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:灌區(qū)是我國糧食安全和現(xiàn)代農業(yè)發(fā)展的基礎保障,，同時也是區(qū)域經濟發(fā)展和生態(tài)環(huán)境保護的重要基石,。然而西北地區(qū)獨特的氣候,、地貌及社會經濟狀況導致了灌區(qū)生產能力和生態(tài)服務功能難以滿足現(xiàn)代生態(tài)農業(yè)發(fā)展的需求,。通過系統(tǒng)分析西北灌溉農業(yè)發(fā)展中面臨的水資源過度開發(fā)、土壤鹽堿化嚴重,、生態(tài)環(huán)境功能低下等方面的問題,，闡述了西北現(xiàn)代生態(tài)灌區(qū)的內涵與特征，并基于農業(yè)生產“功能水分”來源,，將西北灌區(qū)劃分成了灌溉依賴型灌區(qū),、灌溉主導型灌區(qū)、灌溉補充型灌區(qū)和灌溉提質型灌區(qū)4類,。以灌區(qū)農業(yè)生產系統(tǒng),、物能輸配系統(tǒng),、生態(tài)環(huán)境系統(tǒng)為建設對象，提出了灌區(qū)生態(tài)服務功能優(yōu)化配置,、灌區(qū)農田物能調控和灌區(qū)生態(tài)系統(tǒng)安全評估三大核心理論,，構建了灌區(qū)系統(tǒng)控污與景觀價值提升技術、灌排系統(tǒng)管控技術,、作物生境要素綜合調控技術三大關鍵技術,，從而形成了西北現(xiàn)代生態(tài)灌區(qū)理論與技術保障體系，為我國西北灌溉農業(yè)高質量可持續(xù)發(fā)展提供理論與技術指導,。

摘要:為了更好地應用離散元法研究燕麥和箭筈豌豆種子的混播過程,，提高種子離散元模型的準確性,，結合實際試驗和仿真試驗對仿真參數進行了標定。通過抽樣分別測量了燕麥和箭筈豌豆種子的本征參數,，并建立了種子離散元模型,。采用碰撞試驗、斜面滑動試驗和斜面滾動試驗,，分別對燕麥種子和箭筈豌豆種子與ABS塑料板間的碰撞恢復系數,、靜摩擦因數及滾動摩擦因數進行了標定，得到燕麥和箭筈豌豆種子與ABS塑料板間的碰撞恢復系數分別為0.441,、0.435,，靜摩擦因數分別為0.506、0.454,，滾動摩擦因數分別為0.059,、0.047?；诙逊e試驗,，利用最陡爬坡試驗和二次回歸正交旋轉組合試驗方法，以混合種子堆積角的EDEM仿真值與實際值的相對誤差為指標,，確定種間碰撞恢復系數,、靜摩擦因數、滾動摩擦因數分別為0.320,、0.327,、0.042。利用螺旋排種裝置對標定結果進行了驗證，得到仿真試驗與實際試驗的混合種子質量流率平均相對誤差為1.76%,，燕麥和箭筈豌豆種子的排種質量比平均相對誤差為2.03%,，驗證了仿真試驗的可靠性，標定的結果可用于燕麥和箭筈豌豆種子混播過程的離散元仿真試驗,。

摘要:油茶作為中國特有的木本油料作物,，在空間上具有復雜的分枝結構,，不同品種樹體的形態(tài)結構和力學性能差異明顯。為了研究油茶樹在冠層振動采摘油茶果過程中能量傳遞規(guī)律以及獲得最佳激振參數,，本文建立5自由度油茶樹的質量-彈性-阻尼動力學模型并測量和計算等效參數,；以不同激振參數為輸入,，通過Matlab軟件對動力學模型進行仿真,，并設計二次旋轉正交組合試驗，仿真結果表明,，油茶樹各級枝之間能量傳遞過程中損失嚴重,，從激振力所作用的枝條傳遞到路徑末枝時能量剩余不到20%,；且油茶樹各級枝的動能峰值出現(xiàn)的時間具有滯后性，越靠近激振點的動能峰值出現(xiàn)越早,。由于油茶樹各級枝間能量傳遞損失嚴重,，將一棵樹進行2~3次振動采摘。利用Design-Expert 11.0.4軟件的優(yōu)化模塊對激振參數進行優(yōu)化求解,，以一部分側枝動能最大，主干動能最小為目標函數時,，最佳振動參數組合為振動時間7.14s,、振動頻率7.18Hz、振幅52.41mm,；通過田間試驗對油茶樹能量傳遞規(guī)律進一步研究發(fā)現(xiàn),，能量沿著樹枝內部傳遞時與各級枝之間的傳遞規(guī)律相同，即動能與傳遞距離成反比,，傳遞的距離越遠動能越小,。并對仿真結果進行驗證：田間試驗結果與仿真結果的相對誤差在10%以內，說明該動力學模型具有較高的可靠性,；振動采摘部分的油茶果實和花苞平均脫落率分別為90.53%,、14.39%，采摘效果較好，證明了從能量傳遞角度對激振參數優(yōu)化的可行性,。本文建立的動力學模型和預測的最佳振動參數組合可以為油茶果機械化采摘作業(yè)的工作參數設置提供參考,。

摘要:針對畜禽糞肥含水率差異大等因素導致其離散元仿真參數標定方法通用性和實用性不強等問題,，以堆積角為響應值對不同含水率的羊糞進行試驗研究,。通過圓筒提升法建立了含水率-堆積角模型，模型相關系數0.9999,?；谘蚣S粒度分布以Hertz-Mindlin with JKR為粘結模型建立4種不同粒徑的EDEM顆粒模型；通過Plackett-Burman試驗,、爬坡試驗和Box-Behnken試驗從10項參數中篩選出JKR表面能,、顆粒間滾動摩擦因數和靜摩擦因數3項顯著性參數，并建立了堆積角-離散元參數模型,，模型P值小于0.0001,，相對誤差小于等于2.42%；基于含水率-堆積角模型和堆積角-離散元參數模型推導構建了含水率-離散元參數模型,，以抽板法進行工程性驗證,，相對誤差小于等于5.37%。表明通過含水率即可直接預測羊糞離散元參數,，研究為施肥機械-羊糞仿真中離散元參數確定提供了通用,、可靠的方法。

摘要:針對黃淮海地區(qū)玉米免耕播種作業(yè)時，過量小麥秸稈殘茬堵塞開溝器的問題,，提出一種以撥離殘茬和淺旋根茬形式實現(xiàn)苗床清整的斜置式防堵裝置,。通過理論分析對防堵裝置結構參數進行設計，確定了各參數的范圍和相互關系,，并根據裝置結構對耕刀撥茬入土和脫茬離土的過程進行受力分析,，確定了影響工作性能的因素。運用離散元方法模擬防堵裝置在田間作業(yè)過程,，以秸稈清除率,、土壤擾動系數和功耗為評價指標,，對裝置傾角、轉速和前進速度進行回歸分析和顯著性檢驗,，確定了各因素對評價指標的影響及主次順序,。通過對回歸模型進行多目標函數優(yōu)化求解，得到最優(yōu)參數組合為：轉速400r/min,、前進速度6km/h,、傾角18.5°，此時秸稈清除率為74.5%,、土壤擾動系數為34.7%,、功耗為1.36kW。以優(yōu)化得到的參數對裝置進行土槽試驗,，試驗結果表明：轉速為400r/min,、前進速度6km/h、傾角18.5°時,，秸稈清除率為92.5%,、土壤擾動系數為29.6%、功耗為1.51kW,，試驗結果與仿真試驗優(yōu)化結果相吻合,，滿足設計要求。

摘要:針對小麥氣送式集排器供種裝置充種環(huán)節(jié)種子流動性差，導致充種及供種不穩(wěn)定的問題,，設計了一種具有等寬多邊形槽齒輪的小麥供種裝置,。闡述了供種裝置的工作原理，確定了等寬多邊形槽齒輪的主要結構參數,。利用EDEM仿真對比分析了不同結構型式槽齒輪對種群擾動能力,、充種及供種性能的影響，結果表明,，當供種軸轉速為20r/min時，在仿真的1~10s內隨等寬多邊形槽齒輪邊數的增加,，種群平均動能均值逐漸減小,，對種群平均擾動能力依次減弱，但相鄰平均動能峰值間隔時間縮短,，擾動種群的頻率增加,；等寬三邊形,、等寬五邊形、等寬七邊形,、等寬九邊形槽齒輪擾動下種群平均動能均值比圓形槽齒輪分別高371.32%,、209.23%、91.02%,、53.37%,；以充種合格率（（2±1）粒/孔）和漏充率（0粒/孔）為指標，等寬七邊形槽齒輪充種合格率為93.98%,、漏充率為2.78%,，供種粒數與供種時間具有較高的線性度，充種和供種性能較優(yōu),。臺架試驗驗證了等寬七邊形槽齒輪式供種裝置的供種性能及對排種性能的影響,，結果表明，當轉速為10~60r/min時,，供種速率穩(wěn)定性變異系數不高于2.14%,，供種時破損率不高于0.20%，總排量穩(wěn)定性變異系數不高于2.15%,，排種時破損率不高于0.23%,，滿足小麥種子穩(wěn)定供種要求。

