人字形板式换热器流道传热特性及参数优化

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,可为精确除草的发展提供参考。     

鱼粉品质检测电子鼻传感器阵列的多特征数据融合优化

为了提高基于仿生嗅觉的鱼粉品质检测装置的鉴别能力,该文利用自主设计的仿生嗅觉鱼粉品质检测装置,提取鱼粉样本的响应特征信息,对其传感器阵列进行多特征数据融合优化。依据各传感器对样本的响应曲线,提取传感器特征值(10×6个)构成原始特征矩阵,后对传感器阵列特征值进行归一化处理,以紧凑性作为评价特征选择方法合理性的标准,采用了3种单特征排序方法(MIC、χ^2、F-test),3种多特征排序方法(RF、LR、SVM),4种特征递减消除方法(RFRFE、SVMRFE、DTRFE、LRRFE)对不同品质的鱼粉进行分类准确率检验,得到基于随机森林的特征递减消除算法(RFRFE)的紧凑性最好,此时最佳的分类准确率为98.3%,特征数目为33个。优化后的传感器阵列特征发生了明显的变化,传感器阵列由原来的10个变为了8个,去掉了传感器TGS2620和传感器TGS2600,特征值也减少了45%。为了避免选择偏差,采用了10折交叉验证方法,再次得到了RFRFE算法具有更佳的紧凑性。该特征选择方法为利用仿生嗅觉技术鉴别其他动物源性原料样本的特征优化提供了新的方法和参考。     

利用机器视觉与近红外光谱技术的皮蛋无损检测与分级

为了对优质蛋、次品蛋和劣质蛋这3种皮蛋进行检测及分级,该文应用机器视觉结合近红外光谱技术,研究利用皮蛋凝胶品质无损检测的分级方法。首先采集皮蛋透射光图像,提取18个图像颜色特征值,然后将所提取的18维特征利用主成分分析(principal component analysis,PCA)进行降维,对PCA降维后的3个主成分建立遗传算法优化支持向量机(genetic algorithm-support vector machine,GA-SVM)分级模型,把皮蛋样本分为两大类:可食用蛋(优质蛋与次品蛋)与不可食用蛋(劣质蛋),劣质蛋测试集识别率为100%。然后在机器视觉分类结果的基础上,利用近红外光谱技术获取可食用蛋(优质蛋与次品蛋)的原始光谱,并进行多元散射矫正(multiplicative scatter correction,MSC),利用竞争性自适应重加权算法(competitive adaptive reweighted sampling,CARS)降维提取特征波长,基于支持向量机(support vector machine,SVM)对特征波长变量建立分级模型,区分出优质蛋与次品蛋,优质蛋测试集识别率为96.49%,次品蛋识别率为94.12%。研究结果表明:基于机器视觉和近红外光谱进行皮蛋凝胶品质无损检测分级是可行的。     

平行极板电容传感器介电式颗粒饲料水分检测仪设计与试验

为了实现颗粒饲料含水率的快速、无损检测,设计了以STM32F103ZET6单片机为控制芯片的颗粒饲料水分检测仪,采用平行极板电容传感器、温度传感器、质量传感器和相应的检测电路分别检测颗粒饲料样品的电容、温度和容积密度,经过单片机进行处理后实现颗粒饲料的含水率检测,并在OLED显示屏上显示检测结果。采用自制颗粒饲料水分检测仪,分析了含水率、温度、容积密度对颗粒饲料相对介电常数的影响规律,并建立了相对介电常数与含水率、温度、容积密度之间的关系模型,模型的决定系数为0.996 8。同时对颗粒饲料水分检测仪的检测精度进行了检验,含水率实测值与仪器检测值之间的决定系数为0.990 3。试验结果表明,与烘干法相比,所设计检测仪的绝对测量误差值在±0.6%以内,具有一定的实用价值。该研究为颗粒饲料水分快速、无损在线检测提供一种新的方法和技术支撑。     

