车辆G P S定位系统中移动站的硬件和软件设计

介绍了车辆GPS定位系统中移动站部分的硬件结构、GPS卫星信号的接收、串行口的数据发送和接收、通讯链路或控制器等各组成部分的功能及GPS接口软件的程序流程图。     

现代农业机械产品设计中VR/可视化技术的应用

当前，虚拟现实(VR)技术被广泛应用，其中应用的领域之一就是农业机械产品的设计与开发领域。论述了农业机械产品的计算机辅助设计中VR／可视化技术的应用，讨论了现代农业机械产品设计中VR／可视化子系统的基本功能、设计与实现。     

脉冲电场部分参数对牛乳灭菌效率影响的试验分析

介绍了利用高电压脉冲电场对牛乳灭菌的试验检测方法,并进行了不同电场强度、脉冲频率及处理时间对牛乳灭菌效果的对比试验。试验结果表明:灭菌率随着电场强度、脉冲频率的升高及处理时间的延长而提高。当作用时间达到一定后,灭菌率趋于平缓,因此处理时间不是影响灭菌率的主要因素。     

高强度脉冲电场灭菌关键因素的分析

论述了高强度脉冲电场的灭菌机理,影响灭菌率的因素,其中包括电、微生物和试验对象等因素,和当前脉冲电场技术应用主要存在的一些技术障碍和局限性。综合考虑这些因素,为进一步研究提供理论依据。     

基于ZigBee和Internet的温室群环境远程监控系统设计

针对当前国内温室群环境智能测控研究现状以及黑龙江省寒地日光温室建设实际,研发了一种基于ZigBee和Internet的温室群环境远程监控系统。该系统由数个独立温室监控系统组成,各独立温室监控服务器将数据汇总至总服务器,由总服务器提供远程监控接入管理服务。各独立温室监控系统传感网部分基于ZigBee网络设计,通信模块采用TI公司新一代片上系统CC2530,ZigBee网络通过RS232-RJ45协议转换器接入局域网。软件算法设计参考了大系统理论,对温室环境因子进行综合调控。通过日光温室实地试验,测试了ZigBee网络通讯稳定性,通讯丢包率控制在4.9%以内,远程监控系统稳定,满足了工程设计需要。     

农电企业配电网GIS系统空间数据库设计

农电企业配电网络数据类型复杂、数据量大,如何合理组织配电系统的数据,为配电GIS系统的高级分析功能或企业层决策提供支持,进而配电网GIS系统设计的关键问题。文章介绍了配电网GIS系统数据组织、数据采集方法及空间数据库构建方法,满足系统需求。     

田间冬小麦抽穗期长势分析——基于可见-近红外光

为了快速估测大田冬小麦叶绿素含量指标,指导冬小麦抽穗期追肥管理,基于光谱分析技术在可见光和近红外波段(325~1 075 nm)处,对陕西省杨凌区揉谷镇粮食基地的冬小麦进行长势检测、分析。试验在1 000 m×600 m区域内划分为30个采样区进行数据采集,使用ASD Field Spec Hand Held光谱辐射仪(Analytical Spectral Devices.,USA)采集冬小麦的冠层光谱反射率数据,使用SPAD-5 0 2 Plus便携式叶绿素仪测量小麦倒一叶和倒二叶的叶绿素指标(SPAD值),使用G738 CM型手持式GPS记录采样点的位置信息。分别进行冠层光谱反射率小麦倒一叶和倒二叶的预处理,结果表明:冠层反射光谱倒二叶的SPAD值相关系数高于倒一叶。基于相关性分析,选取4个敏感波段538、661、740、850 nm分别与预处理前后的光谱数据进行多元线性回归分析,结果表明:预处理后的模型精度较高,建模精度R2=0.8 3,验证建模精度R2=0.7。同时,绘制了大田作物长势分布图,可为冬小麦抽穗期追肥提供支持。     

冬季采暖保育猪舍送排风管道组合换气系统设计与评价

为实现保育猪舍内局部环境通风调控,该研究设计一种垂直送排风管道组合换气系统。采用CFD(Computational Fluid Dynamics)技术对垂直管道通风模式下舍内的空气流场进行模拟,并以相对湿度和CO_2浓度作为输入变量建立通风模糊控制系统。模拟结果显示保育猪所在水泥地板区域风速保持在0.1～0.2 m/s。参照模拟结果,以猪栏为通风单元对保育猪舍通风系统进行改造,舍内气流不均匀性系数在0.1以下,表明采用该换气系统的保育猪舍通风均匀性较好;猪舍温度在21～25℃,相对湿度小于70%,NH_3浓度小于5mg/m~3,CO_2浓度小于1200mg/m~3,舍内各项环境参数适宜保育猪健康生长。系统运行功耗为270～1 150 W。现场测试与分析结果表明,该垂直送排风管道组合换气系统,可以精确控制猪舍环境,兼顾冬季猪舍通风与保温问题。     

采用改进CenterNet模型检测群养生猪目标

为实现对群养环境下生猪个体目标快速精准的检测,该研究提出了一种针对群养生猪的改进型目标检测网络MF-CenterNet（MobileNet-FPN-CenterNet）模型,为确保目标检测的精确度,该模型首先以无锚式的CenterNet为基础结构,通过引入轻量级的MobileNet网络作为模型特征提取网络,以降低模型大小和提高检测速度,同时加入特征金字塔结构FPN（Feature Pyramid Networks）以提高模型特征提取能力,在保证模型轻量化、实时性的同时,提高遮挡目标和小目标的检测精度。该研究以某商业猪场群养生猪录制视频作为数据源,采集视频帧1 683张,经图像增强后共得到6 732张图像。试验结果表明,MF-CenterNet模型大小仅为21 MB,满足边缘计算端的部署,同时对生猪目标检测平均精确度达到94.30%,检测速度达到69 帧/s,相较于Faster-RCNN、SSD、YOLOv3、YOLOv4目标检测网络模型,检测精度分别提高了6.39%、4.46%、6.01%、2.74%,检测速度分别提高了54、47、45、43 帧/s,相关结果表明了该研究所提出的改进型的轻量级MF-CenterNet模型,能够在满足目标检测实时性的同时提高了对群养生猪的检测精度,为生产现场端的群养生猪行为实时检测与分析提供了有效方法。     

基于机器视觉的大豆籽粒精选技术

为实现大豆精选模型的设计,选择东农405、东农410、东农634 共3个大豆品种,以正常豆、灰斑豆、霉变豆、虫蚀豆为研究对像,采用可脱离PC机独立工作的智能摄像头获取分析豆粒图像。通过动态阈值分割算法分离豆粒与背景,提取豆粒图像的形状、颜色、纹理3方面的特征参数15个。采用BP神经网络建立分类模型,模型平均识别准确率达98%。试验选择2000粒大豆样本对精选装置进行测试,测试结果显示：该装置对正常豆、灰斑豆、霉变豆和虫蚀豆的筛选精度分别达到98.3%、93.4%、92.2%、95.9%,筛选效率达到每分钟300粒,将机器视觉技术应用于大豆精选机的设计中是可行的。