摘要:目前能適應設施大棚種植條件的小型播種機多采用窩眼輪式排種器，播種精度低,，播種質量無法實時監(jiān)測,。小型氣力式播種機需要配置氣力式排種器和風機，存在動力系統(tǒng)設計困難,、排種穩(wěn)定性差,、整機結構復雜、笨重等設計難題,。本文基于設計的氣吸式排種器,，設計了叉形分種器，實現(xiàn)窄行距精密播種作業(yè),；確定油電混合動力系統(tǒng),，排種器和風機采用電驅方式，排種穩(wěn)定性得到了提高,。設計了基于旋轉編碼器測速的電驅式胡蘿卜播種機控制系統(tǒng),，該系統(tǒng)以PLC為主控制器，根據旋轉編碼器采集的前進速度信息實時調節(jié)排種器轉速,，實現(xiàn)排種轉速與播種機前進速度實時匹配,?；趯ι涫骄仃嚬饫w傳感器，開發(fā)了播種質量監(jiān)測系統(tǒng),，解決了小粒徑種子的監(jiān)測問題,。通過試驗表明，續(xù)航時間為10h,，計數相對誤差小于等于4.6%,，型孔堵塞時能發(fā)出警報提醒；播種株距合格率大于93.7%,、漏播率小于等于3.9%,、重播率小于2.4%，漏播率檢測誤差小于8.4%,，試驗結果符合國家相關標準要求及胡蘿卜種植農藝要求,。

摘要:小型多旋翼植保無人機存在農藥飄移,、霧滴沉積不均等問題，為此本文結合RANS方程,、SST k-ω湍流模型和SIMPLE算法,，對耦合六旋翼植保無人機下洗氣流場和噴霧霧滴的兩相流場進行數值模擬計算，探析環(huán)境風速對無人機下洗氣流和農藥霧滴沉積的影響,。機身下方空間點風速試驗和模擬值相對誤差在15%以內,，驗證了數值模型的準確性。數值模擬結果表明：植保無人機飛行作業(yè)時,，來流造成無人機下洗風場出現(xiàn)漩渦,，來流速度對機身正下方流場的影響大于其對旋翼正下方流場的影響；側風造成無人機下洗風場出現(xiàn)較大漩渦,，下洗風場穩(wěn)定性降低,；兩側旋翼正下方對稱布置噴嘴提高了霧滴沉積均勻性，來流造成霧滴卷積,，霧滴飄移量隨著來流速度提高而增大,。綜合各因素，無人機噴嘴應在旋翼下方對稱布置,，在小型六旋翼植保無人機實際作業(yè)時,，無人機作業(yè)方向需要與外界環(huán)境風向保持平行，同時在晴朗環(huán)境下施藥作業(yè),，從而降低霧滴飄移,，提高農藥利用率。

摘要:針對蠶豆種子三軸尺寸差異大、清種難,、易重播的問題,，設計了一種鏈勺翻轉清種式蠶豆精密排種器。對排種器關鍵部件參數進行設計,，通過理論分析建立了種子在清種區(qū)的動力學模型,；利用DEM-MBD耦合方法進一步分析了彈簧張緊力、種層高度,、作業(yè)速度,、清種區(qū)排種鏈傾角和充種區(qū)排種鏈傾角對排種性能的影響，校核了彈簧剛度,，確定了彈簧張緊力為50N,，種層高度為75mm。以充種區(qū)排種鏈傾角,、清種區(qū)排種鏈傾角和作業(yè)速度為試驗因素,，合格指數、重播指數,、漏播指數為試驗指標,，采用二次回歸正交旋轉組合試驗方法進行臺架試驗；試驗結果表明,，最優(yōu)參數組合為：作業(yè)速度4.25km/h,、清種區(qū)排種鏈傾角-2.9°、充種區(qū)排種鏈傾角74°,；對上述組合參數進行排種性能試驗驗證,，得到此時合格指數為93.83%，重播指數為5.67%,，漏播指數為0.50%,，滿足蠶豆播種要求。

摘要:針對丘陵山地胡麻聯(lián)合收獲機空間布局有限,，且收獲后胡麻脫出物性狀差異小、混雜程度大,、清選困難等問題,，為提高丘陵山地胡麻聯(lián)合收獲機清選效率，探究丘陵山地胡麻聯(lián)合收獲機復式清選系統(tǒng)工作機理,，本文以丘陵山地胡麻聯(lián)合收獲機初選+精選復式清選系統(tǒng)工作模式為研究對象,，分別建立初選系統(tǒng)、精選系統(tǒng)CFD模型和胡麻脫出物DEM模型,，采用CFD-DEM聯(lián)合仿真技術,，研究丘陵山地胡麻聯(lián)合收獲機復式清選系統(tǒng)最佳工作參數和脫出物各組分運動軌跡及空間形態(tài)變化，得出丘陵山地胡麻聯(lián)合收獲機脫出物分離規(guī)律,，并進行驗證試驗,，校驗仿真模型可靠性。CFD-DEM聯(lián)合仿真結果表明,，當初選系統(tǒng)入口風速為12.4m/s,、精選系統(tǒng)離心風扇轉速為1.154r/min時，機具清選效果最佳,，其中初選系統(tǒng)胡麻籽粒損失率為0.3%,，短莖稈排出率71.43%，穎殼排出率69.34%,，輕雜排出率65.34%,，含雜率39.01%；精選系統(tǒng)胡麻籽粒損失率為0,，短莖稈排出率40%,，穎殼排出率75%，輕雜排出率100%,，含雜率2.56%,；初選系統(tǒng)中脫出物進入氣流場初始瞬時發(fā)生速度、位移變化依次為輕雜,、穎殼,、胡麻籽粒、短莖稈,，精選系統(tǒng)中脫出物進入氣流場初始瞬時發(fā)生速度,、位移變化依次為穎殼、輕雜,、短莖稈,、胡麻籽粒。田間試驗結果表明，當胡麻籽粒含水率為5.34%時,，作業(yè)機具最佳作業(yè)狀態(tài)下含雜率為3.61%,、總損失率1.98%，作業(yè)期間整機運行平穩(wěn),，作業(yè)指標符合胡麻機械化收獲標準,。試驗結果與仿真結果高度吻合，驗證了模型的可靠性,。

摘要:針對油葵聯(lián)合收獲作業(yè)過程中存在籽粒含雜率及損失率偏高的問題,，測定油葵脫粒后脫出物的尺寸特征和懸浮特性，通過機構的運動學分析與物料的受力分析,，確定了油葵聯(lián)合收獲機清選裝置主要結構參數與工作參數,。以風機轉速、振動頻率和分風板傾角為影響因素,，油葵籽粒含雜率和籽粒損失率為評價指標,，開展工作參數優(yōu)化試驗，單因素試驗結果表明,，清選裝置較優(yōu)工作區(qū)間為：風機轉速1100~1300r/min,、振動頻率3~5Hz、分風板傾角20°~40°,；設計Box-Behnken試驗,，建立了響應面回歸模型，并進行參數優(yōu)化,，結果表明：各試驗因素對含雜率和損失率影響顯著性大小順序均為風機轉速,、振動頻率、分風板傾角,；當風機轉速1200r/min,、振動頻率4Hz、分風板傾角27°時,，試驗結果表明平均油葵籽粒含雜率為4.25%,，平均籽粒損失率為1.82%，滿足油葵聯(lián)合收獲機清選的國家標準要求,。

摘要:針對玉米籽粒收獲機低損脫粒智能控制系統(tǒng)開發(fā)受場地和季節(jié)影響較大的問題，設計了一套低損脫粒智能控制系統(tǒng)半實物仿真平臺,。該仿真平臺由仿真平臺控制器,、操作面板、演示面板,、扶手箱,、顯示器和上位機組成。分析了玉米籽粒收獲機低損脫粒智能控制系統(tǒng)的組成和收獲控制器的測試需求,，建立了玉米籽粒收獲機關鍵作業(yè)參數調節(jié)過程的數學模型,，基于STM32F407型單片機搭建了硬件在環(huán)仿真測試系統(tǒng)，并完成了試驗臺設計,。進行了仿真平臺和玉米籽粒收獲機在空載條件下的作業(yè)參數調節(jié)開環(huán)對照試驗,，其中，滾筒轉速仿真誤差的數學期望為0.126r/min,，標準差為0.776r/min,；作業(yè)速度仿真誤差的數學期望為-0.022km/h，標準差為0.094km/h,；凹板間隙仿真誤差的數學期望為0.041mm,，標準差為0.147mm，驗證了仿真平臺對執(zhí)行機構調節(jié)過程模擬的有效性,。進行了信號模擬測試和收獲控制器自動控制策略仿真測試,，結果證明了仿真平臺可用于玉米籽粒收獲機智能控制系統(tǒng)的開發(fā)和控制策略的測試，提高了系統(tǒng)開發(fā)效率,，縮短了開發(fā)周期,。

