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:隨著互聯網和人工智能技術的發(fā)展，農業(yè)知識智能化服務逐漸承擔起為農業(yè)生產管理提供有效技術指導的作用。本文對農業(yè)文本語義理解中的關鍵技術及應用進行綜述,。首先按照自然語言處理中基于規(guī)則、機器學習和深度學習的語義處理方法介紹其在農業(yè)領域應用的進展,；然后闡述了針對農業(yè)知識特性的語義分析方法,，涵蓋農業(yè)文本分析主要過程的儲存、表達,、計算,，包括農業(yè)知識圖譜的知識抽取、融合,、表示,、推理，TF-IDF,、Word2Vec,、BERT等農業(yè)文本表示模型與CNN、RNN,、Attention等分類模型,；闡述了可用于分詞、向量化表達等的通用語料庫和農業(yè)領域常用語料庫,；從農業(yè)智能問答,、農業(yè)語義檢索、農業(yè)智能管理決策方面闡述語義理解在農業(yè)領域中的應用,；最后從農業(yè)語料庫標準化構建,、語義理解模型復雜度、多模態(tài)語義處理,、多區(qū)域多語言語義理解等方面對農業(yè)文本的語義理解研究趨勢進行了展望,。

摘要:為滿足自主作業(yè)農機自動導航作業(yè)的需求并優(yōu)化農機作業(yè)效率,，在處理多種車輛轉彎方式約束和農業(yè)地塊約束的基礎上，基于模擬退火算法提出一種混合規(guī)則路徑規(guī)劃方法,。在多種作業(yè)約束處理方面，引入了農機轉彎代價鄰接矩陣來量化農機地頭轉彎方式的影響，通過采用內縮改進的道格拉斯-普克(Douglas-Peucker)擬合算法與求解采樣點的最小凸包分別處理地塊邊界及障礙物邊界,。在使用角平分線的平行偏移法求得轉向預留地塊后,，以轉彎代價最小為優(yōu)化條件對多種形狀地塊進行了最優(yōu)作物行生成。在農機遍歷順序方面,，利用模擬退火算法求解得到最優(yōu)路徑集,，并通過單元拆解及合成的方式求解全覆蓋遍歷順序，解決了傳統(tǒng)規(guī)則遍歷走法適應性差和大規(guī)模農機作業(yè)時經典模擬退火算法易陷入局部最優(yōu)解的問題,。實驗表明,，本文方法所得路徑平均作業(yè)覆蓋率達90.78%，平均作業(yè)占空比達85.10%,。在同等作業(yè)條件下,，利用本文方法所得路徑比傳統(tǒng)規(guī)則路徑最多可節(jié)約距離消耗30.3%，比模擬退火算法所生成路徑節(jié)約6.9%,。 說明本文規(guī)劃算法可在多種約束下對農機進行作業(yè)路徑規(guī)劃,，且具有較好的規(guī)劃效果。

摘要:針對目前基于全球導航衛(wèi)星系統(tǒng)技術的農機自動駕駛地頭轉彎方法的局限性，提出了基于雙目視覺的農田田埂邊界的識別和測距方法,，對具體方法的可行性,、適用性及約束條件進行了分析。針對光照變化大,、重復紋理多的農田環(huán)境,，雙目立體匹配的代價計算步驟采用了Census變換和截斷梯度融合的方法、代價聚合步驟采用了多尺度代價合并的分割樹算法,，可快速得到良好的視差圖,。針對農田地面不平坦及作物生長高度不均的實際情況，對視差圖構建的三維點云進行了自適應閾值點云提取和干擾消除等操作,，實現了田埂邊界的識別,。另外，根據農田信息,，對計算的平均邊界距離進行了校正,。實驗表明，此算法可以實現早期作業(yè)農田的邊界距離檢測,，對前方5~10m的田埂識別率達到99%,，測距精度隨著檢測距離的減小而提高,，5m時的測距誤差約0.075m。在NVIDIA Jetson TX2 硬件平臺上,，算法運行時間約0.8s,，對于行駛速度小于1.5m/s的農機可滿足作業(yè)的實時性要求。

摘要:針對油莎豆挖掘裝置以正向旋轉挖掘方式為主，其漏豆率高,、易擁堵,、根系環(huán)抱體土壤難破碎，導致后續(xù)清選分離困難,，聯合收獲工作效率極低等問題,，應用離散元仿真分析方法，建立油莎豆根系-塊莖-土壤離散元模型,，分析油莎豆根系-塊莖-土壤之間相互作用對油莎豆根系土壤環(huán)抱體碎裂的影響機理,，設計一種反向旋拋式油莎豆起挖裝置，并應用單因素和正交旋轉中心組合試驗方法,，研究反旋挖掘裝置旋耕刀相位角和安裝間距對性能指標埋果率和土壤破碎率影響規(guī)律和優(yōu)化參數組合,，試驗結果表明，反向旋拋式油莎豆起挖裝置的最佳組合參數為：相位角61°,、安裝間距150mm,，此時土壤破碎率為94.10%、埋果率為1.39%,，在相同參數設置下與普通旋耕刀組合進行田間驗證試驗,，結果表明，埋果率降低了13.33%,，土壤破碎率提高了3.15%,，滿足油莎豆機械化收獲部頒標準技術要求。研究結果為進一步提升油莎豆收獲機具研發(fā)提供了理論依據,。

摘要:針對黃土高原丘陵山區(qū)坡地等高線旋耕作業(yè)時土壤耕作侵蝕（土壤由坡高側向坡低側遷移）嚴重及其機理不明等問題,，通過理論分析,、仿真試驗,、土槽及實地試驗相結合的方法，深入開展山地拖拉機坡地旋耕侵蝕規(guī)律研究,。首先,，構建了H245標準型常用旋耕刀在坡地工況下的擾土體積參數方程，完成了旋耕刀坡地擾土過程的經典力學分析,，確定了導致坡地旋耕土壤侵蝕的主要影響因素：坡地角、耕作深度,、刀軸轉速以及旋耕作業(yè)速度,；然后，基于EDEM離散元仿真軟件研究了單把旋耕刀和旋耕機整機的坡地擾土規(guī)律,，得出土壤顆粒在旋耕刀側切刃的動態(tài)滑切作用下有水平向后運動的行為,，淺層土壤顆粒位移最大，深層土壤顆粒位移最小,，并且深層靠近旋耕刀回轉中心的土壤顆粒位移最大,；土壤的側向位移方向受旋耕刀正切刃朝向的影響；隨著旋耕刀的入土,，土壤顆粒在垂直方向的位置呈先變深后變淺的趨勢,。最后，選取旋耕刀軸轉速,、旋耕作業(yè)速度和坡地角作為試驗因素,，進行了實地旋耕單因素和正交試驗，單因素試驗得到土壤水平,、側向位移隨著上述3個因素變化的規(guī)律,；正交試驗方差分析得到影響土壤側向位移的主次因素為坡地角、旋耕刀軸轉速,、旋耕作業(yè)速度,，影響土壤水平位移的主次因素為旋耕作業(yè)速度、坡地角,、旋耕刀軸轉速,；擬合得到土壤側向位移、水平位移與自變量之間的回歸方程,，并經參數尋優(yōu)確定在5種隨機設定坡地角下旋耕機最優(yōu)作業(yè)參數組合,。該研究可為現有旋耕機在黃土高原坡耕區(qū)低侵蝕作業(yè)提供技術指導，為坡地專用旋耕機的設計提供研究思路,。

