基于快速卷积神经网络的果园果实检测试验研究

近年来,基于数字图像处理和机器学习算法的果实自动识别检测研究已经越来越成熟。针对传统检测方法检测过程中难以满足实时性要求的缺点,采用了基于Faster-RCNN的果实快速检测模型。模型由卷积神经网络(CNN)和区域提议网络(RPN)组成,首先由CNN进行卷积和池化操作提取特征,然后由RPN选取候选区域,通过网络全连接层参数共享,由目标识别分类器和边界框预测回归器得到多个可能包含目标的预测框,最后通过非极大值抑制挑选出精度最高的预测框完成目标检测。分别对桃子、苹果和橙子的三种果实进行检测,采用迁移学习方法,使用已经预训练好的两种深度神经网络模型ZFnet和VGG16,通过数据集的训练对Dropout及候选区域数量进行参数调整完成网络调优。检测并分析果实不同布局形态下模型的检测效果。试验结果表明,当Dropout取值为0.5或0.6,候选区域数量为300时网络模型最佳,ZFnet网络中,苹果平均精确度为92.70%,桃子为90.00%,而橙子为89.72%。VGG16网络中,苹果平均精度为94.17%,桃子为91.46%,橙子为90.22%。且ZFnet和VGG16的图像处理速度分别达到17 fps和7 fps,能够达到果实实时检测的目的。     

新型果园宽幅联合仿形修剪机设计与研究

针对目前修剪机修剪形状单一,适应性差,修剪机械通用性能低的问题,通过理论分析、三维模型设计、性能试验相结合的方法,设计针对新型果园的宽幅联合仿形修剪机。主要对该整机的机架结构、切割装置、传动系统、液压系统进行了设计,并分别对机架结构和切割装置的机构进行运动分析。试验结果表明:该修剪机切割高度范围为500～4 000 mm,向左最大移动幅度为1 530 mm,向右最大移动幅度为740 mm,左右最大摆角幅度为±25°,最大切割直径为60 mm,修剪漏割率为7.3%,修剪合格率为90.9%,切割断面质量和修剪形状符合农艺学的要求。该机适应性强,通用性能高,能满足多种修剪树形的需要。     

上海水稻精量机械穴直播技术研究与应用

以上海地区主推水稻品种为材料,在精量机械穴直播条件下,开展了不同类型水稻品种的小区试验和示范,明确了精量机械穴直播水稻的生育特性、抗倒伏性、群体建成和产量表现,并分析了采用水稻精量机械穴直播后土壤的微生物群落结构的变化和水稻生产经济效益。试验示范结果表明,精量机械穴直播水稻生育期明显缩短,单株分蘖力强,群体结构合理,穗粒结构协调,干物质积累多,抗倒能力较强,增产优势明显,节本低耗,生产效率显著提高,是目前极具生产潜力的一种新型高效低耗种植模式,适合上海都市农业发展的需求,也顺应了水稻低碳种植发展趋势,具有广阔的应用前景。     

国审旱地小麦铜麦 6 号

铜麦6号是半冬性品种,株型半紧凑,田间长势好,在旱地、盐碱地、水地均可种植。对品种选育、特征特性、产量表现、栽培管理等方面进行了总结,旨在为旱薄、抗盐碱地的小麦发展作出贡献。     

株行距及穴苗数的配置对寒地水稻产量和品质的影响

为明确垦稻26和龙粳31高产优质栽培的株行距和穴苗数处理,采取裂区设计进行试验研究。结果表明,最优群体因品种而异,垦稻26在株距10cm、行距30cm、5苗/穴产量最佳,龙粳31则以株距13.3cm、行距27cm、9苗/穴产量最佳;垦稻26在5苗/穴、行株距30cm×10cm处理,有利于提高稻米的碾磨品质,不利于改善稻米的外观品质,营养品质较低,利于改善稻米的食味品质,且食味评分值高达86.5,显著高于最低处理;龙粳31在5苗/穴、行株距27cm×13.3cm处理,碾磨品质较高,不利于营养品质和外观品质的改善,食味品质得到明显改善,食味评分值高达86.0,与最低处理差异达显著水平。因此,高产优质栽培要因品种选择适宜的穴苗数和株行距,是实现水稻高产优质最为快捷、最为经济有效的措施。     

基于双向准Z源逆变器的无刷直流电机驱动系统研究

针对农用电动运输车直流电源电压降落而导致的动力降低,以及车辆行驶工况复杂多变等问题,设计一种基于双向准Z源逆变器的无刷直流电机驱动系统。以STM32F103C8T6为控制器,完成驱动系统的硬件电路设计。通过直流母线方波升压和SVPWM控制策略,使无刷直流电机驱动系统具有ON-PWM斩波、准Z源方波升压、准Z源SVPWM三种驱动模式。最后搭建驱动系统的试验平台,取直流电源电压U_(dc)=24 V,直通占空比D_0=0.2,准Z源方波升压和准Z源SVPWM都将逆变桥的直流母线电压提升至40 V以上,有效解决直流电源电压降落的问题。驱动系统根据加速、爬坡、重载等具体工况快速、准确地切换工作模式,满足车辆的动力需求,提高车辆行驶的安全性和可靠性。     

基于PCA-Attention-LSTM网络的土壤氮含量监测

土壤作为农作物生长的主要营养来源,氮是植物生长的重要元素,有效评价土壤氮素含量可以促进配方施肥的发展。提出主成分分析、注意力机制和长短时记忆神经网络相结合的模型(PCA-Attention-LSTM)来监测土壤的氮素含量。采用PCA(主成分分析)对数据进行处理,提取影响土壤氮含量的关键影响因子,降低模型向量输入的维数,利用注意机制突出预测中的关键输入特征。在Keras深度学习框架的基础上搭建PCA-Attention-LSTM的网络模型,实现对未来2 h土壤氮含量的精监测。最后,以黑龙江省依安甜菜养植基地的数据对土壤氮含量进行训练和验证。结果表明,与RNN等其它网络模型相比,该模型的效果更好,基于PCA-Attenlion-LSTM网络模型的平均绝对误差,均方根误差和平均绝对百分误差分别为0.119、0.020、0.156。该模型预测精度高,泛化能力强,可以应用于土壤氮含量的监测。     

永丰县施用锌肥对中稻产量及产值的影响

为弄清中稻种植的需锌量,采用随机区组排列设立不施锌肥、配方施肥+亩施硫酸锌1公斤、配方施肥+亩施硫酸锌2公斤处理。结果表明,锌肥+配方施肥较单一配方施肥,其返青、分蘖、始穗期提早2～3天,有效穗增加1.5万～1.9万/亩,穗实粒数多9.9～15.1粒/穗,结实率提高2.5%～3.7%,增产59.7～88.9公斤/亩,增收140.28～207.36元/亩。对减轻中稻移(抛)栽后的坐蔸现象有一定的作用。