营养液膜栽培和深水培对樱桃番茄叶水势影响

比较分析了DFT和NFT条件下樱桃番茄叶水势变化特征及其水培系统中营养液液温的日变化。结果表明,DFT条件下樱桃番茄叶水势相对较高,且日变化平缓。在早春气候条件下,DFT系统中营养液液温昼夜大部分时间高于NFT系统,对环境中气象因子变化的响应程度较弱。因此,在栽培樱桃番茄时,DFT水培方式要优于NFT。     

高温胁迫条件下营养液膜水培樱桃番茄的逆境适应性

通过测定高温处理后水培和土培樱桃番茄的几项生理指标,研究了樱桃番茄在高温胁迫条件下的叶水势、光合速率、SOD酶活性等生理指标的变化特征,结果表明,高温胁迫条件下土培番茄叶水势、光合速率和SOD活性大幅度下降,而水培番茄上述生理指标虽有下降,但幅度远较土培番茄为少,因此,水培樱桃番茄对高温的抵抗能力要强于土培。     

营养液膜条件下樱桃番茄生长和生理特性研究

对人工气候内营养液膜(NFT)栽培和土培条件下樱桃番茄的生长及有关生理特性进行了比较分析,结果表明:水培条件下番茄植株性状和果实品质均优于土培,其叶片水势高,日变化曲线平缓,且根系活力强,表现出明显增高的生理活性。     

无公害樱桃番茄温室栽培技术

无公害樱桃番茄温室栽培经济效益高,在榆次区试验获得成功。为了能在当地广泛推广种植樱桃番茄,介绍了品种选择、育苗定植、肥水管理、病虫害防治等方面的栽培技术。     

NFT间隙灌溉樱桃番茄结果期叶水势日变化分析

比较分析了营养液膜不同停水时间间隙灌溉对樱桃番茄结果期的叶水势日变化影响,及其与环境因子的相关性。结果表明,间隙停水时间越长,番茄叶水势越低,日变化也越剧烈。相比之下,间隙停水20min灌水15s的灌溉方式,既能节能节电又能使番茄结果期维持较高的叶水势。气象因子对蕃茄叶水势影响较大,间隙停水时间越长,叶水势对气象因子变化的响应也越强。     

水培番茄施钾量诊断模型

探讨了不同施钾水平下水培番茄叶片光谱信息的变化规律,建立了基于水培番茄叶光谱信息施钾量的预测模型。研究表明:不同施钾水平下水培番茄叶片的光谱信息在整个测试范围（350～2 500 nm）内的变化规律比较复杂,在可见光波段469～743 nm和近红外波段743～1 392 nm、1 500～1 785 nm,高水平和低水平钾的叶片光谱反射率均低于正常养分的光谱反射率;在1 450 nm处,番茄叶片的光谱反射率随着施钾量的增加而增大。      

樱桃番茄运输包装件振动冲击性能试验

针对目前樱桃番茄储运过程中主要包装形式以及造成破损的情况,选择典型运输包装件,进行了正弦扫频、堆码强度、堆码扫频振动传递性能、垂直冲击和跌落试验。通过对单件包装件的扫频振动试验,测出单件的固有频率为26.61Hz;通过堆码强度试验,测出了包装件的最大堆码层数为9层。通过9层堆码扫频振动传递性能试验确定了底层、中间层和顶层包装件的固有频率分别为36.61、10.76和6.44Hz,得到了各层包装件振动加速度、振动传递率随时间的变化曲线,并探讨了固有频率和振动传递率峰值与堆码高度之间的关系。在此基础上,通过垂直冲击试验,测出了产品的脆值为89.58;通过跌落试验,测出了包装件最大允许跌落高度为580mm。     

温室滴灌施肥水肥耦合对无土栽培樱桃番茄产量的影响

对温室内无土栽培的樱桃番茄在不同生育阶段进行了不同的水肥耦合试验,旨在揭示番茄产量与灌水量及施肥配比的内在关系。结果表明:灌水量、施肥配比及二者的交互作用对番茄产量的影响都极显著;生育期最优灌水量为8467.2 m3/hm2,最优施肥配比为N∶P2O5∶K2O=2∶1∶3;6~11月份的最优灌水量都为试验的高水,6、7月的最优施肥配比为N∶P2O5∶K2O=2∶1∶2,8~11月的最优施肥配比为N∶P2O5∶K2O=2∶1∶3。     

米糠蜡涂膜对樱桃番茄保鲜效果和果胶含量的影响

以米糠蜡作为樱桃番茄的涂膜保鲜剂,研究其对樱桃番茄采后生理的影响。结果表明:米糠蜡涂膜能减缓樱桃番茄果实硬度和可滴定酸下降,抑制了果实可溶性固形物、失重率和pH值的升高;并对樱桃番茄果实中果胶的降解有显著的抑制作用,延缓了樱桃番茄采后品质的变化趋势,更好地维持果实质地特性。     

