智能甘蔗预切种工作站结构设计与切种精度分析

为提升甘蔗预切种种植的机械化程度,提高甘蔗预切种效率,降低蔗芽损失率,减少人工劳动强度,自主设计开发集甘蔗输送、蔗节智能识别、多刀协同切种等流程于一体的智能甘蔗预切种工作站,实现甘蔗自动协同切种工作。介绍智能甘蔗预切种工作站的输送系统、蔗节识别以及多刀数控协同切种等关键部件的结构设计及工作原理,重点对输送速度和黑箱照度对识别精度的影响,以及多刀切割工作台的定位精度等进行综合的分析。对拍照黑箱的识别精度试验研究表明,甘蔗横向传送速度和光照平均照度对蔗节识别精度具有显著影响,当甘蔗传送速度为0.1 m/s,光照平均照度为430.7 Lux时,识别精度较好,蔗节识别误差小于1.7 mm。通过对切种平台的定位精度试验分析,试验表明:6个移动切种工作台的横向直线移动运动的定位精度误差小于1.5 mm,重复定位误差为±0.2 mm;切种精度的综合误差小于3.4 mm,蔗节的相对综合误差小于5.67%,达到设计的预期目标,实现甘蔗智能横向多刀切种的功能。     

文蛤动态能量收支模型参数的测定

采用壳长与软体部组织湿重回归、温度实验、饥饿实验以及摄食实验获得估算文蛤(Meretrix meretrix)动态能量收支(dynamic energy budget, DEB)生长模型构建所需的7个关键参数。壳长与软体部组织湿重回归得到文蛤形状系数δ_m,其值为0.374;温度实验获得阿仑尼乌斯温度T_A,测得的阿仑尼乌斯温度值为(5 849.31±328.11) K。进行45 d的饥饿实验,测定单位时间单位体积维持生命所需的能量■、形成单位体积结构物质所需的能量[E_G]以及单位体积的最大存储能量[E_M],其值分别为28.35 J·cm~(-3)·d~(-1)、5 682.84 J·cm~(-3)和2 549.32 J·cm~(-3);摄食实验测定25℃时文蛤的摄食参数,主要包括:单位体表面积的最大摄食率■和单位表面积的最大吸收率■,其值分别为120.84 J·cm~(-2)·d~(-1)和87.00 J·cm~(-2)·d~(-1)。研究获得的7个生物学参数是构建文蛤动态能量收支模型必不可少的,可为今后构建文蛤动态能量收支模型提供数据资料。     

我国农机产品推广鉴定检测概况

对我国旋耕机、深松机、免耕播种机、自走式饲料收获机、打捆机和喷杆式喷雾机等典型产品在推广鉴定检测过程中的试验项目及关键补贴归档参数检测进行了分析，为农机企业的产品设计开发提供参考。      

结构参数对秸秆揉碎机抛送装置气动噪声的影响分析

针对目前秸秆揉碎机抛送装置存在噪声大问题,为了在设计阶段预测其结构参数对气动噪声的影响规律,采用计算流体力学与声比拟理论相结合的方法对饲草揉碎机抛送装置的气动噪声进行了数值计算,通过气动噪声试验进行了验证。基于此分析叶片数、叶片倾角及出料管高度对气动噪声的影响规律。研究表明:①出料口计算与实测总声压级差值为1.11 dB(A);进料口计算与实测值差值为0.50 dB(A),仿真与实测结果误差较小,可见气动噪声数值计算结果可信。②抛送部分叶片的角度对进料口噪声影响小、对出料口影响大,进出料口在3个叶片时产生的噪声都最低,增加出料管高度可降低装置尤其是进料口处的气动噪声。该研究可为秸秆揉碎机结构声优化设计提供参考。     

基于部首嵌入和注意力机制的病虫害命名实体识别

为了解决农业病虫害命名实体识别过程中存在的内在语义信息缺失、局部上下文特征易被忽略和捕获长距离依赖能力不足等问题，以农业病虫害文本为研究对象，提出一种基于部首嵌入和注意力机制的农业病虫害命名实体识别模型(Chinese agricultural diseases and pests named entity recognition with joint radical embedding and self attention, RS-ADP)。首先，该模型将部首嵌入集成到字符嵌入中作为输入，用以丰富语义信息。其中，针对部首嵌入设计了3种特征提取策略，即卷积神经网络(Convolutional neural network, CNN)、双向长短时记忆网络(Bidirectional long short term memory network, BiLSTM) 和CNN-BiLSTM；其次，采用多层不同窗口尺寸的CNNs层提取不同尺度的局部上下文信息；然后，在BiLSTM提取全局序列特征的基础上，采用自注意力机制进一步增强模型提取更长距离依赖的能力；最后，采用条件随机场(Conditional random field, CRF)联合识别实体边界和划分实体类别。在包含11个类别和24715条标注样本的农业病虫害自制语料上进行了实验。结果表明，本文模型RS-ADP在该数据集上精确率、召回率和F1值分别为94.16%、94.47%和94.32%；在具体实体类别上，RS-ADP在作物、病害、虫害等易识别实体上F1值高达95.81%、97.76%和97.23%。同时，RS-ADP在草害、病原等难以识别实体上F1值仍保持86%以上。实验结果表明，本文所提模型能够有效识别农业病虫害命名实体，其识别精度优于其他模型，且具有一定的泛化性。     

CMS-D2恢复基因对陆地棉主要性状的影响

选用1对同质异核的哈克尼西棉细胞质雄性不育恢复基因近等基因系——保持系和恢复系为试验材料，分别在黄河流域棉区（河南安阳）和长江流域棉区（江西九江）2个生态点种植，对棉花苗期生长、全生育期主茎功能叶片光合生理指标、花药发育状况、产量及其构成因素以及纤维品质性状进行比较分析。结果表明：（1）恢复基因对棉花苗期生长、花药发育以及全生育期净光合速率无显著影响；（2）恢复基因对黄河流域棉区棉花产量性状具有显著的正效应，对长江流域棉花产量无显著影响；（3）恢复基因可以显著增加棉花纤维长度。本研究对棉花胞质不育恢复系的选育和改良具有一定的指导意义。     

茄子病害的分类识别及综合防治技术探讨

茄子是我们日常餐桌上比较常见的一类蔬菜。由于市场的需求量相对较大,近年来很多农户在产业结构调整背景之下,将茄子作为主要的蔬菜种植品种,获得了较好的经济效益。茄子属于能够持续采收的蔬菜,但在长时间生长发育过程中,也很容易受到多种病虫害的威胁。对于大棚蔬菜来说,病虫害的防治效果在一定程度上决定了最终的采收效益。茄子生育周期相对较长,在整个发育阶段会受到多种病害的威胁,所以就要求种植人员认真掌握茄子常见病害的流行特征,发病现状,针对常见病害的发生流行特点,及时采取措施进行综合性的防控,保证茄子的品质,增加种植户的经济效益。     

基于RetinaNet模型的梨小食心虫智能识别计数方法

针对梨小食心虫监测调查中存在的人工分类计数费时、费力且误差较大的问题,基于RetinaNet深度学习目标检测模型,构建了一种普适性更广的梨小食心虫智能识别计数方法.试验结果表明,RetinaNet目标检测模型对黏虫板上梨小食心虫的平均识别准确率达95.93％,平均计数准确率达95.62％,且该方法对拍摄条件要求低,普适性广,优于Faster R-CNN目标检测模型,完全可以在梨小食心虫监测调查中替代人工进行分类计数.