果树叶片雾滴沉积量检测系统设计与试验

为了获取植保无人机喷药后雾滴在果树叶片表面的沉积量，设计了面向植保无人机果树低空施药的果树叶片雾滴沉积量检测系统。该系统由LWS型叶面湿度传感器、数据传输模块、上位机检测软件组成。通过LWS型叶面湿度传感器的标定试验，建立了电导率为553μS/cm自来水、860μS/cm甲基硫菌灵溶液、1525μS/cm磷酸二氢钾叶面肥溶液的回归方程，通过分光光度计验证试验验证了方程的准确性。之后，建立基于ZigBee的传感器系统数据无线传输网络。同时，利用Qt编写了具有数据分析和显示功能的上位机程序，建立了完整的果树叶片雾滴沉积量检测系统。最后，利用WSZ-4X型植保无人机在樱桃果园中进行了检测系统与水敏纸的对比试验。对比结果显示，使用两种方法获得的雾滴沉积密度曲线的拟合度可达0.9266。对于单个测量点的雾滴沉积密度，其平均误差为22.8%。在果园中进行试验时，受风速和无人机气流等环境因素的影响，传感器和水敏纸的雾滴分布会出现一定的差异，忽略环境因素影响，可认为两种方法在樱桃果园中测量得到的雾滴沉积密度一致性较好，而使用果树叶片雾滴沉积量检测系统可以更加快速、方便、实时地采集农药雾滴在叶面上的沉积量。     

基于多光谱图像的土壤有机质含量检测系统与APP研究

受到土壤种类、水分等客观因素的干扰,基于图像预测土壤有机质(Soil organic matter, SOM)含量与传统方法在检测精度上仍存在差距,限制了相关技术的推广和普及。为提升基于图像预测SOM含量的精度,本研究提出N＿DenseNet网络模型,在DenseNet169基础上加入多尺度池化模块,通过获取更多的维度特征提升模型的性能,并结合Android端开发SOM实时检测应用程序(APP),通过内网透射实现PC端与手机端数据的及时传输。以黑龙江省友谊县、北京市昌平区、山东省泰安市3地的350份土样为基础,通过手机以及多光谱无人机获取原位土壤的高清图像,R波段、红边波段与近红外波段图像,以丰富数据信息,并通过室内胁迫的方式拍摄土壤样品在不同水分梯度下的图像缓解水分对图像造成的影响。对比不同深度学习模型,基于多光谱图像数据训练的N＿DenseNet表现最好,整体表现优于DenseNet169,测试集R²为0.833,RMSE为3.943 g/kg,R²相比于可见光数据提升0.016,证明了训练过程加入R波段与红边和近红外波段图像后有助于提升...     

基于卤钨灯光源和多路光纤的土壤全氮含量检测仪研究

为了克服LED作为主动光源的土壤全氮含量检测仪波段单一、光强信号较弱、仪器信噪比难以提高的不足,基于卤钨灯光源和特制多路光纤设计了一款便携式土壤全氮含量检测仪。检测仪选用1108、1248、1336、1450、1537、1696nm作为土壤全氮敏感波长,选用高功率卤钨灯作为光源以提高信号强度,采用“一分六”特制光纤实现1路入射光通道和6路反射光通道。性能试验表明,调理电路和卤钨灯光源工作稳定,并且卤钨灯作为主动光源测量精度更高,“一分六”石英光纤测量精度高于其他类型光纤。根据检测仪吸光度和土壤全氮含量标准值建立了不同预测模型,结果表明,采用PLS建模精度最高,建模R2C为0.8613,验证R2V为0.8042,可以用于检测仪模型嵌入。田间试验结果表明,检测仪测量值和标准值的相关系数达到0.8280。设计的检测仪测量精度较高,可以满足田间快速准确检测的目的。     

基于Android平台的土壤采样信息自动记录系统

目前土壤采样信息大多依赖于实验人员手动纸质记录。为了更好地记录和处理土壤信息，提出了一种适用于现代化农业的土壤采样信息记录方法，利用Android系统结合服务器和数据库架构实现基于Android的土壤采样信息自动记录系统。整个系统设计包括系统架构设计和软件功能设计。在服务器上使用JSP和MySQL数据库管理系统（Database management system，DBMS）作服务器端，搭建云服务器及农田信息管理数据库。服务器端设计包括在WEB工程中引入JDBC驱动，使服务器直接连接数据库，实现WEB服务器与MySQL数据库的交互。Android客户端设计包括在Material Design设计规范下完成土壤自动采样记录系统Android客户端界面，以及利用JSON数据解析实现对云服务器下MySQL数据库信息的访问和操作。最后对系统软件进行有效性和健壮性测试。试验表明，该系统能有效地显示采样土壤位置的空气温度、湿度、经纬度以及土壤氮素含量等土壤采样信息，并能进行正确的地图位置显示，证明了Android系统在土壤采样记录方面的有效性以及构建系统的可行性。