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     

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HYDRUS-3D模型的微润灌溉土壤水分入渗模拟

掌握土壤水分入渗规律对于合理制定灌溉方案、设置灌溉参数和改进灌溉技术有重要意义。为探究微润灌溉条件下土壤水分入渗规律,利用HYDRUS-3D有限元模型对微润灌溉下土壤水分入渗进行了数值模拟,讨论了初始压力水头和土壤质地对土壤水分入渗的影响。数值模拟结果显示：在土壤水分入渗的垂直剖面上湿润体以微润管为中心呈同心圆状向外扩散,扩散速率与初始压力水头呈正相关。模拟试验周期为36h,分3个时间段进行土壤水分扩散速率的计算,0~5h内土壤水分平均入渗速率为1.85cm/h,6~15h内的平均入渗速率为0.79cm/h,16~36h内的平均水分入渗速率为0.59cm/h。土壤含水率最大值出现在微润管周围,向外围呈减小趋势。相同时间内土壤湿润峰运移距离随初始压力水头的增大而增大,微润灌溉下水分入渗速率在3种质地的土壤（砂壤土、壤土、粘壤土）中依次增大,并测得在压力水头为-180cm时整个模拟周期中3种质地土壤的平均水分扩散速率分别为：0.69、0.53、0.46cm/h。研究表明,土壤含水率和水分扩散速率随压力水头的增大而增大,随土壤黏粒含量的增大而减小。     

自动对靶施药系统中植物病害识别技术的研究

植物病害识别属于实时性较强的小样本模式识别。作为一种新机器学习方法支持向量机能够有效解决小样本学习、非线性及高维模式识别等问题。在提取图像颜色特征色度矩的基础上,利用SVM对患有红蜘蛛的棉花进行病害识别,获得较高的识别率和识别速度。     

基于径向基支持向量机的棉花虫害识别

针对棉花受棉蚜、棉叶螨、棉盲蝽、斜纹夜蛾和烟粉虱等害虫为害后叶片表面出现不同症状,利用计算机视觉技术识别棉花虫害.通过获取受害棉花叶片图像,预处理后转换至2G-R-B空间,结合Otsu算法实现色斑分割,提取色斑图像R变量、(R +G+B)/3变量的一阶矩、二阶矩和三阶矩为颜色特征,提取非色斑图像拓扑描述子和Hu不变矩为形状特征,提取2层双树复小波变换的细节图像均值和方差为纹理特征,并应用径向基支持向量机识别棉花棉蚜、棉叶螨、棉盲蝽、斜纹夜蛾、烟粉虱等虫害和正常叶片.试验结果表明,当径向基参数σ为3时,棉花虫害识别正确率达88.1％.     

基于Visual C++的精确定时技术与应用

为了保证实时控制系统的控制精度,往往要求能精确定时。在Visual C＋＋中提供多种定时方案,对常见的几种定时方法进行了对比、分析。针对精准施药系统的定时要求,分别采用Ouery Performance—Frequency（）和QueryPerformancecounter（）函数及多媒体两种方法进行定时。经过测试,表明两种方法均能够满足系统提出的定时精度要求,但前者与计算机的硬件配置有关,因此在精准施药系统中采用基于多媒体的定时方法。     

温室弥雾机控制系统的设计

为实现温室环境人机分离自动变量施药,设计基于Wi-Fi与模糊控制的自走式自动变量风送弥雾机。施药系统以STM32单片机为核心,在Eclipse开发环境下采用Socket编程技术实现移动端与弥雾机端双向通信。为满足施药技术要求,采用Mamdani模型制定施药控制规则,将虫害覆盖率和茄子冠层高度参数作为模糊控制模型的输入,根据施药控制规则自动控制电磁阀和继电器以调控喷雾流量和控制施药时间,共同完成弥雾机变量施药。通过流量测定、模糊控制及自动与手动弥雾的沉积试验对施药系统进行验证,结果表明:1)施药控制系统可根据占空比准确调控喷雾流量,且占空比与喷雾流量线性度较好,拟合度为R~2=0.996 4,满足该设计喷雾范围要求。2)采样点与喷头距离为1~3m时对单位面积雾滴有效沉积量影响显著,且随着茄子冠层高度的增大和蓟马覆盖率的提高均会使单位面积雾滴沉积量显著提高。3)自动弥雾与手动弥雾沉积量的相对误差不超过0.8%,可满足变量喷雾的实际需求。     

基于图像处理的雾滴检测技术

通过模拟田间实际喷雾情况,利用图像采集系统采集雾滴图像,对其进行增强和分割等预处理,并对粘连雾滴提出用改进的分离粘连雾滴算法进行了分离处理.基于相同样本,用图像处理方法获得的雾滴粒径分布及覆盖率等参数与激光粒度仪测量结果的对比分析表明,利用图像处理技术检测雾滴分布参数,其测量误差在6%以内.     

基于RSM和GA的温室风送式弥雾机喷雾效果优化分析

为了研究不同喷雾参数优化方法对温室风送式弥雾机喷雾效果的影响,在试验的基础上,分别运用二次多项式回归和BP神经网络,建立了温室风送式弥雾机喷雾分布均匀性响应面模型.结果表明: BP神经网络响应面模型的相关系数、均方根误差分别为0.987 1,0.134 0,而二次多项式响应面模型的相关系数、均方根误差分别为0.928 2,0.215 9,BP神经网络模型较高的相关系数和较低的均方根误差说明其拟合精度较高;对二次多项式回归模型寻优,预测的雾滴分布变异系数最小值为1.47%,实际值为1.58%;采用BP神经网络协同遗传算法寻优,雾滴分布变异系数预测值和实际值分别为1.21%,1.28%;表明在喷雾参数优化中,基于BP神经网络的遗传算法比二次多项式响应面法具有更好的准确性.      

基于Gabor小波和颜色矩的棉花盲椿象分类方法

为了提高棉花盲椿象测报精度,提出了一种在自然环境下基于Gabor小波和颜色矩的棉花盲椿象自动分类方法。该方法以5种棉花盲椿象为研究对象,利用Gabor小波和颜色矩分别提取盲椿象图像的纹理和颜色特征,并结合主成分分析和支持向量机,实现了棉花盲椿象的分类。通过特征提取与优化试验发现,利用主成分变换得到的第1主成分、第2主成分和第3主成分分量累计贡献率为87.3%,且聚类效果较好;通过棉花盲椿象分类试验得出,经过主成分分析与径向基核函数支持向量机相结合的棉花盲椿象分类效果最好,其训练时间为89 ms,分类正确率达91%。该方法能准确对棉花盲椿象进行分类与识别。