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:隨著自動導航技術的發(fā)展,，農業(yè)機器人已經(jīng)應用到農業(yè)生產(chǎn)的各個方面。農業(yè)機器人可以代替人類從事噴藥,、施肥,、收獲等活動，減輕了勞動強度,，提高了作業(yè)效率,。全覆蓋作業(yè)是智能機器人研究的核心內容之一，涉及農業(yè),、軍事,、生產(chǎn)制造和民用等多個應用領域。全覆蓋作業(yè)規(guī)劃作為農業(yè)生產(chǎn)作業(yè)的關鍵技術,，有助于提高作業(yè)質量和資源利用率,。但在全覆蓋作業(yè)中，仍然存在障礙物識別不準確,，阻礙農機工作路徑,；工作區(qū)域面積遺漏,，路徑重復問題，造成資源浪費,；單機器人工作效率較低,，無法處理復雜的全覆蓋作業(yè)問題。本文從全覆蓋作業(yè)規(guī)劃中存在的問題入手,，從環(huán)境模型構建,、機器人路徑規(guī)劃、多機器人協(xié)作任務分配3方面進行綜述,。其中,，準確可靠的環(huán)境地圖信息有助于規(guī)避靜態(tài)障礙物、提高作業(yè)可靠性,；高效優(yōu)化路徑信息有助于減少遺漏面積,，提高作業(yè)效率；最佳的任務分配方案有助于減少作業(yè)時間和資源浪費,。首先對環(huán)境建模方法進行了分析和對比,，揭示其局限性并提出優(yōu)化方法,；在環(huán)境建模方法的基礎之上,，對國內外全覆蓋路徑規(guī)劃算法現(xiàn)狀進行綜述，指出相關算法的特點,；然后,，針對多機器人協(xié)作全覆蓋任務規(guī)劃的研究，探討了相關任務分配算法的研究進展,；最后對移動機器人全覆蓋作業(yè)規(guī)劃未來的發(fā)展方向進行了展望,。該研究將有助于進一步提高農業(yè)生產(chǎn)中全覆蓋環(huán)節(jié)的工作效率和農業(yè)作業(yè)質量，減少資源浪費,，為我國實現(xiàn)農業(yè)規(guī)?；a(chǎn)提供重要依據(jù)。

摘要:針對水田中存在的壕溝、田埂,、石塊,、電線桿等障礙物使得插秧機無法保證作業(yè)連續(xù)性和插秧直線性等問題，設計了基于優(yōu)化人工勢場法的插秧機繞障路徑規(guī)劃策略,。通過增加插秧機實時位置與目標作業(yè)點的相對距離作為判斷條件來動態(tài)改變勢場大小,，同時設立了虛擬局部目標點來彌補傳統(tǒng)人工勢場法目標點不可達和局部最小點的算法缺陷,；將插秧機簡化為二輪車模型，建立插秧機轉向系統(tǒng)數(shù)學模型,，得出插秧機速度,、行駛航向角和前輪轉角表達式，以橫向偏差與航向偏差作為評判路徑優(yōu)化效果的因素,。轉向控制器以復合模糊PID算法控制插秧機的轉角,，不斷減小理想前輪轉角與實際轉角的偏差，實現(xiàn)轉角最優(yōu)化,；采用超聲波傳感器實時檢測道路障礙物并結合RTK-GPS實時更新位置坐標,，設計出插秧機繞障轉向控制策略。通過Matlab對優(yōu)化的人工勢場法的避障路徑控制策略進行仿真,，仿真結果表明,，當障礙物不在影響范圍內，插秧機直線追蹤的最大橫向位置偏差為5cm,平均偏差約為2cm,，最大避障橫向偏差小于0.5m,，優(yōu)化后的算法具有較好的控制精度，可避免目標點不可達的問題,?；谘篑RVP6E插秧機作為實驗平臺進行了實車實驗，實驗結果表明,，當插秧機以速度0.5,、1.0、1.5m/s行駛時,，左側繞障的最大橫向偏差均不大于1.2218m,，航向偏差最大值為30.1491°，繞障前后直線追蹤的平均橫向偏差為0.025m,，平均航向偏差為3.12°,；右側繞障的最大橫向偏差均不大于1.2459m，航向偏差最大值為25.2294°,，繞障前后直線追蹤的平均橫向偏差為0.023m,，平均航向偏差為3.36°，所設計的避障方法可滿足插秧機在農藝作業(yè)過程中的避障要求,，具有很好的可行性與魯棒性,。

摘要:為向多臺農業(yè)機械協(xié)同作業(yè)應用場景提供地圖和導航服務支持，設計并開發(fā)了基于WebGIS的農機多機協(xié)同導航服務平臺,，該平臺由GIS服務和農機調度2個功能模塊組成,。GIS模塊基于GeoServer和JavaWeb提供網(wǎng)頁端地圖服務，在顯示農場地圖,、實時標注農機位置的同時,，也提供多農機導航結果的可視化顯示功能；農機調度模塊以路徑規(guī)劃算法和任務分配算法為核心,，負責提供導航服務,，在用戶輸入任務列表并調用服務的情況下，以GeoJSON格式返回各農機的任務分配以及路徑規(guī)劃結果,。此外,，為了篩選出滿足平臺需求且性能最優(yōu)的算法，針對路徑規(guī)劃算法設計了算法性能對比實驗,，在導航距離近,、中、遠的3條路徑上分別測試了基于A*,、Bellman-Ford,、Dijkstra、Floyd和SPFA 5種算法的路徑規(guī)劃算法,，并對不同算法的執(zhí)行時間和最優(yōu)路徑長度進行了對比,；針對任務分配算法設計了不同任務數(shù)量場景下的仿真對比實驗，在任務數(shù)量為8,、10,、14、18的場景下分別測試了基于蟻群算法和遺傳算法的任務分配算法,，并對兩者的執(zhí)行速度和最優(yōu)路徑長度進行了對比。結果表明：基于Dijkstra算法的路徑規(guī)劃算法在結果最優(yōu)的前提下執(zhí)行速度最快,平均單次執(zhí)行時間為0.25ms,?；谶z傳算法的任務分配算法可以有效降低多機協(xié)同的路徑代價，相較于隨機生成的工作序列,，路徑代價減少50%~54%,；相較于基于蟻群算法的任務分配算法，農機最佳路徑長度減少19%~36%,，執(zhí)行時間減少51%~66%,，平均執(zhí)行時間在1s以內。開發(fā)的多機協(xié)同導航服務平臺通過使用Dijkstra算法和遺傳算法分別進行路徑規(guī)劃和任務分配,，能夠基本滿足多機協(xié)同作業(yè)的實時性需求,。

摘要:基于全球導航衛(wèi)星系統(tǒng)（Global navigation satellite system，GNSS）的定位導航技術在半結構化,、半開放式農業(yè)應用場景的部分區(qū)域,，可能由于存在作物遮擋而導致GNSS接收信號出現(xiàn)短暫丟失的情況，進而影響機器人定位導航精度,，甚至對作物和工作人員造成傷害,。針對這一問題，本文開展了農業(yè)遮擋環(huán)境下的GNSS與慣性導航系統(tǒng)(Inertial navigation system,，INS)的組合定位方法研究,。搭建了用于多傳感器定位導航實驗的農業(yè)機器人系統(tǒng)，該系統(tǒng)由履帶式移動平臺,、GNSS,、INS等硬件和ROS(Robot operation system)操作系統(tǒng)、遠程操控界面等軟件構成,。提出了引入自適應系數(shù)的GNSS/INS組合定位卡爾曼濾波算法,，當GNSS無法進行差分定位或定位數(shù)據(jù)產(chǎn)生躍變時，通過自適應卡爾曼濾波能夠切換到INS定位,，從而實現(xiàn)機器人自身位置,、姿態(tài)的最優(yōu)估計。在典型農業(yè)遮擋場景（果園）進行了實地組合定位實驗,，并通過GNSS單通道定位,、INS單通道定位、常規(guī)卡爾曼濾波融合定位,、引入自適應系數(shù)的卡爾曼濾波定位等4種定位方法的對比,，驗證了本文提出算法的有效性。現(xiàn)場實驗表明：定位過程中,，當100m×20m的實驗區(qū)域內出現(xiàn)30m×6m的高遮擋區(qū)域時,，與GNSS定位信息測量方法、INS航跡推算定位方法以及常規(guī)卡爾曼濾波組合定位方法相比,，自適應系數(shù)卡爾曼濾波組合定位方法定位精度分別提升62.1%,、48.5%、47.7%,。

