星平臺(tái)兩方面闡述了田塊尺度國內(nèi)外作物長勢監(jiān)測和產(chǎn)量估測研究的最新進(jìn)展,；最后指出了目前存在的問題和未來擬重點(diǎn)加強(qiáng)的研究任務(wù)，主要包括通過基于區(qū)域和參數(shù)的遷移學(xué)習(xí)以改善小樣本的限制,；深度學(xué)習(xí)模型和作物生長模型有機(jī)結(jié)合,，以提高模型的可解釋性；無人機(jī)平臺(tái)與衛(wèi)星平臺(tái)相結(jié)合,，確保時(shí)空融合過程中尺度轉(zhuǎn)換的精度,；深入探索深度學(xué)習(xí)在作物長勢監(jiān)測方面的應(yīng)用潛力。

摘要:針對東北稻區(qū)秸稈粉碎質(zhì)量不達(dá)標(biāo)影響后續(xù)整地質(zhì)量，機(jī)具下地作業(yè)次數(shù)多土壤壓實(shí)嚴(yán)重的問題,，設(shè)計(jì)一種連接裝置可連接秸稈粉碎還田機(jī)與整地機(jī)具,，一次下地實(shí)現(xiàn)秸稈粉碎還田與整地的復(fù)式作業(yè)。綜合考慮秸稈粉碎還田與犁耕之間的交互作用與匹配性,，從橫垂面,、縱垂面、水平面3個(gè)運(yùn)動(dòng)平面對連接裝置進(jìn)行理論分析,，并通過仿真對連接裝置進(jìn)行穩(wěn)定性分析,。通過理論分析,，進(jìn)行連接裝置橫垂面幅寬匹配性,、縱垂面作業(yè)位置匹配性,、水平面動(dòng)力學(xué)匹配性研究；根據(jù)理論分析得的連接參數(shù),，進(jìn)行連接裝置結(jié)構(gòu)設(shè)計(jì),；通過ANSYS Workbench進(jìn)行關(guān)鍵連接裝置的靜力學(xué)分析及動(dòng)態(tài)分析，設(shè)計(jì)的裝置滿足強(qiáng)度要求及運(yùn)輸狀態(tài)的穩(wěn)定性要求,。復(fù)式作業(yè)與分段作業(yè)的田間試驗(yàn)表明,，復(fù)式作業(yè)能夠達(dá)到犁耕的工作穩(wěn)定性要求，耕深平均值為17.3cm,，耕深穩(wěn)定性系數(shù)為91.2%,，耕寬平均值為119.2cm，耕寬穩(wěn)定性系數(shù)為93.6%,；復(fù)式作業(yè)植被覆蓋率為95.7%,，分段作業(yè)植被覆蓋率為98.3%，二者無顯著性差異,，且復(fù)式作業(yè)油耗比分段作業(yè)少,，可減少油耗3.15kg/hm2。

摘要:寬苗帶冬小麥種植和肥料分層施用技術(shù)具有較好的應(yīng)用推廣價(jià)值，為了促進(jìn)農(nóng)藝農(nóng)機(jī)融合,，設(shè)計(jì)了一款寬苗帶冬小麥分層施肥播種聯(lián)合作業(yè)機(jī),，以及一套與其配套使用的精量排肥/排種控制系統(tǒng)。首先確定了聯(lián)合作業(yè)機(jī)的整體架構(gòu),，并對其限深機(jī)構(gòu),、三點(diǎn)懸掛機(jī)構(gòu)等進(jìn)行重點(diǎn)設(shè)計(jì)，其中限深機(jī)構(gòu)的支架安裝傾角設(shè)置為15°,，使限深輪旋轉(zhuǎn)中心與旋耕機(jī)構(gòu)刀軸旋轉(zhuǎn)中心的水平間距增大115mm,，以避免前拋土塊或秸稈對限深機(jī)構(gòu)正常滾動(dòng)的影響，另將傳統(tǒng)三點(diǎn)懸掛機(jī)構(gòu)上懸掛點(diǎn)由球形副變換為移動(dòng)副,，使種肥分層投送機(jī)構(gòu)的縱向橫梁時(shí)刻與地面平行,；然后開發(fā)了精量排肥/排種控制系統(tǒng)，確定了嵌入式主機(jī),、液壓馬達(dá)電控驅(qū)動(dòng)模塊等關(guān)鍵硬件的選型方案,，設(shè)計(jì)了嵌入式主機(jī)的操作軟件界面，使聯(lián)合作業(yè)機(jī)能夠精準(zhǔn)控制深、淺層肥和種子的排量,；最后對聯(lián)合作業(yè)機(jī)主要技術(shù)參數(shù),、旋耕深度等15項(xiàng)指標(biāo)進(jìn)行檢測，試驗(yàn)結(jié)果表明,，聯(lián)合作業(yè)機(jī)所測指標(biāo)均滿足規(guī)定的性能要求,，能夠滿足田間的肥料分層施用、寬苗帶播種農(nóng)藝技術(shù)要求,。

摘要:針對帶勺式馬鈴薯排種器作業(yè)過程中存在漏播問題，分析排種器工作過程,，設(shè)計(jì)漏播檢測與補(bǔ)種系統(tǒng),。對檢測模塊、補(bǔ)種模塊,、單片機(jī)模塊,、顯示模塊和聲光報(bào)警模塊進(jìn)行電路設(shè)計(jì)、硬件選型和機(jī)械結(jié)構(gòu)設(shè)計(jì),，針對整個(gè)控制系統(tǒng)的控制要求編寫控制程序,，實(shí)現(xiàn)馬鈴薯漏播檢測與補(bǔ)種控制。采用高速攝像技術(shù),，對補(bǔ)種模塊動(dòng)作的響應(yīng)速度進(jìn)行分析,，結(jié)果顯示，可以滿足排種器在當(dāng)前最快運(yùn)行速度6.8km/h下的連續(xù)補(bǔ)種需求,。搭建試驗(yàn)臺(tái)進(jìn)行系統(tǒng)漏播檢測與補(bǔ)種的成功率性能測試,，結(jié)果表明，當(dāng)取種帶線速度為0.14~0.54m/s時(shí),，原始漏播率為5.9%~11.4%,，經(jīng)該系統(tǒng)補(bǔ)種后，最終漏播率為0.9%~2.1%,，該漏播檢測模塊漏播檢測成功率為100%,，補(bǔ)種模塊的補(bǔ)種成功率平均為83.0%，在試驗(yàn)速度范圍內(nèi),，隨著取種帶線速度的增大,，該系統(tǒng)漏播檢測仍準(zhǔn)確，且補(bǔ)種成功率較為穩(wěn)定,。

摘要:為解決雜交蒜尺寸差異大而導(dǎo)致排種過程中單粒合格指數(shù)低及漏播指數(shù)高的問題，設(shè)計(jì)了一種擾種齒輔助氣吸式大蒜排種器,。以雜交蒜為研究對象，闡述了擾種齒輔助氣吸式大蒜排種器的工作原理,，基于雜交蒜自身的物理特性和農(nóng)藝種植要求,，構(gòu)建了擾種齒曲面方程，確定排種器的關(guān)鍵結(jié)構(gòu)參數(shù),；在此基礎(chǔ)上以取種合格指數(shù)為試驗(yàn)指標(biāo),，基于EDEM軟件對排種過程進(jìn)行仿真分析，確定最佳擾種齒結(jié)構(gòu)參數(shù),；最后以作業(yè)速度,、排種盤轉(zhuǎn)速、真空度為試驗(yàn)因素,，以合格指數(shù)高,、漏播指數(shù)低為試驗(yàn)指標(biāo)，進(jìn)行了雜交蒜排種性能試驗(yàn),；在回歸模型優(yōu)化的基礎(chǔ)上得出,，當(dāng)作業(yè)速度為1km/h、排種盤轉(zhuǎn)速為11.66r/min,、真空度為5kPa時(shí),，取種合格指數(shù)為87.1%、漏播指數(shù)為8.8%,，滿足大蒜單粒取種要求,。

摘要:秸稈還田是土壤培肥與豐產(chǎn)增效的重要技術(shù)途徑，對農(nóng)業(yè)可持續(xù)發(fā)展具有重要的現(xiàn)實(shí)意義,。但目前針對秸稈還田作業(yè)質(zhì)量的測試評價(jià)研究仍十分有限,，尤其缺乏耕整作業(yè)后的秸稈在土壤各層空間分布效果的綜合定量評價(jià)。以生產(chǎn)環(huán)節(jié)的旋耕秸稈還田質(zhì)量評價(jià)為例,，利用2D數(shù)字圖像法,、3D逆向工程技術(shù)和Matlab計(jì)算模塊等現(xiàn)代信息技術(shù)構(gòu)建了一套秸稈還田作業(yè)質(zhì)量的綜合測試評價(jià)技術(shù)，所研發(fā)的測試評價(jià)技術(shù)針對秸稈在地表層和地下層的分布狀態(tài)構(gòu)建出融合單元格,、埋覆率,、深度方向,、水平橫向、水平縱向等多尺度水平的復(fù)合型評價(jià)指標(biāo),，基于該技術(shù)及指標(biāo)集評價(jià)分析了3cm（T3）,、5cm（T5）、7.5cm（T7.5）,、10cm（T10）,、12.5cm（T12.5）和15cm（T15）6種不同長度秸稈經(jīng)旋耕混埋后在土壤各層空間中的分布狀態(tài)，結(jié)果表明,，在地表層,，各區(qū)間秸稈占比變異系數(shù)先減小后增大最后趨于平穩(wěn)，T5處理的變異系數(shù)最小,，為10.2%,；隨著秸稈切碎長度的增加，秸稈埋覆率減小,，并呈對數(shù)關(guān)系,，模型決定系數(shù)大于0.97。在地下層,，沿深度方向分割,，秸稈切碎長度越短，中下層（5~15cm）秸稈占比越多,，T3與T5處理秸稈占比分別為76.8%和71.7%,，優(yōu)于其他處理；沿水平方向分割,，不同處理的變異系數(shù)無明顯規(guī)律,，但從整體而言，T3和T5處理的水平橫向與水平縱向變異系數(shù)均不大于22.8%,，分布均勻性明顯優(yōu)于其他處理,；按單元格分割，各單元格的變異系數(shù)與無秸稈單元格占比都隨秸稈切碎長度增加而逐漸增大,，T3和T5處理的變異系數(shù)分別為73.6%與73.1%,，無秸稈單元格占比均為15.7%，秸稈分布較均勻,。綜合分析表明,，〖JP2〗秸稈切碎長度對旋耕還田質(zhì)量有顯著影響，T3和T5處理的秸稈混埋效果較好,，考慮能耗因素,，半喂入收獲機(jī)選擇秸稈切碎長度5cm為宜。

摘要:針對油麥兼用型氣送式集排器排種過程中混種部件內(nèi)壓力梯度變化方向與種子輸送方向不匹配,，造成種子倒流和逆流，降低集排器各行排量一致性的問題,，設(shè)計(jì)了一種基于文丘里原理的混種部件,，確定了文丘里混種室和輸種管的主要結(jié)構(gòu)及關(guān)鍵參數(shù)，分析了輸送氣流速度,、種子速度,、混種部件結(jié)構(gòu)對總壓力損失的影響。應(yīng)用DEM-CFD耦合仿真對比分析了3種輸種管與2種文丘里混種室組合的6種結(jié)構(gòu)混種部件對種子遷移軌跡,、輸送氣流壓力分布及輸種性能的影響，結(jié)果表明：加速混合段的文丘里混種室與彎管接頭的輸種管組合的混種部件輸種性能較優(yōu),，輸種管垂直管段內(nèi)油菜和小麥各區(qū)域種量一致性變異系數(shù)分別為9.63%和13.43%,。利用智能種植機(jī)械測試平臺(tái)開展較優(yōu)組合的混種部件對排種性能影響試驗(yàn)，結(jié)果表明：油菜種子倒流率低于3.2%,，無種子逆流,，小麥種子無倒流和逆流；油菜和小麥各行排量一致性變異系數(shù)分別低于5%和3.9%,，總排量穩(wěn)定性變異系數(shù)分別低于1.15%和1.35%,，滿足油菜和小麥排種性能要求,，可為氣送式集排器混種部件的結(jié)構(gòu)改進(jìn)提供參考,。

