山地橘园链式循环货运索道设计

为解决山地橘园的果品和农资等轻简化和省力化运送问题,提出了一种链式循环货运索道技术.该索道由驱动装置、起重链索、支架、水平托索机构、转向机构、自动张紧机构、垂直托索机构、组合托索机构和物品挂钩等组成.在广东省龙门县和江西省安远县的山地橘园实地安装此索道,链索实现了上下坡、转弯和直线的循环运行,果农站在地面可随意上载或下卸物品,最高生产率可达6.8t/h,实现了山地橘园物品省力和有效运送的目的.     

《人造板工艺学》网络课件的制作

结合《人造板工艺学》网络课件的实际制作过程，参考相关的现代教育技术发展动态，依据木材科学与工程专业的学科特色，在将计算机与木材加工两学科进行整合方面。进行了扎实的工作。     

用CIMS改造传统的农业机械

以信息技术、计算机技术和自动化技术为特征发展的现代先进制造技术，使曾一度列为夕阳工业的传统制造业得以新生，本文结合全国实施CIMS、改造传统工业的做法与经验，阐述用CIMS技术改造传统农业机械的思路与建议。     

基于信道测试的橘园WSN网络部署试验

为解决无线传感器网络(WSN)规划与快速部署问题,基于无线信道传播特性,研究橘园WSN射频信号衰减模型,指导WSN部署并进行了组网试验.选433 MHz与2.4 GHz载波频率,基于连续无线电波在通信码率、天线增益、调制扩频方式、数据包长度和通信距离等多因素作用下分析WSN射频信号在橘园的衰减,建立2频率射频信号接收强度与环境传播因子及通信距离间的模型,拟合R2最小值与最大值分别为0.957031与0.971218,0.9546与0.9863.通信码率低于1.2 kb/s且远距离通信时,433 MHz CC1110具有优势;发射功率与天线增益相同时,433 MHz平均信号强度高于2.4 GHz;通信码率相同时,CC2530丢包率低于CC1110.针对橘园选ZigBee设计星型WSN进行组网试验,结果表明,尽可能短数据包与较低通信码率的通信协议较好;WSN各节点平均通信成功率高于84％.     

基于机器学习和深度学习的玉米种子活力光谱检测

为解决传统的种子活力检测方法存在耗时长、损伤种子等问题,实现种子活力的快速无损检测,分别利用机器学习和深度学习算法结合高光谱成像技术构建玉米种子3个活力梯度分类模型,通过人工老化方式将1 012粒玉米种子分为3个活力梯度样本,采集其高光谱数据后通过卷积平滑（SG）和多元散射校正（MSC）去除高光谱噪声,分别采用主成分分析（PCA）、连续投影算法（SPA）进行光谱特征降维,再从降维后的波段中抽取1 156、1 191和1 463 nm 3个波段合成假彩色图像,用局部二值模式（LBP）提取感兴趣区域的纹理特征,并与纯光谱特征融合。分别基于纯光谱特征构建决策树（DT）和支持向量机（SVM）模型和融合特征建立随机森林（RF）、SVM和极端梯度提升树（XGBoost）模型等机器学习模型。将假彩色图像输入ResNet18、MobileNetV2、DenseNet121、Efficientb0、Efficientb2等5个深度学习模型中进行玉米种子活力预测。结果显示,就机器学习方法而言,针对纯光谱特征表现最好的是PCA-SVM模型,其测试集准确率为92.5%;针对融合特征表现最好的是SVM模型,其测...     

基于高光谱和深度迁移学习的柑橘叶片钾含量反演

针对传统柑橘叶片钾含量检测方法耗时费力、操作繁琐且损伤叶片等弊端,引入高光谱信息探索柑橘叶片钾含量快速无损检测与预测模型,选用ASD Field Spec 3光谱仪采集柑橘4个重要物候期(萌芽期、稳果期、壮果促梢期和采果期)的叶片反射光谱,同步采用火焰光度法测定叶片的钾含量;先用正交试验确定小波去噪的最佳去噪参数组合,再进行不同光谱形式变换,对不同物候期光谱进行基于堆栈稀疏编码机-深度学习网络(Stacked sparse autoencoder-deep learning networks,SSAE-DLNs)的特征提取迁移和融合多种特征,对比支持向量机回归、偏最小二乘法回归、广义神经网络、逐步多元线性回归等多种诊断模型,结果表明,模型SSAE-DLNs基于一阶微分光谱特征建立全生长期钾含量预测模型的性能最优,其校正集和验证集决定系数分别为0. 898 8、0. 877 1,均方根误差分别为0. 544 3、0. 552 8。试验表明,深度迁移学习网络可对柑橘叶片钾含量进行精确预测,为高光谱检测技术用于柑橘树长势监测和营养诊断提供了参考。     