摘要:為了快速評估農機作業(yè)重漏狀況,，針對農機往復作業(yè)模式下,，通過在農機上裝載智能終端設備，采集車載終端GNSS信息,，分析農機空間運行軌跡數(shù)據(jù),，統(tǒng)計方位角分布頻次，計算農機作業(yè)方向,，提取農機作業(yè)線,，進一步建立了農機作業(yè)行距評估模型。為了驗證農機作業(yè)行距評估模型,，于2021年6月25日在北京小湯山國家精準農業(yè)研究示范基地開展實驗,，利用裝載有自動導航系統(tǒng)的拖拉機，設定不同的行距,，且每個行距進行往復直線作業(yè),，驗證作業(yè)方向計算、作業(yè)線提取和作業(yè)行距提取等模型,。結果表明,，與實際相比，模型計算的作業(yè)行距平均誤差為3.07%,，均方根誤差為0.14m,，從整體上來看，識別的農機作業(yè)平均行距和實際行距比較相符,，可為農機作業(yè)重疊,、遺漏等農機作業(yè)質量評估提供數(shù)據(jù)支撐。

摘要:針對丘陵果園環(huán)境非結構化且復雜多變，常規(guī)的除草方式效率低等問題,，設計了一種果園除草機器人底盤系統(tǒng)。根據(jù)果園丘陵地形地貌環(huán)境,，確定車體控制方式和除草機器人底盤的總體結構方案,，主要包括液壓傳動系統(tǒng)、電氣控制系統(tǒng)等,。設計配套的除草車電氣控制系統(tǒng)和遙控接收,、車載主控和導航功能的CAN通信協(xié)議。以運動控制為核心，采用角度傳感器,、電機驅動,、車載主控、導航模塊,，構成閉環(huán)控制,。使用自抗擾控制算法，以油閥控制電機為對象應用Simulink仿真,，仿真結果顯示自抗擾控制相比PID控制調節(jié)時間減少0.42s,，超調幅度減小11.5%，穩(wěn)定時間縮短0.14s,。田間試驗表明,，運用自抗擾控制、結合導航功能的除草機器人行走速度均值為6.2km/h,，均方差0.037km/h,，作業(yè)效率0.51hm2/h，有效除草率均值97.46%,，可在25°斜面上正常行走,，對導航路徑的跟蹤誤差標準差為4.732cm，運動控制響應及時,，能夠提高除草作業(yè)安全性和準確性,。

摘要:針對目前振動式水稻育秧盤低播量精量排種器存在勻種均勻性差,、難以提供單列穩(wěn)定種子流的問題,，設計了一種壓電振動式勻種裝置。通過對壓電振子振動原理,、振動板動力學和水稻種子轉向等分析,，確定了各部件的結構參數(shù)。進行振動板結構參數(shù)優(yōu)化設計,，以儲種盒深度,、轉向槽角度以及振動方向角為試驗因素，結合Box-Behnken試驗方案進行優(yōu)化,，試驗結果表明轉向槽角度,、儲種盒深度、振動方向角和轉向槽角度交互作用對試驗結果影響顯著,，當儲種盒深度為8mm,、轉向槽角度為49°,、振動方向角為29°時，種子均勻性變異系數(shù)為17.91%,。通過臺架試驗測定振動板加速度,，確定輸入電壓與振幅之間的關系。最優(yōu)結構參數(shù)下振動板勻種試驗結果表明,，勻種均勻性變異系數(shù),、播種合格率和漏播率分別為18.20%、94.65%和0.67%,。不同勻種速度下播種性能試驗結果表明,，當工作電壓為130~180V時，其播種合格率均不小于94.17%,，漏播率均不大于0.83%,。不同水稻品種適應性試驗結果表明，在工作電壓130,、150,、170V下，其播種合格率均不小于94.17%,，漏播率均不大于1.0%,，滿足超級雜交水稻精量化育秧播種要求。

摘要:在CFD-DEM氣固耦合仿真中，粘結顆粒模型被廣泛用于排種器大顆粒種子模型建立,，但該模型受建模方法的限制,，與傳統(tǒng)球面填充法相比，其表面粗糙度與真實種子的差距更為明顯,。在應用響應面法對顆粒接觸參數(shù)進行標定時,，會存在因因素零水平值選取不當造成仿真標定參數(shù)失真的問題，影響氣固耦合仿真精度,。針對此問題,，本文建立因素標定時零水平值與實測值的線性函數(shù)，選取6組不同修正系數(shù)求解標定時零水平值,，并應用響應面優(yōu)化法對玉米顆粒粘結模型的種間靜摩擦因數(shù)和滾動摩擦因數(shù)兩個關鍵因素進行標定,。將不同修正系數(shù)下標定的玉米種子接觸參數(shù)輸入EDEM中進行提升仿真試驗，擬合不同修正系數(shù)取值時堆積角正切值的線性函數(shù),，通過擬合方程求得修正系數(shù)取值為0.1977時標定的玉米種間接觸參數(shù)值最為準確,，且標定參數(shù)的最佳組合為玉米-玉米靜摩擦因數(shù)0.031、玉米-玉米滾動摩擦因數(shù)0.0039,。將最佳參數(shù)組合輸入EDEM中進行抽板仿真試驗和排種過程仿真試驗,，試驗結果分別與真實試驗對比，發(fā)現(xiàn)標定參數(shù)后的仿真試驗與真實試驗種群分布相近,，二者無顯著性差異,，表明標定后的玉米離散元接觸參數(shù)是可信的。研究結果可為后續(xù)氣力式排種器仿真過程標定參數(shù)范圍選取提供參考,。

摘要:采用以水為驅動力的AquaCrop模型對定西市2016—2020年玉米全膜雙壟溝播技術模擬產(chǎn)量進行研究,，分別建立I1（裸地種植）,、I2（覆膜率為45%的窄膜種植）、I3（覆膜率為81.8%的寬膜種植）,、I4（覆膜率為100%全膜雙壟溝播技術種植）4種種植模式,，對比分析4種模式的產(chǎn)量優(yōu)越性與環(huán)境適應性，得出播種日期以及降雨量與土壤含水率關系,。AquaCrop模擬結果表明,，該模型適宜模擬定西市旱作農業(yè)，I4模式產(chǎn)量模擬值和實測值之間皮爾遜相關系數(shù)(r)均大于0.91,、均方根誤差(RMSE)為0.1~0.24,、歸一化均方根誤差(CV(RMSE))為1.66%~2.10%、納什效率系數(shù)(EF)均大于0.9,、一致性指數(shù)(d)大于0.94,。定西市最佳播種日期選取平均氣溫穩(wěn)定在15℃左右（每年4月15—25日左右），該時段播種后產(chǎn)量最高,，種植模式I4產(chǎn)量,、地上生物量、水分生產(chǎn)力比種植模式I1分別高84.01%,、19.79%,、101.13%，比種植模式I2分別高82.26%,、19.74%,、85.47%，比種植模式I3分別高63.26%,、14.80%,、82.63%,；干旱年種植模式I4土壤總含水率比I1、I2,、I3模型均高90%以上,，豐水年均高80%以上；2000—2020年間耗水量大于有效降雨量有7a,，耗水量小于有效降雨量有13a,，模擬結果表明全膜雙壟溝播技術耗水量與降雨量持平，不會透支土壤水分,。