摘要:針對坡耕地環(huán)境下鴨嘴式玉米排種器排種質量差及性能不穩(wěn)定等問題，以鴨嘴式玉米排種器為載體,，設計了一種配套的間歇同步充補裝置,。闡述了排種器整體結構及工作原理，分析了種子在排種器內部排種,、補種及導種過程,，優(yōu)化了間歇同步充補裝置搖桿、內棘輪和鴨嘴式排種器直角導種部件等關鍵部件結構參數,。結合理論分析和坡耕地播種農藝要求,，選取作業(yè)速度、回位彈簧預緊力和作業(yè)坡角為試驗因素,，合格指數和變異系數為性能指標進行了單因素試驗,、正交試驗及臺架對比試驗。試驗結果表明,，性能指標隨作業(yè)速度和作業(yè)坡角增加先增加后降低,，隨回位彈簧預緊力增加先增加后趨于平穩(wěn)；當作業(yè)速度為1m/s,、回位彈簧預緊力為15.6N（型號T4,，絲徑為1mm，中徑為7mm,，原長為25mm）,、作業(yè)坡角為12°時，其排種性能較優(yōu),，合格指數為98.7%,，變異系數為10.2%；較傳統(tǒng)鴨嘴式排種器其合格指數提高了9.5個百分點,，滿足坡耕地環(huán)境下精量播種作業(yè)要求,。

摘要:針對目前栽植機械中多桿式栽植機構構型有限的問題，借助圖論型綜合的方式,，構建完備的多連桿栽植機構構型庫,。首先，在連桿機構運動鏈綜合中,，基于加權四次冪矩陣與加權最小距離矩陣的方法,，獲取拓撲圖頂點相似特征碼，根據不同頂點間特征碼的唯一性,，開展運動鏈拓撲圖相似點識別與同構判別,；其次,，建立栽植機構構型篩選規(guī)則，利用相似點的特征實現功能點的選取,，建立了6構件至9構件機構功能拓撲圖圖庫,，得到六桿一自由度構型14個，七桿二自由度構型17個,，八桿一自由度構型510個,，九桿二自由度構型917個；最后,，在構型庫中選取不同構件數下的構型進行運動學建模,，優(yōu)化獲得適合栽植作業(yè)運動要求的新型六桿、七桿,、八桿栽植機構尺寸，并進行運動仿真驗證了構型綜合方法的正確性,，可為多樣化種植機械的創(chuàng)新設計提供更多可選構型,。

摘要:為了實現自動移栽機高效、高質量取苗,，提出整排取苗,、同時投苗的工作方式。以指夾式取苗爪為研究對象,，闡述了取苗爪的結構組成及工作原理,。建立了取苗爪的運動數學模型，結合缽體力學特性及根系分布特點,，對組成取苗爪的各構件進行尺寸參數優(yōu)選,，并在RecurDyn中建立其虛擬樣機模型。通過試驗進行缽體力學性能測量,，對試驗所得數據進行處理,，得出缽體物理特性參數，進而在EDEM中建立缽體顆粒模型,。通過EDEM-RecurDyn耦合仿真取苗爪插入,、夾取、提離過程,。分析取苗爪插入缽體苗深度,、開始夾苗深度對取苗時缽體的影響,，仿真優(yōu)化得到當取苗爪插入缽體深度Id=34mm，插入缽體平均速度Iv=280mm/s,，開始夾苗深度Ci=4mm,，夾苗平均速度Cv=250mm/s時，可以獲得較好的缽體完整性,。在16,、20、24次/min的取苗速率下進行取苗爪取投苗試驗,，結果表明,，所設計的指夾式取苗爪取苗成功率均在96%以上，缽體破碎率小于1%,，具有良好的取苗,、投苗效果，在取苗作業(yè)中可以保持良好的缽體完整性,。

摘要:針對名優(yōu)茶機械化采摘難的問題,，根據茶葉采摘農藝要求和手工采摘動作的分析,，設計了一種手持式名優(yōu)茶嫩梢采摘機械手，模擬人手指夾住茶葉并通過提拉進行采摘,。通過采摘機械手的運動分析,，得到了影響采摘效率的因素磁鋼距離、主動手指角速度和主動手指轉角的參數變動范圍,。采用Box-Behnken響應面分析方法,，研究影響因素對采摘成功率的交互影響，以采摘成功率為響應值建立二次回歸模型,，各因素對采摘成功率的影響顯著性主次排序為：主動手指角速度,、磁鋼距離、主動手指轉角,；運用Design-Expert 11.0軟件的優(yōu)化模塊,，以采摘成功率為優(yōu)化目標對各因素進行優(yōu)化，得到優(yōu)化參數為：磁鋼距離40.04mm,、主動手指轉角153.0°,、主動手指角速度3.38rad/s。以優(yōu)化后的參數進行采摘試驗，結果表明采摘成功率為74.3%,，3次采摘平均速度為25.2個/min,，試驗值與預測值的相對誤差小于5%，優(yōu)化模型結果可靠,。

摘要:針對我國柳樹插條半自動扦插作業(yè)人工喂入勞動強度大和作業(yè)效率低的問題,，提出一種實現有序出料、取料和送料功能的柳樹插條自動喂入裝置,，并針對該裝置進行取料機構的優(yōu)化設計與相關試驗研究,。建立取料機構運動學模型和優(yōu)化設計模型，應用自主開發(fā)的軟件分析確定了取料機構參數的取值范圍,，進而利用Matlab軟件的遺傳算法工具箱實現取料機構的參數優(yōu)化,；完成取料機構結構設計，進行取料機構虛擬運動仿真驗證,；研制取料機構樣機和柳樹插條自動喂入裝置試驗臺,，開展取料機構高速攝像試驗和柳樹插條自動喂入試驗，研究取料機構運動特性,，檢驗自動喂入裝置的工作性能。在自動喂入效率達到55株/min時,，柳樹插條喂入成功率約為83%,，表明該裝置具有應用于柳樹插條自動扦插機的可行性。

摘要:為減小三七收獲過程中的挖掘阻力,，以三七根莖及種植土壤為研究對象，測定本征物理參數,，設置Bonding鍵參數建立三七根莖的離散元模型,，分析根土粘結機理，利用Hertz-Mindlin with JKR建立三七根莖-種植土壤離散元復合模型,；建立并分析挖掘鏟的理論力學模型,，確定仿生挖掘鏟設計尺寸（長×寬×厚）為：360mm×150mm×8mm、入土角30°,、鏟尖半角60°,；采集野豬頭三維模型的點云數據，確定仿生鏟的結構曲線方程，建立仿生挖掘鏟的三維模型,；開展仿生挖掘鏟與平面挖掘鏟的仿真對比試驗,，追蹤顆粒位移流向得平均位移以及平均挖掘阻力，分析顆粒的速度矢量明晰了挖掘鏟面的減阻機理,，得仿生挖掘鏟的仿真試驗減阻率為19.15%,；利用高速攝影和阻力采集設備開展土槽試驗，結果表明土壤顆粒流向與仿真趨勢一致,，仿生挖掘鏟和平面挖掘鏟的平均挖掘阻力為1207.23,、1594.49N，仿生挖掘鏟減阻率為24.29%,，與仿真試驗減阻率十分接近,，驗證了離散元模型準確可靠、挖掘鏟力學模型構建準確,，仿生結構設計合理,。

摘要:針對目前王草缺少專用機械收獲裝備,，傳統(tǒng)通用型切割裝置對王草平茬刈割效果不穩(wěn)定等問題，設計了一種王草收獲機旋轉刀盤式平茬切割裝置,。根據王草簇狀分蘗生長的生物特性和平茬刈割的收獲要求,，完成切割裝置的總體結構設計，通過理論分析,，確定了切割器和塔輪式輸送器的關鍵結構和工作參數,。利用ANSYS/LS-DYNA仿真對比單動刀切割和動定刀組合切割的切割效果，結果表明動定刀組合切割斷面平整度優(yōu)于單動刀切割,，在刀盤低速切割時,，動定刀組合的切割功耗小于單動刀切割；切割輸送仿真試驗表明塔輪式輸送器的輸送效果較好,，能夠實現割后王草莖稈的順茬輸送,。搭建切割器試驗臺，采用Box-Behnken設計方法,，選擇動定刀間隙,、刀盤轉速和刀盤傾角為試驗因素，留茬破頭率和切割功耗為試驗指標,，建立了因素與指標間的回歸模型,，通過NSGA-Ⅱ算法，確定切割器最優(yōu)參數組合為動定刀間隙2.98mm、刀盤轉速為84.7r/min,、刀盤傾角為28.65°,，在此參數組合下測得留茬破頭率為8.66%，單位切割功耗為7.78mJ/mm2,。在此基礎上進行田間試驗,，試驗結果與優(yōu)化結果基本一致，結果表明旋轉刀盤式王草平茬切割裝置應用于王草收獲總體收割質量較好,。

