基于CPLD的漏播检测装置的设计与测试

针对现有漏播检测装置并行性差、响应速度慢等不足,提出一种新型的漏播检测装置。该装置采用复杂可编程逻辑器件(CPLD)作为检测控制核心,能够同时提供8路落种检测,适用于大型精密穴播机械。该检测装置采用光电器件作为落种传感器,响应快速准确。6对红外对管采用特殊方式排列在排种管的相对两侧,避免光线干涉,提高检测精度。该装置适用于检测直径3mm以上种子(如麦粒、黄豆、玉米粒等),能够配合上位机GPS精确定位漏播位置,为漏播后的补种修正提供位置和数目信息。手工落种测试时,对小麦、黄豆、玉米种子的检出率可达100%。将该装置在播种试验台上进行实验,统计自动落种数目,精度可达95%以上;对单粒漏播进行报警统计,精度可达80%以上。改进试验台实验条件,以自适应方式运行可以使装置的检测精度进一步提升。     

用图像处理技术检测精密排种器性能

运用计算机图像处理技术，建立了精密排种器性能检测系统，通过种子动态图像的详细分析，采用图像增强、平滑、锐化及分割等预处理方法，有效地提高了图像质量；提出了根据种子的面积和种子间距检测精密排种器性能的特征提取方式。检测试验表明，检测系统精度满足精密排种器性能检测要求。     

坚果炒货食品中非法添加及检测技术的研究进展

本文介绍了我国坚果炒货食品中存在非法添加的现状及其检测技术,并指出了对非法添加进行检测的研究方向。     

小型联合收割机脱粒性能检测平台设计

为了解决当前小型联合收割机脱粒系统性能检测系统不完善,特别是西南丘陵山区小型联合收割机的性能在田间又不易直接检测,数据获取困难,数据精度达不到要求,可变参数无法实时连续调节等问题,设计了一种小型联合收割机脱粒装置性能检测平台。其采用模块化机械结构,各工作部件调整组合方便;检测系统可以实时对脱粒装置的转速、扭矩及功率等数据进行采集处理,且可以对脱粒后的谷物和稻草进行定量分析,得出谷物夹带损失率率和含杂率。该平台不但可检测脱粒系统工作参数是否可以达到既定要求,而且可采取喂入量连续可调的方式,用来分析出这个脱粒系统的最佳喂入量。该研究为今后小型联合收割机机脱粒装置的设计提供了可靠的数据支撑。     

BY-150型种子包衣机检测控制系统设计

包衣机在批量加工流程中需要针对供种量和进液量等重要参数进行检测,否则无法保证良好的包衣效果。为此,设计了一种包衣机检测控制系统,可实现对供种量和进液量参数信息的检测和控制。同时,需在供种量检测模块的硬件选型和电路设计中采用尽可能多的抗干扰措施保证种子质量的检测精度,在进液量检测模块的设计中通过采用主板信号控制动作启动、传感器检测电路直接控制动作结束的方式保证进液控制的稳定性,并通过液晶触摸屏为用户提供一个简单直观的人机交互方式。整个系统稳定可靠、抗干扰性好,满足预期的精度要求,包衣效果良好。     

便携式植保无人机自主控制模式飞行精度检测系统研究

【目的】提高植保无人机自主控制模式飞行精度的检测能力。【方法】以植保无人机为研究对象,根据NY/T 3213—2018标准要求,提炼出便携式植保无人机自主控制模式飞行精度检测系统性能指标,运用RTK（实时动态）载波相位差分技术原理,搭建便携式植保无人机飞行精度检测系统。系统硬件由基准站（XRTK4）、RTK采集器、数据接收器和测试电脑组成,系统软件设计考虑了软件的模块化、松散耦合、高内聚、易于使用、代码可维护性等原则,整个系统能力框架包含了Mesh网络调试管理模块、设备管理模块、测试任务管理模块、用户管理模块等。检测系统搭建后以3WWDZ-15.2A型农业无人机为测试样机,进行自主控制模式飞行精度试验,对检测系统进行校验。【结果】该检测系统符合标准飞行轨迹检测系统性能指标的要求,可以保证检测系统测量的准确性和精度,测试样机符合NY/T 3213—2018《植保无人飞机质量评价技术规范》要求的自主控制模式飞行精度试验项目。【结论】该检测系统可以提升植保无人机检验检测技术水平,确保植保无人机产品的质量安全,从而提高植保无人机产品综合性能,更好地促进植保无人机产业发展。     

