基于LightGBM和处方数据的番茄病害诊断方法

为高效地挖掘植物病害处方数据并辅助精准诊断,以番茄病毒病、番茄晚疫病、番茄灰霉病3种病害为研究对象,构建基于贝叶斯优化LightGBM的番茄病害智能诊断模型,探索作物病害处方数据挖掘及其精准诊断。重点对处方原数据（文本数据标签和One-hot编码等）进行预处理,以基于Wrapper的递归特征消除法进一步提取作物病害处方数据的特征;利用基于LightGBM算法构建番茄病害诊断模型,并与K近邻（KNN）、决策树（DT）、支持向量机（SVM）、随机森林（RF）、梯度提升决策树（GDBT）、AdaBoost和XGBoost常见机器学习模型运行结果进行比较分析并进行优化;设计基于LightGBM模型的Android手机端植物医生病害诊断APP。实验结果表明,基于贝叶斯优化的LightGBM模型综合诊断准确率可达到89.11%,比其他7种机器学习模型的诊断准确率平均高3.65个百分点;同时特征选择后的LightGBM模型在保证模型准确率的基础上降低了前期数据收集难度,模型综合准确率提高至89.34%,其中番茄病毒病的诊断精确度和F1值均达到96%以上,运行时间减少了47.73%;最后通过番茄叶霉病和番茄早疫病两种病害对本文模型进行了泛化能力测试,实验结果表明该模型具有较强的泛化能力和实用性。基于LightGBM模型设计的APP可以实现用户人群友好的交互式可视化且满足实际诊断需求。     

基于光谱FOD与优化指数的银川平原土壤有机质含量反演

土壤有机质（SOM）是土壤肥力的重要组成部分,是作物生长的主要养分来源。为探究分数阶微分（FOD）联合优化光谱指数对低肥力地区SOM的反演效果,以银川平原为研究对象,对野外土壤高光谱反射率原始数据进行0~2阶FOD处理（间隔0.2阶）,构建优化光谱指数DI/RDI、DI/NDI、NDI/RDI、RDI/NDI、DI/GDI和RI/GDI,分析各指数与土壤有机质含量间的二维相关性,筛选出最佳优化光谱指数,并建立基于支持向量机（SVM）的SOM含量反演模型。结果表明：银川平原SOM含量整体偏低,其中93.05%处于四级到六级水平。土壤野外原始光谱反射率吸收特征差异明显,在1400、1900nm处有明显吸收峰。随着分数阶的不断增加,光谱反射率不断趋近于0。土壤DI/NDI、DI/GDI、RI/GDI、NDI/RDI和RDI/NDI在0~2阶最大相关系数绝对值（MACC）均小于0.80,DI/RDI在0.2~2.0阶范围内的MACC为0.9965~0.9986,其敏感波段主要集中在1450~1750nm和2100~2400nm之间。基于0.2阶微分处理的DI/RDI-SVM模型对SOM的反演精度最佳,建模决定系数R2c和验证决定系数R2p分别为0.98和0.99,相对分析误差（RPD）为4.31。研究结果可为低肥力地区的SOM含量快速、准确反演及制图提供科学依据。     

组合孔内充式油莎豆排种器设计与试验

针对油莎豆种子表面凹凸不平、形状不规则导致的流动性差,种群压实导致充种性能不佳和每穴3粒种子投种时轴向分散等问题,设计了一种组合孔内充式油莎豆排种器。对复式型孔的外孔和内孔长度进行了设计,提高了充填性能;基于最速降线原理设计了回流板曲面,理论分析了回流板上端倾角范围、安装位置及种子在回流板上运动情况;分析了种子与强制排种装置碰撞过程,设计优化了强制排种装置。利用EDEM仿真分析了种群回流运动过程和强制排种过程,探明了回流板种群运动过程,得出在倾斜角为32°的回流板安放位置回流效果较好,表明回流板可以增强种群流动性,避免种群堆积;分析证明了强制排种装置可提高排种器的集穴效果,实现3粒投种一致性。最后进行了投种一致性高速摄影试验、排种轮单排孔排种试验、双因素试验和集穴试验,通过高速摄影分析了油莎豆种子位移及速度变化规律,其结果与数值模拟基本一致,从排种轮单排孔排种试验得出3排型孔排种合格率差异不显著,双因素试验得出在复式型孔内孔长度为8mm、转速为20r/min条件下,排种器合格指数、漏播指数、重播指数可达96.4%、1.5%和2.1%。在较优内窝孔长度和回流板条件下进行集穴试验,试验结果表明在转速为10、20r/min时集穴效果最佳。     

