哀牢山区大叶茶种植的气候优势和类型分区

分析了哀牢山区域大叶茶种植的气候资源优势，确定了降水、相对湿度、年雾日等大叶茶气候区划指标，划分了大叶茶在哀牢山区种植的不同类型区域。     

基于多层感知器神经网络对遥感融合图像和TM影像进行土地覆盖分类的研究

８０年代以来，人工神经元网络（ＡＮＮ）技术的应用不断向广度和深度发展．用不同空间分辨率的ＴＭ和ＩＲＳ遥感图像进行融合，综合了不同传感器数据所提供的信息，增强了图像的清晰度，改善了解译效果。用多层感知器神经网络对遥感融合图像进行分类，分类精度达９５％，比用多层感知器神经网络对ＴＭ图像进行分类（分类精度达７３％）效果要好．     

近代黄河三角洲东营农业综合试验区的滨海盐渍土及其改良利用的研究 Ⅲ.稻草还田的培肥改土效应

近代黄河三角洲滨海氯化物盐渍土在开发种稻的条件下，鉴于其土壤肥力瘠薄及盐分危害，实施稻草还田，能够明显地改善土壤的养分及其它不良的理化性状，增产效果显著．     

近代黄河三角洲东营农业综合试验区的滨海盐渍土及其改良利用的研究 Ⅱ.盐渍土小麦高产栽培

近代黄河三角洲所呈现的暖温带半干旱与半湿润的季风气候，影响若当地盐渍化土壤的季节变化，对冬小麦正常生长关系窃切．在生产实践上，完善排灌工程，搞好农田建设，结合灌溉、施肥等综合的水肥调控措施，能在颇大的程度上消除或减轻盐渍化的危害，为冬小麦高产提供条件．     

高效脱色菌的特性及其在染化废水厌氧处理中的生物强化作用

从活性污泥等微生物源中分离、筛选获得10株高效脱色菌，经鉴定其属于Pseudomonas,Bacillus，Xanthomonas，Erwinia，Alealigenes，Plesiomonas。对艳红染料生产废水脱色试验表明最适温度30℃，pH6.6～8.0，湿细胞浓度20～30!g*L-1;静置培养（兼氧）脱色率高于振荡培养；外加NADH、NADPH、易降解有机物和有机废水可强化脱色菌的脱色性能。为实现脱色菌的资源化应用，试验将PseudomonasD18,ErwiniaD17,AlcaligenesD19andPlesiomonasD124株脱色菌制成混合培养物和固定化细胞，分别投加于处理染化废水的厌氧反应器，结果发现在相同COD负荷、水力负荷条件下，投加固定化细胞的反应器，其脱色率可提高5!%～10!%，出水苯胺浓度提高40!%～65!%。电镜观察发现脱色菌在胶团内外持留、增殖。厌氧反应器性能的改善主要通过功能性微生物生物量和相关基因库量的增加而实现。     

冬小麦水分胁迫效应及节水高效灌溉指标体系

在冬小麦的各个生育期，水分胁迫均显著影响小麦矿质营养的吸收、干物质的累积及光合作用等过程，根据时各试验处理麦株个体、群体的生理、生态分析，确立冬小麦各生育期的节水灌溉指标体系。该体系除土壤含水量外，还包括根系湿润层厚度、细胞液浓度、叶水势、蒸腾强度、气孔导度和叶片N、P、K的浓度等指标。     

基于SSA-LSTM的玉米土壤含氧量预测模型

土壤含氧量（Soil oxygen content,SOC）是影响作物生长的重要土壤环境因素之一,具有时序性、不稳定性和非线性等特点,精确预测土壤环境中含氧量的变化趋势,有助于制定更加合理的土壤通气增氧方案。本研究提出基于麻雀搜索算法（Sparrow search algorithm,SSA）和长短时记忆（Long and short-term memory,LSTM）神经网络预测模型,利用国家土壤质量湛江观测实验站记录玉米种植期间的气象环境和土壤环境数据,基于SSA-LSTM模型对SOC变化进行预测及相关性分析,并与传统的BP预测模型、LSTM预测模型、GA-LSTM预测模型及PSO-LSTM预测模型进行对比。试验结果表明,SOC与降雨量、土壤含水率、土壤温度、土壤充气孔隙度相关性极显著,相关系数高于0.8,与大气温度和风速相关性显著,与大气湿度和土壤呼吸速率相关性较弱。SSA-LSTM模型预测精度明显高于其他4组对照预测模型,R2达到0.95979,RMSE仅为0.4917%,MAPE为3.7331%,MAE为 0.3620%,预测值与试验值之间的拟合程度高。本研究可为土壤含氧量变化的精准预测及土壤通气增氧技术的应用推广提供理论支撑与科学依据。     

