基于近/中红外光谱的玉米自交系组合的选配

通过对41个玉米品种的近红外光谱、中红外光谱和融合后的近-中红外光谱数据进行系统聚类分析,以对照组玉米的父母本作为参照,筛选出新的玉米自交系组合.结果表明:相对于单一的近/中红外光谱,融合后的近-中红外光谱能表征更多的特征信息,提供更为准确的筛选结果.理论上,利用近/中红外光谱技术可从大量玉米品种中选择与对照组父、母本相似或者相差大的样品,再进行组合杂交.该方法在一定程度上克服了传统育种的盲目性,使育种工作具有一定的定向性.     

基于脸部转向控制的智能车

随着智能化水平的提升,人们对智能化的追求也越来越高,能够让机器主动理解人类的语言与意图,日益成为当今研究的热点。本文基于机器视觉、图像处理技术采集、识别人类最为简单、高效的脸部转向语言,利用MATLAB将采集的数字图像分割为矩阵,通过LVQ神经网络算法对分割后的矩阵特征进行学习、识别、产生转向信号,通过蓝牙通讯控制以单片机为控制器的智能车,以便更好地实现机器智能化。     

基于深度学习的高分辨率麦穗图像检测方法

小麦是重要的粮食作物之一,针对人工田间麦穗计数及产量预测效率低的问题,基于深度学习提出了一种高分辨率的小密集麦穗实时检测方法。对麦穗图像数据集进行图像分割、标注、增强预处理,基于Tensorflow搭建YOLOv4网络模型,调整改进后对其进行迁移学习;与YOLOv3、YOLOv4-tiny、Faster R-CNN训练模型进行对比,对改进模型的实用性与局限性进行分析;重点分析影响麦穗检测模型性能的关键因素。通过图像分割的方式,证明了通过改变图像分辨率确定麦穗所占图像最优像素比,可以提高前景与背景差异,对小密集麦穗有显著效果。通过对改进模型的测试,表明该模型检测精度高,鲁棒性强。不同分辨率、不同品种、不同时期的麦穗图像均类平均精度（mAP）为93.7%,单张图片的检测速度为52帧·s^-1,满足了麦穗的高精度实时检测。该研究结果为田间麦穗计数以及产量预测提供技术支持。     

有限二氧化碳资源条件下的温室光气耦合优化调控模型

针对当前温室环境调控成本较高的问题,为了在满足作物生长需求的条件下降低调控成本,拟研究1种在有限二氧化碳(CO2)资源条件下的温室光气耦合优化调控模型.首先,以温度、CO2浓度、光照度作为输入,以净光合速率作为输出,构建基于最小二乘支持向量机(LS-SVM)的光合速率预测模型;然后,基于提出的光合速率预测模型,构建在有限CO2资源条件下温室CO2优化调控模型数据库,可根据用户输入的CO2资源总量,自动寻优获取最佳补气时间与单位补气量;最后,提出以光照度增长相对价值为评价指标的经济性相对最优的补光策略,在确定的补气时间段内进行补光,最终实现了有限CO2资源条件下的温室光气耦合优化调控,进一步提高了设施温室环境因子调控的精准度与智能化水平.     

基于小波降噪和自适应加权法的温室数据融合

针对温室环境信息多节点数据采集中存在误差大、冲突多和冗余等问题,提出一种基于小波降噪和自适应加权的多传感器数据融合算法.通过小波降噪对采集的数据进行处理,使其具有良好的光滑度和稳定性;利用自适应加权算法对多传感器数据进行融合,得到测量数据的最优估计值.实例验证结果表明,采用所提算法可以有效降低原始数据中存在的噪声和冗余,得到方差较小的数据融合值,可以提高测量数据的准确性和降低数据的传输量;具备良好的稳健性,能够实现对温室环境信息的可靠性和一致性描述.     