基于改进SqueezeNet模型的多品种茶树叶片分类方法

为实现茶树叶片种类的准确、无损、快速分类,以复杂背景下6个品种的茶树叶片图像作为研究对象,通过卷积神经网络实现茶树叶片品种分类。选择经典轻量级卷积神经网络SqueezeNet,通过在Fire模块中增加批归一化处理,实现网络参数不显著增加的前提下大幅提升网络对多品种茶树叶片分类的准确率;通过将Fire模块中的3×3标准卷积核替换为深度可分离卷积,进一步缩小网络模型,降低网络对硬件资源的要求;通过在每个Fire模块中引入注意力机制,增强网络对重要特征信息的提取能力,提升模型分类性能。试验结果表明,原始SqueezeNet模型对多品种茶树叶片分类准确率为82.8%,增加批归一化处理后模型在测试集的准确率达到86.0%,参数量只有7.31×10⁵,相对于改进前参数量仅增加0.8%,运算量与改进前基本相同;将Fire模块中的3×3标准卷积核替换成深度可分离卷积后的模型在测试集的准确率为86.8%,准确率提高0.8个百分点,参数量下降至2.46×10⁵,模型参数量减小66.3%,运算量下降60.4%;引入注意力机制后的模型测试集分类准确率达到90.5%,...     

基于动态称量原理的泛函式播种施肥量检测方法

针对动态检测播种施肥量的测量系统易受振动干扰影响且难消除的问题,本文采用高压氮气弹簧的支撑力和S型传感器的拉力组合成称量式播量检测装置,利用压力和拉力之间存在力向相反、幅值呈比例的互补特性,提出了一种泛函式播量检测方法,该方法构建了以目标播量函数为变量的泛函,通过求取泛函极值确定目标播量函数。利用外槽轮式小麦播种施肥机平台,在不同目标播量（225、300、375kg/hm2）和不同车速（3、5km/h,3~7km/h变速）下开展了18组室外车载式小麦播种交叉试验,并应用泛函式播量检测方法获取累积播量和动态播量信息。累积播量的绝对相对偏差的最大值、平均值和标准差分别为5.61%、2.26%和1.58%;动态播量的检测数据在作业面积较小时（少于0.020hm2时）存在较大波动,随着作业面积的增加呈明显收敛趋势,动态播量稳定阶段（作业面积大于0.033hm2）,所有测试最大绝相对偏差为9.61%,单次测试中,最大平均值为4.73%,最大标准差为1.97%。试验结果表明,泛函式播量检测方法能有效获取动态播量和累积播量信息,为播种施肥机的播量检测提供了一种测量方法。     

履带式油菜播种机模糊自适应纯追踪控制器设计与试验

针对在丘陵山区小田块中大型农业机械运移不便、作业效率不高和田头调头操作受限等问题,设计了一种针对轻简履带式车辆的基于运动学模型和几何模型的模糊自适应纯追踪控制器。以轻简履带式油菜播种机为研究平台,结合北斗RTK构建了一套自动导航作业系统,根据播种作业需求采用有限状态机设计了田间自动导航作业控制策略。开展了模糊自适应纯追踪控制器与纯追踪控制器的仿真及实地对比试验。仿真结果表明,与纯追踪控制器相比,模糊自适应纯追踪导航控制器具有上升时间短和超调小等特点。水泥路面试验表明,当行驶速度为0.8m/s时,模糊自适应纯追踪控制器最大跟踪偏差为0.039m,平均绝对偏差为0.018m。在旱田路面前进速度0.5、0.8、1.2m/s下,直线导航跟踪最大跟踪偏差分别不大于0.082、0.086、0.092m,平均绝对偏差分别不大于0.031、0.032、0.034m。并对自动导航作业系统进行试验,试验结果表明,所设计的导航控制器直线跟踪稳定,满足丘陵山区小型田块油菜播种要求。     