摘要:針對谷物聯合收獲機產量監(jiān)測系統(tǒng)成本高,、結構復雜和穩(wěn)定性較低的問題,，設計了基于占空比測量的谷物聯合收獲機產量監(jiān)測系統(tǒng)，由對射式光電傳感器,、GPS模塊,、數據處理單元、數據存儲單元和可視化單元組成,。系統(tǒng)工作時,，通過對射式光電傳感器監(jiān)測刮板上谷物遮擋與不遮擋兩種電壓信號，通過軟件系統(tǒng)處理信號中高度對應的占空比,，利用占空比與產量計量模型的關系獲得產量數據,，并連同系統(tǒng)的絕對時間、GPS數據存儲到系統(tǒng)中,。通過EDEM仿真和理論模型分析，推導了占空比測量值與谷物質量的正比例關系,。利用臺架試驗對占空比測量值與谷物質量進行了全局模型和局部模型擬合,，決定系數R2均不小于0.988。隨后通過臺架試驗對全局模型和局部模型進行模型分析,，臺架試驗結果表明,，雖然局部模型可能對固定轉速下的測量數據更優(yōu)，但全局模型更具有通用性,。隨著系統(tǒng)測量數據的增加,，相對誤差逐步減小。田間試驗中對系統(tǒng)測量的異常信號進行了統(tǒng)計和分析,，為了減少異常信號對測產誤差的影響,，對系統(tǒng)測量值與實際產量進行了標定。田間試驗結果表明，產量監(jiān)測系統(tǒng)測產最大相對誤差為3.83%,，平均相對誤差為0.40%,，系統(tǒng)整體誤差和誤差波動均較小。

摘要:為擴展果園秸稈覆蓋機作業(yè)功能,，解決丘陵山地果園缺少有機肥施肥機械的問題，基于秸稈覆蓋機,，設計了自走式果園有機肥條鋪機,。整機主要由車體和條鋪裝置組成，其中條鋪裝置采用伸縮式結構,，條鋪間距為1.8~2.7m,，適應在行距為3.0~4.5m的果園進行有機肥對溝施肥或行間雙側條鋪，也可用于大田作物對行施基肥或條鋪栽培基質,。運用離散元法對條鋪裝置的排肥口結構進行優(yōu)化,，確定了最優(yōu)斜口形排肥口結構。條鋪試驗結果表明,，腐熟牛糞施肥量29.40~53.10t/hm2,，變異系數小于等于15.48%；菌渣施肥量21.45~75.00t/hm2,，變異系數小于等于6.57%,；腐熟牛糞、菌渣施肥量模型的決定系數分別為0.8713和0.9631,。果園實地試驗中作業(yè)效果良好,。

摘要:針對傳統(tǒng)風送式噴霧機風送距離短與藥液浪費的問題,，設計一種適用于傳統(tǒng)果園噴霧機的軸流式風送系統(tǒng),。通過設置不同風筒導葉的安裝角、數量,、長度和錐形多出口裝置的錐度,、出口布局方式，進一步引導風送系統(tǒng)氣流場,，并建立相對應的氣流場分布模型,。通過對比選取風送系統(tǒng)的最佳優(yōu)化設計方案,，并開展了驗證試驗。試驗結果表明,，風筒導葉參數對出口風速影響的顯著性由大到小為長度,、安裝角、數量,，錐形多出口裝置出口布局方式對出口風速的提升效果明顯,；當風筒導葉安裝角為10°，數量為6,，長度為20cm,，且錐形多出口裝置錐度為2.25、出口布局為A型時,，風送系統(tǒng)出口風速及均勻性達到最優(yōu),，所建立的模型出口風速與試驗值相對誤差為4.66%和變異系數為3.63%，驗證了數值模擬結果的可靠性,。在此基礎上,，通過噴霧機外流場試驗可得，射流邊界范圍隨著出口直徑和轉速的增加而增大,，風送距離也隨之增大,，當風送距離0~2m，風速大于5m/s,，衰減幅度明顯,，當風送距離大于2m時，氣流衰減較為平緩,，風速距離4m處風速達到1.5m/s左右,。優(yōu)化后軸流式果園噴霧機風送系統(tǒng)結構合理，氣流均勻性,、風速,、邊界和射程等方面均滿足果園植保機械需求，研究結果可為果園噴霧機風送系統(tǒng)優(yōu)化設計和風送式施藥提供參考,。

摘要:以淮南市為研究區(qū),，選擇1985、1995,、2005,、2016年土地利用數據,，在分析土地利用動態(tài)變化特征的基礎上，利用CLUE-S模型模擬預測了未來土地利用格局,。結果表明：1985—2016年,，研究區(qū)耕地面積減少11.62%；建設用地和水體面積百分比分別增加7.98個百分點和4.29個百分點,。2005—2016年是各地類變化最強烈的階段,，其綜合土地利用動態(tài)度最大，為13.46%,。建設用地變化速率最快,，其土地利用動態(tài)度為5.19%。土地轉移主要發(fā)生在耕地,、水體和建設用地之間,，以耕地向建設用地和水體的轉換為主。耕地轉為建設用地的面積達207.61km2,，新增水體集中分布在潘謝礦區(qū),。加入空間自相關性和土壤質量因子后，耕地和建設用地的Logistics回歸效果顯著改善,，ROC分別增加0.201和0.133,。年均降水量是影響耕地變化的主要驅動因子，與耕地分布概率呈負相關,；而建設用地變化主要驅動因子為GDP,。土地利用模擬的Kappa系數為0.74，CLUE-S模型在研究區(qū)域具有較好的模擬能力,。運用CLUE-S模型預測了研究區(qū)2028,、2034、2040年土地利用空間分布,，未來土地利用空間分布格局總體上沒有明顯變化,，各用地類型面積變化相對穩(wěn)定。

摘要:基于人地系統(tǒng)理論,，構建區(qū)域低效化的理論分析框架，以山西省106個縣為研究單元,，運用空間自相關和地理探測器等方法,，分析了山西省城鎮(zhèn)低效用地的空間分異格局，定量探測了城鎮(zhèn)低效用地空間分異的主導因子,，揭示縣域城鎮(zhèn)低效用地與空間要素之間的相互作用機理,。結果表明：構建“低效-自然-經濟-社會”分析框架,，分析城鎮(zhèn)低效用地與空間要素之間作用路徑和表現形式，總體上包括“人”,、“地”2類要素和自然,、經濟、社會3個維度,，其中自然要素在低效用地空間分異中發(fā)揮基礎性作用,，經濟要素起決定性作用，社會要素具有強化放大效應,。山西省8909%的縣域城鎮(zhèn)低效用地規(guī)模低265.86hm2,，整體偏向低值集聚，具有較弱的同質集聚特征;從空間分布上看,，經濟發(fā)展水平高的縣域城鎮(zhèn)低效用地規(guī)模高于經濟發(fā)展水平低的縣域,，平原地區(qū)縣域的城鎮(zhèn)低效用地規(guī)模高于山區(qū)丘陵地區(qū)。常住人口規(guī)模,、GDP,、對外交通樞紐數、地均GDP和規(guī)模以上工業(yè)企業(yè)數是山西省城鎮(zhèn)低效用地規(guī)?？臻g分異的主導因子,，但各因子在縣域內驅動力有明顯差異；因子交互作用類型以非線性增強為主,，雙因子增強為輔,，其中常住人口規(guī)模對因子交互作用的影響最強，凸顯了人口因子的驅動效應,。

