果园施药机械资源消耗水平评价模型研究

在施药机械满足喷雾质量前提下,为降低果园施药综合成本,需要对果园施药机械资源消耗水平进行评估。本文选择典型地面风送喷雾机、单旋翼和六旋翼植保无人机进行果树施药试验,对比分析冠层雾滴沉积分布、雾滴穿透性、地面雾滴流失等主要喷雾效果指标,结果表明：3种施药机械在树冠纵向各层、横向各层雾滴沉积密度均大于25滴/cm2,能够满足果园植保要求;比较冠层雾滴分布/沉积均匀性,树冠纵向沿送风方向整体呈下降趋势,树冠横向由外到内整体呈下降趋势,变异系数最高分别达63.54%和79.19%;对比雾滴穿透性,风送喷雾机较优,纵向与横向变异系数最大为5.35%,单旋翼植保无人机横向最差,变异系数为35.20%,而六旋翼植保无人机纵向最差,变异系数达40.77%。但单旋翼和六旋翼植保无人机地面雾滴流失量分别是风送喷雾机的2.78%和12.50%,减少了农药浪费。进一步综合施水量、施药量、用工量、作业时长和作业能耗等指标,采用基于变异系数客观赋权法与主观赋权法两种线性加权方法,构建了施药装备资源消耗水平评价模型,验证结果均表明,综合资源消耗由小到大依次为单旋翼植保无人机、六旋翼植保无人机、风送喷雾机;两种评价方法的资源消耗综合评价指标值变异系数分别为110.2%和74.2%,说明基于变异系数客观赋权法的评价模型,综合指标值之间差异更明显、评价效果更符合实际。     

基于多光谱成像和卷积神经网络的玉米作物营养状况识别方法研究

水肥一体化自动装备的使用能够有效提高水肥资源利用率,但需要在作业前获知作物的营养状况及水肥需求量,而通过人工手持测量仪器来获取这些信息,存在着时效性差和劳动强度大等缺点。针对以上问题,本研究以常见的作物玉米为研究对象,使用大疆精灵Ⅲ无人机携带RedEdge-M多光谱相机在田间上空采集玉米多光谱图像,同时使用YLS-D系列植株营养测定仪测量玉米植株的氮素和水分含量等营养信息,根据这些信息将采集的图像分为3个等级（每个等级共包含530幅五通道图像,其中480幅作为训练集,50幅作为验证集）,提出了一种基于卷积神经网络的玉米作物营养状况识别方法。并基于TensorFlow深度学习框架搭建了ResNet18卷积神经网络模型,通过向模型输入彩色图像数据和五通道多光谱图像数据,分别训练出适合于彩色图像和多光谱图像的玉米植株营养状况等级识别模型。试验结果表明：训练后的模型能够识别玉米作物的彩色图像和多光谱图像,能够输出玉米的营养状况等级和GPS 信息,识别彩色图像模型在验证集的正确率为84.7%,识别多光谱图像模型在验证集的正确率为90.5%,模型训练平均时间为4.5h,五通道图像识别平均用时为3.56s。该识别方法可快速无损地获取玉米作物的营养状况,为有效提高水肥资源利用率提供了方法和依据。     

音频技术在禽畜养殖与果蔬种植中的应用研究进展

随着信息技术的发展,音频技术凭借其快速、准确、成本低,且非接触、无侵入的优点,被广泛应用于现代农业禽畜养殖与果蔬种植等领域,已成为推动农业数字化、智能化的关键技术之一。该文阐述了音频增强技术如传统滤波法、短时谱估计法和小波去噪法在禽畜果植中的研究与应用,综述了音频识别技术在农产品无损检测、动物疾病与健康监测、物种识别与病虫害检测等方面的研究成果,同时分析了音频控制技术在果蔬种植和禽畜养殖中的研究进展,在此基础上总结了现阶段禽畜果植音频增强技术、音频识别技术与音频控制技术面临的问题,并指出其未来可能的研究发展方向,以期为禽畜果植领域音频技术的研究与应用提供参考。     

