水稻秧盘育秧播种生产线电控式软硬秧盘自动供盘装置

为有效提高水稻秧盘育秧播种生产线的生产率,满足轻简化栽培技术要求,降低农民育秧成本,减轻劳动强度,解决现有自动供盘装置振动冲击大、供盘可靠性不稳定的问题,设计了一种可嵌放软塑秧盘的复合托盘和水稻秧盘育秧播种生产线电控式软、硬秧盘自动供盘装置。该装置以STM32单片机为控制核心,由接近开关检测等待供送的层叠秧盘,控制秧盘供送装置上的舵机实现对层叠秧盘的自动升落与供送。通过理论分析,建立了嵌入式复合托盘受力模型,确定了复合托盘的工作参数;设计了舵机升盘转轴机构、抬升指、输送装置等关键部件。为检测电控式自动供盘装置的工作稳定性,系统地进行了振动特性测试分析;以硬塑秧盘为试验对象,供盘成功率为试验指标,进行了三因素三水平的正交试验,结果表明,叠盘偏差范围对供盘成功率有显著影响,减小叠盘偏差能有效提高供盘成功率;通过分析试验结果,采用改进的渐进式导向板,实现对叠盘偏差纠错,并分别进行硬塑秧盘和嵌入式复合托盘嵌放软塑秧盘的试验研究,改进后的装置性能显著提高,硬塑秧盘的供盘成功率达100%。采用嵌入式复合托盘进行软塑秧盘自动供盘试验,软塑秧盘的供盘成功率大于98%,满足水稻秧盘育秧播种生产线自动供盘技术要求。     

高校实验技术队伍建设的现状、问题与对策

实验室是高校教学、科研的重要基地,实验技术队伍则是教学和科研队伍的重要组成部分。实验技术队伍的建设是实验室建设的核心,以人为本,重视实验技术队伍的建设是充分发挥高校实验室作用的关键。本文在分析延安大学实验技术队伍现状的基础上,对目前高校实验技术队伍建设中存在的普遍问题及其对策进行了探讨。     

基于ViT-改进YOLOv7的稻田杂草识别

为解决光线遮蔽、藻萍干扰以及稻叶尖形状相似等复杂环境导致稻田杂草识别效果不理想问题,该研究提出一种基于组合深度学习的杂草识别方法。引入MSRCP（Multi-Scale Retinex with Color Preservation）对图像进行增强,以提高图像亮度及对比度;加入ViT分类网络去除干扰背景,以提高模型在复杂环境下对小目标杂草的识别性能。在YOLOv7模型中主干特征提取网络替换为GhostNet网络,并引入CA注意力机制,以增强主干特征提取网络对杂草特征提取能力及简化模型参数计算量。消融试验表明：改进后的YOLOv7模型平均精度均值为88.2 %,较原YOLOv7模型提高了3.3个百分点,参数量减少10.43 M,计算量减少66.54×10⁹次/s,有效提高模型速度与精度。识别前先经过MSRCP图像增强后,改进YOLOv7模型的平均精度均值提高了2.6个百分点,模型对光线遮蔽、藻萍干扰以及稻叶尖形状相似的复杂环境下平均精度均值分别提高5.3、3.6、3.1个百分点;再加入ViT分类网络后,模型平均精度均值进一步提高,较原模型平均精度均值整体提升了4.4个百分点,在复杂环境下的平均精度均值较原模型整体提升了6.2、6.1、5.7个百分点。ViT-改进YOLOv7模型的平均精度均值为92.6 %,相比于YOLOv5s、YOLOXs、MobilenetV3-YOLOv7、YOLOv8和改进YOLOv7分别提高了11.6、10.1、5.0、4.2、4.4个百分点。研究结果可为稻田复杂环境的杂草精准识别提供支撑。     

基于触感引导的小型水田行进底盘自动对行方法

为了解决小型水田底盘因路径偏差导致的稻苗碾压损伤问题,该研究提出一种基于触感引导的自动对行方法。采用自制的感测器获取稻株定位历程触感数据,通过数据的分割阈值设定、区域谷值提取、横向距离标定获得感测器与稻株的横向距离。根据水稻机械化移栽行距规整性,利用行距与定位数据几何关系校验稻株定位数据,解算获得稻列方向相邻稻株中点位置,实现对行目标点坐标提取。基于时变坐标系跟踪方法,控制转向电机实时校正路径偏差,实现小型水田底盘自动对行。田间性能试验表明：当行进速度为0.5m/s时,自动对行绝对误差平均值为3.11cm、绝对误差标准差为1.10 cm、绝对误差最大值为4.75 cm,研究成果为水田环境作业底盘自动导航提供了新思路和借鉴。     

