基于迁移学习的GoogLeNet果园病虫害识别与分级

为提高果树病虫害危害程度分级精度进而更好地指导果园病虫害防治，采用迁移学习技术与GoogLeNet模型相结合的方法，对6种果园作物的25类病虫害样本进行识别与危害程度分级研究；同时，探究不同数据集大小以及不同优化算法对模型性能的影响；基于MATLAB平台设计了一款可视化的病虫害识别与分级系统。结果表明:1)基于迁移学习的GoogLeNet模型，对病虫害识别精度可达99.35%，危害程度分级精度可达92.78%；2)在相同训练参数下，本研究模型比AlexNet、VGG-16、ResNet-18、SqueezeNet、原GoogLeNet及MobileNet-v2模型验证精度提高了2.38%~11.44%，并且收敛速度最快；3)本研究模型识别精度随着数据集的增大而提高；在3种优化算法中SGDM算法耗时最短且精度最高，更适合本研究模型。通过拍摄果树叶片病害区域图像，本研究设计的系统能够在0.43 s左右准确识别出果树种类、病害类型以及危害等级等信息。     

根系修剪对枳生长及相关基因表达的影响

以枳实生苗为试验材料,通过两年重复试验分析了不切除主根、切除1/3主根、切除1/2主根、切除2/3主根等4个不同水平根系修剪处理下枳实生苗生长发育、根系构型和营养吸收的情况,并检测了不同水平根系修剪处理对侧根发育关键基因表达量的影响。结果表明,切除1/2主根处理增加了枳实生苗的株高、茎粗、地上部鲜重和根系鲜重,改善了根系构型参数(侧根数、总根长、根表面积和平均长度),增加了根系P、K、Ca、B、Fe、Na和Zn等营养元素含量。另外,实时荧光定量PCR(qRT-PCR)检测发现,根系修剪处理诱导了侧根发育关键基因HOX1和CYP2的积累,并抑制了IAA11和IAA13的表达。综上所述,适度根系修剪可能通过诱导HOX1、CYP2基因的上调和IAA11、IAA13基因的下调来调控枳实生苗侧根的生长发育,改善根系构型,从而提高枳实生苗对营养元素的吸收能力及植株的生长发育。     

基于SOA的水轮机调速系统PID参数优化

针对现有优化方法复杂、易陷入局部最优等问题,为水轮机调速系统提出了一种基于人群搜索算法的比例-积分-微分控制参数优化方法.为验证该算法的可行性,建立了水轮机调速系统非线性模型,选取水轮发电机组转速偏差的积分时间绝对误差指标作为目标函数进行优化.为验证优化结果的有效性,将人群搜索算法的控制效果与参考文献中粒子群算法的控制效果进行了对比分析.仿真结果表明,在5%频率扰动下,人群搜索算法自第29次迭代起已收敛,经其优化的系统能在8秒内趋于稳定,此时系统的超调量为1.6%;在10%负荷扰动下,人群搜索算法自第25次迭代起已收敛,其优化效果与粒子群算法优化效果基本相同,两者均在10秒内让系统趋于稳定,但人群搜索算法优化的积分时间绝对误差指标比粒子群算法优化的积分时间绝对误差指标小,表明人群搜索算法具有更好的搜索功能,在一定程度上改善了孤网运行条件下机组的动态性能.     

基于逆运动学降维求解与YOLO v4的果实采摘系统研究

为提高采摘设备的执行效率，采用六自由度机械臂、树莓派、Android手机端和服务器设计了一种智能果实采摘系统，该系统可自动识别不同种类的水果，并实现自动采摘，可通过手机端远程控制采摘设备的起始和停止，并远程查看实时采摘视频。提出通过降低自由度和使用二维坐标系来实现三维坐标系中机械臂逆运动学的求解过程，从而避免了大量的矩阵运算，使机械臂逆运动学求解过程更加简捷。利用Matlab中的Robotic Toolbox进行机械臂三维建模仿真，验证了降维求解的可行性。在果实采摘流程中，为了使机械臂运动轨迹更加稳定与协调，采用五项式插值法对机械臂进行运动轨迹规划控制。基于Darknet深度学习框架的YOLO v4目标检测识别算法进行果实目标检测和像素定位，在Ubuntu 19.10操作系统中使用2000幅图像作为训练集，分别对不同种类的果实进行识别模型训练，在GPU环境下进行测试，结果表明，每种果实识别的准确率均在94%以上，单次果实采摘的时间约为17s。经过实际测试，该系统具有良好的稳定性、实时性以及对果实采摘的准确性。     