基于改进YOLO v5的自然环境下樱桃果实识别方法

为提高对樱桃果实识别的准确率,提升果园自动采摘机器人的工作效率,使用采集到的樱桃原始图像以及其搭配不同数据增强方式得到的数据图像共1816幅建立数据集,按照8∶2将数据集划分成训练集与测试集。基于深度学习网络,利用YOLO v5模型分别对不同数据增强方式以及组合增强方式扩增后的樱桃数据集进行识别检测,结果表明离线增强与在线增强均对模型精度提升有一定的正向促进作用,其中采用离线数据增强策略能够显著且稳定的增加检测精度,在线数据增强策略能够小幅度提高检测精度,同时使用离线增强以及在线增强能够最大幅度的提升平均检测精度。针对樱桃果实之间相互遮挡以及图像中的小目标樱桃检测难等导致自然环境下樱桃果实检测精度低的问题,本文将YOLO v5的骨干网络进行改动,增添具有注意力机制的Transformer模块,Neck结构由原来的PAFPN改成可以进行双向加权融合的BiFPN,Head结构增加了浅层下采样的P2模块,提出一种基于改进YOLO v5的自然环境下樱桃果实的识别网络。实验结果表明：相比于其他已有模型以及单一结构改进后的YOLO v5模型,本文提出的综合改进模型具有更高的检测精度,使平均精度均值2提高了29个百分点。结果表明该方法有效的增强了识别过程中特征融合的效率和精度,显著地提高了樱桃果实的检测效果。同时,本文将训练好的网络模型部署到安卓(Android)平台上。该系统使用简洁,用户设备环境要求不高,具有一定的实用性,可在大田环境下对樱桃果实进行准确检测,能够很好地满足实时检测樱桃果实的需求,也为自动采摘等实际应用奠定了基础。     

分布式粮库温度检测系统的研究

以往的粮仓温度检测及其管理工作都是由库管人员依据经验或使用简单的测试工具，对库存粮食进行粗略的检测。由于检测工具落后等客观原因造成误测，最后不得不进行人工倒仓，这样既浪费人力又浪费财力，给国家造成不应有的损失。为了改善这种速度慢、精度低、劳动强度高的状况，许多厂家相继研制开发了粮仓温度检测系统。针对大中型国有粮食储备库粮仓多、分布范围大及测温多的特点，研制了一种由分布式微机系统组成的温度检测系统，并对该系统的构成原理及通讯方式进行了论述。     

牛肉含水率无损快速检测系统研究

针对影响牛肉品质的主要指标,开发了基于可见/近红外光谱技术的牛肉含水率品质快速检测系统。阐述了该系统的工作原理、工作过程、硬件组成及软件系统功能。系统的核心是波段分别为400~960 nm和900~2 600 nm的光谱仪,结合控制器、光纤等辅助装置构成了检测系统的硬件部分。基于VC++语言开发了Windows环境下的光谱信息采集和处理的快速无损检测软件。该系统可以实现对牛肉光谱数据的采集、处理、样品品质的快速预测和结果显示。该系统在实验室采集了57个牛肉背最长肌的光谱,分别对可见、近红外和全波段的光谱数据建模,分析显示全波段预测模型能够更好地预测牛肉的含水率,其校正相关系数RC和预测相关系数RP分别为0.96和0.88。然后将预测模型固化于在线检测硬件系统中,在牛肉分割线上采集84个样品进行实验验证,检测正确率为92.8%。含水率结果表明,该快速检测装置检测含水率的精度较高,可靠性较好,可用于牛肉屠宰分割线对含水率品质参数的快速无损检测。     

基于改进YOLOv8卷积神经网络的蟹味菇检测方法

针对蟹味菇生产过程中更好地预估产量,对生长状态做到实时检测的问题,提出了一种基于改进YOLOv8卷积神经网络的蟹味菇识别检测方法。该方法参照PASCAL VOC数据集格式,构建了蟹味菇目标检测数据集,采用添加CBAM注意力机制对原算法进行改进,并且与Faster R-CNN、SSD(single shot multibox detector)、原始YOLOv8等算法进行模型性能的试验对比。试验结果表明,改进的算法明显优于其他算法,其在测试集上的平均精度均值（mean average precision,mAP）和检测速度分别达到95%和91帧/s。此检测精度与检测时间满足蟹味菇的实时识别检测任务,为预估蟹味菇产量,提高生产管理水平提供了理论技术支持。     