摘要:為提高干旱區(qū)冬小麥葉面積指數（Leaf area index, LAI）遙感估算精度,，以拔節(jié)期冬小麥LAI為研究對象，在對冠層高光譜數據進行一階（First derivative, FD）,、二階（Second derivative, SD）微分預處理的基礎上,，計算了任意波段組合的二維植被指數（Two-dimensional vegetation index, 2DVI）和三維植被指數（Three-dimensional vegetation index, 3DVI），通過進行與LAI之間相關性分析,，尋求最佳波段組合的植被指數,；利用人工神經網絡（Artificial neural network, ANN）、K近鄰（K-nearest neighbors, KNN）和支持向量回歸（Support vector regression, SVR）算法分別建立LAI估算模型,，并進行精度驗證,。結果表明：任意波段組合的植被指數與LAI相關性均顯著提高，尤其是基于一階微分預處理光譜的FD-3DVI-4(714nm, 400nm, 1001nm)相關系數達到0.93（P＜0.01）,，且最優(yōu)組合波段主要位于紅邊位置,。基于最優(yōu)FD-3DVI植被指數和K近鄰算法的估算模型表現突出,，其決定系數R2為0.89,，均方根誤差最低（RMSE為0.31），相對分析誤差RPD為2.41,；表明K近鄰算法更適合解決非線性問題,，能夠提高估算精度，為后期作物長勢評價,、合理施肥等提供理論依據,。

摘要:為快速,、準確地檢測毛竹林剛竹毒蛾（Pantana phyllostachysae Chao）危害，基于Sentinel-2A MSI數據分析不同剛竹毒蛾危害等級下毛竹林像元光譜的變化,，從葉損量,、綠度、含水率等多個維度選擇對剛竹毒蛾危害具有響應能力的22個Sentinel-2A MSI光譜衍生指標,；經單因素方差分析（ANOVA）以及遞歸特征消除法（Recursive feature elimination,，RFE）優(yōu)選后，得到可用于剛竹毒蛾危害識別10個遙感特征,，包括LAI,、RVI、NDMVI,、EVI,、NDVI705、NDVI783,、RegVI1,、RegVI2、GVMI和NDWI,；將上述指標作為自變量,，蟲害等級作為因變量，建立基于XGBoost模型的剛竹毒蛾危害檢測模型,。研究發(fā)現,，Sentinel-2A MSI數據波段6、7,、8,、8a對剛竹毒蛾危害具有較強的響應能力,；紅邊與近紅外波段參與構建的指數有效反映了竹林的受害情況；XGBoost模型對剛竹毒蛾危害識別的總精度為83.70%,，對不同剛竹毒蛾危害等級的識別精度依次為94.72%,、72.06%、79.77%,、92.41%,。因此，利用ANOVA-RFE篩選Sentinel-2A MSI光譜特征建立的XGBoost蟲害檢測模型,，具有較高的識別精度,，可為毛竹林剛竹毒蛾危害遙感監(jiān)測提供技術支持。

摘要:為實現日光溫室夜間環(huán)境下采摘機器人正常工作以及番茄快速識別，提出一種基于改進YOLO v5的夜間番茄果實的識別方法,。采集夜間環(huán)境下番茄圖像2000幅作為訓練樣本,，通過建立一種基于交并比的CIOU目標位置損失函數，對原損失函數進行改進,，根據計算函數anchor生成自適應錨定框,，確定最佳錨定框尺寸,構建改進型YOLO v5網絡模型。試驗結果表明,，改進YOLO v5網絡模型對夜間環(huán)境下番茄綠色果實識別精度,、紅色果實識別精度、綜合平均識別精度分別為96.2%,、97.6%和96.8%,，對比CNN卷積網絡模型及YOLO v5模型，提高了被遮擋特征物與暗光下特征物的識別精度,，改善了模型魯棒性,。將改進YOLO v5網絡模型通過編譯將訓練結果寫入安卓系統(tǒng)制作快速檢測應用軟件，驗證了模型對夜間環(huán)境下番茄果實識別的可靠性與準確性,，可為番茄實時檢測系統(tǒng)的相關研究提供參考,。

摘要:為解決整株盆栽金桔果實識別及總體計數問題，提出了基于三維點云配準的金桔果實識別方法,。首先,，使用RGB-D相機采集植物多角度點云數據并進行背景去除和去噪處理。然后采用隨機采樣一致性（Random sample consensus, RANSAC）算法進行圓柱擬合獲得旋轉中心軸參數,，將點云繞中心軸旋轉固定角度完成初配準,，之后采用點到面的迭代最近點（Iterative closest point, ICP）算法完成精配準得到完整點云。最后,，對點云進行歐氏聚類分割，采用隨機采樣一致性算法對聚類后點云進行球形分割,，獲得每個果實的三維空間位置并計數,。本研究對9株盆栽金桔（共149個果實）進行識別，總計識別查全率為85.91%,，查準率為79.01%,，F1值為82.32%，果實數量預測值和真實值的決定系數為0.97,，平均絕對百分比誤差為16.02%,。實驗結果表明，本文方法不依賴顏色信息,，能夠有效識別整株植物中未成熟的青色果實,，可為果實識別與產量估計等研究提供參考。

摘要:為有效識別茶葉嫩芽提高機械采摘精度、規(guī)劃采摘路線以避免傷害茶樹,，針對傳統(tǒng)目標檢測算法在復雜背景下檢測精度低,、魯棒性差、速度慢等問題,，探索了基于Faster R-CNN目標檢測算法在復雜背景下茶葉嫩芽檢測方面的應用,。首先對采集圖像分別進行等分裁切、標簽制作,、數據增強等處理,，制作VOC2007數據集；其次在計算機上搭建深度學習環(huán)境,，調整參數進行網絡模型訓練,；最后對已訓練模型進行測試，評價已訓練模型的性能，并同時考慮了Faster R-CNN模型對于嫩芽類型（單芽和一芽一葉/二葉）的檢測精度,。結果表明,，當不區(qū)分茶葉嫩芽類型時，平均準確度（AP）為54%,，均方根誤差（RMSE）為3.32,；當區(qū)分茶葉嫩芽類型時，單芽和一芽一葉/二葉的AP為22%和75%,，RMSE為2.84,；另外剔除單芽后，一芽一葉/二葉的AP為76%,，RMSE為2.19,。通過對比基于顏色特征和閾值分割的茶葉嫩芽識別算法（傳統(tǒng)目標檢測算法），表明深度學習目標檢測算法在檢測精度和速度上明顯優(yōu)于傳統(tǒng)目標檢測算法（RMSE為5.47）,，可以較好地識別復雜背景下的茶葉嫩芽,。

摘要:針對自然環(huán)境復雜背景下葡萄霜霉病檢測分級困難的問題,，提出了一種基于語義分割結合K-means聚類和隨機森林算法的葡萄霜霉病檢測分級方法，實現對葡萄霜霉病快速分級,。構建了葡萄霜霉病數據集,，采用HRNet v2+OCR網絡建立葡萄葉片語義分割模型，提取復雜環(huán)境下葡萄葉片,；采用K-means聚類算法將葡萄葉片分解為若干子區(qū)域圖像,，并標記少量數據集進行隨機森林算法學習，實現葡萄葉片病斑分割與提??；同時在葉片提取和病斑提取過程中，設計一種像素尺寸變換方法,，解決圖像分辨率引起的精度低問題,。基于HRNet v2+OCR網絡的葡萄葉片分割模型的準確率為98.45%,，平均交并比為97.23%,；融合K-means聚類和隨機森林(RF)算法的葡萄葉片正面、反面和正反面霜霉病病害分級準確率分別為52.59%,、73.08%和63.32%,，病害等級誤差小于等于2級時的病害分級準確率分別為88.67%,、96.97%和92.98%。研究結果表明,，基于K-means聚類和隨機森林算法的葡萄霜霉病檢測分級方法能夠準確地分割自然環(huán)境復雜背景下的葡萄葉片和葡萄霜霉病病斑,，并實現葡萄霜霉病分級，為葡萄霜霉病精準防治提供了方法和模型支持,。

