植物叶片表面结构对雾滴沉积的影响分析

为探索雾滴在不同结构叶片表面沉积效果差异,试验研究138.2、176.5、209.1、235.1和283.7μm 5个粒径雾滴在毛刺、蜡质和粗糙3种表面的沉积效果,分析了各类叶片表面在与水平面呈0°、15°、30°、45°、60°和75°6个夹角时的沉积差异。对叶面结构、叶片倾角和雾滴粒径3个因素的影响程度差异进行了正交试验。结果表明,喷量相同的情况下,雾滴在蜡质及粗糙叶面沉积率随雾滴粒径增大而减小,在毛刺叶片表面,当雾滴粒径大于231.5μm时,药液沉积率随雾滴粒径增大而减小的趋势更为明显。在毛刺和粗糙叶片表面,药液沉积率随叶面倾角增大而减小;而在蜡质叶面,倾角大于45°时,沉积率会产生一次突增并超过较小倾角时的雾滴沉积率。叶片倾角对雾滴沉积率影响最大,叶面结构次之,雾滴粒径影响不显著。     

基于GPRS的远程控制温室自动施药系统设计

针对温室环境施药劳动强度大,药雾对操作人员的健康影响严重的问题,该文研究开发了一种在温室(或温室群)中基于GPRS通信技术和集散控制原理的远程控制自动施药系统。采用多线程技术和socket编程技术设计了弥雾机远程管理系统软件,用户指令基于GPRS网络在上位机端与弥雾机端之间传输。根据弥雾机的不同工作条件定义了3种工作模式并设计了不同工作模式下的数据通信格式。弥雾机以STM32芯片为控制器采用Fuzzy-PID控制策略控制输出脉冲宽度调制(pulse width modulation,PWM)信号,用SIM900A模块接收上位机数据。通过通信试验、弥雾试验及沉积试验对远程控制自动施药系统验证,结果表明:上位机软件能够准确向弥雾机发送控制指令,弥雾流量、总弥雾量误差分别在3.9%、5%以内,系统的反应时间约2.25 s,弥雾机速度设定为18 cm/s时雾滴沉积变异系数最小。该研究可为温室弥雾机的研制提供参考。     

基于粗糙集和BP神经网络的棉花病害识别

为了提高棉花病害的识别率,提出了一种在自然环境条件下基于粗糙集和BP神经网络的棉花病害识别方法。该方法以轮纹病、角斑病、褐斑病和盲椿象为研究对象,将病害棉花图像从RGB颜色空间转换到HSI和L*a*b*颜色空间,应用Otsu算法对H分量、a*分量和b*分量进行阈值分割,通过H+a*+b*分量与原始图像的交集提取棉花病斑区域,利用颜色矩和灰度共生矩阵分别提取病斑的颜色和纹理特征,并结合粗糙集理论和BP神经网络,实现特征向量的优选,和棉花病害的识别。通过比较试验发现,粗糙集理论能有效减少特征维数,使提取的全部特征向量16个减少到5个,使BP神经网络的训练时间缩短到原来的1/4,且棉花病害平均识别正确率达到92.72%。研究结果表明,该方法准确识别了4种棉花病害,为棉花病害的防治提供了有效的技术支持。     

基于远程通讯的农田信息管理系统设计与实现

为实现农田信息远程智能化管理,该文按照软件工程思想设计并实现基于远程通讯的农田信息管理系统。远程农田信息管理系统是移动式农业智能服务系统的一个重要组成部分, 是实现农田信息管理的核心。远程农田信息管理系统通过GPRS实时接收来自移动终端（农田PDA）的农田信息数据,将其存放到农田信息数据库中;按照农田处理模型对其进行分析、处理,并进行可视化表达,为农田变量控制提供决策支持。根据系统的主要功能,将系统划分为地图管理、PDA管理、数据管理和系统管理等四大模块。远程农田信息管理系统实现了农田信息的实时采集、处理、可视化和传输,为用户提供全面的决策信息和技术支持。     

基于PCA和BP神经网络的万寿菊黑斑病孢子识别

针对万寿菊黑斑病难于防治的问题,采用基于主成分分析和BP神经网络的识别方法,对万寿菊黑斑病病原菌(Alternaria tagetica)无侵染力和有侵染力的孢子进行精确识别。首先利用图像处理技术对病原菌孢子显微图像进行分割,选取3个颜色特征(R、G和V)、5个形状特征(Hu不变矩中的H2、H3、H4、H5和H6),以及3个纹理特征(R、G、B3个分量的对比度)共11个特征用于病原菌孢子分类识别。为提高识别速度和精度,利用主成分分析法(PCA)对11个特征进行优化和筛选,采用基于L-M算法的BP神经网络对万寿菊黑斑病病原菌的孢子进行分类识别。试验结果表明,经主成分分析后得到的第一、第二主成分能够有效减少BP网络训练时间和提高识别准确率,平均识别准确率达到98%。该方法能够精准识别万寿菊黑斑病病菌有侵染力和无侵染力的孢子。     