基于机器视觉的内丝接头密封面缺陷检测系统

在生产过程中,由于内丝接头制造工艺的原因,通常会使得其密封面出现凹坑、划痕、孔洞、翘皮等缺陷。为了解决内丝接头密封面检测精准度和检测效率不高的实际问题,设计了一套基于机器视觉的内丝接头工件密封面缺陷检测系统,搭建实验平台采集图像并对图像进行平滑去噪、阈值分割和形态学修整的预处理操作,采用特征检测算法实现缺陷识别及检测。试验和实际使用情况表明,该缺陷检测系统的准确率达到95%,能有效保证产品的质量和检测精度。     

红外反射式播种机电子监测装置的设计

针对目前播种机电子监测装置普遍存在的安装不便、布线复杂、维护困难和实用性差等问题,设计开发了红外反射式播种机电子监测装置,较好地克服了上述缺点。该装置的探头采用了红外反射式的检测原理,以高速单片机为核心,能实现软件抗干扰及计数精度补偿,体积小巧,可单侧安装,适用于各种排种管。同时,采用无线数据传输方式及无极性二总线布线方式,极大地简化了布线工作,尤其适用于大型宽幅播种机的作业需求。该装置与2BJQ-9气吸式精密播种机配套的田间试验结果表明:故障检知准确率为100%,落种计数检测精度>93%,具备声光告警功能,人机界面友好,操作方便,为播种机电子监测装置的广泛应用提供了新思路。     

基于水果无损糖度检测结果的分拣技术研究

【目的】为了解决传统水果糖度检测装置体积庞大、造价昂贵、不易推广、检测过程中需要破坏样品等问题。【方法】课题组设计了一款基于安卓手机进行苹果无损糖度检测并结合柔性分拣技术进行苹果多级分拣的系统,分析了该系统的创新点及软硬件设计,并选取80个无外部机械损伤和缺陷的红富士苹果进行了系统调试与试验,通过手机对每个苹果拍摄4次照片,在手机App中将光谱信息转化为数字信号,再进行模型分析和处理,最终将测量糖度数值显示在手机App上。【结果】经过多次测量,该系统检测误差为0.64%～8.37%,精度较高,能够较好地与模型拟合。【结论】1）该系统能够很好地实现苹果糖度无损检测,并且通过糖度和大小两项指标对苹果进行多级柔性分拣可以提高苹果质量,收获口碑,提高区域知名度,以点带面,带动地方经济发展,推动乡村振兴;2）目前试验中所采用的水果均为无外部机械损伤和缺陷、无病害的苹果、梨等薄皮水果,针对内部有损害或表面有破损的苹果或其他类型水果的糖度检测模型还需要进一步研究。     

汽车检测系统预维修策略研究

文章介绍汽车检测系统的组成及各系统所包含的硬件的基础上,分析了各种维修方式及他们的优缺点,对如何建立汽车检测系统预维修策略进行了研究。     

模外喷油技术改进的可行性报告

在鸡饲料配方中,油脂对促进鸡只的生长有重要的作用,需在肉鸡饲料中要添加4%～5%的混合油。以往,混合油是在原材料进入混合机进行搅拌时,由油泵向混合机内喷入的。油脂量对搅拌完成后的制粒效果有很大影响:油脂太多,会制不成粒,压出来的粒料过于松散。因此在混合机中一般只能添加3%左右的油脂,剩下的2%在制粒后添加。制粒后添加油脂的方式主要有环模外喷油、振动筛后离心喷油和搅拌喷油几种方式。环模喷油但存在精度差等问题;离心式喷油设备,虽然喷油的精度虽然有了很大提高,但喷涂的效果不太理想。温氏饲料厂经多年的实践、对比,认为在用的…     

种子包衣合格率图像检测系统设计与试验

为满足对种子包衣合格率定量检测的需求,设计一套基于图像处理的检测系统,由上料下料系统、图像采集系统、控制系统和壳体等部件组成。该系统通过4个工业相机获取种子表面图像,通过工控机和软件进行处理,分别计算种子表面积和包衣面积,得到每粒种子包衣覆盖率和一批种子的包衣合格率。试验结果表明,单粒种子的平均检测时间小于3 s,覆盖率准确度的检测误差小于0.5%,覆盖率一致性偏差小于4%;一批种子合格率重复率为98.12%,差错率小于1%。与传统检测系统相比,该系统检测速度快,检测精度较高,差错率小,结构紧凑,能满足种子包衣合格率的定量检测。     

