径向基函数网络与WebGIS融合的苹果病虫害预测

以ArcIMS为二次开发平台,开发了基于Java技术和MVC架构的苹果病虫害预测预报系统平台,在建立了20余种苹果病虫害预测模型的基础上,采用动态数据交换技术（DDE）实现了GIS分析功能与病虫害预测模型的集成;具有空间数据和属性数据的分析处理、苹果病虫害预测预报、WebGIS信息发布等功能;可以通过地图或专题图、数据表格、图形或文字等多种形式预测预报苹果病虫害发生时间和发生程度。以苹果山楂叶螨为例,详细阐述了系统中径向基网络模型的构建,该模型的测试准确率为87.5%,高于BP神经网     

基于WebGIS的农业病虫害预测预报专家系统

以开源版MapGuide为WebGIS二次开发平台,结合.net技术开发了具有B/S三层网络架构的农业病虫害预测预报专家系统.依循专家经验预测方法构建病虫知识库,知识存放于SQL Server 2000数据表中,病虫害种类按照地理区域划分,各表所包含的病虫害影响因子描述、特征临界值、判别条件组合以及发生等级间构成一种网状模型.系统采用基于知识的前向型推理与基于系统案例推理相结合的方式.用户依据系统的向导式提示以及数据输入规范输入病虫害监测数据,系统将病虫害发生程度以GIS专题图、数据图表及文字等多种方式反馈给用户.实际运行结果表明,该系统操作性强,预测结果可靠直观.     

人工神经网络在葡萄霜霉病预测中的应用

近年来,人工神经网络模型开始逐渐应用于植物病虫害的预测预报中,并取得了良好效果,已成为植物病虫害预测预报的新途径.为此,以温度、相对湿度、累积降雨量及累积降雨日作为预测因子,以葡萄霜霉病的感病指数为预测目标,利用人工神经网络的BP算法建立了葡萄霜霉病预测模型.以陕西杨凌地区2004年和2006年的数据作为BP网络的训练资料,对2007年霜霉病的流行状况进行预测,预测的变化趋势与该年霜霉病实际的流行趋势吻合.由此证实,利用神经网络建立葡萄霜霉病预测模型是可行的.     

苹果可溶性固形物含量的检测方法——基于可见光近红外光谱技术

为了快速检测苹果的可溶性固形物(SSC)含量,采用可见光近红外光谱技术,结合主成分分析(PCA)和BP神经网络技术,来建立苹果SSC的预测模型.获取苹果样本在345～1039 nm波段的漫反射光谱,采用DPS数据处理系统对其进行主成分分析,并提取出累计可信度大于95 %的5个新主成分.建立一个3层的BP神经网络模型,并将这5个新的主成分作为BP神经网络模型的输入量,其结果是98 %以上预测样本的预测相对误差在5 %以下.该研究表明,采用近红外光谱技术来建立苹果可溶性固形物的预测模型是可行的.     

可移动式苹果内部品质果园产地分级系统

为满足苹果内部品质产地检测分级需求,本研究研发出检测模块和分级模块,构成可移动式苹果内部品质果园产地分级系统。在此系统的基础上,以苹果糖度和霉心病为代表品质指标,提出一种基于乘法效应消除（Multiplicative Effect Elimination,MEE）的光谱校正方法,用于消除苹果物理属性差异导致的有效光程变化对光谱的影响。利用该系统获取苹果600~900 nm漫透射光谱数据,分别采用多元散射校正（Multiple Scattering Correction,MSC）、标准正态变量变换（Standard Normal Variate Transform,SNV）和MEE算法对苹果光谱预处理后,建立糖度偏最小二乘回归（Partial Least Squares Regression, PLSR）预测模型和霉心病偏最小二乘判别（Partial Least Squares - Discriminant Analysis,PLS-DA）模型。结果表明,MEE算法相比于MSC和SNV算法建模结果更好,糖度预测模型的校正集相关系数（Rc）、校正集均方根误差（Root Mean Square Error of Calibration,RMSEC）、预测集相关系数（Rp）和预测集均方根误差（Root Mean Square Error of Prediction,RMSEP）分别为0.959、0.430%、0.929和0.592%;霉心病判别模型的校正集敏感性、校正集特异性、校正集准确率、预测集敏感性、预测集特异性和预测集准确率分别为98.33%、96.67%、97.50%、100.00%、90.00%和95.00%。将建立的最佳预测模型导入分级系统进行试验,结果表明该系统的分级准确率为90.00%,分级速度约3个/s。该系统具有成本低、结构简单、移动方便等优点,可以满足苹果内部品质果园产地检测分级需求。     

