果蔬红外干燥在线实时检测系统设计

设计了一个果蔬红外干燥在线实时数据检测系统。采用质量传感器、AD温度传感器、PCI8310数据采集卡等将干燥设备中的果蔬样本信息储存到PC中,借助于VB程序进行数据处理,实现数据可视化,且生成了干燥曲线、辐射温度变化曲线及物料温度变化曲线。系统测试试验结果表明：该检测系统在线检测误差在±0.03％范围内,能够准确、实时反映果蔬红外辐射干燥过程特性。     

基于PVDF压电传感器的水滴冲击力检测系统

水滴冲击力是衡量喷头性能的重要技术指标。水滴撞击土壤表面产生的冲击会冲蚀土壤,引起板结,影响入渗,损伤作物。设计一种水滴冲击力自动检测系统和水滴自动发生试验装置,实现对水滴冲击力的自动测量。系统选用PVDF压电传感器作为力检测元件,采用USB7333高速数据采集卡,利用LabWindows/CVI编写数据采集与处理程序,获取水滴冲击力检测数据。试验实现了在水滴频率、大小稳定控制试验条件下,对不同水滴大小冲击力的动态测量。结果表明：PVDF压电传感器对水滴冲击力检测具有良好的动态响应特性;水滴冲击力与传感器输出电压具有良好的线性关系,拟合程度达0.936,系统测量误差小于10%。利用该系统测定水滴冲击力,解决了传统人工测量的不稳定问题。     

基于卷积神经网络的工件表面粗糙度等级识别

为解决零件表面粗糙度等级识别困难的问题。构建一套显微镜CCD图像采集系统,获取了不同表面加工类型和不同粗糙度值的零件表面图像。设计用于粗糙度等级识别的深度卷积神经网络,采用已知粗糙度等级的图像及其对应的粗糙度标签对网络进行训练。通过车削、平铣、立铣、平磨、磨外圆、研磨6种表面加工工艺来验证该方法。并且研究了不同放大倍数和不同光照强度对于识别结果的影响,确定了每种加工方式适宜的放大倍数和光照强度。实验证明所提出的粗糙度测量模型能以较高的准确率识别出零件表面粗糙度等级。     

基于深度学习的工件表面粗糙度等级识别方法

为解决变光照工件表面粗糙度等级识别困难问题,构建了粗糙度图像采集系统,设计了用于粗糙度等级识别的深度卷积神经网络。输入训练图片建立粗糙度等级模型,输入测试图片进行粗糙度等级识别。通过车削、平铣、立铣、平磨、磨外圆、研磨6种表面加工方式来验证该方法。改变光照强度采集变光照测试图片,运用颜色传递算法,以实验室标准光强下图片为源图片、变光照图片为目标图片,在不改变图片纹理情况下,实现源图片到目标图片色调颜色映射。实验结果表明,所提出方法能够解决变光照工件表面粗糙度等级识别困难问题。     

神经网络技术在表面粗糙度检测中的应用

物体表面的粗糙度不同，则对光的反射与散射强度不同，因此利用光纤传感器检测反射光强和散射光强，建立表面粗糙度检测的神经网络模型。该模型以反射光强、散射光强、反射与散射光强之比、测量距离为输入信号，以Ra，Rx为输出信号，经网络训练后可正确检测表面粗糙度。     

球形果蔬表面面积比例不变的投影展开算法研究

针对球形果蔬的视觉检测过程中存在的表面图像获取遗漏或重复,造成面积识别不准、相关品质特征检测准确率低的问题,提出了一种保证图像中球形果蔬表面各处面积比例与真实值一致的外表面投影展开算法。首先,在果蔬样品滚动过程中获取多组图像,裁剪其中正对相机的窄列区域进行拼接展开,随后,通过相机获取图像方式建立几何关系,计算展开图中每行像素的理论长度并进行尺寸缩放,得到各处面积比例符合真实值的样品外表面投影图像。利用标准球进行投影算法准确率验证,应用田口试验设计L16(34)正交试验,以果杯速度、裁剪宽度、相机高度为主要影响因素衡量检测的准确度,试验结果表明三因素影响均显著,确定最优参数为果杯速度0.40m/s、裁剪宽度9像素、相机高度255mm,标准球的表面积投影准确率为95.47%。以最优参数进行苹果、脐橙和番茄3种球形果蔬的表面投影试验,并探索不同样品角度对投影准确率的影响,3种水果检测准确率分别为84.0%、92.2%和87.6%,验证了果蔬表面二维投影算法的可行性。     

