中国大田无人农场关键技术研究与建设实践

智慧农业是现代农业的发展方向,无人农场是实现智慧农业的重要途径。为了探索和推广无人农场在现代农业中的应用,华南农业大学对大田无人农场的关键技术进行了深入研究,包括无人农场作业环境、作业对象和作业机械装备信息的数字化感知技术;土地整治、耕整、种植、播种、田间管理和收获方案的智能化决策技术;农机自动导航和农机精准作业的精准化作业技术;农作物生长、农机运维和农场经营管理的智慧化管理技术。2020年在广东增城创建全球首个水稻无人农场,实现了五大功能,包括耕种管收生产环节全覆盖,机库田间转移作业全自动,自动避障异况停车保安全,作物生产过程实时全监控,智能决策精准作业全无人。取得了显著的经济、社会和生态效益,2021 年广东增城水稻无人农场种植的优质丝苗米十九香产量达到9934.35 kg/hm²,比当地的平均产量高32%;2023年湖南益阳千山红镇再生稻无人农场两季产量达到18625.5 kg/hm²,说明了人不下田也能种地,也能种好地。截至2023年11月,在国内15个省启动了 30 个无人农场的建设,包括水稻、小麦、玉米和花生4种作物,实践结果证明了无人农场和智慧农业发展的巨大潜力,为解决“谁来种地”和“如何种地”提供了重要途径。     

In Vitro and In Vivo Dendritic Cell Immune Stimulation Effect of Low Molecular Weight Fucoidan from New Zealand Undaria pinnatifida

Low molecular weight fucoidan (LMWF) has been reported to have immunomodulation effects through the increase of the activation and function of macrophages. In this study, the regulating effect of LMWF from Undaria pinnatifida grown in New Zealand on dendritic cells (DCs) was investigated. We discovered that LMWF could stimulate DCs’ maturation and migration, as well as CD4+ and CD8+ T cells’ proliferation in vitro. We proved that this immune promoting activity is activated through TLR4 and its downstream MAPK and NF–κB signaling pathways. Further in vivo (mouse model) investigation showed that LMWF has a strong immunological boosting effect, such as facilitating the proliferation of immune cells and increasing the index of immune organs. These findings suggest that LMWF has a positive immunomodulatory effect and is a promising candidate to supplement cancer immunotherapy.     

基于轻量型残差网络的自然场景水稻害虫识别

准确识别水稻害虫对水稻及时采取防护和治理措施具有重要意义,该研究以自然场景中水稻害虫图像为研究对象,针对水稻害虫图像的颜色纹理与背景相近以及同类害虫形态差异较大等特点,设计了一个由特征提取、全局优化以及局部优化模块构成的轻量型残差网络（Light Weight Residual Network,LW-ResNet）用于水稻害虫识别。在特征提取模块通过增加卷积层数以及分支数对残差块进行改进,有效提取自然场景中水稻害虫图像的深层全局特征并使用全局优化模块进行优化;局部优化模块通过设计轻量型注意力子模块关注害虫的局部判别性特征。LW-ResNet网络在特征提取模块减少了残差块的数量,在注意力子模块中采用深度可分离卷积减少了浮点运算量,从而实现了模型的轻量化。试验结果表明,所设计的LW-ResNet网络在13类水稻害虫图像的测试数据集上达到了92.5%的识别准确率,高于VGG16、ResNet、AlexNet等经典卷积神经网络模型,并且LW-ResNet网络的参数量仅为1.62×106个,浮点运算量仅为0.34×109次,低于MobileNetV3轻量级卷积神经网络模型。该研究成果可用于移动端水稻害虫的自动识别。     

咸蛋黄快速腌制过程中理化性质变化规律

该研究以新鲜蛋黄为原料,利用快速腌制模具,探究在咸蛋黄的上表面添加食盐单侧腌制过程中,食盐添加量和腌制时间对咸鸡蛋黄快速腌制过程中形貌特征和理化性质变化规律的影响。借助多种仪器分析手段对蛋黄腌制过程中形貌与物性的变化、水分及盐分的迁移规律进行了表征。低场核磁及成像结果表明：在腌制过程中,蛋黄中的水分不断向外迁移,含水率显著降低,当增加食盐的添加量和延长腌制时间,会加快水分的迁移速率;原子吸收结果表明：增加食盐添加盐量越多和腌制时间越长盐分迁移速率越快,质构、色差结果共同表明咸蛋黄腌制过程中,由于水分的向外迁移和盐分的向内渗入,使得蛋黄的蛋白质发生聚集使颜色加深;同时与市售整个腌制后分离的鸡蛋黄产品相比,当腌制时间为7d,添加盐量为3%;腌制时间为3d,添加盐量为5%时,所得的样品与市面的成品咸鸡蛋黄的感官品质及量化指标差异不显著（P<0.05）,为咸蛋黄单侧腌制技术提供理论的可行性。     