青田太鹤山公园濒临枯死的古松成功救活初报

青田县太鹤山公园濒临枯死的1株大古松,当时只有1根枝条成活,其它枝条全部枯死,但松木的韧皮部尚活。当时采用死马当活马医,经过松材线虫病免疫激活剂(疫苗)大剂量注射,再采用植物免疫增产蛋白1000倍液灌根,结果成功将其救活。     

商品蛋鸡生殖型传染性支气管炎的诊治

1 发病情况 2009年,新郑市某饲养场所饲养的3000只商品蛋鸡,开产后产蛋率一直上升,但到190日龄时产蛋量逐渐下降.病程持续1周左右,鸡群并无其他病症,主要以产蛋量下降为主,死亡率很低.在产蛋量下降期间,曾在鸡饮水中加人环丙沙星、氧氟沙星等药物进行治疗,但均没有控制住产蛋量下降.     

玉米果穗自动考种系统设计与试验

目前玉米考种主要采用传统的手工考种和基于机器视觉的半人工考种。基于机器视觉的半人工考种是由人工来完成玉米果穗的摆放,通过机器视觉的方法来实现玉米果穗特征参数测量,测量完毕后由人工收集玉米果穗,缺点是半人工、非全自动,测量效率受人工操作时间限制。针对上述问题,为实现玉米果穗考种过程中性状信息的自动图像采集处理及自动称量,设计了一种玉米果穗自动考种系统,主要包括直线振动喂料机、横向定位传输机构、气动夹取搬运机构、图像采集平台、称量平台、推送机构、可编程控制器（PLC）和计算机8部分,来实现玉米果穗的自动喂料、自动排序、自动图像采集处理和自动称量等功能。在此基础上对机构及控制系统进行了样机试制,试验结果表明,样机对玉米果穗的夹取、搬运及放置位置准确,图像采集处理方法可行,样机一个工作周期在6s以内,试验中,采用单相机时整穗的平均图像测量速度在600ms/穗以内。样机整体性能能够满足考种使用要求。     

采用多源信息融合的妊娠猪舍环境质量评价方法

妊娠猪舍作为养殖场猪只繁育的基础条件,其环境质量对母猪的生产性能有显著影响。为合理评价妊娠猪舍环境质量,该研究提出一种基于模拟退火的粒子群算法（Simulated Annealing-Particle Swarm Optimization,SA-PSO）、套索算法（Least Absolute Shrinkage and Selection Operator,LASSO）和反向传播（Back Propagation,BP）神经网络的环境质量评价模型。利用卡尔曼滤波和分批估计自适应加权融合算法,实现多节点环境数据的时间与空间数据融合;构建猪舍环境质量非线性评价模型,采用LASSO算法,筛选得出与环境质量强相关的特征参数,实现输入降维;融合SA-PSO算法实现网络初始权值和阈值的优化,形成SA-PSO-LASSO-BP神经网络评价模型。通过对数据采集系统获取的实际妊娠猪舍环境数据进行验证,结果表明：提出的环境质量模型决定系数为0.918、总准确率为95.85%,相比单纯使用BP神经网络,加入LASSO和SA-PSO算法后决定系数与总准确率分别提高了37.43%、11.09%,具有更高的评价精度和性能,可更好地拟合复杂环境参数与环境质量间的非线性关系,为妊娠猪舍环境质量评价提供参考。     

