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     

农业移动终端无线数据传输技

针对农业信息采集与传输的特点,基于TCP/IP协议研究了移动式农业信息智能服务系统的数据管理和传输方法,设计了移动终端与上位机之间的计算机网络应用层无线数据传输协议,研究了数据传输形式、传输格式和传输内容.初步应用表明,该协议适用于移动式农业信息智能服务系统,并具有一定的通用性和扩展性.应用层协议标准化有利于实现农业信息的共享.     

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。     

基于稀疏自注意力和可见-近红外光谱的土壤氮含量预测

氮是影响作物生长的关键因素,精准获取土壤氮含量是实施各类农田水肥管理技术的基础。利用可见-近红外光谱技术可以快速检测土壤氮含量,预测模型精度和泛化能力是制约将光谱技术应用于土壤氮含量检测的瓶颈。为此,提出了一种基于稀疏自注意力和可见-近红外光谱的土壤氮含量预测模型(Visible-near-infrared reflection spectrum and sparse transformer,VNIRSformer)用于提升预测精度和泛化能力。模型由输入层、嵌入层、编码器、解码器、预测层和输出层组成。采用大型公开数据集(Land use/cover area frame statistical survey,LUCAS)训练模型以提升模型泛化能力。实验测试VNIRSformer模型在15种不同光谱波长间隔下的性能,发现：随着波长间隔增加,预测精度先升后降,模型规模不断变小。波长间隔为1 nm时模型预测精度最低,RMSE为0.47 g/kg,R2为0.78。波长间隔为5 nm时模型预测精度最高,RMSE为0.35 g/kg,R2为0.89。当波长间隔从0.5 nm增加至1 nm时,模型规模下降最快,下降比例约为72%。当增加至5 nm后,模型规模匀速下降,下降比例约为5%。综合考虑模型规模及性能,最佳波长间隔设为5 nm。与6种不同预测模型（2种卷积神经网络、传统自注意力模型、偏最小二乘回归、支持向量机回归和K近邻回归）进行对比实验,发现：VNIRSformer模型性能最佳,RMSE为0.35 g/kg,R2为0.89,RPD为2.95。测试VNIRSformer对不同等级的土壤氮含量预测能力,发现：VNIRSformer模型能够较好预测小于5 g/kg的土壤氮含量。将VNIRSformer模型直接应用于自采数据集,发现：R2下降约0.17,表明模型具有一定泛化能力。研究表明,选取波长间隔为5 nm的光谱数据作为VNIRSformer模型输入,预测性能最佳,规模适中;稀疏注意力机制有助于提升模型预测精度,降低模型训练时间;预测模型具有一定泛化能力。研究结果可为基于可见-近红外光谱的土壤氮含量预测技术田间实际应用提供理论支持。     

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GIS的农田土壤水分状况管理模型及应用

基于GIS开发了土壤水分和土壤电导率的简单专题图及精细专题图模块。简单专题图为运行于农田PDA的嵌入式GIS系统提供采样异常点检查验证;精细专题图为运行于上位机的农田信息处理系统提供信息可视化管理。简单专题图调用GIS组件方法获得并据此建立了采样管理模型;精细专题图中,土壤水分采用克里金插值算法预测的均方根百分比误差（RMSPE）为5.489%;土壤电导率插值模型采用泛克里金算法预测的RMSPE为18.451%。基于精细农田信息专题图,根据特定作物不同生长时期需水量的专家推荐值建立了土壤水分管理模型,利用该模型进行的一次灌溉决策显示,土壤含水率方差从灌溉前的1.9168调整到了灌溉后的0.8906。试验表明,采样管理模型能够指导田间采样,农田水分管理模型能够指导农田灌溉。     

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％.