扬糯麦1号8000 kg hm~(–2)以上高产群体质量指标

糯小麦因其独特的品质特性而在食品加工等领域有广泛的用途,但其高产栽培配套技术却鲜有研究,制约了该特种小麦的生产。2010年11月至2013年6月连续3个生长季,以扬糯麦1号为材料,通过密度和氮肥施用量及不同生育期施氮比例处理,构建不同产量水平群体,研究不同群体的产量结构及群体质量特征,以明确高产群体的产量结构及群体质量指标。结果表明,扬糯麦1号≥8000 kg hm–2高产群体的产量构成三要素特点是每公顷520~550万穗、每穗43~46粒、千粒重32~37 g。高产群体拔节期最适茎蘖数为穗数的2.3~2.5倍,茎蘖成穗率为44%~49%,分蘖成穗率为25%~33%,孕穗期和乳熟期的最适叶面积指数(LAI)分别为6.2~6.5和3.2~4.0,开花期干物质积累量为10 000~11 600kg hm–2,花后干物质积累量达5900 kg hm–2以上,适宜粒叶比达0.36粒cm–2叶和12.40 mg cm–2叶以上。高产群体各生育时期LAI值、花后干物质积累量和粒叶比均高于中高产群体(7500~8000 kg hm–2)及中产群体(7500 kg hm–2)。3年中扬糯麦1号均达到高产指标的小区具有以下特征:基本苗为225×104 hm–2,总施氮量为240 kg hm–2,氮肥运筹(基肥∶壮蘖肥∶拔节肥∶孕穗肥)比例为5∶1∶2∶2。     

长江中游不同玉稻种植模式产量及资源利用效率的比较研究

发展长江中游玉米生产是解决本区域玉米产需矛盾的根本途径。近年来随着长江中游玉米的快速发展,该地区出现了春玉米–晚稻、双季玉米和早稻–秋玉米等新型的一年两熟制种植模式,为探明其适应性和实用性,2013—2014年在湖北省武穴市设置了传统种植的双季稻(对照)、春玉米–晚稻、双季玉米和早稻–秋玉米共4种两熟制种植模式,分析比较其周年产量及光、温、水资源利用效率和经济效益。结果表明,春玉米–晚稻和双季玉米周年产量显著高于早稻–秋玉米和双季稻。与双季稻相比,春玉米–晚稻周年产量、光能生产效率、光能利用率、积温生产效率、水分利用率及经济效益分别提高18.3%、14.1%、23.4%、16.4%、37.2%和44.3%,双季玉米分别提高了13.5%、8.1%、26.1%、11.4%、88.8%和37.8%。春玉米其产量、积温生产效率、水分利用率及经济效益两年平均比早稻分别高出30.6%、29.5%、57.2%和96.1%,而秋玉米和晚稻之间产量无显著差异。不同玉稻模式周年产量差异主要源于第一季春玉米和早稻产量的差异。可见,春玉米–晚稻和双季玉米是适宜在长江中游推广的两熟制种植模式。     

以科学发展观统领和指导农村水利

水利是农业的命脉，农业现代化必须有水利的支撑。2000年，根据中央的治水方针，水利部党组提出了从工程水利向资源水利转变，从传统水利向现代水利、可持续发展水利转变的新时期治水思路，拉开了水利现代化的序幕，并于当年12月在苏州召开了部分省、市推进农村水利现代化研讨会。在会上，探讨了加快实现农村水利现代化建设的重要性、必要性，提出了农村水利现代化的内涵、标准、措施和要求。     

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。     

秸秆燃气技术在养鱼温室中的应用前景

中国生物质能资源的贮量较为丰富，在中国总的能源消耗中，尤其在中国农村能源消耗中，所占的比重较大。为了合理和有效地开发生物质能资源，中国积极开发沼气、省柴灶和气化等能源技术。将来，秸秆气化气将作为一种洁净的能源被广泛采用。在黑龙江省的某些地区，秸秆气化养鱼温室技术将成为一种极具潜力的生物能利用方式，并会取得明显的能源、环境和经济效益。     

绕流波动特性对不同区域流动传热影响

为研究换热设备后向台阶内置圆柱模型的强化传热机理,采用Fluent进行数值模拟,并通过PIV粒子图像测速方法验证模拟结果的可靠性.研究雷诺数为700后向台阶内置圆柱(X_c/S=0.6,Y_c/S=1.0,d=6 mm)时,后向台阶流道不稳定流动的周期性,以及周期波动对流道不同区域传热的影响.研究结果表明：在过渡流状态下,流道周期速度波动受两基波频率影响,即台阶影响的频率f_s=7.25 Hz和受圆柱影响的频率f_c=14.10 Hz;f_c主要作用在流道上游局部区域,上游回流运动被破坏,努赛尔数瞬时峰值提高2.52倍;f_c促进台阶振动频率f_s提前产生,下游温度梯度减小,瞬时努赛尔数逐渐减小;台阶分离流体与圆柱尾流共同作用使得流道换热效果整体提升,同时壁面摩擦系数也增大.     