摘要:為提高梨葉片病害發(fā)生程度診斷的效率和準確性,，本文提出基于全局上下文級聯R-CNN網絡（Global context Cascade R-CNN,，GC-Cascade R-CNN）的梨葉病斑計數方法。模型的主干特征提取網絡嵌入全局上下文模塊(Global context feature model,，GC-Model)，建立有效的長距離和通道依賴,，增強目標特征信息,。引入特征金字塔網絡（Feature pyramid network，FPN）融合淺層細節(jié)特征和深層豐富語義特征,。使用ROI Align替換ROI Pooling進行區(qū)域特征聚集,，增強目標特征表達。最后利用多層級聯網絡對目標區(qū)域進行邊框回歸和分類,，完成病斑計數任務,。在梨葉病斑圖像測試中，模型的各類病斑平均精確率均值（Mean average precision,，mAP）達89.4%,，檢測單幅圖像平均耗時為0.347s。結果表明,，模型能夠有效地從梨葉片病害圖像中檢測出多類病斑目標,，尤其對葉片炭疽病斑檢測效果提升顯著；不同種類梨葉片病害病斑計數值與真實值回歸實驗決定系數R2均大于0.92,，表明模型病斑計數準確率較高,。

摘要:針對南美白對蝦樣本來源多樣導致的泛化效果較差的問題,，引入香農信息論構造不同來源樣本的特征差異模型，以深度卷積神經網絡(DCNN)為識別框架基礎，依據多源樣本組成的數據集在分類前后呈現的熵減規(guī)則計算DCNN中的網絡超參數,，消解數據集從隨機輸入到規(guī)則輸出的信息熵,，打破數據類型從三維輸入到一維輸出的熵變動，實現圖像數據由高維空間向低維空間的映射,，獲取DCNN中關于超參數和網絡深度的自適應優(yōu)化策略,，以提高識別不同來源染病蝦的泛化效果。實驗結果表明,，所提方法在單個數據集上的識別精度最高可達97.96%,，并在其他4個圖像數據集上進行了測試泛化，泛化精度下降幅度小于5個百分點,。

摘要:豬只呼吸道疾病易傳染,，影響豬的養(yǎng)殖生產效率,，咳嗽是呼吸道疾病的顯著癥狀之一，為識別豬只咳嗽聲,，提出了一種基于深度神經網絡的識別方法,。對聲音信號進行譜減法去噪和雙門限端點檢測后分別提取梅山豬咳嗽及噴嚏、鳴叫,、呼嚕聲的濾波器組（Log_filter bank, logFBank）和梅爾頻率倒譜系數（Mel frequency cepstral coefficents, MFCC）特征,，每種特征與其一階及二階差分組合作為卷積神經網絡(Convolutional neural networks, CNNs)和深層前饋序列記憶神經網絡（Deep feed forward sequential memory networks, DFSMN）咳嗽聲識別模型的輸入，進行多分類訓練,。對比不同特征提取方法及不同迭代次數對模型效果的影響,，實驗結果表明，以MFCC作為特征輸入的CNNs模型效果較優(yōu),，測試集上咳嗽聲識別精確率為97%,，召回率為96%，F1值為98%,，總體識別準確率為96.71%,。表明該模型有效可行，可為生豬福利養(yǎng)殖中豬咳嗽聲識別提供技術支持,。

摘要:針對羊只個體差異較小，相似度高難以辨別,，遠距離識別準確率不高等問題,，本文基于MobileFaceNet網絡提出了一種融合空間信息的高效通道注意力機制的羊臉識別模型，對羊只進行非接觸式識別,。該研究基于YOLO v4目標檢測方法生成羊臉檢測器,，以構建羊臉識別數據庫；在MobileFaceNet的深度卷積層和殘差層中引入融合空間信息的高效通道注意力（ECCSA）,，以增加主干特征的提取范圍,，提高識別率，并采用余弦退火進行動態(tài)學習率調優(yōu),，最終構建ECCSA-MFC模型,，實現羊只個體識別。試驗結果表明,，在羊臉檢測上,，基于YOLO v4的羊臉檢測模型準確率可達97.91%，可以作為臉部檢測器,；在羊臉識別上,，ECCSA-MFC模型在開集驗證中識別率可達88.06%，在閉集驗證中識別率可達96.73%,。該研究提出的ECCSA-MFC模型在擁有較高識別率的同時更加輕量化，模型所占內存僅為4.8MB,，可為羊場智慧化養(yǎng)殖提供解決方案,。

摘要:針對傳統(tǒng)的農業(yè)物聯網路由以及網關選址時，考慮實際地形對傳輸損耗的影響不夠,，導致節(jié)點電能的浪費以及維護費用增加的問題,，本文首先對農場地形以及已布置終端的位置進行建模，使用K-means算法確定路由初始位置以及該路由負責對接的終端,。在考慮電磁波自由空間損耗以及繞射損耗的前提下設計合理的適應度函數,，基于一種可變慣性系數的粒子群優(yōu)化算法對路由和網關的位置進行優(yōu)化。最終模型給出最大的電磁波損耗數據,，用于在確定節(jié)點的最大發(fā)射功率時提供參考,。算例仿真發(fā)現，路由位置通過PSO算法尋優(yōu),，最大傳輸損耗最多可降低27.82%,。實地檢驗發(fā)現,，本算法所選取的最優(yōu)點通信質量顯著高于其附近的點，RSSI提升達12%~20%,。模型最終給出的路由和網關最大傳輸損耗與最優(yōu)布局位置對于實際節(jié)點鋪設具有指導性意義,。

摘要:針對區(qū)塊鏈獼猴桃溯源未考慮產業(yè)鏈由不同組織構成而導致溯源數據不連續(xù)的問題,，結合生產實踐中合同交易的過程,，提出了一種面向獼猴桃質量溯源的聯盟鏈跨組織鏈上合同交易機制。通過兩次鏈上的關聯確認,，將現實交易中雙方簽字確認合同條款的過程轉移到聯盟鏈上,，實現跨組織的不可否認交易。選擇聯盟鏈搭建獼猴桃全產業(yè)鏈溯源系統(tǒng)的區(qū)塊鏈網絡,，借助智能合約技術將獼猴桃生產過程信息價值化,；采用散列值上鏈減輕鏈上壓力；通過組織間交易合同的合同編號關聯溯源數據,、責任人和責任企業(yè),。基于Hyperledger Fabric獼猴桃全產業(yè)鏈溯源系統(tǒng)的測試分析表明,，用戶每上鏈一條數據平均用時約102ms,，在增加鏈上合同交易機制的條件下系統(tǒng)進行一次完整溯源的時間延長了約7.11ms。研究保證了多組織溯源的數據連續(xù)性與可追溯性,，對提升農產品質量安全具有重要意義,。

摘要:傳統(tǒng)池塘河蟹養(yǎng)殖主要依靠漁民根據經驗來估算投餌量,，通過人工撐船投喂餌料，餌料利用率低且勞動強度大,。由于河蟹具有領地意識且移動范圍較小,，池塘各處河蟹分布不均勻，因此河蟹養(yǎng)殖需要科學精準投餌?，F有河蟹養(yǎng)殖投餌作業(yè)方式粗放,，無法滿足河蟹高效生態(tài)養(yǎng)殖需求。為了掌握河蟹生長規(guī)律,，更加科學高效地投餌喂料,，本文設計基于河蟹生長模型的精準投餌系統(tǒng)。利用灰色關聯度分析法確定對河蟹生長發(fā)育影響最大的環(huán)境因子,。在傳統(tǒng)水產生物生長模型基礎上,，加入環(huán)境因子進行改進,，從線性和指數兩個角度對河蟹生長模型進行優(yōu)化擬合。利用遺傳算法（GA）-反向反饋神經網絡（BP神經網絡）（GA-BP神經網絡）對精準投餌預測模型進行訓練,，通過輸入水溫,、溶解氧含量、pH值等環(huán)境參數,，推算出最佳環(huán)境影響因子數值,。根據河蟹生長模型、養(yǎng)殖密度,、養(yǎng)殖面積得出河蟹總質量,，結合河蟹生長期存活率與投喂率便可得出總投餌量。根據池塘河蟹實際分布密度和水質參數,，確定池塘各區(qū)域的餌料分配系數,，將總投餌量科學地分配到池塘各個區(qū)域。通過仿真得出預測投餌量決定系數R2為0.990,，預測模型具有較好的擬合效果,。池塘投餌試驗結果表明，基于河蟹生長模型確定投餌量,，通過智能投餌船自動作業(yè)能夠精準投餌的池塘面積約為5.33hm2,，能節(jié)約3個養(yǎng)殖戶的勞動力成本。對池塘各區(qū)域,，投餌船實際投餌密度與預設投餌密度相比,，平均絕對誤差為0.32g/m2，平均相對誤差為3.90%,，且系統(tǒng)可根據環(huán)境參數的變化及食臺反饋及時調整投餌量,，有利于節(jié)省餌料，培育大規(guī)格河蟹,，增加河蟹產量,，提高養(yǎng)殖效益,，促進河蟹養(yǎng)殖節(jié)本增效發(fā)展,。