摘要:針對氣流輸送式排種系統(tǒng)分配器工作過程中存在紊流等現(xiàn)象破壞種子流分配均勻性的問題，以鯽魚流線型曲線為仿生原型,，提出了一種分配器仿生設(shè)計(jì)方法,。對鯽魚進(jìn)行三維掃面，獲取點(diǎn)云數(shù)據(jù),，利用Matlab軟件擬合得到4條鯽魚流線型曲線,，設(shè)計(jì)4種不同結(jié)構(gòu)分配器，同時(shí)采用標(biāo)準(zhǔn)k-ε模型非穩(wěn)態(tài)的Lagrangian耦合算法對4種仿生結(jié)構(gòu)分配器與原結(jié)構(gòu)分配器進(jìn)行氣固兩相流耦合仿真對比,，得到最優(yōu)結(jié)構(gòu),。采用二次回歸通用旋轉(zhuǎn)組合設(shè)計(jì)試驗(yàn)，以播種量和風(fēng)機(jī)頻率作為影響因素,，以各行排量一致性變異系數(shù)作為試驗(yàn)指標(biāo),，對最優(yōu)結(jié)構(gòu)分配器開展驗(yàn)證試驗(yàn),。仿真分析結(jié)果表明：根據(jù)前上部曲線設(shè)計(jì)的分配器基本消除紊流現(xiàn)象且壓力損失與各行排量一致性變異系數(shù)最小，確定其為最優(yōu)結(jié)構(gòu),。驗(yàn)證試驗(yàn)結(jié)果表明：優(yōu)化后的分配器各行排量一致性變異系數(shù)不大于3.72%,，滿足實(shí)際生產(chǎn)需求，說明流線型分配器能夠有效提高排種系統(tǒng)種子分配均勻性,。

摘要:為解決在滴灌帶淺埋鋪設(shè)過程中,，當(dāng)機(jī)具緊急停車時(shí)滴灌帶易產(chǎn)生松弛擁堵等現(xiàn)象,，以及鋪設(shè)裝置對地形適應(yīng)能力差等問題，設(shè)計(jì)了一種適用于玉米播種機(jī)且具備自動(dòng)鎖緊功能的滴灌帶淺埋鋪設(shè)裝置,。闡述了該滴灌帶淺埋鋪設(shè)裝置的基本結(jié)構(gòu)和工作原理,，并對關(guān)鍵部件進(jìn)行了理論分析與設(shè)計(jì)。對滴灌帶卷盤轉(zhuǎn)軸進(jìn)行模態(tài)分析表明,，該軸在正常作業(yè)時(shí)不會(huì)產(chǎn)生共振現(xiàn)象,，并確定了滴灌帶輸送與自動(dòng)鎖緊裝置、仿形裝置和開溝鋪設(shè)裝置的關(guān)鍵結(jié)構(gòu)和工作參數(shù),。依據(jù)玉米寬窄行種植模式要求,，將滴灌帶鋪設(shè)裝置集成在玉米播種機(jī)上并進(jìn)行田間試驗(yàn)。結(jié)果表明：當(dāng)機(jī)組作業(yè)速度為4~6km/h時(shí),，滴灌帶輸送順暢,，鋪設(shè)深度合格率為93.0%，鋪設(shè)深度變異系數(shù)為22.3%,，覆土量為619.5g,，能夠滿足滴灌帶淺埋鋪設(shè)的要求，當(dāng)機(jī)組緊急停車時(shí),，滴灌帶鋪設(shè)自動(dòng)鎖緊裝置及時(shí)鎖緊,，有效防止了滴灌帶的松弛、擁堵現(xiàn)象,。

摘要:因田間地表起伏,，高地隙施藥機(jī)在作業(yè)過程中車體極易發(fā)生橫滾方向的傾斜,，同車體剛性連接的噴桿同時(shí)傾斜,，甚至與作物、地面碰觸,，影響噴藥均勻性和作業(yè)安全性,。為此基于機(jī)電液一體化控制方法，設(shè)計(jì)了高地隙施藥機(jī)噴桿自動(dòng)調(diào)平系統(tǒng),。設(shè)計(jì)電控液壓調(diào)平機(jī)構(gòu),，使噴桿與車體柔性聯(lián)接，實(shí)現(xiàn)在橫滾方向上噴桿與車體的相對轉(zhuǎn)動(dòng),。采用姿態(tài)測量方法實(shí)時(shí)檢測噴桿橫滾角度,，對橫滾角度進(jìn)行平均值濾波以準(zhǔn)確感知噴桿姿態(tài)。采用增量式PID算法計(jì)算并輸出信號至液壓電磁閥以控制調(diào)平油缸動(dòng)作,，實(shí)時(shí)調(diào)節(jié)噴桿在橫滾方向上的姿態(tài),。以華盛泰山3WP-500G型施藥機(jī)為平臺(tái)，在場地試驗(yàn)過程中,，通過改變響應(yīng)閾值與平均值濾波器參數(shù),，對系統(tǒng)響應(yīng)速度、穩(wěn)定性和控制誤差進(jìn)行對比分析,，確定了噴桿自動(dòng)調(diào)平參數(shù)最優(yōu)組合,，測試調(diào)平誤差最大值為1.84°,，均方根誤差小于等于0.689°,。田間試驗(yàn)結(jié)果表明，調(diào)平誤差最大值為1.53°,，平均值為0.135°,，均方根誤差為0.454°，噴桿調(diào)平后角度保持1°以內(nèi),，70%時(shí)間角度在0.5°以內(nèi),，滿足噴桿自動(dòng)調(diào)平控制要求。

摘要:針對油菜移栽機(jī)以半自動(dòng)化為主，缺乏與基質(zhì)塊苗取苗機(jī)構(gòu)相匹配送苗裝置的問題,，設(shè)計(jì)了一種油菜基質(zhì)塊苗移栽機(jī)雙向遞進(jìn)式送苗裝置,。闡述了送苗裝置工作過程，測定了油菜載苗基質(zhì)塊力學(xué)特性,，確定了送苗過程中載苗基質(zhì)塊穩(wěn)定輸送的工作參數(shù),，構(gòu)建了送苗過程中橫向遞進(jìn)送苗階段和縱向連續(xù)送苗階段運(yùn)動(dòng)學(xué)模型,。以苗框底高、上導(dǎo)桿高度,、縱向送苗速度為因素,，送苗同步率、送取苗成功率為評價(jià)指標(biāo),，開展了單因素試驗(yàn)和三因素三水平二次正交組合試驗(yàn),。單因素試驗(yàn)結(jié)果表明：當(dāng)苗框底高為5~25mm、上導(dǎo)桿高度為45~55mm,、縱向送苗速度為80~140mm/s時(shí),，送苗效果較好。二次正交組合試驗(yàn)結(jié)果表明：苗框底高為10.7mm,、上導(dǎo)桿高度為50.0mm,、縱向送苗速度為140.0mm/s時(shí)送苗效果較優(yōu)，較優(yōu)參數(shù)組合下臺(tái)架試驗(yàn)得出送苗同步率為94.54%,，送取苗成功率為93.13%,，田間驗(yàn)證試驗(yàn)結(jié)果表明送苗同步率為92.20%，滿足油菜移栽機(jī)送苗技術(shù)要求,。

摘要:針對噴桿式噴霧機(jī)在農(nóng)作物生長中后期進(jìn)行施藥作業(yè)時(shí)需加裝吊噴桿,、分禾器等施藥輔助裝置,，而加裝后立式折疊噴桿易產(chǎn)生干涉，甚至無法折疊等問題,，設(shè)計(jì)一種基于3WF-1000型噴桿式噴霧機(jī)的寬幅水平折疊噴桿,。采用解析法與遺傳算法對噴桿水平展開機(jī)構(gòu)及噴桿展開角速度進(jìn)行優(yōu)化設(shè)計(jì)，實(shí)現(xiàn)噴桿水平展開與折疊動(dòng)作的流暢,、平穩(wěn),；提出一種噴桿偏心圓錐鉸鏈調(diào)平方法，結(jié)合圓錐形鉸鏈銷角度調(diào)節(jié)以及上,、下配合錐面摩擦力矩作用,，噴桿調(diào)節(jié)角可達(dá)6.5°；通過力學(xué)分析確定噴桿避障與防回彈機(jī)構(gòu)壓簧壓力范圍及離合器結(jié)構(gòu)參數(shù),；建立動(dòng)力學(xué)傳遞函數(shù)數(shù)學(xué)模型,，優(yōu)選彈簧擺式懸架彈簧剛度為1500N/m與阻尼板阻尼系數(shù)為3500N·s/m。對噴桿及其關(guān)鍵部件進(jìn)行靜力學(xué)特性和運(yùn)動(dòng)學(xué)仿真，結(jié)果表明所設(shè)計(jì)噴桿結(jié)構(gòu)參數(shù)合理,，穩(wěn)定性和展開流暢性均滿足設(shè)計(jì)要求,。場地試驗(yàn)表明，所設(shè)計(jì)的水平折疊式噴桿展開過程穩(wěn)定無卡滯,，偏心圓錐鉸鏈調(diào)平機(jī)構(gòu)可有效校正噴桿下垂,，田間試驗(yàn)中，霧滴平均沉積度為27.1 個(gè)/cm2,、沿噴桿方向噴霧分布變異系數(shù)為5.1%,。

摘要:為實(shí)現(xiàn)長江中下游農(nóng)業(yè)區(qū)寬苗帶小麥少耕播種需求,，本研究結(jié)合區(qū)域小麥種植農(nóng)藝特點(diǎn)，設(shè)計(jì)一種土壤分流式寬苗帶小麥少耕播種機(jī),。通過對表土蓋種裝置結(jié)構(gòu)與拋土運(yùn)動(dòng)學(xué)分析,，設(shè)計(jì)耕拋刀輥結(jié)構(gòu)參數(shù)，得到覆蓋種帶運(yùn)動(dòng)學(xué)條件,；通過對溝土勻攤裝置結(jié)構(gòu)及螺旋葉片作用下土壤受力與速度分析,，設(shè)計(jì)溝土勻攤裝置結(jié)構(gòu)參數(shù)，明確影響播種深度與其穩(wěn)定性關(guān)鍵因素為終止螺旋極徑,、螺距,、螺旋葉片轉(zhuǎn)速。以播種深度合格率與播種深度穩(wěn)定性系數(shù)為評價(jià)指標(biāo),，運(yùn)用離散元仿真結(jié)合中心組合正交試驗(yàn),，建立播種深度合格率與播種深度穩(wěn)定性系數(shù)回歸方程,，確定較優(yōu)參數(shù)組合為終止螺旋極徑119mm,、螺距140mm、螺旋葉片轉(zhuǎn)速98r/min,，此時(shí),，播種深度合格率為86.38%、播種深度穩(wěn)定性系數(shù)為78.84%,。在稻茬離田與稻茬還田兩種模式下田間試驗(yàn)表明,，機(jī)具作業(yè)運(yùn)行穩(wěn)定，廂溝質(zhì)量滿足小麥后期生長排水需求,，鎮(zhèn)壓輥滑移率良好,，試驗(yàn)過程未出現(xiàn)稻茬、秸稈纏繞堵塞現(xiàn)象,；兩種模式下播種深度合格率分別為83.12%,、80.67%,；播種深度穩(wěn)定性系數(shù)分別為74.78%、72.25%,，滿足長江中下游農(nóng)業(yè)區(qū)寬苗帶小麥少耕播種標(biāo)準(zhǔn)和農(nóng)藝要求,。

