库尔勒香梨物理及压缩特性试验研究

为确定库尔勒香梨智能化采收参数,减小香梨在采摘过程中的机械损伤以及为香梨采摘机器人末端执行器的设计提供理论依据,试验测定获取香梨果实的物理参数,通过对香梨进行静态压缩试验、抗压特性试验、单因素试验及正交试验测得香梨的压缩特性参数。研究结果表明:香梨果实一般纵径大于横径,果型指数为1.12,质量约为119.42 g,香梨果实与硅胶材料之间摩擦系数为1.1,香梨果实无损夹持力范围约为0.95～30 N;采用SPSS软件分析正交试验结果得知,对香梨压缩特性的影响的因素显著性水平依次为压缩量、加载位置、压头材料、压头类型、加载速率,其中加载速率对香梨的压缩特性的影响较其他因素显著性较低。     

基于机器视觉的香梨雌雄自动识别方法

为实现香梨雌雄的自动识别,利用香梨的花萼特征和外形特征进行分类。通过相机采集香梨图像,对图像进行灰度化、分割、旋转、边缘处理和轮廓提取等预处理,获取花萼处的圆度和香梨长径短径等特征。将获取的特征通过神经网络训练得到分类器模型,用以判断香梨雌雄。所提出的方法能够有效地提取香梨特征,快速识别香梨雌雄,准确率达到92%。      

振动冲击复合载荷对库尔勒香梨损伤影响研究

振动冲击复合载荷是库尔勒香梨机械损伤中主要损伤形式之一,明确复合载荷对库尔勒香梨损伤的影响是目前亟需解决的问题。以不同成熟度库尔勒香梨为研究对象,阐释单一载荷冲击与振动对香梨损伤的影响规律,构建振动冲击复合载荷与香梨损伤面积关系间的数学模型,揭示振动冲击复合载荷损伤规律。结果表明：香梨损伤面积随着冲击高度与振动时间的增长而增大。在香梨成熟初期与末期,同一载荷不同成熟度香梨损伤面积变化不明显,成熟中期,同一载荷不同成熟度变化明显;构建振动冲击复合载荷与香梨损伤面积关系数学模型复合二次函数,该模型可表征不同成熟度香梨损伤面积与复合载荷间的关系。研究结果为减少香梨机械损伤提供理论依据。     

库尔勒香梨园土壤肥力空间变异特征与综合评价分析

为研究库尔勒香梨园土壤pH、盐分、速效养分以及微量元素空间分布特征,掌握香梨园综合肥力水平,以库尔勒市香梨种植区为研究区,选取具有代表性的50个库尔勒香梨园进行样点布设与土样采集。运用经典统计学和地统计学方法研究香梨园表层(0～40 cm)土壤养分指标和微量元素指标的空间变异性,探究香梨园土壤肥力状况。经典统计分析表明：pH的变异系数为0.02属于弱变异,电导率的变异系数为1.03表现为强变异,有机质、碱解氮、速效磷、速效钾、有效锰、有效铜、有效锌和有效铁的变异系数分别为0.37、0.53、0.99、0.59、0.45、0.25、0.24和0.48,为中等变异程度,研究区土壤综合肥力指数IFI值在0.37～0.80之间,平均值为0.58;地统计分析表明：土壤有机质、碱解氮和速效钾的块金系数大于75%,空间自相关性较弱;pH、电导率、速效磷、有效锰、有效铜、有效锌和有效铁的块金系数在25%～75%之间,这些指标具有中等强度的空间自相关性;库尔勒香梨园Ⅰ(优)、Ⅱ(良好)、Ⅲ(中等)、Ⅳ(较差)和Ⅴ(差)类土壤占比分别为2.72%、10.54%、61.80%、24.87%、和2.77%,土...     

香梨自动包装装置设计

基于香梨自动包装机构的动作流程,以单片机为控制器,合理选用技术参数、预设的控制逻辑,控制步进电机、送纸装置和防撞网套自动上料机构动作,利用香梨自由下落的重力,巧妙实现自动包装。通过数字化建模、运动分析和有限元分析,设计了结构简单、性能稳定的香梨自动包装装置。      

香梨自动称量分级系统

为提高香梨商品价值,将香梨分级是一种常用的做法。该文提出一种基于香梨称量指标的香梨分级设备,利用压敏传感器和AD转换器构成称量模块,由气动摆杆组成执行模块,实现香梨的分级。并且利用圆锥滚子的翻转能力和高速运动能力作为分级线的托盘,满足了高速分级的效果,同时可以为基于图像的香梨外部品质识别做好平台基础。试验验证分级线称量准确度在0.4 g以内,平均误差值在0.4%,精度符合要求。分级执行机构在电机运转＞15 Hz时,分级准确度接近100%,满足实际生产要求。      

