排序方式: 共有52条查询结果,搜索用时 218 毫秒
21.
秸秆热解工艺优化与生物炭理化特性分析 总被引:8,自引:3,他引:5
以肥料化利用为目标,优化秸秆热解工艺,实现秸秆生物炭的高值化利用。该研究以水稻、小麦、玉米、油菜和棉花秸秆为原料,以炭化温度、保温时间和升温速率为因素进行正交试验,采用综合评分法优化热解工艺,并分析最优工艺条件下生物炭的理化特性。结果表明,影响秸秆生物炭品质因素的主次顺序为炭化温度、保温时间、升温速率。以生物炭的肥料化利用为目标,5种秸秆炭化的最优工艺参数组合是炭化温度500℃、保温时间30 min、升温速率10℃/min。在最优工艺条件下,5种秸秆生物炭的炭产率约为32%~38%,固定碳的质量分数大于45%,C元素的质量分数大于53%,N元素的质量分数为0.7%~2.5%,K元素的质量分数为3.41%~6.81%。生物炭表面有含氧官能团且内部有丰富的介孔结构。该研究为秸秆生物炭的肥料化利用提供数据支撑。 相似文献
22.
基于血线纹理特征和GA-BP神经网络的鸡种蛋性别鉴定 总被引:1,自引:0,他引:1
为了对鸡种蛋孵化早期胚胎性别进行鉴别,构建机器视觉图像采集系统,在LED光源下获取186枚种蛋孵化第4天的图像。采用对鸡种蛋图像进行分量提取、去背景化和二值化等预处理方法,利用自适应直方图均衡化、高低帽变换增强图像,通过迭代阈值分割和"与"运算凸显血线纹理。运用差分计盒法、灰度共生矩阵法、灰度直方图统计法和几何法提取图像的11维特征参数,并构建鸡种蛋胚胎性别识别的BP模型(back propagation neural network,BPNN),利用遗传算法(genetic algorithm,GA)优化BP神经网络的初始权值和阈值。试验结果表明,GA-BP模型的训练集识别综合准确率为99.73%,预测集识别综合准确率为82.80%。 相似文献
23.
针对小麦秸秆截面显微图像中组织成分的结构和灰度特征,研究了一种扇环型分区域图像分割方法,用于精确分割厚壁、维管束等关键组织结构。小麦秸秆截面的内外侧轮廓构成了一个近似的环形区域。先粗略定位厚壁和维管束所属的圆环区域。依据定位信息,以截面中心为起点向圆环外轮廓画射线,将圆环划分为大量的扇环形小区域。用Otsu算法对各个小区域进行独立的阈值分割,再对分割结果进行拼接等后续处理,得到完整的厚壁或维管束,最后以此为基础精确测量秸秆截面的各种参数。实验结果表明,与传统的Otsu算法相比,该方法对显微图像采集过程中切片、染色、拍照等环节导致的低质量图像具有较高的分割准确性和鲁棒性,在提高了切片样本利用率的同时降低了人工劳动强度。该测量系统对各类参数的测量精度均大于94.6%。 相似文献
24.
针对油菜收获机械在工作过程中产生大量粉尘,危害人体健康、污染环境等问题,对油菜轴流脱粒装置作业参数对脱粒损失率和呼吸性粉尘浓度峰值的影响进行了试验研究。以滚筒转速、脱粒间隙、钉齿间距为试验因素,以脱粒损失率、呼吸性粉尘浓度峰值为试验指标,进行二次回归正交旋转组合试验,建立了各因素与脱粒损失率、呼吸性粉尘浓度峰值之间的回归模型,分析了各因素对指标的影响并对各因素进行优化。结果表明:各因素对脱粒损失率的影响大小顺序为:脱粒间隙>滚筒转速>钉齿间距;各因素对呼吸性粉尘浓度峰值的影响大小顺序为:钉齿间距>脱粒间隙>滚筒转速。对试验所得最优参数进行验证试验,结果显示,当滚筒转速548 r·min-1、脱粒间隙19.4 mm、钉齿间距150 mm时,脱粒损失率为0.47%,呼尘性粉尘浓度峰值为31.62 mg·m-3,脱粒损失率相对误差为2.13%,呼吸性粉尘浓度峰值相对误差为4.59%。相对误差较小,优化模型可靠。研究结果可为农作物收获机械的降尘、除尘方案设计提供参考。 相似文献
25.
油葵割台分禾扶禾收集槽的设计与台架试验 总被引:2,自引:0,他引:2
针对国内目前缺少油葵专用割台而现有稻麦割台兼收油葵时割台损失率高的问题,设计了一种带落粒回收装置的油葵专用割台。在阐述该割台工作原理的基础上,为探索方案可行性并确定具体参数,设计了一套结构参数和工作参数均可灵活调节的试验台架,围绕割台关键部件尤其是分禾扶禾收集槽,对其结构参数和工作参数进行理论分析和台架试验研究,确定最优参数。试验结果表明,该割台可以实现对油葵植株及葵盘的分禾、扶禾、拨禾、割断和输送等功能,最优参数组合为:大翼板倾角130°,翼板间高度差30 mm,割台前进速度为0.8 m·s-1时,拨禾轮转速为40 r·min-1,对应的拨禾速比λ值为1.3;在该最优参数组合下,试验台架的损失率不超过1%,试验效果理想,达到了有效控制割台低损失的目的,研究结果为后续割台样机的设计试制奠定了基础。 相似文献
26.