摘要:為建立單粒玉米種子水分含量的高精度檢測模型,，制備了80份不同水分含量的玉米種子樣本。針對玉米種胚朝上和種胚朝下分別進行高光譜反射圖像采集,，每份樣本取樣100粒,，波長范圍為968.05~2575.05nm,。采用PCA快速提取單粒種子光譜，經多元散射校正預處理后,，分別采用隨機森林(RF)和AdaBoost算法建立單粒種子水分檢測模型,，并集成兩種算法特征提出基于加權策略的改進RF用于單粒種子水分含量建模。利用單粒玉米種子胚朝上的光譜信息建立的改進RF模型訓練集相關系數R為0.969,，訓練集均方根誤差(RMSEC)為0.094%,，測試集R為0.881，測試集均方根誤差(RMSEP)為0.404%,；利用單粒玉米種子胚朝下的光譜信息建立的改進RF模型訓練集R為0.966,，RMSEC為0.100%，測試集R為0.793,，RMSEP為0.544%,。實驗結果表明：改進RF的泛化能力和預測精度明顯優(yōu)于RF和AdaBoost算法；種胚朝上的單粒玉米種子水分含量檢測模型優(yōu)于種胚朝下的模型,。高光譜檢測技術結合集成學習算法建立的玉米種子水分檢測模型預測精度高,，穩(wěn)健性好。

摘要:為了高效檢測玉米種子內部裂紋，設計基于卷積神經網絡(CNN)的檢測系統(tǒng)及批量檢測方法,，采集有裂紋和無裂紋的玉米種子制作數據集,，構建AlexNet、VGG11,、InceptionV3和ResNet18共4種經典卷積神經網絡,，同時與傳統(tǒng)算法模型SVM和BP神經網絡進行對比實驗。實驗發(fā)現,，卷積神經網絡模型優(yōu)于這兩種傳統(tǒng)算法模型,，ResNet18模型的綜合檢測性能最佳，單粒有裂紋種子的識別準確率為95.04%,，單粒無裂紋種子的識別準確率為98.06%,，平均單粒種子識別時間為4.42s?；赗esNet18,，搭建種子內部裂紋自動識別裝置，設計識別軟件控制裝置,，得到玉米種子內部裂紋識別系統(tǒng),。系統(tǒng)實驗進行10組批量識別,，有裂紋種子的平均識別準確率為94.25%,無裂紋種子的平均識別準確率為97.25%，批量識別中光源的透射無法等效地顯現所有種子的內部裂紋,、多次加載模型權重導致泛化性不足等因素會影響準確率,。

摘要:為了實現椰糠基質有效氮含量的快速實時檢測,，基于漫反射光譜設計了椰糠基質有效氮近紅外檢測儀。該檢測儀的硬件系統(tǒng)主要由前處理裝置,、氣力輸送裝置,、重力式沉降樣品室、近紅外光譜檢測裝置,、樣品回收裝置和空氣壓縮機等組成,。制備了不同有效氮含量的椰糠基質樣本135個，采用研制的檢測儀獲取了樣本原始光譜數據,，并建立了椰糠基質有效氮含量的最優(yōu)偏最小二乘回歸預測模型,，其校正集相關系數和驗證集相關系數分別為0.973和0.965，校正集均方根誤差和驗證集均方根誤差分別為14.025mg/(100g)和15.757mg/(100g),，殘差預測偏差為3.72,。基于MFC開發(fā)工具,，采用C/C++語言開發(fā)了檢測儀硬件控制及實時檢測分析軟件界面,，將建立的最優(yōu)有效氮光譜預測模型移植到軟件程序中，實現了椰糠基質有效氮近紅外檢測儀功能硬件控制及有效氮檢測的一鍵式操作,。試驗驗證結果表明,，所研制儀器預測值與國標測量值相關系數為0.883，測試集均方根誤差為18.605mg/（100g）,。該檢測儀實現了椰糠基質有效氮含量的快速實時檢測,，并且預測性能較好，可以滿足快速評價椰糠基質養(yǎng)分的實際需求,。

摘要:“中國農技推廣APP”農業(yè)問答社區(qū)存在提問數據量大,、規(guī)范性差,、涉及面廣、噪聲多,、特征稀疏等影響文本語義匹配的問題,，為了改善農業(yè)提問數據相似性判斷的性能，提出了融合多語義特征的文本匹配模型Co_BiLSTM_CNN,，從深度語義,、詞語共現、最大匹配度3個層面提取短文本特征,，并利用共享參數的孿生網絡結構,，分別運用雙向長短期記憶網絡、卷積神經網絡和密集連接網絡構建文本匹配模型,。試驗結果表明,，該模型可以更全面提取文本特征，文本相似性判斷的正確率達94.15%,，與其他6種模型相比,，文本匹配效果優(yōu)勢明顯。

摘要:為利用多源數據構建毛烏素沙地腹部土壤含水率建模指示因子,，通過微波后向散射系數、地表溫度,、纓帽變換要素,、波段反射率、干旱指數和地形要素等17個變量為建模因子,，分別以偏最小二乘（Partial least squares regression,，PLSR）、極限學習機（Extreme learning machine,，ELM）和隨機森林（Random forest,，RF）3種方法構建土壤含水率反演模型，對模型進行驗證和對比,，并對研究區(qū)的土壤水分分布進行制圖,。結果表明：溫度植被干旱指數是土壤水分空間變異性的最重要的預測因子（決定系數為0.64），其次是地表溫度（0.6）,、σVV（0.38）,、植被指數（0.38）、波段7反射率（0.35）、σVH（0.32）,、波段6反射率（0.3）和反照率（0.26）,。相比于未篩選變量所構建的模型，利用最優(yōu)子集篩選（Best subset selection,，BSS）變量所構建的模型精度均有所提升,。其中PLSR在處理共線性方面表現最優(yōu)，ELM回歸模型最穩(wěn)定,。RF模型具有最高的精確度,，4月，決定系數為0.74,，均方根誤差為8.85%,，平均絕對誤差為7.86%；8月,，決定系數為0.75,，均方根誤差為8.86%，平均絕對誤差為7.41%,。不同方法反演的土壤水分分布趨勢沒有顯著差異,，高土壤含水率出現在研究區(qū)的北部和東南部，中北部平坦地區(qū)的土壤含水率較低,。利用光譜指數,、環(huán)境因子和地形數據構建的多因子、多指數綜合模型能較高精度地反演毛烏素沙地腹部表層土壤水分,，對研究該地區(qū)土地荒漠化和生態(tài)環(huán)境治理具有參考價值,。

