复杂天气状况下的太阳能混合跟踪系统及控制判据

为了解决传统太阳能混合跟踪控制判据范围宽泛,不能准确识别天气情况的问题,该研究设计了一种复杂天气状况下的太阳能混合跟踪系统。通过分析非聚光与聚光条件下系统运行在不同跟踪策略下的跟踪特性,结合天气特征,提出以辐照度识别天气状况的多阈值控制判据。控制判据将天气划分为辐照度波动天气、高辐照度天气、低辐照度天气与辐照度极低天气,装置可根据外界气象变化自动调整光电跟踪、视日运动轨迹跟踪或固定倾角控制模式。该系统搭建Node-Red总控平台,采用并行控制,优化混合跟踪策略,控制信号稳定输出。试验结果表明：应用该判据的混合跟踪系统工作性能优良,非聚光条件下系统平均发电功率分别高出光电跟踪与视日运动轨迹跟踪0.03和0.16 W,聚光条件下系统平均发电功率达到0.81 W,高出光电跟踪0.03 W,高出视日运动轨迹跟踪0.55 W,由此可知,该系统能够提升光伏发电的输出电能,为太阳能混合跟踪系统的跟踪方式切换提供了理论依据。     

温室聚光光伏/温差联合发电系统的设计与性能试验

为解决温室常规能源供电能耗大及太阳能供电模式利用效率低的问题,该文根据温室特点设计了CPC(compound parabolic concentrator)型聚光光伏/温差联合发电系统,利用CPC型聚光器进行聚光,建立光伏、温差联合发电模式,采用扁平热管作为传热元件,利用水对流给系统冷却。为测试温室聚光光伏/温差联合发电系统性能,对系统的能量转换进行了分析,分析不同光辐射强度、冷却水流量对系统的影响。同时搭建了系统的试验平台,对水冷扁平热管型CPC-PV/TE联合发电系统(compound parabolic concentrator-photovoltaic/thermoelectric hybrid power generation system,CPC-PV/TE)进行试验研究,结果表明,系统联合发电效率大于单独一种发电方式的效率,实现能源的梯级利用。在CPC-PV/TE联合发电系统瞬时性能的试验期间联合效率最大可达到20.06%,发电功率最大值为125.98 W。在全天性能测试期间,CPC-PV/TE联合发电系统全天的发电效率在18.57%以上,CPC-PV/TE联合发电系统发电性能优于已有的联合发电系统,所获得的电能基本满足寒地温室内环境监控系统、照明系统的供电要求。     

基于模式识别大豆叶片氮元素含量信息采集预处理

运用基于模式识别的计算机视觉及图像处理技术对大豆叶片氮元素缺失进行无损检测。当大豆植株的氮元素缺乏时,会在颜色和纹理上有一定的特征体现。通过样本培育和采集,利用图像处理技术对特征变化进行提取,分析确定了预处理的方法,并建立了预处理系统模型。研究可初步诊断出大豆氮元素缺乏情况,为进一步的模式识别奠定基础。     

我国设施农业的现状及发展对策研究

介绍了国内外设施农业的发展概况,指出我国设施农业和外国设施农业的主要差距。对目前我国设施农业发展的现状和特点,根据实际条件,对我国设施农业的发展提出了相关发展对策。     

农村小型化变电所的方案设计

提出了适合黑龙江省农村小型化变电所的设计方案，从变压器选择、主接线方式、自动化设计等方面进行了论述，从而达到减少占地面积、降低投资的目的。     

乡(镇)级农业综合信息服务平台的研究与设计

结合黑龙江省当前农业和农村发展的实际,提出了乡(镇)级综合信息服务平台的概念,制定了乡(镇)级农业信息化解决方案,重点介绍了智能化农业信息检索系统,并对智能化农业信息检索系统进行了详细的设计,使用了Agent技术和PageRank方法建立了Multi Agent系统。     

基于微热管阵列的太阳能温差发电组件效率影响因素分析

为了提高太阳能中低温利用效率,该文将微热管应用于太阳能温差发电中,制成太阳能光热发电组件,并对组件光热转换效率、热电效率的影响因素进行分析。分析结果表明：集热器在受到外部环境、热损失的影响下,瞬时热效率优于国家规定的太阳能集热效率;在温差为30 ℃时,不同对数热电单元对转换效率几乎无影响;温差越大,热电对数对转换效率影响越大,127对热电单元,在温差为270 ℃时,提高到6.53%,转换效率要比1对热电单元要高出4.12%;相同数目温差发电片采用不同的串并联方式,对发电效率也有较大影响;负载电阻低于2 Ω,4片并联的输出功率最大;负载电阻为1 Ω时,4片并联的输出功率可达0.39 W;负载电阻介于2和15 Ω之间时,2片串联再并联的输出功率最大;负载电阻为5 Ω时,达到0.52 W;负载电阻大于15 Ω,4组件串联时其输出功率最大。     