摘要:為提高食葵機械化收獲水平,，解決人工分段收獲成本高、勞動強度大等問題,，基于人工取盤原理設計一種食葵取盤裝置,，其主要工作部件為傾斜輸送鏈式取盤機構，模擬人工取盤時沿豎直方向拔起葵盤的動作,，實現(xiàn)葵盤采收,。依據部件作業(yè)過程與動力學分析確定了前翻轉控制凸輪推角、后翻轉控制凸輪推角、托盤桿尺寸及旋轉位置,、推桿角度等關鍵設計參數,，并獲取了作業(yè)性能影響因素及其取值范圍。以機具前進速度,、推桿角度,、插盤高度為取盤性能影響因子，以取盤總損失率為響應值進行三因素三水平正交試驗,，并進行了最優(yōu)參數組合重復試驗,。結果表明，取盤過程中各因素對取盤總損失率顯著性順序依次為推桿角度,、前進速度和插盤高度,，最優(yōu)參數組合為前進速度0.4m/s、推桿角度20°,、插盤高度1000mm，在此參數組合下測得取盤總損失率為1.22%,，該食葵取盤裝置滿足食葵低損失收獲要求,。

摘要:為使多關節(jié)雙臂并行采摘空間與獼猴桃棚架空間相適應,，以保證雙臂間采摘區(qū)域連續(xù)無漏果且采摘面積最大化，采用理論與試驗相結合的方法對雙臂并行采摘平臺進行設計,。首先,，結合機械手工作空間和棚架空間等效模型，分析確定了雙臂空間布局方案,；然后,，通過對雙臂并行采摘效率進行理論分析確定優(yōu)化設計變量，以采摘面積最大和公共區(qū)域占比最小為指標建立目標優(yōu)化函數,，利用粒子群算法求解得最優(yōu)雙臂相對安裝位置870mm,、最優(yōu)雙臂安裝高度1020mm和移動平臺最大間歇式前進步距450mm；在此基礎上,，建立了雙臂開鏈運動模型及其位置層約束關系,；最后，為驗證采摘空間適應性及整機作業(yè)性能,，搭建雙臂并行采摘平臺樣機并進行了果實定位誤差試驗和雙臂并行采摘試驗,。結果表明：果實平均水平和深度定位誤差分別為5.0mm和8.3mm，基本滿足獼猴桃采摘要求，平均果實位置遍歷成功率為92.09%,，雙臂能夠遍歷除奇異點外所要求的目標果實點,，平均果實采摘成功率為82.10%，平均單果采摘時間為5.86s,，通過位姿調整雙臂在共享空間可以改善運動沖突問題,，驗證了獼猴桃雙臂并行采摘平臺的作業(yè)可行性。

摘要:為探明不同翼端間隙條件下水翼端部間隙區(qū)湍流特征及間隙湍流損失機理,，以NACA0009型鈍尾緣水翼為研究對象,，采用基于SST k-ω湍流模型的超大渦模擬方法，分析了間隙寬度τ（分別為0.1c和0.02c）和翼端倒圓半徑r（分別為0,，0.5%c和1%c）對間隙區(qū)渦系結構,、湍流雷諾應力、湍動能和湍流損失的影響,。結果表明,，不同間隙條件下，間隙流動的雷諾應力分布與間隙渦系分布趨于一致,，以法向正應力〈v′v′〉和展向正應力〈w′w′〉為主,。大間隙下（τ=0.1c），湍動能和雷諾應力主要分布在間隙分離渦區(qū)域,，速度梯度〈v〉/z和雷諾應力〈w′w′〉主導間隙分離渦區(qū)域的湍動能生成,，隨翼端倒圓半徑增加，間隙湍流損失因間隙區(qū)雷諾應力的顯著減小而降低,；小間隙下（τ=0.02c）,，間隙端壁邊界層在間隙泄漏渦的強卷吸作用下形成誘導渦，間隙區(qū)湍流損失主要產生于間隙泄漏渦和誘導渦區(qū)域內,，隨翼端倒圓半徑增大而增大,，其原因是主導誘導渦湍動能生成的雷諾應力〈v′v′〉與速度梯度〈v〉/y和主導間隙泄漏渦湍動能生成的〈v′w′〉與(〈v〉/z+〈w〉/y)均隨翼端倒圓半徑增加而增大。

摘要:在揚程幾乎為零的平原小河道中，傳統(tǒng)水泵存在運行效率低,、穩(wěn)定性差,、架設成本高等問題,。為提升平原小河道的水動力條件，提出了利用撲動水翼推動小河道水體流動的方法,。并由此建立了撲動水翼的計算模型,，針對不同撲動頻率以及不同來流速度對撲動水翼推水性能的影響進行了數值模擬研究。設計了撲動水翼推水性能試驗平臺,，在循環(huán)流道內進行了試驗驗證,。結果表明：撲動水翼裝置的流量與其撲動頻率成正比，揚程與撲動頻率的平方成正比,。在固定頻率下,，撲動水翼的尾渦隨著流速的增加從混沌狀態(tài)逐漸形成雙列反卡門渦街，裝置泵水效率逐漸增加,，直至最佳效率點,；流速繼續(xù)增加，反卡門渦街轉變?yōu)閱瘟?，效率迅速下降,。此外，撲動水翼裝置具有揚程低,、流量大等優(yōu)點,，在平原河流推水上具有優(yōu)勢。

摘要:為了探究軸流泵裝置反轉運行條件下的水動力特性,，采用試驗測量結合數值模擬的方法,，對某配有常規(guī)單向葉輪的軸流泵裝置的反轉運行特性進行了研究，分析了軸流泵裝置包括反水泵工況,、反向發(fā)電工況的能量特性和內流特性,。結果表明，應用單向葉輪的軸流泵裝置進行反轉抽水的揚程和效率均較低,，高效點的揚程僅為常規(guī)泵工況高效點揚程的0.38倍,，高效點的效率僅為常規(guī)泵工況的0.55倍。反水泵工況下的壓力脈動信號成分較為復雜,，泵裝置出水流道的流態(tài)較差,，不同流量工況下的葉片非工作面均存在較大范圍的回流區(qū)。反向發(fā)電工況下,，最高效率點向大流量偏移,，出現(xiàn)在Qd=1.63流量工況,，高效區(qū)的范圍明顯增大，達到了泵工況的1.53倍,，在大流量工況下仍能維持較高水平的水力效率,。反向發(fā)電工況下水泵葉片非工作面的極限流線較為平順，葉片工作面的壓力梯度分布較為均勻,。研究成果為特殊利用條件下的軸流泵裝置的安全穩(wěn)定運行提供了參考,。

摘要:為了進行田塊尺度的冬小麥單產估測,，以陜西省關中平原為研究區(qū)域，基于Sentinel-1,、Sentinel-2和Sentinel-3衛(wèi)星數據反演葉面積指數（LAI）,，并利用增強的深度卷積神經網絡融合模型（EDCSTFN）和增強的時空自適應反射率融合模型（ESTARFM）對Sentinel-1、Sentinel-2和Sentinel-3 LAI進行時空融合,，進而重建尺度12d的空間分辨率20m LAI并用于冬小麥單產估測,。結果表明，基于Sentinel-1后向散射系數和相干性能夠準確地反演關中平原冬小麥種植區(qū)的20m空間分辨率LAI,，決定系數（R2）在冬小麥主要生育期可達0.70以上,；相比于基于Sentinel-2和Sentinel-3的ESTARFM模型和EDCSTFN模型（EDCSTFN_S3），基于Sentinel-1和Sentinel-2的EDCSTFN模型（EDCSTFN_S1）可以明顯提高距離參考影像獲取日期較遠的日期的LAI時空融合精度,，ESTARFM,、EDCSTFN_S3和EDCSTFN_S1 3個模型在5月下旬的融合結果對應的R2分別為0.53、0.71和0.76,；基于時空融合LAI的冬小麥估產結果與冬小麥單產數據具有良好的相關性（R2=0.52,，P<0.01），估產結果的均方根誤差為358.25kg/hm2,，歸一化均方根誤差為19%,，平均相對誤差為7.34%，并顯示了豐富的田塊尺度冬小麥單產分布細節(jié)特征,，展現(xiàn)了進行田塊尺度冬小麥精確估產的潛力,。