PVDF型籽粒损失传感器研究探讨

通过研究总结国内外籽粒损失传感器普遍存在适应性差、价格高等问题,在国内首次提出PVDF型籽粒损失传感器的设计方案.通过研究PVDF材料的特性与应用现状,讨论了PVDF在籽粒损失传感器上应用的可行性及优势,并结合已有研究成果和相关PVDF压电薄膜传感器实验室制作工艺的文献资料,初步确定在实验室中利用PVDF 压电薄膜制作籽粒损失传感器的主要过程,为进一步设计、制作经济、实用的籽粒损失传感器提供理论依据和实践基础.     

基于水肥药一体化智能灌溉系统的研究

水肥药一体化智能灌溉系统主要依据传感器接收土壤墒情数据,根据作物生长的必要因素设置样本区域并进行数据采集,以实现对农田主要信息的检测,然后通过嵌入式网关发送到服务器,在后台对所得数据进行分析和处理,形成控制指令后基于ZigBee无线局域网技术进行传输,以控制灌溉系统智能化配置水肥药配比并进行自动化灌溉.与此同时,数据还...     

物联网在规模化辣椒种植生长分析中的应用

为了实现规模化辣椒种植生长状态的实时监控,基于物联网技术,设计了生长等级评价分析系统,且土壤水分含量、土壤pH和温室温度被选为本系统监控指标。采用ZigBee技术建立传感器局域网,传感器节点采用六边形布局;通过协调器,采用GPRS技术,将检测数据上传物联网服务器,分析3种传感器检测数据,确定三者对于辣椒生长的影响,建立生长评级标准,并建立对应区间隶属度函数。利用本系统监测辣椒样本数据,根据建立的生长评级标准,计算其隶属度矩阵和权重向量,最终得到样本模糊判定集,进而计算该样本生长健康等级。系统可实现对于大规模辣椒生长的实时监控,并量化评级,及时有效地反映辣椒生长状态,具有普及潜力。     

基于多链的果蔬全程全息信息管理模型构建与系统化实现

果蔬全供应链既具有业务环节繁杂、数据多源异构、利益角色众多等通用食品供应链特征,又具有风险演变趋势复杂、时效性要求强、存在突发新发风险等特性。为有效解决传统果蔬供应链监管方案存在的监管覆盖面不足、溯源效应周期长、各主体间协同效应差等问题,构建了基于区块链多链的果蔬全程全息信息管理模型,并进行了系统化验收。首先,在果蔬全程全息信息解析的基础上,构建基于多链的果蔬全程全息信息管理模型。然后,提出一种基于区块综合索引指数的果蔬信息快速检索方法,并设计了基于公证链的果蔬信息跨链安全交互机制。其次,基于长安链开源区块链平台设计并开发了果蔬全程全息信息管理原型系统。最后,进行了实验验证和系统案例应用分析。结果表明,本系统公开数据上链平均耗时为589.03ms,隐私数据上链平均耗时为708.59ms,公开数据查询平均耗时为26.87ms,隐私数据查询平均耗时为30.67ms。本文设计的基于多链的果蔬全程全息信息管理模型及系统在满足不同需求用户对于不同权限信息的上链和查询需求的同时,实现了对果蔬全程全息信息的穿透式监管,满足了企业对隐私数据的权限控制与安全共享需求,提高了果蔬信息检索效率,为果蔬全程全息信息管理模型开发提供参考与借鉴。     

果蔬品质劣变传感检测与监测技术研究进展

果蔬在采后贮藏和运输过程中极易发生品质劣变,食用价值降低且造成巨大的经济损失。为保障果蔬品质,减少产后劣变导致的资源浪费,本文综述了果蔬品质劣变传感检测与监测技术最新研究现状,分析了各类检测技术的原理、特点及优缺点。其中,机器视觉可检测果蔬外部品质和表面缺陷,电子鼻可监测果蔬的劣变气味,近红外光谱可检测果蔬内部品质和隐性缺陷,高光谱成像能实现可视化检测果蔬内外品质、监测劣变过程,拉曼光谱可检测果蔬腐败菌及其代谢产物,多技术联用和多信息融合能综合评价果蔬劣变。以各种传感器为感知节点构建物联网监测系统,进而实现果蔬品质劣变信息的智能化实时监测,为解决果蔬加工过程中品质劣变控制技术难题提供参考,对降低果蔬产后的经济损失,推进果蔬产业可持续发展具有重要意义。     