改进Hough变换的农作物病斑目标检测方法

为了能够快速、准确地对农作物病斑进行图像检测,该文根据病斑的形态特点,提出一种基于边缘检测与改进Hough变换的病斑目标检测方法。该研究根据不同种类的病害图像,采用R、G、B或者之间的差值分量确定病斑的特征图像,采用边缘提取、修复、过滤等方法获取病斑轮廓。对Hough变换的应用策略进行改进,采用边缘线编码,每个病斑根据自身形态确定变换的参数,并采用对应的圆形对病斑边界进行拟合,从而对病斑进行检测,同时对病斑边界进行有效识别。以90幅不同种类农作物病害图像为研究对象,对病斑进行类圆目标检测,检测圆拟合精度为87.01%,圆心定位误差为4.44%。结果表明,该方法能够快速、准确地对类圆病斑进行检测,同时对病斑边界有较好的识别效果。     

基于模糊聚类的玉米大斑病害图像的分割技术

通过颜色空间的转换,将RGB颜色空间转化为HSI颜色空间,在色度H空间对玉米大斑病图像进行分割。应用模糊聚类分析的方法,确定了图像分割的阈值。对186幅玉米大斑病图像进行分割试验,分割的准确率为97．8％。分析表明,准确的病害图像分割可以为病害的特征值提取和病害的模式识别做好准备。     

基于机器视觉的超级稻秧盘育秧播种空穴检测技术

针对超级稻育秧播种量少,易出现空穴而影响产量的问题,对超级稻高速连续秧盘育秧播种的空穴进行了在线检测。在秧盘育秧流水线的播种和覆表土工序之间加入检测系统,CCD摄像机不断地拍摄穴盘图像,并建立与穴孔相对应的掩模图像,利用定时读取程序,读取缓存中的图像信息。通过图像处理和分析,有效地识别了穴盘空穴,将检测结果以电子表格的形式存储在穴盘空穴数据库中,以供人工补种,进一步降低了秧盘育秧空穴率,提高了超级稻精准育秧的成秧率。     

水稻秧盘育秧精密播种流水线软硬秧盘自动叠放装置

设计了一种能实现水稻秧盘育秧精密播种流水线硬、软秧盘自动叠放的装置,有效地提高了流水线的生产率,并减轻了劳动强度。该装置以可编程控制器PLC为控制核心,由接近开关检测待叠秧盘,控制秧盘升降机构实现秧盘升降的自动叠放,采用土壤防漏机构的气动移动盖板来防止秧盘内的土壤在叠盘过程中发生侧漏而使种子外露。为检测自动叠盘装置的工作性能,以叠盘成功率及种子外露率为指标,以秧盘升降机构的升降速度、盖板方式和生产率为影响因素,设计了三因素三水平正交试验。试验结果表明,升降速度对叠盘成功率影响较大,盖板方式和升降速度对种子外露率影响较大;当升降速度为0.15 m/s、采用气动移动盖板和生产率为600~800盘/h时,硬、软秧盘的叠盘成功率分别为100%与99%~100%;硬、软秧盘的种子外露率最大分别为0.28%与0.60%,试验指标满足水稻秧盘育秧精密播种流水线育秧技术使用要求。     

基于DeepLabV3+的稻田苗期杂草语义分割方法研究

稻田杂草位置获取是靶向喷施除草剂和机械智能除草的基础,为实现自然光照环境和水田复杂背景下稻田苗期杂草的信息获取。以稻田恶性杂草野慈姑为研究对象,提出一种基于全卷积神经网络的稻田苗期杂草语义分割方法,利用DeepLabV3+对秧苗和杂草进行语义分割进而获取的杂草位置信息。首先人工田间采集稻田苗期杂草野慈姑的RGB图像,通过图像标注工具LabelMe人工标注图像中秧苗、杂草和背景的各个像素点,70%数据集用于DeepLabV3+网络模型参数的训练,30%数据集用于测试DeepLabV3+性能。然后与FCN和U-Net两种语义分割方法进行比较,所提出的DeepLabV3+语义分割方法准确率、均正比、频权交并比和F值等性能指标都最优,试验得出：DeepLabV3+模型像素准确率最高达到92.2%,高于U-Net和FCN方法的准确率92.1%和84.7%。所提出的方法能对稻田苗期杂草、秧苗和背景像素进行准确分割,满足智能除草和除草剂靶向喷施的实际应用需求。     

分蘖期深施液体氮肥对水稻分蘖及产量影响

针对现有的水稻蘖肥追施技术及装备不足等问题,设计了一种射流式液体肥施肥器。该施肥器利用高速水射流的卷吸及切割作用,卷吸并混合液体肥料形成肥水射流;利用高速的肥水射流切割稻田土壤,同时完成肥料注入深施。为研究新的施肥方式对水稻生长过程中关键生理指标的影响,进行了不同蘖肥追施方式的茎蘖动态和产量特性对比试验。试验设3个处理:采用射流式施肥器进行追肥(处理A),传统撒施追肥(处理B)和空白对照(处理C)。试验结果表明:在分蘖方面,3个处理分蘖趋势都是先增后减,采用射流式施肥器进行蘖肥追施的处理A分蘖发生早且增长迅速,早于撒施追肥的处理B到达最大分蘖,但总茎蘖数小于处理B,成穗率高于处理B;在产量方面,处理A的产量相对于处理B具有明显的提升,处理A和处理B的有效穗数、穗长及千粒质量差异较小,产量提升主要源于穗粒数和实粒数的增加。