基于梯度的RHT作物行中心线检测方法研究

为保证快速、有效地检测作物行中心线,提出利用基于梯度的随机Hough变换进行作物行中心线检测。针对作物行内植物疏密情况不同分别进行作物行中心线检测分析与研究,发现该方法对不同的作物行内植物疏密情况具有良好的适应性。通过与传统的Hough变换进行对比试验发现,基于梯度的随机Hough变换能够有效提高检测速度。     

杂草叶片表面结构对雾滴铺展和蒸发的影响

为了揭示不同表面结构的杂草叶片上雾滴的铺展和蒸发情况差异,设计试验研究了0.5%草甘膦在含有系列体积分数有机硅助剂的情况下,选择228,288μm两种粒径雾滴,分别沉积于毛刺、蜡质、粗糙等3种结构叶片表面时的铺展与蒸发情况.试验过程由数码摄像机记录,以获取雾滴完全蒸发所需的时间.并使用Matlab图形处理工具箱对视频中表征雾滴最大铺展面积的数字图像作分割处理,计算雾滴最大铺展面积.结果显示,粒径相同的情况下,在同一结构的叶片表面,雾滴所含有的有机硅助剂体积分数与雾滴的铺展面积呈正相关,而与雾滴的蒸发时间呈负相关.粒径大小相同、含有机硅助剂体积分数相同的雾滴在毛刺叶片表面的铺展效果最好,而蒸发最快;雾滴在蜡质叶片表面铺展面积与蒸发时间受有机硅体积分数变化的影响最为明显;在粗糙结构叶片表面,粒径较小的雾滴受其＂沟壑＂结构影响较难铺展,而粒径较大雾滴的铺展受＂沟壑＂结构影响不明显.     

基于多值神经元复数神经网络的土壤墒情预测

为指导节水灌溉策略的制定,利用基于多值神经元的复数神经网络(multilayer neural network with multi-valued neurons,MLMVN)方法,建立了土壤墒情多步预测模型。首先,利用均值法替换样本中的异常值并对缺失值进行补充,并由数据分析知土壤墒情数据为非平稳的非线性时间序列。然后,根据土壤墒情与环境因素(降雨量、气温和风速)的相关性分析结果选择降雨量为关键环境因素。最后将土壤墒情、降雨量及目标土壤墒情复数化,作为网络输入和期望输出建立MLMVN预测模型。结果表明,网络结构为240-15-1200-1时单步预测精度为0.883,采用循环预测法进行步长为72的多步预测,平均预测精度为0.853,比实数域误差反向传播神经网络BP提高了9.1%。研究表明,MLMVN模型多步预测误差累计小,预测结果可作为该地区节水灌溉策略制定的理论依据。     

基于时延神经网络的多深度土壤含水率预测

为精准预测大田土壤含水率,并掌握不同深度土壤含水率分布规律,针对大田土壤含水率时序数据的非线性特点及相邻深度土壤含水率间具有较强关联关系,该文建立3层时延神经网络大田多深度土壤含水率预测模型,用以实现对6个不同深度(10、20、30、40、50和70 cm)土壤含水率预测。利用试验法确定预测模型的隐含层节点个数、训练学习算法和训练集样本量。试验结果表明:隐含层使用10个节点,采用L-M(Levenberg-Marquardt)训练算法,采用45%样本集数据作为训练样本,55%作为测试样本集,对所建预测模型进行预测,10和20 cm的预测相对误差小于7%,而30、40、50和70 cm的预测相对误差小于4.5%。因此利用基于时延神经网络的多深度土壤含水率预测模型,可为掌握土壤含水率分布动态变化规律提出一种解决方案。     

直注式变量喷雾机设计与喷雾性能试验

结合CAN总线和ISO11783协议,设计了基于处方图的直接注入式变量喷雾机。通过田间常量和变量施药作业试验分析了该直接注入式喷雾机的喷洒均匀性和精准度。试验结果表明：直接注入式变量喷雾机喷洒均匀,总体施药变异系数均低于10%,适合田间施药作业;变量作业时,与预期施药量相差在15%以内的作业区大于