设施栽培营养液自动调控装置设计与试验

针对设施栽培中营养液调控缺少监测管理、自动化程度低、稳定性难以保证等问题,设计了一种设施栽培营养液自动调控装置。通过传感器对营养液指标值的实时检测、控制器对检测数据的处理、执行部件对营养液指标值的调整,实现设施栽培营养液的自动调控。同时,设计了各关键部件结构参数及传感器检测子系统、数据融合与智能决策子系统和协同调控子系统的硬件和软件结构。采用响应曲面法试验,研究了均匀混合机构的纵向安装位置、横向安装位置、作业速度对营养液均匀混合时间的影响,并进行验证试验。响应曲面试验结果显示：试验因素的显著性主次顺序为作业速度、纵向安装位置、横向安装位置,最优组合参数为作业速度110r/min、纵向安装位置50mm、横向安装位置150mm。验证试验表明：营养液自动调控装置完成1次营养液调控所需时间约为135s,完成调控后营养液指标值pH值、EC、K⁺浓度、Ca²⁺浓度和NO₃^-浓度的误差分别为4.73%、3.28%、4.44%、4.15%、3.54%%。所设计的营养液自动调控装置具有结构简单、调控误差小的优点,可为...     

温度对小球藻生长量和溶氧量影响研究

采用梯度法研究温度对小球藻生长量和溶氧量的影响.结果表明:小球藻对温度的适应范围较广,5～30℃期间小球藻均可正常生长,25℃为小球藻生长的最适温度,此时小球藻的生长速度与溶氧量增长速度达到最大,结果可为小球藻生长量和溶氧量的研究提供参考依据.     

水产养殖中溶解氧模糊控制系统的研究

溶解氧是水产养殖中重要的水质因子。通过对溶解氧控制系统的分析,建立了系统的数学模型;借助MATLAB软件中模糊逻辑工具箱,对系统的输入和输出进行了模糊化,并建立了控制规则;通过SIMULINK软件设计了溶解氧仿真系统;通过仿真验证模糊控制,能够达到较好的控制效果。上述措施为水产养殖的溶解氧控制探索出一条新途径。     

加氧微咸水溶氧量对土壤水盐运移特征的影响

利用微纳米发泡器对微咸水进行加氧处理,并对加氧微咸水入渗条件下的土壤水盐运移特征及对入渗模型参数影响开展了研究。结果表明,在微咸水不同溶氧量入渗条件下,入渗时间相同时,累积入渗量和湿润锋深度随溶氧量增加先增加后减小,微咸水溶氧量为14. 0 mg/L时累积入渗量和湿润锋深度最大。相比于其他处理,微咸水溶氧量为14. 0 mg/L时能加快水分入渗,增加土壤体积含水率。此外,相比于不加氧处理,不同加氧水平入渗均能提高灌溉水脱盐效率。同时,利用现有入渗模型对入渗过程进行了定量分析,结果显示代数模型和PHILIP模型都能准确描述加氧微咸水入渗过程,而且模型参数与微咸水溶氧量存在函数关系。PHILIP模型中吸渗率随着微咸水溶氧量的增加呈先增加后减小的趋势,最大值出现在14. 0 mg/L,代数模型中综合形状系数则呈现相反的规律,最小值出现在14. 0 mg/L,且代数模型可较好描述加氧微咸水一维垂直入渗条件下的土壤含水率分布。     

鱼塘溶解氧自动监控系统的设计与研究

为了提高水产养殖技术的自动化水平以及鱼类产品饲养的数量和质量,系统地研究了溶解氧的检测与控制,设计出溶解氧自动监控系统.该系统由上下两级单片机、测氧量传感器、无线数传模块等组成,可以实时监测鱼塘的含氧量、控制增氧机工作状态,并能实现故障报警与故障紧急处理等功能,使水产品生产在最适宜的环境下,达到增产、节能、减轻工人劳动强度和减少污染的效果.     