基于改进YOLOv4-Tiny的蓝莓成熟度识别方法

为实现自然环境下蓝莓果实成熟度的精确快速识别,该研究对YOLOv4-Tiny网络结构进行改进,提出一种含有注意力模块的目标检测网络（I-YOLOv4-Tiny）。该检测网络采用CSPDarknet53-Tiny网络模型作为主干网络,将卷积注意力模块（Convolution Block Attention Module,CBAM）加入到YOLOv4-Tiny网络结构的特征金字塔（Feature Pyramid Network,FPN）中,通过对每个通道的特征进行权重分配来学习不同通道间特征的相关性,加强网络结构深层信息的传递,从而降低复杂背景对目标识别的干扰,且该检测网络的网络层数较少,占用内存低,以此提升蓝莓果实检测的精度与速度。对该研究识别方法进行性能评估与对比试验的结果表明,经过训练的I-YOLOv4-Tiny目标检测网络在验证集下的平均精度达到97.30%,能有效地利用自然环境中的彩色图像识别蓝莓果实并检测果实成熟度。对比YOLOv4-Tiny、YOLOv4、SSD-MobileNet、Faster R-CNN目标检测网络,该研究在遮挡与光照不均等复杂场景中,平均精度能达到96.24%。平均检测时间为5.723 ms,可以同时满足蓝莓果实识别精度与速度的需求。I-YOLOv4-Tiny网络结构占用内存仅为24.20 M,为采摘机器人与早期产量预估提供快速精准的目标识别指导。     

基于高光谱技术的猪肉肌红蛋白含量无损检测

为充分利用猪肉光谱与图像信息,实现猪肉肌红蛋白含量的在线检测,该研究提出一种基于深度学习模型的猪肉肌红蛋白含量无损检测方法。采用高光谱设备采集冷藏过程中猪肉高光谱图像,通过ENVI5.3选择图像感兴趣区域（Region Of Interest,ROI）,分别提取ROI平均光谱信息与主成分图像信息。利用卷积自动编码器（Convolutional Auto Encoder,CAE）提取光谱与图像信息深度特征,分别建立光谱特征、图像特征及图-谱融合特征与肌红蛋白含量之间关系的卷积神经网络（Convolutional Neural Network,CNN）预测模型。其中基于融合深度特征CNN预测模型准确度较高,该模型对脱氧肌红蛋白（DeoMb）、氧合肌红蛋白（OxyMb）、高铁肌红蛋白（MetMb）含量预测集决定系数分别为：0.964 5、0.973 2、0.958 5,预测集均方根误差 RMSEP分别为：0.015 8、0.226 6、0.381 6。为进一步验证图-谱融合特征与猪肉肌红蛋白存在对应关系,分别建立偏最小二乘回归（Partial Least Squares Regression,PLSR）、支持向量机回归（Support Vector Regression,SVR）预测模型。结果表明：CAE能充分提取图像与光谱特征;基于融合特征建立回归模型能提高肌红蛋白含量预测精度,相比于光谱信息与图像信息,以MetMb为例其分别提高5.42%、16.12%。该检测方法为肉类质量在线检测提供参考,具有好的应用前景。     

温室便携式温差发电系统的设计与试验

为解决在极端条件下,偏远地区温室大棚小功率器件,如节能灯、温度湿度监控系统、数码设备等必要用电设备的随时供电问题。该文设计了一种便携式且可持续供电的温差发电系统。该系统发电结构为一个小型的长方体发电箱,且系统总质量较轻,满足便携性。该系统采用生物质燃烧产生的热量作为热源,使用扁平热管作为导热元件,冷端利用水冷散热。使用ANSYS对系统进行仿真分析,并搭建试验平台,采集并记录相关数据,数据显示该系统热端的最高温度为270.1℃,输出的最大功率为10.7 W,热电效率最大为5.73%;结果表明,该系统具有便携性,热端温度较高,具有较高的热电效率,在极端条件下或偏远地区可实现随时发电,同时为便携式发电系统的研究与应用提供了有力依据。