摘要:針對高密度種植作物綠豆精密播種時因理論株距小,、合格范圍小及系統(tǒng)存在內外干擾導致漏播率高,、播種不均勻等問題，研究一種基于IGWO-LADRC的電動綠豆精密播種機控制系統(tǒng),。對排種電機建模,，同時提出一種改進灰狼算法（Improved grey wolf optimizer，IGWO）整定線性自抗擾控制器（Linearactive disturbance rejection control,，LADRC）的參數(shù),，通過與經(jīng)驗法整定PID、經(jīng)驗法整定LADRC,、GWO-LADRC 3種排種電機控制方式進行對比,，來檢驗所提出智能控制系統(tǒng)的優(yōu)勢。仿真實驗表明：基于IGWO-LADRC的電動綠豆精密播種機控制系統(tǒng),，系統(tǒng)無超調,，調節(jié)時間為0.57s，無靜差,，受干擾恢復時間為0.35s,，且再次達到穩(wěn)態(tài)后無振蕩現(xiàn)象且無靜差。臺架試驗表明：智能電驅動播種相較傳統(tǒng)鏈驅動播種合格指數(shù)提升2.75個百分點,，重播指數(shù)降低0.46個百分點,，漏播指數(shù)降低2.22個百分點，變異系數(shù)降低8.91個百分點,，合格株距變異系數(shù)降低7.89個百分點,；相較傳統(tǒng)PID電控播種在各項排種性能指標也更優(yōu)；合格指數(shù)提升2.20個百分點，重播指數(shù)降低0.37個百分點,，漏播指數(shù)降低1.30個百分點,，變異系數(shù)降低7.28個百分點，合格株距變異系數(shù)降低4.47個百分點,。均滿足國家標準要求,。

摘要:甘薯種植多以裸苗移栽為主，對機械化移栽要求較高,。針對國內甘薯移栽設備自動化程度低,，作業(yè)時需要人工喂苗導致勞動強度大、機械化栽插質量不高的問題,，結合甘薯裸苗栽植農藝要求,，基于預處理苗帶喂苗裝置和撓性圓盤栽植裝置設計了一種甘薯裸苗自動移栽機，結合甘薯裸苗移栽機喂苗裝置,、撓性圓盤栽植裝置和澆水裝置自動作業(yè)控制需要,，設計了基于CAN總線的甘薯裸苗自動移栽機控制系統(tǒng)，能夠一次性完成旋耕,、起壟,、開溝、自動有序喂苗,、定株距栽插,、鎮(zhèn)壓覆土、自動澆水,、修壟等作業(yè),。田間試驗表明，機具在目標株距25cm以及作業(yè)速度0.25,、0.35,、0.45m/s的情況下，栽植株距變異系數(shù)和栽植深度合格率均達到了標準要求,，栽植株距變異系數(shù)和栽植姿態(tài)合格率受作業(yè)速度影響較大,，栽植深度受作業(yè)速度變化影響較小，在作業(yè)速度為0.25m/s時,，栽植株距變異系數(shù)平均值為10.16%,，栽植深度合格率平均值為95.56%，作業(yè)性能優(yōu)于0.35m/s和0.45m/s,，栽植姿態(tài)合格率平均值為90%,。本研究為甘薯裸苗機械化,、自動化移栽機械的理論研究和設計提供了新的參考。

摘要:針對插拔式取苗機構單靠取苗爪插入缽體夾取苗時,，因受缽體與穴盤之間粘附力和盤根性不佳雙重影響,，造成取苗成功率低、缽體破碎率高的問題,，提出了一種頂夾拔組合式取苗技術,，闡述了取苗裝置結構和工作原理，開展了頂夾拔組合式取苗試驗研究,。首先以72孔和128孔黃瓜穴盤苗為試驗對象,，通過頂壓脫盤粘附力試驗，測試了不同頂苗速度（10,、20,、30、40mm/s）下黃瓜苗的脫盤粘附力以及頂壓脫離位移,，試驗結果表明：頂苗速度對于苗缽粘附力及脫離位移影響不大,，粘附力與苗缽脫離位移呈正相關，兩種規(guī)格穴盤苗頂苗脫離位移平均值分布在5.5~6.9mm之間,，綜合考慮苗盤落水孔直徑和頂壓脫盤粘附力試驗結果,，確定頂桿直徑為6mm，頂桿頂苗位移需大于5mm,。其次以生長周期為25d的72孔黃瓜穴盤苗為試驗對象,，開展了先頂后取、邊頂邊取,、先插后頂3種取苗模式試驗,，結果表明：先頂后取模式下取苗成功率和缽體完整率最高。最后以頂桿頂入位移,、取苗爪插入苗缽取苗深度及插入取苗速度為試驗因素,，開展了三因素三水平正交試驗，通過極差分析和方差分析得出頂夾拔取苗裝置的最優(yōu)工作參數(shù)組合為：頂入位移為15mm,、插入苗缽深度為35mm,，插入取苗速度為225mm/s，此組合下取苗成功率94.12%，苗缽完整率94.12%,，滿足了自動取苗高質量要求,。

摘要:燕麥是一種糧飼兼用作物,，是我國種植業(yè)結構調整的重要替代物和改善膳食結構的重要品種。針對我國燕麥生產(chǎn)機械化水平低,，各環(huán)節(jié)發(fā)展不均衡,，基礎研究落后，產(chǎn)業(yè)化程度低,，影響燕麥產(chǎn)業(yè)發(fā)展的生產(chǎn)實際，闡述了全球和我國燕麥產(chǎn)業(yè)現(xiàn)狀,，從燕麥全程機械化技術體系角度,，分析了燕麥生產(chǎn)全程機械化中的薄弱環(huán)節(jié)，對國內外燕麥田間育種機械化技術與裝備,、機械化耕整地技術與裝備,、機械化播種技術與裝備、機械化田間管理技術與裝備,、機械化收獲技術與裝備的發(fā)展現(xiàn)狀進行了綜述分析,。就現(xiàn)階段我國燕麥生產(chǎn)全程機械化發(fā)展存在的短板問題，建議圍繞基礎研究,、多樣化技術與裝備研發(fā),、新技術推廣、標準制定,、產(chǎn)業(yè)經(jīng)濟效益,、自動化和智能化裝備等方面進行深入研究，助推燕麥產(chǎn)業(yè)機械化進程,，促進燕麥產(chǎn)業(yè)標準化,、產(chǎn)業(yè)化。研究可為我國燕麥產(chǎn)業(yè)的發(fā)展提供參考,。