基于MEMS传感器的两轴姿态调整系统设计与试验

在精准农业生产过程中,传感器实时采集作物信息或环境状态,传感器与作物的相对位置,直接影响到采集数据的准确性,及后期处理的效率,甚至影响到作业的效果。而田间道路、垄间颠簸,会影响传感器与作物相对位置,造成信息失真和不准确,为了减少地面不平整干扰对传感器位置的影响,该文提出了基于MEMS传感器步进电机驱动的两轴姿态调整系统。该研究分析了系统的工作原理和控制方法,以陀螺仪、重力加速度计为姿态测量元件,步进电机为驱动部件,设计基于单片机控制的两轴姿态调整系统平台软硬件结构。系统采用单片机对陀螺仪和加速度计信息的实时采样,建立了多传感信息的融合算法和姿态判定模型,可以实时分析检测对象姿态,并输出控制步进电机,对平台姿态进行补偿调整,保持控制对象的相对惯性空间方位不变,实现了平台姿态平衡的快速控制。同时系统加入了绝对位置传感器,实现初始工作状态的自动复位。测试试验结果表明,系统运行稳定,单轴姿态调整精度在平整坡路状态下最大误差在0.5°以内,在田间颠簸路况运行下最大误差在3.0°以内,能够满足信息采集和检测过程中姿态自动调整、保持相对位置的控制要求。利用该控制系统,能够提高信息采集的准确性,在精准农业生产中具有应用作用。     

基于PVDF压电传感器的水滴冲击力检测系统

水滴冲击力是衡量喷头性能的重要技术指标。水滴撞击土壤表面产生的冲击会冲蚀土壤,引起板结,影响入渗,损伤作物。设计一种水滴冲击力自动检测系统和水滴自动发生试验装置,实现对水滴冲击力的自动测量。系统选用PVDF压电传感器作为力检测元件,采用USB7333高速数据采集卡,利用LabWindows/CVI编写数据采集与处理程序,获取水滴冲击力检测数据。试验实现了在水滴频率、大小稳定控制试验条件下,对不同水滴大小冲击力的动态测量。结果表明：PVDF压电传感器对水滴冲击力检测具有良好的动态响应特性;水滴冲击力与传感器输出电压具有良好的线性关系,拟合程度达0.936,系统测量误差小于10%。利用该系统测定水滴冲击力,解决了传统人工测量的不稳定问题。     

基于机器视觉的玉米果穗性状参数测量方法研究

在玉米育种、田间测产和提高玉米产量的过程中,均需要对玉米果穗考种,即需要对玉米果穗的穗长、穗粗、穗行数、行粒数和穗粒数等性状参数进行测量。人工考种不仅花费大量的人力物力,而且在考种过程中普遍存在人工劳动强度大、观测效率低、人为干扰导致测试结果不客观及不准确等问题,在很大程度上限制了考种的速度与精度。针对上述问题,利用所研制的自动考种设备和机器视觉方法,通过USB工业相机获取玉米果穗单面性状彩色图像,利用|B-R|模型、（G+B）/2模型将彩色图像分别进行灰度化,利用改进后的一维最大熵阈值分割方法对灰度图像进行二值化,分别得到果穗轮廓二值图像和果穗特征二值图像;通过轮廓二值图像计算果穗放置后的倾斜角,实现果穗轮廓二值图像和特征二值图像的自动纠偏;通过相机标定,得到单位像素对应的实际值,进而得到穗长及穗粗;通过提取局部籽粒特征二值图像,利用水平黑背景点扫描及对扫描曲线的修正获取穗行宽度,通过穗行数修正模型得到果穗的穗行数;通过提取局部单行籽粒特征二值图像,利用垂直黑背景点扫描及对扫描曲线的修正得到行粒数;根据行粒数和穗行数得到穗粒数。试验结果表明,穗长和穗粗平均测量精度分别为98.05%和97.99%,穗行数测量正确率为95%,行粒数平均测量精度为96.29%,穗粒数平均测量精度为95.67%,和实际值相比,穗粗、穗长、行粒数及穗粒数的测量值差异无显著性。单穗玉米果穗机器视觉平均测量速度为600ms/穗,考种设备测量速度为6s/穗,能够满足自动考种设备的使用需求。