一种φ630直埋管抗压强度与轴向滑动试验装置

针对现有直埋夹套管总体抗压强度与轴向滑动试验装置普遍采用手动装卸砂、手动加载的特点,给出了规格为西630直埋夹套管总体抗压强度与轴向滑动试验装置的设计方案与工作原理,其主要由砂箱、液压加载装置、推拉力试验机、升降加砂装置、送管装置5个部分组成。砂箱底部设有出砂口,试验结束后,打开砂箱底部挡板,可将细砂弓I入其侧下方升降装置的储砂箱中,升降加砂装置可将储砂箱运到砂箱侧上方供再次试验时使用,液压加载装置可自动为砂箱加载,保证试验外管承受均匀、适当的载荷。该装置符合国家有关法规标准的要求,能实现自动装卸砂,自动为砂箱加载。（图8,表2,参9）     

杨木单板实木门的制造工艺及应用研究

探讨了利用速生杨木单板层积材及科技木生产实木门的可行性,介绍了杨木单板实木门的制造工艺。速生杨木单板层积材压缩率、硬度、抗弯强度、尺寸稳定性等指标均远高于普通板材,是一种很好的结构用材,可用其替代高档硬质实木使用,以提升杨木产品的科技含量和附加值。     

基于改进YOLOv7的苹果生长状态及姿态识别

针对目前苹果在复杂环境下难以进行生长状态分类识别、姿态信息同步获取等问题,该研究提出了一种基于改进YOLOv7的苹果生长状态分类和果实姿态融合识别方法。首先改进多尺度特征融合网络,在骨干网络中增加160×160的特征尺度层,用于增强模型对微小局部特征的识别敏感度;其次引入注意力机制CBAM（convolutional block attention module）,改善网络对输入图片的感兴趣目标区域的关注度;最后采用Soft-NMS算法,能够有效避免高密度重叠目标被一次抑制从而发生漏检现象。此外,结合UNet分割网络和最小外接圆及矩形特征获取未遮挡苹果姿态。试验结果表明,改进YOLOv7的识别精确率、召回率和平均识别精度分别为86.9%、80.5%和87.1%,相比原始YOLOv7模型分别提高了4.2、2.2和3.7个百分点,与Faster RCNN、YOLOv5s、YOLOv5m相比,检测平均准确率分别提升了18.9、7.2和5.9个百分点,另外苹果姿态检测方法的准确率为94%。该文模型能够实现苹果生长状态分类及果实姿态识别,可为末端执行器提供了抓取方向,以期为苹果无损高效的采摘奠定基础。     

手持GPS接收机短多径干扰抑制方法研究

分析了手持GPS接收机在实际应用中定位精度的多径干扰影响因素,提出了短多径干扰抑制算法,并将该算法用于导航接收机中,建立了实现原理框图,进而提出了短多径抑制算法的具体步骤,通过实测检测得到较高的精度.     

基于 Web 的智能客厅菜园管理系统设计与实现

综合运用传感器技术、网络通信技术和构件开发技术,研制开发集数据采集、远程控制、数据挖掘应用等多种功能于一体的基于Web的智能客厅菜园管理系统,建立客厅菜园的数据采集体系与远程控制体系,研究提出了基于数据应用的客厅菜园种植策略。对于提高客厅菜园的智能化控制水平具有重要意义。     

新型高密度灌木幼苗移栽机仿真与试验

针对裸根灌木幼苗具有根系软、乱和股头多等特点,以及已有的链夹式移栽机不能满足小行距高密度移栽要求,提出了一种可用于株距＜200 mm、行距＜160 mm,10行同时移栽的新型灌木幼苗移栽机械。对高密度灌木幼苗的移栽工艺研究后,设计了移栽机栽植机构、放苗机构、起垄机构、旋耕机构及悬挂系统,并进行传动系统仿真,结果表明,移栽机的传动系统达到移栽过程中设计要求。设计了一种新型开沟器,根据开沟器的实际受力特点,运用离散元技术和有限元分析技术对其进行仿真试验,结果表明,开沟器强度满足要求。对新型移栽机的物理样机进行现场移栽试验,结果表明,该移栽机能高效解决根系软、乱和股头多的裸根灌木幼苗移栽问题,并且平行排布、除草方便,适合小行距高密度移栽。幼苗植入深度（移栽深度）7～12 cm,直立度80°～90°,移栽苗成活率90%以上。      

甘薯秧回收机输送管流体仿真分析与弯管结构优化

为降低甘薯秧回收机功耗,提高甘薯秧回收率,利用CFX软件求解计算抛送装置内气固两相流,仿真对比分析不同输送弯管结构时抛送装置内两相流分布规律,以确定输送管合理结构参数。仿真结果表明:输送弯管的上壁面三段弧度结合方案、单一曲率半径收缩过渡、适当的风机入口开度有助于提高抛送装置性能。以弯管弧度、收缩曲线曲率半径、入口开度为试验因素,以回收机抛送装置比功耗、甘薯秧回收率为响应值进行三因素三水平中心组合仿真优化试验并进行试验验证。结果表明:输送弯管上壁面弧度采用三段弧组合R1026 mm+R513 mm+R256 mm,收缩曲线曲率半径为850 mm,风机入口开度为216 mm时,抛送装置比功耗、甘薯秧回收率分别为660 m²/s²、93.23%。对比试验表明抛送装置优化改进后比功耗降低9.71%,甘薯秧回收率提高1.04%,证明薯秧回收机输送弯管仿真优化的有效性。     

采用改进Mask R-CNN算法定位鲜食葡萄疏花夹持点

为实现鲜食葡萄疏花机械化与自动化,该研究提出了一种鲜食葡萄疏花夹持点定位方法。首先基于ResNeXt骨干网络并融合路径增强,改进Mask R-CNN模型,解决鲜食葡萄花穗、果梗目标较小难以检测的问题;进而针对花穗、果梗生长姿态的复杂性与不确定性,提出一种集合逻辑算法,该算法采用IoU函数剔除重复检测的花穗与果梗,建立花穗、果梗对,并对果梗掩模进行形态学开运算,利用集合关系获取主果梗掩模,确定以主果梗质心附近的中心点为果梗的夹持点。最后,随机选取测试集中的图像进行试验。试验结果表明：果梗夹持点平均定位准确率为83.3%,平均定位时间为0.325 s,夹持点x、y方向定位误差及定位总误差最大值分别为10、12和16像素,能够满足鲜食葡萄疏花的定位精度与速度要求,可为实现鲜食葡萄疏花机械化与自动化提供理论支撑。