摘要:為緩解渾水灌溉中滴頭堵塞的問題,，評估了3種水壓模式（恒定水壓、臺階波形水壓,、三角函數波形水壓）對滴頭堵塞的控制效果,，并對不同水壓模式下滴頭內堵塞物質、滴頭排出物質的級配和粒徑進行分析,。結果表明：動態(tài)水壓處理滴頭使用壽命延長了79.06%,，滴頭抗堵塞性能優(yōu)于恒定水壓處理；波形對滴頭抗堵塞性能影響較小,，兩種不同波形動態(tài)水壓處理滴頭的使用壽命僅相差2.77%,。動態(tài)水壓處理流道內水流紊動劇烈,，能更好地移除沉積、附著在迷宮流道內的堵塞物質,，與恒壓處理相比，滴頭內黏粒,、粉粒堵塞物質分別減少了22.19%~36.75%和13.22%~25.06%,。動態(tài)水壓處理下滴頭排出泥沙的粒徑增大，最大粒徑比恒定水壓處理增大了44.34%,，動態(tài)水壓處理迷宮流道內水流流線時刻發(fā)生變化,，水流的挾沙能力增強，大顆粒泥沙更容易從滴頭排出,。

摘要:由于表面增強拉曼光譜檢測技術具有特異性強,、靈敏度高等優(yōu)點,，而被廣泛應用在痕量化合物的檢測中。用于檢測的SERS基底成為近年來的研究熱點,，然而研究者大多關注對檢測限的降低,，而對基底的成本考慮較少。利用廉價的玉米秸稈原料制備了玉米秸稈基醋酸纖維素膜,，之后耦合金納米顆粒,，制備了測試性能穩(wěn)定且檢測限較低的玉米秸稈基柔性表面增強拉曼基底。針對水體中福美雙農藥的測試顯示,，過濾富集測試較滴加測試能達到更低的檢測限,，其檢測限可達10-7g/mL，并在10-7~10-6g/mL質量濃度范圍具有良好的線性回歸關系,。對基底的適用性研究可知其對水中的多種農藥和染料具有良好的檢測效果,。

摘要:熱解法是屠宰廢棄骨合理處理與利用的有效手段,，且動物骨原料差異對其熱解特性與產物特性具有顯著影響。以牛,、豬骨為研究對象,，基于熱重,、紅外光譜和質譜（TG-FTIR-MS）及掃描電鏡-能譜（SEM-EDX）等方法，研究了動物骨的熱解過程及產物變化規(guī)律,。結果表明：主要熱解階段為350~600℃,，產生了CO2、NH3等無機氣體和CH4等有機氣體,。炭化階段后CO釋放,，在骨炭中生成了金屬羰基。熱解溫度升高,，骨炭的堿性及灰分含量提高,，900℃時灰分質量分數超過90%。由于豬骨含有較多的脂肪,，脂肪酸裂解生成大量短鏈烴,。而牛骨灰分更多，炭產率可達60%,。500℃牛骨炭比表面積為172m2/g,，孔隙特征更利于物理吸附作用。

摘要:NH3是影響舍內肉雞生長發(fā)育的主要有害氣體，對其排放量的準確測量與預測有助于建立雞舍環(huán)境調控模型,，提升畜禽福利化養(yǎng)殖的水平,。生產中，NH3監(jiān)測多采用電化學傳感器,，精度差且壽命短,，較難直接獲取NH3排放量。結合NH3產生和釋放的機理過程,，選擇相對較易獲取的CO2排放量（ECO2）和H2O排放量（EH2O）等環(huán)境參數建立NH3排放量的預測模型,。建立了肉雞厚墊料養(yǎng)殖模式下，舍內雞糞氣體排放的模擬試驗裝置,，連續(xù)多日向試驗裝置內投入等量雞糞以模擬雞舍每日糞便生成,，監(jiān)測溫度、相對濕度以及CO2,、H2O,、NH3排放量數據?；诙喾N機器學習方法和環(huán)境參數,，構建了NH3排放量預測模型,，并運用特征和排列重要性探究參數重要程度，運用部分依賴圖和個體條件期望圖探究模型對參數的依賴關系,。依據氨氣排放預測相關知識,，將溫度和相對濕度計算為水汽壓差（VPD），對比引入VPD后,，不同參數組合方式對最優(yōu)模型的影響,。結果表明極限隨機樹模型預測NH3排放量的效果最好，其R2為0.9167,、均方根誤差為0.2897mg/(kg·h),、平均絕對百分比誤差為10.82%,。分析各模型參數,，該模型對EH2O的依賴性最大，引入VPD對極限隨機樹的預測能力沒有提升,?；跍囟取⑾鄬穸?、EH2O,、ECO2建立的極限隨機樹模型可較好地預測肉雞墊料飼養(yǎng)工藝下糞便的NH3排放量。

摘要:為探究典型季節(jié)下的奶牛場生物氣溶膠的分布規(guī)律和多元環(huán)境因子對其影響程度,，對天津市某規(guī)?；膛錾餁馊苣z、環(huán)境參數進行連續(xù)采集,，分析了夏季奶牛場生物氣溶膠濃度和載體粒徑的時空分布規(guī)律,，同時篩選出對其濃度具有重要影響的環(huán)境因子。結果表明,，在空間分布上,，牛場近地面1m高度處的生物氣溶膠濃度顯著高于近地面4m高度處濃度（P<0.01）。在粒徑分布上,，各采樣點的分布規(guī)律無顯著差異（P>0.05）,，不同粒徑粒子所占比例接近且存在粒徑越小所占比例越小的趨勢，粒徑大于2.1μm的粒子約占總數的80 %,。運用隨機森林模型得到了10個影響因子對生物氣溶膠濃度的影響程度,，其中風向（WD）,、溫度（T）、紫外輻射強度（UV）,、懸浮顆粒物濃度（PM100）等對濃度影響較大,。為進一步探究影響因子之間的關系，通過層聚類的方法分析各影響因素之間的共線性關系,，發(fā)現PM10,、PM1與PM2.5之間以及UV與GHI之間具有強共線性關系，可以去除強共線性影響因子,，保留組內一種環(huán)境因子為代表,，以節(jié)約采集成本。本研究可為國內牛場空氣環(huán)境污染排放測定提供參考,。

摘要:針對核桃生產線的異物檢測需求,，首先根據現有通用的核桃加工生產線結構特點，設計并搭建了一套核桃異物檢測裝備,，該裝備包括設備框架,、圖像采集系統(tǒng)和恒定光源系統(tǒng)，整體尺寸為470mm×600mm×615mm,。然后以浙江省杭州市核桃生產基地的核桃和實際生產加工中出現的樹葉,、樹枝、石子,、金屬,、塑料等異物為檢測對象，通過工業(yè)相機實時采集生產線上的核桃圖像,，獲取直觀的圖像信息數據,。結合了深度學習與計算機視覺技術，利用基于全卷積神經網絡（Fully convolutional networks,，FCN）的算法進行圖像邊緣檢測,，對核桃生產加工中可能出現的異物進行了檢測，并通過試驗對其性能加以驗證,。結果表明,，訓練集檢測準確率為92.75%，驗證集準確率為90.35%,，檢測速率為4.28f/s,，滿足生產線運輸速度1m/s的檢測要求。該研究即使在樣本量較少的情況下,，仍然得到了較好的圖像分割效果,，可以實現核桃生產線的異物實時檢測,。

摘要:為了實現對蘋果貯藏室中氣體3D熒光光譜特征信息的有效表征,，提出一種基于小波包分解系數的熒光特征信息表征方法,，在此基礎上開展了腐敗預警方法研究。首先利用三角形插值法和Savitzky-Golar卷積平滑對光譜數據進行預處理,，以消除瑞利散射和環(huán)境噪聲的影響,。然后，將預處理后的3D熒光數據按激發(fā)波長從短到長順序將其對應的發(fā)射光譜首尾相連轉換成一維數據向量,，并利用3層sym4小波包對該向量數據進行分解,，提取低頻系數集作為熒光特征信息；運用偏最小二乘對特征信息與6個理化指標進行進行分析,，并對其分析結果進行聚類分析以確定出腐敗基準,。最后,，運用馬氏距離構建腐敗預警模型,。結果表明，用小波包分解系數表征熒光特征信息是有效的,；同時,，隨著貯藏時間增加，預測的馬氏距離逐漸變小,，較好刻畫了貯藏過程中蘋果品質的變化趨勢,，進而可實現蘋果貯藏過程中的腐敗預警。