摘要:為運用圖像顏色特征估測作物的葉綠素含量,，以自然環(huán)境下的小麥冠層圖像為研究對象,，提出一種基于熵權法的顏色特征選擇方法,，并應用機器學習方法建立小麥冠層葉綠素含量估測模型。熵權法通過信息熵來衡量顏色特征指標權重,，實現(xiàn)冠層圖像特征排序,，機器學習方法選用多元線性回歸（Multiple linear regression, MLR）、嶺回歸（Ridge regression, RR）和支持向量回歸模型（Support vector regression, SVR）估測小麥冠層葉綠素含量,。試驗結果表明,，與皮爾遜相關系數法和主成分分析法選取的特征集進行對比，熵權法得到a*,、R-G-B,、R-G、（a*+b*）/L,、a*/b*,、(R-G)/(R+G+B)、(R-B)/(R+B),、H/S,、(R-G)/(R+G)等9個特征組成的特征集，可以利用較少的特征指標達到最優(yōu)的預測效果,。在選取相同特征指標參數的情況下,，SVR的預測能力優(yōu)于其它模型，其R2和RMSE的平均值分別為0.80,、1.89,，相比于MLR和RR模型R2分別提升2.8%、1.1%,，RMSE分別下降0.13和0.05,。將基于熵權法建立的SVR模型應用到2021年采集的小麥冠層圖像數據，結果表明模型具有很好的穩(wěn)定性,。

摘要:物候是植被生理生態(tài)過程與環(huán)境變化相互作用的體現(xiàn)，時間序列遙感數據的使用有助于揭示水稻物候特征,?；谒疚锖蛱卣鹘⒁粋€可靠的水稻面積監(jiān)測體系，及時,、準確地監(jiān)測水稻種植面積,，對于糧食安全十分重要。本研究以中等分辨率成像光譜儀（Moderate resolution imaging spectroradiometer, MODIS）為數據源,，選擇增強型植被指數（Enhanced vegetation index, EVI）,，重構2019年和2020年EVI時間序列,，提取水稻物候信息，并選擇季節(jié)積分和生長季振幅兩個指標,，結合2019年單點EVI時間序列和水稻種植面積的統(tǒng)計數據,，確定江蘇省13個地級市水稻的季節(jié)積分和生長季振幅的閾值，并根據得到的閾值,，提取2020年江蘇省水稻種植面積,。利用2020年水稻種植面積的統(tǒng)計數據和美國陸地衛(wèi)星-8攜帶的陸地成像儀（Landsat8 operational land image, Landsat8 OLI）影像，對提取結果進行了精度驗證,。結果表明,，水稻提取的總體精度為92.55%，Kappa系數為0.8463,，水稻的制圖精度為92.90%,，用戶精度為89.09%，與統(tǒng)計數據的一致性為93.90%,，提取精度較高,，在技術上具有可行性。該方法為大區(qū)域提取農作物種植面積提供了參考,。

摘要:利用2006—2020年MODIS NDVI數據和2010年及2015年的國內生產總值(GDP),、人口(POP)、土地覆蓋(Land Cover)空間分布數據,，分析了安徽省NDVI的時空變化規(guī)律及人類活動對NDVI空間變異的影響,。結果表明：2006—2020年安徽省NDVI在0.535~0.568之間波動，總體呈改善趨勢,，累積增長率為6.23%,；季節(jié)上年增長率由大到小依次為秋季(0.0042a-1)、冬季(0.0036a-1),、夏季(0.0031a-1)和春季(0.0029a-1),。15年來，安徽省NDVI明顯改善和輕微改善的區(qū)域面積占全省NDVI面積的69.17%,，改善區(qū)域主要分布在長江以南地區(qū),；季節(jié)上，春季和冬季對NDVI改善的貢獻最大,。安徽省NDVI呈現(xiàn)持續(xù)性改善的區(qū)域占42.36%,，呈現(xiàn)持續(xù)性退化的區(qū)域占17.23%，退化區(qū)域主要分布在省會城市及其周邊經濟發(fā)展較快城市,。2010年GDP,、POP,、Land Cover對NDVI的空間變異分布解釋力均在27%以上，2015年解釋力均在15%以上,，可見,，GDP、POP,、Land Cover對NDVI的空間分布均存在顯著的影響,。安徽省2006—2020年NDVI在時間和空間上均呈不斷改善趨勢，表明安徽省的綠色發(fā)展正在穩(wěn)步推進,。

摘要:倒伏是影響小麥產量和質量的重要因素之一,，及時準確獲取倒伏信息有利于小麥良種選育中的倒伏損失鑒定,。本文以小麥灌漿期和成熟期兩個生長階段的可見光無人機遙感影像為依據，構建多生長階段小麥倒伏數據集,，通過在DeepLab v3+模型中添加不同的注意力模塊進行比較分析,，提出一種基于多頭自注意力（MHSA）的DeepLab v3+小麥倒伏檢測模型。試驗結果表明,，提出的MHSA+DeepLab v3+模型的平均像素精度(Mean pixel accuracy, mPA)和均交并比(Mean intersection over union, mIoU),，灌漿期分別為93.09%和87.54%，成熟期分別為93.36%和87.49%,。與代表性的SegNet,、PSPNet和DeepLab v3+模型相比，在灌漿期mPA提高了25.45,、7.54,、1.82個百分點和mIoU提高了36.15、11.37,、2.49個百分點,，在成熟期mPA提高了15.05、6.32,、0.74個百分點,，mIoU提高了23.36,、9.82,、0.95個百分點。其次,，相比于CBAM和SimAM兩種注意力模塊,，在灌漿期及成熟期基于多頭自注意力的DeepLab v3+表現(xiàn)均為最優(yōu),，在灌漿期其mPA和mIoU分別提高了1.6、2.07個百分點和1.7,、2.45個百分點,，成熟期提高了0.27、0.11個百分點和0.26,、0.15個百分點,。研究表明提出的改進的DeepLab v3+模型能夠有效地捕獲灌漿期和成熟期的無人機小麥遙感圖像中的倒伏特征，準確識別不同生育期的倒伏區(qū)域,，具有良好的適用性,，為利用無人機遙感技術鑒定小麥倒伏災害等級和良種選育等提供了參考。

摘要:準確快速獲取植被覆蓋條件下農田土壤鹽分信息，為土壤鹽漬化治理提供依據,。利用無人機遙感平臺,，獲取2019年7、8,、9月內蒙古河套灌區(qū)沙壕渠灌域試驗地的多光譜遙感圖像以及取樣點0~10cm,、10~20cm、20~40cm,、40~60cm深度處土壤含鹽量,，通過多光譜遙感圖像計算得到光譜指數，選擇歸一化植被指數（NDVI-2）代入像元二分模型計算植被覆蓋度,，并劃分為T1（裸土）,、T2（低植被覆蓋度）、T3（中植被覆蓋度）,、T4（高植被覆蓋度）4個覆蓋度等級,；同時，對光譜指數進行全子集變量篩選,，并利用偏最小二乘回歸算法和極限學習機算法,，構建不同覆蓋度下各深度土壤含鹽量反演模型。研究結果表明,，裸土和高植被覆蓋度下的反演模型精度高于低植被覆蓋度和中植被覆蓋度下的反演模型精度,；對比PLSR和ELM 2種SSC反演模型精度，ELM模型的反演精度比PLSR模型高；覆蓋度T1,、T2,、T3和T4的最佳反演深度分別為0~10cm、10~20cm,、20~40cm,、20~40cm。研究結果為無人機多光譜遙感監(jiān)測農田土壤鹽漬化提供了思路,。

摘要:針對高光譜遙感土壤重金屬含量估算研究中光譜特征信息弱、模型反演魯棒性差的問題,，提出構建污染源-匯空間特征量化污染物擴散與匯聚空間影響因子,，融合光譜特征建立基于極端隨機樹（Extremely randomized trees，ERT）的土壤重金屬含量估算模型,。以濟源市耕地土壤為研究區(qū),，布設采集土壤樣本249個，分析了光譜特征,、地形特征和污染源空間特征在土壤重金屬鉛（Pb）,、鉻（Cd）含量反演中的有效性及影響機理，采用置換重要性指數優(yōu)選多源特征,，通過與多種回歸模型對比,，評價ERT模型的預測精度。研究表明,，變換后的土壤光譜特征構建ERT模型引入地形特征和污染源空間特征后精度提升顯著,，尤其是污染源空間特征優(yōu)勢更為明顯，Pb的ERT模型均方根誤差由43.185mg/kg下降到22.301mg/kg,下降了48.36%,。Cd的ERT模型均方根誤差由0.738mg/kg下降到0.371mg/kg,，下降了49.73%，充分說明引入污染擴散空間特征的有效性,。與其他回歸模型對比,，ERT估算模型在各項指標評價中優(yōu)勢明顯，其中Pb的ERT模型的測試集R2達0.964,，Cd的ERT模型R2為0.923,。