摘要:針對西南丘陵山區(qū)機械化生產(chǎn)體系不完善、生產(chǎn)模式復雜多樣,、缺乏系統(tǒng)評價等問題,，以農業(yè)經(jīng)營主體為研究對象，從規(guī)模適度-生產(chǎn)高效-生態(tài)友好等角度構建“農田+農機+農藝+信息”四融合的西南丘陵山區(qū)機械化生產(chǎn)系統(tǒng)及模式評價體系,，包含農田宜機化,、適度規(guī)模經(jīng)營、農機配備質量,、農機裝備智能化程度,、農機生產(chǎn)效益和耕地健康6維度及15個三級指標。應用層次分析法和CRITIC法確定權重,；以農田稟賦為基礎,、機械裝備為核心、規(guī)?；б鏋閷蜻x取西南地區(qū)小麥/玉米機械化生產(chǎn)4種典型模式進行評價比較,。結果表明：普通農戶關鍵環(huán)節(jié)機械化生產(chǎn)模式（M1）下地塊較小且地勢起伏大，機具只能使用小型,、低效率機械,；化肥與農藥施用量高于標準值，其經(jīng)營規(guī)模與發(fā)展模式不可持續(xù),；家庭農場帶狀復合種植機械化生產(chǎn)模式（M2）下實現(xiàn)農田連片經(jīng)營與田間生產(chǎn)全程機械化,，然而帶狀復合種植收獲機具技術尚不成熟，導致模式整體作業(yè)效率低于合作社模式,，但該模式可提高土地利用率,、實現(xiàn)糧食增產(chǎn)，適宜在家庭農場中推廣,；合作社“全程機械化+數(shù)字化”生產(chǎn)模式（M3）下,，大中型機械在宜機化改造后的農田中充分發(fā)揮作業(yè)效率和燃油效率優(yōu)勢，同時產(chǎn)后干燥與初加工處理提升糧食質量和效益,，實現(xiàn)了產(chǎn)前,、產(chǎn)中、產(chǎn)后全過程機械化,，此外數(shù)字化管理系統(tǒng)有效提升農業(yè)管理和機具使用效率,，該模式適宜在丘陵山區(qū)合作社及部分家庭農場中大力推廣；大型合作社種養(yǎng)循環(huán)全程機械化生產(chǎn)模式（M4）在全程高效機械賦能的基礎上,，實現(xiàn)了種養(yǎng)結合的農業(yè)產(chǎn)業(yè)鏈,，合作社生產(chǎn)的青貯秸稈銷售給奶牛場做加工飼料，奶牛產(chǎn)出的有機肥供給合作社進行循環(huán)利用,，該模式實現(xiàn)生態(tài)經(jīng)濟耕作,，適宜在部分養(yǎng)殖大縣中進行推廣,。4種模式的綜合評價值分別為：0.31、0.67,、0.86和0.79,，排序從大到小依次為：M3、M4,、M2,、M1；評價結果符合現(xiàn)實情況,，該指標體系能夠客觀評價各機械化生產(chǎn)模式特點,，可為西南丘陵山區(qū)各經(jīng)營主體機械化生產(chǎn)模式選擇及改進提供理論基礎。

摘要:由于丘陵山區(qū)地形地貌、農田規(guī)模和地塊條件的特殊性,，缺乏小麥玉米收獲機械科學選型方法,，特別是對地形條件和安全性考慮不足，導致部分收獲機械在丘陵山區(qū)的作業(yè)適應性,、通過性差，損失率偏高,。為提高小麥玉米收獲機械的適應性,，降低機收損失率，實現(xiàn)安全綠色高效生產(chǎn),，本文秉持先進適用,、輕簡高效、綠色環(huán)保,、安全舒適等基本原則,，在農機選型理論基礎上，通過實地調研和專家咨詢,，基于定性分析與定量分析相結合,、理論與實際相結合、農機與農藝相融合的方法,，采用層次分析法構建了由能耗,、作業(yè)效率、作業(yè)效果,、作業(yè)性能,、舒適性,、安全性等6個二級指標、16個三級指標組成的丘陵山區(qū)小麥/玉米收獲機械選型評價指標體系,，根據(jù)專家調查法及相關研究確定評價指標權重,。結合田間試驗和實地調研，在四川省三臺縣對J-2.5型（Ⅰ）,、L-3.5型（Ⅱ）,、W-4.0型（Ⅲ）、S-4C型（Ⅳ）,、A-5.0ZA型（Ⅴ）,、W-6.0EA型（Ⅵ）等6種小麥收獲機進行選型評價驗證。研究結果表明,，6種小麥收獲機的綜合評價值分別為0.71,、0.43、0.50,、0.73,、0.45和0.39，其效果排序依次為Ⅳ,、Ⅰ,、Ⅲ、Ⅴ,、Ⅱ,、Ⅵ。評價結果符合農戶實際使用情況,，說明該評價指標體系在西南丘陵山區(qū)具有較好的科學性和適用性,，可為有關管理部門和農戶進行小麥收獲機械選型提供科學依據(jù)，并能為農機科研單位,、生產(chǎn)企業(yè)改型,、研制適宜于丘陵山區(qū)的小麥玉米收獲機提供參考。

摘要:玉米清選損失監(jiān)測受清選脫出物種類多樣,、環(huán)境噪聲復雜等影響嚴重，為了解決清選損失監(jiān)測精度差,、效率低的問題,，設計了一款基于最小能量準則EMD（Empirical mode decomposition）去噪方法的清選損失監(jiān)測傳感器，實現(xiàn)了對采集信號中的振動,、工噪和雜余等信號分離,。利用Matlab仿真對模擬信號進行去噪,，與小波去噪、低通濾波法和移動平均法3種去噪方法相比,，基于最小能量準則EMD去噪方法在不同信噪比下均方根誤差（RMSE）最小,，為0.1698，信噪比（SNR）最高,，為12.7453,，處理后的信號最接近原始信號。為驗證該方法的實用性,，以籽粒損失率分別為0,、5%、10%,、15%和20%的沖擊樣本開展損失率監(jiān)測傳感器臺架試驗,，結果表明：該傳感器最小檢測誤差為1.8%，最大檢測誤差為3.9%,，對比小波去噪,、低通濾波法和移動平均法3種去噪方法所得試驗數(shù)據(jù)，最小能量準則EMD去噪方法的平均誤差分別減小了2.12,、4.40,、6.52個百分點，與仿真試驗結果一致,。該研究對于提高玉米清選損失率檢測精度特別是信號處理過程中去噪方法的研究具有重要意義,。

摘要:針對甘薯秧蔓收獲過程中輸送通道堵塞,、功耗大、作業(yè)參數(shù)采集難等問題,，研究設計了在不同喂入速度、夾持輸送速度和切割速度下甘薯秧蔓收獲特性試驗裝置,。試驗裝置由喂入裝置,、割臺裝置和控制系統(tǒng)組成，喂入速度,、夾持輸送速度和切割速度可調整,。以秧蔓收凈率、切割力和切割扭矩為目標值,，對喂入速度,、夾持輸送速比和切割速度等影響因素進行了中心組合試驗和驗證試驗,。建立了響應面數(shù)學模型，分析了各因素對作業(yè)性能的影響,，同時,，對影響因素進行了綜合優(yōu)化。試驗結果表明：收凈率影響顯著性主次順序為夾持輸送速比,、喂入速度,、切割速度，切割力和切割扭矩影響顯著性主次順序為切割速度,、夾持輸送速比,、喂入速度；其最優(yōu)工作參數(shù)組合為喂入速度0.55m/s,、夾持輸送速比1.48,、切割速度1.50m/s時，收凈率為91.0%,、切割力為152.89N,、切割扭矩為5.87N·m，驗證試驗表明實測值與理論優(yōu)化值誤差小于5%,。

摘要:針對國內蘋果園人工采收效率低和損傷率高的問題,，設計了一種蘋果采收平臺輸送裝置,，實現(xiàn)蘋果自動輸送作業(yè)。首先通過對蘋果輸送過程進行運動學分析,，確定影響蘋果機械損傷的主要因素及各因素的試驗取值范圍,。其次根據(jù)Box-Behnken試驗設計原理，以輸送速度,、果托傾角,、果托形狀為試驗因素，以損傷率為試驗指標,，對蘋果采收平臺輸送裝置的作業(yè)參數(shù)進行試驗研究,，建立試驗指標與試驗因素之間的回歸模型。最后分析了各因素對試驗指標的影響規(guī)律,，并根據(jù)回歸模型對試驗因素進行綜合優(yōu)化,。試驗結果表明：當輸送速度為0.2m/s、果托傾角為30°,、果托形狀為圓臺體時,，蘋果損傷率為3.69%,，蘋果機械損傷明顯低于未經(jīng)參數(shù)優(yōu)化的蘋果采收平臺輸送裝置，輸送作業(yè)效果最好,。研究結果可為蘋果園采收平臺的結構優(yōu)化和輸送作業(yè)參數(shù)控制提供參考,。