基于改进ResNet18模型的饲料原料种类识别方法

为了解决饲料生产过程中入仓原料种类采用人工取样感官识别所存在的问题,实现原料种类自动识别,以玉米、麸皮、小麦、豆粕、鱼粉等大宗饲料原料为研究对象,自主设计搭建了多通道入仓原料种类自动识别装置,采集饲料原料图像数据集,并使用数据增强的方法增加样本多样性。基于ResNet18网络模型加入通道注意力机制、增加Dropout函数,并嵌入余弦退火法的Adam优化器,引入迁移学习机制训练模型,构建适用于饲料原料种类识别的CAM-ResNet18网络模型。CAM-ResNet18网络模型的原料种类验证准确率达99.1%,识别时间为2.58ms。与ResNet18、ResNet34、AlexNet、VGG16等网络模型相比,模型验证集准确率分别提升0.6、0.2、3.7、1.1个百分点。针对混淆矩阵结果分析,测试集识别平均准确率达99.4%,具有较高的精确度和召回率。结果表明,构建的CAM-ResNet18网络模型在饲料原料种类识别方面具有较高的识别精度和较快检测速度,自主研发的多通道入仓原料种类自动识别装置具有实际应用价值。     

曲轴摆缸式阀配流水液压马达工作特性研究

为解决盘配流和轴配流低速大扭矩水液压马达配流副存在的磨损和泄漏问题,提出一种新型阀配流结构的低速大扭矩水液压马达,柱塞配流通过配流凸轮控制配流阀的通断实现。研究柱塞运动学规律和马达输出扭矩形成,揭示配流阀推杆位移、阀芯通断、柱塞进回液间的对应关系,分析马达角排量波动随转角、结构设计参数K的变化规律,当结构设计参数K为0.13时,马达输出扭矩波动率为6.59%。在AMESim中建立了配流阀及单柱塞配流过程的仿真模型,分析配流阀的工作特性及单柱塞动态配流性能,工作中配流阀产生最大压降为0.08MPa,进/回液配流阀无高低压串液。为验证阀配流结构在水液压马达中的工作性能,建立阀配流单柱塞试验台,并研究不同工况下的配流工作特性。试验结果表明,配流阀在马达转速0~60r/min、压力0~21MPa的工况下稳定配流,进液阀口压力在柱塞腔进回液转换时存在瞬间小幅压力波动,但对配流过程基本无影响,阀配流结构能够满足曲轴摆缸式马达柱塞的配流需求,为低速大扭矩水液压马达的配流提供了思路。     

基于WGAN和MCA-MobileNet的番茄叶片病害识别

针对番茄病害识别模型参数量大、计算成本高、准确率低等问题,本文提出一种基于多尺度特征融合和坐标注意力机制的轻量级网络（Multi scale feature fusion and coordinate attention MobileNet, MCA-MobileNet）模型。采集10类番茄叶片图像,采用基于Wasserstein距离的生成对抗网络（Wasserstein generative adversarial networks, WGAN）进行数据增强,解决了样本数据不足和不均衡的问题,提高模型的泛化能力。在原始模型MobileNet-V2的基础上,引入改进后的多尺度特征融合模块对不同尺度的特征图进行特征提取,提高模型对不同尺度的适应性;将轻量型的坐标注意力机制模块（Coordinate attention, CA）嵌入倒置残差结构中,使模型更加关注叶片中的病害特征,提高对病害种类的识别准确率。试验结果表明,MCA-MobileNet对番茄叶片病害的识别准确率达到94.11%,较原始模型提高2.84个百分点,且参数量仅为原始模型的1/6。该方法较好地平衡了模型的识别准确率和计算成本,为番茄叶片病害的现场部署和实时检测提供了思路和技术支撑。