基于机器视觉的田间杂草定位技术

采用摄像机弱透视模型,对采集的标定靶图像进行处理,获取48个靶点质心的像素坐标,利用DLT的最小二乘法获取摄像机隐参数矩阵.室内土槽的有序杂草和无序杂草定位试验表明,利用建立的摄像机隐参数矩阵,有序杂草和无序杂草的质心定位误差分别为19.2 mm和22.8 mm,可以满足除草剂精确喷施的要求.     

渗碳工艺对高速液压翻转犁犁尖部件耐磨性的影响

针对在犁尖部件的局部区域堆焊硬质合金层仍无法解决现有国产犁尖整体耐磨性不足的问题,该研究对高速液压翻转犁犁尖部件整体采用渗碳-淬火-回火处理,并探讨了该工艺对犁尖微观组织与耐磨性的影响机制。研究结果表明,经渗碳-淬火-回火（Carburizing-Quenching-Tempering）工艺处理后的犁尖（CQT态犁尖）近表层最大碳质量分数约为0.70%,渗层深度约为2.5 mm,其表层组织为针状马氏体（高硬度）+残余奥氏体+少量碳化物,芯部组织则以板条马氏体（高强韧性）为主,这与经淬火-回火（Quenching-Tempering）工艺处理后的犁尖（QT态犁尖）中的板条马氏体+先共析铁素体组织明显不同,微观组织的改善使CQT态犁尖近表层的显微硬度较QT态犁尖提高56%。同时,与QT态犁尖相比,CQT态犁尖芯部的屈服强度和抗拉强度分别提升16%和20%。摩擦磨损试验及田间试验表明,CQT态犁尖的平均摩擦系数较QT态犁尖下降约22%,耕作120 hm2后的CQT态犁尖的磨损量较QT态犁尖降低37%,这主要归因于渗碳层中含有高硬度针状马氏体及残余奥氏体的应变诱导马氏体相变的综合强化作用。此外,与QT态犁尖相比,CQT态犁尖的耐磨性更高,使其具有更大的表面积,这有利于通过减小犁尖单位面积上的载荷和摩擦放热量来减轻待磨层材料蠕变软化的倾向,从而提高CQT态犁尖的耐磨性。上述研究结果可望为改善农机触土部件的耐磨性提供可行的技术方案。     

水稻中稗草光谱分析与识别

利用ASD光谱仪在室内分别测量了水稻、稗草在350～2 500 nm波段内的反射率.以各波长点处的反射率与绿色反射峰处(555 nm)的反射率的比值为变量,运用SAS统计软件的STEPDISC过程筛选能够区分作物和杂草的变量;判别模型中加入筛选得到的变量,利用DISCRIM过程进行判别分析.实验结果表明,利用4个波长点比率395/555、535/555、705/555和1105/555可有效地从水稻中识别出稗草,其识别率为100%.红边内波长点705 nm处的反射率与555 nm处反射率的比值对模型贡献最大.     

基于处方图的室内变量喷药除草系统设计

为提高除草剂利用率,开发了一种基于处方图的变量对靶施药除草系统。该系统以S3C2410微处理器为核心,在linux操作系统环境下,能根据MATLAB软件对机器视觉系统采集的棉田杂草图像处理后生成的喷施除草剂处方图,控制不同喷头开关及实现4种喷药量。对棉花与杂草识别、杂草质心坐标及面积大小计算,网格划分、田间杂草定位以及喷头高度与间距关系等关键问题进行了研究。在室内试验台上对喷药系统进行了测试,当喷药系统压力为0.1 MPa,传送带速度为0.4 m/s时,50棵杂草对靶率超过90%,与传统喷药方式相比可节省除草剂用量60%以上。该喷药系统的设计,为实时变量对靶喷药除草机器人的研究提供了参考。     

基于最小噪声分离的籽棉异性纤维高光谱图像识别(英文)

针对籽棉表层多类难检异性纤维,包括纸屑、白发、丙纶丝、化纤和地膜等5种白色物质,采用高光谱技术和最小噪声分离(minimum noise fraction,MNF)分析方法对含有异性纤维的籽棉图像进行研究。该文在400～1 000 nm的光谱范围内采集高光谱图像,根据光谱曲线选取子区域,应用最小噪声分离分析方法降维、去噪。取MNF变换后的前4幅分量图像,通过视觉评价,选定最佳成分图像并融合中值滤波、灰度变化等图像处理的方法确定最佳分割图像,提取异性纤维。试验结果表明,对于以上5种异性纤维,该方法的识别率达到91.0%。该研究可为棉花异性纤维检测系统的开发提供参考。     

