基于含水率与温度补偿的土壤pH值在线实时检测系统

针对目前常用土壤pH值传感器在测量过程中受土壤含水率和温度影响较大的问题,设计了带有温度、含水率补偿模型的锑电极土壤pH值在线实时检测系统。利用最小二乘法对pH值和测量结果进行线性分析,补偿土壤pH值测量误差。试验结果表明,经过补偿之后,由温度和含水率变化导致的pH值测量误差至少可降低84. 5%,pH值测量值随温度和含水率的变化幅度不超过±0. 1。与市场产品ZD-18型土壤酸度计、HYSWR-ARC-12V型土壤含水率传感器、水银温度计对比研究得出,3项指标线性拟合决定系数均达到0. 99以上。为了确保自然环境下土壤pH值测量的适用性,探索了系统在使用过程中土壤含水率的阈值与测量精度,表明在土壤体积含水率大于5%的情况下均可有效测量。试验表明,在pH值3. 06～10. 36范围之内,本系统可有效测量,检测误差为-1. 53%～3. 51%,满足土壤pH值实时在线测量要求。     

基于无人机遥感与卷积神经网络的草原物种分类方法

基于无人机高光谱成像遥感系统,在400～1 000 nm波段内采集低矮、混杂生长的荒漠草原退化指示物种的高光谱图像信息。分别在退化指示物种的开花期、结实期和黄枯期进行飞行实验,飞行高度30 m,高光谱图像地面分辨率2. 3 cm。采用特征波段提取与深度学习卷积神经网络相结合的方式,提出一种荒漠草原物种水平分类的方法,结合植物物候给出了中国内蒙古中部荒漠草原物种分类的推荐时相,总体分类精度和Kappa系数平均值分别达到94%和0. 91。研究结果表明,无人机高光谱成像遥感技术及深度卷积神经网络可以较好地实现荒漠草原退化指示物种的分类,与基于径向基核函数的支持向量机、基于主成分分析的深度卷积神经网络分类法相比,基于特征波段选择的深度卷积神经网络分类法效果最好,分类精度最高。无人机搭载高光谱成像仪低空遥感和卷积神经网络法提供了一种草原物种水平分类的途径。     

基于声谱图纹理特征的蛋鸡发声分类识别

为有效地辨别蛋鸡不同类型声音,了解蛋鸡的健康状况以及个体需求,提高生产效率的同时改善蛋鸡福利化养殖,提出一种基于声谱图纹理特征的蛋鸡发声分类识别方法。以海兰褐蛋鸡的声音为研究对象,将图像处理和声音处理技术相结合,由一维声音信号转换为二维图像信号,二维声谱图中的纹理特征呈现了蛋鸡声音的更多细节信息。最后,利用2D-Gabor滤波器提取蛋鸡发声声谱图中的声纹信息,并采用人工神经网络模型进行训练和分类识别。试验结果表明,本文方法平均灵敏度和平均精确度不低于92. 0%,风机噪声识别灵敏度达99. 3%,鸣叫声识别灵敏度最低,为76. 0%。     

钙果梳刷采摘仿真分析与试验

钙果成熟期,挂果枝条倒伏率达80%以上,机械化采收困难。为解决枝条倒伏问题,提出梳刷式钙果田间采收方案,梳刷采摘装置主要包括梳刷部件与运动机构两部分。梳刷部件贴近地面,将倒伏枝条扶起,并将枝条喂入梳齿间隙。梳齿间隙宽度介于果实直径与枝条直径之间,果实随部件上升,同时与枝条分离。设计了梳刷部件采收过程所需的机械机构,并对机构进行动力学仿真及有限元分析,完成机构强度校核。试验表明:梳齿间隙设定为10 mm,可以使梳刷部件同时满足枝条喂入和果实分离;试验样机采收率为80.6%;梳刷部件采摘率＞95%,破损率＜1%;采收装置的采摘率与梳刷部件运动轨迹相关。      

玉米育种播种机械化国内外现状及发展趋势

玉米育种试验系统的现代化程度成为了成功选育新品种的关键性因素,机械化播种作业可以提高试验精度,加快试验进程,提高效率。分析了国内外玉米育种播种机械化的现状,简要介绍了国内外玉米育种精量播种机尤其是排种器的研究类型与现状,提出了我国发展玉米育种播种机械化所面临的问题及发展趋势。      

不同施肥处理对温室葡萄园土壤速效养分含量的影响

为了研究不同施肥处理对温室葡萄园土壤速效养分含量的影响,以早熟“6-12”葡萄为研究对象,在陕北风沙区开展了不同施肥处理的田间试验.以传统沟灌施肥为对照,同时设置滴灌施肥处理,设置高肥T1、中肥T2、低肥T3 3个水平,滴灌灌水量相同.结果表明:不同施肥处理对温室葡萄园不同时期土壤速效养分含量变化的差异具有统计学意义.在葡萄新梢生长期,处理T2的(0,50］ cm土层中速效氮质量比最大,有利于该时期葡萄植株的营养生长,为后期积累产量提供良好基础.在葡萄果实膨大期和着色成熟期,(0,50］ cm土层中速效磷和速效钾质量比最大的为处理T2,对葡萄增产提质具有显著的促进作用.综上所述,滴灌中肥处理T2为适宜本地区温室葡萄栽培的有效施肥方式.另外,研究发现“大水大肥”的传统灌溉施肥方式会导致更多肥效流失,养分向深层土壤迁移,污染地下水,破坏生态环境.     