基于硬度和 ssc 的库尔勒香梨成熟度评价方法研究

为了研究库尔勒香梨成熟过程中理化指标间的相关性,探寻一种适合于评价库尔勒香梨采收成熟度的方法。该研究以整个成熟期的库尔勒香梨为研究对象,研究了在整个成熟期内库尔勒香梨硬度和可溶性固形物含量等理化指标的变化规律,并对指标的均值、变化速率和方差的变化规律进行了分析和试验验证。用 Excel 软件处理数据,结果表明：在整个成熟期内,香梨的硬度逐渐减小,可溶性固形物含量逐渐增加,二者呈明显的负相关,R2＝0．991;二者的变化速率和方差均呈现先增大后减小的趋势,而峰值均在同一时间出现,且恰与香梨硬度减小曲线与可溶性固形物含量增加曲线的交点所对应的时间相同。据此提出了一种库尔勒香梨成熟度百分比评价方法,将库尔勒香梨的成熟度进行具体指标的量化,研究结果可为库尔勒香梨成熟度评价提供参考依据。     

贮藏库尔勒香梨采摘积温试验研究

为提高库尔勒香梨的贮藏品质,确定最佳的库尔勒香梨采摘时间,本研究以库尔勒香梨生长所需的有效积温为研究基础,针对于成熟期库尔勒香梨开展研究,以香梨果实硬度和可溶性固形物含量为研究指标,建立库尔勒香梨成熟过程中果实硬度和可溶性固形物含量变化的数学模型,研究发现库尔勒香梨成熟过程中存在临界积温,在此基础上以临界积温为采摘时间分界点进行存储实验研究。采用Excel软件和SigmaPlot软件处理分析试验数据,结果表明香梨处于临界积温时,成熟速度出现拐点,通过存储实验验证表明,该积温为采后存储的香梨采摘的临界积温。研究结果可为香梨的采摘期判定提供参考。     

成熟期库尔勒香梨理化指标变化规律及相关性研究

为了研究库尔勒香梨成熟过程中理化指标的变化规律,探求成熟期库尔勒香梨主要理化指标间的相关性,以成熟期库尔勒香梨为研究对象,研究库尔勒香梨果实硬度、叶绿素含量、SSC(可溶性固形物含量)和维生素C含量的变化规律;采用相关分析和回归分析的方法,应用Spss软件和Excel软件对指标均值以及各指标间相关性进行了分析,并对试验结果进行了实验验证。研究结果表明:在成熟期内,库尔勒香梨果实理化参数变化范围分别为:硬度4.23~7.99 kg/cm2、叶绿素3.17~6.54 mg/100 g、SSC11.54%~15.41%、维生素C 1.9~4.2 mg/1 0 0 g;随着成熟的深入,果实硬度逐渐降低、叶绿素含量逐渐减少、SSC逐渐增加、维生素C含量逐渐增加;各指标均值在0.01水平上显著相关。回归分析过程中选取最优的拟合方式,并建立相应的数学模型,果实硬度和SSC与叶绿素含量和维生素C含量间决定系数均大于0.95,验证试验预测值与测量值误差小于3.2 1%,在库尔勒香梨成熟过程中可应用果实硬度和SSC对叶绿素和维生素C含量进行预测。研究结果能够为库尔勒香梨成熟度评价和分级提供参考。     

基于电学特性的库尔勒香梨静压损伤程度量化研究

静压是库尔勒香梨损伤中的一个重要形式,但对库尔勒香梨静压损伤程度的量化需亟待解决。为此,以库尔勒香梨为试验材料,对不同采摘期的库尔勒香梨进行静压损伤试验,依据电学特性测量库尔勒香梨静压后的电学参数,探究不同采摘时间变形量与损伤面积的关系,构建不同成熟度下库尔勒香梨电学参数值与损伤面积的数学模型,提出了一种基于电学特性的损伤程度量化评价方法。结果表明:在同一压缩变形量下库尔勒香梨成熟度越高,电学参数变化越显著,其损伤面积也越大。库尔勒香梨的电学参数变化值可表征其损伤面积,库尔勒香梨的损伤程度可由其损伤面积来表征,且库尔勒香梨电学参数变化值与损伤面积之间关系的数学方程均符合y=ax~2+bx+c模型。该模型可以实现不同成熟度下库尔勒香梨损伤程度的量化,为库尔勒香梨损伤程度的快速测量提供理论指导。     

