融合FPN的Faster R-CNN复杂背景下棉田杂草高效识别方法

为实现田间条件下快速、准确识别棉花与杂草,该文以自然光照下田间棉花与杂草为研究对象,采用垂直向下拍摄的方式获取棉花杂草视频,按1帧/s的速率从视频中提取图像,在人工去除冗余度过多的图片后,建立1 000幅图片的数据集。对比了Faster R-CNN和YOLOv3 2种典型卷积神经网络,将Faster R-CNN卷积神经网络的深度学习模型引入到棉花杂草图像识别中,并提出一种结构优化的方法,使之适用于复杂背景下的棉田杂草识别。该文选用残差卷积网络提取图像特征,Max-pooling 为下采样方法,RPN网络中引入特征金字塔网络生成目标候选框,对卷积神经网络结构进行优化。在使用700幅图片进行训练后,通过200 幅田间棉花杂草图像识别测试,结果表明：该方法的平均目标识别准确率达95.5%,识别单幅图像的平均耗时为1.51 s,采用GPU 硬件加速后识别单幅图像的平均耗时缩短为0.09 s。优化后的Faster R-CNN卷积神经网络相对于YOLOv3平均正确率MAP高0.3以上。特别是对于小目标对象,其平均正确率之差接近0.6。所提方法对复杂背景下棉花杂草有较好的检测效果,可为精确除草提供参考。     

应用蛋白宏阵列快速检测西瓜细菌性果斑病菌

蛋白阵列(Protein array)也叫蛋白芯片,是生物芯片(Biochip)的一种,主要利用抗原/抗体可特异性结合原理制备而成。按阵列样点大小,蛋白阵列又可分为微阵列(Microarray)和宏阵列(Mac-roarray)两类。微阵列集成度极高,可进行高通量     

果蔬加工产业新趋势

近10年来,我国果蔬产业得到了飞速发展,1998年我国水果总产量达5452.8万t,居世界第1位,年人均水果占有量为42kg,苹果、梨、柑橘、香蕉、葡萄五大品种占水果总产量的76.81%。由于果蔬生产的季节性和地域性很强,而我国加工能力又比较薄弱,每年     

收获期棉秆底部茎秆力学特性测试研究

棉秆是一种重要的可再生生物质能源,开展棉秆的机械回收具有重要的社会经济价值。利用RGM-3005微机控制全数字化电子万能材料试验机对收获期棉秆底部不同段位茎秆进行了拉伸、压缩和弯曲试验,获得棉秆最大破坏应力、弹性模量等机械物理特性参数,试验用棉秆平均含水率25%。测试结果表明,其底部茎秆最大抗拉强度为59 Mpa,弹性模量≤240 Mpa;最大抗压强度为18 Mpa,弹性模量≤770 Mpa;最大抗弯强度为50 Mpa,弹性模量≤280 Mpa。所获收获期棉秆底部茎秆力学特性参数,可为棉秆收获机械的起拔方式和起拔机构的设计提供理论依据和技术参数。     

脐橙糖酸比的近红外光谱检测

为了快速检测脐橙中的糖酸比,对脐橙样品进行近红外光谱扫描,建立脐橙光谱与糖酸比化学分析测定结果之间的校正模型,比较不同光谱预处理方法、不同光谱范围的选择对建模效果的影响。结果表明,多元散射校正(MSC)是一种较优的脐橙光谱预处理方法。在7 502.1～5 446.2 cm-1和4 601.5～4 246.7 cm-1优化光谱范围内,所建的偏最小二乘法分析模型的内部交叉验证均方差RMSECV仅为0.767,决定系数R2达到0.827 9。所建模型能较准确地预测脐橙的糖酸比,为脐橙糖酸比的测定提供一种快速简便的无损检测方法。     

基于ADAMS的精密播种机补种机构虚拟设计与分析

以2BJD-4大豆精密播种机配套排种器为研究对象,基于ADAMS动态仿真分析软件,建立了补偿系统的虚拟样机模型,找出了适合补种装置的结构形式和影响性能的结构参数,进行了种子运动轨迹动态模拟和最优化仿真,确定了影响补种质量的3大因素,即:弹簧刚度系数K、电磁铁吸力F和型孔斜度θ,并在给定的条件下确定其最优参数值分别为1.5102 N/mm,49.849 N,-26.52°。根据最优虚拟样机模型试制出物理样机模型并进行试验,结果验证了仿真优化结果的正确性和可靠性。     