基于改进YOLOv5算法的农田杂草检测

随着智慧农业技术和大田种植技术的不断发展,自动除草具有广阔的市场前景。关于除草剂自动喷洒的有效性,农田杂草的精准、快速地识别和定位是关键技术之一。基于此提出一种改进的YOLOv5算法实现农田杂草检测,该方法通过改进数据增强方式,提高模型泛化性;通过添加注意力机制,增强主干网络的特征提取能力;通过改进框回归损失函数,提升预测框的准确率。试验表明,在芝麻作物和多种杂草的复杂环境下,本文方法的检测平均精度均值mAP为90.6%,杂草的检测平均精度AP为90.2%,比YOLOv5s模型分别提高4.7%和2%。在本文试验环境下,单张图像检测时间为2.8 ms,可实现实时检测。该研究内容可以为农田智能除草设备提供参考。     

基于电化学和虚拟仪器的土壤重金属检测系统研究

采用超声波辅助提取法对土壤样本进行快速前处理,以铋膜修饰丝网印刷电极作为传感器,结合差分脉冲阳极溶出伏安法对土壤浸提液中的铅和镉进行精确测量。检测仪器以Lab View平台软件为工作核心,结合MSP430单片机、恒电位电路、I/V转换电路、电磁阀和蠕动泵等硬件设备实现了对土壤浸提液的自动进样、电化学分析以及排液清洗等铅和镉的操作。针对实际土壤样本测量时可能产生的误差,分别采用了概率统计算法以及多次标准添加法加以消除。系统检测限分别达到2.6μg/L和1.8μg/L。对不同地区采集到的多个土壤样本进行分析,结果表明该系统具有检测精度高、重现性好、速度快、功耗低等优点,适合对农田土壤重金属进行快速检测和评估。     

车载式大田土壤电导率在线检测系统设计与试验

现有大田土壤电导率检测装置主要以手持式为主,存在检测效率低、实时性差等问题。基于电流-电压四端法原理设计了一种车载式大田土壤电导率在线检测系统,系统主要由恒流信号源电路、信号处理电路、Arduino控制器、GPS定位模块及车载传感器等组成,可在线检测大田土壤电导率。通过实验室和大田试验对系统性能进行了验证,试验结果表明,系统具有较好稳定性,动态响应时间约为540ms,开机预热引起的温漂最大偏差为3.70%,不考虑温差影响下系统检测精度R2为0.7342,消除温差影响后检测精度R2为0.8645~0.9156,均高于商用手持式电导率检测仪,其R2为0.6095;探究了拖拉机振动、传感器插入深度、作业速度和土壤坚实度对系统检测精度的影响,振动状态相对静止状态,检测数据最大误差为10.37%,且误差主要集中在0~10μS/cm范围内;当作业速度不大于5.0km/h和传感器插入深度大于等于10cm时,该系统可稳定进行大田土壤电导率在线检测,且检测地块土壤坚实度不应过小,以确保传感器电极与土壤充分接触。该系统可为开展基于土壤电导率在线检测的实时变量施肥技术研究提供技术支撑。     

车载式大田土壤电导率在线检测系统设计与试验

现有大田土壤电导率检测装置主要以手持式为主,存在检测效率低、实时性差等问题。基于电流-电压四端法原理设计了一种车载式大田土壤电导率在线检测系统,系统主要由恒流信号源电路、信号处理电路、Arduino控制器、GPS定位模块及车载传感器等组成,可在线检测大田土壤电导率。通过实验室和大田试验对系统性能进行了验证,试验结果表明,系统具有较好稳定性,动态响应时间约为540 ms,开机预热引起的温漂最大偏差为3.70%,不考虑温差影响下系统检测精度R²为0.734 2,消除温差影响后检测精度R²为0.864 5～0.915 6,均高于商用手持式电导率检测仪,其R²为0.609 5;探究了拖拉机振动、传感器插入深度、作业速度和土壤坚实度对系统检测精度的影响,振动状态相对静止状态,检测数据最大误差为10.37%,且误差主要集中在0～10μS/cm范围内;当作业速度不大于5.0 km/h和传感器插入深度大于等于10 cm时,该系统可稳定进行大田土壤电导率在线检测,且检测地块土壤坚实度不应过小,以确保传感器电极与土壤充分接触。该系统可为开展...