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:機器視覺技術(shù)是果實目標識別與定位研究的關(guān)鍵,。傳統(tǒng)的目標識別算法準確率較低,、檢測速度較慢,，難以滿足實際生產(chǎn)的需求,。近年來,，深度學(xué)習(xí)方法在果實目標識別與定位任務(wù)中表現(xiàn)出了優(yōu)良的性能。本文從數(shù)據(jù)集制備與果實目標識別模型兩方面進行綜述,，總結(jié)了數(shù)據(jù)集制備相關(guān)的有監(jiān)督,、半監(jiān)督和無監(jiān)督3種方法的特點，按照深度學(xué)習(xí)算法的發(fā)展歷程,，歸納了基于深度學(xué)習(xí)的果實目標檢測和分割技術(shù)的常用方法及其實際應(yīng)用,，輕量化模型的研究進展及其應(yīng)用情況，基于深度學(xué)習(xí)的果實目標識別技術(shù)面臨的問題和挑戰(zhàn),。最后指出基于深度學(xué)習(xí)的果實目標識別方法未來發(fā)展趨勢為：通過弱監(jiān)督學(xué)習(xí)來降低模型對數(shù)據(jù)標簽的依賴性,，提高輕量化模型的檢測速度以實現(xiàn)果實目標的實時準確檢測。

摘要:針對傳統(tǒng)蝙蝠算法全局搜索能力不足的問題,，提出一種改進蝙蝠算法(IBA-FCS)，通過設(shè)計脈沖變頻策略,、自適應(yīng)局部搜索策略和變異機制,，有效提升了算法的全局搜索能力?；诮?jīng)典測試函數(shù)的尋優(yōu)結(jié)果表明,，與粒子群算法、傳統(tǒng)蝙蝠算法和其他改進蝙蝠算法相比,，IBA-FCS算法具有更好的尋優(yōu)性能,。針對農(nóng)業(yè)無人機的航跡規(guī)劃問題，結(jié)合山地果園飛行環(huán)境的三維地形數(shù)據(jù),，構(gòu)建了農(nóng)業(yè)無人機安全航跡規(guī)劃模型,，設(shè)計了多因素約束的飛行成本函數(shù)；同時,，將航跡規(guī)劃模型的求解空間由笛卡爾坐標系變換到圓柱坐標系,，進一步提升IBA-FCS算法的尋優(yōu)效率，從而獲取更好的航跡規(guī)劃方案,。仿真實驗結(jié)果表明,，在具有不同數(shù)量障礙物的多個飛行任務(wù)中，IBA-FCS算法較傳統(tǒng)蝙蝠算法的飛行成本函數(shù)適應(yīng)度平均下降20.3355%,，并且基于圓柱坐標系的IBA-FCS算法求解的飛行成本函數(shù)適應(yīng)度較基于笛卡爾坐標系的規(guī)劃結(jié)果平均下降4.6127%,。實地場景實驗結(jié)果表明，基于IBA-FCS算法的規(guī)劃方案能夠收斂于最優(yōu)航跡,，進一步驗證了山地果園靜態(tài)障礙環(huán)境下應(yīng)用改進蝙蝠算法和圓柱坐標系進行農(nóng)業(yè)無人機安全航跡規(guī)劃的可行性和有效性,。

摘要:針對田間顛簸環(huán)境影響農(nóng)業(yè)機器人采集實時穩(wěn)定圖像問題,，提出了基于Harris和卡爾曼濾波的農(nóng)業(yè)機器人田間穩(wěn)像算法。首先,，利用攝像頭獲取田間抖動視頻圖像序列,，進行圖像子區(qū)域劃分并計算各區(qū)域灰度均方差,，進而確定各區(qū)域Harris角點閾值；通過自適應(yīng)角點閾值設(shè)置,，增加角點距離約束,，完成圖像角點檢測。然后,，對檢測出的角點進行光流跟蹤,，計算出幀間運動估計參數(shù)。最后,，利用自適應(yīng)卡爾曼濾波算法對運動估計參數(shù)進行平滑操作并動態(tài)調(diào)整濾波平滑性能,，獲得精確運動估計矢量。測試結(jié)果表明,，改進后的Harris角點檢測算法區(qū)域平均分布標準差減?。蛔赃m應(yīng)卡爾曼濾波算法在保證平滑隨機運動前提下,，跟蹤主動運動性能平均提升30.75個百分點,；穩(wěn)像后的圖像峰間信噪比提升15.93%，單幀處理時間為25.66ms,，滿足農(nóng)業(yè)機器人30f/s高速圖像采集時同步穩(wěn)像對實時性要求,。

摘要:農(nóng)業(yè)機械（農(nóng)機）在多個地塊作業(yè),，費用和效率有時需按地塊統(tǒng)計,，現(xiàn)有的農(nóng)機監(jiān)控系統(tǒng)僅能記錄農(nóng)機定位信息和作業(yè)狀態(tài)信息,，難以實現(xiàn)地塊的自動精準劃分。本文通過研究軌跡點屬性特征,，分析作業(yè)地塊數(shù)量不確定性和軌跡點分布規(guī)律,，采用基于密度聚類方法（Densitybased spatial clustering of applications with noise，DBSCAN）和分類器集成算法（BP_Adaboost）結(jié)合的方法劃分地塊,。根據(jù)DBSCAN算法對農(nóng)機軌跡點多數(shù)有效,、識別錯誤集中的特點，結(jié)合BP_Adaboost算法挖掘多維度信息關(guān)聯(lián),、容錯能力強,、分類效果好等優(yōu)勢，先利用DBSCAN得到初步的軌跡點狀態(tài)類別,，再利用BP_Adaboost算法建立訓(xùn)練模型對農(nóng)機軌跡點狀態(tài)精準識別,，根據(jù)時間序列和類別標記劃分地塊。本文方法既解決了只依靠閾值和經(jīng)緯度信息聚類不準確的問題，也減少了大量樣本標記工作,。利用該方法軌跡點狀態(tài)識別準確率達96.75%,，地塊劃分準確率為97.74%。

摘要:提出了多維度與全鏈條農(nóng)機多機協(xié)同技術(shù),，實證檢驗了新型農(nóng)業(yè)經(jīng)營主體此技術(shù)采納的影響因素,，結(jié)果表明，技術(shù)有用性,、技術(shù)易用性,、技術(shù)成本、吸收能力,、資源就緒度,、競爭壓力、外部支持對技術(shù)采納具有顯著的正向影響,，標準化回歸系數(shù)分別為0.411,、0.399、0.208,、0.175,、0.290、0.407,、0.156,，技術(shù)有用性的影響最大，組織間信任對技術(shù)采納影響不顯著,。組織吸收能力,、外部支持在技術(shù)特性3個維度對技術(shù)采納影響關(guān)系中均具有顯著的調(diào)節(jié)效應(yīng)；組織資源就緒度在技術(shù)易用性,、技術(shù)成本對技術(shù)采納的影響關(guān)系中起調(diào)節(jié)作用,，在技術(shù)有用性對技術(shù)采納的影響關(guān)系中無顯著調(diào)節(jié)作用。提出了提升技術(shù)的實用化程度,、推進信息化基礎(chǔ)設(shè)施建設(shè),、強化政策支持力度、加強用戶自身能力建設(shè)等對策建議,。

摘要:針對大豆壟三栽培模式下播種機施肥開溝器土壤擾動影響種-肥、種-種的空間配置關(guān)系問題,，設(shè)計了一種雙錐環(huán)型種床整理裝置,。通過理論分析確定在典型東北黑壤土、含水率20%和仿形機構(gòu)下拉彈簧剛度4.48N/mm條件下,，雙錐環(huán)型種床整理裝置關(guān)鍵結(jié)構(gòu)參數(shù)取值范圍,；應(yīng)用三因素三水平正交試驗方法，以作業(yè)速度,、收土整形環(huán)母線長度和仿形下拉彈簧預(yù)伸長量為試驗因素,，選擇種床平整度、壟頂5cm深度土壤堅實度變異系數(shù),、播種深度變異系數(shù),、種子橫向偏移離散度和種肥間距合格率為評價指標，實施關(guān)鍵結(jié)構(gòu)和運用參數(shù)組合優(yōu)化試驗及田間對比試驗,，結(jié)果表明：當作業(yè)速度小于等于14.4km/h,、彈簧預(yù)伸長量為90mm、收土整形環(huán)母線長度為42mm時,，增設(shè)該種床整理裝置的播種單體可以實現(xiàn)種床平整度達6.22mm,、壟頂5cm深度土壤堅實度變異系數(shù)達17.39%、播種深度變異系數(shù)達13.74%,、種子橫向偏移離散度7.65%,、種肥間距合格率達87.86%，較未設(shè)置種床整理裝置播種單體的播種深度一致性和種肥間距合格率分別提高19.71%和24.26%,，種子橫向偏移離散度降低44.02%,。研究結(jié)果為大豆壟三栽培配套高速精量播種機的研究提供了參考。