油菜机械移栽载苗基质块力学与生物学特性分析

为保证油菜载苗基质块具有良好的机械移栽适应性和幼苗生长质量,该文针对油菜机械移栽过程中载苗基质易出现破损导致取送苗失效问题,以正方体油菜载苗基质块为研究对象,对载苗基质块力学特性和生物学特性进行研究,开展以基质成分配比(蚯蚓粪:黄棕壤∶蛭石混合体积比为1∶2∶1、1∶1∶1和2∶1∶1)、基质压实度(基质与穴孔体积比为1.0、1.2和1.4)、硼硒营养液浓度(0.24%、0.27%和0.30%)为因素的正交试验。结果表明:基质成分配比和基质压实度对油菜载苗基质块力学特性影响分别为极显著和显著;基质成分配比及基质压实度对幼苗壮苗指数影响极显著,硼硒营养液浓度对其影响显著;基质成分配比和基质压实度均对基质包裹度及根系健壮度影响极显著,硼硒营养液浓度对基质包裹度及根系健壮度影响显著。采用综合评分法得出基质成分配比为1∶1∶1、基质压实度为1.2、硼硒营养液浓度为0.30%时油菜载苗基质块力学特性及幼苗生长质量较优。对上述因素组合所育油菜载苗基质块进行台架试验可知:在移栽机横向推苗速度20 mm/s,同步输送带速度30 mm/s,取苗频率40株/min试验条件下,基质损失率为2.57%、送取苗成功率为90.93%,满足机械移栽需求。     

基于变密度法的油菜割晒机割台机架拓扑优化与试验

为减少履带式油菜割晒机割台在不同工况下的振动,应用Hypermesh软件建立割台拓扑优化空间,利用多体动力学方法建立基于RecurDyn的油菜割晒机虚拟样机模型,获得部件调试工况、转运工况和田间作业工况下割台运动副的动态载荷;采用折衷规划法构建割台静态刚度和动态频率的综合目标函数,根据层次分析法确定各子目标的权重;以体积分数、运动副极大值载荷为约束条件,得到割台空间结构的理想材料密度分布,综合考虑实际工程应用,对优化得到的割台机架进行规则化处理;建立优化后割台机架的有限元模型并开展有限元静力分析与模态分析,对比分析优化前、后割台测点处的振动幅值。结果显示：优化后最大应力值由107.99 MPa下降到65.45 MPa,最大变形量由0.82 mm下降到0.36 mm;前三阶固有频率有不同程度提高,第一阶固有频率提高到24.187 Hz。实际振动测试结果表明,优化后割台各测点振动幅值下降,割台整体振动减小,其中纵向切割器支架振幅值由4.83 m/s2下降到1.49 m/s2。     

基于改进MobileNetV2的柑橘害虫分类识别方法

为提高柑橘害虫识别精准度和防治效果,本研究构建包含10类对柑橘危害程度较重的害虫图像数据集,基于神经网络MobileNetV2与注意力机制ECA开发轻量化且高识别精度的ECA＿MobileNetV2模型,并基于该模型开发一款边缘计算App。将ECA注意力机制嵌入MobileNetV2网络的反残差结构尾部,以增强原网络的跨通道信息交互能力,提升原网络的特征提取能力。测试结果显示,ECA＿MobileNetV2模型对柑橘害虫的分类准确率达到93.63%,相比于MobileNetV2、GoogLeNet和ResNet18模型分别提高了1.68、1.44和2.40个百分点,而模型参数量、浮点运算数和模型大小分别为3.50×10⁶、328.06×10⁶和8.72 MB,复杂度仅略高于MobileNetV2,可以在手机上以边缘计算的形式运行。研究结果表明,本研究开发的智能识别工具能够对不同种类的柑橘害虫进行快速、有效的分类识别。     