摘要:為了探明作物葉片像素提取的內在機理,，設計適用于高光譜和多光譜影像的自動葉片提取方法,，以實測高光譜和模擬多光譜影像為基礎，通過特征轉換,、圖像分割、邊緣檢測,、基于梯度的斷點連接4個步驟,，最終實現(xiàn)了作物葉片的快速、準確,、自動化提取,。結果表明，EVI對作物葉片增強效果最好,，NDVI次之,，基于紅邊的植被指數效果最差。在葉片提取過程中,，本方法所涉及的5個精度評價指標平均值均在0.94以上,，分布于0.9478~0.9896，葉片提取精度極高,。該方法相較于大津法（OTSU）,、標記分水嶺（Marker-watershed）等經典方法具有明顯的優(yōu)勢，其提取精度分別提高了29%~98%,，與全卷積神經網絡（FCN）或隨機森林（RF）基本相當,。通過運用特征轉化，局部自適應閾值分割和邊緣檢測相結合,，可以實現(xiàn)基于高光譜,、多光譜影像的葉片像素快速、準確,、自動化提?。辉摲椒杀苊夥爆嵉臉颖緲擞?，且對高光譜和多光譜影像的空間分辨率及尺寸要求較低,，其提取結果可直接作為深度學習的標記樣本或葉片尺度的表型參數反演的基礎數據，具有推廣價值,。

摘要:針對現(xiàn)有遙感估產方法未對通道間依賴關系建模和無法整合影像外其他特征的問題,，以寧夏枸杞估產為例,，提出了一種基于CNN-S-GPR的高光譜影像年際作物估產模型。首先,，運用直方圖降維,、歸一化、時間序列融合和維度轉換4種特征工程方法構建枸杞估產數據集，實現(xiàn)多波段,、多時相影像融合,；然后，采用卷積神經網絡自動提取數據集特征,，簡化特征提取操作,；接著，融合通道注意力機制,，以表征不同通道間的重要程度,；最后，引入高斯過程回歸,，整合影像特征及空間位置特征,，進一步提高估產準確性。實驗結果表明,，與其他估產模型相比,，該模型平均相對誤差和均方根誤差下降了0.44~0.95個百分點和52.48~82.65t，且決定系數達到0.91,。結合寧夏16個縣的枸杞年際產量實現(xiàn)了復雜擬合,，對全區(qū)農業(yè)規(guī)劃布局及可持續(xù)發(fā)展具有參考價值。

摘要:國土空間開發(fā)與生態(tài)環(huán)境間是相互關聯(lián)及協(xié)調促進的關系,，探究其耦合協(xié)調度及空間關聯(lián)格局對地區(qū)實現(xiàn)高質量發(fā)展和生態(tài)文明建設意義重大。本文采用熵值法和指標體系評價法分別測算了2008—2018年河南省地級市的國土空間開發(fā)程度及生態(tài)環(huán)境水平,，在此基礎上,，運用耦合協(xié)調度模型和空間自相關分析評價了兩者耦合協(xié)調度及空間關聯(lián)的時空分異特征。研究表明,，2008—2018年河南省各地市國土空間開發(fā)水平整體穩(wěn)中有進,，生態(tài)環(huán)境水平呈緩慢縮減并提升的態(tài)勢。河南省國土空間開發(fā)與生態(tài)環(huán)境的耦合協(xié)調度主要處于瀕臨失調與勉強協(xié)調階段,，并隨時間推移呈增強趨勢,，空間分布差異明顯，整體呈現(xiàn)“中東部協(xié)調過渡,，中部和西北部協(xié)調提升”的特征,。全局空間自相關表明國土空間開發(fā)及生態(tài)環(huán)境水平均存在顯著正相關性；兩者耦合協(xié)調度歷年呈正相關性,，且具有明顯集聚特征,，HH型多以“組團”形式出現(xiàn)，LL型由“散布”式向“組團”式轉變,，LH型多散布在LL型周邊,；空間上看,，中部和西部地區(qū)耦合協(xié)調度較高，區(qū)域間多形成HH集聚區(qū),，東部和南部地區(qū)耦合協(xié)調不足,，多形成LL集聚區(qū)。

摘要:耕地系統(tǒng)安全評價是改善區(qū)域耕地系統(tǒng)安全狀態(tài)和保障糧食生產安全的重要舉措。以長株潭地區(qū)為研究區(qū),，從耕地數量,、質量和生態(tài)三者系統(tǒng)性保護的視角,，構建耕地系統(tǒng)安全評價指標體系,，采用量子遺傳算法改進的投影尋蹤模型，定量分析耕地系統(tǒng)安全的時空演變特征,，識別關鍵因子,。結果表明:研究區(qū)各子系統(tǒng)投影值呈“交錯遞減”狀態(tài)，耕地系統(tǒng)安全綜合投影值波動式降低,，由2009年的1.2521減少到2019年的1.2517,；2019年，長株潭地區(qū)耕地系統(tǒng)安全表現(xiàn)為由中心城區(qū)向四周城郊區(qū)輻射式提升的空間分異特征,；針對不同耕地系統(tǒng)安全等級區(qū),，因地制宜提出了調控措施，有利于提升區(qū)域耕地系統(tǒng)安全狀態(tài),；耕地總面積,、人均耕地面積、耕地墾殖率,、單位耕地面積地膜負荷和污水集中處理率是影響該地區(qū)耕地系統(tǒng)安全的關鍵因子,，需積極從保護耕地數量和提高耕地利用管理水平方面維持和改善當地耕地系統(tǒng)安全狀態(tài)。本研究可為長株潭地區(qū)耕地保護及社會經濟高質量發(fā)展提供理論支撐,。

摘要:為提高土壤鹽分分布圖繪制精度或降低野外采樣和室內分析成本,，優(yōu)化土壤采樣點布局，本文以回歸克里格法估計方差（RKV）最小和普通克里格估計方差（OKV）最小為目標函數,，運用空間模擬退火（SSA）算法對土壤鹽分采樣點布局進行優(yōu)化,，其中回歸克里格法（RK）中的協(xié)變量選擇與土壤鹽分分布關系密切且容易獲取的環(huán)境變量；通過最鄰近距離分布函數（G函數）,、間隔距離分布函數（F函數）和K-S檢驗對優(yōu)化結果進行評價,。結果表明：荒地分布在大尺度上（400m×400m）與鹽分相關性強,，而在小尺度上（50m×50m）與鹽分相關性弱；以荒地分布（與荒地最短距離）作為協(xié)變量,，利用RK法優(yōu)化采樣點布局（采樣數為55）后得到的研究區(qū)平均RKV為0.0807,，相較平均OKV（0.1143）縮小了29.39%；優(yōu)化后采樣點布局的G函數曲線和F函數曲線全部落在95%置信區(qū)間內,，即F函數和G函數均與其理論值無顯著差異,，采樣點布局良好覆蓋了地理空間；K-S檢驗表明,，優(yōu)化后采樣點上與荒地最短距離的分布與其總體分布服從同一概率分布,，即采樣點布局良好覆蓋了屬性空間。本研究可為河套灌區(qū)土壤鹽漬化監(jiān)測點布局提供參考,。

摘要:為解決農業(yè)多機器人在傳統(tǒng)蘋果園行間協(xié)同作業(yè)時的通信節(jié)點最佳部署問題,，研究了2.4GHz Wi-Fi信號在傳統(tǒng)蘋果園（蘋果成熟期）中的傳播特性,。將信號發(fā)射、接收節(jié)點分別距地面高度0.45,、0.55,、0.65、0.75m垂直部署,，依據多機器人直線型,、小間距V形、大間距V形,、并排型等4種典型編隊方式將節(jié)點水平部署,，測量通信信號在不同高度條件以及上述4種編隊方式下不同距離處的接收強度。研究結果表明,，4種編隊方式中,，以直線型編隊方式下的信號衰減最緩慢。因此,，傳統(tǒng)蘋果園中多機器人最佳的編隊方式為直線型,，節(jié)點部署高度最好在果樹第一側枝向下0.2m左右處。對路徑損耗數據進行回歸分析,，發(fā)現(xiàn)其在每個無線通信信號節(jié)點高度,、每種多機器人典型編隊方式下均符合對數路徑損耗模型，模型的R2在0.860~0.989之間,。同時,，建立了用于預測2.4GHz Wi-Fi信號在傳統(tǒng)蘋果園（蘋果成熟期）中的路徑損耗模型,，并同期選擇了其他蘋果園驗證了預測模型的準確性，R2在0.947~0.967之間,，RMSE在1.489~2.432dBm之間,。模型能較好地預測Wi-Fi信號在傳統(tǒng)蘋果園中的路徑損耗情況，可為農業(yè)多機器人在傳統(tǒng)蘋果園中的通信節(jié)點部署提供參考,。

