基于离散元法玉米秸秆双层粘结模型力学特性研究

针对玉米秸秆外表皮与内穰力学特性存在显著差异问题,建立离散元玉米秸秆双层粘结双峰分布模型,通过力学试验与虚拟仿真试验对比,标定玉米秸秆外表皮和内穰力学参数,校正离散元模型,探究玉米秸秆力学特性.结果表明,采用离散元Hertz-Mindlin with bonding颗粒接触方法可建立玉米秸秆双层粘结双峰分布模型.完善DEM方法建立玉米秸秆颗粒粒度随机分布的双层粘结模型方法.通过力学试验得出青贮玉米秸秆外表皮弹性模量和剪切模量分别为982.52和387.58 MPa,青贮玉米秸秆内穰弹性模量和剪切模量分别为28.64和8.13 MPa,外表皮木质部与内穰纤维部力学特性差异显著.计算得出外表皮-外表皮、外表皮-内穰、内穰-内穰之间粘结参数.通过单轴压缩试验,剪切与虚拟仿真试验对比验证离散元模型可靠性.文章所建立玉米秸秆双层粘结双峰分布离散元模型表征两者力学特性差异,为青贮玉米饲料数值化研究提供理论依据.     

基于农作物病害检测与识别的卷积神经网络模型研究进展

农作物病害的精准检测与识别是推动农业生产智能化与现代化发展的重要举措。随着计算机视觉技术的发展,深度学习方法已得到快速应用,利用卷积神经网络进行农作物病害检测与识别成为近年来研究的热点。基于传统农作物病害识别方法,分析传统方法的弊端所在;立足于农作物病害检测与识别的卷积神经网络模型结构,结合卷积神经网络模型发展和优化历程,针对卷积神经网络在农作物病害检测与识别的具体应用进行分类,从基于公开数据集和自建数据集的农作物病害分类识别、基于双阶段目标检测和单阶段目标检测的农作物病害目标检测以及国外和国内的农作物病害严重程度评估3个方面,对各类卷积神经网络模型研究进展进行综述,对其性能做了对比分析,指出了基于农作物病害检测与识别的卷积神经网络模型当前存在的问题有：公开数据集上识别效果良好的网络模型在自建复杂背景下的数据集上识别效果不理想;基于双阶段目标检测的农作物病害检测算法实时性差,不适于小目标的检测;基于单阶段目标检测的农作物病害检测算法在复杂背景下检测精度较低;复杂大田环境中农作物病害程度评估模型的精度较低。最后对未来研究方向进行了展望：如何获取高质量的农作物病害数据集;如何提升网络的泛化性能;如何提升大田环境中农作物监测性能;如何进行大面积植株受病的范围定位、病害严重程度的评估以及单枝植株的病害预警。