结合Sentinel-2影像和特征优选模型提取大豆种植区

准确获取大豆的空间分布对于产量估计、灾害预警和农业政策调整具有重要意义,目前针对种植结构复杂地区所开展的大豆遥感识别研究鲜有报道。该研究以安徽省北部平原的典型大豆产区——龙山、青疃镇为研究区,基于Sentinel-2数据提出一种分层逐级提取策略的大豆识别方法。该方法首先构建决策树筛选规则,剔除研究区内非农田地物,获得田间植被的总体分布;然后生成19个候选特征因子,包括分辨率小于等于20 m的10个波段反射率以及9个植被指数。在典型地物类型样本的支持下,将ReliefF特征权重评估算法与随机森林(RandomForest,RF),BP神经网络(Back-Propagation Neural Network,BPNN)和支持向量机(Support Vector Machine, SVM)相结合,分别构建ReliefF-RF、ReliefF-BPNN、ReliefF-SVM三种组合模型筛选出对于大豆识别最有效的特征,并基于布设在研究区内6个样方(大小为1 km×1 km)的无人机影像提取得到的大豆分布来评估3种模型在大豆制图中的表现。结果表明,ReliefF-RF模型表现最佳,基于该模型筛选出7个优选特征因子,大豆制图的总体精度介于85.92%～91.91%,Kappa系数在0.72～0.81之间,各个样方的提取效果均优于其他两种模型。此外,基于优选特征达到的提取精度明显高于原始波段反射率,虽然略低于全部19个特征的结果,但是数据量降低了63.16%。该研究可以为农田景观破碎、种植结构复杂地区的大豆种植区提取相关研究提供有价值的参考和借鉴。     

无人机点射式水稻播种装置控制系统设计与试验

针对当前无人机水稻撒播难以成行成穴、落种易受旋翼风场干扰和播种均匀性不佳等问题,该研究结合点射式水稻播种装置和飞行控制器设计了一套播种控制系统,开发了配套的地面站功能,并制作了样机。控制系统基于PID算法实现排种器步进电机的转速闭环控制,通过标定模型对振动电机激振力和摩擦轮电机转速进行控制,并根据状态机设计播种控制程序。以3倍丸粒化稻种为对象,从播种量准确性、播种成行性和播种均匀性3个方面对样机的播种性能进行验证并优选合适的播种参数。试验结果表明：无人机模拟飞行的播种量准确性测试中,样机以1.0～2.5 m/s的作业速度进行播种时,播种量的平均相对误差小于4%,控制系统具有较好的动态调节能力。实地飞播测试中,样机以1.0和1.5 m的高度播种时,种子分布在12 cm种行宽度内的平均概率超过80%,成行性较好。考虑安全因素,优选1.5 m为样机的适宜作业高度。在作业高度为1.5 m,3倍丸粒化稻种的播种量为90～150 kg/hm2（对应裸种的播种量22.5～37.5 kg/hm2）,作业速度为0.5～2.0 m/s时,播种均匀性变异系数为20.51%～35.52%。进一步分析发现,适当提升作业速度可提高播种均匀性。田间试验结果表明,播种量的相对误差分别为2.47%和4.12%,播种均匀性变异系数分别为22.17%和21.82%,种子破损率分别为0.34%和0.18%,满足相关标准的水稻飞播精度控制要求。研究结果可为无人机水稻直播技术提供参考。     