基于光谱特性分析的冬油菜苗期田间杂草识别

杂草识别是自动除草的关键环节,运用光谱分析技术可以快速识别杂草。该文以冬油菜苗、冬油菜苗期杂草和土壤为研究对象,通过ASD便携式光谱分析仪采集光谱数据。对每个样本连续采集5组数据,经平均、一阶导数、压缩等预处理后,得到368组波长在400～2300 nm范围内的光谱数据。采用逐步判别分析法,按统计量Wilks’ Lambda最小值原则选择变量,选取了710、755、950和595 nm共4个特征波长。运用4个特征波长分别建立了典型判别函数模型和贝叶斯判别函数模型。用这2组模型分别对预测集进行预测,典型判别函数模型的正确识别率为97.78%,在不同的先验概率下贝叶斯判别函数模型的正确识别率分别为98.89%和97.78%。结果表明：当先验概率根据类别大小计算时,以特征波长建立的贝叶斯判别函数模型能较好的识别冬油菜苗期田间杂草,而且模型稳定。该研究结果可为杂草探测光谱传感器的开发提供参考。     

利用太赫兹光谱技术构建番茄水分胁迫状态检测模型

快速检测番茄水分胁迫状态,对于科学有效地进行番茄的水肥管理,保障和提高番茄的产量和品质具有重要意义。该文利用太赫兹光谱对水分极为敏感的特性,提出了基于太赫兹光谱技术的番茄水分胁迫状态的快速检测方法。试验利用太赫兹光谱系统获取不同水分胁迫番茄叶片的功率谱、吸光度及透射率频谱数据。采用（Savitzky-Golay, SG）算法对数据进行降噪,利用稳定性竞争自适应重加权（Stability Competitive Adaptive Reweighted Sampling, SCARS）算法进行了多维特征频段的提取;在此基础上,建立了叶片含水率功率谱、吸光度及透射率等单一维度下的多元线性回归（Multiple Linear Regression, MLR）模型。结果表明,太赫兹功率谱和吸光度与叶片含水率之间呈负相关;而透射率则随水分胁迫程度的提高逐渐升高,呈正相关。为了进一步提高模型的精度,使用支持向量机（Support Vector Machines, SVM）在融合3种维度太赫兹特征的基础上,建立了番茄含水率的融合预测模型,结果表明,预测集R2达到0.951 4,RMSE为0.366 8,均高于单一维度检测模型,实现了番茄水分的快速检测。     

“岗课赛证”综合育人视域下无人机应用技术专业人才培养模式研究

培养技能型人才是职业教育实现高端发展的必然选择,为培养高素质技能型人才,高职院校需紧密围绕岗位需求和行业发展来创新人才培养模式,通过“岗课”融通来构建专业课程体系,通过技能竞赛来检验“课赛”融通成果,通过“课赛证”融通来获得职业技能证书。基于此,课题组在“岗课赛证”四方面融通的基础上提出了无人机应用技术专业的人才培养模式,即通过四位一体相融合的方式形成一个闭环式教育模式。教学实践表明,“岗课赛证”综合育人视域下无人机应用技术专业人才培养模式能够实现学生“课程学习—技能竞赛—职业技能考证”的融通培养,提高学生具备的岗位所需技能,培养德技并修、工学结合的高素质人才。     

基于机器视觉的田间杂草定位技术

采用摄像机弱透视模型,对采集的标定靶图像进行处理,获取48个靶点质心的像素坐标,利用DLT的最小二乘法获取摄像机隐参数矩阵。室内土槽的有序杂草和无序杂草定位试验表明,利用建立的摄像机隐参数矩阵,有序杂草和无序杂草的质心定位误差分别为19.2mm和22.8mm,可以满足除草剂精确喷施的要求。     

机械移栽黄瓜穴盘苗育苗品质评价与试验

为了得到兼顾生长质量和机械移栽性能的黄瓜穴盘苗,以育苗基质配比（草炭∶珍珠岩∶蛭石混合体积比为2∶1∶1、3∶1∶1和4∶1∶1）、基质压实度（基质与穴孔的体积比为1.0、1.2和1.4）和营养液浓度（营养液电导率为1.0、1.2、1.4mS/cm）为因素开展正交试验。进行压缩和拉拔试验,测量黄瓜穴盘苗的抗压力和脱盘力;计算黄瓜穴盘苗的壮苗指数;利用X射线μCT扫描仪对苗钵进行检测和根系三维重构,在垂直方向用根系分布密度最小和最大值的比值表达根系均匀程度,水平方向上用外围根系分布密度表达根系包裹苗钵的紧密程度。通过方差分析可知各因素对试验指标有不同程度的影响。以苗钵的抗压力、脱盘力、壮苗指数、根系均匀系数和外围根系分布密度为优化目标,用综合评分法得出当育苗基质配比为3∶1∶1、基质压实度为1.2、营养液电导率为1.2mS/cm时,育苗品质最优。在取苗频率为43、48、53株/min时进行取苗试验,结果表明,在该组因素组合条件下,苗钵破损率分别为3.6%、3.9%和4.3%,取苗成功率为97.2%、96.1%和94.8%,优于其它因素组合的试验结果,与综合评分方法优选的结果一致。