牡丹籽粕提取液对连作土壤特性及小麦全蚀病防治研究

为充分利用牡丹籽粕中杀虫抑菌等作用成分,确定不同浓度牡丹籽粕提取液对连作土壤性质的影响。本研究通过结合单因素和正交实验、土壤化学性质分析方法及小麦全蚀病室内生物活性测定方法,确定了牡丹籽粕中有效成分最优提取条件为60%乙醇浓度、120 W超声功率、50℃提取温度;发现牡丹籽粕提取液在一定浓度范围内可降低连作土壤pH、改善土壤碱性,对土壤养分中有机质含量、全氮、碳氮比、全磷、灰分均表现出低浓度促进作用,高浓度抑制作用“低促高抑”作用,并有益于真菌、放线菌数量及纤维素酶和脲酶活性的增加;此外,牡丹籽粕提取液浓度为0.8 mg/mL (T4)时,其对小麦全蚀病治疗作用防效达63.42%。本研究结果可为牡丹籽粕废弃物的资源化利用及植物源环保型杀菌剂的开发奠定基础。     

基于智能算法的猪饲料配方优化数学模型

在多种原料配比过程中，营养指标因素复杂的实际情况及控制成本保证收益的现实需求，文章结合智能算法背景，进行猪饲料配方优化设计，建立猪饲料配方模型，采用智能算法求解饲料配方的过程，对于生猪饲料配方进行建模，同时优化出饲料配方。结果表明，智能算法的猪饲料配方优化能够解决多种原料配比以及多个营养指标复杂因素，实现快速计算和生产处理，对企业生产者、销售经营者、实际消费者具有十分重大的价值与现实意义。 [关键词]智能算法|猪饲料|配方优化|数学模型     

几种添加物对蛋清蛋白热诱导不可逆凝胶性质的影响

以蛋清蛋白为原料,制备热诱导制取不可逆性凝胶,在单因素试验基础上,采用三因素二次正交旋转组合设计研究了三聚磷酸钠(X1)、瓜尔胶(X2)、酪蛋白酸钠(X3)对蛋清蛋白热诱导不可逆性凝胶性质的影响,建立了二次回归模型。结果表明,X12,X22在0.01水平上差异极显著,X32在0.05水平上差异显著;最佳配比为三聚磷酸钠质量分数0.100%,瓜尔胶质量分数0.100%,酪蛋白酸钠质量分数0.250%,此时蛋清蛋白凝胶强度预测值为550 g/cm2,实际值为542 g/cm2,二次正交旋转组合设计法可信度强,具有很好的预测意义。     

绿色富硒生物猪饲料中AFB1达标生产工艺优化研究

饲料中黄曲霉毒素(AFB₁)容易超标,检出率达80%~100%,毒性大,具强致癌性,可抑制生猪免疫机能,降低动物生产性能,引起动物继发感染,还会在动物产品中残留而威胁人类健康,给生猪养殖带来经济损失,降低猪肉食品安全性。本文通过使用先进固体发酵系统设备和益生菌发酵技术,采用单因素试验和响应面中试优化,获得发酵降解猪饲料AFB₁的最佳工艺参数为硒浓度0.3 mg/kg,发酵时间12 h,量子波强度30 Hz,益生菌菌种组合CGMCC NO.17328混合CGMCC NO.15611。该工艺将猪饲料AFB₁量从63.41μg/kg降解到2.98μg/kg,降解率达到95.30%,AFB₁含量达到国家饲料安全标准。生产工艺适合养猪场低成本快速生产AFB₁达标猪饲料。     

单基线PolInSAR森林高度反演方法研究

极化干涉SAR(Polarimetric SAR interferometry,PolInSAR)森林高度反演是当前雷达遥感领域的研究热点,近年来出现了多种单基线PolInSAR森林高度反演方法。为了给单基线PolInSAR反演森林高度的算法提供基础,并探索和发展效果更优的反演方法,使用Pol SARpro软件模拟森林平均高度为18 m的L波段(L=23 cm)全极化干涉SAR数据,研究了森林高度反演算法中的DEM差分法、RVoG法、复相干幅度反演法、混合反演法,并基于相干优化法对混合反演法进行了改进;为了更准确地对算法的性能进行比较,给出方位向为48 bin时各算法的距离向剖面的对比图,并选取图像的中间区域,对森林高度位于3~30 m的1 104个样本点,应用均值和均方根误差RSME对5种方法模拟的18 m森林高度进行比较。结果表明:森林高度平均值反演结果由大到小依次为:复相干幅度反演法、混合反演法、改进的混合反演法、RVoG法、DEM差分法,分别为19.40、18.31、18.12、10.55、10.05 m,均方根误差(RMSE)由小到大依次为:改进的混合反演法、混合反演法、复相干幅度反演法、RVoG法、DEM差分法,分别为1.06、1.48、3.49、7.51、8.04 m;说明DEM差分法与RVoG法反演的森林高度存在明显低估,复相干反演法出现明显高估且其离散程度最大,混合反演法和改进的混合反演法与真实值的误差分别为0.31、0.12 m,改进的混合反演法与真实值的相差最小,离散程度最小,均方根误差最小,反演结果最优。改进的混合反演法综合了混合反演法与相干优化法的优点,使其估计的地形相位的均方根误差最小(0.045 rad),森林高度与真实值的误差最小,均方根误差最小,并且具有一定的鲁棒性。     