基于半实物仿真的丘陵山地拖拉机电液悬挂控制试验

针对丘陵山地拖拉机电液悬挂控制系统田间试验困难、可重复性差等问题,基于半实物仿真技术开展电液悬挂控制系统试验研究。首先通过对试验拖拉机和悬挂作业装置进行受力分析,建立了丘陵山地拖拉机整机动力学模型、铧犁体的土壤阻力模型和拖拉机悬挂装置动力学模型。然后对丘陵山地拖拉机电液悬挂系统横向仿形控制、位控制、牵引力控制以及力位综合控制的系统原理进行了分析,设计了丘陵山地拖拉机电液悬挂模糊PID控制器。之后搭建拖拉机电液悬挂控制系统半实物仿真试验平台,开发电液悬挂控制系统,开展电液悬挂系统仿地形控制、力控制、位控制和力位综合控制等试验,对比分析模糊PID控制和经典PID控制方法性能。试验结果表明,模糊PID控制性能较好：在位置控制模式下,模糊PID控制无超调,控制系统响应时间为0.6s,较经典PID控制提高约33.3%;耕深控制系统稳态误差约为0.05cm,较经典PID控制降低约50%;在力控制模式下,模糊PID控制耕深的跟随误差最大值为0.38cm,标准差为0.17cm,较经典PID控制分别下降了64.5%、39.3%,验证了所开发的电液悬挂控制系统的有效性。     

利用多时序激光点云数据提取棉花表型参数方法

当前,能够实现作物表型参数高效、准确的测量和作物生育期表型参数的动态量化研究是表型研究和育种中亟待解决的问题之一。本研究以棉花为研究对象,采用三维激光扫描LiDAR技术获取棉花植株的多时序点云数据,针对棉花植株主干的几何特性,利用随机抽样一致算法（RANSAC）结合直线模型完成主干提取,并对剩余的点云进行区域增长聚类,实现各叶片的分割;在此基础上,完成植株体积、株高、叶长、叶宽等性状参数的估计。针对多时序棉花激光点云数据,采用匈牙利算法完成相邻时序作物点云数据的对齐、叶片器官对应关系的建立。同时,对各植株表型参数动态变化过程进行了量化。本研究针对3株棉花的4个生长点的点云数据,分别完成了主干提取、叶片分割,以及表型参数测量和动态量化。试验结果表明,本研究所采用的主干提取及叶片分割方法能够实现棉花的枝干和叶片分割。提取的株高、叶长、叶宽等表型参数与人工测量值的决定系数均趋近于1.0;同时,本研究实现了棉花表型参数的动态量化过程,为三维表型技术的实现提供了一种有效的方法。     

基于K-means聚类和RF算法的葡萄霜霉病检测分级方法

针对自然环境复杂背景下葡萄霜霉病检测分级困难的问题,提出了一种基于语义分割结合K-means聚类和随机森林算法的葡萄霜霉病检测分级方法,实现对葡萄霜霉病快速分级。构建了葡萄霜霉病数据集,采用HRNet v2+OCR网络建立葡萄叶片语义分割模型,提取复杂环境下葡萄叶片;采用K-means聚类算法将葡萄叶片分解为若干子区域图像,并标记少量数据集进行随机森林算法学习,实现葡萄叶片病斑分割与提取;同时在叶片提取和病斑提取过程中,设计一种像素尺寸变换方法,解决图像分辨率引起的精度低问题。基于HRNet v2+OCR网络的葡萄叶片分割模型的准确率为98.45%,平均交并比为97.23%;融合K-means聚类和随机森林(RF)算法的葡萄叶片正面、反面和正反面霜霉病病害分级准确率分别为52.59%、73.08%和63.32%,病害等级误差小于等于2级时的病害分级准确率分别为88.67%、96.97%和92.98%。研究结果表明,基于K-means聚类和随机森林算法的葡萄霜霉病检测分级方法能够准确地分割自然环境复杂背景下的葡萄叶片和葡萄霜霉病病斑,并实现葡萄霜霉病分级,为葡萄霜霉病精准防治提供了方法和...     

玉米精密播种粒距在线监测与漏播预警系统研究

针对玉米精密播种粒距偏差导致播量分布不均匀的问题,设计了玉米精密播种粒距在线监测与漏播预警系统。该系统主要由车载计算机、排种监测ECU及相关传感器组成,设计了上位机监测软件和基于移动平均粒距在线监测的下位机程序,通过监测玉米精密播种作业过程中的粒距及其误差,完成漏播预警。首先,设计并进行了排种计数监测精度试验,结果表明,在模拟车速3～12 km/h范围内,以1 km/h递增变化的10个车速下,系统对指夹式排种器和气吸式排种器的排种计数监测平均准确率分别为99.12%、99.71%,标准差分别为0.52%、0.44%,总体排种计数监测误差平均值小于1%。其次,基于高速摄像的播种粒距测量试验台进行了实验室环境下的粒距监测精度试验,采用指夹式排种器进行排种,目标粒距为25 cm,在车速3～12 km/h范围内,以1 km/h为间隔的10个车速下,系统对粒距监测误差绝对值的平均值为2.34 cm,标准差为2.56 cm。针对试验结果存在较多的随机异常点问题,采用移动平均滤波对监测粒距进行分析,得出粒距监测误差绝对值的平均值为0.79 cm,标准差为0.62 cm,单车速下对应的粒距监测误差绝对值的平均值最大为1.69 cm,标准差为0.23 cm,经移动平均滤波处理后,粒距误差异常点明显减少,系统粒距监测误差小于2.00 cm。最后,基于气吸式玉米精密播种机设计了试验样机,设置播种车速为5.49、8.49 km/h,目标粒距为25 cm,进行了田间播种粒距监测精度试验,分别采集350个连续的出苗粒距进行对比分析,结果表明,与出苗粒距移动平均值相比,系统粒距监测误差的平均值分别为1.84、2.22 cm,标准差分别为1.61、2.13 cm,粒距监测值曲线与出苗粒距移动平均值曲线的变化趋势基本相同。