TCD燃烧系统对柴油机燃烧和排放性能改善效果的试验研究

为探究道依茨TCD2015柴油机上配备的导流燃烧系统(简称TCD燃烧系统,T表示涡轮增压器,Turbocharger,C表示进气中冷,Charge air cooling,D为柴油颗粒捕集器,Diesel particle filter)对改善柴油机燃烧性能和降低污染物排放的效果,采用单缸机试验对TCD燃烧系统在不同转速、负荷和过量空气系数下的燃烧和排放性能进行研究。试验结果表明不同工况下TCD燃烧系统燃油消耗率和Soot排放量均低于传统ω燃烧系统,燃油消耗率最大降幅为7.01%,Soot排放量最大降幅为86.67%,且低过量空气系数(1.2～1.6)下TCD燃烧系统仍具有较好的性能。为揭示TCD燃烧系统改善油气混合促进燃烧的机理,采用AVL Fire软件建立了柴油机性能仿真模型。计算结果表明,TCD燃烧系统的环状凸起结构将燃油导向内外两室,从而促进了缸内燃油发展过程,燃油当量比大于4的浓混合气区域燃油质量比例相比ω燃烧系统降幅最大为9.75%,活塞下移时TCD燃烧系统内油束撞击浅盘侧壁形成撞壁射流扩大了燃油扩散面积,从而改善了缸内油气混合质量,燃油当量比小于1的均匀混合气区域燃油质量比例相比ω燃烧系统降幅最大为7.45%,因此TCD燃烧系统能够有效改善柴油机的燃烧和排放性能,可应用于柴油机高负荷和低过量空气系数工况综合性能提升。研究结果可为柴油机燃烧系统开发和改进提供参考。     

“藏粮于地”战略下高标准农田建设模式研究*

高标准农田建设是我国“藏粮于地”战略的重要抓手,是确保粮食产能的重要支撑。在梳理大量参考文献、政策文件和标准规范的基础上,针对现阶段高标准农田建设存在管理体制不完善、空间潜力不足、投资标准偏低、建设质量不高等问题,总结归纳高标准农田建设模式总体构架,通过对我国高标准农田建设综合评价结果排名靠前和提升较快的省份开展高标准农田建设模式调查研究,围绕管理体制、规划布局、建设标准、资金保障以及实施管理方面,提出系统构建高标准农田建设模式的对策建议,为提高高标准农田建设质量作有益参考。     

饲养系统和日粮对羔羊屠宰性能和肌肉矿物质含量的影响

文章旨在探讨不同饲养系统和日粮对羔羊生长、屠宰性能及肌肉矿物质含量的影响。试验将平均体重为（13.97±0.55）kg的120只羔羊随机分为3组，每组4个重复，每个重复10只。T1组在室内饲喂基础浓缩料，每天补充100 g稻草，T2组在室内饲喂基础浓缩料，每天补充100 g稻草和锌硒复合矿物质（0.2 mg/d硒，50 mg/d锌），T3组在室外放牧，除了采食苜蓿草外，每天额外补充100 g稻草和100 g燕麦。试验时间为9周。结果：T1和T2组羔羊的末重、日增重、半胴体重、下肢深度、下肢重量、眼肌面积、颈、胸肌、肾重量均显著高于T3组（P＜0.05），但骨盆骨重量显著低于T3组（P＜0.05）。各处理组羔羊的可食用部分和骨盆肌肉重量无显著差异（P＞0.05）。T2组63 d羔羊血液硒含量较T1和T3组分别显著提高了19.83%和25.0%（P＜0.05），血液锌含量较T1和T3组分别显著提高了31.71%和45.91%（P＜0.05）。T3组羔羊肌肉钙含量较T1和T2组分别显著提高了8.79%和5.37%（P＜0.05）。T2羔羊肌肉硒和锌含量较T1和T3组分别显著提高了41.18%、65.52%和38.19%、46.15%（P＜0.05），T2和T3组羔羊肌肉钾含量较T1组分别显著提高了3.27%和4.28%（P＜0.05）。结论：在本试验条件下，放牧羔羊胴体的脂肪含量低于室内饲养的羔羊，室外放牧可以提高肌肉钙和钾含量，但肌肉硒含量降低。 [关键词]饲养系统|羔羊|屠宰性能|矿物质     

应用型本科实习实训教学质量评价体系研究

实习实训是应用型本科院校教学中比较重要的环节,实习实训教学质量评价能够反映出学生在实习期间的诸多情况以及专业导师、企业导师和思政导师的指导情况等。针对现在实习实训体系评价不够完整的状况,本文构建了实习实训教学质量评价体系的标准,建立了相对应的二级指标及比例分配。该体系由实习实训的条件、师资队伍、过程、效果4个部分构成,具有更细化的观测点以及较强的可操作性。     

车载智能土壤采样系统设计与试验

针对传统土壤样本采集操作复杂、劳动强度大、采集精度低和缺乏信息化管理的问题，设计了一种车载智能土壤采样系统。该系统安装于无人驾驶采样车上，系统包括土壤样本自动采集装置和电气控制系统。对系统整个工作过程进行分析，确定了各关键机构及控制硬件的主要工作参数。电气控制系统以运动控制器为控制核心，土壤样本自动采集装置对不同深度范围的土样进行采集，并按地理位置信息分类收集，通过RFID读写器将GPS系统定位所解算的目标采样点的经纬度地理信息和采样深度等信息写入收集土样采样筒底部的电子标签中。性能试验表明，安装于无人驾驶采样车的车载智能土壤采样系统工作运行稳定、可靠，能够对农耕层0~200mm任意深度范围的土壤进行自动分层采样，效率高、精度高、全程自动化，能够按照位置信息进行分类管理，较好地满足了智能化高质量采集土样的需求。