基于神经网络的农业病虫害损失预测

鉴于农业病虫害经济损失的预测具有较强的复杂性和非线性特性,设计了一种新型的GRNN预测模型,对农业病虫害经济损失进行预测.该模型基于人工神经网络捕捉非线性变化独特的优越性,在神经网络技术和江苏省气象局提供的数据的基础上,利用MATLAB人工神经网络工具箱及GRNN广义回归神经网络建立预测模型,来提高农业病虫害经济损失预测的精度.预测结果表明,该方法建立的模型可以实现对病虫害经济损失的预测,且其预测精度较高.     

旱作苹果栽培技术

旱作苹果栽培技术（续完）旱作苹果主要病虫害防治在旱地苹果园，加强病虫害防治，对苹果树的正常生长和早期结果起着重要的促进作用。１．防治方法（１）预测预报。预测预报就是根据观察到病虫害的情况，加以综合分析，作出判断，预告某一种病虫害在未来时期内可能发展的...     

苹果内部品质分级机械手设计与试验

为检测苹果内部品质,基于可见/近红外光谱检测技术并结合分拣机械手,设计了苹果内部品质分级机械手。该装置主要由夹持机构、近红外光谱采集系统、控制系统等组成。机械手稳定夹持苹果后采集苹果的近红外光谱数据,上位机软件中的预测模型对光谱数据进行分析处理,并显示光谱曲线和预测结果。为建立苹果可溶性固形物含量预测模型,基于该装置采集了苹果在650～1 100 nm波长范围内的光谱数据,通过国家标准测量法测得苹果样本的可溶性固形物含量,采用SG卷积平滑(SG-smooth)、标准正态变量变换(SNV)和多元散射校正(MSC)对光谱数据进行预处理,并结合可溶性固形物含量测量值建立偏最小二乘(PLSR)模型。结果表明,采用多元散射校正方法预处理后的建模效果最优,其预测模型的校正集和预测集相关系数分别为0. 978 2、0. 970 1,均方根误差分别为0. 274 6、0. 326 3°Brix。选取20个同品种苹果样本对该装置的稳定性和准确性进行了测试,可溶性固形物含量预测值与测量值相关系数为0. 957 3,均方根误差为0. 422 4°Brix。试验结果表明,苹果内部品质分级机械手在夹持苹果的同时可以实现对苹果可溶性固形物含量的准确预测。     

水分特征曲线Gardner模型参数的预测模型对比分析

为实现土壤水分特征曲线Gardner模型参数的预测以及精度的对比,以山西省黄土高原区农耕土壤为试验材料,进行了土壤水分特征曲线的系列试验,构建了土壤水分特征曲线Gardner拟合模型参数a、b和对应的土壤基本理化参数的数据样本;采用BP神经网络与支持向量机两种预报模型对土壤水分特征曲线Gardner模型参数a、b实现了预测,并对预测精度进行了对比。研究结果表明:随着两种模型输入变量的增加,两种预报模型的精度都得到提高;当输入变量为土壤质地、土壤容重、土壤有机质含量、土壤无机盐含量时,两种预报模型对参数a、b的平均相对误差值均在6%以下,预测模型具有可行性;同时,相比于BP神经网络而言,支持向量机预报模型精度相对较高,而且预测结果波动空间较小,离散程度较低。该成果一方面丰富了Gardner模型参数的土壤传输函数创建的途径,更为Gardner模型参数预测模型的选择提供了依据。     