被毛对热成像检测生猪体表温度精度的影响及噪声滤除方法 总被引:3,自引:3,他引:0
生猪皮肤的温度分布是表征其生理状态和疾病的重要指标,通常由红外热成像技术(infrared thermography, IRT)检测,然而由于生猪体表附有被毛在热图像中产生大量的温度噪声,降低了IRT对皮肤温度的检测精度。该文针对此问题探索被毛对皮肤温度分布的影响规律,并设计消除被毛影响的热图像降噪算法,提高对温度分布的检测精度。通过对12头生猪试验,分析目标区域在正常被毛和剔除被毛后温度分布的统计量得出被毛在温度分布中产生大量的"峡谷"状低温噪声,显著降低了目标区域的最低温度及平均温度。根据毛发噪声的影响规律提出网格化最大值-双三次插值算法并确定算法的最佳邻域尺寸为4.25mm。采用均方误差、峰值信噪比等指标定量评价算法的有效性,结果表明经算法处理后,均方误差由0.38下降到0.05(P0.01),峰值信噪比由45.14 dB上升到53.66 dB(P0.01),说明该算法能够滤除热图像中毛发引起的噪声,可提高IRT对温度分布的检测精度。 相似文献
27.
针对油菜联合收获机振动剧烈,整机稳定性、工作可靠性和驾驶舒适性较差等问题,以4LL-1.5Y型履带式油菜联合收获机的割台为研究对象,在道路运输(仅发动机工作)、道路运输(发动机与工作部件同时工作)以及田间收获作业 3 种典型工况下,在割台上选择3个测点,利用DHDAS动态信号采集分析系统对油菜联合收获机割台振动进行了测试,并基于时域分析、小波分析和频域分析对试验数据进行了处理。研究表明:发动机、拨禾轮、割刀的振动是整机主要激振源,但作物喂入割台后,吸收了部分振动,使得拨禾轮和割刀的振动总量分别下降了23.5%和68.7%;振动信号主要集中在0~125 Hz内,油菜联合收获机割台上各激振力的激振频率以低频为主;油菜联合收获机工作时发动机引起的一阶惯性振动频率为29.18 Hz;研究结果对提高油菜联合收获机工作的可靠性、降低收获损失、减轻驾驶员的疲劳具有重要意义。 相似文献
28.
29.
保温时间与粒度对稻秆和棉秆热解产物组成及能量转化影响 总被引:1,自引:1,他引:0
热解炭化技术的开发对秸秆的能源化利用具有重要意义。试验研究了保温时间与粒度对水稻和棉花秸秆热解产物理化特性及能源转化的影响。结果表明,保温时间从0到120 min中,秸秆生物炭产率先降低后略增加,热解气中CH_4、C_nH_m和H_2百分含量增加,其高位热值和能量转化率增加,而生物炭的pH值、电导率、灰分、固定碳、C、高位热值增加,保温时间为90 min的生物炭的炭化程度最好。秸秆中能量有1.5%~5.4%保留在热解气中,有50%~57%保留在生物炭中。不同粒度相比,粗粉秸秆的生物炭的炭产率、挥发分、H、O、N及碳转化率最高,细粉秸秆热解气中CO和CH_4百分含量、高位热值和能量转化率最高,而超微秸秆生物炭的pH值、灰分、C最高。棉花秸秆生物炭的挥发分、固定碳、C、H、碳转化率、高位热值和能量转化率高于水稻秸秆生物炭。 相似文献
30.
基于种蛋图像血线特征和深度置信网络的早期鸡胚雌雄识别 总被引:2,自引:2,他引:0
为了实现孵化早期鸡胚雌雄识别,构建了机器视觉采集系统,在LED光源下获取180枚鸡种蛋孵化第4天的图像。首先对鸡种蛋图像进行RGB分量提取、中值滤波、感兴趣区域提取等预处理,然后利用限制对比度自适应直方图均衡化、形态学处理、最大类间方差阈值分割和八连通域去噪等方法凸显血线纹理,并通过方向梯度直方图(histogram of oriented gradient,HOG)提取图像的全信息特征和利用灰度共生矩阵提取能量、对比度、相关性、熵、均匀度等5个特征,对HOG全信息特征采用主成分分析(principal component analysis,PCA)降维,最后利用全信息特征和PCA降维特征-灰度共生矩阵特征组合的简化特征,分别构建支持向量机(support vector machine,SVM)、反向传递(back propagation,BP)神经网络、深度置信网络(deep belief networks,DBN)3种鸡胚雌雄识别模型,并比较不同模型的识别准确率。试验中,全信息特征比简化特征构建的模型识别准确率高,基于简化特征的BP、SVM、DBN模型测试集识别综合准确率分别为51.67%、60%和58.33%,基于全信息特征的BP、SVM、DBN模型测试集识别综合准确率分别为58.33%、63.33%和83.33%。其中,基于全信息特征的DBN模型识别准确率最高,达到83.33%。结果表明机器视觉技术为孵化早期鸡胚雌雄识别提供了一种可行方法。 相似文献