土壤信息采集传感器节点的透地通信特性试验

为了揭示电磁波在土壤中传输的一般特性,部署无线地下传感器网络节点,设计了土壤信息采集传感器节点的透地通信试验.试验利用433 MHz载波频率无线地下传感器网络节点,通过小麦大田试验和计算机模拟,对不同的接收节点高度、发射节点和接收节点间水平距离等条件下传感器节点电磁波的传输特性进行了研究,建立了接收信号强度和丢包率的关系模型,提出了小麦4个生育期农田土壤信息采集传感器节点在土壤中的传输特性.试验结果表明,接收节点高度变化时,接收节点高度和节点间水平距离对接收信号强度影响的8种模型拟合优度,R²最大为0.998,R²最小为0.837;对丢包率影响的8种模型拟合优度,R²最大为0.998,R²最小为0.900.节点间水平距离变化时,接收节点高度和节点间水平距离对接收信号强度影响的8种模型拟合优度,R²最大为0.958,R²最小为0.847;对丢包率影响的8种模型拟合优度,R²最大为0.997,R²最小为0.941.     

基于自适应神经模糊网络的果蔬抓取力控制

运用自适应神经模糊推理系统设计了农业机器人果蔬抓取力智能控制器。以当前抓取力和滑觉传感器信号的小波变换细节系数作为控制器的输入,末端执行器两指闭合距离作为控制器的输出。基于减法聚类建立模糊推理模型,通过调整聚类半径来优选模糊规则数。给出了训练样本数据集采集方法,并应用梯度下降与最小二乘混合训练算法辨识了控制器的前件参数和结论参数。对所设计的控制器进行了实验验证,结果表明该控制器能够适应果蔬质量、表面摩擦特性等方面的差异。抓取力超调量得到了限制,最大值小于0.8 N,可以避免给抓取对象造成机械损伤。     

基于属性访问控制模型的果蔬跨链追溯系统设计与实现

针对现有果蔬农产品供应链中存在的上下游区块链间追溯数据差异化、细粒度共享困难以及数据隐私保护等问题,通过分析果蔬农产品供应链各环节业务流程,在果蔬农产品质量安全追溯场景下,提出了一种支持异构多链的基于属性的果蔬跨链追溯访问控制模型。该模型利用基于中继链的跨链技术将跨链信息标准化从而实现异构多链之间的跨链通信,并结合果蔬跨链追溯需求,采用基于ABAC(Attribute-based access control)的访问控制模型实现对数据资源灵活、细粒度访问控制。为验证模型有效性,利用BitXHub中继链技术在Hyperledger Fabric和Ethereum构成的异构链中实现跨链数据访问,在跨链合约中实现基于属性的访问控制流程,构建出果蔬追溯跨链访问控制模型的原型系统。系统测试结果表明,中继链处理跨链交易的发送率平均最高值分别约为600笔/s和400笔/s,策略判定时间不会随着策略数目的增加而有较大波动,基本稳定在2 000 ms左右,能够满足果蔬供应链在异构区块链之间跨链数据差异化、细粒度共享的需求,也保证了数据共享过程中的数据隐私性。     

丘陵山地无人车振动特性试验研究

为探索丘陵山地无人车振动特性,以丘陵山地无人车为研究对象,进行了振动特性试验。在无人车车体选择11个测试点,设计6组试验方案,综合分析测点位置、发动机油门大小和路面不平度对无人车振动特性的影响。试验结果表明,测点3（车架左前部）是无人车整车最合适安装传感器位置,在无人车正常行走、油门1/2位置、挂1档工况下,加速度最大值为47.4 m/s2,加速度最小值为-50.36 m/s2,加速度平均幅值为5.092 m/s2,加速度有效值仅为6.864 m/s2,说明该测点振动表现稳定;其他合适的测点为测点4和测点9。发动机油门大小对于加速度最大值、加速度最小值、加速度平均幅值、加速度方根幅值、加速度有效值均有显著影响,同一测点下,油门1/2和油门3/4相比较初始油门,加速度平均幅值增大297.1%和322.8%。路面不平度对于无人车振动有显著影响：在水泥路面上,无人车底盘加速度值最小,而在沙壤土、黏土和干沙土三种路况下,底盘加速度值分别增加81.23%,77.91%和1.31%。同时提出降低发动机高频振动、增加阻尼、传感器工作时降低行驶速度等减振措施。     