益生菌发酵苹果浊汁贮存期品质分析与货架期预测模型

为明确不同贮存温度对益生菌发酵苹果浊汁品质的影响及预测发酵苹果浊汁的货架期,测定了4、25℃条件下益生菌发酵苹果浊汁色差L*值、a*值、b*值、ΔE值,以及稳定系数、活菌菌体浓度、感官评分、有机酸质量浓度、糖质量浓度和香气成分等指标的变化,基于Arrhenius方程构建了发酵苹果浊汁各项品质指标货架期预测模型。结果表明:在4℃和25℃条件下,发酵苹果浊汁的b*值、ΔE值变化符合零级反应,其他指标均符合一级动力学反应。以单指标分别建立预测模型,模型计算验证结果显示,各模型的相对误差均小于10%,偏差度和准确度不大于1.04,说明模型可以很好地预测发酵苹果浊汁贮存期的各项指标。活菌菌体浓度与其他品质指标均呈显著相关,以其建立的4℃和25℃条件下的发酵苹果浊汁货架期预测模型的预测值与实测值的相对误差小于10%,说明模型可靠、合理,可以准确预测益生菌发酵苹果浊汁的货架期。     

机械设备的管理与维修保养

随着我国社会经济的迅速发展,我国在施工中的机械现代化得到了很大的发展。但是在机械设备的管理与维修保养中仍然还存在着较大的问题,机械设备的使用、管理、维修保养在某种程度上几乎占据了机械设备的大部分寿命周期,因此做好机械设备的管理与维修保养十分必要,它作为企业管理工作当中的基本工作不仅关系到企业的生产经营,而且对于企业发展也具有重要的意义。文章就机械设备管理与维修保养进行简单的阐述,并提供一些可供参考的意见和措施。     

城市园林绿化养护管理存在问题及对策

通过多年一线的养护管理的工作经验,根据实际情况,对城市园林绿化管理存在管理机制不通畅、法规不完善和执法力度不够等问题,并且通过分析和探讨,提出相关的解决方案,完善城市园林绿化管理.     

Prediction of Kernel and Bulk Volume of Wheat and Canola during Adsorption and Desorption

Information don the shrinkage of grain both in bulk and as individual kernels is important in postharvest processing of these materials. The mass and volume of samples of wheat and canola seeds exposed either to humid or dry air were measured during adsorption or desorption cycles. When the grains were exposed to 90% r.h. at 40°C, the bulk density of wheat decreased almost linearly from 790 to 686 kg/m³as the kernel moisture content increased from 8% to 22% w.b. The bulk density of canola descreased by 11 kg/m³, from 672 to 661 kg/m³as the kernel moisture content increased from 5% to 19% w.b. The laws of mixtures were used to develop the following equations to predict grain kernel (v_k)and grain bulk volume (v_b)respectively as functions of moisture adsorption or desorption:v_k/v_k0=[1-M₀/1+(γ-1)M₀] [1+(γ-1)M/1-M]andv_b/v_b0={[1-(M₀-M)][1+(γ-1)M]/[1+(γ-1)M₀]} (1-ϵ₀)/(1-ϵ)wherev_kandv_k0are the kernel volumes,v_bandv_b0are the bulk porosities at the kernel moisture contents ofMandM₀respectively;γis the dry kernel density and is assumed to be a constant for each grain. Compared with experimental data, the kernel volumes of both wheat and canola, adequately predicted by the first equation. The second equation gave an adequate prediction of the bulk volume of canola by assumingϵ= ϵ₀,but not for wheat unlessϵwas expressed as a polynomial function of kernel moisture content.     

气缸磨损原因及防止早期磨损的措施

气缸是发动机的基础部件,其技术性能的好坏是决定汽车是否进行大修的重要标志,直接影响着汽车的动力性和经济性。气缸主要破坏形式是其表面的磨损。这里主要谈一下它的磨损原因及预防措施。 一、气缸的磨损原因 1.润滑不良造成磨损的主要原因是由于气缸上部靠近燃烧室,温度较高,润滑油在高温作用下变稀,使其粘度下降,油膜不易形成,甚至被烧掉。另一原因是进入气缸中的混合气中含有细小的油滴,尤其低温时这种现象更为严重,它不断冲刷气缸壁上的润滑油,这样在气缸的上部造成了严重的干摩擦和半干摩擦,导致了活塞环与气缸壁接触范围内的上部磨损大、下部磨损小,呈锥形。     