摘要:針對油葵脫粒生產(chǎn)中存在的油葵籽粒含雜率,、損失率高等問題，設(shè)計(jì)了一種切流式油葵脫粒篩分機(jī),。利用RecurDyn軟件建立了振動(dòng)篩動(dòng)力學(xué)模型,，以篩面質(zhì)心點(diǎn)為對象分析了篩面運(yùn)動(dòng)規(guī)律。結(jié)果表明,，該振動(dòng)篩的運(yùn)動(dòng)有利于油葵籽粒向前輸送和分散,，可有效避免堆積堵塞現(xiàn)象。通過單因素試驗(yàn)確定了滾筒轉(zhuǎn)速,、喂入量,、預(yù)設(shè)脫粒間隙的取值范圍；以滾筒轉(zhuǎn)速,、喂入量,、預(yù)設(shè)脫粒間隙為試驗(yàn)因素，油葵籽粒含雜率,、損失率為評價(jià)指標(biāo),，設(shè)計(jì)Box-Behnken試驗(yàn)，運(yùn)用Design-Expert 10.0.7軟件對Box-Behnken試驗(yàn)結(jié)果進(jìn)行方差分析,，建立了評價(jià)指標(biāo)與試驗(yàn)因素的回歸模型,。以降低油葵籽粒含雜率、損失率為目標(biāo),，對滾筒轉(zhuǎn)速,、喂入量、預(yù)設(shè)脫粒間隙進(jìn)行多目標(biāo)尋優(yōu)求解,，獲得了較優(yōu)工作參數(shù)組合：滾筒轉(zhuǎn)速264r/min,、喂入量1.9kg/s、預(yù)設(shè)脫粒間隙36mm,。脫粒試驗(yàn)結(jié)果表明,，油葵籽粒含雜率、損失率分別為1.94%、2.64%,，滿足脫粒要求,。

摘要:軸流泵在最優(yōu)工況流量點(diǎn)的兩側(cè)效率下降快,，在小流量工況時(shí)流量-揚(yáng)程曲線還存在馬鞍形的不穩(wěn)定流量區(qū)域,。針對此問題為軸流泵設(shè)計(jì)了一種雙層流道結(jié)構(gòu)，此結(jié)構(gòu)在幾何上表現(xiàn)為在靠近輪轂側(cè)從緊臨葉輪出口邊起延伸至后導(dǎo)葉體內(nèi)增加了一個(gè)筒形隔板,。以此內(nèi)筒和導(dǎo)葉輪轂的間距與導(dǎo)葉流道寬度的比值λ作為變量幾何參數(shù),，研究了不同幾何參數(shù)對軸流泵外特性及內(nèi)部流場的影響。研究結(jié)果表明：葉輪出口后的雙層流道結(jié)構(gòu)能夠在不穩(wěn)定流量區(qū)域提高揚(yáng)程,、減小流量-揚(yáng)程曲線的正斜率,，擴(kuò)大安全運(yùn)行流量范圍。在大于設(shè)計(jì)流量時(shí),，雙層流道減少了導(dǎo)葉后流道近外壁區(qū)域的流動(dòng)分離,，顯著提升了揚(yáng)程。通過對比分析λ為1/3,、1/4和1/5時(shí)的計(jì)算結(jié)果,，發(fā)現(xiàn)雙層流道在λ=1/3時(shí)揚(yáng)程提升效果最佳，3種間距的揚(yáng)程差別在4%以內(nèi),。

摘要:吉林省是中國重要的糧食主產(chǎn)區(qū)和商品糧生產(chǎn)基地,，全面,、客觀地揭示吉林省近20年耕地生產(chǎn)力水平，對挖掘區(qū)域增產(chǎn)潛力,，推動(dòng)耕地資源可持續(xù)利用,，保障區(qū)域糧食安全具有重要意義,。本文基于Google Earth Engine（GEE）平臺(tái)提取2000—2019年吉林省MODIS-EVI數(shù)據(jù),，結(jié)合變異系數(shù)和Sen-Mann Kendall趨勢檢驗(yàn)，構(gòu)建耕地生產(chǎn)力時(shí)空分析方法,，研究吉林省20年耕地生產(chǎn)力時(shí)空變化,、穩(wěn)定性及變化趨勢。結(jié)果表明:吉林省耕地生產(chǎn)力在20年間整體處于上升趨勢，中西部耕地集中連片區(qū)生產(chǎn)力的變化趨勢好于東部較為破碎耕地片區(qū),，西部耕地與東部耕地生產(chǎn)力差距逐漸縮小,。吉林省東部山區(qū)的耕地生產(chǎn)力高于西部平原區(qū)，耕地生產(chǎn)力低值區(qū)位于城鎮(zhèn)周邊和西北部鹽堿泡沼分布密集的低洼地帶,；高值區(qū)集中在河流附近耕地連片區(qū)域,。不同地貌類型成因中，湖成地貌,、風(fēng)成地貌條件下耕地生產(chǎn)力低于流水地貌和火山熔巖地貌,。耕地生產(chǎn)力穩(wěn)定性呈東南高西北低的趨勢，其中水田的生產(chǎn)力穩(wěn)定性優(yōu)于旱地和水澆地,。利用時(shí)序遙感數(shù)據(jù)監(jiān)測吉林省耕地生產(chǎn)力,，可為高標(biāo)準(zhǔn)農(nóng)田建設(shè)、耕地質(zhì)量提升等工程的開展提供技術(shù)支撐,。

摘要:針對以往土地利用監(jiān)測大都采用監(jiān)督分類算法，成本較高,、錯(cuò)分漏分嚴(yán)重且受人為因素影響較大的問題,，提出了一種粒子群優(yōu)化概率神經(jīng)網(wǎng)絡(luò)的半監(jiān)督分類算法。該算法通過粒子群優(yōu)化算法優(yōu)化分類器的參數(shù),，提高分類器的精度,，運(yùn)用香農(nóng)熵選擇高置信度的樣本擴(kuò)展初始訓(xùn)練樣本集，將大量未標(biāo)記的樣本擴(kuò)展到訓(xùn)練樣本集中,，減少了初始標(biāo)簽樣本的數(shù)量,，節(jié)約了成本，并與隨機(jī)森林法,、最大似然法,、概率神經(jīng)網(wǎng)絡(luò)算法進(jìn)行對比分析，總體精度較其他算法提高了1.25~6.57個(gè)百分點(diǎn),，Kappa系數(shù)達(dá)到0.8以上,。對新鄉(xiāng)市1996年、2004年,、2013年,、2020年的遙感影像進(jìn)行土地分類，結(jié)果表明1996—2020年間新鄉(xiāng)市的建設(shè)用地以中部地區(qū)新鄉(xiāng)縣為中心不斷擴(kuò)張,，耕地面積也在不斷增加,，其他用地面積不斷減少,，沿黃河綠地面積不斷增加；土地流轉(zhuǎn)方面耕地轉(zhuǎn)建設(shè)用地最為明顯,，本研究為新鄉(xiāng)市進(jìn)一步合理開發(fā)土地資源提供了理論依據(jù),。

摘要:通過引入多源多時(shí)相衛(wèi)星遙感數(shù)據(jù),，提出了一種基于多核主動(dòng)學(xué)習(xí)的農(nóng)田塑料覆被分類算法，實(shí)現(xiàn)農(nóng)業(yè)塑料大棚和地膜的精準(zhǔn)分類,。首先基于多時(shí)相Sentinel-1雷達(dá)和Sentinel-2光學(xué)遙感影像,，提取其光譜特征、紋理特征等,，以構(gòu)建多維特征空間,。然后構(gòu)建多核學(xué)習(xí)模型，實(shí)現(xiàn)多源,、多時(shí)相特征的自適應(yīng)融合,。最后構(gòu)建基于池的主動(dòng)學(xué)習(xí)策略，通過引入訓(xùn)練樣本的淘汰機(jī)制,，進(jìn)一步提升分類模型的泛化能力,。試驗(yàn)結(jié)果表明，本文所提分類方法的總體精度為95.6%,，Kappa系數(shù)為0.922,，相較經(jīng)典支持向量機(jī)、隨機(jī)森林,、K近鄰,、決策樹、AdaBoost模型,，多核學(xué)習(xí)模型精度提高5.7,、12.1、11.4,、22.3,、10.3個(gè)百分點(diǎn)；且在相同分類精度下,，主動(dòng)學(xué)習(xí)較被動(dòng)學(xué)習(xí)可減少一半以上的標(biāo)簽數(shù)據(jù),；同時(shí)相較僅使用單時(shí)相及單傳感器遙感影像而言，精度分別提高3.7,、12.7個(gè)百分點(diǎn),。結(jié)果表明,，多核主動(dòng)學(xué)習(xí)能夠有效進(jìn)行多傳感器,、多時(shí)相數(shù)據(jù)融合,，并可以在小樣本條件下取得更高的分類精度，從而為農(nóng)田塑料覆被的遙感監(jiān)測提供模型參考,。

摘要:甘蔗株高為甘蔗品種與土壤,、氣象、水文等因素的綜合反映,，是甘蔗長勢監(jiān)測與估產(chǎn)的重要指標(biāo),。研究以華南地區(qū)氣候與天氣條件為基礎(chǔ)，通過對覆蓋甘蔗全生長期的23景時(shí)間序列Sentinel-1A數(shù)據(jù)進(jìn)行預(yù)處理,、矩陣轉(zhuǎn)換與Cloude-Pottier分解,，求得雙極化雷達(dá)植被指數(shù)（Dual-pol radar vegetation index, DPRVI）。分析了該指數(shù)與甘蔗長勢參數(shù)(株高)隨甘蔗不同生長期的動(dòng)態(tài)變化規(guī)律,。采用4種經(jīng)典的經(jīng)驗(yàn)回歸模型（線性,、二次多項(xiàng)式、指數(shù),、對數(shù)）,，以分段函數(shù)形式對不同生長期的甘蔗株高進(jìn)行反演，建立最佳反演模型,。實(shí)驗(yàn)結(jié)果表明,，擬合模型在分蘗期前相關(guān)性最高，二次多項(xiàng)式模型擬合效果最優(yōu),，決定系數(shù)R2與均方根誤差分別達(dá)到了0.882與0.118cm,，對反演效果最好的分蘗期之前的二次函數(shù)模型進(jìn)行驗(yàn)證，結(jié)果表明決定系數(shù)R2達(dá)0.839,，平均絕對偏差為7.4%,，說明DPRVI反演甘蔗株高是有效的。將DPRVI與其他3種經(jīng)典的反演參數(shù)進(jìn)行對比,，結(jié)果表明,，DPRVI的性能優(yōu)于其他3種參數(shù)。通過分析可得,，DPRVI可以較好地反演甘蔗生長前期的株高變化,，反演的株高參數(shù)可供農(nóng)業(yè)管理部門參考。