电液负载敏感负载口独立多模式切换控制能效研究

针对传统电液控制系统单一工作模式能耗高、效率低等问题,提出了一种负载口独立多模式切换控制系统。该系统基于负载口独立控制,通过改变传统液压回路连接方式,为系统拓展多种节能工作模式并设计了多模式切换控制器。该控制器首先根据负载方向和速度方向,将系统切换至能量最优的工作模式;然后再根据工作模式为执行器进、出口配置最佳阀控策略,而泵控方式采用电液负载敏感方法使系统压力适应负载压力。为验证该系统在出口压力损失和能量再生两方面的节能效果,以传统电液负载敏感系统为对比对象,在小型挖掘机上进行了实验验证,并评估能效。实验结果证明,与传统电液负载敏感系统相比,采用负载口独立多模式切换控制方法在不降低运动跟踪性能的同时,能有效提高系统的能量效率,节能率达21.95%。     

基于终端滑模和扰动观测的Buck型变换器复合控制技术

目前功率变换器的控制方法以纯状态反馈为主,当干扰较大时一般需要通过较大的增益来抑制干扰的影响,而高增益控制器通常会影响闭环系统的动态或稳态性能。为进一步提高Buck型变换器控制系统的动态和稳态性能,提出了一种基于非奇异终端滑模控制方法和扰动观测技术的复合控制方案。首先,考虑外界干扰、系统不确定以及参数变化的影响,建立Buck型功率变换器的平均状态模型;其次,基于非奇异终端滑模控制方法,设计滑模控制器,实现Buck型变换器的基本电压调节功能;最后,利用扰动观测技术,构造非线性扰动观测器实现对扰动的观测,并将扰动观测值作为前馈与状态反馈结合形成复合控制,进一步改善了系统的性能。仿真和实验验证了所提方法的有效性。     

基于改进樽海鞘群算法的四旋翼飞行器姿态优化控制

针对集总干扰下四旋翼飞行器的姿态控制问题,提出了一种基于线性扩张状态观测器的快速连续非奇异终端滑模控制策略。该方法通过线性扩张状态观测器来估计和补偿集总干扰的影响,提高控制器的稳定性;借助非奇异终端滑模面有限时间收敛的特性设计控制律,加快控制器的收敛速度;控制器的稳定性分析由Lyapunov函数得以证明。引入樽海鞘群算法来优化控制器中的参数,提升控制性能。进一步地,引入一维正态云模型与自适应算子来克服参数整定算法的固有缺陷,增强其优化能力。通过仿真与试验验证了本文方法的有效性与实用性,结果表明:在阵风干扰下,本文方法比线性自抗扰控制策略具有更高的跟踪精度、更强的抗干扰能力与更快的响应速度。     

微喷周期对葡萄叶片SPAD值和叶绿素含量与产量的影响分析

为研究极端干旱区微喷灌水技术对葡萄生理和产量的影响,通过对葡萄不同生育期叶片SPAD值、叶绿素含量和产量的测定,分析不同微喷周期条件下各处理的叶片SPAD值、叶绿素含量的变化特征和相互关系及对产量的影响。结果显示:在不同喷水周期条件下,各处理的SPAD值呈先减小后增大的变化趋势,日变化值为38.31~43.8。其中,每天喷水1h处理的SPAD值日平均值最高,为42.0,之后是对照处理和每隔1d喷水2h处理,分别为41.2和40.3,每隔2d喷水3h处理的SPAD值最低,为39.3。葡萄SPAD值与叶绿素a、叶绿素b以及总叶绿素含量间相关关系显著,回归方程分别为Ca=0.1028VSPAD-2.2266、Cb=0.0796VSPAD-2.3749、Ct=0.1824VSPAD-4.4602。在葡萄品质指标和产量上,采用微喷可以提高VC含量、多酚含量和单宁含量等多项品质指标,并使葡萄平均增产5.4%,表明合理的微喷周期处理有利于提高葡萄叶片叶绿素含量,并使产量增加,而叶绿素仅是葡萄生理生长的指标之一,如光合、叶绿素荧光等指标对葡萄生理的影响仍需作更深入的研究,以期能更进一步揭示微喷条件下的葡萄增产作用机理。