作物行识别算法的虚拟试验方法

针对作物行识别算法的传统开发过程对田间作物生长周期依赖性较强,错过适当的田间图像采集时期将直接导致算法开发周期延长等问题,提出一种基于虚拟场景的作物行识别算法测试方法,即在虚拟环境下模拟农田作物行场景和图像采集系统,运用虚拟作物行图像测试作物行的识别算法。该方法在虚拟现实环境下建立作物行场景模型;提出一种融合建模法,根据作物和杂草的几何特征建立对应的三维几何模型;根据实际田间作物的空间分布特征,建立株距、行距可调的田间作物行模型;以Vega Prime为视景仿真工具,通过配置投影模式、渲染模式、视点位姿和图像采集规格,构建图像采集系统,输出作物行场景图像。以苗期棉花作物行为建模对象,对一种经过田间试验验证的双目视觉作物行识别算法进行测试试验。对比实际棉田图像对应的试验结果,同一作物行识别算法的识别正确率、偏差角和图像处理时间均相近。结果表明,本文建立的虚拟棉田作物行与实际棉田作物行场景相近,能够用于作物行识别算法的测试。     

基于改进NSGA-Ⅱ算法的拖拉机传动系统匹配优化

为实现拖拉机动力传动系统的最优化匹配,提高整机动力性和燃油经济性,提出一种基于改进非支配排序遗传算法（Non dominated sorting genetic algorithm Ⅱ,NSGA-Ⅱ）的拖拉机传动系统匹配优化方法。该方法引入正态分布交叉算子,在保证解集质量的基础上,扩大空间搜索范围,同时加入差分进化变异算子,抽取其中的差分向量与NSGA-Ⅱ算法结合,从而避免算法陷入局部最优,改善种群分布性。随后,以变速箱各挡传动比为输入变量,以驱动功率损失率和比燃油消耗损失率均最低为优化目标,通过分析拖拉机设计理论车速、传动比公比、驱动附着力限制等约束条件,建立了变速箱传动比匹配优化模型,利用改进算法对拖拉机变速箱传动比进行优化,并与原NSGA-Ⅱ算法及加权遗传算法进行对比。分析结果表明,改进NSGA-Ⅱ算法求得的解集分布评价指标SP优于原NSGA-Ⅱ算法,表明Pareto最优解分布更均匀,且更接近测试函数的真实Pareto前沿。经本文算法优化后,理论上拖拉机驱动功率损失率和比燃油消耗损失率分别降低了41.62%和62.8%,运输挡头挡爬坡度可提高2.35%,整机综合性能得到明显改善,且优化效果均优于对比算法,验证了本文方法的有效性,可为拖拉机传动系统设计与优化提供一定参考。     

整叶类蔬菜清洗机设计与试验

针对整叶类蔬菜清洗过程中整叶、低损伤、有序的要求,设计了以气浴和水流为清洗动力的整叶类蔬菜清洗机。确定了清洗工艺流程,进行了清洗机整体结构设计,针对菜叶遇水粘附、上浮等清洗难点,模拟人工清洗过程,设计料筐周期性上下振动方式清洗。对清洗机清洗槽和过滤装置、气泡发生装置、水流喷射装置等关键部件进行设计,实现设备自动化运转。针对喷气管路进行流体动力学模拟仿真,对不同气流流速下的气相分布情况进行研究,确定气流流速范围为2~8m/s,用以指导风泵的选型。选定气流流速6m/s作为参数,对不同喷气孔径、喷气孔间距的管路进行模拟仿真,以气相分布均匀程度作为评价指标,得出最优管路参数为喷气孔径8mm、喷气孔间距50mm。以整棵菠菜为清洗物料,选定清洗量、清洗时间、气浴强度作为因素,各选定三水平,同时设定空白列,进行四因素三水平正交试验。清洗试验以破损率和洗净率作为评价指标,按照破损率和洗净率各占0.5的权重进行正交试验分析和方差分析。清洗试验结果表明,清洗量、清洗时间、气浴强度对菠菜洗净率、破损率影响显著,最佳菠菜清洗参数清洗量为4kg、清洗时间为120s、气浴强度为5m/s。     

河西走廊戈壁植物特征及其与沙漠植物的差异

戈壁与沙漠同属于荒漠土地类型，其植物生长互相交叉。为揭示戈壁植物与沙漠植物的差异，以甘肃河西走廊为例，运用戈壁调查资料和沙漠调查资料做了初步分析。结果表明:河西走廊戈壁分布的有15个科47种，其中以藜科、蒺藜科、豆科和菊科较多。典型戈壁植物主要有红砂、骆驼刺、戈壁藜、珍珠猪毛菜、松叶猪毛菜和膜果麻黄等。戈壁植物与沙漠植物的区别:典型戈壁植物的垂直根系十分发达，水平根系相对较弱，且一般不具备根蘖能力；典型沙漠植物的水平根系十分发达，一般都具有很强的根蘖能力，且喜欢风蚀沙埋，沙埋后能产生不定根，风蚀的根茎可产生枝叶。该文不仅为研究荒漠植物的土壤生态类型和植物的迁地保护以及引种驯化研究提供理论基础，而且在荒漠植被保护中具有现实意义。