高压脉冲电场降解果蔬农药残留仿真研究

蔬在生长过程中为了提高产量、预防虫害会使用农药 ，农药残留未及时分解会对人体健康产生危害。根据农药残留和农药降解过程，结合高压脉冲电场降解农药技术，从大分子水平研究果蔬农残的自然转化规律和脉冲电场影响下的转化规律，用元胞自动机算法构建农药残留模型，模拟高压脉冲电场降解农残的过程，研究农残降解过程的动力学变化规律。并通过电场干预后马拉硫磷农残的降解效果试验，用气质联用仪Full扫描得出马拉硫磷的质谱图对其进行降解定性分析，再用SIM扫描进行定量分析对不同高压脉冲作用参数下降解率的计算和预测，将降解模型值与真实降解值对比最大相差0.0616ug/ml，最小相差值为0.0003ug/ml，为果蔬农残提供理论基础。     

无系留气动自适应球果采摘软体手爪设计与实验

为实现球形果实自适应采摘，仿人手触觉传感设计并制作了一种用于球果采摘的无系留智能软体手爪，该手爪采用自循环供气与传感集成，将柔性薄膜触力传感器内嵌于软体手爪内并复合自循环气泵，可实现多尺寸、多类型球果自适应抓取。研究了自循环气泵工作原理，进行了结构优化、压力建模与性能测试。试制了自适应软体手爪原理样机，建立了手爪抓持力模型，并进行了静力学实验，获得了其气压下的弯曲变形和力学特性。建立了球果采摘手爪控制系统与自适应抓取机制，搭建模拟采摘实验平台，进行了自适应抓取实验验证及实验环境下的球果采摘与分拣。结果表明，通过接触力反馈与控制系统，该采摘手爪可安全有效地抓取球果，抓取尺寸范围为48.5～97 mm,最大抓取球果质量为350 g,平均采摘用时15 s,成功率为97.46%。     

基于残差块与注意力机制的果蔬自动识别方法

针对果蔬识别中识别效率低、成本高等问题,本文提出了基于残差块和注意力机制的果蔬识别模型,并成功部署于果蔬智能识别设备。果蔬自动识别装置由Raspberry Pi、STM32F103ZET6、摄像头、称量传感器、处理器、显示屏、微型打印机、扎口机以及电源等部分组成。中央控制器与显示屏进行交互实时显示各种参数,通过摄像头与称量传感器采集待测物体图像与待测物体质量,由部署于Raspberry Pi的果蔬自动识别模型对果蔬进行精准识别,同时协同单片机STM32F103ZET6将果蔬相关信息打印并控制扎口机进行封口打包。本文以YOLO v5网络为基础,通过增加残差块与注意力机制构建果蔬自动识别模型RB+CBAM-YOLO v5。以自制的数据集训练网络,将6种网络进行对比试验,并选择最优网络进行设备端检测试验。试验结果表明,RB+CBAM-YOLO v5的精确率、召回率与mAP0.5分别为83.55%、96.08%、96.20%,较YOLO v5提升4.47、1.10、0.90个百分点。将RB+CBAM-YOLO v5模型部署于嵌入式设备Raspberry Pi中,设备可实现精准识别、自动称量、打印凭条以及快速打包等功能,可满足果蔬识别以及无人售卖装置的需求。     

果蔬热风干燥含水率在线测量装置设计与试验

为了实现果蔬热风干燥的智能化控制,综合运用数学模型法与介电常数法,以IAP15W4K58S4型单片机为主控芯片,利用现有的高精度电容传感器AD7746,设计了基于MCU的果蔬热风干燥含水率在线测量装置。以鸡腿菇为研究对象,通过热风干燥试验,建立了可准确预测其热风干燥过程中含水率的数学模型和相对介电常数-含水率计算模型,并用程序语言将模型进行编码及编译并写入系统,实现了双模式测量。验证结果表明:该装置能准确测量鸡腿菇热风干燥过程中的含水率,测量结果相对误差小于3%。