摘要:谷物水分的快速測量對谷物準確測產(chǎn),、糧食快速收儲、精準農業(yè)實施具有重要意義,。針對聯(lián)合收獲機動態(tài)作業(yè)條件下小麥水分檢測穩(wěn)定性差,、測量精度低等問題，基于小麥介電特性原理,，設計一種聯(lián)合收獲機水分在線檢測裝置,，提出一種動態(tài)連續(xù)取樣、靜態(tài)間歇測量的新方法,，實現(xiàn)了聯(lián)合收獲機作業(yè)條件下,，在線快速穩(wěn)定檢測小麥含水率。在線檢測裝置由機械動態(tài)取樣部分,、電機控制模塊,、傳感器模塊、數(shù)據(jù)采集模塊,、衛(wèi)星定位模塊和顯示終端組成,。其中傳感器模塊包括水分傳感器、溫度傳感器和料位傳感器,。開展了靜態(tài)驗證試驗和田間動態(tài)驗證試驗,。試驗結果表明，靜態(tài)條件下,，含水率在線檢測誤差在3%以內,；在田間動態(tài)變化條件下，建立了基于介電常數(shù)和溫度因子的水分檢測模型,，實測值和檢測值相關系數(shù)達到0.92，在線檢測誤差小于5%,。采用動態(tài)連續(xù)采樣,、靜態(tài)間歇測量的方法顯著提高了含水率在線檢測的精度，為實現(xiàn)小麥精準生產(chǎn)提供了一種快速測量手段,。

摘要:單擺鏟柵收獲裝置的驅動轉矩為4組單體轉矩的耦合疊加且隨負載周期變化,，最大驅動轉矩及轉矩波動度直接影響了拖拉機功率匹配與功率利用效率,。為研究收獲裝置驅動轉矩特性，在工作單體受力分析基礎上建立了單體轉矩,、驅動轉矩,、比功耗解析方程，結合離散元仿真分析了收獲裝置驅動轉矩時域響應特點：單體轉矩呈現(xiàn)每周期雙峰,、相鄰周期強弱變化規(guī)律,，受組間振動平衡與土壤粘塑性作用，驅動轉矩呈現(xiàn)每周期雙峰,、相鄰周期微變的規(guī)律,，峰值約為單體轉矩的1.2~2.3倍。為明確相關參數(shù)對驅動轉矩的影響,，開展了四因素三水平Box-Behnken仿真試驗,，建立了最大驅動轉矩、轉矩波動度,、比功耗預測數(shù)學模型,，仿真試驗結果表明：振幅、振動頻率,、挖掘深度,、前進速度、振幅與振動頻率交互項均是最大驅動轉矩,、比功耗的主要影響因素,，振動頻率、挖掘深度對轉矩波動度有較大影響,。甘草收獲田間試驗結果表明：當挖掘深度為450~500mm時（工況1）,，驅動轉矩呈現(xiàn)每周期雙峰、相鄰周期強弱變化的規(guī)律,，最大驅動轉矩為797.17N·m,、轉矩波動度為2.54、比功耗為122.06kJ/m3,、收凈率為96.42%,；當挖掘深度為350~400mm時（工況2），最大驅動轉矩較工況1下降約39.44%，轉矩波動度下降約27.95%,，比功耗與收凈率基本不變,。該研究可為單擺鏟柵收獲裝置結構參數(shù)優(yōu)化及根莖作物振動減阻節(jié)能收獲研究提供參考。

摘要:基于聚類分析的數(shù)據(jù)挖掘技術能夠推動農業(yè)的精準生產(chǎn),、精細管理和精準營銷,，對于實現(xiàn)農業(yè)的智能機械化、精準化,，進而促進農業(yè)的高效化和現(xiàn)代化具有重要價值,。首先對基于聚類分析的數(shù)據(jù)挖掘技術內涵及方法體系作了闡述，包括特征選擇及特征提取,、距離度量,、聚類算法分類、聚類性能評價指標4方面,；進而梳理了目前聚類分析在農業(yè)領域的動植物遺傳繁育數(shù)據(jù)挖掘,、農田分區(qū)精準管理、農產(chǎn)品品質評價,、農產(chǎn)品市場細分,、農戶異質性分析與精準服務5大方向中的應用研究，最后對農業(yè)領域的聚類分析進行了總結與展望,。

摘要:為了分析櫻桃樹葉片的形態(tài)結構,，為櫻桃樹冠層光照分布及櫻桃果樹整形修剪提供理論基礎，提出了一種基于改進Harris角點檢測及NURBS曲線的櫻桃樹葉片重建方法,。利用中值濾波法及經(jīng)典邊緣檢測算法對獲得的原始櫻桃樹葉片圖像進行預處理,，得到樹葉輪廓。針對傳統(tǒng)NUBRS曲線原理重構輪廓時無法構成閉合曲面,，特征點之間相互干擾等問題,，提出了一種新的算法來重構輪廓。該算法首先將特征點分為左右兩部分,，分別重建左右兩側輪廓,，再將兩者連接得到完整的輪廓;其次運用改進的Harris角點檢測法提取角點來作為特征點；再次，通過檢測窗口中心點灰度與其周圍n鄰域內其他像素點灰度的相似程度,，計算灰度之差來設定一個閾值，并根據(jù)該閾值范圍提取角點,；最后,，根據(jù)虛擬輪廓構建虛擬葉片。實驗結果表明,，改進后的算法大大減少了計算量,，平均消耗時間由4.61s減少到2.30s。本文方法較真實地重構了櫻桃樹葉片邊緣形狀,，為櫻桃樹冠層光照分布計算提供了技術支持,。

摘要:利用土壤含水率與近紅外光譜土壤反射率和土壤電導率三者之間的關系,，以土壤含水率為中間變量,，間接表達土壤光譜反射率和土壤電導率之間的關系。土壤含水率與土壤光譜反射率存在指數(shù)關系,，土壤含水率與土壤電導率存在線性關系,，消除中間變量（土壤含水率），得到土壤光譜反射率和土壤電導率之間的關系,。以土壤水分敏感波段1450nm作為研究對象,，研究土壤電導率的預測模型，分別建立指數(shù)預測模型和對數(shù)預測模型,，并分別對兩種模型進行驗證,。本文實驗建模集樣本72個，驗證集樣本48個,，土壤電導率對數(shù)預測模型R2達0.80,，土壤電導率指數(shù)預測模型R2達0.85，預測效果均可滿足農田電導率估算,，但對數(shù)模型在土壤電導率較低區(qū)間預測效果不理想,，因此土壤電導率指數(shù)預測模型預測效果優(yōu)于對數(shù)模型的預測效果。研究結果表明,，土壤光譜反射率預測土壤電導率的方案可行,，并為光譜信息預測土壤電導率提供了新思路。

摘要:為實現(xiàn)農田生態(tài)系統(tǒng)碳通量動態(tài)監(jiān)測,，提出一種基于Landsat系列多源遙感數(shù)據(jù)的農田生態(tài)系統(tǒng)碳通量估算方法。以美國東北部內布拉斯加州大學農業(yè)研發(fā)中心的3塊試驗田地為研究區(qū)域,，并結合AmeriFlux公開的對應通量站點數(shù)據(jù)進行后續(xù)建模分析,。從氣候變量、土壤性質,、植物性狀3方面綜合出發(fā),，優(yōu)選與農田生態(tài)系統(tǒng)碳通量密切相關的遙感因子，構建覆蓋農田生態(tài)過程關鍵環(huán)節(jié)的全遙感要素數(shù)據(jù)集,。隨后,，構建基于隨機森林(Random forest，RF)的農田碳通量回歸預測模型,，相比于嶺回歸模型和套索模型,，該模型在農田生態(tài)系統(tǒng)碳通量估算方面效果更優(yōu)，其決定系數(shù)(Coefficient of determination,，R2)達到0.94,，均方根誤差（RMSE）為4.281g/(m2·d)?；陔S機森林模型進行因子的重要性分析可知,，DVI、 NDWI,、MSAVI,、NRI、NDVI對碳通量估算的貢獻度分別為35.6%,、25.8%,、12.2%、7.8%,、5.2%,。在以上研究基礎上，通過農田生態(tài)系統(tǒng)碳收支時空演變特性分析可知,，內布拉斯加州2013年作物生育期內的7,、8月時農田碳匯能力最強，在種植初期大豆和玉米均呈現(xiàn)弱碳源,，且玉米的碳源能力更強,，在生長高峰期時玉米和大豆均呈碳匯，且玉米碳匯能力更強,。本研究為農田生態(tài)系統(tǒng)碳收支精準估算,，進而指導農業(yè)生產(chǎn)提供理論支持,。

