1SZ-460型杠杆式深松机设计与试验

深松作业可以打破犁底层,在不翻动土壤的前提下可有效改善土壤的透水、透气性能,为植物根系提供更大的伸展空间.本文针对普通深松机械作业中存在的牵引阻力大、土壤松碎效果差等问题,研制出一种基于杠杆原理的振动式深松机.深松铲形式为窄凿型,能最大限度地保护土壤、减少水分蒸发.样机在30cm耕深时振动作业与无振动作业的牵引阻力对比试验表明,振动深松作业可有效降低机具牵引阻力,降阻幅度可达13%～18%.     

山西色素椒品种比较试验及未来育种目标

为筛选出适合在山西地区种植的色素椒品种,作者以本地5个色素椒品种为试验材料进行了品种比较试验。试验结果表明,综合考虑生育期、农艺性状、抗病性、产量,北京红的综合表现最好,其植株较高,主茎分支较少,果实深红色,抗病毒病、炭疽病、疫病,每667 m²干椒产量达398.6 kg,适宜在山西地区示范种植。若生育中期采收鲜色素椒上市,定襄油椒和红椒F1在改良抗病性和株型后其产量提升空间较大。山西色素椒未来的育种目标为株高70 cm左右,株型开展,主茎分支少,枝条硬挺,果色深红,果面竖向有褶皱,口感香辣,高抗病毒病、炭疽病、疫病,产量高。     

基于激光传感器的播种参数监测方法

目前玉米播种参数监测多采用红外光电监测的方式,易受灰尘和落种碰撞影响,且传感器安装在导种管的上部,双粒重叠种子在上部无法分开进而导致传感器计为单粒种子,计数准确率下降。针对以上问题,该研究提出一种基于激光传感器的播种参数监测方法。该方法以激光传感器为信号捕获源,采用单片机为主控制器,将传感器安装在导种管底端,实现对播种量、合格率、漏播率、重播率等参数的实时监控。抗灰尘模拟试验表明:采用激光监测的方法传感器能够在灰尘较大的工作条件下正常工作。在穿透透明物体的状态下播种数量监测平均相对误差不大于1.15%,合格率、漏播率、重播率监测平均绝对误差低于0.5个百分点。安装在导种管底端的激光传感器对从排种口排出的双粒重叠种子监测的准确率达到95.4%,而安装在导种管上部的红外传感器监测准确率低于7.0%。结果表明采用激光监测的方法具有可靠的工作性能,满足实际播种参数监测的需要。     

基于支持向量机和ReliefF算法的玉米品种抗倒伏预测

针对目前玉米品种抗倒伏鉴定方法费时、费力，玉米抗倒伏品种选育周期长的问题，该研究采用高光谱成像技术结合统计学习方法在玉米营养生长期开展品种抗倒伏预测。于2018年和2019年开展田间试验采集不同抗倒伏的8个玉米品种的高光谱成像数据，基于区域识别方法提取感兴趣区域（Region of Interest，ROI）的光谱曲线，分析抗倒样本和不抗倒样本的数据特性；然后分别采用过滤式特征选择算法ReliefF（Relevant Features）和主成分分析（Principal Component Analysis，PCA）结合ReliefF算法的方式，挖掘抗倒品种和不抗倒品种的光谱分类特征；最后使用交叉验证的方式，对ReliefF方法选择的原始光谱数据特征数量和PCAReliefF方法选择的主成分特征数量进行优化，分别建立ReliefF-SVM和PCAReliefF-SVM支持向量机（Support Vector Machines，SVM）分类模型，并对SVM模型的惩罚参数和核参数进行优化，以获得更好的模型预测效果。结果表明：经过特征优化，2018年试验和2019年试验分别选择了40和50个特征参与建模，且使用PCAReliefF方法选择的主成分特征与使用ReliefF方法选择的原始光谱数据特征相比，几乎不含有冗余特征；通过对支持向量机模型的惩罚参数和核参数进行优化，2018年试验ReliefF-SVM和PCAReliefF-SVM模型对预测集样本的抗倒伏分类预测正确率分别为84.17%和85 %，2019年试验模型分类预测正确率分别为84.17%和85.83%。可见，采用高光谱成像数据和统计学习方法可以实现对玉米品种抗倒伏的早期预测，使用PCAReliefF-SVM模型比ReliefF-SVM分类模型综合性能更优，试验为玉米抗倒伏品种的高效筛选提供了方法和借鉴。     

基于黄河生态文化振兴构建农职教育人体系的路径探索

黄河生态文化振兴的关键在于黄河文化引领育人。基于农职教赋能黄河生态文化振兴的困境问题，围绕构建“爱农、强农、兴农”的农职教育人体系，提出了以黄河文化为引擎，实施“校村合作、项目带动”模式，探索了农业职业教育赋能黄河生态文化振兴的有效路径：文化引领、双融驱动、协同创新。以期为山东省内外黄河流域生态文化振兴和现代农业职业教育的协同发展提供参考。