“新工科”背景下工程图学“二维-三维融合”课程体系探究

本文立足"新工科"建设背景,以适应工程图学学科及现代工程应用场景为目标,基于课程组多年教学实践,对工程图学课程教学现状进行了分析,归纳了现行课程体系中存在的三大问题:画法几何内容偏多,重视二维、轻视三维及空间想象能力不足造成的学习瓶颈等。针对上述问题,提出将三维建模技术纳入工程图学课程体系的改革方向,从培养学生空间想象能力和分析能力、激发学习兴趣和积极性、适应工程应用发展方向和"新工科"建设要求四个方面阐述了改革的意义,提出了顺应上述改革方向的工程图学课程体系建设方案,在总学时变化不大的情况下,可以实现二维-三维计算机数字化表达能力的全面培养。本研究可为工科院系人才培养方案修订提供参考。     

旋耕埋草机螺旋横刀的数学建模与参数分析

为了研究水田高茬秸秆旋耕翻埋机理,该文对1GMC-70型船式旋耕埋草机刀辊的主要耕作部件—螺旋横刀建立了数学模型,推导了横刀棱边轮廓曲线的静态方程和动态方程,绘制了动态滑切角、动态切土角等主要耕作参数随刀辊位置角的变化规律曲线,对影响高茬秸秆旋耕翻埋效果的主要因素,例如压草角与抛土角等,进行了计算分析。结果发现,该机的良好作业效果,例如耕深稳定性达90.7%、秸秆埋覆率达94.6%、碎土率达90%、耕后地表平整度在20mm以内等,都与横刀设计理念有很大关系,横刀的主要功能不是土壤切削,而是秸秆翻埋。     

基于离散元的稻板田旋耕功耗预测模型研究

针对旋埋刀辊在对长江中下游稻板田耕作时存在的高功耗问题，基于离散元方法构建稻板田旋耕功耗预测模型，以辅助旋埋刀辊功耗检测。连续3年对稻板田土壤含水率的进行监测，发现土壤含水率与其塑限接近，说明稻板田土壤塑性较差，结合土壤受载后的形变及破坏特点，最终选定HertzMindlin with Bonding颗粒接触模型表征稻板田土壤的粘结和破坏情况。根据旋耕作业形式的特殊性和旋埋刀辊的结构特点，沿幅宽方向缩小旋埋刀辊的尺度，在旋耕测试平台的辅助下，完成标定参照试验。利用离散元软件建立旋耕作业模型，进行等步长爬坡试验，通过步阶次序建立接触参数与功耗指标之间的函数关系，代入标定参照试验功耗值，最终确定稻板田旋耕功耗预测模型的接触参数取值，完成模型的构建。为进一步验证该模型的适用性，在不同作业工况下对通用刀辊和旋埋刀辊进行误差对比试验，结果显示，预测误差范围为3.63%～9.48%，均值为6.65%，结合方差分析说明，稻板田旋耕功耗预测模型适用于不同旋耕刀辊及工况下的功耗预测。还原刀辊真实尺度的田间试验功耗预测误差范围为2.50%～12.81%，均值为7.28%，刀辊结构在缩放过程误差变化较小，说明模型能够准确反映旋埋刀辊在稻板田作业的功耗情况。     

脐橙VC含量近红外光谱消噪小波优化

运用db1～db10等10个小波基4尺度分解对120个赣州脐橙样品的近红外光谱进行消噪处理,分别建立了各种小波消噪光谱的脐橙维生素C(VC)含量的PLS模型.通过PLS模型预测精度比较表明:所有db小波基变换都能有效消除脐橙VC近红外光谱噪声,PLS模型预测精度均高于不处理光谱建立的模型预测精度.其中,消噪效果最好的小波基是db5,模型预测值与实测值的相关系数R达到0.9427、内部交叉验证均方差RMSECV仅为2.02mg/(100g).因此,对脐橙VC含量近红外光谱消噪预处理的最优小波基是db5小波.