我国规模化果园有机废弃物资源化利用研究现状

水果产业是现代农业的重要组成部分，是我国乡村振兴的重要支柱产业。在水果的生长过程中，果园内会产生大量具有“双重性”的有机废弃物，传统的果园有机废弃物处理方式已经不适应现代果园的绿色发展。从综合生态利用角度，以修剪枝条的资源化处理为主线，综述了现阶段我国果园有机废弃物资源化利用的发展情况和存在问题，指出规模化果园有机废弃物资源化生态利用方式主要有直接粉碎还田技术、生物覆盖技术、好氧堆肥技术、食用菌栽培技术和生物炭制备技术等。今后需要加强最佳利用途径的确定、“眼前账”和“长远账”的计算、专用处理设备的研发、成套技术解决方案的建立、政策引导力度的加大等方面工作，以利于规模化果园有机废弃物资源化生态利用的产业化，真正实现果园有机废弃物资源的生态循环利用，全面提高果园的价值和功能。     

基于光切法的葡萄硬枝嫁接切削面粗糙度图像检测算法

为了实现葡萄硬枝嫁接苗木切削面粗糙度的检测,该文基于光切法测量原理,搭建了切削面粗糙度图像检测系统,研究了特征提取的图像检测算法。为获取较长的取样长度,采用了图像拼接技术,并提出了一种自动制取匹配模板的方法,拼接算法测试结果表明:每多拼接一幅粗糙度特征图像,运行时间平均增加1.104 s,取样长度平均增加1 131.77μm;采用了模糊集合理论对拼接后的粗糙度特征图像进行灰度变换,可以有效保证图像分割后单侧边缘的完整;采用了人机交互的方式对粗糙度特征二值图像像素进行区域操作,可以滤除因切削面自身含有的导管腔、管胞腔而导致的缺陷轮廓,从而提高粗糙度计算的准确度;提出了一种逐列遍历图像提取单侧边缘的方法,通过对单侧边缘进行计算,可以得到粗糙度高度参数Ra与Rz的值。将该粗糙度图像检测算法与基恩士VK-X200形状测量激光显微系统进行了粗糙度检测对比试验,结果表明,该文提出的粗糙度图像检测算法测得Ra的相对误差为6.73%,在测量误差允许范围内,该文基于光切法测量原理的图像检测算法,用于检测葡萄硬枝嫁接苗木切削面粗糙度,具有较高的精度和良好的可行性,为进一步研究切削参数对切削面粗糙度以及对苗木嫁接成活率的影响提供了技术支撑。     

电磁振动料斗内玉米种子分散与排序输送仿真及试验

针对利用电磁振动料斗对成堆玉米种子进行分散与排序输送时无法保证工作效果和效率的问题,该文通过理论分析、EDEM仿真和实际试验对电磁振动料斗内成堆玉米种子分散与排序输送机理进行了研究,得到以下结果:1)成堆玉米种子的分散包含正向圆周运动、离心运动和滑落运动;2)当料斗直径和高度确定时,影响成堆玉米种子分散与排序输送运动状态和效率的因素有:底面倾角、轨道螺距和工作电压,表现为:底面倾角增大,只能提高分散效率;轨道螺距小于35 mm时,增大轨道螺距能够提高总效率,大于35 mm时,继续增大会降低总效率;工作电压小于220 V时,增大工作电压能明显提高总效率,大于220 V时,继续增大对总效率提升不明显;3)电磁振动料斗的最佳工作参数为工作电压220 V、底面倾角4°、轨道螺距35 mm,试验表明该参数下成堆玉米种子分散与排序输送运动状态稳定,且总效率较高。该研究为后续玉米种子定向包装及定向播种提供了参考。     

无人机遥感监测果树氮素含量研究进展

氮素是果树生长发育不可或缺的成分,氮素含量超出正常范围会影响树体生长发育,会直接或间接降低果实产量及品质。快速准确掌握果树氮素含量,可为精准施肥提供技术支撑,从而达到果树的优质丰产。随着无人机产业的快速发展,无人机遥感监测以其无损、快速、实时、高效等优点在氮素含量监测中发挥着重要作用。在介绍目前主流无人机的基础上,梳理数据获取及后续处理方式,阐述多光谱、高光谱、可见光以及其他类型传感器实现果树氮素含量监测研究现状。可以发现,多光谱和高光谱传感器对果树氮素监测效果更佳,且使用机器学习方法构建模型相较于传统方法具有更高精度。提出无人机遥感监测果树氮素含量在无人机飞行平台与传感器性能、数据获取与处理、推广与应用及政策4个方面现阶段存在的不足之处和未来精准化、高效化和智能化的发展方向。     

基于改进Ghost-YOLOv5s-BiFPN算法检测梨树花序

疏花是梨生产中的重要农艺措施，机械化智能疏花是当今高速发展的疏花方式，花朵与花苞的分类与检测是保证疏花机器正常工作的基本要求。本研究针对目前梨园智能化生产中出现的梨树花序检测与分类问题，提出了一种基于改进YOLOv5s的水平棚架梨园花序识别算法Ghost-YOLOv5s-BiFPN。通过对田间采集的梨树花苞与花朵图像进行标注与数据扩充后送入算法进行训练得到检测模型。Ghost-YOLOv5s-BiFPN运用加权双向特征金字塔网络（Bi-directional Feature Pyramid Network，BiFPN）替换原始的路径聚合网络（Path Aggregation Network，PAN）结构，对网络提取的不同尺寸目标特征进行有效的融合。同时运用Ghost模块替换传统卷积，在不降低准确度的同时减少模型参数量和提升设备运行效率。田间试验结果表明，改进的Ghost-YOLOv5s-BiFPN算法对梨树花序中花苞与花朵的检测精度分别为93.2%和89.4%，两种目标平均精度为91.3%，检测单张图像时间为29 ms，模型大小为7.62 M。相比于原始YOLOv5s算法，检测精度与召回度分别提升了4.2%和2.7%，检测时间和模型参数量分别降低了9 ms和46.6%。本研究提出的算法可对梨树花苞与花朵进行精确的识别和分类，为后续梨园智能化疏花的实现提供技术支持。     

玉米种子电磁振动定向装置仿真模型的建立与验证

针对实际电磁振动定向装置进行多因数多水平试验研究时存在周期长、受加工精度影响大等问题,利用ADAMS等软件建立参数化的玉米种子电磁振动定向装置和种子仿真模型,通过试验测定玉米种子与定向滑槽之间的接触参数,系统定义玉米种子与定向滑槽之间的接触。从振动分析、接触力和模型振动效果3方面对该模型进行验证。结果表明:该电磁振动定向装置和玉米种子的仿真模型振动效果符合实际,接触的定义准确,激振力与振幅线性相关,符合实际弹簧片变形规律和电磁振动理论,可以用来代替实际电磁振动装置进行电磁振动下玉米种子姿态翻转与定向传输的模拟仿真试验和优化试验。