基于微分几何与EDEM的船型开畦沟装置触土曲面优化

针对长江中下游地区油菜种植时土壤黏重板结、含水率波动大、播种作业需开畦沟避免渍害的农艺要求,考虑开沟犁体的触土曲面复杂、难以通过高速数字化土槽及田间试验方法寻求其减阻设计方法和理论依据的问题,采用微分几何理论并结合EDEM仿真方法,开展了驱动圆盘犁对置组合式耕整机开畦沟装置主要触土曲面结构优化研究。通过对主要触土曲面(开畦沟前犁犁体曲面、船式开沟犁整形曲面)牵引阻力分析和曲面参数分析,确定了触土曲面主要结构参数范围。根据微分几何理论,分别建立了能量化描述不同导曲线类型(直线、抛物线、指数曲线)犁体曲面形状变化差异的微分内蕴几何量E、L、M表达式。阻力特性仿真试验结果表明:在作业速度为0. 9～1. 5 m/s、曲面结构参数一定时,导曲线为抛物线型的开畦沟前犁和船式开沟犁具有较好的减阻特性,其平均牵引阻力相比直线型犁体分别低15. 09%、16. 92%,相比指数线型犁体分别低32. 59%、31. 58%。触土曲面的内蕴几何量E、L、M可分别反映犁体阻力随速度的增长速率、犁体牵引阻力大小、犁体阻力随速度的波动程度。当设计犁体的导曲线形状使曲面内蕴几何量E的变化率较小、L为单调减函数、M的波动较小时,犁体具有较好的减阻性能。参数优化仿真试验表明:在作业速度为1. 2 m/s、抛物线型开畦沟前犁宽度为92 mm、船式开沟犁整形曲面最大元线角为66°时,开畦沟装置牵引阻力最小,为1 042. 52 N。田间试验表明:经参数优化的组合式船型开畦沟装置在作业速度为0. 9、1. 2、1. 5 m/s时测试的平均牵引阻力分别为956. 77、1 101. 33、1 564. 85 N,与仿真试验结果误差在7%以内,作业效果满足油菜播种开畦沟的农艺要求。     

秸秆旋埋还田后空间分布效果仿真与试验

对传统旋耕机(TR)、秸秆旋埋还田机(SR)和深松+秸秆旋埋还田机(SSR)进行了秸秆还田离散元仿真和田间试验对比。通过设计的秸秆三维坐标测量装置对秸秆在土壤中的空间坐标进行了测量,并在三维绘图软件中还原了秸秆在土壤中的空间状态,及秸秆在三维图中量化及可视化显示。对取样立方体进行分层、横向及纵向划分等探究了秸秆在土壤中垂直分布及水平分布的均匀性。利用离散元软件建立了相应的仿真模型,并与田间试验设定了相同的作业参数,在仿真作业完成后,通过设置不同尺寸的Geometry Bin计算区域内秸秆数量,并分别对应实际田间作业的分层、横向和纵向划分。在分层处理中,仿真与实测结果表明,SR和SSR埋入土壤中的秸秆量都明显大于TR,尤其是埋入土壤下层的秸秆量均是TR的数倍。TR、SR和SSR作业后各层秸秆占比仿真值和实测值的变异系数均呈递减趋势,其中SSR的变异系数最小,分别为28. 8%和28. 7%。3种耕作装备下仿真值与实测值的变异系数相差不大,平均误差为9. 6%。横向和纵向划分中,TR、SR和SSR的各区域秸秆占比仿真值和实测值的变异系数无绝对规律,SSR的变异系数均最小。离散元仿真和田间试验结果表明,SSR秸秆还田后,秸秆在土壤中垂直分布和水平分布的均匀性均最优。离散元仿真较好地拟合了实际田间作业后秸秆的空间分布状态,相对误差在可接受范围内。     

基于激光雷达的农业耕作微地貌测量装置设计与试验

针对现有地表微地貌测量装置难以兼顾农业耕种作业后地表微地貌测量的精度和效率、部分测量装置单次测量覆盖区域不能满足统计要求的问题,设计了一套由激光雷达、直线导轨、便携式计算机和支架等构成的非接触式地表微地貌测量装置,开发了以STM32单片机为核心的步进电机驱动控制器,并与上位机软件形成整套采集系统,可实现激光雷达精确定位并快速获取地表三维坐标。该装置典型分辨率在激光雷达扫描方向为3. 8～10 mm,垂直扫描方向可在毫米精度范围内任意设置,测距分辨率为1 mm;测量区域覆盖面积典型值为6. 8 m~2,垂直扫描方向分辨率为10 mm时,单次测量时间低于2. 5 min。通过分析测量误差来源,建立了系统误差补偿模型,在15次均值滤波的条件下,该装置测量最大绝对误差为2. 7 mm,最大平均绝对误差为0. 9 mm。油菜机械直播后地表微地貌测量试验结果表明:利用Matlab生成的地表三维模型可以精确地重构原有地表微地貌特征,测量结果与实际地表高度变化吻合度较高;测量数据统计结果表明,固定区域内均方根高度和相关长度测量值需分别在16次和64次的等距采样下达到稳定均值,而畦沟相关评价参数也需要多组样本计算才具有统计意义。