基于物联网的机采棉垛内部温湿度监测系统设计

为解决当前新疆南部地区机采棉垛内部霉变监控和预测的问题,利用物联网技术、现代测试技术以及无线通信技术等,设计针对机采棉垛内部区域温湿度数据监测以及棉花霉变的预测系统,实现对机采棉垛内的温湿度数据的检测和垛内区域霉变预测的功能,保证机采棉垛整体品质。该系统采用红外线技术对棉垛内部多个区域多点温湿度进行测量,温湿度信号经调理、变送后,转换成与单片机相匹配的信号,送入单片机,单片机将温湿度信号分别做加权平均数处理,再经过非线性校正归一化处理后,再将处理后的数据进行模二加通信编码,最后通过ZigBee无线发送器发送给服务器。服务器进行相应的霉变预测,同时服务器做出相应的预警决策,并通过网络发送到PC和手机客户端。试验结果表明,该系统对机采棉垛的储存与管理效果良好。     

面向预测的水产养殖物联网数据预处理方法

水产养殖环境因子相互作用关系复杂,且实时采集的数据冗余较多、数据缺失问题时常发生,基于实时数据的预处理方法选择在很大程度上决定了预测精度。因此,提出基于数据修复、特征选择和小波降噪相结合的预处理方法。首先利用线性插值法和均值平滑法修复数据;然后采用系统聚类法和主成分分析法进行特征选择,实现预测模型的输入数据降维;最后使用小波降噪技术处理关键影响因子。使用该方法对基于物联网采集的银鳕鱼养殖池塘氨态氮含量进行数据预处理,其信噪比(SNR)、均方根误差(RMSE)分别为25.888 6、0.044 8。结果表明,该方法满足数据的精度需要,可为水产养殖水质因子预测模型的构建提供良好的数据基础。     

基于KFCM-RBF优化算法的肥力评价与玉米产量预测

采用带有基于高斯核函数的模糊聚类算法(KFCM),优化传统模糊聚类算法,提出一个基于模糊聚类的土壤肥力评价模型,以提高肥力聚类的准确性、高效性;融合RBF神经网络,创建一个基于RBF神经网络模型,提出KFCM-RBF优化算法的玉米产量预测模型。将模型运用于吉林省农安县的土壤肥力评价与玉米产量预测仿真试验。结果表明,该模型预测精度高,可用于玉米产量的预测,并为精准施肥提供决策依据。该模型具有结构稳定、训练速度快、适应性强、鲁棒性好、预测精度高的特点。     

基于GrabCut算法的玉米病害图像识别方法研究

GrabCut算法是一种交互式操作少、分割精度高的图像分割方法,但是对于前背景颜色相近或低对比度的区域时难以准确分割前景区域。鉴于此,在实现GrabCut算法的自动分割的基础上,融合基于显著性的SLIC算法来对玉米病害图像进行更好的目标识别和图像分割。以玉米小斑病、大斑病和灰斑病三种病害的图像作为样本,采用融合显著信息的GrabCut算法与相同样本数量和条件下的One-Cut算法和SLIC算法进行试验和对比分析。试验表明,同其他两种算法相比,本文算法对于试验中玉米的三种病害具有更好的分割精度,对于玉米的叶鞘、茎和叶片部分的图像丢失率能够保持在1%以下,分别为0.899%、0.229%和0.914%,对于玉米病害部分能够进行有效地提取,具有较好的分割效果,对于玉米小斑病、大斑病和灰斑病的识别率上能够达到91.67%、86.36%和72.00%,同时通过训练模式进行验证,识别率分别能够达到87.2%、82.4%和83.6%,拒识率分别为4.5%、6.7%和6.3%。     

不同施肥模式对春玉米生长特性及氮素利用率的影响

[目的]本文探究了施肥对春玉米生长发育及营养元素的吸收利用状况。[方法]通过野外大田试验,连续3年研究施肥模式对春玉米生长特性及氮素利用率的影响。[结果]随生长期的变化,施肥和CK春玉米叶片叶绿素含量、碳水化合物和蛋白质含量呈逐渐增加趋势,相同时期均表现为FPOTPCK;成熟期春玉米株高、茎粗、叶面积指数、百粒重、穂粒数和穗粒重均表现为FPOTPCK。随着生长期的变化,施肥和CK处理下春玉米叶片超氧化物歧化酶、过氧化氢酶、过氧化物酶活性均呈逐渐增加的趋势,其中,施肥降低了春玉米叶片丙二醛含量,施肥与CK之间的差异随生长期的进行而逐渐拉大,也即施肥模式促进了春玉米生长和叶片生理特性的合成,其中在成熟期的促进作用表现的最为明显。施能处理下土壤硝态氮的累积主要集中在0～10 cm土层,各处理0～10 cm土层中硝态氮的含量占土壤硝态氮含量(0～30 cm土层)的15.32%～35.64%,这说明土壤硝态氮具有表聚性;施肥处理下总氮吸入量表现为FPOTPCK,不同处理间差异均显著(P0.05)。与CK相比,FP和OTP处理下春玉米总氮吸入量分别提高了58.9和82.9 kg/hm~2,其中FP处理下氮肥利用率最高。[结论]综合比较可知,施肥模式显著提高了春玉米在成熟期的百粒重、穗粒数,表明施肥在一定程度上促进了春玉米穗粒数的增加,从而提高了春玉米产量。     