摘要:針對蔬菜葉片重金屬鎘檢測傳統(tǒng)方法存在的檢測儀器體積大,、檢測成本高和具有破壞性等問題，提出一種基于可見光-近紅外波段光譜蔬菜葉片重金屬鎘檢測方法,，并設(shè)計(jì)了一款無需預(yù)處理,、檢測速度快、體積小且便于攜帶的重金屬鎘檢測儀,，能夠適用于移動(dòng)式的現(xiàn)場檢測,。配置4個(gè)重金屬鎘脅迫梯度（0、1,、3,、5mg/L）營養(yǎng)液，培育各鎘脅迫的生菜樣本,，通過高光譜成像系統(tǒng)采集葉片反射光譜數(shù)據(jù),，利用主成分分析法（Principal component analysis，PCA）篩選出3個(gè)特征波長（550,、680,、800nm），采用偏最小二乘回歸法（Partial least squares regression,，PLSR）搭建重金屬鎘檢測模型,，該模型測試集相關(guān)系數(shù)Rp為0.9149，測試集均方根誤差為0.5271mg/kg,。使用自制的儀器做標(biāo)定試驗(yàn),，選擇A/D采集電壓做參考，用標(biāo)定數(shù)據(jù)進(jìn)行建模,，模型訓(xùn)練集相關(guān)系數(shù)Rc為0.8581,，訓(xùn)練集均方根誤差為0.4975mg/kg，測試集相關(guān)系數(shù)Rp為0.8432,，測試集均方根誤差為0.5526mg/kg,，模型預(yù)測效果較好。最后對便攜式重金屬鎘無損檢測儀檢測精度進(jìn)行驗(yàn)證,，選取與建模無關(guān)的30組鎘脅迫生菜葉片實(shí)時(shí)檢測,，與標(biāo)準(zhǔn)理化值對比，均方根誤差為0.32mg/kg,，絕對測量誤差為-0.69~0.66mg/kg,，平均絕對誤差為0.26mg/kg，結(jié)果表明檢測儀能夠?qū)崿F(xiàn)生菜葉片鎘含量的實(shí)時(shí)無損檢測,。

摘要:利用表型信息采集系統(tǒng)獲取不同生長環(huán)境下的植物形態(tài)結(jié)構(gòu)和生理生化數(shù)據(jù),，研究植物體對不同脅迫的反應(yīng)，從而進(jìn)行抗性育種和篩選優(yōu)質(zhì)良種,。本文構(gòu)建了一套由雙CCD相機(jī),、熱成像儀,、水分控制模塊,、稱量模塊、光源等組成的多源表型信息采集系統(tǒng),，采用YOLO v3目標(biāo)檢測算法和圖像處理算法提取了植物投影葉面積,、株高、葉片數(shù)量,、冠層溫度等表型參數(shù),。以簸箕柳作為研究對象，開展了干旱脅迫試驗(yàn),，并進(jìn)行關(guān)聯(lián)分析,。結(jié)果表明干旱脅迫下簸箕柳株高、投影葉面積,、日耗水量,、水分利用效率都隨時(shí)間推移顯著低于正常施水情況。通過相關(guān)性分析可得,，簸箕柳投影葉面積與鮮質(zhì)量及干質(zhì)量都呈現(xiàn)線性正相關(guān),，決定系數(shù)分別為0.89和0.78；植株鮮質(zhì)量和植株干質(zhì)量之間呈正相關(guān),，決定系數(shù)為0.76,；扦插后時(shí)間與平均冠層溫差之間呈正相關(guān)，決定系數(shù)為0.79,；日耗水量差與扦插后時(shí)間呈一定的正相關(guān),，決定系數(shù)為0.84；平均冠層溫差與平均日耗水量差呈正相關(guān),，決定系數(shù)為0.85,。通過多源采集植物表型參數(shù)信息并進(jìn)行關(guān)聯(lián)分析，為植物在干旱脅迫下的長勢相關(guān)參數(shù)的實(shí)時(shí),、連續(xù)評估提供了可行性技術(shù),，并可指導(dǎo)抗性育種中水分的施用和抗旱基因型的快速篩選。

摘要:由推掃式高光譜成像系統(tǒng)所采集的圖像中會(huì)出現(xiàn)特有的條紋噪聲,，這些噪聲會(huì)穿過化學(xué)計(jì)量學(xué)模型，最終出現(xiàn)在反映被測指標(biāo)空間分布情況的可視化預(yù)測圖中,，干擾其空間特征的呈現(xiàn)及解讀,。以銀杏葉含水率為例，基于偏最小二乘回歸（PLSR）預(yù)測模型,，將經(jīng)去條紋標(biāo)定法處理后的圖像分別與原始圖像及經(jīng)傳統(tǒng)均值濾波增強(qiáng)后的圖像進(jìn)行比較,，研究去條紋標(biāo)定法對化學(xué)計(jì)量學(xué)指標(biāo)空間分布預(yù)測的改進(jìn)作用。去條紋標(biāo)定法和傳統(tǒng)均值濾波增強(qiáng)不會(huì)對感興趣區(qū)域均值PLSR預(yù)測模型決定系數(shù)R2P產(chǎn)生明顯影響,，其隨主成分?jǐn)?shù)增加,，呈先增后減趨勢，當(dāng)主成分?jǐn)?shù)為10時(shí)R2P均達(dá)到最大,，且預(yù)測準(zhǔn)度相當(dāng),。將化學(xué)計(jì)量學(xué)模型應(yīng)用到像素光譜，進(jìn)行指標(biāo)空間分布預(yù)測時(shí),，隨主成分?jǐn)?shù)由6增至10,，模型的波段增益系數(shù)逐漸增大，導(dǎo)致化學(xué)計(jì)量學(xué)可視化圖像中條紋噪聲逐漸增加：在由原始圖像或經(jīng)傳統(tǒng)均值濾波增強(qiáng)圖像得到的含水率可視化圖像中,，條紋噪聲逐漸增加,，甚至完全湮沒葉面內(nèi)部含水率空間分布信息；而去條紋標(biāo)定法能夠明顯抑制本征條紋噪聲,，即使當(dāng)主成分?jǐn)?shù)增加到8時(shí)（R2P為0.88）,，含水率可視化圖像仍然幾乎不見條紋干擾，在葉面空間分布的細(xì)節(jié)特征依舊清晰可辨,，顯著提升對含水率空間分布的預(yù)測效果,。比較研究表明，去條紋標(biāo)定法明顯抑制推掃式高光譜成像系統(tǒng)本征條紋噪聲,，能夠提高靶向指標(biāo)空間分布的可視化精度,；在保留空間細(xì)節(jié)免受條紋干擾的情況下，得以采用波段增益系數(shù)更大的預(yù)測模型,，從而提高指標(biāo)空間分布的可視化預(yù)測準(zhǔn)度,。

摘要:針對梨炭疽病和黑斑病發(fā)病癥狀很相似,，難以區(qū)分,，導(dǎo)致實(shí)際生產(chǎn)中不便對癥施藥的問題，以碭山酥梨葉片為研究對象,，探究利用高光譜技術(shù)來識別梨葉片炭疽病與黑斑病的可行性,。首先，運(yùn)用高光譜成像系統(tǒng)采集碭山酥梨正常葉片,、炭疽病葉片和黑斑病葉片的高光譜圖像,，提取圖像的平均光譜反射率。采用多元散射校正法(Multiplicative scatter correction, MSC),、Savitzky-Golay卷積平滑法和標(biāo)準(zhǔn)正態(tài)變換法(Standard normal variate, SNV)分別對原始光譜數(shù)據(jù)進(jìn)行預(yù)處理,。然后，采用主成分分析算法(Principal component analysis, PCA),、連續(xù)投影算法(Successive projections algorithm, SPA),、無信息變量消除法(Uniformative variable elimination, UVE),、競爭性自適應(yīng)重加權(quán)算法(Competitive adaptive reweighted sampling, CARS),、隨機(jī)蛙跳算法(Shuffled frog leaping algorithm, SFLA)提取特征波長，分別獲取了27,、12,、15、26,、20條特征波長,，并將其作為后期建模的輸入變量。經(jīng)對比發(fā)現(xiàn),，在各基于特征波長建立的支持向量機(jī)(SVM)分類識別模型以及BP神經(jīng)網(wǎng)絡(luò)分類識別模型中,，SPA-SVM識別模型效果最佳，測試集準(zhǔn)確率為93.25%,，建模集準(zhǔn)確率為94.80%,。試驗(yàn)結(jié)果證明，利用高光譜技術(shù)能夠有效識別碭山酥梨葉片的黑斑病與炭疽病,。

摘要:為提高基于電容法的小麥秸稈含水率檢測模型的檢測精度,，擴(kuò)大含水率檢測范圍,，提高模型適應(yīng)性，本文以小麥秸稈為研究對象，使用LCR數(shù)字電橋,，測量含水率為10.43%~25.89%的秸稈在頻率0.05~100kHz,、容積密度90.03～179.42kg/m3和溫度25～40℃內(nèi)的電容，利用連續(xù)投影法（Successive projections algorithm,，SPA）和主成分分析法（Principal component analysis,，PCA）對原始數(shù)據(jù)進(jìn)行預(yù)處理，提取特征頻率,，選用反向傳播神經(jīng)網(wǎng)絡(luò)（Back propagation neural network,，BPNN）在全頻率及2個(gè)特征頻率下分別建立秸稈含水率、容積密度,、溫度的定量分析模型,，引入麻雀搜索算法（Sparrow search algorithm，SSA）優(yōu)化反向傳播神經(jīng)網(wǎng)絡(luò)模型,。試驗(yàn)結(jié)果表明,，基于全頻率構(gòu)建的模型較基于SPA算法構(gòu)建的模型預(yù)測效果略好，綜合考慮模型復(fù)雜度和預(yù)測性能,，本研究選用基于SPA算法結(jié)合SSA算法優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)模型(SPA-SSA-BP)作為小麥秸稈含水率的檢測模型,，其預(yù)測集R2P、RMSEP和RPDP分別為0.9832,、0.00550和7.715,。利用該模型對13個(gè)含水率為10.62%～25.59%的秸稈樣本進(jìn)行預(yù)測，含水率預(yù)測結(jié)果的相對誤差為-5.27%～5.52%,，其中96.8%的預(yù)測誤差在±5%以內(nèi),。由此說明，模型具有較高的準(zhǔn)確性和較好的魯棒性,。

摘要:隨著近紅外光譜檢測儀種類的增多，不同儀器間的校正模型存在無法共享問題,，可利用模型傳遞解決,。以食用油為研究對象，在主機(jī)上建立油酸質(zhì)量比的極限學(xué)習(xí)機(jī)校正模型,，利用遷移學(xué)習(xí)中的TrAdaBoost算法把主機(jī)模型傳遞到從機(jī)上,，探討標(biāo)準(zhǔn)化樣品數(shù)量對模型傳遞效果的影響，并與直接標(biāo)準(zhǔn)化算法,、缺損數(shù)據(jù)重構(gòu)算法和極限學(xué)習(xí)機(jī)自編碼器的模型傳遞算法進(jìn)行對比,。結(jié)果表明：主機(jī)模型經(jīng)TrAdaBoost算法模型傳遞后，從機(jī)預(yù)測集決定系數(shù)R2從0.489上升到0.892，預(yù)測集均方根誤差(Root mean square error of prediction,，RMSEP)從4.824mg/g下降到0.267mg/g,，且模型效果幾乎不受標(biāo)準(zhǔn)化樣品數(shù)量的影響。說明TrAdaBoost算法可以有效應(yīng)用于模型傳遞領(lǐng)域,，實(shí)現(xiàn)了不同光譜儀器之間的共享,。