电动多旋翼植保无人机升力特性综合测评方法

升力特性是电动多旋翼植保无人机性能测试的重要参数之一。为了实现对电动多旋翼植保无人机升力特性的性能检测,针对不同型号、不同规格的电动多旋翼植保无人机在评价过程中存在无统一的评价指标问题,该文提出了一种半系留式电动多旋翼植保无人机升力特性的测试与评价方法,包括性能检测平台、升力特性测试方法及指标、升力特性的评价方法。为了验证方法的可行性,对3种不同机型(分别为四旋翼机型Ⅰ、六旋翼机型Ⅱ、八旋翼机型Ⅲ)进行了升力特性指标的性能测试试验。试验结果表明:3种机型在功率载荷、重量效率、热效比等方面有较大差异,功率载荷最好的机型Ⅲ比最差的机型Ⅰ大7.6 m N/W,重量效率最好的机型Ⅰ比最差的机型Ⅱ大0.33,热效比最好的机型Ⅲ比最差的机型Ⅱ大10.5 N/℃,反映出3种机型在设计过程中整个动力系统效率、机型整体结构和材料选择上的差异,从而在整机作业性能上表现出差异。在上述指标测试的基础上,结合无人机动力系统数学模型,提出了运用功率载荷、重量效率和热效比进行电动多旋翼植保无人机升力特性综合评价的评分方法,对上述3种机型进行综合评分的结果为:机型Ⅲ机型Ⅰ机型Ⅱ,该结果表明所提出的评价方法能有效对不同类型电动多旋翼植保无人机的升力特性进行综合评判。该文所给出的测试与评价方法,不仅能用于电动多旋翼植保无人机性能的评测,还能为机型性能的进一步改进提供参考。     

基于“3414”模型研究宁夏盐池县玉米氮磷钾施肥效应

2008年在盐池县具有代表性的土壤类型上进行了玉米＂3414＂试验,结果表明：地力贡献率为54.84%,说明土壤属于中等肥力。N、P、K对玉米产量影响大小顺序为N〉P〉K,增产效果居首位的为氮肥,施用纯N 240 kg/hm2的增产效应达到2 751.45 kg/hm2;P肥的增产幅度次之,施用纯P 120 kg/hm2的增产效应达到1 023.45 kg/hm;施用纯K 75kg/hm2的增产效应为236.7 kg/hm2。在不同肥料的交互作用中,N×P的交互作用对产量影响最大,N×P〉N×K〉P×K。施氮（N）量为360 kg/hm2,施磷量（P）为107.81 kg/hm2,施钾量（K）为4.30 kg/hm2时,玉米产量最高为7 652.23 kg/hm2。玉米产量与N、P、K肥料效应回归模型为三元二次多项式回归模型,经显著性检验达到极显著水平,可以为玉米生产施肥提供借鉴。     

长江上游流域土地利用对面源污染影响及其差异

基于遥感与地理信息系统技术,对比分析了长江上游流域2000—2006年土地利用变化;利用输出系数模型,计算了土地利用引起的面源污染负荷,并从面源污染TN和TP负荷量、负荷强度和不同来源等角度,综合分析得出长江上游流域土地利用变化对面源污染影响及其差异。2000—2006年,长江上游流域耕地面积减少约1.10×104km2,林地面积增加约1.10×104km2,其他土地利用变化很小,表明西部大开发以来,天然林资源保护、长江防护林和退耕还林等工程实施效果明显。长江上游流域土地利用造成的TN和TP负荷量2000年分别为114.14×104t和3.39×104t,2006年分别为111.21×104t和3.31×104t。四川省西北部雅砻江中游流域、大渡河上游流域、岷江上游流域和贵州省北部乌江中游流域,2000—2006年面源TN和TP负荷显著减少。     

气动侧摆关节的动态特性

针对目前气动关节存在的缺点,提出了采用气动柔性驱动器(flexible pneumatic actuator,FPA)直接驱动,模拟人手指侧摆运动的侧摆关节。介绍了侧摆关节的工作原理。根据热力学第一定律,结合关节的动力学方程,推导建立了关节的转角及输出力矩的动态模型,并进行了仿真分析研究了关节的动态特性;试验研究了侧摆关节的动态特性,分析了关节转角及输出力矩的实际动态响应较慢原因;采用了串联双闭环控制方法,对关节的转角及输出力矩进行了控制研究,结果表明:期望角度为15°时,关节转角闭环动态响应时间约为0.3s,稳态相对偏差小于0.65%;期望输出力矩为188N?mm时,闭环输出力矩动态响应约为0.3s,稳态相对偏差小于1.5%。侧摆关节可控性高,可满足多指灵巧手关节设计要求。