基于移动互联的农产品二维码溯源系统设计

【目的】提出一种基于移动互联的农产品二维码(QR码)溯源系统。【方法】研究该系统的逻辑和物理结构,分析里德-索洛蒙(RS码)纠错编码原理及二维码编码算法。采用压缩感知(Compressed sensing,CS)算法预处理受污图像,对比传统的Gaussian、Disk和Log去噪方法,研究二维码数据容量与纠错的关系,研究扫描像素、受污位置和可识别图像的联系,确定手机摄像头参数。【结果】手机扫描最低像素为200万。RS编码信噪比为10.7 d Bm时,CS误码率为0.040 1,低于Log法的0.042 5;RS编码信噪比为11.7 d Bm时,CS误码率为0.011 3,低于Gaussian法的0.014 7。CS在多种噪声处理中的最大编码信噪比均大于10 d Bm。噪声掩盖区域对位置区影响最大,噪声在位置区和编码区的解码平均正确率分别为87.68%和91.24%。【结论】该系统实现了对象信息的完整性、可追溯性,解决了农产品种植、加工、流通、销售各个环节信息的滞后问题。     

基于LVDS传输线延时检测技术的土壤含水率传感器

为实现土壤含水率的快速准确监测,设计了一种基于LVDS差分传输线延时检测技术的土壤含水率传感器。该传感器将高频振荡信号分路为两通道LVDS差分信号,一个通道用于测试土壤含水率,另一个通道用于提供参考信号。由于土壤中水分的变化改变土壤介电常数,从而导致测试通道LVDS差分总线上信号传输延时的变化,则传感器检测该通道信号的传输延时就可以确定土壤含水率。为了获得LVDS总线设计线宽和线间距的最优值,以LVDS总线阻抗值均方误差最小化为目标,构建了线宽和线间距的最优化计算模型,并通过遗传算法求解出了最优线宽为0.178 9 mm和最优线间距为0.223 8 mm。试验表明,根据该参数设计的传感器在50 MHz频率时,对体积含水率8.31%以上的砖红壤土和黄壤土的预测模型为线性模型,决定系数R2为0.964 2,绝对预测误差在2.45%以内。     

便携式柑橘虫害实时检测系统的研制与试验

为实现柑橘虫害的快速、准确识别,帮助果农及时掌握果园内虫害的危害程度和分布情况,该研究结合嵌入式图像处理技术设计了一套基于深度卷积神经网络的柑橘虫害实时检测系统。优选MoblieNet作为虫害图像特征提取网络,区域候选网络生成害虫的初步位置候选框,快速区域卷积神经网络(Faster Region Convolutional Neural Networks,Faster R-CNN)实现候选框的分类和定位。检测系统根据目标图像中虫害数量计算危害程度,按照正常、轻度、中度、重度4个等级判定柑橘虫害的严重程度,形成虫害识别与级别定量化测评软件。最后引入北斗模块获取采样点位置信息,进一步处理成可视化的虫害热力图。结果表明,该方法可实现对柑橘红蜘蛛和蚜虫的快速准确检测,识别准确率分别达到91.0%和89.0%,单帧图像平均处理速度低至286ms。该系统实现了柑橘虫害的精准识别与定位,可为农药喷洒作业提供精准信息服务。     

温室温湿度的远程监控系统

在科学研究中,为了研究作物在不同环境中的生长情况,需要控制不同的环境参数模型。在实际生产中,为了提供适合作物生长的生态环境,需要对温室环境参数进行实时监控。为此,基于LabVIEW平台,利用DataSocket技术开发了温室温湿度远程监控系统,实现了远程监控终端对温室温湿度的控制以及温湿度数据的实时共享。