摘要:為實(shí)現(xiàn)田間環(huán)境下對玉米苗和雜草的高精度實(shí)時(shí)檢測，本文提出一種融合帶色彩恢復(fù)的多尺度視網(wǎng)膜（Multi-scale retinex with color restoration,，MSRCR）增強(qiáng)算法的改進(jìn)YOLOv4-tiny模型,。首先，針對田間環(huán)境的圖像特點(diǎn)采用MSRCR算法進(jìn)行圖像特征增強(qiáng)預(yù)處理,，提高圖像的對比度和細(xì)節(jié)質(zhì)量,；然后使用Mosaic在線數(shù)據(jù)增強(qiáng)方式，豐富目標(biāo)檢測背景,，提高訓(xùn)練效率和小目標(biāo)的檢測精度,；最后對YOLOv4-tiny模型使用K-means〖DK2〗++聚類算法進(jìn)行先驗(yàn)框聚類分析和通道剪枝處理。改進(jìn)和簡化后的模型總參數(shù)量降低了45.3%,，模型占用內(nèi)存減少了45.8%，平均精度均值（Mean average precision,，mAP）提高了2.5個(gè)百分點(diǎn),，在Jetson Nano嵌入式平臺(tái)上平均檢測幀耗時(shí)減少了22.4%。本文提出的Prune-YOLOv4-tiny模型與Faster RCNN,、YOLOv3-tiny,、YOLOv4 3種常用的目標(biāo)檢測模型進(jìn)行比較，結(jié)果表明：Prune-YOLOv4-tiny的mAP為96.6%,，分別比Faster RCNN和YOLOv3-tiny高22.1個(gè)百分點(diǎn)和3.6個(gè)百分點(diǎn),，比YOLOv4低1.2個(gè)百分點(diǎn)；模型占用內(nèi)存為12.2MB,，是Faster RCNN的3.4%,，YOLOv3-tiny的36.9%，YOLOv4的5%,；在Jetson Nano嵌入式平臺(tái)上平均檢測幀耗時(shí)為131ms,，分別是YOLOv3-tiny和YOLOv4模型的32.1%和7.6%。可知本文提出的優(yōu)化方法在模型占用內(nèi)存,、檢測耗時(shí)和檢測精度等方面優(yōu)于其他常用目標(biāo)檢測算法,，能夠?yàn)橛布Y源有限的田間精準(zhǔn)除草的系統(tǒng)提供可行的實(shí)時(shí)雜草識別方法。

摘要:為實(shí)現(xiàn)自動(dòng)化識別死兔,，提高養(yǎng)殖管理效率，以籠養(yǎng)生長兔為研究對象,，以基于優(yōu)化Mask RCNN的實(shí)例分割網(wǎng)絡(luò)和基于LiteFlowNet的光流計(jì)算網(wǎng)絡(luò)為研究方法,，構(gòu)建了一種多目標(biāo)背景下基于視頻關(guān)鍵幀的死兔識別模型。該模型的實(shí)例分割網(wǎng)絡(luò)以ResNet 50殘差網(wǎng)絡(luò)為主干,，結(jié)合PointRend算法實(shí)現(xiàn)目標(biāo)輪廓邊緣的精確提取,。視頻關(guān)鍵幀同時(shí)輸入實(shí)例分割網(wǎng)絡(luò)和光流計(jì)算網(wǎng)絡(luò)，獲取肉兔掩膜的光流信息和掩膜邊界框中心點(diǎn)坐標(biāo),。利用光流閾值去除活躍肉兔掩膜,，通過核密度估計(jì)算法獲取剩余中心點(diǎn)坐標(biāo)的密度分布，通過密度分布閾值實(shí)現(xiàn)死兔的判別,。實(shí)驗(yàn)結(jié)果表明,，肉兔圖像分割網(wǎng)絡(luò)的分類準(zhǔn)確率為96.1%，像素分割精確度為95.7%,，死兔識別模型的識別準(zhǔn)確率為90%,。本文提出的死兔識別模型為兔舍死兔識別和篩選工作提供了技術(shù)支撐。

摘要:為提高蘋果采摘機(jī)器人的識別效率和環(huán)境適應(yīng)性,，使其能在密集場景下對多蘋果目標(biāo)進(jìn)行快速、精確識別,，提出了一種密集場景下多蘋果目標(biāo)的快速識別方法,。該方法借鑒“點(diǎn)即是目標(biāo)”的思路，通過預(yù)測蘋果的中心點(diǎn)及該蘋果的寬,、高尺寸,，實(shí)現(xiàn)蘋果目標(biāo)的快速識別；通過改進(jìn)CenterNet網(wǎng)絡(luò),，設(shè)計(jì)了Tiny Hourglass-24輕量級骨干網(wǎng)絡(luò),，同時(shí)優(yōu)化殘差模塊提高了目標(biāo)識別速度,。試驗(yàn)結(jié)果表明，該方法在非密集場景下（即近距離場景）測試集的識別平均精度（Average precision,，AP）為98.90%,，F(xiàn)1值為96.39%；在密集場景下（即遠(yuǎn)距離場景）測試集的識別平均精度為93.63%,，F(xiàn)1值為92.91%,，單幅圖像平均識別時(shí)間為0.069s。通過與YOLO v3,、CornerNet-Lite網(wǎng)絡(luò)在兩類測試集下的識別效果進(jìn)行對比,，該方法在密集場景測試集上比YOLO v3和CornerNet-Lite網(wǎng)絡(luò)的平均精度分別提高了4.13、29.03個(gè)百分點(diǎn),；單幅圖像平均識別時(shí)間比YOLO v3減少0.04s,、比CornerNet-Lite減少0.646s。該方法無需使用錨框(Anchor box)和非極大值抑制后處理,，可為蘋果采摘機(jī)器人在密集場景下快速準(zhǔn)確識別多蘋果目標(biāo)提供技術(shù)支撐,。

摘要:針對奶牛進(jìn)食行為監(jiān)測通常要為每頭奶牛配備監(jiān)測設(shè)備,，但受限于設(shè)備成本,，很多應(yīng)用于奶牛養(yǎng)殖場的奶牛行為監(jiān)測方法難以普及的問題，提出了一種多目標(biāo)奶牛進(jìn)食行為識別方法,，基于YOLO v3算法,，根據(jù)目標(biāo)差異，將牛舍中的奶牛分為3類目標(biāo)來實(shí)現(xiàn)奶牛進(jìn)食行為監(jiān)測,，以通過單臺(tái)設(shè)備監(jiān)測多頭奶牛的進(jìn)食行為,。YOLO v3算法具有計(jì)算成本高、能源消耗大,、設(shè)備依賴性強(qiáng)等不足，針對該問題,，參考彩票假設(shè),，提出了一種基于幅值迭代剪枝算法的更優(yōu)稀疏子網(wǎng)絡(luò)篩選方法，使參數(shù)數(shù)量下降了87.04%,，平均精度均值（mAP）達(dá)到了79.9%,，較原始網(wǎng)絡(luò)提高了4.2個(gè)百分點(diǎn)。說明了通過幅值迭代剪枝技術(shù)降低奶牛行為監(jiān)測任務(wù)成本的可行性,，驗(yàn)證了基于彩票假設(shè)從奶牛進(jìn)食行為識別模型中篩選出更優(yōu)稀疏子網(wǎng)絡(luò)的有效性,，為降低動(dòng)物行為監(jiān)測任務(wù)的成本提供了參考,。

摘要:針對魚種類多,、數(shù)據(jù)采集難度大，且需要細(xì)粒度圖像識別等問題,，提出了一種基于度量學(xué)習(xí)的小樣本學(xué)習(xí)方法,。采用基于度量學(xué)習(xí)的小樣本學(xué)習(xí)網(wǎng)絡(luò)以及ResNet18的殘差塊結(jié)構(gòu)，提取魚圖像的深層次特征,，并將其映射至嵌入空間進(jìn)而在嵌入空間判斷魚的種類,。為了進(jìn)一步提升識別準(zhǔn)確率，利用小樣本學(xué)習(xí)模型在mini-ImageNet數(shù)據(jù)集進(jìn)行預(yù)訓(xùn)練,，然后將訓(xùn)練的結(jié)果遷移到Fish100細(xì)粒度數(shù)據(jù)集上進(jìn)行精細(xì)化訓(xùn)練,，得到最終魚圖像識別的判別模型。使用本文模型與常用的5種小樣本學(xué)習(xí)模型,，在魚圖像數(shù)據(jù)集Fish100和ImageNet上進(jìn)行對比試驗(yàn),，結(jié)果表明本文模型的識別效果最佳，在兩個(gè)數(shù)據(jù)集上的識別精度分別達(dá)到了94.77%和91.03%,，且精度,、召回率和F1值均明顯優(yōu)于其它模型。

摘要:針對目前傳統(tǒng)檢測方法實(shí)施難度大、易交叉感染的問題,，設(shè)計(jì)了奶牛瘤胃pH值和溫度無線檢測單元,、Sub-1G無線傳輸網(wǎng)絡(luò)和阿里云實(shí)時(shí)顯示界面，實(shí)現(xiàn)了奶牛瘤胃pH值和溫度的連續(xù)監(jiān)測,。瘤胃檢測單元采用LabSen331 pH值復(fù)合電極進(jìn)行pH值檢測,，采用Pt1000鉑電阻進(jìn)行測溫。信號調(diào)理電路使用AD8603運(yùn)算放大器,，模數(shù)轉(zhuǎn)換電路使用AD7792,。核心控制電路使用STM8L151微控制器，通過315MHz無線信號傳輸數(shù)據(jù)到項(xiàng)圈中繼節(jié)點(diǎn),。無線傳輸網(wǎng)絡(luò)基于TI-15.4協(xié)議實(shí)現(xiàn),。數(shù)據(jù)經(jīng)項(xiàng)圈節(jié)點(diǎn)中繼后，由數(shù)據(jù)集中器通過串口通信發(fā)送給物聯(lián)網(wǎng)網(wǎng)關(guān),。通過4G網(wǎng)絡(luò),，網(wǎng)關(guān)按照MQTT協(xié)議將數(shù)據(jù)傳輸至阿里云,。本文進(jìn)行了pH值和溫度測量準(zhǔn)確性、檢測單元功耗,、無線傳輸網(wǎng)絡(luò)可靠性等驗(yàn)證試驗(yàn)和現(xiàn)場監(jiān)測試驗(yàn),。驗(yàn)證試驗(yàn)結(jié)果表明，pH值測量誤差小于±0.02,，溫度測量誤差小于±0.3℃,，檢測單元使用2200mA·h/3.6V鋰電池供電，檢測間隔設(shè)為10min時(shí),，電池壽命可達(dá)1800d,，無線傳輸網(wǎng)絡(luò)可在180m內(nèi)可靠傳輸。現(xiàn)場試驗(yàn)結(jié)果表明監(jiān)測系統(tǒng)記錄值和人工測定瘤胃液pH值之間具有良好的相關(guān)性（r=0.961, P<0.05）,，本文設(shè)計(jì)的監(jiān)測系統(tǒng)可以連續(xù)監(jiān)測奶牛瘤胃pH值和溫度的變化,，為奶牛健康監(jiān)測和精準(zhǔn)飼喂提供參考。