摘要:針對蘋果采摘機器人識別算法包含復雜的網絡結構和龐大的參數體量,，嚴重限制檢測模型的響應速度問題,，本文基于嵌入式平臺，以YOLO v4作為基礎框架提出一種輕量化蘋果實時檢測方法(YOLO v4-CA),。該方法使用MobileNet v3作為特征提取網絡,，并在特征融合網絡中引入深度可分離卷積,，降低網絡計算復雜度,；同時，為彌補模型簡化帶來的精度損失,，在網絡關鍵位置引入坐標注意力機制,，強化目標關注以提高密集目標檢測以及抗背景干擾能力。在此基礎上,，針對蘋果數據集樣本量小的問題,，提出一種跨域遷移與域內遷移相結合的學習策略，提高模型泛化能力,。試驗結果表明,，改進后模型的平均檢測精度為92.23%，在嵌入式平臺上的檢測速度為15.11f/s,，約為改進前模型的3倍,。相較于SSD300與Faster R-CNN，平均檢測精度分別提高0.91,、2.02個百分點,，在嵌入式平臺上的檢測速度分別約為SSD300和Faster R-CNN的1.75倍和12倍；相較于兩種輕量級目標檢測算法DY3TNet與YOLO v5s,，平均檢測精度分別提高7.33,、7.73個百分點。因此,，改進后的模型能夠高效實時地對復雜果園環(huán)境中的蘋果進行檢測,，適宜在嵌入式系統(tǒng)上部署,，可以為蘋果采摘機器人的識別系統(tǒng)提供解決思路。

摘要:針對傳統(tǒng)蟻群算法在移動機器人路徑規(guī)劃中存在的收斂速度慢,、收斂路徑質量低,、死鎖以及動態(tài)避障能力差的問題，本文提出基于改進避障策略和雙優(yōu)化蟻群算法（Double optimization ant colony algorithm,，DOACO）的路徑規(guī)劃方法,。首先，設計新的概率轉移函數并對函數中的各分量權重進行自適應調整,，以優(yōu)化算法的收斂速度,；然后，利用碰撞檢測策略對路徑進行再優(yōu)化,，進一步提高算法的性能,；最后，針對常規(guī)避障策略避障能力差,、實時性不足等問題,，提出避障行為與局部路徑重規(guī)劃相結合的避障策略。實驗結果表明,，DOACO算法相對于傳統(tǒng)的蟻群算法,，不僅能規(guī)劃出更優(yōu)的路徑，收斂速度也更快,，而且新的避障策略也可以有效地應對多種碰撞情況,。

摘要:為了實現(xiàn)休眠期棗樹自動選擇性剪枝作業(yè)，針對復雜樹形結構修剪枝難以識別的問題,，研究了基于語義分割網絡實現(xiàn)自然場景中棗樹修剪枝識別與骨架提取,。通過RGB-D相機搭建的視覺系統(tǒng)獲取不同天氣情況下棗樹的點云信息，根據距離閾值去除復雜的棗園背景,，并構建棗樹前景數據集,。利用DeepLabV3+和PSPNet 2種深度學習模型分割棗樹枝干同時獲取其修剪枝的掩膜，并進行結果對比,。對修剪枝掩膜進行二值化,，依據二值圖像的面積去除噪聲，對去噪后的連通域標記,，并提取修剪枝骨架,，最終確定修剪枝數量,，建立修剪枝數量真實值與預測值之間的線性回歸模型。結果表明：基于ResNet-50特征提取網絡的DeepLabV3+模型識別結果最好,，平均像素準確率（mPA）,、平均交并比（mIoU）分別為89%和81.85%，其中棗樹主干,、修剪枝2個類別的像素準確率（PA）和交并比（IoU）分別為90.36%,、80.98%和80.34%、66.69%,；在3種典型天氣（晴天,、陰天、夜間）情況下,，晴天棗樹枝干的mPA（91.97%）略高于陰天（91.81%）和夜間（90.98%）,，同時，預測的修剪枝與真實值的R2（0.8699）也高于陰天（0.8373）和夜間（0.8120）,，并得到最小的RMSE為1.1618,。

摘要:為了給設施番茄授粉機器人授粉提供可靠的定位技術,，提出了一種基于3D視覺的番茄花朵定位方法,。采用RGB-D結構光相機快速獲取溫室內番茄植株的彩色圖和深度圖信息,，通過YOLO v4 (You only look once)神經網絡對植株上番茄花束進行目標檢測，并提取出授粉花束在圖像中的二維區(qū)域,；使用主動對齊方式結合PCL進行彩色圖像和深度圖像的粗對齊,，利用區(qū)域內色系單視角線性遍歷方法對提取的花束區(qū)域進行精配準，獲得番茄花束的空間高精度點云信息,；再使用統(tǒng)計濾波法剔除點云信息離群點后,，結合雙向均值法計算花束3D box的授粉質心坐標。定位試驗結果表明,，該方法在溫室環(huán)境中能成功對花束進行識別定位,，神經網絡平均檢測精度達97.67%，完成單幅圖像花束提取時間為14.95ms,，算法獲取授粉質心坐標的平均時間約為300ms,。后期在溫室內驗證，在花束被遮擋小于80%時,，算法能夠對番茄花朵進行精準定位,，并成功執(zhí)行授粉動作,，為番茄授粉機器人提供了一種新的授粉點定位方法。

摘要:為提高YOLOv4目標檢測算法對蘋果葉片小型病斑的檢測性能，提出了一種PSA（金字塔壓縮注意力）-YOLO算法,。在CSPDarknet53的基礎上融合了Focus結構和PSA機制,，并采用網絡深度減小策略，構建了參數量小,、精確度高的PSA-CSPDarknet-1輕量化主干網絡,。其次在網絡頸部，搭建了空間金字塔卷積池化模塊,，用極小的計算代價增強了對深層特征圖的空間信息提取能力,，并采用α-CIoU損失函數作為邊界框損失函數，提高網絡對高IoU閾值下目標的檢測精度,。根據實驗結果,，PSA-YOLO網絡在蘋果葉片病斑識別任務中的AP50達到88.2%。COCO AP@[0.5∶0.05∶0.95]達到49.8%,，比YOLOv4提升3.5個百分點,。網絡對于小型病斑的特征提取能力提升幅度更大，小型病斑檢測AP比YOLOv4提升3.9個百分點,。在單張NVIDIA GTX TITAN V顯卡上的實時檢測速度達到69幀/s,，相較于YOLOv4網絡提升13幀/s。

摘要:為了提取到更加準確、豐富的葉片病斑的顏色特征和空間特征,，解決病害嚴重程度細粒度分類粗糙,、識別準確率低等問題，提出一種融合顏色掩膜網絡和自注意力機制(Fusion color mask and self-attention network, FCMSAN)的病害識別方法,。FCMSAN由顏色掩膜網絡(Color mask network,CMN)和融合通道自適應的自注意力網絡(Channel adaptive self-attention network, CASAN)構成,。CMN通過學習葉片病斑顏色區(qū)域信息提高模型提取顏色特征的能力；CASAN能夠提取全局范圍內的病斑特征，同時加入病斑的位置特征和通道自適應特征,，可以精確,、全面定位葉片病斑區(qū)域。最后通過特征轉換融合模塊（Transfer fusion layer,，TFL）將CMN和CASAN進行融合,。經實驗證明，F(xiàn)CMSAN在61類農作物病蟲害細粒度識別中,，Top-1的分類準確率達到87.97%,，平均F1值達到84.48%。最后通過可視化分析,，驗證了本文方法在病害識別中的有效性,。

摘要:為改善豬只重疊與遮擋造成的豬只身份編號（Identity,，ID）頻繁跳變，在YOLO v5s檢測算法基礎上,，提出了改進DeepSORT行為跟蹤算法,。該算法改進包括兩方面：一針對特定場景下豬只數量穩(wěn)定的特點，改進跟蹤算法的軌跡生成與匹配過程,，降低ID切換次數,，提升跟蹤穩(wěn)定性；二將YOLO v5s檢測算法中的行為類別信息引入跟蹤算法中,，在跟蹤中實現(xiàn)準確的豬只行為識別,。實驗結果表明，在目標檢測方面,，YOLO v5s的mAP為99.3%,，F(xiàn)1值為98.7%。在重識別方面,，實驗的Top-1準確率達到99.88%。在跟蹤方面,，改進DeepSORT算法的MOTA為91.9%,，IDF1為89.2%，IDS為33,；與DeepSORT算法對比,，MOTA和IDF1分別提升了1.0、16.9個百分點，IDS下降了83.8%,。改進DeepSORT算法在群養(yǎng)環(huán)境下能夠實現(xiàn)穩(wěn)定ID的豬只行為跟蹤,，能夠為無接觸式的生豬自動監(jiān)測提供技術支持。