摘要:針對油菜精量播種作業(yè)速度提高導(dǎo)致種子流檢測精度下降的問題,，設(shè)計了一種光纖計數(shù)式油菜精量排種器種子流檢測系統(tǒng)，由光纖計數(shù)式傳感器,、核心控制模塊,、降壓模塊、無線通信模塊和網(wǎng)頁終端組成,。闡述了光纖計數(shù)傳感器的種子流檢測原理,，運用質(zhì)點運動學(xué)理論構(gòu)建了種子與導(dǎo)種管接觸運動力學(xué)模型,，明確了該傳感器的響應(yīng)時間。系統(tǒng)工作時,，通過光纖傳感器檢測下落的種子流對光纖進行遮擋產(chǎn)生的電壓信號,，通過不同模塊對信號進行降壓、收集,、傳輸并結(jié)合終端進行實時顯示與儲存,。選用華油雜62油菜種子為試驗材料，以六度空間振動臺為試驗平臺搭載油菜精量排種器,，以振動頻率,、種盤轉(zhuǎn)速和工作負壓為試驗因素，各行排種量及各行排量一致性變異系數(shù)的相對偏差為評價指標,，開展了傳感器精度試驗,、檢測系統(tǒng)性能試驗及田間試驗。試驗結(jié)果表明：單,、雙粒檢測試驗結(jié)果相對偏差最大為3.67%,；各行排種量的實際值與檢測值的相對偏差不超過4.0%；各行排量一致性變異系數(shù)的相對偏差不超過1.0%,。田間試驗表明油菜種子的播種量檢測相對偏差不超過8.0%,，系統(tǒng)整體誤差較小，可為進一步開展油菜精量播種作業(yè)質(zhì)量評價系統(tǒng)研究提供參考,。

摘要:針對小麥小區(qū)條播機排種系統(tǒng)智能化水平低的問題,，本文基于差分定位原理設(shè)計了一套小麥小區(qū)條播機電控排種系統(tǒng),。該系統(tǒng)主要由北斗差分定位系統(tǒng)、STM32F4主控系統(tǒng),、錐體格盤驅(qū)動系統(tǒng),、離心分種驅(qū)動系統(tǒng)和人機交互系統(tǒng)等組成，主控系統(tǒng)采集北斗差分定位信息計算錐體格盤匹配轉(zhuǎn)速,，控制格盤電機和分種電機運轉(zhuǎn),，并顯示作業(yè)信息。通過正交試驗法優(yōu)選了離心分種器結(jié)構(gòu)參數(shù),，建立了播種機車速和錐體格盤轉(zhuǎn)速控制模型,。試驗結(jié)果表明：各行排量一致性變異系數(shù)為5.69%，均勻性變異系數(shù)為20.77%,，驗證了本電控排種系統(tǒng)的可行性,。

摘要:針對我國馬鈴薯育種試驗播種作業(yè)效率低,，以及株距均勻性差導(dǎo)致的育種試驗播種精確性無法滿足育種要求等問題,，設(shè)計了一種采用圓臺格盤式排種裝置的馬鈴薯育種試驗播種機，使種薯從同一位置進行排種,，從而提高株距均勻性,。并以株距合格率和株距均勻性變異系數(shù)為評價指標，對種薯在排種,、導(dǎo)種和落地后的運動狀態(tài)進行了分析,，得出影響上述指標的因素為拖拉機前進速度、格盤投種高度,、落種口初始位置與機器前進速度方向夾角,；并基于旋轉(zhuǎn)回歸正交試驗，建立了評價指標與影響因素間的回歸模型,，得出試驗指標最佳時的因素范圍,；通過田間驗證試驗得出當拖拉機前進速度為0.14m/s、格盤投種高度為0.64m,、落種口初始位置與機器前進速度方向夾角為18.24°時,，株距合格率為87.1%，株距均勻性變異系數(shù)為13.4%,，各項性能指標均滿足國家標準要求,。

摘要:為實現(xiàn)蔬菜缽苗密植自動移栽,，提出一種能夠降低因齒輪間的齒側(cè)間隙引起的傳動誤差進而提高運動準確性的大重合度非圓齒輪傳動機構(gòu)，根據(jù)小青菜缽苗密植移栽農(nóng)藝要求,，設(shè)計了密植移栽取苗軌跡和一種基于該傳動機構(gòu)的非圓齒輪行星輪系八行同步取苗機構(gòu),。開展了取苗機構(gòu)的逆向設(shè)計，并對其進行了運動學(xué)分析,，自主開發(fā)了密植移栽取苗機構(gòu)反求設(shè)計軟件,。為降低傳動誤差，該行星輪系取苗機構(gòu)一級齒輪傳動采用大重合度非圓齒輪傳動,，二級齒輪傳動采用斜齒輪傳動,，每級齒輪傳動的重合度均接近2,?；谔摂M樣機技術(shù)和高速攝像技術(shù)對取苗機構(gòu)進行軌跡測試試驗,，得到試驗和仿真取苗軌跡，并對比理論計算軌跡,，三者軌跡基本一致,，驗證了密植移栽取苗機構(gòu)設(shè)計的可行性。對密植移栽取苗機構(gòu)進行取苗試驗,，取苗機構(gòu)的取苗成功率為95%左右,，檢驗了機構(gòu)樣機性能。

摘要:為解決現(xiàn)有夾持式采摘機械手對雙孢菇造成的機械損傷高,、采摘損失大等問題,，基于顆粒阻塞原理設(shè)計了一種雙孢菇柔性仿形采摘末端執(zhí)行器。首先根據(jù)雙孢菇菇蓋外形參數(shù)設(shè)計柔性仿形吸盤的結(jié)構(gòu),，通過預(yù)試驗分析末端執(zhí)行器的關(guān)鍵參數(shù),；選定了吸盤材料和顆粒填充物的種類，通過有限元仿真驗證柔性仿形吸盤的仿形能力和吸附效果,，并得到柔性仿形吸盤最優(yōu)的開口直徑,。為明確吸附負壓、雙孢菇直徑,、柔性膜厚度,、顆粒直徑等因素對吸附力的影響，對所試制的末端執(zhí)行器進行了拉脫力試驗,，結(jié)果表明拉脫力與吸附負壓,、雙孢菇直徑、顆粒直徑均呈線性關(guān)系,，與柔性膜厚度呈非線性關(guān)系,。當末端執(zhí)行器中柔性膜厚度為9mm、顆粒直徑為20目的石英時仿形效果最好,，并與標準真空吸盤開展了對比試驗,，試驗結(jié)果表明同等吸附力柔性仿形吸盤所需負壓更低。針對尺寸范圍為25~50mm的雙孢菇進行了采摘試驗,，柔性仿形吸盤的采摘成功率為98.5%,，并對采后雙孢菇進行了損傷檢測，柔性仿形吸盤的采摘損傷率為2.5%,。結(jié)果表明,，所設(shè)計的柔性仿形采摘末端執(zhí)行器具備適應(yīng)性強、抓取穩(wěn)定,、損傷率低等優(yōu)點,，能夠滿足雙孢菇自動化采摘需求,。

摘要:針對我國雪茄煙葉種植苗床整理階段工序繁瑣、農(nóng)藝要求高,、工作量大,、效率低且缺乏專用機具，現(xiàn)有其他作物的苗床整理機具主要適用沙壤土的作業(yè)環(huán)境且多采用被動起壟,，在我國雪茄煙葉種植區(qū)域偏黏性土質(zhì)工況下起壟效果差的問題,，結(jié)合雪茄煙葉根系生長特點與苗床農(nóng)藝要求，設(shè)計了雪茄煙葉可調(diào)式苗床起壟鋪膜機,，可實現(xiàn)旋耕,、深施肥、起壟,、鋪膜和膜邊覆土的一體化作業(yè),。根據(jù)起壟成形原理及壟形要求，確定了旋耕集土作業(yè)參數(shù),，對整形鎮(zhèn)壓輥進行了結(jié)構(gòu)設(shè)計及力學(xué)分析,，闡述了苗床高度調(diào)節(jié)原理，匹配了機具前進速度,、旋耕集土起壟裝置轉(zhuǎn)速與整形鎮(zhèn)壓輥轉(zhuǎn)速之間的速度關(guān)系,，并結(jié)合地膜破損條件和膜邊覆土影響因素，分析確定了壓邊輪和覆土圓盤的結(jié)構(gòu)及工作參數(shù),。田間試驗表明,，作業(yè)后壟體的平均壟高為277.4mm、壟基寬為701.8mm,、壟距為1230.2mm,、壟溝寬為514.4mm，壟高,、壟基寬,、壟距及壟溝寬的穩(wěn)定性系數(shù)均大于94%；兩種工況下的平均膜邊覆土寬度分別為71.7,、75.6mm,，穩(wěn)定性系數(shù)分別為88.87%、87.00%，各項試驗指標均滿足雪茄煙葉種植要求,。

