返青期休牧对祁连山区中度退化草原化草甸草地的影响

为解决祁连山区高寒草地牧草返青期季节性超载过牧问题,自2015年5月至7月起连续两年在青海省祁连县默勒镇瓦日尕村的冬春放牧地上进行了为期60d的返青期休牧试验,休牧期间放牧家畜全部采用舍饲圈养,并于2016年8月中旬对休牧草地进行植被调查。结果表明,返青期休牧可使草地群落的总盖度、总植物量显著增加(P0.05),使禾本科牧草株高、分盖度和植物量显著增加(P0.05),对莎草科植物影响不显著(P0.05);阔叶型毒杂草的株高、盖度、生物量均有下降的趋势。休牧两年与休牧一年相比,群落中禾本科植物的株高、盖度、植物量均在继续增加,阔叶型毒杂草的各项指标继续下降。结果证明,返青期休牧可有效促进祁连山区草原化草甸退化草地的植被恢复,并大幅度提高草地生产力。     

宁远县水稻机械插秧优化配套技术研究

从栽培管理措施、产量及效益比较和机械插秧增产机理等方面介绍了宁远县丘陵山区水稻机械育插秧示范的基本情况,在此基础上总结了一套适宜在丘陵山区推广的水稻机械育插秧高产栽培技术,并提出了搞好宣传发动和技术培训工作、开展试验研究和推广示范等加快丘陵山区水稻机械插秧推广速度的措施建议。     

浙南山区高山蔬菜生产优势及发展思路

从浙南高山蔬菜规模生产的起步、产业形成、产品质量提升、产业发展转型升级4个阶段介绍了其发展历程,又分析了蔬菜生产发展的优势;最后,提出了浙南高山蔬菜生产发展的思路,如制定高山蔬菜发展规划,培育蔬菜产业新兴业态;加快蔬菜生产设施升级,改善高山蔬菜的生长环境;加强产品质量安全监管,提高蔬菜品质和产品质量安全水平;延伸蔬菜产业链条,促进农村一二三产业融合发展。     

药剂浸泡种茎对布朗山区木薯地下害虫的防效评价

为了有效防控云南布朗山区木薯重要地下害虫的发生与危害，本试验针对性地开展种茎无害化药剂处理的防效评价研究。结果表明：选用环保型杀虫剂48%乐斯本乳油1 000倍液和1.8%阿维菌素乳油2 000倍液的1∶1混合液浸泡木薯种茎5和10 min后种植效果最好，平均出苗率分别由无任何处理对照的62.5%及清水对照的75.0%和75.6%显著提高到96.5%和97.0%，平均虫害率分别由无任何处理对照的56.8%及清水对照的45.0%和44.8%显著下降到6.3%和5.5%，平均产量分别由无任何处理对照的1 11     

农业机器人并联视觉云台研究

针对智能农用机器人对机器视觉工作范围的需求,提出了一种用于农业机器人的并联视觉云台设计方案。基于双摇杆的输入输出特性,提出了一种运动支链设计方法,用于构建二自由度全球面工作空间解耦并联机构。在此基础上,衍生出两种可行的运动支链P5R和PRR,基于这两种运动支链,设计了2种二自由度全球面工作空间并联视觉云台RRP5R和RRPRR。通过运动学分析,分别建立了2种机构的位置关系表达式;通过尺寸优化,得到了2种机构的最优杆长比;通过对比得出,RRP5R型并联视觉云台具有更好的输入输出性能;通过有限元分析,研究了载荷对RRP5R型并联视觉云台运动精度的影响。结果表明,RRP5R机构强度满足要求,但杆件的累积弹性变形导致运动副的位移偏差较大。     