摘要:針對現(xiàn)有農(nóng)作物病蟲害檢索模態(tài)較為單一問題,，以17種常見的枸杞蟲害圖像和文本描述為研究對象，將跨模態(tài)檢索引入枸杞蟲害檢索領(lǐng)域,，提出一種融合注意力機(jī)制的枸杞蟲害圖文跨模態(tài)檢索方法,。首先，借助Transformer模型和循環(huán)神經(jīng)網(wǎng)絡(luò)分別獲取帶有上下文信息的細(xì)粒度圖像和文本特征序列,；然后,，利用注意力機(jī)制對特征序列進(jìn)行聚合以挖掘圖像和文本的顯著性語義信息；最后,，為了深入挖掘不同模態(tài)間語義關(guān)聯(lián),，采用跨媒體聯(lián)合損失函數(shù)對模型進(jìn)行約束。試驗(yàn)結(jié)果表明,，本文方法在自建的枸杞蟲害圖文跨模態(tài)數(shù)據(jù)集上平均精度均值平均值達(dá)到了0.458,。與現(xiàn)有的8種方法相比，平均精度均值平均值提高了0.011~0.195,，優(yōu)于所有對比方法,，可為農(nóng)作物病蟲害多樣化檢索提供技術(shù)支撐和算法參考。

摘要:質(zhì)量追溯相關(guān)數(shù)據(jù)通過物聯(lián)網(wǎng)感知設(shè)備采集后添加到區(qū)塊鏈,，在數(shù)據(jù)存儲(chǔ)環(huán)節(jié)可以解決數(shù)據(jù)易被篡改問題從而增強(qiáng)數(shù)據(jù)可信度。數(shù)據(jù)直接存儲(chǔ)在區(qū)塊鏈中會(huì)造成系統(tǒng)吞吐量小,、響應(yīng)時(shí)間長,，利用“數(shù)據(jù)庫+區(qū)塊鏈”的雙存儲(chǔ)設(shè)計(jì)雖然能大大提高響應(yīng)速度,，但是針對果蔬質(zhì)量追溯系統(tǒng)，其響應(yīng)速度依然不能滿足要求,?；诠＜用芩惴ǖ牟豢赡嫘浴^(qū)塊鏈數(shù)據(jù)結(jié)構(gòu)天然的不可篡改性和Hyperledger Fabric平臺(tái)完善的成員管理機(jī)制在數(shù)據(jù)存儲(chǔ)環(huán)節(jié)增強(qiáng)了數(shù)據(jù)可信度,，針對果蔬質(zhì)量追溯的特點(diǎn)設(shè)計(jì)了數(shù)據(jù)哈希值二次上鏈和驗(yàn)證的方法,，改進(jìn)了“數(shù)據(jù)庫+區(qū)塊鏈”的雙存儲(chǔ)設(shè)計(jì)，改進(jìn)后的方法在數(shù)據(jù)查詢方面時(shí)間復(fù)雜度由原來的線性階降低為常數(shù)階,。通過試驗(yàn)發(fā)現(xiàn),，所設(shè)計(jì)的系統(tǒng)能夠?qū)崿F(xiàn)數(shù)據(jù)無法篡改進(jìn)而提高數(shù)據(jù)可信度，改進(jìn)后的方法在數(shù)據(jù)查詢方面效率大幅提升,，平均查詢用時(shí)為0.066s,，且隨著數(shù)據(jù)條數(shù)增加查詢用時(shí)基本保持不變，解決了區(qū)塊鏈技術(shù)應(yīng)用在果蔬質(zhì)量追溯系統(tǒng)中查詢效率低的問題,?；贖yperledger Fabric平臺(tái)，利用改進(jìn)后的方法開發(fā)實(shí)現(xiàn)了果蔬質(zhì)量追溯系統(tǒng),，并取得了較好的應(yīng)用效果,。

摘要:為確定花生最佳灌溉方式和生物炭用量,，于2018—2019年連續(xù)2年在遼西北阜新蒙古族自治縣實(shí)驗(yàn)站開展大田試驗(yàn)。以小白沙1016花生為材料,，采用2因素裂區(qū)設(shè)計(jì),，主區(qū)設(shè)置溝灌（F）、滴灌（D）和膜下滴灌（M）3種灌溉方式,，副區(qū)設(shè)置0t/hm2（B0）,、10t/hm2（B10）、20t/hm2（B20）,、40t/hm2（B40）4個(gè)生物炭用量水平,，研究不同灌溉方式和生物炭用量互作對土壤有效磷含量、花生根系形態(tài)及磷素積累量的影響,。結(jié)果表明：灌溉方式和生物炭用量存在顯著互作效應(yīng),。10t/hm2生物炭處理在膜下滴灌下獲得最高產(chǎn)量，2年平均增產(chǎn)14.2%,。生物炭能夠有效促進(jìn)花生根系形態(tài)的優(yōu)化,，且在膜下滴灌下施用10t/hm2生物炭可明顯增加花生的根長,、根表面積和根體積。與不施生物炭相比,，10t/hm2生物炭處理顯著提高表層土壤有效磷含量和植株磷素積累量,，其中以膜下滴灌與10t/hm2生物炭耦合處理的提升效果最為明顯。因此,，MB10處理為本試驗(yàn)最佳耦合模式,，此模式可以充分發(fā)揮互作效應(yīng)，通過創(chuàng)造良好花生根系形態(tài),，增強(qiáng)表層土壤有效磷含量,，進(jìn)而促進(jìn)植株對磷素的吸收積累，最終實(shí)現(xiàn)花生增產(chǎn),。

摘要:為評價(jià)播期和播深對冬小麥越冬前生長性狀的影響，以農(nóng)大211冬小麥為試驗(yàn)材料,，于2015—2017年在中國農(nóng)業(yè)大學(xué)北京上莊實(shí)驗(yàn)站進(jìn)行了4個(gè)播期水平（9月23日,、10月3日、10月13日和10月23日）,、3個(gè)播深水平（2,、4、6cm）的隨機(jī)區(qū)組大田試驗(yàn),，探究不同栽培措施對越冬前冬小麥各生長指標(biāo)（單株葉面積,、主莖葉齡、分蘗數(shù),、地上部干物質(zhì)量,、分蘗節(jié)入土深度、地中莖長度和株高）的影響,。并于2016年和2018年開展梯度播種試驗(yàn),，設(shè)置不同播期（2016年9月23日、10月3日,、10月13日和2018年10月23日,、11月3日），對分蘗節(jié)入土深度進(jìn)行定量化模擬,。結(jié)果表明: 隨著播期推遲,，單株葉面積、主莖葉齡、分蘗數(shù)和地上部干物質(zhì)量均顯著減少（P<0.05）,，地中莖長度和株高隨著播種深度的增加逐漸增加,。播期、播深,、播期與播深的交互效應(yīng)均對冬小麥分蘗節(jié)入土深度有顯著影響，冬小麥分蘗節(jié)入土深度與越冬前積溫為負(fù)相關(guān)的線性關(guān)系,，隨著播期推遲分蘗節(jié)入土深度逐漸增加,，冬小麥分蘗節(jié)入土深度和播深呈對數(shù)曲線規(guī)律。依據(jù)梯度播種試驗(yàn)數(shù)據(jù)進(jìn)行分蘗節(jié)入土深度的模擬,，建立了分蘗節(jié)入土深度與越冬前有效積溫和播種深度的定量關(guān)系,。研究結(jié)果對于評價(jià)冬小麥地上地下部性狀、制定防凍保苗措施具有重要意義,。

摘要:為了探尋黃土高原丘陵區(qū)干化土壤修復(fù)措施,，采用野外試驗(yàn),，布設(shè)1000cm深地下土柱，并在土柱表層進(jìn)行9種不同覆蓋處理（種植刺槐,、苜蓿,、檸條、棗樹,、早熟禾和覆蓋石子,、樹枝、地布和白色地膜）,，以土柱表面完全裸露作為對照,，用中子土壤水分儀測量0~1000cm不同深度土壤含水率，通過2014—2018年連續(xù)觀測數(shù)據(jù)分析發(fā)現(xiàn):在天然降水條件下刺槐,、苜蓿,、檸條和棗樹處理試驗(yàn)?zāi)杲邓霛B深度表現(xiàn)為逐年減小，最終僅有100cm,，并在試驗(yàn)第2年后土壤含水率一直處在負(fù)增長狀態(tài),，其中刺槐、苜蓿,、檸條在第4年時(shí)1000cm土柱水分均被消耗而降低,，整個(gè)土柱干化程度加重，而棗樹耗水較輕，300cm以下的深層土壤干化程度并未加重,；早熟禾年降水入滲深度可達(dá)300cm,，試驗(yàn)期間土壤水分消耗量小于當(dāng)年降水量，0~300cm以內(nèi)干化土壤水分得到緩解,；石子,、樹枝、地布和白色地膜的5年最大修復(fù)深度可達(dá)280,、300,、580、600cm,；石子和樹枝覆蓋的土壤水分緩解深度達(dá)700cm,，白色地膜和地布覆蓋土壤水分緩解深度可達(dá)1000cm;裸露地表在天然降水下土壤水分緩解深度達(dá)520cm，土壤水分修復(fù)深度達(dá)240cm,。

摘要:為探究網(wǎng)式過濾器的水力性能,，充分了解網(wǎng)式過濾器內(nèi)部最初流場,、濾芯網(wǎng)面流量分布情況，應(yīng)用計(jì)算流體動(dòng)力學(xué)方法對網(wǎng)式過濾器3種入口流速（0.5,、1.5,、2.5m/s）以及3種濾網(wǎng)目數(shù)(60、80,、100目)對過濾器流場進(jìn)行數(shù)值模擬,。通過試驗(yàn)對模擬結(jié)果的可靠性進(jìn)行驗(yàn)證，結(jié)果表明：過濾器的水頭損失集中在出口側(cè)濾芯上,，該部分水頭損失占總損失的87%,；水流在腔體內(nèi)可分為出口側(cè)加速區(qū)、出口側(cè)減速區(qū),、堵頭回流區(qū)和漩渦區(qū)4部分,；濾網(wǎng)面流量分布嚴(yán)重不均，高流量區(qū)域主要分布在出口側(cè),，入口流速由0.5m/s增至2.5m/s過程中,，網(wǎng)面最大與最小流量均相差3.3倍，濾網(wǎng)目數(shù)為60,、80,、100目時(shí),，網(wǎng)面最大與最小流量相差3.3、3.1,、2.3倍,，且濾網(wǎng)目數(shù)增至100目時(shí)，最大與最小流量位置向兩側(cè)偏移,；堵頭處死水區(qū)壓力大,、流速低，泥沙易于沉淀,，建議擴(kuò)大堵頭容積以承接更多的泥沙,；可以考慮增大腔體體積、改變腔體角度,、在入口處設(shè)置導(dǎo)流片，從而改善流場分布,；建議在濾網(wǎng)上增加環(huán)狀片體,，改善網(wǎng)面流量分布，從而提高過濾器的使用壽命以及過濾效率,。