摘要:針對當前玉米青貯收獲機作業(yè)參數(shù)人工檢測效率低,、自動檢測手段匱乏、檢測參數(shù)間相互獨立,、難以支撐關(guān)聯(lián)分析等問題,，設(shè)計了基于CAN總線和虛擬儀器的玉米青貯收獲機田間多參數(shù)檢測系統(tǒng)。該檢測系統(tǒng)由作業(yè)質(zhì)量檢測裝置,、機械部件工況檢測裝置,、液壓部件工況檢測裝置和上位機監(jiān)測軟件構(gòu)成，可以實現(xiàn)發(fā)動機輸出轉(zhuǎn)速與扭矩,、割茬高度,、收獲生產(chǎn)率、割臺工作轉(zhuǎn)速與扭矩,、切碎輥工作轉(zhuǎn)速與扭矩,、拋送風(fēng)機工作轉(zhuǎn)速與扭矩、行走部件轉(zhuǎn)速與扭矩,、喂入部液壓泵輸出流量與壓力等多種參數(shù)的系統(tǒng)性測量與綜合分析,，并結(jié)合現(xiàn)行標準用于玉米青貯收獲作業(yè)的整機合格性評價。田間試驗結(jié)果表明,，多參數(shù)檢測系統(tǒng)能夠?qū)崿F(xiàn)玉米青貯收獲機作業(yè)參數(shù)的全面,、動態(tài)、連續(xù)和穩(wěn)定測量,。其中,，扭矩參數(shù)靜態(tài)測量的最大相對誤差在±0.5%范圍內(nèi)，空載工況下的試驗組間均值差異性不大于0.75N·m,，試驗組內(nèi)重復(fù)性測量最大極差為1.28N·m,，最大變異系數(shù)為0.012；收獲工況下的檢測數(shù)據(jù)與實際工況始終保持一致,，可以準確獲取不同機器參數(shù)下的整機轉(zhuǎn)速與扭矩動態(tài)變化趨勢,；液壓流量參數(shù)測量的最大相對誤差為1.13%，額定作業(yè)工況下的相對誤差為0.53%,；收獲生產(chǎn)率參數(shù)測量的模型回歸系數(shù)為0.89,，平均相對誤差為11.1%；割茬高度參數(shù)測量的最大相對誤差為4.78%。玉米青貯收獲機作業(yè)性能綜合測試系統(tǒng)通信正常,，數(shù)據(jù)采集穩(wěn)定可信,，有效降低田間檢測復(fù)雜度，可為玉米青貯收獲機的參數(shù)在線檢測,、適用性綜合評價與整機設(shè)計優(yōu)化等提供技術(shù)支持,。

摘要:針對大蒜聯(lián)合收獲機拉拔收獲特點與鱗莖定位要求,，為提高輸送成功率、降低鱗莖損傷率,，設(shè)計了一種浮動式夾持裝置,，闡述了其主要結(jié)構(gòu)與工作機理。通過莖稈受力變形與植株運動分析,，明確了試驗臺浮動輪彈性系數(shù),、間距及鏈條輸送速度等關(guān)鍵作業(yè)影響參數(shù)的取值范圍。構(gòu)建了莖稈流變模型,，并根據(jù)不同載荷下的莖稈蠕變曲線擬合了莖稈的粘彈性參數(shù),，明析了關(guān)鍵作業(yè)參數(shù)與輸送裝置夾持力、輸送損失及鱗莖損傷的關(guān)系,。以浮動輪彈性系數(shù),、間距及鏈條輸送速度為試驗因素，以成功率和損傷率為試驗指標,，用Design-Expert軟件進行試驗數(shù)據(jù)分析,，由Origin軟件生成3D響應(yīng)曲面，得到各因素對指標的影響次序,。結(jié)果表明,，當浮動輪彈性系數(shù)、間距及鏈條輸送速度分別為2N/mm,、83mm和520mm/s時,，裝置性能最優(yōu)，夾持成功率和損傷率分別為97.42%和1.36%,。對優(yōu)化因素進行試驗驗證,，試驗與優(yōu)化結(jié)果基本一致，滿足大蒜聯(lián)合收獲浮動夾持高成功率與低損傷率的作業(yè)要求,。

摘要:針對長江流域油菜主產(chǎn)區(qū)普遍使用的履帶式油菜聯(lián)合收獲機進行高密高產(chǎn)油菜收獲時清選篩面脫出物易堆積，影響油菜籽粒透篩,，導(dǎo)致清選損失率高和作業(yè)效率低的問題,，通過分析清選過程中物料拋散運動規(guī)律，設(shè)計了篩面物料勻散導(dǎo)流裝置,，確定了影響清選系統(tǒng)作業(yè)性能的裝置關(guān)鍵結(jié)構(gòu)與作業(yè)參數(shù),。構(gòu)建了清選系統(tǒng)CFD-DEM耦合仿真分析模型，采用二次回歸正交組合試驗方法,，探究了導(dǎo)流桿擺動頻率,、導(dǎo)流桿轉(zhuǎn)速,、驅(qū)動關(guān)節(jié)滑槽傾角對清選損失率,、清選含雜率的影響，確定了最優(yōu)參數(shù)組合,。仿真試驗結(jié)果表明,，各因素對損失率和含雜率均具有顯著影響，其中以導(dǎo)流桿擺動頻率影響最顯著,，最優(yōu)參數(shù)組合為導(dǎo)流桿擺動頻率12.5Hz,、導(dǎo)流桿轉(zhuǎn)速120r/min、滑槽傾角20°,?；趦?yōu)化后的參數(shù)進行臺架試驗，結(jié)果表明,，在相同的大喂入量條件下,，增設(shè)篩面勻散導(dǎo)流裝置后清選損失率為3.97%，含雜率3.71%,，對比原清選系統(tǒng)損失率降低49.8%,，含雜率降低34.7%，能夠滿足高密高產(chǎn)油菜的低損高效清選作業(yè)要求,。

摘要:針對油菜聯(lián)合收獲機旋風(fēng)分離清選氣流場分布存在死區(qū),，導(dǎo)致油菜脫出物分離不徹底,，夾帶損失率增加,、清潔率降低等問題，提出了一種凸塊擾流式旋風(fēng)分離清選裝置,，通過旋風(fēng)分離筒下錐段內(nèi)壁螺旋間隔排列的圓柱磁塊形成柱狀凸起,，擾動內(nèi)部氣流場?；谶\動學(xué)與動力學(xué)分析開展了旋風(fēng)分離氣流場死區(qū)對油菜籽粒遷移的影響,，分析表明氣流場死區(qū)不利于雜余的分離；明確了凸塊螺旋間隔排布方式,，以旋風(fēng)分離筒入口風(fēng)速和吸雜口風(fēng)速以及凸塊排列的螺旋升角,、間距、螺旋頭數(shù)為試驗因素,，以清選裝置清潔率,、損失率為評價指標，基于自主研發(fā)的油菜聯(lián)合收獲關(guān)鍵部件試驗臺開展了單因素試驗與Box-Behnken試驗,，建立了清潔率與損失率和影響因素之間的數(shù)學(xué)關(guān)系模型,，得出了旋風(fēng)分離清選裝置最佳參數(shù)組合并開展了臺架和田間驗證試驗。單因素試驗結(jié)果表明,，增加凸塊擾流可提升旋風(fēng)分離清選裝置性能,，當凸塊采用4頭均勻?qū)ΨQ螺旋排布時，籽粒損失較少且清潔率較高,；Box-Behnken試驗結(jié)果表明,，最佳參數(shù)組合為螺旋升角66.2°、凸塊間距48.3mm,、入口風(fēng)速4.9m/s,、吸雜口風(fēng)速25.4m/s，在最佳參數(shù)組合下,，清潔率與損失率的預(yù)測值分別為94.71%和3.58%,，臺架驗證試驗測得清潔率與損失率的實測值分別為93.87%和4.21%。田間試驗表明旋風(fēng)分離清選裝置田間作業(yè)順暢,，清潔率與損失率分別為90.03%~92.78%和4.52%~5.07%,。該研究可為油菜聯(lián)合收獲清選裝置結(jié)構(gòu)優(yōu)化和改進提供參考。

摘要:針對高地隙自走式噴霧機在復(fù)雜工況下,，藥罐液體發(fā)生的縱向晃動對整機平順性及作業(yè)質(zhì)量影響難以探明的問題,，基于液體晃動動力學(xué)特性及機械模型等效準則,，建立了可描述藥罐液體縱向晃動的彈簧-質(zhì)量-阻尼等效力學(xué)模型，并利用力學(xué)等價原則,，對模型參數(shù)進行了求解,。應(yīng)用Fluent流體仿真軟件建立罐內(nèi)液體晃動仿真模型，并通過臺架實驗驗證了其仿真結(jié)果能夠反映真實的液體晃動沖擊作用,。應(yīng)用Matlab/Simulink軟件,，建立等效力學(xué)數(shù)值解析模型，結(jié)合Fluent仿真結(jié)果對比分析了充液比為0.1,、0.5,、0.9時液體縱向晃動作用在容器壁的力矩變化規(guī)律，驗證了所建等效模型的準確性,。將所構(gòu)建的等效力學(xué)模型應(yīng)用于噴霧機垂向動力學(xué)特性分析,，得到藥液晃動和藥液質(zhì)量變化對整機行駛平順性有較大影響且充液比為0.8時整機行駛平順性較差的結(jié)論。