摘要:為提高對櫻桃果實識別的準確率,，提升果園自動采摘機器人的工作效率，使用采集到的櫻桃原始圖像以及其搭配不同數(shù)據(jù)增強方式得到的數(shù)據(jù)圖像共1816幅建立數(shù)據(jù)集,，按照8∶2將數(shù)據(jù)集劃分成訓練集與測試集?；谏疃葘W習網(wǎng)絡,，利用YOLO v5模型分別對不同數(shù)據(jù)增強方式以及組合增強方式擴增后的櫻桃數(shù)據(jù)集進行識別檢測，結果表明離線增強與在線增強均對模型精度提升有一定的正向促進作用,，其中采用離線數(shù)據(jù)增強策略能夠顯著且穩(wěn)定的增加檢測精度,，在線數(shù)據(jù)增強策略能夠小幅度提高檢測精度，同時使用離線增強以及在線增強能夠最大幅度的提升平均檢測精度,。針對櫻桃果實之間相互遮擋以及圖像中的小目標櫻桃檢測難等導致自然環(huán)境下櫻桃果實檢測精度低的問題,，本文將YOLO v5的骨干網(wǎng)絡進行改動，增添具有注意力機制的Transformer模塊,，Neck結構由原來的PAFPN改成可以進行雙向加權融合的BiFPN,，Head結構增加了淺層下采樣的P2模塊，提出一種基于改進YOLO v5的自然環(huán)境下櫻桃果實的識別網(wǎng)絡,。實驗結果表明：相比于其他已有模型以及單一結構改進后的YOLO v5模型,，本文提出的綜合改進模型具有更高的檢測精度，使平均精度均值2提高了29個百分點,。結果表明該方法有效的增強了識別過程中特征融合的效率和精度,，顯著地提高了櫻桃果實的檢測效果。同時,，本文將訓練好的網(wǎng)絡模型部署到安卓(Android)平臺上,。該系統(tǒng)使用簡潔，用戶設備環(huán)境要求不高,，具有一定的實用性,，可在大田環(huán)境下對櫻桃果實進行準確檢測，能夠很好地滿足實時檢測櫻桃果實的需求,，也為自動采摘等實際應用奠定了基礎,。

摘要:為減少水分、粒度對傳統(tǒng)方式選取特征波長建立的土壤有機質預測模型的影響,，本文提出新的特征波長提取方法,。采集中國農業(yè)大學上莊實驗站土壤樣本60份，將樣本自然風干后一分為二,，一份配成5個粒度梯度（粒徑2~2.5mm,、1.43~2mm、1~1.43mm,、0.6~1mm,、0~0.6mm），另一份過0.6mm篩后配成5個水分梯度（含水率5%,、10%,、15%、20%,、25%）,。通過標準儀器分別獲取土壤有機質含量真值和土壤光譜信息，使用隨機蛙跳算法進行特征波長提取,，每個水分,、粒度梯度下分別選取7個與土壤有機質含量真值相關性較高的波長作為對應梯度下選取的特征波長，分別建立多元線性回歸（MLR）,、偏最小二乘（PLS）,、隨機森林（RF）模型，結果表明：隨著含水率增高,，3種模型的建模集和預測集決定系數(shù)R2基本呈減小趨勢,；在2~2.5mm粒度梯度下，3種模型的建模集和預測集R2最低,，在0~0.6mm梯度下,，建模集和預測集R2最高，其余梯度下,，建模集和預測集R2接近,。結合濾光片帶通范圍（±15nm），挑選出水分梯度下相同或者接近的8個土壤有機質特征波長,，粒度梯度下選取6個特征波長,，最終結合化學鍵特性在水分梯度和粒度梯度下確定的14個特征波長下剔除了6個，確定8個特征波長：932,、999,、1083、1191,、1316,、1356,、1583、1626nm,。分別建立MLR,、PLS、RF模型,，結果表明：最終選取的有機質特征波長建立的3種模型建模集R2均不低于0.8,、預測集R2均不低于0.75，其中PLS預測效果最佳,，建模集,、預測集R2分別為0.8809、0.8402,。本研究所確定的有機質特征波長建立的模型具有更好的適用性和預測效果,，相比于傳統(tǒng)方式，一定程度上消除水分,、粒度對預測的影響。

摘要:為快速獲取作物的生長狀態(tài)信息及時指導農業(yè)生產(chǎn)，基于作物生理生化光譜學響應機理,，設計了基于光環(huán)境校正的便攜作物葉綠素檢測裝置,。裝置測量以610、680,、730,、760、810,、860nm為中心,，20nm帶寬的反射光譜以及環(huán)境光照光譜數(shù)據(jù)，計算植被指數(shù)并預測植物葉綠素含量,，在環(huán)境光照強度較差時使用主動補光燈進行補光,，并對補光條件下環(huán)境光照強度進行校正。實驗表明GPS定位在緯度最大漂移為6.2m,、經(jīng)度最大漂移為4.9m,；光譜傳感器6個波段的光強響應與照度計測量值之間的決定系數(shù)均超過0.99；標定的2塊光譜傳感器的匹配系數(shù)在610nm和860nm波段分別為0.743,、1.035,。建立了610nm和860nm波段補光強度與測量距離間的擬合模型用于光環(huán)境校正,；使用無紡布進行了葉綠素梯度實驗，建立了植被指數(shù)NDVI與植物葉綠素含量的數(shù)學模型,，在較差光環(huán)境條件下不進行補光的模型決定系數(shù)為0.685,，補光并進行校正情況下模型決定系數(shù)為0.965。

摘要:為實現(xiàn)快速,、無損、實時監(jiān)測不同灌溉處理下棉花植株葉面積指數(shù),，借助高光譜遙感技術獲取了棉花植株4個生育期的冠層反射率,，同時獲取每株棉花的葉面積指數(shù)，用一階導數(shù),、二階導數(shù),、標準正態(tài)變換，多元散射校正,、小波分析等光譜預處理方法,，經(jīng)過連續(xù)投影算法提取特征波段，用偏最小二乘法建立4個生育期（總體）和各生育期的高光譜估算模型,。對比6種預處理方法在4個生育期和各生育期建模精度表明,，4個生育期（總體）、蕾期,、花期,、花鈴期的小波分解尺度為4、2,、8,、2，模型分別為CWT-SPA-PLS,、CWT-FD-SPA-PLS,、CWT-SPA-PLS、CWT-FD-SPA-PLS時可取得較好的精度,；經(jīng)二階導數(shù)處理后,，鈴期可取得較好的結果，R2和RPD分別0.973,、5.3295,，優(yōu)于其他預處理。試驗結果表明,，利用預處理方法尤其是小波分析方法得到的光譜信息可有效估測棉花4個生育期（總體）和各生育期的葉面積指數(shù),。