香梨褐色酸奶工艺研究

以香梨、脱脂牛乳和白砂糖为主要原料,以嗜热链球菌和保加利亚乳杆菌混合菌为发酵剂,制备一款具有焦香味和梨香味的香梨褐色酸奶。以酸度、黏度、pH值及感官评价为指标,通过单因素试验和响应面试验选择出最优加工工艺。通过试验分析得出香梨褐色酸奶的最佳工艺为：香梨汁添加量8 %、白砂糖添加量4 %、发酵剂添加量0.30 %、发酵时间7 h、发酵温度43 ℃,此条件下制得的香梨褐色酸奶,焦香味、梨香味十足,口感最佳,感官评分值最高为90分。     

预紧力和电极直径对库尔勒香梨电学参数测量影响规律研究

以库尔勒香梨为材料,研究了香梨在不同预紧力和电极直径下电学参数并联等效电阻、损耗因数、复阻抗相角、导纳的变化规律;建立了不同电极直径下预紧力与电学参数间的数学关系,对比分析了电学参数的变化速率。结果发现,不同预紧力下随着电极直径的增大并联等效电阻、损耗因数、复阻抗相角,导纳逐渐增加,当预紧力在0～1.5 N范围内,电学参数变化不明显。当预紧力大于1.5 N时,电学参数变化较为明显。且当电极直径为20 mm时,四种电学参数变化率最大;在不同电极直径下随着预紧力的增大并联等效电阻、损耗因数、复阻抗相角,导纳逐渐增加,预紧力越大香梨电学参数的变化率越高;电极直径和预紧力大小对香梨电学参数测量均有一定的影响,且预紧力变化对电学参数影响更显著。试验结果可为库尔勒香梨电学参数测量研究提供参考依据。     

成熟期基库尔勒香梨电学特性研究

为探讨库尔勒香梨成熟期间电学特性的变化规律,以整个成熟期间的库尔勒香梨为研究对象,研究了测试频率、测试电压和采摘时间对整个成熟期的香梨电学参数的影响规律,并对电学参数的变化进行了分析。用Excel软件和SAS软件处理数据,结果表明:在测量参数范围内,测试频率对香梨的电感、电容、损耗角正切值等参数影响显著,采摘时间对电感和电容影响显著,且在测试频率≤10kHz时,随着香梨的采摘时间的延长,电感呈现逐渐增大的趋势,电容呈现逐渐减小的趋势。该研究结果可为基于电学特性的香梨成熟度检测提供参考依据。     

夹持压力可控的香梨采摘末端执行器设计与试验

库尔勒香梨是新疆特色水果,其酥脆特点为香梨机械化采摘带来较大挑战。为了降低香梨机械损伤及实现自动采摘,在分析物理特性、力学模型的基础上研制了夹持压力可控的夹持-扭转协同工作的香梨采摘末端执行器,主要包括夹持部件、旋转部件、压力反馈单元及控制单元等。以夹持-扭断时间、放果时间和采摘成功率为指标,进行采摘试验,结果表明:夹持压力阈值和扭转角度分别为7N和60°时,夹持-扭转时间在1.01～1.75s之间,放果时间在0.43～0.91s之间,采摘成功率约为94.6%。该末端执行器采摘速度快、成功率高,可为香梨采摘机器人的研发提供参考。     

如何制作草莓汁

香梨是库尔勒香梨的简称，为新疆的名优特产水果。近年来，香梨的种植面积不断扩大，产量大幅度提高，市场需求也越来越大。因此，解决香梨的贮藏保鲜问题势在必行。经过两年多的研究试验，我们总结出了一套完整的香梨贮藏保鲜技术，现介绍如下：     

农业生产中香梨坚实度的声振响应法检测装置分析

香梨是新疆特色水果,由于香梨的市场空间大,香梨产业已逐步成为当地规模产业和支柱产业之一。但由于产地不同和粗糙皮果的影响,使香梨品质参差不齐,导致市场上的香梨质量和价格不成正比,因此有必要检测香梨坚实度以提高香梨等级及商品率。在农业现代化进程中"增机、减人"的趋势不可逆转,农业设备和农机运行的需求将呈现刚性增长的趋势。文章基于声振响应法开展了便携式香梨坚实度无损检测装置的设计,采用压电梁式传感器对香梨坚实度的声振响应法检测,可以满足香梨坚实度无损检测实际应用要求。     

库尔勒香梨几何物理参数和采摘挤压因素研究

对库尔勒香梨的几何物理参数和采摘挤压因素进行分析,可以为香梨采摘机器人的机械手设计提供理论依据.统计分析160个成熟期库尔勒香梨的几何物理参数,采用单因素加卸载试验研究机械手采摘过程中抓握挤压因素对力学指标的影响.物理参数研究结果表明:香梨果实平均质量为122.34 g,纵径大于横径,纵横比均值约为1.22,与硅胶材料...     