基于GA-RBF融合算法的玉米病虫害产量损失预测研究

鉴于玉米病虫害等影响因素在预测玉米产量损失时所具有的复杂及非线性等特点,采用传统的径向基函数(radial basis function,简称RBF)神经网络预测起来相对较难,且其预测精度较低。针对上述问题,提出1种基于遗传算法(genetic algorithm,简称GA)和径向基函数神经网络相融合的优化算法,对病虫害所造成的玉米产量损失进行预测。该融合算法利用人工神经网络的非线性拟合能力强和遗传算法寻优能力强的优点,建立最优产量损失预测模型,将该模型的估算值与玉米产量的实际值进行拟合,得到较好的拟合效果图。为了验证算法的可行性,以国家863计划示范基地榆树市弓棚镇13号村的试验数据为样本数据进行仿真预测。结果表明,经过GA-RBF融合算法的预测误差为0.207,较优化前误差降低了0.151,预测精度得到提高,实现对玉米病虫害产量损失的有效预测。预测结果可为农民进行科学有效的病虫害防控提供科学依据,经济有效地降低受灾程度,提高玉米产量。     

耕作刀片在刀辊上的多头螺旋线对称排列法

为使通用刀片满足垄台碎茬或全幅旋耕不同耕作的农艺要求,同时又使其耕作功耗小,刀辊受力均匀,提出了耕作刀片在卧式刀辊上的多头螺旋线对称排列法。该法将刀辊分成均等的左、右刀辊,刀片分别在其上按多头螺旋线排列,旋向相反,升角相同。同条螺旋线上安装同向刀片,相邻的螺旋线上安装反向刀片,左、右刀辊上相对称的刀盘相应位置的刀片为反向刀片,相继入土刀片之间间隔相等。将这种排列方法应用到不同机具上进行旋耕、碎茬作业,各工况碎土率均值达到85.6%以上,碎茬率均值达到80%以上,能够减少刀辊的冲击振动,延长了传动件及轴承的寿命,使机具作业平稳。     

高等农业院校优秀教学团队建设

高等农业院校建设优秀的教学团队对于教师的专业发展和人才培养的提高具有十分重要的意义。吉林农业大学数据结构教学团队依托各级各类教学改革项目,通过深入的研究与实践形成了较系统的课程建设理念和教学实施方案,注重师德与团队的文化建设,营造了一种教学相长的团队文化氛围。在教学实践中,专业教师参与专业基础教学,一线教师参与实验室建设,使理论教学与实验教学队伍相互融合,提高了实验教学队伍的整体素质。     

Simulink平台在玉米病害视频图像中的实时诊断

为提高对玉米病害叶片的识别精度,达到快速诊断、智能决策和有效诊治的目的,提出了一种基于Simulink仿真平台的玉米病害视频图像远程实时诊断技术。该技术首先使用Simulink仿真平台将采集的实时视频进行平滑处理,以提高图像的清晰度和质量;再运用分割技术确定玉米病害的优选图像;最后进行优选图像的解析和诊断处理。对玉米灰斑病图像的研究结果表明:该优化技术处理后的图像质量明显提高,突出了玉米病害特征,增强了玉米病害远程视频图像诊断的实时性和准确性,为玉米生产的智能决策提供了技术支撑。     

基于ZigBee网络的人参生长监测及病害预警

针对目前人参种植管理环节中面临的生长环境要素监测难、病害发觉迟缓、自动化水平低等问题,设计出一种基于ZigBee网络的人参生长监测及环境关系敏感型病害自动化预警系统。利用ZigBee无线监测节点采集人参生长的环境要素信息,数据传输网关汇集相关信息发送至远程服务器,系统提取特征数据处理分析后自动向客户端推送实时监测数据,同时发出病害预警分析,提示管理人员做出应对措施。通过应用试验的验证,系统很好地解决了人参生长监测及环境关系敏感型病害预警的难题,提高了人参种植的科学化管理水平。