基于BiLSTM-GRU融合网络的稻虾养殖溶解氧含量预测

在稻虾养殖模式中溶解氧含量(浓度)是养殖水体的重要指标之一,其直接影响小龙虾的摄食量和新陈代谢,因此在养殖过程中精准预测溶解氧含量至关重要。针对稻虾养殖中溶解氧含量变化复杂,难以快速准确预测的问题,提出了BiLSTM-GRU融合神经网络预测模型。为了保证精准预测,首先对传感器进行了清洗校准,并根据偏移量对历史数据进行了修正。在此基础上构建了基于BiLSTM和GRU的融合神经网络训练模型,BiLSTM提取更多特征因子,GRU实现快速预测,快速准确预测溶解氧含量变化。为了使监测预测性能更优,对不同采样周期下的资源损耗及预测模型性能进行综合对比分析,确定了传感器数据最优采样周期为30 min。进一步与LSTM、GRU、BiLSTM以及BiGRU模型对比,表明本文提出的BiLSTM-GRU融合神经网络模型的预测效果更好,其平均绝对误差、均方根误差和决定系数分别为0.275 9 mg/L、0.616 0 mg/L和0.954 7,比传统的LSTM神经网络模型分别高25.14%、13.25%和2.22%。     

基于改进YOLO v7的轻量化樱桃番茄成熟度检测方法

为在自然环境下自动准确地检测樱桃番茄果实的成熟度,实现樱桃番茄果实自动化采摘,根据成熟期樱桃番茄果实表型特征的变化以及国家标准GH/T 1193—2021制定了5级樱桃番茄果实成熟度级别(绿熟期、转色期、初熟期、中熟期和完熟期),并针对樱桃番茄相邻成熟度特征差异不明显以及果实之间相互遮挡问题,提出一种改进的轻量化YOLO v7模型的樱桃番茄果实成熟度检测方法。该方法将MobileNetV3引入YOLO v7模型中作为骨干特征提取网络,以减少网络的参数量,同时在特征融合网络中加入全局注意力机制(Global attention mechanism, GAM)模块以提高网络的特征表达能力。试验结果表明,改进的YOLO v7模型在测试集下的精确率、召回率和平均精度均值分别为98.6%、98.1%和98.2%,单幅图像平均检测时间为82 ms,模型内存占用量为66.5 MB。对比Faster R-CNN、YOLO v3、YOLO v5s和YOLO v7模型,平均精度均值分别提升18.7、0.2、0.3、0.1个百分点,模型内存占用量也最少。研究表明改进的YOLO v7模型能够为樱桃番茄果实的自...     

对虾养殖溶解氧浓度组合预测模型EMD-RF-LSTM

溶解氧(DO)浓度是对虾养殖水质检测的核心指标.为提高对虾养殖溶解氧浓度的预测精度,本研究提出了一种基于经验模态分解、随机森林和长短时记忆神经网络(EMD-RF-LSTM)的对虾养殖溶解氧浓度组合预测模型.首先采用经验模态分解(EMD)对养殖水质溶解氧浓度时序数据进行多尺度特征提取,得到不同尺度下的固有模态分量(IMF...     

基于DeepAR-RELM的池塘溶解氧时空预测方法研究

水体溶解氧(Dissolved oxygen,DO)是养殖水产品健康生长的重要生态因子。池塘溶解氧易受多种因素的影响,会产生时间和空间上分布的差异,现有的溶解氧预测方法大多是针对单监测点的时间序列预测,无法描述池塘溶解氧的空间分布,因此,对池塘溶解氧进行时间和空间预测非常重要。本文提出一种基于自回归循环神经网络(Autoregressive recurrent neural network,DeepAR)和正则化极限学习机(Regularized extreme learning machine,RELM)的池塘溶解氧时空预测方法。首先采用样本熵(Sample entropy,SE)衡量各个监测点溶解氧序列的波动程度,采用最大互信息系数(Maximum mutual information coefficient,MIC)衡量监测点溶解氧序列之间的相关性,综合选取出溶解氧序列波动程度较小且与各个监测点相关性较大的监测点作为中心监测点,并以中心监测点为原点,建立池塘空间坐标系;其次采用DeepAR算法构建中心监测点的溶解氧时间序列预测模型,实现中心监测点溶解氧时间序列预测;最后采用RELM算法构建中心监测点与池塘各位置溶解氧之间的空间映射关系模型,结合中心监测点溶解氧时间序列预测值和池塘空间坐标,实现对未来时刻池塘溶解氧的空间预测。该方法在提高时间序列预测精度的同时,实现了对未来时刻池塘溶解氧空间状态的预测。在真实的数据集上进行测试,预测未来24h的池塘空间溶解氧值,均方根误差(RMSE)为1.2633mg/L、平均绝对误差(MAE)为0.9755mg/L、平均绝对百分比误差(MAPE)为14.8732%。并与标准极限学习机（Extreme learning machine,ELM）、径向基神经网络（Radial basis function neural network,RBFNN）、梯度提升回归树（Gradient boosting regression tree ,GBRT）和随机森林（Random forest,RF）4种预测方法进行对比,各评价指标的性能均有较大幅度提升,表明该方法有较好的预测精度和泛化能力,能够较准确地实现池塘溶解氧时空预测。