摘要:為探明亞表層有機(jī)培肥結(jié)合地膜覆蓋對土壤孔隙結(jié)構(gòu)及其水鹽運(yùn)移的調(diào)控機(jī)制,，以內(nèi)蒙古河套灌區(qū)典型鹽漬土為研究對象,，設(shè)置了地表不覆膜（CK）、地膜每年覆蓋（PM）和亞表層單次有機(jī)培肥+地膜每年覆蓋（OMP）3個(gè)處理,，3年后采用X射線CT掃描和圖像處理技術(shù)獲取了部分亞表層（15～21cm）與深層（35～41cm）土壤孔隙結(jié)構(gòu)信息,，同時(shí)測定了土壤剖面水鹽含量，分析了土壤孔隙結(jié)構(gòu)與水鹽分布特征的關(guān)系,。結(jié)果表明,，PM處理與CK相比，亞表層大孔隙度（＞30μm）無明顯差異（P>0.05）,，但深土層降低了0.48個(gè)百分點(diǎn)（P<0.05）,。OMP處理與CK相比，亞表層及深土層大孔隙度分別提高了11.95,、0.75個(gè)百分點(diǎn)（P<0.05）,，其中不同當(dāng)量直徑孔隙度和孔隙連通度均差異顯著（P<0.05）。與CK和PM處理相比,，OMP處理春灌后0～40cm土層含水率分別提高12.02%和6.33%（P<0.05）,，全鹽含量分別降低了16.22%和13.21%（P<0.05）；收獲后0～40cm土壤含水率分別降低40.69%和35.77%（P<0.05），返鹽率分別降低了12.22,、11.56個(gè)百分點(diǎn)（P<0.05）,。大孔隙度、土壤孔隙連通度與水鹽含量顯著相關(guān)（P<0.05）,，增加當(dāng)量直徑小于1.500μm孔隙度可以顯著提高春灌后土壤保水效果,，而增加當(dāng)量直徑小于500μm孔隙度可以促進(jìn)春灌后鹽分淋洗。通過在亞表層施用有機(jī)肥結(jié)合地膜覆蓋可以優(yōu)化土壤物理結(jié)構(gòu),，增強(qiáng)鹽漬土水鹽調(diào)控能力,。

摘要:為探討循環(huán)曝氣地下滴灌不同肥氣耦合處理對作物生長,、光合特性及產(chǎn)量的影響規(guī)律，以番茄（京魯6335）為研究對象,，利用循環(huán)曝氣裝置實(shí)現(xiàn)水肥氣一體化灌溉,，設(shè)置4個(gè)曝氣量(高曝氣O1，中曝氣O2,，低曝氣O3,，不曝氣S，摻氣比例分別為16.25%,、14.58%,、11.79%和0)，3個(gè)施肥量(高肥F1,，中肥F2,，低肥F3)，采用雙因素隨機(jī)區(qū)組試驗(yàn)設(shè)計(jì),，共12個(gè)處理,，研究不同肥氣耦合處理對溫室番茄生長特性、葉綠素含量,、光合作用,、干物質(zhì)積累及產(chǎn)量的影響。結(jié)果表明：對溫室番茄進(jìn)行循環(huán)曝氣地下滴灌可顯著提高植株株高和莖粗,、葉片葉綠素含量和氣孔導(dǎo)度,，增強(qiáng)光合作用，提高干物質(zhì)積累量和產(chǎn)量,。隨曝氣量的升高,，株高和莖粗總體上呈現(xiàn)增大趨勢,，曝氣灌溉較不曝氣灌溉處理株高最大增幅為22.57%，莖粗最大增幅為7.25%,。同一施肥水平下高曝氣灌溉處理較不曝氣灌溉處理番茄植株凈光合速率,、氣孔導(dǎo)度、蒸騰速率平均分別增大52.46%,、60.64%和36.88%,，葉綠素a含量、葉綠素b含量平均升高33.17%和48.71%,。中肥水平下高曝氣灌溉處理干物質(zhì)積累總量和果實(shí)干物質(zhì)積累量較不曝氣灌溉處理平均提高31.66%和36.95%,，單株產(chǎn)量和單果質(zhì)量較不曝氣灌溉處理平均提高12.80%和19.51%，同一曝氣水平下,，中肥處理番茄株高,、莖粗、凈光合速率,、葉綠素a含量和葉綠素b含量和植株干物質(zhì)量較高肥和低肥處理均有顯著增大,。循環(huán)曝氣地下滴灌肥氣耦合下番茄單株產(chǎn)量與植株株高、莖粗和凈光合速率均呈極顯著正相關(guān)(P＜0.01),，高曝氣灌溉中肥處理番茄產(chǎn)量與植株株高、莖粗和凈光合速率相關(guān)系數(shù)高于其他試驗(yàn)處理,。因此,，考慮各處理對番茄植株生長特性、光合特性,、干物質(zhì)積累量和產(chǎn)量的綜合影響,，高曝氣灌溉中肥水平是本試驗(yàn)條件下溫室番茄較優(yōu)的灌溉施肥模式。

摘要:含有豐富蛋白資源的辣椒葉長期作為農(nóng)業(yè)廢棄物被掩埋和焚燒造成了嚴(yán)重的環(huán)境污染與資源浪費(fèi)，同時(shí)辣椒素作為優(yōu)質(zhì)的天然生物抗菌物質(zhì)因強(qiáng)烈的刺激性氣味限制了其開發(fā)與應(yīng)用,?；谖⒛z囊技術(shù)方法以植物辣椒葉中提取的蛋白質(zhì)為壁材，辣椒素為芯材,，采用噴霧干燥和真空冷凍干燥法制備了葉蛋白辣椒素微膠囊,，并利用掃描電子顯微鏡、X射線衍射儀,、傅里葉變換紅外光譜儀,、熱重分析儀,、激光粒度儀及高效液相色譜技術(shù)對不同干燥方式下葉蛋白、辣椒素及其微膠囊的理化特性進(jìn)行表征,。結(jié)果表明：微膠囊在不同干燥方式下微觀結(jié)構(gòu)差異顯著,，噴霧干燥下微觀結(jié)構(gòu)呈球狀，結(jié)構(gòu)完整,，而真空冷凍干燥下呈片狀結(jié)構(gòu),，形態(tài)不一；X射線衍射分析表明不同干燥方式得到的微膠囊均呈彌散衍射型特征峰,，證明了辣椒素被完全裝載到葉蛋白中,，且在樣品制備的過程中沒有形成晶體；傅里葉變換紅外光譜分析表明不同干燥方式下辣椒素包埋過程均沒有產(chǎn)生新的化學(xué)鍵,，其未與葉蛋白發(fā)生化學(xué)反應(yīng),；熱重分析表明，不同干燥方式得到的微膠囊熱穩(wěn)定性均有所提高,，且葉蛋白的熱穩(wěn)定性低于辣椒素,，保證了辣椒素的成功釋放；粒徑分析表明噴霧干燥法所制備的微膠囊粉末D90為70.2μm,，明顯小于真空冷凍干燥方式下的微膠囊粒徑,，更易于包埋物的釋放；微膠囊包埋率在噴霧和真空冷凍干燥條件下分別為90.38%和85.43%,，表明噴霧干燥法對制備葉蛋白辣椒素微膠囊具有優(yōu)異性,。

摘要:為解決水稻干燥過程中熱源波動(dòng)大、變溫工藝要求快速調(diào)整溫度的需求,，設(shè)計(jì)了一種配合負(fù)壓干燥機(jī)變溫控制的同軸側(cè)入式殼形變溫干燥混配裝置,。以氣流旋轉(zhuǎn)驅(qū)動(dòng)殼體內(nèi)葉片導(dǎo)向配風(fēng)為徑向混合方式，采用機(jī)電聯(lián)動(dòng)式齒盤精量調(diào)節(jié)閥門開度,，實(shí)現(xiàn)高效氣流均勻混合,。為提高變溫控制精度以及混配溫度的穩(wěn)定性，應(yīng)用神經(jīng)元網(wǎng)絡(luò)預(yù)測與回歸試驗(yàn)設(shè)計(jì)方法分析混配閥門開度與熱風(fēng)溫度,、風(fēng)機(jī)頻率及系統(tǒng)溫度差值的關(guān)系,，建立了變溫混配裝置的混合控制模型。利用大渦模擬的原理,，借助Fluent軟件對變溫干燥混配裝置進(jìn)行混合溫度場模擬,，得到了最佳混配效果的距離為26.85cm,，模擬結(jié)果與紅外線熱像驗(yàn)證圖吻合良好。試驗(yàn)研究表明：變溫控制滿程時(shí)間為0.75s,，最大變溫溫差的均值為0.96℃,，控制合格率達(dá)84%以上。出機(jī)水稻含水率在合理范圍內(nèi),，干燥后水稻品質(zhì)較優(yōu),，滿足生產(chǎn)要求。

摘要:不同季節(jié)的茶葉外形和品質(zhì)均具有較大差異，針對運(yùn)用植被指數(shù)檢測不同季節(jié)茶鮮葉游離氨基酸含量存在難度,，選取了10個(gè)茶樹品種3個(gè)季節(jié)（春茶,、夏茶和秋茶）茶鮮葉中游離氨基酸含量數(shù)據(jù)和高光譜數(shù)據(jù)進(jìn)行分析。首先,，對原始光譜數(shù)據(jù)進(jìn)行5種光譜變換：倒數(shù)T1/R,、對數(shù)T1gR、一階微分TR＇,、倒數(shù)的一階微分T（1/R）＇和對數(shù)的一階微分T（1gR）＇,，并進(jìn)一步利用不同光譜變換優(yōu)化了經(jīng)典植被指數(shù)，最終比較了經(jīng)典植被指數(shù)和優(yōu)化植被指數(shù)對不同季節(jié)茶鮮葉游離氨基酸模型的影響,。結(jié)果表明：茶鮮葉建模集和驗(yàn)證集游離氨基酸含量的變化趨勢從大到小均為春茶游離氨基酸含量、秋茶游離氨基酸含量,、夏茶游離氨基酸含量,；光譜變換優(yōu)化后的植被指數(shù)與茶鮮葉游離氨基酸含量的相關(guān)性均高于經(jīng)典植被指數(shù)與茶鮮葉游離氨基酸含量相關(guān)性，相關(guān)系數(shù)絕對值范圍為0.10~0.30,；基于TlgR-VI構(gòu)建的多元線性回歸（MLR）模型在不同季節(jié)的建模集和驗(yàn)證集中均得到了較好的精度,，且適用于多生育時(shí)期茶鮮葉氨基酸含量的估測?；赥lgR-VI構(gòu)建的全生育時(shí)期MLR具有較高的精度,，建模集決定系數(shù)R2和均方根誤差（RMSE）分別為0.38和0.72%，驗(yàn)證模型精度R2和RMSE 分別為0.20和0.84%,。光譜預(yù)處理在不同品種,、不同生長季的茶鮮葉游離氨基酸檢測中具有正效應(yīng)，優(yōu)化植被指數(shù)為茶葉品質(zhì)估算提供了有益的技術(shù)支持,。

摘要:農(nóng)用柔性底盤通過偏置轉(zhuǎn)向軸轉(zhuǎn)向,，4個(gè)獨(dú)立的電動(dòng)輪既要用于行進(jìn)，又要驅(qū)動(dòng)轉(zhuǎn)向,，控制難度大,。為探明柔性底盤前輪轉(zhuǎn)向過程的轉(zhuǎn)向特性，建立了7自由度整車動(dòng)力學(xué)模型,，并通過Matlab/Simulink軟件建立相應(yīng)的交互控制仿真模型,，進(jìn)行了不同車速下單輪驅(qū)動(dòng)轉(zhuǎn)向與雙輪比例控制轉(zhuǎn)向的仿真與分析，根據(jù)仿真結(jié)果制定了控制策略,；在此基礎(chǔ)上,，設(shè)計(jì)了實(shí)車的電子控制硬件與軟件系統(tǒng)，進(jìn)行了實(shí)車轉(zhuǎn)向試驗(yàn),。結(jié)果表明：轉(zhuǎn)向時(shí)兩前轉(zhuǎn)向輪之間存在較強(qiáng)的耦合作用,，耦合的關(guān)鍵因素是兩轉(zhuǎn)向輪轉(zhuǎn)向角偏離阿克曼轉(zhuǎn)向幾何導(dǎo)致的輪胎回正力矩，該回正力矩阻止這種偏離,，同時(shí)偏離程度越大,，回正力矩越大，反之亦然,；前輪轉(zhuǎn)向系統(tǒng)具有較強(qiáng)的非線性,，轉(zhuǎn)向角相同時(shí)，轉(zhuǎn)向過程中所需的車輪驅(qū)動(dòng)力矩與車速的平方成正比,；7自由度整車動(dòng)力學(xué)模型轉(zhuǎn)向仿真結(jié)果與實(shí)測結(jié)果吻合程度較高,。該研究可為柔性底盤前輪轉(zhuǎn)向通用控制策略的制定提供仿真平臺(tái)與理論依據(jù)。

