基于准静态同轴探头模型的土壤复介电测量方法

末端开路同轴探头法测量土壤复介电值用于表征土壤含水率具有准确、快捷的优点。针对目前土壤介电同轴探头集总测量模型没有充分考虑探头的参数以及土壤体积对测量结果影响等问题，基于电磁场理论，对末端开路同轴探头建立了准静态数学模型，适用于土壤的复介电常数准确测量。通过全波软件仿真和模型计算结果对比，以无水乙醇介电实测值和理论值对比，验证模型的准确性。采用本文介电测量模型对不同含水率的黄绵土进行测量计算，复介电常数实部与实测土壤含水率二阶多项式拟合决定系数大于0.965，表明本文所提土壤介电测量方法适用于土壤复介电常数和含水率的测量。     

基于Pyboard的土壤水通量测量系统研究

针对目前没有成熟的土壤水通量测量设备的问题，通过技术分析，使用Pyboard控制单元、MicroPython编程语言和ADS1256模数转换芯片，设计了一款土壤水通量传感器。使用Python软件，利用Math库中的Matplotlib函数设计了上位机软件，通过传感器功能测试，可实现土壤热扩散系数、容积热容量、热导率以及土壤水通量的测量。选用石英砂、壤质砂土、砂质壤土和砂质黏壤土4种土样进行试验，根据最大无量纲温度差（MDTD）法和比率（Td/Tu）法得出计算值，并与实际水通量进行对比。结果表明，该系统测量精度高、运行稳定。两种方法的计算结果与实际值之间线性度良好，4种土样的MDTD法决定系数分别为0.9677、0.9798、0.9780、0.9647，Td/Tu法的决定系数分别为0.9845、0.9985、0.9989、0.9986，说明系统具有较高的测量精度。通过适应性评价得出，4种土样中Td/Tu法计算值与实际值之间的相关性更好，误差更低，计算效果优于MDTD法。     

基于双线性理论的土壤介电测量研究

针对目前土壤介电计算模型适应性差等问题,基于双线性理论构建了双线性介电计算模型。为探究双线性介电计算模型对土壤介电测量的适应性,选用7种不同质地土壤分别配置0、5、10、15、20、25、30cm3/cm3体积含水率,在0.001～3GHz频域内进行不同含水率下介电谱测量。分析发现,该模型介电谱可很好地反映土壤不同含水率下混合介质的介电特性;土壤含水率介电法测量理想频率点为1.50288GHz。在理想频率点上,基于复介电常数实部和视在介电常数构建了2个土壤含水率频域测量经验公式,通过试验数据分析,土壤含水率复介电实部测量式的计算值与干燥法含水率测量值对比,两者R2为0.9126,RMSE为0.0294cm3/cm3、RPD为3.343;土壤含水率视在介电测量式计算值与干燥法含水率测量值对比,两者R2为0.8907,均优于其他3种经典公式（Topp公式、Roth公式、Malicki公式）。双线性介电计算模型对土壤介电常数计算有良好的适应性,基于该模型建立的土壤含水率频域测量式对土壤含水率有较高的测量精度。     

基于双线性理论的黏质土介电谱与含水量频域测量研究

黏粒含量较多的黏质土(黏土类、黏壤土类)介电极化复杂,含水量测量混合介电模型研究较少。通过双线性介电测量理论对黏质土4种不同质地土壤分别配置0、5%、10%、15%、20%、25%、30%体积含水量,在0.001～3 GHz频段进行介电谱测量。分析发现,介电值(复介电常数实部、视在介电常数)在300.4～2 952 MHz内较为稳定;不同体积含水量下对应的介电值显著不同;1 050～1 503 MHz为黏质土含水量频域测量理想频段,1 503 MHz为最佳频率点。在最佳频率点上,构建了2个黏质土含水量频域测量经验模型。对黏质土土样和验证样本进行分析,复介电实部模型计算值与含水量实测值对比,其R~2均大于0.960 0,RMSE均小于0.019 0,RPD均大于5.000。对黏质土土样分析,视在介电模型计算值与含水量实测值对比,两者R~2=0.9669,RMSE=0.0176,RPD=5.515,与Topp模型、Roth模型和Malicki模型相比,视在介电模型计算值与含水量实测值相关性更优。验证样本视在介电模型计算值与含水量实测值对比,两者R~2=0.953 7,RMSE=0.020 8,RPD=4.602。研究表明,双线性理论对黏质土含水量介电法测量有较好适应性,本文构建的2个经验模型对黏质土特性土壤含水量有较高测量精度。     

基于迁移学习的卷积神经网络玉米病害图像识别

为实现小数据样本复杂田间背景下的玉米病害图像识别,提出了一种基于迁移学习的卷积神经网络玉米病害图像识别模型。在VGG-16模型的基础上,设计了全新的全连接层模块,并将VGG-16模型在Image Net图像数据集训练好的卷积层迁移到本模型中。将收集到的玉米病害图像数据集按3∶1的比例分为训练集与测试集。为扩充图像数据,对训练集原图进行了旋转、翻转等操作。基于扩充前后的训练集,对只训练模型的全连接层和训练模型的全部层(卷积层+全连接层)两种迁移学习方式进行了试验,结果表明,数据扩充和训练模型的全部层能够提高模型的识别能力。在训练模型全部层和训练集数据扩充的条件下,对玉米健康叶、大斑病叶、锈病叶图像的平均识别准确率为95. 33%。与全新学习相比,迁移学习能够明显提高模型的收敛速度与识别能力。将训练好的模型用Python开发为图形用户界面,可实现田间复杂背景下玉米大斑病与锈病图像的智能识别。     

基于SOA优化PID控制参数的智能灌溉控制策略研究

为解决智能灌溉系统中水泵运行的不稳定问题，基于人群搜索优化算法（Seeker optimization algorithm，SOA）实现了PID（Proportion integration differentiation）参数的自动优化。该优化算法能够有效解决智能灌溉系统水泵控制中的非线性、时变性和滞后性等问题。为验证SOA优化PID控制的实际效果，与PSO（Particle swarm optimization）算法和GA（Genetic algorithms）算法优化的PID控制进行比较。仿真实验结果表明，基于SOA优化的PID控制响应时间短、超调量小，稳态过程没有振荡。因此，适用于智能灌溉系统中的水泵控制。