土壤墒情评价指标研究进展

在现代农业中,准确有效的测量土壤含水量是推行精量灌溉技术、提高水资源利用率的基础.为了更好地预测墒情并及时采取应对措施,综述了国内外广泛应用的各类土壤墒情指标并将其归纳为单项指标和综合指标两类,单项指标包括降水量指标、土壤含水量指标、作物旱情指标等;综合指标包括作物供需水指标、作物水分综合指标、PSDI指标、作物缺水指标等评价了土壤墒情指标的优缺点以及在农业上的适宜性,为减缓和预防土壤墒情对农业的不良影响及制定科学的政策提供依据.     

Lab色彩模型下梯度Hough圆变换的成熟草莓识别

自然生长状态下的草莓,果实密集,形状多变,枝叶遮挡率较高,使用机器采摘对成熟草莓的图像识别具有一定的难度。针对这个问题,提出了Lab色彩模型下采用梯度Hough圆变换的成熟草莓识别方法。以自然生长状态下的草莓图像为研究对象,在Lab色彩模型空间里对图像分割及阈值化并采用梯度Hough圆变换等方法,识别成熟草莓并计算出草莓中心。试验结果表明,对随机选取的100张草莓图片,该方法识别成熟草莓的相对偏差为1.07%,对枝叶遮挡、成熟草莓相互遮挡等情况,具有较好的识别效果。与传统的Hough变换相比,这一方法节省了运行内存,提高了时间效率,能够满足机器采摘对成熟草莓识别率与定位的要求。     

农用机器人转向系统自适应内模控制

针对农用机器人转向系统状态和控制具有复杂、时滞和增益时变的特性,将Adaline神经网络(ANN)与内模控制相结合,提出一种在线调整时滞时间和控制增益的自适应控制方法。建立基于Adaline网络的增益与时滞的辨识算法,即通过反馈误差在线优化,适应性地调整时滞时间和增益,克服参数时变对内模控制和被控对象模型的影响。仿真和试验结果表明,与常规的PID控制方法相比,该方法具有较高的控制精度、较强的自适应性和鲁棒性,完全适用于农用机器人转向系统的控制。     

基于基因表达式编程的番茄叶片CO2交换率建模与预测

针对现有作物生长建模方法存在的不足,引入基因表达式编程算法,开展番茄叶片CO₂交换速率与主要环境因子关系的建模和预测研究。采用基因表达式编程算法建立番茄叶片CO₂交换速率模型,并将该模型与经典的回归模型及神经网络模型进行预测性能比较。经过3组数据的实验和对比,结果显示,基因表达式编程模型具有最高的预测精度和最佳的预测时效性,同时该算法的复杂度与神经网络相当。研究表明,基因表达式编程算法是一种性能良好的作物建模工具,可作为现有方法的补充。     

基于ZigBee的农业通用无线监测系统设计

根据农业监测的特点,采用低功耗ZigBee无线通信技术,设计一个多参数无线监测系统。遵循通用化和模块化设计思想,传感器和功能模块可组合配置,通用性强,使用灵活、方便。采用低功耗通信协议、芯片以及太阳能充电技术,延长监测电源寿命。该系统可广泛应用于设施农业、农业园区等场所的参数自动监测。