摘要:針對目前對電動(dòng)拖拉機(jī)試驗(yàn)平臺(tái)測控系統(tǒng)的設(shè)計(jì)方法較少的問題,，提出了一種可重構(gòu)測控系統(tǒng)的設(shè)計(jì)方法,。根據(jù)拖拉機(jī)旋耕機(jī)組的工作特性要求，搭建了一種串聯(lián)式混合電動(dòng)拖拉機(jī)快速原型試驗(yàn)平臺(tái),。該平臺(tái)采用雙電機(jī)獨(dú)立驅(qū)動(dòng)結(jié)構(gòu),，結(jié)合dSPACE和Matlab/Simulink建立了實(shí)時(shí)測量控制系統(tǒng)，提出了通信模塊化和控制策略模塊化的設(shè)計(jì)方法,?；谝?guī)則控制策略，分別對該快速原型試驗(yàn)平臺(tái)進(jìn)行了純電動(dòng)模式和混合動(dòng)力模式下的旋耕作業(yè)試驗(yàn),，結(jié)果表明,，當(dāng)旋耕負(fù)載轉(zhuǎn)矩變化范圍為31~64N·m,，其轉(zhuǎn)速范圍為529~550r/min，與設(shè)定值的最大相對誤差約為2.037%,，在控制允許范圍內(nèi),，表明試驗(yàn)平臺(tái)各測控系統(tǒng)響應(yīng)速度和控制效果良好；在混合動(dòng)力模式下,，啟動(dòng)發(fā)動(dòng)機(jī)發(fā)電機(jī)組,，電池電壓和SOC隨時(shí)間推移逐漸增大，表明串聯(lián)式混合動(dòng)力系統(tǒng)運(yùn)轉(zhuǎn)正常,，驗(yàn)證了該平臺(tái)通信模塊化和控制策略模塊化設(shè)計(jì)方法的可行性,。

摘要:為提高拖拉機(jī)作業(yè)機(jī)組無人作業(yè)的智能化水平,，實(shí)現(xiàn)機(jī)組橫向運(yùn)動(dòng),、縱向運(yùn)動(dòng)和機(jī)具提升作業(yè)的協(xié)同控制，設(shè)計(jì)了無人作業(yè)協(xié)同控制系統(tǒng),。以播種作業(yè)機(jī)組為研究對象,，將拖拉機(jī)機(jī)組無人作業(yè)協(xié)同控制系統(tǒng)劃分為規(guī)劃層、決策層和執(zhí)行層,。規(guī)劃層結(jié)合播種農(nóng)藝要求和機(jī)組運(yùn)動(dòng)學(xué)特性,，采用經(jīng)/緯度坐標(biāo)規(guī)劃作業(yè)路徑，為了同時(shí)滿足直線作業(yè)區(qū)域與轉(zhuǎn)向曲線區(qū)域的路徑跟蹤,，提出自適應(yīng)預(yù)瞄路徑跟蹤控制算法,。決策層制定了拖拉機(jī)機(jī)組無人作業(yè)聯(lián)合控制策略，實(shí)現(xiàn)拖拉機(jī)-播種機(jī)聯(lián)合作業(yè)精準(zhǔn)控制,。執(zhí)行層對拖拉機(jī)轉(zhuǎn)向機(jī)構(gòu),、機(jī)具提升機(jī)構(gòu)、油門踏板,、制動(dòng)器、離合器等機(jī)構(gòu)進(jìn)行硬件線控設(shè)計(jì),。在此基礎(chǔ)上,，分別開展無人播種作業(yè)仿真與田間試驗(yàn)，仿真結(jié)果驗(yàn)證了拖拉機(jī)播種機(jī)組無人作業(yè)協(xié)同控制系統(tǒng)的可行性,。田間試驗(yàn)表明：拖拉機(jī)轉(zhuǎn)向器,、油門踏板、離合器,、制動(dòng)器,、機(jī)具提升機(jī)構(gòu)嚴(yán)格根據(jù)規(guī)劃層與決策層制定的控制指令協(xié)同動(dòng)作,。試驗(yàn)過程車輪轉(zhuǎn)向平均誤差0.45°，直線段橫向誤差均值為0.035m,，轉(zhuǎn)向段橫向誤差最大值為0.11m,；機(jī)具提升響應(yīng)時(shí)間為1.2s、機(jī)具提升轉(zhuǎn)角超調(diào)量小于1.5°,；油門踏板,、制動(dòng)器、離合器均根據(jù)決策指令完成操縱動(dòng)作,。無人作業(yè)協(xié)同控制系統(tǒng)滿足拖拉機(jī)機(jī)組無人作業(yè)的需求,，可為無人農(nóng)場提供技術(shù)支撐。

摘要:為了進(jìn)一步提升山地果園運(yùn)輸機(jī)械的復(fù)雜地形適應(yīng)性，設(shè)計(jì)了一種基于重心自適應(yīng)調(diào)控的山地果園運(yùn)輸車,。根據(jù)山地果園實(shí)際環(huán)境特點(diǎn),，進(jìn)行運(yùn)輸車的總體設(shè)計(jì)并闡述基本工作原理；根據(jù)設(shè)計(jì)要求,，分別開展履帶底盤,、可移動(dòng)載物臺(tái)以及控制系統(tǒng)的關(guān)鍵部件設(shè)計(jì)，并針對斜坡,、斜坡臺(tái)階和斜坡壕溝3種路況制定整機(jī)重心控制策略,；基于多體動(dòng)力學(xué)分析軟件RecurDyn搭建運(yùn)輸車虛擬仿真樣機(jī)，驗(yàn)證設(shè)計(jì)方案和控制策略的合理性和可行性,；最后進(jìn)行樣機(jī)試制并進(jìn)行整機(jī)性能試驗(yàn),。試驗(yàn)結(jié)果表明，在坡面角10°,，負(fù)載0,、50、100,、150kg的情況下,，整機(jī)重心位置經(jīng)過調(diào)控后，運(yùn)輸車偏航45°時(shí)的直線行駛最大牽引力分別為1.89787,、2.13948,、2.32892、2.42524N，相比調(diào)控前分別增加了21.11%,、20.65%,、26.40%、26.93%,；運(yùn)輸車下坡極限翻傾角分別為45°,、43°、42°,、40°,，相比調(diào)控前分別增加了7.14%、13.16%,、13.51%,、14.29%；運(yùn)輸車橫向極限翻傾角分為40°,、38°,、35°、35°,，相比調(diào)控前分別增加了8.11%,、8.57%、12.90%,、20.69%,；運(yùn)輸車上坡極限越障高度分別為210、200,、200,、190mm，相比調(diào)控前分別增加了10.53%,、25.00%,、33.33%、46.15%,；運(yùn)輸車的下坡極限跨壕寬度分別為450,、480、510,、520mm,，相比調(diào)控前分別增加了7.14%、14.29%,、21.43%,、26.83%。結(jié)果表明：在不同負(fù)載條件下,，本文提出的可移動(dòng)載物臺(tái)以及整機(jī)重心控制策略能夠有效提升運(yùn)輸車的坡地行駛性能，在山地果園實(shí)際作業(yè)環(huán)境具有良好的地形適應(yīng)性。

摘要:研究一種基于變胞鉸鏈Ra (Reconfigurable axis)的新型3(Ra)PS變胞并聯(lián)機(jī)構(gòu)的可重構(gòu)特性和統(tǒng)一運(yùn)動(dòng)學(xué)分析方法,。根據(jù)約束螺旋系統(tǒng)表明，在一個(gè)構(gòu)態(tài)下,，(Ra)PS支鏈對平臺(tái)沒有約束,，而在另一個(gè)構(gòu)態(tài)下，通過改變可重構(gòu)鉸鏈Ra鉸內(nèi)軸線的位置,，可以提供一個(gè)約束力,。支鏈的兩個(gè)構(gòu)態(tài)使3(Ra)PS變胞并聯(lián)機(jī)構(gòu)具有4種構(gòu)型，其中包括2R1T（2個(gè)旋轉(zhuǎn)1個(gè)平移）,、3R1T（3個(gè)旋轉(zhuǎn)1個(gè)平移）,、3R2T（3個(gè)旋轉(zhuǎn)2個(gè)平移）和6 DOF(Degree of freedom)構(gòu)型。根據(jù)支鏈兩構(gòu)態(tài)的差異,，提出以一個(gè)支鏈構(gòu)態(tài)作為另一個(gè)支鏈構(gòu)態(tài)特例的統(tǒng)一運(yùn)動(dòng)學(xué)建模方法,。在此基礎(chǔ)上，建立3(Ra)PS變胞并聯(lián)機(jī)構(gòu)的驅(qū)動(dòng)選擇方案和可以包含4種構(gòu)型的統(tǒng)一運(yùn)動(dòng)學(xué)模型,。對逆運(yùn)動(dòng)學(xué)和正運(yùn)動(dòng)學(xué)進(jìn)行求解,，數(shù)值算例驗(yàn)證了理論結(jié)果的正確性。這種特殊類型的并聯(lián)機(jī)構(gòu)為特殊變胞機(jī)構(gòu)的工作空間,、路徑規(guī)劃和控制奠定了基礎(chǔ),。

摘要:使用位移流形理論對具有固定轉(zhuǎn)動(dòng)軸線和變轉(zhuǎn)動(dòng)軸線兩種運(yùn)動(dòng)模式的3T1R并聯(lián)機(jī)構(gòu)進(jìn)行了構(gòu)型綜合,。分析空間球面4R機(jī)構(gòu)的一般運(yùn)動(dòng)學(xué)方程，通過求極限計(jì)算了一種特殊空間球面4R機(jī)構(gòu)連桿在奇異位形的兩個(gè)瞬時(shí)連續(xù)轉(zhuǎn)動(dòng)軸線,。根據(jù)具有固定轉(zhuǎn)動(dòng)軸線和變轉(zhuǎn)動(dòng)軸線兩種運(yùn)動(dòng)模式的球面機(jī)構(gòu),，得到其連桿位移流形的表達(dá)式，從而設(shè)計(jì)了具有兩種運(yùn)動(dòng)模式的3T1R并聯(lián)機(jī)構(gòu),。通過旋量理論,，驗(yàn)證該3T1R機(jī)構(gòu)在運(yùn)動(dòng)模式變換過程中的自由度和驅(qū)動(dòng)副選取的正確性。結(jié)果表明,，該3T1R并聯(lián)機(jī)構(gòu)具有固定轉(zhuǎn)動(dòng)軸線和變轉(zhuǎn)動(dòng)軸線兩種3T1R運(yùn)動(dòng)模式,，4條支鏈的4個(gè)驅(qū)動(dòng)副能實(shí)現(xiàn)上述兩種模式下機(jī)構(gòu)的控制，當(dāng)機(jī)構(gòu)處于兩種運(yùn)動(dòng)模式的變換位形時(shí),，需要增加一個(gè)輔助驅(qū)動(dòng)副,，才能實(shí)現(xiàn)該機(jī)構(gòu)兩種運(yùn)動(dòng)模式的變換,。