摘要:大閘蟹是我國特有的名優(yōu)水產養(yǎng)殖品種,，其質量既是確定投喂量的重要依據，亦是評判其生長狀況,、品質等級的重要指標,。為了準確估算蟹體質量，提出一種基于多維度特征和輕量梯度提升機(Light gradient boosting machine,，LightGBM)的大閘蟹質量估算方法,。首先通過相機獲取蟹體圖像，其次采用圖像處理技術對圖像進行分割以獲取背甲圖像,，然后提取背甲二值圖像的幾何特征構成形狀特征(Shape features,，SF)；提取不同顏色空間背甲圖像的各通道分量值構成顏色特征(Color features,，CF),，并采用標定法計算特征值；最后采用基于LightGBM的方法預測大閘蟹質量,。本文根據色澤表征其發(fā)育狀況,，提取背甲顏色特征與形狀特征構成多維度特征，解決單一形狀特征導致預測精度不高的問題,；提取背甲輪廓比值作為形狀特征,，有效降低隨機調整相機高度對特征值穩(wěn)定性的影響；在真實數據集上進行預測,，結果表明平均絕對誤差(MAE)為2.751g,，均方根誤差(RMSE)為3.680g，決定系數R2為0.949,。并與SF-LightGBM,、SF3-LightGBM 、area-OLS,、MF-BPNN和MF-SVM質量估算方法進行對比,，本文方法的各評價指標的性能均有較大幅度提升，能夠較準確地估算出大閘蟹蟹體質量,。

摘要:隨著區(qū)塊鏈農產品溯源技術的發(fā)展，果蔬產品質量安全得到保障,。由于我國果蔬產品溯源跨度大,、追溯周期長、涉及面廣,，并且區(qū)塊鏈網絡數據賬本由全網節(jié)點共同記賬備份,，海量溯源數據存儲壓力大，同時所有數據透明共享,，造成供應鏈溯源數據無法全部上鏈,，引起產品數據上下游溯源企業(yè)共享不及時、追溯數據安全性難以得到保障,、監(jiān)管部門無法實時監(jiān)管全部溯源數據,，出現(xiàn)農產品質量安全問題時，責任無法定位,、產品難以找到問題源頭,。基于上述問題,，設計基于區(qū)塊鏈多鏈架構的果蔬產品溯源框架,，設計溯源數據存儲模型，并通過智能合約實現(xiàn)溯源數據分類鏈上加密存儲,、鏈間授權訪問,、基于授權憑證解密查詢，保證果蔬全供應鏈溯源隱私數據密文上鏈,，減緩區(qū)塊鏈存儲壓力,、實現(xiàn)上下游溯源企業(yè)隱私數據無孤島授權共享?；诼?lián)盟鏈Hyperledger Fabric通道技術實現(xiàn)多鏈溯源系統(tǒng),，經過擴散性測試，由對稱加密與橢圓曲線混合加密的“鏈上加密存證,、鏈間基于授權憑證共享,、鏈上解密查詢”智能合約方案，隱私數據密文變化率達95%以上,，密鑰密文變化率達94%以上,，具備較高的安全性和混淆性；經過性能測試,，所設計并實現(xiàn)的多鏈架構溯源系統(tǒng)公開溯源數據查詢平均時延為56.9ms，基于授權憑證的隱私溯源數據平均解密查詢時延為62.87ms，處理企業(yè)節(jié)點發(fā)起數據上鏈請求的平均時延為2.16s,，能夠滿足果蔬產品追溯實際的應用需求,。

摘要:為有效解決傳統(tǒng)TDR系統(tǒng)在確定土壤濕潤鋒位置時帶寬小,、上升沿時間長,、分層界面位置測量誤差大等問題，本文在研究TDR阻抗測量的基礎上,，利用微波頻域,、時域變換理論提出了一種基于便攜式矢量網絡分析儀的土壤濕潤峰測量方法。利用ADS仿真分析驗證了TDR波形重新建模方法,，證明了不同阻抗交界面檢測的可靠性,。通過油水交界面、2層不同含水率土壤干濕交界面,、3層不同含水率土壤干濕交界面位置的測量,，與傳統(tǒng)TDR方法測得的結果進行對比，結果表明基于便攜式矢量網絡分析儀建立的微波阻抗反射信號轉換模型在實際應用中具有很好的準確性,，可為土壤分布式含水率的測定提供理論借鑒,。

摘要:為揭示寒地黑土稻田痕量溫室氣體的排放規(guī)律,，以及稻田痕量溫室氣體排放與水分利用效率（WUE）及氮肥吸收利用率（NUE）間的關系，設置干濕交替灌溉和傳統(tǒng)淹水灌溉2種水分管理模式,，以及4個生物質炭施用量水平(0,、2.5、12.5,、25t/hm2),，以傳統(tǒng)淹水灌溉作為對比，應用15N示蹤技術,，研究水炭運籌下寒地黑土稻田甲烷和氧化亞氮排放的季節(jié)變化規(guī)律,，明確稻作水氮利用與甲烷和氧化亞氮排放的關系，并計算溫室氣體的全球增溫潛勢（GWP）和排放強度（GHGI）,。結果表明：生物質炭施用量相同時,，傳統(tǒng)淹水灌溉模式的甲烷排放通量顯著高于干濕交替灌溉模式(P<0.05)，而氧化亞氮排放通量均低于干濕交替灌溉模式,。干濕交替灌溉模式的甲烷總排放量顯著低于傳統(tǒng)淹水灌溉模式(P<0.05),，而氧化亞氮總排放量高于傳統(tǒng)淹水灌溉模式,，施加生物質炭對稻田甲烷、氧化亞氮減排效果顯著,；干濕交替灌溉模式下稻田痕量溫室氣體的GWP,、GHGI顯著低于傳統(tǒng)淹水灌溉模式(P<0.05)，施加生物質炭可以降低稻田痕量溫室氣體的GWP,、GHGI,。干濕交替灌溉模式的WUE顯著高于傳統(tǒng)淹水灌溉模式（P<0.05）,，適量施入生物質炭可以增加WUE和氮肥整體、基肥、蘗肥,、穗肥的NUE,。兩種灌溉模式稻田痕量溫室氣體的GWP和GHGI與WUE均呈顯著負相關(P<0.05),；兩種灌溉模式稻田痕量溫室氣體的GWP,、GHGI與氮肥整體、基肥,、蘗肥,、穗肥的NUE均呈顯著或極顯著負相關。

摘要:利用番茄盆栽試驗,，在土表以下17cm處布設秸稈隔層，有效隔斷土壤毛管連續(xù)性,，再結合灌溉水的淋洗作用,，促使土壤鹽分向下運移，盆栽土壤在垂直方向上趨于“上低下高”的非均勻分布狀態(tài),，探究該鹽分狀態(tài)下番茄產量和作物不同生育階段根系及鹽分分布特征間的內在聯(lián)系,。結果表明，在土壤鹽分垂向非均勻分布處理中,，隔層以下土壤中過高的鹽分含量抑制了番茄根系的生長與分布,，而上層低鹽區(qū)土壤中根系則呈現(xiàn)出補償性生長。在盆栽土壤鹽分含量一定時,，鹽分垂向非均勻分布處理的根系干物質量及果實產量均顯著高于鹽分均勻分布處理（P<0.05）,，鹽分“上低下高”的差異性分布緩解了作物整體所受鹽分脅迫。在參照傳統(tǒng)水分生產函數Stewart模型和Jensen模型的基礎上,，分別利用表層鹽分因子,、平均鹽分因子及根系加權平均鹽分因子構建作物鹽分生產函數，經函數精度評估后發(fā)現(xiàn),，利用根系加權平均鹽分因子結合Jensen函數構建的作物分階段生產函數對番茄產量的預測精度最高,，而不同生育階段中,，番茄坐果期土壤含鹽量及根系分布狀況對最終產量的影響最大。

摘要:為探索鹽漬化地區(qū)控釋肥水氮耦合效應及優(yōu)化組合方案,，提高水氮利用效率,，減少硝態(tài)氮流失，2019年和2020年在河套灌區(qū)開展了控釋肥施用農田不同水氮配比試驗,，研究了鹽漬化地區(qū)向日葵產量和水氮利用效率對控釋肥與傳統(tǒng)肥料的響應差異,，以及控釋肥不同水氮配比對向日葵產量和水氮利用效率的影響，構建了向日葵經濟效益與水氮交互作用的數學回歸模型,，并優(yōu)化了水氮組合方案,。結果表明：與傳統(tǒng)肥料相比，控釋肥處理產量,、氮肥農學利用率,、氮肥偏生產力和灌溉水生產效率平均增加了13.89%、46.42%,、13.61%和13.62%（P<0.05）,，收獲指數差異不顯著（P>0.05）?？蒯尫适┯脳l件下,，不同水氮處理交互作用明顯，控水灌溉限制了氮素利用,，充分灌溉條件下向日葵產量,、氮肥農學利用效率和氮肥偏生產力平均增長了21.87%、80.89%和21.53%,；低氮同樣降低了水分利用效率,，從低氮到中氮，向日葵產量和灌溉水生產效率平均增長了14.83%和15.35%,，從中氮到高氮平均增長了3.86%和3.43%,。2年最高產量均為高水高氮處理，分別為3.9435,、3.7887kg/hm2,。控釋肥施用條件下,，灌水量,、施氮量與向日葵經濟效益之間符合二元二次回歸模型,，2年預測經濟效益與實際經濟效益決定系數R2均為0.99，通過主因素分析,，經濟效益隨施氮量的增加先增加后減小,，通過模擬尋優(yōu)及綜合各項指標分析，控釋肥充分灌溉條件下中氮水平經濟效益在18000~21000元/hm2之間,，是本試驗最優(yōu)處理,，在增產的同時可以減少氮素流失。研究可為河套灌區(qū)向日葵種植,、減少農田面源污染提供技術參考,。