摘要:針對基于屬性的聯(lián)盟鏈應(yīng)用訪問控制模型可能存在拜占庭節(jié)點而導(dǎo)致屬性信息,、訪問控制策略查詢結(jié)果不可信的問題，結(jié)合獼猴桃溯源場景的實際需求,，提出了一種基于PBFT的聯(lián)盟鏈應(yīng)用訪問控制方案,。該方案使用屬性權(quán)威作為聯(lián)盟鏈實體組織的屬性證書頒發(fā)機構(gòu)以及PBFT的查詢驗證節(jié)點,，對訪問請求內(nèi)容生成簽名并驗證,；屬性證書中存儲主體與權(quán)限相關(guān)的屬性信息；基于PBFT對用戶屬性,、數(shù)據(jù)屬性,、訪問控制策略查詢驗證，確保訪問控制過程的可信性,?；贖yperledger Fabric原型系統(tǒng)測試表明，當記賬節(jié)點中的拜占庭節(jié)點少于節(jié)點總數(shù)1/3時系統(tǒng)能夠正常運行,；當交易發(fā)送率在100~1500TPS之間變化時,，交易吞吐量在交易發(fā)送率達到300TPS后趨于穩(wěn)定，平均時延在交易發(fā)送率達到400TPS后趨于穩(wěn)定,，滿足聯(lián)盟鏈獼猴桃溯源的應(yīng)用需求,。

摘要:植物電子病歷(EMR)以結(jié)構(gòu)化和非結(jié)構(gòu)化的形式記錄了大量關(guān)于疾病癥狀,、環(huán)境特征以及診斷開方的信息,，為病害的智能診斷提供了優(yōu)質(zhì)知識來源,，但是其樣本量少、公開數(shù)據(jù)集缺乏和多種類型數(shù)據(jù)并存的特點給相關(guān)研究帶來困難,。根據(jù)植物EMR多類型數(shù)據(jù)混合的特點,，提出了一種基于BERT-MPL數(shù)據(jù)融合與注意力機制優(yōu)化的作物病害診斷模型（BERT-MPL data fusion model based on attention mechanism，BM-Att）,。首先采用BERT預(yù)訓(xùn)練語言模型抽取電子病歷中非結(jié)構(gòu)化部分的文本語義特征,；其次通過one-hot編碼和多層感知機（MLP）對結(jié)構(gòu)化數(shù)據(jù)進行編碼和向量維度的擴增；最后在特征融合階段采用注意力機制強調(diào)關(guān)鍵特征,，利用多層全連接層實現(xiàn)病害診斷,。構(gòu)建了番茄、黃瓜,、生菜和西瓜4種作物的15種病害數(shù)據(jù)集驗證模型的效果并進行消融實驗,，并且對比了CNN、RCNN,、AttRNN,、FastText、Transformer,、BERT和ERNIE等處理文本數(shù)據(jù)的常見模型,，以及BERT-ALEX、BERT-1dCNN,、BERT-1dLSTM,、BERT-1dAttLSTM、BERT-MLP,、ERNIE-ALEX,、ERNIE-1dCNN、ERNIE-1dLSTM,、ERNIE-1dAttLSTM,、ERNIE-MLP等不同數(shù)據(jù)融合策略。結(jié)果表明,，BM-Att取得最優(yōu)結(jié)果,，在測試集的準確率、精確率,、召回率和F1值宏平均值分別達到95.82%,、96.38%、95.48%和95.85%,，能夠?qū)崿F(xiàn)作物病害的有效診斷,。在特征融合階段添加注意力機制的策略將模型F1值宏平均值提高1.47個百分點，顯著提升了模型對生菜霜霉病,、西瓜線蟲等小樣本病害的分類效果,。該研究可為電子病歷數(shù)據(jù)挖掘及實現(xiàn)智能輔助病害診斷提供參考,。

摘要:農(nóng)業(yè)病蟲害領(lǐng)域的意圖識別和槽位填充研究仍處于起步階段，除語料嚴重匱乏外,，還面臨任務(wù)相互獨立,、忽略彼此相關(guān)性和未充分利用意圖嵌入信息等問題。為此,，提出了一種基于意圖嵌入信息和槽位門控機制的意圖識別與槽-位填充聯(lián)合模型(AgIG-IDSF),。首先，該模型在共享編碼模塊引入了注意力機制用于豐富上下文語義特征,；其次,，提出了一種融合意圖嵌入表示和槽位門控機制的意圖-槽位交互方法用以增強意圖信息指導(dǎo)槽位填充任務(wù)的能力，進而提高模型的整體識別性能,。在包含22個意圖類別,、10個槽位類別和11976條標注樣本的自構(gòu)建語料上進行了實驗。結(jié)果表明,，在該語料上AgIG-IDSF模型的意圖識別準確率為94.41%,，槽位填充F1值為94.01%，整體識別準確率高達88.07%,，顯著優(yōu)于包含雙向關(guān)聯(lián)模型在內(nèi)的多種基準模型,，表明了該模型在識別農(nóng)業(yè)病蟲害意圖與槽位方面的有效性。此外,，在公共數(shù)據(jù)集上的實驗結(jié)果還表明了該模型具有一定的泛化能力,。

摘要:為實現(xiàn)對柑橘葉片病蟲藥害種類的快速精準識別,，針對多種類柑橘病葉設(shè)計一種融合注意力機制（Attention mechanism）的雙向門控循環(huán)單元-循環(huán)神經(jīng)網(wǎng)絡(luò)（Attention-bidirectional gate recurrent unit-recurrent nural network，Att-BiGRU-RNN）分類模型,。該模型在編解碼模塊分別采用BiGRU和RNN結(jié)構(gòu),，能夠利用高光譜數(shù)據(jù)前后波段光譜信息的關(guān)聯(lián)性，有效提取光譜信息的深層特征,；根據(jù)不同波段光譜信息的差異性引入注意力機制動態(tài)分配權(quán)重信息,，提高重要光譜特征對分類模型的貢獻率，提升模型的分類準確率,。獲取6類柑橘葉片高光譜信息,，構(gòu)建實驗樣本集,，利用Att-BiGRU-RNN、VGG16,、SVM和XGBoost分別建立柑橘病葉分類模型,，Att-BiGRU-RNN模型總體分類準確率（Overall accuracy，OA）平均可達98.21%,，相較于其他3種模型分別提高4.71,、10.95、3.89個百分點,，對光譜曲線重合度高的除草劑危害和煤煙病葉片的分類準確率有顯著提升,。實驗結(jié)果表明，深度學(xué)習(xí)方法可有效利用高光譜不同波段間的關(guān)聯(lián)信息,，識別準確率較機器學(xué)習(xí)方法有大幅提高,，為柑橘病蟲藥害快速無損檢測和防治提供了一種新方法。

摘要:針對田間秸稈覆蓋分散,、秸稈形態(tài)多樣，細碎秸稈識別困難,，傳統(tǒng)圖像識別方法易受光照,、陰影等因素干擾等問題，本文以黑龍江省齊齊哈爾市龍江縣為研究地點,，構(gòu)建田間秸稈圖像數(shù)據(jù)集,；對圖像進行裁剪、標注后,，構(gòu)建了以U-Net為基礎(chǔ)網(wǎng)絡(luò)的秸稈檢測模型,。將編碼階段的網(wǎng)絡(luò)結(jié)構(gòu)換成ResNet34的前4層作為特征提取器，增加模型的復(fù)雜度,，增強秸稈特征的提?。粸樵鰪娊斩掃吘壸R別,，在最高語義信息層對深層特征圖使用多分支非對稱空洞卷積塊（Multibranch asymmetric dilated convolutional block,，MADC Block）提取多尺度的圖像特征；為增加細碎秸稈的檢測能力,，在跳躍連接階段使用密集特征圖金字塔網(wǎng)絡(luò)（Dense feature pyramid networks,，DFPN）進行低層特征圖和高層特征圖的信息融合，利用特征圖對應(yīng)秸稈圖像中感受野的不同，解決秸稈形態(tài)多樣的問題,；為避免秸稈特征圖在上采樣時的無效計算,，解碼階段使用快速上卷積塊（Fast up-convolution block，F(xiàn)UC Block）進行上采樣,，避免秸稈特征圖在上采樣時的無效計算,。試驗表明，本文算法在車載相機采集到的秸稈圖像數(shù)據(jù)集上平均交并比為84.78%,，相比U-Net提高2.59個百分點,，該網(wǎng)絡(luò)對于640像素×480像素的圖像平均處理時間低于3ms，符合作業(yè)檢測時的時間復(fù)雜度要求,，算法在一定程度上改善了陰影區(qū)域秸稈的識別問題,，提高了細碎秸稈的識別能力。

摘要:反芻行為與奶牛生產(chǎn)、繁殖性能及疾病等因素密切相關(guān),，針對非接觸式奶牛反芻行為分析受牛只自身運動或背景干擾等不足,，提出改進FlowNet 2.0光流算法，首先計算垂直光流分量替代光流速度構(gòu)建光流圖,，消除水平運動對光流分析干擾,；其次設(shè)置光流閾值避免垂直光流中頭部運動光流干擾；同步計算反芻區(qū)域面積閾值提取區(qū)域內(nèi)光流數(shù)據(jù),，避免目標對象頭部運動對反芻光流的影響,；最后濾波擬合計算反芻曲線，確定曲線周期,，增大波峰波谷差值,，提升奶牛反芻咀嚼頻次計數(shù)的準確性。以不同場景下20頭奶牛的30段反芻行為視頻為數(shù)據(jù)集,，驗證本文方法的有效性,、魯棒性與準確性，試驗結(jié)果表明,，改進FlowNet 2.0光流算法計算奶牛反芻咀嚼頻次準確率為99.39%，相較于FlowNet 2.0光流算法準確率提升5.75個百分點,。