免耕播种机精量穴施肥系统设计与试验

为实现玉米精量穴施肥农业技术要求,提高穴施肥质量,设计了一种穴施肥控制系统。应用颗粒系统仿真软件EDEM对穴施肥控制装置成穴性能进行了仿真研究,表明穴施肥装置在播种速度3~7 km/h时,鸭嘴阀成穴性能较好,成穴性能随着播种机速度增加逐渐减弱。通过穴施肥控制算法,调节种子脱离排种口与肥料脱离排肥口的时间间隔t_3,控制穴施肥料与穴播种子水平距离a,实现穴施肥位置控制;调节排肥轴转速和鸭嘴阀开合频率,实现穴施肥量控制。采用正交旋转组合试验,以播种机行进速度、鸭嘴阀旋转角、穴施肥装置安装高度为试验因素,穴距精度和穴施肥量精度为试验指标,应用响应面分析法,进行三因素五水平正交试验,结果表明,在播种机行进速度为7 km/h,最佳参数组合为:旋转角33.37°,安装高度17.30 cm。田间试验结果表明,在播种机行进速度3~7 km/h,旋转角33.37°,安装高度17.30 cm时,穴距精度可达84.76%,穴施肥量精度可达87.20%,满足玉米精量穴施肥控制技术农业要求。     

气吸滚筒式垄上三行大豆密植排种器设计与参数优化

针对1.1 m大垄垄上三行密植大豆栽培技术配套播种机不得不采用单行播种单体前后错排使用,导致播种机结构复杂、通过性差等问题,研究设计了一种与垄上三行大豆密植栽培模式配套的气吸滚筒式大豆排种器。通过理论分析初步确定其主要结构参数并建立充种过程力学模型,运用三因素五水平二次正交旋转中心组合试验方法,以真空度、作业速度、型孔孔径为试验因素,以粒距合格指数、重播指数、漏播指数、各行排量一致性变异系数为目标函数,参照国标GB6973-2005《单粒(精密)播种机试验方法》实施参数优化试验。结果表明:当参数组合为型孔孔径4.5 mm、真空度4.7~5.9 k Pa、作业速度低于9.1 km/h时,该排种器的合格指数≥95%、重播指数≤3%、漏播指数≤2%、各行排量一致性变异系数≤6.5%。研究结果为气吸滚筒式三行大豆排种器的开发奠定了基础。     

基于混合蛙跳算法的马铃薯病害图像分割优化

针对Otsu算法对直方图呈现多峰多谷的复杂马铃薯病害图像分割效果不佳的问题,结合混合蛙跳算法(shuffled frog leaping algorithm,SFLA)提出了一种Otsu-SFLA分割优化模型,将Otsu病害图像的分割结果作为SFLA算法的优化起点,进行复杂背景的马铃薯病害图像的分割优化,将马铃薯叶枯病、马铃薯晚疫病、马铃薯菌核病、马铃薯根腐线虫病、马铃薯灰霉病的病害图像作为分割对象进行分割,分割匹配率分别为97.0%、96.2%、96.9%、95.7%、94.8%,平均分割匹配率为96.1%,错误率分别为1.6%、1.1%、1.2%、1.1%、1.4%、平均错误率为1.3%,正确率分别为95.4%、95.1%、95.7%、94.6%、93.4%,平均正确率为94.8%,表明Otsu-SFLA模型可有效从复杂马铃薯病害图像中获取病斑区域。     

Cotton Image Segmentation Algorithm Based on Fusion Method of Markov Random Field and Quantum Particle Swarm Cluster

[Objective] The aim of this study was to improve the cotton image segmentation accuracy in a picking robot image processing system. [Method] An image segmentation algorithm based on a fusion method of Markov random field and quantum particle swarm optimization clustering was proposed. The process of the proposed algorithm is as follows: first, transform the RGB (red, green, blue) images into grayscale; second, use it to segment these images; finally, the threshold of the connected area is set on the basis of the segmented image to obtain the target area. Then, the cotton front image and the cotton side image are selected from the images collected from different angles. The segmentation experiment was carried out by using this algorithm, and compared with the Otsu algorithm, the fuzzy C-means algorithm, the quantum particle swarm image segmentation algorithm and the Markov random field image segmentation algorithm. [Result] The results showed that the segmentation accuracy and peak signal to noise ratio of the proposed algorithm were 98.94% and 77.48 dB. When compared with the Otsu algorithm, fuzzy C-means algorithm, quantum particle swarm optimization algorithm and Markov random field algorithm, the average segmentation accuracy and peak signal to noise ratio of the proposed algorithm increased by 2.47%–4.56%, and 9.81–13.11 dB, respectively. [Conclusion] The proposed algorithm had higher segmentation accuracy and higher peak signal to noise ratio than the other algorithms tested.     

Identifying Soil and Plant Nutrition Factors Affecting Yield in Irrigated Mature Pistachio Orchards

The main objective of this study was to evaluate the potential use of a hybrid Genetic Algorithm-Artificial Neural Network (GA–ANN) method for predicting pistachio yield and for identifying the determinant factors affecting pistachio yield in Rafsanjan region, Iran. A total of 142 pistachio orchards were selected randomly and soil samples were taken at three depths. Besides, water samples and leaves from branches without fruit were taken in each sampling point. Management information and pistachio yields were achieved by completing a questionnaire. Primarily, 58 variables affecting pistachio yield were measured, and then 26 out of them were selected by minimizing mean square error (MSE) using a feature selection (FS) method. The results showed that the accuracy of the method was acceptable. Furthermore, the sensitivity analysis showed that the main determinant features affecting the pistachio yield were the irrigation water amount, leaf phosphorus, soil soluble magnesium, electrical conductivity (EC), and leaf nitrogen.