摘要:合理的果樹冠層結構和栽培密度可提高其冠層內光截獲量,，對提升果實產(chǎn)量和質量有重要影響,。本文以細紡錘形櫻桃樹為研究對象，構建了基于三維點云的群體櫻桃樹冠層光照分布預測模型,。使用Azure Kinect DK相機獲取群體櫻桃樹三維點云數(shù)據(jù),，通過點云數(shù)據(jù)預處理得到完整的群體櫻桃樹三維點云數(shù)據(jù)。在冠層尺度內,，對櫻桃樹冠層點云數(shù)據(jù)進行分層,，提取不同區(qū)域的點云顏色特征。提出基于Delaunay三角化凹包算法的點云投影面積計算方法,，通過凹包邊界點提取和向量積叉乘,，計算不同區(qū)域的點云投影面積。以點云顏色特征和相對投影面積特征為輸入,，以實測相對光照強度為輸出,，建立群體櫻桃樹冠層光照分布預測模型。試驗結果表明,，該模型能夠較為準確地預測櫻桃樹冠層內的光照分布，預測值與實際值決定系數(shù)平均值為0.885,，均方根誤差為0.0716,。研究結果可為櫻桃樹合理的種植密度管理及櫻桃樹休眠期自動化剪枝等提供技術支持。

摘要:為研究溫室內番茄冠層作物水分脅迫指數(shù)（CWSI）問題,，通過布設多參數(shù)傳感器,，實時獲取溫室內外各環(huán)境參數(shù)。利用灰度關聯(lián)分析,，計算各環(huán)境參數(shù)與番茄冠層CWSI的關聯(lián)度,，根據(jù)關聯(lián)度對環(huán)境參數(shù)進行排序，同時考慮對模型精度的影響,，最終從9個環(huán)境參數(shù)中選取7個作為模型輸入,，建立基于LightGBM的溫室番茄冠層CWSI預測模型,。結合貝葉斯算法優(yōu)化其中的關鍵參數(shù)，將模型預測結果與通過Jones經(jīng)驗公式計算出的CWSI做相關性分析,，在相同的運算環(huán)境下,，分別與GBRT和SVR模型對比。試驗結果表明,，基于貝葉斯優(yōu)化LightGBM模型的決定系數(shù)（R2）,、平均絕對誤差（MAE）、均方根誤差（RMSE）和運算時間分別為0.9601,、0.0218,、0.0314和0.0518s，與GBRT和SVR模型相比,，其R2分別提高2.14%和14.05%,，MAE分別降低0.0093和0.0612，RMSE分別降低0.0097和0.0591,，時間分別縮短0.0459s和0.0612s,。表明本研究提出的LightGBM模型性能更有效地提高了溫室番茄冠層CWSI的預測精度，為實現(xiàn)溫室番茄按需灌溉提供了參考,。

摘要:反芻動物通過向大氣釋放甲烷氣體導致全球變暖,，甲烷作為全球第二大溫室氣體，其排放帶來的溫室效應相當于CO2的25倍,。國內外反芻動物甲烷排放核算方法和監(jiān)測技術正向著全面化,、智能化和管控精準化的方向發(fā)展。為了監(jiān)測反芻動物甲烷排放量,，為畜禽養(yǎng)殖業(yè)甲烷減排核算提供參考,，尋找合適的反芻動物甲烷排放核算及監(jiān)測方法成為當前相關學者研究的熱點。本文主要對反芻動物溫室氣體甲烷排放來源,、核算方法,、監(jiān)測技術的應用現(xiàn)狀等內容進行闡述。參考國內外相關畜禽養(yǎng)殖業(yè)甲烷排放等相關文獻,，比較了OECD（經(jīng)濟合作與發(fā)展組織）法,、IPCC（聯(lián)合國政府間氣候變化專門委員會）系數(shù)法、省級溫室氣體清單編制指南和生命周期評價法(LCA)的優(yōu)缺點,。重點對比分析了呼吸面罩和頭箱監(jiān)測法,、紅外光譜技術監(jiān)測法、呼吸代謝室監(jiān)測法等7種方法的反芻動物甲烷排放監(jiān)測技術應用研究進展，以期為推動國內反芻動物溫室氣體甲烷監(jiān)測技術發(fā)展和減排工作提供參考與借鑒,。

摘要:生物質爐具是通過生物質燃燒提供熱量的環(huán)保型爐具，具有高效,、環(huán)保,、熱效率高、煙塵排放低等優(yōu)點,，被廣泛應用于民用熱水,、建筑采暖和工業(yè)熱力等領域中，在我國有著悠久的歷史和廣泛的基礎,。然而,，市面上現(xiàn)存的生物質爐具由于技術限制，在燃燒過程中難以保證生物質燃料充分燃燒,，存在鍋爐熱效率低及污染環(huán)境問題,；故本文設計了一種基于變壓射流燃燒技術的生物質成型燃燒爐具，即在燃燒過程中,，2個進氣機構所形成的一次風和二次風在爐體中以自旋,、整體旋或者二者疊加的方式存在，通過改變兩次風的風量比例,、進氣位置,、充氣角度，在爐具內形成不同的風壓射流,，以強化熱質傳遞,，確保燃盡效果，在燃燒過程中有效控制氮氧化物的生成與排放,。燃料燃燒試驗結果表明：玉米秸稈燃燒熱效率為85.97%,，底灰結渣率為3.42%，生物質顆粒燃燒較充分,；SO2排放量為18.34mg/m3,，NOx排放量為91.45mg/m3,，CO體積分數(shù)為0.092%,，污染物排放量符合國家標準；鍋爐具有較好的穩(wěn)定性,，滿足設計要求,。

摘要:我國葡萄產(chǎn)量逐年上升,，田間葡萄品質檢測有益于提高葡萄收獲后流入市場的經(jīng)濟效益,。傳統(tǒng)田間葡萄品質檢測主要依靠人工進行破壞性檢測，存在經(jīng)驗差異導致的誤差,。隨著深度學習,、圖像檢測技術的發(fā)展，基于機器視覺的田間葡萄品質檢測克服了傳統(tǒng)人工檢測的局限性,，以快速精準,、實時無損檢測的優(yōu)勢得到了大量應用。葡萄品種不同,，衡量其內,、外在品質評級的指標也不同。本文根據(jù)葡萄品種與品質評價指標,，從品種的機器視覺檢測方法,、品質的機器視覺檢測方法展開，對國內外基于機器視覺技術的田間葡萄品質無損檢測相關研究進行系統(tǒng)性分析與總結,?？偨Y了不同機器視覺檢測方法對葡萄品質指標檢測的優(yōu)缺點，并對田間葡萄品質無損檢測研究面臨的問題進行了討論,，指出了今后的發(fā)展趨勢與研究方向,。

摘要:針對發(fā)芽馬鈴薯在線檢測需求,，提出使用輕量級卷積神經(jīng)網(wǎng)絡對發(fā)芽薯進行檢測。首先將獲取的馬鈴薯樣本基于分級線進行圖像采集,，經(jīng)過數(shù)據(jù)增強擴充樣本,。搭建Shuffle-Net輕量級卷積神經(jīng)網(wǎng)絡，對比了不同學習率與學習率衰減策略對模型的影響,。試驗發(fā)現(xiàn),，當學習率為0.001，衰減策略為W-EP時表現(xiàn)最佳,，發(fā)芽薯與健康薯的總體識別準確率為97.8%,，單個樣本識別時間為0.14s，模型內存占用量為5.2MB。對實驗結果進行評價,，查準率為98.0%,，查全率為97.1%，特異性為98.4%,，調和均值為97.5%,。選擇VGG11、Alex-Net,、Res-Net101模型與本文模型進行對比,，發(fā)現(xiàn)本文模型識別準確率較VGG11與Alex-Net有大幅度提升，單個樣本識別速度較Res-Net101提高5倍,、較VGG11提高近7倍,，模型體量較VGG11、Alex-Net,、Res-Net101大幅度減少,。將模型內部卷積進行了可視化分析并對結果進行了誤判分析，發(fā)現(xiàn)當芽體顏色暗,、較短且處于薯體邊緣的情況下,，會造成誤判。由此可得本實驗模型實現(xiàn)了發(fā)芽薯準確,、有效的識別,，同時還具有識別速度快、體量小,、移植性強的優(yōu)點,，可為農產(chǎn)品外部無損檢測分級提供理論支撐。