摘要:奶牛的躺臥率可以反映奶牛的舒適度和健康情況,，躺臥奶牛的個體識別是自動監(jiān)測奶牛躺臥率的基礎(chǔ)。本文提出了一種基于改進YOLO v4模型識別非限制環(huán)境下躺臥奶牛個體的方法,。為實現(xiàn)對躺臥奶牛全天的準確個體識別,，首先對18:00—07:00的圖像采用MSRCP（Multi-scale retinex with chromaticity preservation）算法進行圖像增強，改善低光照環(huán)境下的圖像質(zhì)量,。其次,，在YOLO v4模型的主干網(wǎng)絡(luò)中融入RFB-s結(jié)構(gòu)，改善模型對奶牛身體花紋變化的魯棒性,。最后,，為提高模型對身體花紋相似奶牛的識別準確率，改進了原模型的非極大抑制（Non-maximum suppression, NMS）算法,。利用72頭奶牛的圖像數(shù)據(jù)集進行了奶牛個體識別實驗,。結(jié)果表明，相對于YOLO v4模型,，在未降低處理速度的前提下,，本文改進YOLO v4模型的精準率、召回率,、mAP,、F1值分別提高4.66、3.07,、4.20,、3.83個百分點。本文研究結(jié)果為奶牛精細化養(yǎng)殖中奶牛健康監(jiān)測提供了一種有效的技術(shù)支持,。

摘要:豬只盤點是規(guī)?；B(yǎng)殖中的重要環(huán)節(jié),，為生豬精準飼喂和資產(chǎn)管理提供了依據(jù)。人工盤點不僅耗時低效,，而且容易出錯,。當前已有基于深度學(xué)習(xí)的生豬智能盤點算法，但在遮擋重疊,、光照等復(fù)雜場景下盤點精度較低,。為提高復(fù)雜場景下生豬盤點的精度，提出了一種基于改進YOLO v5n的豬只盤點算法。該算法從提升豬只目標檢測性能出發(fā),，構(gòu)建了一個多場景的生豬數(shù)據(jù)集,；其次，在主干網(wǎng)絡(luò)中引入SE-Net通道注意力模塊,，引導(dǎo)模型更加關(guān)注遮擋條件下豬只目標信息的通道特征,。同時，增加了檢測層進行多尺度特征融合處理,，使模型更容易學(xué)習(xí)收斂并預(yù)測不同尺度的豬只對象,，提升模型遮擋場景的檢測性能；最后,，對邊界框損失函數(shù)以及非極大值抑制處理進行了改進,，使模型對遮擋的目標有更好的識別效果。實驗結(jié)果表明,，與原YOLO v5n算法相比,，改進算法的平均絕對誤差(MAE)、均方根誤差(RMSE)以及漏檢率分別降低0.509,、0.708以及3.02個百分點,，平均精度(AP)提高1.62個百分點，達到99.39%,，在復(fù)雜遮擋重疊場景下具有較優(yōu)的精確度和魯棒性,。算法的MAE為0.173，與豬只盤點算法CClusnet,、CCNN和PCN相比,，分別降低0.257、1.497和1.567,。在時間性能上,，單幅圖像的平均識別時間僅為0.056s，符合實際豬場生產(chǎn)的實時性要求,。

摘要:為解決限位欄場景下經(jīng)產(chǎn)母豬查情難度大,、過于依賴公豬試情和人工查情的問題,，提出了一種基于改進YOLO v5s算法的經(jīng)產(chǎn)母豬發(fā)情快速檢測方法。首先,，利用馬賽克增強方式（Mosaic data augmentation, MDA)擴充數(shù)據(jù)集,，以豐富數(shù)據(jù)表征,；然后,，利用稀疏訓(xùn)練（Sparse training, ST）,、迭代通道剪枝(Network pruning, NP)、模型微調(diào)(Fine tune, FT)等方式重構(gòu)模型,，實現(xiàn)模型壓縮與加速,；最后，使用DIOU_NMS代替GIOU_NMS,以提高目標框的識別精度,，確保模型輕量化后,，仍保持較高的檢測精度。試驗表明, 優(yōu)化后的算法識別平均精確率可達97.8%,，單幅圖像平均檢測時間僅1.7ms,，單幀視頻平均檢測時間僅6ms。分析空懷期母豬發(fā)情期與非發(fā)情期的交互行為特征,，發(fā)現(xiàn)母豬發(fā)情期較非發(fā)情期交互時長與頻率均顯著提高(P<0.001),。以20s作為發(fā)情檢測閾值時，發(fā)情檢測特異性為89.1%,、準確率為89.6%,、靈敏度為90.0%，該方法能夠?qū)崿F(xiàn)發(fā)情母豬快速檢測,。

摘要:針對雞只呼吸困難這一早期呼吸道疾病顯著癥狀難以檢測的問題,，提出一種基于YOLO v5與短時跟蹤的雞只呼吸道疾病早期檢測方法,。對YOLO v5算法進行錨框自適應(yīng)設(shè)置與CIoU Loss (Complete IoU Loss)應(yīng)用等特定優(yōu)化后，用于群雞復(fù)雜環(huán)境中準確識別雞頭目標并檢測是否為張口狀態(tài),。根據(jù)雞頭坐標框交并比實現(xiàn)雞頭目標短時跟蹤并獲取不同雞頭的短時動作序列,，再對動作序列進行分析，判斷張口-閉口組合出現(xiàn)的頻率,，動態(tài)檢測是否存在雞只呼吸困難情況,。實驗結(jié)果表明，改進YOLO v5算法檢測雞頭目標的mAP為80.1%,，張口檢測準確率為67.3%,，閉口檢測準確率為92.8%，基于時間序列的呼吸困難行為檢測方法的識別準確率為91.8%,，召回率為75%,，精準率為67.9%,，可為群雞養(yǎng)殖環(huán)境中的雞只早期呼吸道疾病檢測提供參考。

摘要:對圖像中的魚類目標進行分割是提取魚類生物學(xué)信息的關(guān)鍵步驟。針對現(xiàn)有方法對養(yǎng)殖條件下的魚類圖像分割精度較低的問題,，提出了基于目標檢測及邊緣支持的魚類圖像分割方法,。首先，設(shè)計了基于目標檢測的完整輪廓提取方法,，將具有完整輪廓的魚類目標從圖像中提取出來作為分割階段的輸入,，使得整幅圖像的分割問題轉(zhuǎn)化為局部區(qū)域內(nèi)的分割問題；然后,，搭建Canny邊緣支持的深度學(xué)習(xí)分割網(wǎng)絡(luò),，對區(qū)域內(nèi)的魚類實現(xiàn)較高精度圖像分割。實驗結(jié)果表明,，本文方法在以VGG-16,、ResNet-50和ResNet-101作為主干網(wǎng)絡(luò)的模型上的分割精度為81.75%、83.73%和85.66%,。其中,，以ResNet-101作為主干網(wǎng)絡(luò)的模型與Mask R-CNN、U-Net,、DeepLabv3相比,，分割精度分別高14.24、11.36,、9.45個百分點,。本文方法可以為魚類生物學(xué)信息的自動提取提供技術(shù)參考。

摘要:為探究我國農(nóng)業(yè)用水可持續(xù)狀況，從淡水資源作為一種關(guān)鍵自然資本的角度出發(fā),，結(jié)合三維水足跡,、降尺度行星邊界和脫鉤分析等方法，計算并分析了31個省級行政區(qū)1998—2020年農(nóng)業(yè)水資源利用的時空變化,。結(jié)果表明,，我國農(nóng)業(yè)用水狀況整體良好,，但區(qū)域間農(nóng)業(yè)水資源利用可持續(xù)狀況差異較大。降水量少或社會經(jīng)濟用水多的華北,、華東和西北地區(qū)農(nóng)業(yè)水資源供需矛盾較為突出,，降水豐腴的西南和華南地區(qū)農(nóng)業(yè)水資源可持續(xù)狀況較好。在居民節(jié)水意識增強和政策約束的情況下,，北京,、河北、山西和上海的農(nóng)業(yè)用水可持續(xù)狀況呈變好態(tài)勢,；在降水年際差異大和農(nóng)業(yè)用水占比變化的影響下，遼寧,、江蘇,、山東、河南和甘肅的農(nóng)業(yè)用水可持續(xù)狀況呈突變型,，存量和流量間占用關(guān)系無明顯變化規(guī)律,。浙江表現(xiàn)出最好的農(nóng)業(yè)水-經(jīng)濟關(guān)系類型，北京則相反,；2014年后北京和上海高頻出現(xiàn)了最差的農(nóng)業(yè)水-經(jīng)濟類型6,，經(jīng)濟發(fā)展與資源環(huán)境間矛盾愈發(fā)嚴峻。研究可為農(nóng)業(yè)用水及種植業(yè)規(guī)劃提供參考,。