基于Elman神经网络的温室环境因子预测方法

针对目前温室环境系统中,环境监测数据只能反映当前环境状况,无法预测温室环境变化趋势,导致温室环境控制效果差的问题,提出一种基于Elman神经网络的温室环境因子预测方法。以采集的温室内温度、湿度以及二氧化碳浓度的历史数据作为预测模型的输入,建立Elman神经网络预测模型,进而实现精确的温室环境因子变化预测。结果表明,Elman模型优于BP和RBF模型,温度、湿度和二氧化碳浓度预测结果的均方误差分别为0.003 9、0.005 9和0.028 3,决定系数分别为0.991 5、0.967 8和0.973 9。该模型预测结果较理想,可以为温室环境调控提供一定的决策支持。     

伏安型电子舌在食品检测中的研究进展

伏安型电子舌是一种基于电化学传感器阵列并结合多变量数据分析的方法对液体成分进行分析的检测系统。它一般由三电极构成,即工作电极、参考电极和辅助电极。本文简要介绍了电子舌的工作原理,重点阐述了伏安型电子舌在牛奶、食用油、茶叶和酒类等检测领域的应用状况,以及目前研究中伏安型电子舌存在的问题,并对其发展方向进行了展望。     

家庭式微植物工厂监控系统设计

为了解决家庭阳台种植作物过程中湿气重、难控制的问题，提出了家庭式微植物工厂。它是密闭式的，利用智能化控制技术使作物进行自我调节，采用层结构设计及配套环境监测装置。监测系统是以无线传感技术、控制技术和多传感器融合技术为核心；以STM32为核心控制单元；以上位机为终端实时显示系统内环境参数的家庭种植环境监控设备。系统实现了微型植物工厂内部温湿度、光照等多个环境因子的实时显示和精确控制，具有较高的实用性。      

基于近红外漫反射光谱的规模化奶牛场粪水氮磷定量分析及模型构建

为建立规模化奶牛场粪水中氮磷含量现场快速检测方法,以实现准确预测的同时替代常规监测程序,选取23家天津市典型种养结合模式的规模化奶牛场,围绕粪水处理全过程环节依次开展样品采集、实验室常规化学检测、近红外漫反射光谱采集,并进行主成分分析和偏最小二乘分析,建立多种动态复合影响因素条件下的全局、全程快速检测定量分析模型。结果表明:主成分分析不仅反映出同一奶牛场粪水有机组分随处理环节的变化,而且也反映出不同奶牛场粪水样品的差异性,以及在粪水处理过程中各因素对后续模型的影响程度。建立的全过程环节定量分析模型对总氮含量预测结果与实际含量的线性拟合相关系数R为0.96,预测均方根误差RMSEP为187.80;对总磷含量预测结果与实际含量的线性拟合相关系数R为0.91,预测均方根误差RMSEP为3.59。建立的全局定量分析模型对总氮含量预测结果与实际含量的线性拟合相关系数R为0.96,预测均方根误差RMSEP为238.59;总磷含量预测结果与实际含量的线性拟合相关系数R为0.91,预测均方根误差RMSEP为6.56。研究表明,基于近红外漫反射光谱和偏最小二乘法对规模化奶牛场粪水处理全过程环节粪水样品中氮、磷含量进行定量分析是可行的;纵向模型比横向模型能提供更好的预测结果;近红外漫反射光谱技术可实时、快速、高效地对规模化奶牛场粪水处理全过程总氮和总磷进行跟踪和监控。     

机器人黄瓜病害采集系统

机器人黄瓜病害采集系统是以单片机控制器为核心,由颜色采集模块、摄像头捕捉模块、单片机控制模块和蓝牙传输模块组成。系统通过机器人定时巡查,颜色传感器捕捉病斑,用摄像头定点采集黄瓜病害图像,蓝牙模块发送给远程上位计算机,计算机对黄瓜病害进行有效识别,实现黄瓜病害的早发现和早诊治的目的。