摘要:為確定冰溫貯藏甘南藏羊肉色穩(wěn)定性與線粒體MMb還原能力及其相關性,，以藏羊后腿肉為試驗材料，分別在冰溫（（-1.4±0.1）℃）和冷藏（（4±1）℃）條件下貯藏,，測定貯藏期間（0,、1、3,、5,、7、9d）MRA,、NADH含量,、SDH活力,、線粒體膜通透性、線粒體膜電位與色調角的變化,。結果表明,，貯藏9d時，冰溫組MRA,、NADH含量,、線粒體膜540nm處吸光度、線粒體膜電位,、SDH活力比對照組分別高16.67%,、33.16%、25.45%,、16.57%,、40.45%（P<0.05），冰溫組色調角比冷藏組低13.13%（P<0.05）,。冰溫組,、冷藏組的MRA、NADH含量,、線粒體膜540nm處吸光度,、線粒體膜電位、SDH活力均與色調角呈極顯著負相關（P<0.01）,。由此可見,，冰溫貯藏可延緩MRA、NADH含量的下降,，同時維持線粒體結構的完整性,，最終有利于宰后肉色的穩(wěn)定，為改善藏羊肉色穩(wěn)定提供了理論依據,。

摘要:為改善大豆分離蛋白/海藻酸鈉復合膜的耐水性,，通過添加不同添加量（0,、2%、4%,、6%,、8%、10%）硬脂酸制備大豆分離蛋白/海藻酸鈉/硬脂酸三元復合膜，探究硬脂酸對大豆分離蛋白/海藻酸鈉復合膜的機械性能,、阻水性能和微觀結構的影響,，最終明確不同硬脂酸添加量對耐水性變化的影響規(guī)律。結果表明：與大豆分離蛋白/海藻酸鈉二元復合膜相比,，添加6%和8%硬脂酸后,，復合膜的斷裂伸長率、水蒸氣透過率顯著下降,，并且對其含水率及水溶性也有顯著影響,。當硬脂酸添加量為8%時，三元復合膜的水蒸氣滲透性最低,，水蒸氣透過系數為(2.95±0.49)g·mm/(m2·h·kPa),，接觸角最大，為91.68°±9.02°,。通過傅里葉變換紅外光譜和掃描電子顯微鏡分析可知,，大豆分離蛋白和海藻酸鈉通過共價交聯形成網絡結構，加入的硬脂酸則分布在網絡結構的縫隙中,，當硬脂酸添加量為8%時,，膜的表面較為光滑平整，內部結構致密,，能夠形成良好的網絡結構,，鍵與鍵之間結合較強，能有效提高復合膜的阻水性能,。

摘要:履帶底盤作為農機通用底盤的一種優(yōu)選方案，在山地果園環(huán)境中的應用仍然存在較大優(yōu)化空間,。為了進一步提高履帶底盤在復雜行駛路況下的地形適應性,，結合山地果園的地形地貌特征，開展了履帶底盤的坡地通過性能分析,，并基于多體動力學分析軟件RecurDyn的仿真結果,，進行樣機優(yōu)化和試驗驗證。首先,，以果園通用履帶底盤為研究對象,，通過理論分析探討影響履帶底盤斜坡平地通過性、斜坡越障通過性的關鍵結構參數,，然后搭建RecurDyn虛擬仿真樣機,，分析關鍵結構參數對坡地通過性能的影響規(guī)律,，進而以提高現有底盤坡地通過性能為優(yōu)化目標，根據仿真分析結果提出了一種重心調節(jié)系統(tǒng),，最終進行樣機試制與室內土槽試驗,。試驗結果表明，在坡度為10°的試驗路面下,，優(yōu)化后樣機在偏航45°時最大牽引力均值為1926N,，相比調控前增加了14.03%。優(yōu)化后樣機最大翻越臺階高度為230mm,，相比優(yōu)化前增加了27.78%,。優(yōu)化后樣機最大跨越壕溝寬度為640mm，相比優(yōu)化前增加了28%,。研究結果可為山地果園履帶底盤的坡地行駛性能優(yōu)化提供參考,。

摘要:目前并聯機構大多采用容錯控制策略實現驅動故障容錯，而從并聯機構結構設計角度研究較少,。本文基于雅可比矩陣,，提出一種評價并聯機構分支驅動力失效的可操作性失效度指標，并以冗余并聯機構為研究對象,，給出機構具有驅動力失效容錯性的驅動“同一性”條件,。基于螺旋理論,，提出一種具有驅動容錯性的冗余并聯機構構型綜合方法,，綜合出一類具有驅動容錯性的三轉動冗余并聯機構新構型。本文為解決冗余并聯機構驅動力失效問題提供了新的思路,，豐富了并聯機構的構型,，為具有驅動容錯性的冗余并聯機構的應用發(fā)展提供了理論基礎。

摘要:為了克服傳統(tǒng)多桿手指機構的不足并且滿足更多仿生手指的應用要求，本文提出一種基于三關節(jié)位姿約束的單驅動非圓齒輪五桿手指機構設計方法,。根據手指實際尺寸以及運動位姿,，建立n位姿點約束條件，采用運動學映射理論以及矩陣奇異值分解法求解了滿足給定約束條件的鉸鏈點曲線，進一步根據兩個驅動輸入桿轉角關系設計滿足位姿點要求的非圓齒輪副,，并推導單驅動非圓齒輪五桿手指機構的IO方程,。在此基礎上，以三關節(jié)的5位姿約束條件為例,，并根據桿長,、誤差、鉸鏈點選取范圍,、非圓齒輪傳動等其他約束條件,，確立鉸鏈點A和B的可行曲線解域，并最終得到滿足全部約束條件的單驅動非圓齒輪五桿手指機構參數,，設計了手指機構樣機并進行相關試驗,。該試驗樣機表明本文提出的設計方法是正確和有效的。

摘要:針對工程上對不同性質的運動需要疊加融合的一類應用需求,，設計一種能夠實現雙模式運動融合的6-[(RPRRRP)R-R]US型并聯機構。闡述了將機構原驅動副R轉換為(RPRRRP)R-R雙輸入子閉環(huán)機構的方法,。對機構單模式工作和雙模式融合工作分別進行運動學正,、反解分析，提出兩種雙輸入反解驅動分配策略,，根據雙輸入子閉環(huán)和外層6-RUS機構特點分別采取二分法和牛頓法進行運動學正解運算,，并給出求解流程圖。通過數值算例,，分別對單軸運動下的雙模融合,、多軸復合運動下的雙模融合的反解運算以及雙輸入融合驅動下的正向運動學進行理論計算，并對不同情況下的算例進行運動學仿真,，結果表明理論值與仿真值之差均在10-6量級,，證明了理論方法的正確性和有效性。該機構可應用于車載,、船載以及星載設備的指向與穩(wěn)定協(xié)同調節(jié)裝置，提升載體設備的作業(yè)性能,。

摘要:針對4種典型平面平臺型6-PSS并聯機構構型特點，研究了最優(yōu)構型選擇及其參數優(yōu)化。建立平面平臺型6-PSS并聯機構的運動學模型,，并進行ADAMS仿真驗證,；繪制不同構型下的平面平臺型6-PSS并聯機構的可達工作空間圖和靈巧度分布圖，求解工作空間體積V和全局靈巧度GCI,，經過對比分析,，構型Ⅲ的可達工作空間范圍、工作空間體積,、靈巧度分布和全局靈巧度等性能指標均最優(yōu),，確定構型Ⅲ為機構的最優(yōu)構型；針對構型Ⅲ分析各結構參數對其工作空間和靈巧性的影響規(guī)律,，結果表明,，在一定的結構參數范圍內，工作空間體積和全局靈巧度呈正相關,；以工作空間體積V為目標函數進行優(yōu)化,，得到了最優(yōu)結構參數，優(yōu)化后工作空間體積V和全局靈巧度GCI相比優(yōu)化前均有明顯提高,，證明了優(yōu)化模型的正確性和有效性,，并對優(yōu)化后的機構進行了誤差分析，為平面平臺型6-PSS并聯機構設計提供了依據,。