摘要:探明華北地區(qū)作物灌溉需求規(guī)律及主控因素是合理制定水資源規(guī)劃，緩解該區(qū)地下水超采的重要依據(jù),。本文基于華北60個氣象站近50年（1971—2020年）逐日氣象資料,，采用FAO推薦的Penman-Monteith 公式計算作物需水量，并分析降水對主要糧食作物（冬小麥和夏玉米）灌溉需求時空特征的影響,。結(jié)果表明：在降水豐水年(25%),，冬小麥作物灌溉需求指數(shù)IRI以0.50~0.75區(qū)間的高度灌溉需求分布區(qū)為主，夏玉米則以0.25~0.50區(qū)間的中度灌溉需求分布區(qū)為主,，分布面積比率分別為研究區(qū)的92%,、86%；在平水年（50%）,，冬小麥IRI以大于0.75的極高灌溉需求分布區(qū)為主,，分布面積比率占56%，夏玉米仍以0.25~0.50的中度灌溉需求分布區(qū)為主,，但分布面積比率擴大至100%,；在枯水年（75%）,，冬小麥極高灌溉需求分布面積比率增大至97%，夏玉米則以0.50~0.75的高度灌溉需求分布區(qū)為主,。降水量是影響IRI的主控因素,，隨降水量的增大，不同區(qū)位IRI均呈直線下降趨勢,，但對降水量變化的敏感性存在較大差異,，其中，冬小麥以燕山山前平原,、太行山前-冀中平原,、中部-冀中平原和濱海平原最為敏感，降水量每增大100mm,，IRI降低0.14,，夏玉米則以中部-冀中平原最為敏感，降水量每增大100mm,，IRI降低0.26,。不同區(qū)位冬小麥和夏玉米IRI均服從正態(tài)分布，但隨降水量變化,，分布參數(shù)變化明顯,。

摘要:為探究壓力補償?shù)晤^流動阻力產(chǎn)生的主要部位,、變化及對滴頭流量的影響，采用基于雷諾平均維納-斯托克斯(RANS)模型的瞬態(tài)和穩(wěn)態(tài)流固耦合計算方法,，模擬研究了壓力補償?shù)晤^流體與彈性片之間的相互作用,，分析了工作壓力0~300kPa范圍內(nèi)彈性片變形、流動阻力與流量之間的關(guān)系,。結(jié)果表明：數(shù)值模擬能夠準確預(yù)測一定工作壓力范圍內(nèi)壓力補償?shù)晤^的流量,，不同工作壓力下滴頭流量模擬值與實測值的平均誤差為12.32%。彈性片的變形經(jīng)歷快速變形,、緩慢變形和長期微小變形3個階段,。隨著彈性片變形程度增加，迷宮流道壓力損失占比逐漸減小,，壓力補償腔和副流道壓力損失明顯增加,。流動阻力主要發(fā)生在迷宮流道、彈性片與凸臺之間,，彈性片接觸凸臺前,，流動阻力主要取決于迷宮流道的能耗,，滴頭流量隨工作壓力的增加而增長。彈性片接觸凸臺后,，流動阻力為工作壓力的線性函數(shù),，滴頭流量在一定壓力范圍內(nèi)保持恒定；主流道結(jié)構(gòu)影響壓力補償?shù)晤^的最小補償壓力,，副流道結(jié)構(gòu)對壓力補償?shù)晤^的流量調(diào)節(jié)作用具有重要影響,。

摘要:為探討華北典型輪作農(nóng)田蒸散（ET）變化規(guī)律,，以山東禹城試驗站冬小麥-夏玉米（麥-玉）輪作田為研究對象,，基于渦度相關(guān)技術(shù)實測的8年觀測數(shù)據(jù)與增強回歸樹方法，分析了農(nóng)田ET逐日變化特征及其對環(huán)境因子的響應(yīng),。結(jié)果表明：研究時段內(nèi)逐日ET變化范圍在0~9.6mm/d之間，且不同階段（小麥季,、玉米季和農(nóng)閑期）ET總量存在較大差異,。一般而言，每年小麥季ET的峰值和總量均明顯高于玉米季,，而農(nóng)閑期ET占全年ET總量的比例不足4%,。凈輻射是影響麥-玉輪作田不同階段ET變化的首要因素，對各階段ET的貢獻率由高到低依次為小麥季（81.4%）,、玉米季（52.7%）,、農(nóng)閑期（36.8%）。除凈輻射外,，其他環(huán)境因子對ET的影響則具有階段性差異,。飽和水汽壓差對小麥季和玉米季ET存在一定的影響，而土壤含水率和風(fēng)速對農(nóng)閑期ET的貢獻率相對較高,。研究可為變化環(huán)境下農(nóng)業(yè)水資源高效利用以及作物模型優(yōu)化等提供科學(xué)依據(jù),。

摘要:為探究南疆地區(qū)棉田休閑期土壤水熱鹽運移過程及適宜的冬春灌鹽分淋洗策略,，基于當?shù)孛尢餃y坑連續(xù)兩年作物休閑期（2019—2020年,、2020—2021年）0~80cm的土壤水、熱,、鹽監(jiān)測數(shù)據(jù),，對SHAW模型進行率定和驗證,；并設(shè)置64個冬春灌情景，包括8個冬灌定額（0,、600,、1200、1800,、2400,、2700、3000,、3600m3/hm2）和8個春灌定額（0,、300、600,、900,、1200、1800,、2100,、2400m3/hm2），進一步模擬了不同冬春灌組合模式下休閑期的土壤水熱鹽運移規(guī)律,。結(jié)果表明： SHAW模型能夠較可靠地模擬南疆地區(qū)休閑期凍融土壤水熱鹽運移規(guī)律,。其中，土壤溫度的模擬精度最高,，不同土壤深度R2均不小于0.95,；而土壤含水率和含鹽量受到土壤水分相變的影響導(dǎo)致模擬精度稍差，最小R2分別為0.61和0.73,。不同冬灌處理在凍結(jié)期未凍水含量大幅降低,，冬灌定額越大的處理，未凍水含量越少,。冬灌水量越大,，凍結(jié)期表層土壤溫度變化幅度越小，且至融化期土壤增溫緩慢,，但春灌后不同處理的溫度差別減小,。土壤表層含鹽量在灌水后顯著降低，而在凍結(jié)過程中出現(xiàn)明顯的上升現(xiàn)象,，且深層土壤鹽分上升明顯滯后于表層土壤,。土壤凍結(jié)水融化后對表層土壤鹽分進行了二次淋洗，因此補充少量的春灌便可顯著降低土壤表層含鹽量,，滿足棉花出苗期的鹽分要求,。綜合考慮南疆地區(qū)水資源現(xiàn)狀及不同冬春灌組合模式對播前土壤水熱鹽的影響，推薦采用的節(jié)水灌溉模式為冬灌+少量春灌造墑，適宜灌水定額為冬灌2250m3/hm2,、春灌300m3/hm2,。提出的冬春灌組合鹽分淋洗模式可為南疆地區(qū)農(nóng)業(yè)水資源可持續(xù)利用和土壤次生鹽漬化治理提供理論依據(jù)。

摘要:土壤質(zhì)地的空間分布對指導(dǎo)土壤改良、灌溉排水管理及水土資源合理利用等具有重要意義,，而克里金插值方法盡管應(yīng)用廣泛,，但往往會產(chǎn)生平滑效應(yīng)，即高值低估和低值高估,。本研究針對河套灌區(qū)土壤顆粒組成,，使用不同的對數(shù)比轉(zhuǎn)換方法處理其成分數(shù)據(jù)特性，通過普通克里金法對轉(zhuǎn)換后的數(shù)據(jù)進行空間插值,，同時基于鄰近點特征構(gòu)建插值點殘差估算的誤差反向傳播（BP）神經(jīng)網(wǎng)絡(luò)（BPNN）模型,，并對插值結(jié)果的平滑性進行分析評估和校正探究。河套灌區(qū)的應(yīng)用結(jié)果表明,，不同對數(shù)比轉(zhuǎn)換方法對克里金插值的平滑效應(yīng)作用程度不同,，其中等距對數(shù)比轉(zhuǎn)換（ILR）的改善效果最顯著，與直接使用普通克里金插值相比,，黏粒,、粉粒和砂粒的極差平滑率分別減小5.8%、33.8%和45.6%,，標準差平滑率分別減小38.6%、53.9%和60.2%,。進一步使用BPNN模型校正后的土壤顆粒組分插值平滑性顯著降低,，其中極差平滑率降為0，標準差平滑率僅為0.03~0.07,；同時插值誤差有一定減小,，其中黏粒、粉粒和砂粒的均方根誤差分別減小19.8%,、21.0%和14.6%,。本研究提出的基于對數(shù)比轉(zhuǎn)換（ILR）和誤差反向傳播（BP）神經(jīng)網(wǎng)絡(luò)模型聯(lián)合處理方法（ILR-BP）不僅可以很好地削弱克里金插值的平滑效應(yīng)，同時能夠有效提高插值精度,。根據(jù)校正結(jié)果,，河套灌區(qū)土壤質(zhì)地類型主要包括砂土、壤質(zhì)砂土,、砂質(zhì)壤土,、壤土和粉壤土，灌區(qū)中部和西部主要是偏砂性土壤，壤土主要集中分布在中西部,、東北部和東南部,，粉壤土主要分布在北部和南部接近黃河的地區(qū)?；贗LR-BP校正模型的克里金插值結(jié)果,，更能反映真實的土壤質(zhì)地空間特征，為河套灌區(qū)的水土資源合理利用提供了基礎(chǔ)參考資料,。

