旋耕刀辊与机罩间隙对反转灭茬作业质量和功耗的影响

通过试验对比的方法,从间隙的垂直距离和水平距离角度,分析旋耕刀辊与弯折状机罩间隙对反转灭茬作业的驱动功耗、植被覆盖率及土下埋茬的具体影响。研究结果表明:1间隙的垂直距离对机具作业功耗影响较为明显,垂直距离a为65、75、85mm,水平距离b=50mm时,功耗随着a的增加而增大,增幅分别为3.9%、4.3%。2当间隙垂直距离a为6 5、7 5、8 5 mm,b为5 0 mm及水平距离b为3 5、5 0、6 5 mm,垂直距离a为7 5 mm时,机具作业植被覆盖率均超过96%。3间隙对土下埋茬情况影响较为突出,埋茬情况在间隙调整范围内变化幅度大,土下0~5cm内的根茬占土下根茬总量的28.1%~62.4%。     

新型编烟机的推广与应用研究初报

从编烟机的编烟效率、用工量、成本和经济效益等方面研究了其最佳的编烟方式,结果表明:最佳的编烟方式为6人合作使用1台编烟机,在编360杆烟时可较对照节省用工4.1个,节约用工成本164元,而且纯收益最高,为9704.36元。并针对编烟机在实际生产中存在的问题,提出了一些改进的意见。     

基于Delphi可视化编程的旋耕埋草机功耗检测研究

旋耕埋草机在作业过程中受到的阻力较大,尤其是在土壤粘重的地区作业,其功耗问题是制约该机发展的重要因素。针对高茬秸秆还田旋耕埋草机实际功耗大小不清楚、刀辊作业时运动参数与功耗的关系不明确等问题,根据功耗检测的基本原理,采用Delphi可视化编程软件,设计了一种新的旋耕埋草机功耗检测系统。该系统由4个模块组成,包括设计采集模块、传感器模块、数据分析模块和Delphi可视化显示模块。将该系统安装在旋耕埋草机上,对其性能进行了检测,并得到了转速、力矩和功耗等检测结果。该检测结果通过数据处理可以在Delphi开发的界面上进行可视化显示,为旋耕埋草机动力分配和节能降耗的研究提供了可借鉴的数据参考。     

我国茶园机械化作业模式研究

为从宏观层面探索我国茶园机械化发展道路,使我国茶园机械化早日走出步履维艰的发展困境,深入分析了我国茶园机械当前的应用推广情况,存在的问题以及最近研究进展。通过对我国茶园机械化发展现状的深层次分析,发现除技术原因外,茶园分布广而散,地理地形复杂,是阻碍我国茶园机械化发展的重要因素。基于此,提出"分形而治"的机械化作业模式与理论,从根源上肃清我国茶园机械化盲目发展的局面,促使其从此迈入健康的发展道路,对加快我国茶园机械化发展意义非凡。     

基于机器视觉的玉米秸秆行实时定位机器人设计

为了实现机器人玉米秸秆行的精确定位,对耕作玉米机器人的结构进行了改进,并提出了一种基于泰勒级数展开式的RSSI定位方法,提高了机器人玉米秸秆行的定位精度。定位系统使用高清晰度的摄像机采集图像,并采用PID闭环反馈的方式控制机器人的位移,利用PC主控端图像处理,实现了实时定位功能。为了验证机器人玉米秸秆行定位的可靠性,采用田间试验的方法对机器人的性能进行了测试。结果表明:RSSI定位方法的定位精度较高,且图像处理系统可以准确地标定玉米秸秆行,实现机器人在玉米田中的精确定位,避免了机器人在作业过程中对农作物造成损害。     

基于机器学习算法的奶牛疾病预测模型的研究

【目的】评估建立奶牛疾病预测模型的6种机器学习（machine learning,ML）算法的性能及预测变量的重要性。【方法】选取2020年12月至2021年11月,共计944头泌乳牛的生产信息、行为信息作为预测因子,疾病信息作为输出变量,训练并验证模型。将日产奶量、反刍量、活动量、胎次和泌乳天数作为输入变量,利用ML算法建立奶牛疾病的预测模型,评估决策树（Decision Tree,DT） C5.0、CHAID算法、人工神经网络（Artificial Neural Network,ANN）、随机森林（Random Forests,RF）、贝叶斯网络（Bayesian Networks,BN）和逻辑回归（Logistic Regression,LR）6种ML算法的性能,评估预测变量的重要性,以及将胎次和泌乳天数纳入预测变量后模型性能的改善情况。采用敏感性和特异性评估模型性能,按照权重排序评估输入变量对模型预测的重要性。【结果】DT C5.0算法敏感性>85%,特异性>90%,为性能最佳的模型;RF总敏感性为56.8%,对各类牛预测的性能较稳定;ANN、BN、DT CHAID则对样本量较多的疾病预测性能较好,可达74.4%;LR对病牛正确识别率不足40.0%,大多识别为健康牛。产奶量为RF、ANN、LR最重要的预测变量,泌乳天数为DT C5.0、CHAID和BN最重要的预测变量;纳入胎次和泌乳天数后,模型预测的敏感性平均提高9.8%。【结论】ML算法在对奶牛疾病的预测方面表现出很大潜力,其中,DT C5.0更适合用于预测奶牛疾病。产奶量和泌乳天数为疾病预测模型中相对重要的变量,此外,将胎次和泌乳天数纳入预测变量,可提高模型的预测精度。     