基于级联卷积神经网络的番茄花期识别检测方法

对作物花期状态的准确识别是温室作物执行授粉的前提。为提高花期状态识别的准确度，该研究以温室番茄为例提出了一种基于级联卷积神经网络的番茄花朵花期识别方法。首先采用改进的端到端的特征金字塔网络FS-FPN实现番茄花束的分割，然后采用Prim最小生成树对分割后的花束图片进行花期识别优先级排序，最后将已排序的分割花束图片输入改进的Yolov3网络，实现番茄花朵花期状态的精准识别。在由1600幅包含花蕾期、全开期、谢花期、初果期4类花期状态的番茄花束图像构成的数据集上，所提方法对番茄花朵花期平均检测时间为12.54 ms，平均检测精度分别比Mask R-CNN和SPP-Net提高了3.67%和2.39%，识别错误率比改进前的Yolov3网络降低了1.25%。最终将该方法部署到番茄授粉机器人上，并在大型玻璃温室内进行验证，结果表明，所提方法对番茄花朵各花期的检测精度分别为花蕾期85.71%、全开期95.46%、谢花期62.66%、初果期88.34%，该研究结果可为智能授粉机器人的精准作业提供重要依据。     

扎鲁特旗山地草地土壤含水量动态与气候因子的关系

通过对内蒙古通辽市扎鲁特旗巴雅尔吐胡硕牧业气象站1983-2012年气象数据和山地草地土壤含水量数据分析,揭示土壤含水量的动态变化及其与气候因子之间的相关关系。结果表明,1983-2012年山地草地土壤各层(0-10、10-20、20-30、30-40、40-50和0-50cm)含水量均呈现逐渐降低的变化趋势,草地逐渐旱化;土壤含水量下降过程可以分为3个阶段,第1阶段为1983-1987年,该阶段土壤含水量在15%~30%之间波动,属于土壤含水量的较高阶段;第2阶段为1988-1999年,该阶段土壤含水量在5%~15%范围内波动,属于土壤含水量高(15%~30%)向低(2%~10%)过渡阶段;第3阶段是2000-2012年,该阶段土壤含水量在2%~10%范围内波动,属于土壤含水量较低阶段;土壤含水量与温度和日照时数呈负相关,与降水量、相对湿度、蒸散量呈正相关。     

秋种马铃薯高产栽培技术

经过多年多点示范,总结出高山秋种马铃薯高产栽培技术。即秋种马铃薯以选择排灌水方便的沙壤土或黄壤土为宜,忌与茄科作物连作;8月上中旬,采用单垄双行双三角形播种,密度5.25万~6.00万株/hm2;合理施肥,注意防治病虫害。     

基于Harris和卡尔曼滤波的农业机器人田间稳像算法

针对田间颠簸环境影响农业机器人采集实时稳定图像问题，提出了基于Harris和卡尔曼滤波的农业机器人田间稳像算法。首先，利用摄像头获取田间抖动视频图像序列，进行图像子区域划分并计算各区域灰度均方差，进而确定各区域Harris角点阈值；通过自适应角点阈值设置，增加角点距离约束，完成图像角点检测。然后，对检测出的角点进行光流跟踪，计算出帧间运动估计参数。最后，利用自适应卡尔曼滤波算法对运动估计参数进行平滑操作并动态调整滤波平滑性能，获得精确运动估计矢量。测试结果表明，改进后的Harris角点检测算法区域平均分布标准差减小；自适应卡尔曼滤波算法在保证平滑随机运动前提下，跟踪主动运动性能平均提升30.75个百分点；稳像后的图像峰间信噪比提升15.93%,单帧处理时间为25.66 ms,满足农业机器人30 f/s高速图像采集时同步稳像对实时性要求。     

智能轨迹控制割草机器人设计——基于FPGA神经网络

为了提高割草机器人自主导航和定位的精确性和智能性,设计了一种新型的基于FPGA神经网络算法的割草机器人。该设计采用FPGA可重构技术,以3层误差反向传播神经网络作为典型的模型来展开;利用成熟的BP算法公式,设计了割草机器人智能控制的模型;利用FPGA技术,设计了割草机器人的硬件系统;最后采用文本输入的设计方法,利用田间试验的方式,对机器人的轨迹规划能力和控制精度进行了验证。试验结果表明:利用FPGA和神经网络模型可以有效地穿越5个障碍物,并可得到满意的轨迹规划结果。将普通的PID控制器和神经网络PID控制器得到的控制结果误差进行了对比,结果表明:神经网络PID控制器得到的割草机器人控制误差明显比传统的PID控制器误差小。该方法为神经网络的硬件实现提供了可靠的理论基础。