摘要:為實現(xiàn)設施番茄準確有效施肥管理,，以改良金棚8號番茄為試驗材料,，常規(guī)基質栽培番茄營養(yǎng)液管理方式為對照（CK），將番茄結果時期與營養(yǎng)液滴灌頻率2因子完全交互耦合,，番茄結果期劃分為結果前期（第3穗果坐果~第1穗果成熟）和結果后期（第1穗果成熟~第5穗果成熟）,，各結果期滴灌頻率均設置1、3,、5次/d共3個頻率（供應營養(yǎng)液總量相同）,，共10個處理，研究不同耦合處理對番茄不同層果實品質和產量的影響,。利用主成分分析法,、逼近理想解排序法、隸屬函數分析法,、灰色關聯(lián)度分析法4種單一綜合評價方法對番茄多層果實進行品質-產量單一算法綜合評價,，對通過事前一致性檢驗（Kendall-W）的單一綜合評價結果進行模糊Borda組合評價，確定最優(yōu)營養(yǎng)液滴灌頻率方案,。結果表明,，耦合處理能顯著增加番茄產量，不同層果實品質指標最優(yōu)時,，對應的耦合處理不同,。4種單一綜合評價方法的排序結果存在差異，Kendall-W一致性檢驗的協(xié)和系數為0.920,，滿足模糊Borda組合評價條件,。主成分分析法與模糊Borda法的排序結果相關系數最高，為0.988?；谀：鼴orda組合評價方法得出,，結果前期1次/d、結果后期3次/d的滴灌頻率可兼顧番茄獲得較高產量和多層果實品質較優(yōu),，為最優(yōu)的營養(yǎng)液滴灌管理方案,。本研究結果為設施番茄生產營養(yǎng)液科學管理提供依據。

摘要:針對北方冬季密閉畜禽舍普遍存在的舍內濕度大、傳統(tǒng)除濕方法成本高的問題,，設計了一種以翅片管換熱器為核心部件的自然冷凝式節(jié)能除濕系統(tǒng)，利用北方冬季寒冷的舍外自然條件使制冷劑充分制冷后循環(huán)引入翅片管換熱器中,，依據冷凝原理實現(xiàn)舍內高濕氣體冷凝析濕,。該除濕系統(tǒng)實現(xiàn)舍內空氣內循環(huán)除濕，減少直接或間接通風除濕造成大量的熱量損失,。利用濕空氣理論計算除濕速率,，通過在密閉試驗艙進行試驗測試來驗證換熱除濕系統(tǒng)的工作性能。結果表明,，翅片管換熱器有效換熱面積,、艙內空氣和制冷劑初始溫差、風機風速和制冷液流量對除濕速率和艙內降溫有著正向影響,。風速為1m/s,、平均初始溫差約為33℃情況下，在約為36m3的試驗艙內平均降溫為4.67℃,，平均除濕速率約為2.69kg/h,。在有效換熱面積為18m2的換熱器除濕試驗中，空氣與制冷劑的質量流率比為0.31,、0.63和0.95時,，能效比分別為5.63、12.25和11.03,，表明換熱器存在熱交換能力的上限,，能效比不能隨風機風速增大而持續(xù)增加，可為除濕系統(tǒng)的節(jié)能調控提供參考,。該系統(tǒng)充分利用了東北寒區(qū)冬季舍外自然低溫,，除濕和節(jié)能效果明顯，可為解決北方冬季畜禽舍除濕和節(jié)能之間矛盾提供有效途徑,。

摘要:針對農產品加工中微波干燥不均和紅外干燥穿透能力有限等技術問題，研制了微波紅外振動床協(xié)同干燥（MIVBD）設備,。在結構設計上,，通過COMSOL仿真分析諧振腔場強分布的均勻性，并優(yōu)化了微波源饋波口布置,。設備通過多孔面板將紅外源與微波諧振腔隔離,，在保證紅外熱量高效輻射的同時，確保微波,、紅外二者互不干擾,。振動系統(tǒng)采用聚苯硫醚等諧振腔內部材料和鋼結構外部材料制成，通過振動電機和橡膠彈簧帶動物料振動,。以高含水率生姜片為典型物料,，對MIVBD設備的干燥效率、均勻性和色澤等相關品質進行試驗研究,，當物料溫度超過上限溫度時微波和紅外停止工作,，結果發(fā)現(xiàn)，微波紅外振動干燥比微波紅外干燥時間縮短了14.29%,，微波紅外振動干燥時溫度不均勻系數最?。?.28%），并且微波紅外振動干燥顯著降低了干燥能耗,，改善了相關品質,。

摘要:液壓機械無級變速器(HMCVT)通過換段機構的結合與分離時序切換，結合液壓傳動系統(tǒng)的速度調節(jié),，實現(xiàn)段間切換,。傳統(tǒng)的段間切換方法短時間隔或交叉，容易造成動力中斷,，影響換段品質,。基于某重型貨車裝備的HMCVT,，本文采用換段機構短時重疊結合的方法實現(xiàn)了動力連續(xù)換段,，對動力連續(xù)換段過程的動力學特性進行了理論分析，建立了HMCVT動力連續(xù)換段過程的數學模型和仿真模型，對HMCVT動力連續(xù)換段過程進行了仿真與分析,，并在試驗臺上對理論研究和仿真結果進行了驗證,。研究結果表明，在適當排量比調節(jié)范圍內,，換段機構段間重疊結合可實現(xiàn)動力連續(xù)換段,；將動力連續(xù)換段過程階段劃分為同步調速、重疊結合,、動力切換和快速分離等4個階段,，在動力切換階段，HMCVT的傳動比為常值,，由分匯流機構參數和機械變速機構參數決定,，與液壓調速系統(tǒng)參數及負載無關；在理論換段點動力連續(xù)換段時,，系統(tǒng)輸出轉速基本沒有波動,；在理論換段點前后進行動力連續(xù)換段時，系統(tǒng)輸出轉速波動較大,，產生較大換段沖擊,，偏離理論換段點越多，波動幅度和換段沖擊越大,；均實現(xiàn)了動力傳遞連續(xù)無中斷。

摘要:針對并聯(lián)機器人在作業(yè)過程中的位置精確控制及柔順控制問題，提出了基于外力估計的并聯(lián)機器人柔順控制策略,，實現(xiàn)并聯(lián)機器人在作業(yè)過程中位置和力的高性能動態(tài)交互,。基于外力估計的柔順控制實現(xiàn)過程中,，考慮到接觸力傳感器成本較高,，提出一種無傳感器外力估計的方法。首先建立并聯(lián)機器人以及伺服運動系統(tǒng)動力學模型,，利用所建立的動力學模型和電機的電流反饋值來估算外力作用時機器人關節(jié)力的變化,。其次根據估算的并聯(lián)機器人關節(jié)力，設計基于位置的阻抗控制,，使并聯(lián)機器人末端執(zhí)行器與環(huán)境柔性接觸,，確保并聯(lián)機器人的作業(yè)精準度與柔順度。最后選取合適的阻抗控制參數，對所提出的柔順控制策略進行仿真分析并且在搭建的實驗平臺上進行了實驗驗證,，實驗結果表明所提出的方法可以實現(xiàn)并聯(lián)機器人的精確柔順作業(yè),。

摘要:繩驅動空中機械臂是一種由旋翼飛行器和多自由度機械臂構成的新型機器人系統(tǒng),。為了增強機械臂在排污管口水質采樣時的關節(jié)空間控制性能,，提出了一種結合快速連續(xù)非奇異終端滑模控制與線性擴張狀態(tài)觀測器的抗干擾控制策略,。闡述了繩驅動空中機械臂的結構設計,，建立計及關節(jié)柔性的動力學模型。利用線性擴張狀態(tài)觀測器來估計與補償系統(tǒng)集總干擾,，采用快速連續(xù)非奇異終端滑模面來保證系統(tǒng)狀態(tài)量的有限時間收斂和抑制控制力矩的抖振,。通過李雅普諾夫穩(wěn)定性定理分析了所設計控制器的穩(wěn)定性。最后,，通過可視化仿真和地面汲水試驗驗證了所提控制器的有效性,，結果表明，所提控制器的收斂速度,、魯棒性,、準確性和抗干擾能力優(yōu)于其他兩種控制器，能有效抑制系統(tǒng)抖振,，滿足水質采樣的作業(yè)需求,。