摘要:為確定合理的塑料大棚通風(fēng)口配置及通風(fēng)形式,，提高大棚夏季降溫效果，采用試驗和CFD模擬相結(jié)合的方法,，對兩種通風(fēng)口配置（兩側(cè)底部,、兩側(cè)底部+頂部）和兩種通風(fēng)口形狀（水平卷膜、垂直卷膜）大棚內(nèi)的夏季6—7月溫度和氣流場特征進行了研究,。模型經(jīng)過實測驗證,，氣溫模擬值與實測值變化趨勢基本吻合，均方根誤差1.27℃,、平均相對誤差分別為3.7%,。結(jié)果表明：與僅有兩側(cè)底部通風(fēng)相比，兩側(cè)底部和頂部通風(fēng)配置明顯提高降溫效果,，番茄冠層高度晝均溫,、升溫速率分別降低0.4~2.1℃和0.4℃/h，通風(fēng)率增加50%,，溫度,、氣流分布均勻度提高；與頂部水平卷膜通風(fēng)相比,，垂直卷膜通風(fēng)大棚內(nèi)冠層晝均溫,、升溫速率分別降低0.2~1.2℃和0.2℃/h，通風(fēng)率提高20%,，但溫度,、氣流的空間分布均勻性稍差。綜合比較,，同時采用兩側(cè)底部加頂部垂直卷膜通風(fēng)的大棚通風(fēng)降溫效果明顯,。

摘要:針對目前秸稈炭化還田主要以異位為主,，移動式熱解設(shè)備結(jié)構(gòu)復(fù)雜,，難以實現(xiàn)秸稈田間炭化還田等問題，基于秸稈內(nèi)熱式低氧炭化原理,，建立自供熱反應(yīng)系統(tǒng),，研制熱解炭化反應(yīng)器和熱解氣清潔燃燒室等關(guān)鍵部件，集成秸稈撿拾收集,、粉碎輸送,、煙氣回用烘焙、生物炭原位還田技術(shù),，研發(fā)移動式熱解炭化原位還田設(shè)備,。樣機試制后，進行了靜態(tài)調(diào)試試驗,，結(jié)果表明：該設(shè)備原料處理量為50kg/h,，炭得率為21%，系統(tǒng)能量利用率74.6%,；排放煙氣中NOx質(zhì)量濃度為184mg/m3,，SO2質(zhì)量濃度為26mg/m3，顆粒物質(zhì)量濃度為17.8mg/m3,，達到煙氣排放要求,；生物炭中總碳、固定碳及金屬元素含量符合DB21/T 3314—2020《生物炭直接還田技術(shù)規(guī)程》中的Ⅰ級生物炭要求,。該設(shè)備能夠?qū)崿F(xiàn)低碳排放,、炭化能源自給、田間作業(yè)等功能,，為秸稈還田提供支撐平臺。

摘要:為緩解水產(chǎn)品線上撮合交易效率低,、交易雙方隱私信息泄露和商品信息造假安全漏洞多、平臺監(jiān)管成本高等問題,，針對水產(chǎn)品撮合交易多屬性匹配的特點,，提出一種基于區(qū)塊鏈的水產(chǎn)品撮合交易模型，將水產(chǎn)品的交易過程轉(zhuǎn)移到區(qū)塊鏈上，實現(xiàn)水產(chǎn)品交易的去中心化可信,、不可篡改性,，并使用改進的蟻群算法對撮合交易模型進行尋優(yōu)求解，最大化匹配精度和效率,。以Hyperledger Fabric為底層架構(gòu)搭建實驗環(huán)境,，實現(xiàn)原型系統(tǒng)，測試該模型的有效性,。結(jié)果表明,，基于區(qū)塊鏈的撮合交易模型可以滿足水產(chǎn)品交易雙方和交易平臺在成本、效率,、安全性方面的需求,，當2h內(nèi)累計提交系統(tǒng)的供需單數(shù)量小于1626時，不超過模型規(guī)定的交易匹配時間上限,，撮合交易系統(tǒng)可以正常運行,，該數(shù)據(jù)量基本能夠滿足B2B平臺線上交易量的需求。

摘要:為解決鮮食葡萄采摘,、收集和運輸過程中的損傷問題,，設(shè)計了鮮食葡萄袋中袋包裝裝置，采摘作業(yè)時與機械臂協(xié)同工作,，通過袋中袋包裝避免損傷,，包裝完成后葡萄可直接落入收集筐，提高鮮食葡萄機械采收效率,。首先,，基于葡萄表面硬度、質(zhì)量損失率,、表面破裂指數(shù)和穿刺破裂力等損傷指標,，確定袋中袋包裝裝置最佳充氣氣壓為4kPa，通過撐袋過程袋中袋受力分析與袋口形狀分析,，確定吸盤直徑,、撐袋距離和同側(cè)吸盤距離為30、125,、95mm,；然后，建立葡萄果實圖像大小與充氣時間關(guān)系模型,，自動調(diào)節(jié)充氣時間,，保證不同大小的葡萄在充氣包裝完畢后都能達到最優(yōu)的保護效果,。最后，以巨峰葡萄為試驗對象,，試驗結(jié)果表明無損收集成功率為95%,，平均包裝時長為28.4s，最大氣壓偏差為0.2kPa,，平均氣壓偏差率為1.1%,，平均損傷破裂率為1.5%，平均脫粒率為0.2%,，包裝效率為126串/h,。袋中袋包裝裝置作業(yè)性能穩(wěn)定，鮮食葡萄無損包裝成功率高,，避免了損傷,，確保了新鮮度，提高了采摘收集效率,。

摘要:實蠅侵染柑橘流入市場會造成巨大的經(jīng)濟損失,，因此需要在商品化處理階段對其全面篩除,。針對柑橘在實蠅侵染早期沒有明顯外部特征，人工抽樣檢測效率低,、篩除難的問題,，探索了在生產(chǎn)線上同時搭載農(nóng)業(yè)X光機與RGB相機進行無損檢測的可行性，提出了基于X-ray（X光）和RGB圖像的多模態(tài)數(shù)據(jù)融合方法,，建立了CNN-LSTM檢測模型,，實現(xiàn)了實蠅侵染柑橘高精度無損檢測。模擬了柑橘在生產(chǎn)線上滾動并被拍攝6幅X-ray和RGB序列圖像的過程,，構(gòu)建了實蠅侵染柑橘的多源數(shù)據(jù)集,，融合了不同模態(tài)的實蠅侵染特征信息，提升了實蠅侵染柑橘檢測模型的檢測能力,，并對比了ResNet18-LSTM,、GoogleNet-LSTM、SqueezeNet-LSTM,、MobileNetV2-LSTM輕量化檢測模型，驗證了多模態(tài)數(shù)據(jù)融合方法的有效性,。研究結(jié)果表明,，提出的多模態(tài)數(shù)據(jù)融合實蠅侵染柑橘方法比單模態(tài)檢測方法檢測性能更加優(yōu)異,，其中ResNet18-LSTM檢測準確率最高，多模態(tài)的圖像融合和特征融合方法檢測準確率分別達到97.3%和95.7%,，單模態(tài)X-ray和RGB檢測方法準確率分別為93.2%和89.3%,。本研究可為實蠅侵染柑橘在線無損檢測技術(shù)與裝備的研究提供理論支撐。

摘要:針對藍莓果蠅蟲害分類識別存在效率低,、準確度差等問題，采用深度學(xué)習(xí)方法對采集的藍莓高光譜圖像進行數(shù)據(jù)處理與分析,，以實現(xiàn)藍莓果蠅蟲害的無損檢測,。首先藍莓高光譜圖像采用PCA進行降維，優(yōu)選數(shù)據(jù)集PC2與PC3并進行拼接得到最佳數(shù)據(jù)集PC23,，對數(shù)據(jù)集中圖像進行旋轉(zhuǎn)90°,、旋轉(zhuǎn)180°、模糊,、高亮,、低亮、鏡像和高斯噪聲共7種增強操作,，使各數(shù)據(jù)集容量擴增為原始容量的18倍,。然后采用VGG16、InceptionV3與ResNet50深度學(xué)習(xí)模型對藍莓果蠅蟲害圖像進行檢測,，均取得了較高的識別準確率,。其中ResNet50模型效率最高，且ResNet50模型的準確率最高,，達到92.92%,，損失率最低，僅有3.08%,，因此ResNet50模型在藍莓果蠅蟲害無損檢測方面整體識別效果最佳,。為了進一步提高藍莓果蠅蟲害無損檢測性能，從ECA注意力模塊,、Focal Loss損失函數(shù)與Mish激活函數(shù)3方面對ResNet50模型進行了改進,，構(gòu)建了改進的im-ResNet50模型。得出im-ResNet50模型識別準確率達95.69%,，損失率為1.52%,。試驗結(jié)果表明, im-ResNet50模型有效提升了藍莓果蠅蟲害識別能力。采用Grad-CAM分析了im-ResNet50模型可解釋性,，能夠快速,、準確地?zé)o損檢測藍莓果蠅蟲害,。