摘要:糖度是西瓜分級的重要指標之一，針對傳統(tǒng)西瓜檢測方法的弊端,，探討了聲學特性結合機器學習用于西瓜無損檢測與分級的可行性,。設計了西瓜聲學檢測系統(tǒng)，采集了不同批次樣本的時域信號,。時域信號經(jīng)歸一化處理后,，采用快速傅里葉變換得到頻域信號,，并對其進行去趨勢預處理,。采用主成分分析提取了頻域信號主成分，其中前3個主成分累計方差貢獻率為95.32%，第1主成分和第2主成分對不同等級樣本具有可分性,。利用4種不同的機器學習算法建立了西瓜全變量分級模型,，驗證集分類準確率均達到66%以上。使用穩(wěn)定競爭性自適應加權算法提取了特征變量,，減少了約84%的變量數(shù),，使用優(yōu)化后的特征變量建立的分類模型，性能均得到了較好的提升,，其中支持向量機模型取得了最高的驗證集準確率（95.56%）,、F1分數(shù)（96%）和Kappa系數(shù)（93%）。結果表明,，聲學特性結合機器學習的方法,，對西瓜進行無損檢測和分級是可行的。該研究為西瓜無損檢測和分級提供了可行的技術方案,。

摘要:針對拖掛式大載荷特種車輛作業(yè)自動化以及高精度安全作業(yè)需求,，以大載荷牽引車為對象,，設計了一套拖掛式機組自主導航控制系統(tǒng)。車載程控系統(tǒng)采用模塊化分布式系統(tǒng),，通過CAN總線實現(xiàn)系統(tǒng)內各模塊間通信,，遠程運管平臺與車載程控終端之間采用TCP協(xié)議進行數(shù)據(jù)通信，實現(xiàn)遠程運管平臺與車載程控系統(tǒng)間信息交互,。建立拖掛式特種車輛的運動學模型,，分析牽引作業(yè)時被牽引機具的牽引狀態(tài)和最小轉彎半徑。針對傳統(tǒng)純追蹤算法中固定前視距離缺陷,，本文根據(jù)當前牽引車實時速度,、追蹤路徑曲率、航向等信息動態(tài)計算前視距離,，將固定前視距離改進為動態(tài)前視距離追蹤,，由單參數(shù)變?yōu)槎鄥?shù)進行優(yōu)化控制參數(shù)，顯著提高了軌跡追蹤精度,；使用隨機森林算法對軌跡追蹤數(shù)據(jù)進行特征提取,，根據(jù)各個特征重要性指標權重，修改算法參數(shù),。在試驗場地為水平傾斜度最大為2°的空曠的水泥跑道上,，牽引車質量2t,，被牽引機具質量10t、長22m,，且牽引機組設計要求最大行駛速度為6km/h,、最大橫向偏差為50cm。根據(jù)復雜路徑試驗與數(shù)據(jù)分析,，系統(tǒng)糾偏響應時延最大為84ms,，牽引機組絕對橫向誤差最大為37.14cm，平均絕對誤差為14.91cm,，滿足大載荷拖掛作業(yè)中的實際應用要求,。

摘要:為研究拖拉機旋耕作業(yè)載荷對動力輸出傳動系振動特性的影響,，采用系統(tǒng)動力學建模,、臺架試驗驗證、田間試驗與仿真分析相結合的方法加以分析,。首先,，在分析動力輸出傳動系結構的基礎上，建立了描述其載荷傳遞機理的扭振耦合空間動力學模型,，此模型詳細考慮了橫向和垂向的齒輪嚙合傳遞效應,。其次，利用拖拉機PTO加載試驗臺對模型的仿真結果進行試驗驗證,，驗證結果表明：橫向和垂向的嚙合頻率誤差最大分別為4.24%和5.12%,，滿足建模要求。然后,，搭建了由無線扭矩傳感器,、北斗定位系統(tǒng)等組成的作業(yè)數(shù)據(jù)采集系統(tǒng)，分別采集了拖拉機在L1（2.07km/h）,、L2（3.10km/h）,、L3（5.29km/h）常用擋位下的田間旋耕作業(yè)數(shù)據(jù)，田間試驗結果表明：旋耕作業(yè)的載荷水平和波動范圍均隨著作業(yè)擋位,、行駛速度的升高而增大,。最后，利用所建立的動力學模型仿真分析了不同作業(yè)擋位PTO負荷對齒輪傳遞特性的影響,，結果表明：拖拉機旋耕作業(yè)擋位越高,，由PTO載荷波動所引起的傳動系振動位移越大，而且主要體現(xiàn)在橫向振動,。

摘要:集成化智能操縱臺為高端農機的核心共性部件,，廣泛應用于拖拉機,、噴霧機、收獲機等大型農機裝備,，作為與駕駛員直接接觸的媒介,，對駕駛員的身心健康具有直接影響。針對駕駛員田間作業(yè)強度大,、心理負荷高的問題,，按照駕駛員主動健康要求，選擇國產(chǎn)典型操縱臺,，基于感性工學理論,，構建心理負荷指標體系，開展拖拉機智能操縱臺的靜態(tài)人機半物理試驗,，建立心理負荷主成分模型,，優(yōu)化設計面向最低心理負荷的操縱臺。首先,，構建心理負荷評價體系,，基于國產(chǎn)大型拖拉機實機搭建人機半物理試驗臺，選擇實際犁耕工況的駕駛員操控視頻,，設計試驗方案,；其次，選擇10名具有駕駛經(jīng)驗的拖拉機駕駛員進行試驗,，記錄心理負荷各指標數(shù)據(jù),；再次，根據(jù)試驗數(shù)據(jù)進行心理負荷主成分建模,，分析操縱臺優(yōu)化前的心理負荷設計缺陷,；最后，基于主成分分析結果,，面向心理負荷最小化要求,，應用人機工程學理論從界面元素分布、元素顏色,、元素形狀等方面優(yōu)化操縱臺,，得到優(yōu)化后的操縱臺并進行試驗驗證。結果表明,，駕駛員的心理負荷主要由疲勞感受因素與疲勞緩解因素疊加而成,；優(yōu)化前操縱臺的心理舒適性平均分為0.403,，其中，疲勞感受因素的主要方面為視覺及頭頸疲勞（權重為0.458）,，疲勞緩解因素的主要方面為作業(yè)自我效能感受（權重為0.578）,；優(yōu)化后的操縱臺心理舒適性平均分提升為2.048，能顯著緩解心理負荷,。本文研究成果可為當前智能拖拉機駕駛舒適性設計提供一定參考依據(jù),，助力補齊農機裝備主動健康理論短板。

摘要:電動拖拉機作為農業(yè)節(jié)能減排的重要工具，也是未來農機裝備產(chǎn)品的發(fā)展和轉型方向之一,，國內外進行了大量技術研究與產(chǎn)品嘗試,。從電動拖拉機技術角度入手，對電動拖拉機發(fā)展的各個階段及其典型產(chǎn)品進行了梳理,，總結了各發(fā)展階段的技術特點與影響電動拖拉機技術發(fā)展的主要因素,。基于國內外現(xiàn)有研究成果,，對電動拖拉機研究的方案與設計技術,、控制技術、仿真與試驗技術的研究現(xiàn)狀進行了分析,，總結了各方向現(xiàn)有研究成果的特點,。結合發(fā)展經(jīng)歷與研究現(xiàn)狀，對未來電動拖拉機產(chǎn)品與技術的發(fā)展方向進行了展望,。