比较机器学习等算法对肉鸡产蛋性状育种值估计的准确性

我国白羽肉鸡育种中,通过遗传途径提高产蛋数和控制合适的蛋重是培育优良品系的一个重要方面。为探索适合我国白羽肉鸡育种中的基因组选择模型,本研究以2 474只白羽肉鸡品系的产蛋性状为研究对象,主要分析了机器学习算法KAML、BLUP(包括：PBLUP、GBLUP、SSGBLUP)和Bayes(包括：Bayes A、Bayes B和Bayes Cπ)方法对产蛋数和蛋重性状的预测准确性,准确性以5倍交叉验证进行评估。利用系谱以及基因组信息估计了产蛋数和蛋重性状的遗传力和遗传相关。结果表明,产蛋数性状遗传力为0.061~0.16,属于低遗传力性状;蛋重遗传力为0.28~0.39,属于中等遗传力性状;产蛋数与蛋重是中等遗传负相关(-0.518~-0.184),不同阶段产蛋数之间是强的遗传正相关(0.736~0.998)。不同模型预测43周产蛋数和52周蛋重的育种值估计准确性结果表明,KAML方法对两者的预测准确性分别为0.115和0.266,与GBLUP方法(准确性分别为0.118和0.283)和SSGBLUP方法(准确性分别为0.136和0.259)的准确性差异显著,同时显著低于Bayes方法(准确性分别为0.230~0.239、0.336~0.340)的预测准确性, PBLUP方法预测准确性最低(准确性分别为0.095和0.246)。因此,在白羽肉鸡产蛋数和蛋重性状中应用Bayes方法将获得最高的育种值估计准确性。     

拉曼光谱结合支持向量机对猪胞质内单精子显微注射胚胎性别的鉴定分析

【目的】 探求一种无损的、非侵入性的、快速的胚胎性别鉴定方法。【方法】 以207个猪卵胞质内单精子显微注射(intracytoplasmic sperm injection,ICSI)胚胎及其培养液为研究对象,单个胚胎经巢式PCR扩增鉴定其性别后随机分成训练集和测试集,同时利用拉曼光谱技术获取单个ICSI胚胎培养液的拉曼光谱。原始光谱经过处理后,采用支持向量机(support vector machine,SVM)算法构建分类模型,先用训练样本进行训练和建模,然后预测测试样本的性别,结合PCR性别鉴定的结果,计算分类准确率。【结果】 通过巢式PCR对207个胚胎进行性别鉴定,鉴定出71个雄性胚胎、128个雌性胚胎,8个样品扩增失败。猪ICSI雄性胚胎培养液在1 082和1 360 cm^-1拉曼位移处特征峰强度明显高于雌性胚胎,构建的胚胎性别鉴定模型的分类准确率为81.5%,雌性和雄性胚胎的分类准确率分别为81.3%和81.8%。【结论】 本研究将拉曼光谱技术与SVM法相结合构建了胚胎性别鉴定模型,分类准确率达到81.5%,提供了一种新的、无损的胚胎性别鉴定方法。     

柔性坐标测量机参数辨识方法

设计了一种六自由度关节式柔性坐标测量机,并对该测量机测量方程中的参数进行了辨识,提出了一种快速简易的单点锥窝标定方法。该方法基于单点锥窝提供的空间单点基准,利用非线性最小二乘中的高斯-牛顿法,求解测量机测量方程的参数值。实验结果表明,该方法能够有效提高测量机的整体精度,且操作简单、计算效率高。     

热泵木材干燥机的发展与应用

阐述了应用热泵木材干燥机干燥木材的工作原理及其优越性，介绍了几种热泵木材干燥机的流程及其应用，并对各种热泵木材干燥机流程的特性进行了分析和探讨。