摘要:針對繩索傳動系統(tǒng)中的非線性摩擦,、驅(qū)動線伸長及關(guān)節(jié)間耦合效應(yīng)導(dǎo)致的連續(xù)體機器人控制精度較低的問題,，提出了一種考慮非線性摩擦的連續(xù)體機器人誤差補償方法?；谔摴υ順?gòu)建包含關(guān)節(jié)間耦合作用的連續(xù)體機器人靜力學(xué)模型,，分析不同預(yù)緊力、不同包角等參數(shù)對繩-輪傳動系統(tǒng)力傳遞效率的影響規(guī)律,，并基于改進的Capstan方程建立包含繩索彎曲剛度及非線性摩擦的力傳遞模型,，提出一種基于力傳遞模型的驅(qū)動誤差補償方法，通過運動實驗對所建模型及控制方法進行驗證,。結(jié)果表明,，補償前后連續(xù)體機器人運動控制精度得到明顯提高，平均位置誤差由補償前5.94mm降低至補償后3.15mm,，補償率達46.97%,。

摘要:為了降低機構(gòu)性能對輸出剛度不確定因素的敏感程度，提出一種考慮輸出剛度不確定性的柔順機構(gòu)拓撲優(yōu)化設(shè)計方法,。采用區(qū)間模型描述輸出剛度的不確定性,，利用多項式混沌展開式（Polynomial chaos expansion, PCE）和Smolyak稀疏網(wǎng)格積分法計算隨機響應(yīng)統(tǒng)計矩，以機構(gòu)輸出位移的期望值最大化和標準差最小化為目標函數(shù),，以機構(gòu)結(jié)構(gòu)體積為約束,，建立考慮輸出剛度不確定性的柔順機構(gòu)穩(wěn)健性拓撲優(yōu)化模型，采用移動漸近線優(yōu)化算法更新設(shè)計變量,。夾持器和咬合機構(gòu)數(shù)值算例驗證提出設(shè)計方法的有效性,，與確定性拓撲優(yōu)化結(jié)果比較，穩(wěn)健性拓撲優(yōu)化設(shè)計獲得的柔順機構(gòu)構(gòu)型有所不同,，機構(gòu)的輸出位移標準差減小,，有效地降低機構(gòu)對輸出剛度不確定性的敏感程度。隨著加權(quán)系數(shù)增大,，獲得的柔順機構(gòu)輸出位移標準差和期望值減小,。隨著不確定輸出剛度幅值增大，獲得的柔順機構(gòu)輸出位移標準差增大，并且輸出位移期望值有所減小,。

摘要:針對機械臂關(guān)節(jié)剛度辨識的測量構(gòu)型提出了新的優(yōu)化方法和實驗設(shè)計思路。首先,，綜合考慮機械臂形位以及載荷矢量對剛度辨識的影響，采用參數(shù)κ－1F(A)作為測量構(gòu)型評價指標,。在此基礎(chǔ)上,，通過合適的模擬退火優(yōu)化算法得到基于κ－1F(A)的最優(yōu)測量構(gòu)型?；谠O(shè)計的多向加載裝置實現(xiàn)了載荷的優(yōu)化加載,。實驗結(jié)果表明，與典型評價指標κ－1F(J)相比,，κ－1F(A)的最優(yōu)化測量構(gòu)型能更好地克服多種測量誤差影響,，補償后末端位置精度提高29.59%，最大位置誤差降低32.71%,?？蓱?yīng)用于實際工業(yè)環(huán)境中的串聯(lián)機械臂剛度標定。

摘要:串聯(lián)彈性器件廣泛應(yīng)用于外骨骼機器人驅(qū)動關(guān)節(jié),，有利于重載荷情況下的電機軟啟動,。針對旋轉(zhuǎn)類串聯(lián)彈性器件轉(zhuǎn)動剛度變化引起的傳動力矩波動，彈性傳動和剛性傳動兩種狀態(tài)轉(zhuǎn)換時的傳動沖擊等問題,，提出了一種漸開線齒面彈性器件,，建立了傳動力學(xué)模型，并對器件的彈性-剛性傳動過程進行了動力學(xué)分析與仿真,，研究軸心裝配偏差對漸開線齒面嚙合滑動率與接觸面接合沖擊的影響,，通過對彈性器件安裝傾角參數(shù)優(yōu)化保證了傳動件轉(zhuǎn)動剛度變化率最小，有效控制了彈性傳動過程中的轉(zhuǎn)矩波動,。最后對器件進行了下肢外骨骼驅(qū)動關(guān)節(jié)工程驗證和傳動靜特性實驗,，結(jié)果表明，軸心裝配偏差會導(dǎo)致接觸面接合時轉(zhuǎn)矩激增,，當偏差在0.05mm內(nèi)時（漸開線齒面嚙合滑動率最大為0.0065）,，與平面矩形彈性器件相比，轉(zhuǎn)矩激增值平均降低43.55%,。

摘要:基于永磁彈簧、滑輪組和類行星輪系結(jié)構(gòu)提出了一種新型的繩索驅(qū)動變剛度機器人肘關(guān)節(jié),。闡述了關(guān)節(jié)中應(yīng)用的原理和樣機整體結(jié)構(gòu)設(shè)計,。利用模型間靜力學(xué)關(guān)系和雅可比矩陣推導(dǎo)得到關(guān)節(jié)的剛度模型，并給出了關(guān)節(jié)剛度隨磁彈簧剛度和關(guān)節(jié)位置變化規(guī)律,。以變剛度關(guān)節(jié)的動力學(xué)模型為基礎(chǔ),，設(shè)計了變剛度肘關(guān)節(jié)的剛度與位置解耦控制器。通過變剛度關(guān)節(jié)的剛度和位置解耦驗證實驗,，驗證了解耦控制器的準確性,。通過軌跡跟蹤實驗,給出了關(guān)節(jié)剛度變化對關(guān)節(jié)位置控制的影響規(guī)律。本文提出的繩驅(qū)變剛度肘關(guān)節(jié)具有更輕的質(zhì)量與結(jié)構(gòu),，較好的剛度變化性能與運動精度,。

摘要:為改善錐形缸體球面配流副油膜潤滑特性,，提出一種多弧槽球面配流副結(jié)構(gòu),，并采用遺傳算法對多弧槽球面配流結(jié)構(gòu)進行多目標優(yōu)化。首先,，對多弧槽球面配流副進行理論建模,，采用有限容積法對油膜壓力控制方程進行離散化，利用環(huán)形三對角矩陣算法（CTDMA）求解球面配流副壓力分布,；然后,，對多弧槽球面配流副承載特性進行仿真，分析球面配流副不同弧槽結(jié)構(gòu)下的油膜厚度分布及壓力分布規(guī)律,；最后,，以缸體傾角、泄漏量和摩擦轉(zhuǎn)矩為優(yōu)化目標,，利用多目標遺傳算法優(yōu)化多弧槽球面配流副的結(jié)構(gòu)參數(shù),。結(jié)果表明：多弧槽結(jié)構(gòu)可提升球面配流副油膜承載能力，弧槽結(jié)構(gòu)最小膜厚下降3.1%~4.0%,，弧槽結(jié)構(gòu)最大壓力顯著提高,，最大增幅為16.3%；同時可有效降低泄漏量,、摩擦轉(zhuǎn)矩,，優(yōu)化后綜合目標性能提升10.5%，缸體傾角、泄漏量和摩擦轉(zhuǎn)矩分別下降5.1%,、8.1%和5.9%,，有效提升了球面配流副潤滑性能。

摘要:為解決盤配流和軸配流低速大扭矩水液壓馬達配流副存在的磨損和泄漏問題，提出一種新型閥配流結(jié)構(gòu)的低速大扭矩水液壓馬達,，柱塞配流通過配流凸輪控制配流閥的通斷實現(xiàn)。研究柱塞運動學(xué)規(guī)律和馬達輸出扭矩形成,，揭示配流閥推桿位移,、閥芯通斷、柱塞進回液間的對應(yīng)關(guān)系,，分析馬達角排量波動隨轉(zhuǎn)角,、結(jié)構(gòu)設(shè)計參數(shù)K的變化規(guī)律，當結(jié)構(gòu)設(shè)計參數(shù)K為0.13時,，馬達輸出扭矩波動率為6.59%,。在AMESim中建立了配流閥及單柱塞配流過程的仿真模型，分析配流閥的工作特性及單柱塞動態(tài)配流性能,，工作中配流閥產(chǎn)生最大壓降為0.08MPa,，進/回液配流閥無高低壓串液。為驗證閥配流結(jié)構(gòu)在水液壓馬達中的工作性能,，建立閥配流單柱塞試驗臺,，并研究不同工況下的配流工作特性。試驗結(jié)果表明,，配流閥在馬達轉(zhuǎn)速0~60r/min,、壓力0~21MPa的工況下穩(wěn)定配流，進液閥口壓力在柱塞腔進回液轉(zhuǎn)換時存在瞬間小幅壓力波動,，但對配流過程基本無影響,，閥配流結(jié)構(gòu)能夠滿足曲軸擺缸式馬達柱塞的配流需求，為低速大扭矩水液壓馬達的配流提供了思路,。