运动与视频的同步记录和同步再现技术

以3自由度运动为研究对象，介绍了3自由度运动与视频的同步记录和同步再现的实现装置及控制方法，以及利用有线通讯来实现运动与视频同步的方法。同步记录与同步再现的实验结果验证了其可行性。3自由度运动与视频的同步记录和同步再现技术，可以应用于车辆的新产品测试等多种应用场合。     

苎麻纤维剥制技术及剥制加工机械研究与展望

为解决苎麻规模化种植的剥制加工问题,研制大型专业化苎麻纤维加工设备,对我国苎麻剥麻加工技术及加工机具进行了系统总结;结合作者多年的苎麻剥麻机研究实践,对提出我国苎麻剥制加工机械的发展思路。     

电工电子理实一体化实验室的构建

理实一体化是针对中职学校学生的特点而探索形成的一种教学方法,其改变了以往理论与实践相脱节的弊端,比单纯的理论化教学具有明显的优越性.介绍理实一体化教学的模式构架、创立背景和优势所在,提出理实一体化实验室的构建程序和对教师的要求,提出下一步完善目标.     

区块链增强果蔬质量追溯可信度方法研究与系统实现

质量追溯相关数据通过物联网感知设备采集后添加到区块链,在数据存储环节可以解决数据易被篡改问题从而增强数据可信度.数据直接存储在区块链中会造成系统吞吐量小、响应时间长,利用"数据库+区块链"的双存储设计虽然能大大提高响应速度,但是针对果蔬质量追溯系统,其响应速度依然不能满足要求.基于哈希加密算法的不可逆性、区块链数据结构...     

苜蓿切根补播施肥机气送式集排系统优化设计与试验

为提高苜蓿切根补播施肥机气送式集排系统工作性能,利用EDEM软件和Fluent软件对气送式集排系统工作过程进行联合仿真,以管道内部流场压力与速度变化情况、种子颗粒速度与受力情况为指标,分析波纹管和分配头结构参数对集排系统工作性能的影响,进而优化了其结构参数。以输种弯管弯径比、波纹管长度和分配头锥角为试验因素,以各行排量一致性变异系数和总排量稳定性变异系数为试验指标,进行Box-Behnken响应面分析仿真试验,获取集排系统最优结构参数组合。结果表明,当弯径比为0.96、波纹管长度为183mm、锥角为123.4°时,各行排量一致性变异系数为3.06%,总排量稳定性变异系数为3.17%。样机大田性能试验结果表明,在不同的螺旋输送机输送效率条件下,苇状羊毛种子、固体颗粒肥各行排量一致性变异系数和总排量稳定性变异系数均小于5%。     

水肥浓度智能感知与精准配比系统研制与试验

为解决农场当地当时的复合肥料精准化配料问题,本研究将水肥一体化智能灌溉施肥系统作为研究对象,构建了水肥浓度智能感知与精准配比系统。首先提出现场在线水肥溶液智能感知模型的快速建立方法,利用数据分析算法从传感器实时监测的一系列浓度梯度的肥料溶液中挖掘出模型。其次基于上述模型设计水肥浓度智能感知与精准配比系统的框架结构,阐述系统工作原理;并通过三种水体模拟在线配肥验证了该系统原位指导水肥浓度配比的有效性,同时评价了水体电导率对水肥配比浓度的干扰。试验结果表明,正则化条件下二阶的多项式拟合曲线是表达溶液电导率与水肥浓度的变化关系最优的模型,相关系数R²均大于0.999,由此模型可得出用户关心的复合肥各指标浓度。三种水体模拟在线配肥结果表明,水体会干扰电导率导致无法准确反演水肥配比的浓度,相对偏差值超过了0.1。因此,本研究提出的在线水肥智能感知与精准配比系统实现了消除当地水体电导率对水肥配比准确性的干扰,通过模型计算实现复合肥精准化配比,并得出各指标浓度。该系统结构简单,配比精准,易与现有水肥一体机或者人工配肥系统结合使用,可广泛应用于设施农业栽培、果园栽培和大田经济作物栽培等环境下的精准智能施肥。