基于高光谱和集成学习的库尔勒香梨黑斑病潜育期诊断

黑斑病是危害库尔勒香梨的真菌病害之一。若在黑斑病症状显证之前实现早期诊断,对于防止病害蔓延、减少经济损失具有重要的意义。结合高光谱成像技术和Stacking集成学习算法,构建了香梨黑斑病早期快速诊断模型。获取了健康、潜育期、轻度发病和重度发病的黑斑病库尔勒香梨的高光谱图像,提取感兴趣区域内的平均光谱,经标准正态变量变换、一阶导数、二阶导数及组合预处理后,利用主成分分析进行数据降维。然后,以K最近邻法（KNN）、最小二乘支持向量机（LS-SVM）和随机森林（RF）算法为基学习器,以LS-SVM为元学习器,构建了黑斑病病害程度的Stacking集成学习预测模型。结果表明,随着病害程度加深,光谱反射率整体呈下降趋势,且存在显著性差异,为分类模型的建立提供了理论依据。所建模型对健康和不同病害程度黑斑病库尔勒香梨的总体判别准确率为98.28%,对潜育期香梨的判别准确率为100%。与利用单一分类器建模结果相比,总体判别准确率和潜育期香梨判别准确率分别上升5.18、23.08个百分点。结果证明,Stacking集成学习具有较强的特征学习能力,将其与高光谱成像技术结合,能实现库尔勒香梨黑斑病潜育期的识别。该结果为库尔勒香梨黑斑病的早期快速诊断和发病过程的实时监测提供了一种新的方法。     

亏缺灌溉对成龄库尔勒香梨产量与根系生长的影响

研究了亏缺灌溉对成龄库尔勒香梨树营养生长、果实生长与吸收根系分布的影响。香梨的生育中期,设计了4种土壤水分亏缺(灌前土壤水势下限):轻度胁迫(-100 kPa)、中度胁迫(-200 kPa)、重度胁迫(-300 kPa)和对照(-50 kPa)。灌溉系统为地表滴灌。试验结果表明,亏缺灌溉显著地减少了夏季剪枝量,提高了果实产量。充分灌溉条件下,香梨树根长密度从树行由内向外呈递减趋势,滴灌促进了湿润体内的吸收根系的发育;距树行0.5 m,根长密度随着深度的增加而减少;距树行1 m至1.5 m,根长密度随着深度的增加而增加;距树行2 m的非灌溉区,根长密度在垂直方向上变化不显著。为适应滴灌湿润体内水分胁迫,香梨树在湿润体内及非灌溉区的吸收根系的分布均发生了显著的调整。适度水分胁迫下的根长密度增加对香梨产量有促进作用。     

基于高光谱和集成学习的库尔勒香梨黑斑病潜育期诊断

黑斑病是危害库尔勒香梨的真菌病害之一。若在黑斑病症状显证之前实现早期诊断,对于防止病害蔓延、减少经济损失具有重要的意义。结合高光谱成像技术和Stacking集成学习算法,构建了香梨黑斑病早期快速诊断模型。获取了健康、潜育期、轻度发病和重度发病的黑斑病库尔勒香梨的高光谱图像,提取感兴趣区域内的平均光谱,经标准正态变量变换、一阶导数、二阶导数及组合预处理后,利用主成分分析进行数据降维。然后,以K最近邻法(KNN)、最小二乘支持向量机(LS-SVM)和随机森林(RF)算法为基学习器,以LS-SVM为元学习器,构建了黑斑病病害程度的Stacking集成学习预测模型。结果表明,随着病害程度加深,光谱反射率整体呈下降趋势,且存在显著性差异,为分类模型的建立提供了理论依据。所建模型对健康和不同病害程度黑斑病库尔勒香梨的总体判别准确率为98.28%,对潜育期香梨的判别准确率为100%。与利用单一分类器建模结果相比,总体判别准确率和潜育期香梨判别准确率分别上升5.18、23.08个百分点。结果证明,Stacking集成学习具有较强的特征学习能力,将其与高光谱成像技术结合,能实现库尔勒香梨黑斑病潜育期的识...