仿蛛网农田无线传感器网络抗毁性量化指标体系构建

为解决传统抗毁性量化指标无法准确描述网络组件失效的耦合关系和全局作用,难以有效归纳、继承蛛网抗毁性机制与规律的问题,该文提出了一套基于节点平均路径数和节点、链路平均使用次数的人工蛛网模型抗毁性量化指标体系,评测失效网络组件的全网影响度和权重等指标。仿真试验表明该指标体系可有效量化评价不同规模的人工蛛网模型的抗毁性,测评各网络组件的抗毁性权重占比,其中,节点、弦链、辐链分别占50%、39.44%、10.56%,同时与传统抗毁性量化指标相比,该文提出的指标具有独特的优势。田间试验结果表明节点遭受不同程度损坏时,仿蛛网部署仍可通过备用链路进行数据传输,相较非交叠分簇部署、栅格部署具有更优的抗毁性。人工蛛网模型抗毁性量化分析可为优化农田无线传感器网络部署,实现规模化可靠应用提供参考。     

基于微生物燃料电池供能的无线温度传感系统设计

微生物燃料电池(microbial full cell,MFC)是利用微生物作为生物催化剂将碳水化合物转化为电能的装置。针对MFC输出电压低、功率小、内阻大的特点,该文研制了一种具有最大功率点跟踪(maximum power point tracking,MPPT)功能的能量收集电路和两级升压电路;基于MSP430和CC2500芯片设计了环境温度传感系统。测试结果表明,MFC的输出电压维持在316～390 mV范围内,实现了最大输出功率的跟踪,MPPT电路和升压电路分别输出1.1和3.5 V电压;无线温度传感器以每13ms的周期将环境温度无线传输到远程终端,验证了环境温度传感系统在最大功率点处对无线传感器网络节点供电工作的可行性,可为实现MFC主动式能量收集提供参考。     

气体传感器鉴别花椒产地研究

目前花椒产地鉴别基本以感官评定为主,缺乏客观性,在实施应用时难以做到量化和标准化,难以做出判断。因此设计研发一种快速鉴别花椒的智能装置。该装置以气体传感器阵列为核心,能够独立对花椒气味信息进行检测和鉴别,区分不同产地的同类花椒。利用主成分分析和WilksΛ统计分析对检测数据进行处理。提取主成分5个,累积贡献率为94.41%,其对应Fisher判别模型训练集平均准确率达到88.6%,验证集90%,WilksΛ统计分析最终选取8个变量,其对应判别Fisher模型训练集平均准确率91.82%,验证集95%。对WilksΛ统计所选取变量建立细分类交叉验证的Fisher判别模型,平均正确率达到97.27%,将模型移植到采集装置,完成智能花椒品种鉴别装置。该方法是一种简便高效的花椒品种鉴别方法,可为今后进一步研究花椒产地、分级提供检测仪器和理论依据。     

马铃薯薄片干燥过程形态变化三维成像

为研究马铃薯薄片在干燥过程中形态变化规律,该文利用Kinect传感器搭建了图像采集平台,研究其在不同干燥温度下(50、60、70、80℃)的形态变化规律。通过图像采集平台获取马铃薯薄片深度图像和彩色图像,利用彩色图像确定感兴趣区域,对对应区域的深度图像进行灰度值拉伸、阈值分割、边缘去噪处理,进而提取特征,计算出正投影面积的收缩率、深度均值及标准差,以表征马铃薯干燥过程中表面卷曲及平整度等形态指标的变化规律。对不同干燥时间点马铃薯片进行三维图形显示可观察其变化规律明显。统计结果表明:低温(50、60℃)与高温(70、80℃)对马铃薯薄片干燥时的收缩率、卷曲程度具有显著影响(P0.05)。50℃时收缩率为54.97%,80℃时收缩率升高为64.55%;干燥温度与马铃薯片卷曲程度呈先升后降的关系,60℃时卷曲度最大,其深度均值为27.81 mm,80℃时降低到18.86 mm。而四组温度下,马铃薯薄片的平整度具有显著性差异(P0.05),50℃时马铃薯片深度值的标准差为7.99 mm,80℃时降低至5.71mm,说明平整度随着干燥温度升高而增加。该研究可为马铃薯薄片干燥过程中形态变化的检测提供参考,同时为干燥工艺的智能化控制提供技术依据。     

基于里程信息融合的株间锄草刀定位数据优化方法

为提高株间锄草刀定位精度、降低机器视觉受外界因素的影响,该文提出里程信息融合机器视觉的方法对锄刀定位数据进行优化。通过分析定位数据校正和视觉滞后补偿的原理,设计了模糊逻辑校正器,通过模糊规则将模糊校正系统简化为单输入单输出形式,采用Mamdani模糊推理方法获得视觉数据可信度决策表,将可信度作为加权值生成校正锄刀定位数据,并提出采用实时里程信息作为视觉滞后补偿量的方法,给出补偿公式。田间刀苗距优化静态试验表明,视觉刀苗距误差为9.88 mm,优化后刀苗距误差为6.06 mm;动态试验表明,视觉数据出错率为4.8%～6.6%,刀苗距变化曲线显示,优化方法可有效过滤视觉坏点或不稳定的数据点,将视觉滞后纳入衡量标准,不同车速下动态优化后刀苗距平均误差为5.30～7.08 mm,较优化前降低了25%左右。研究结果表明,锄草刀定位数据优化方法可有效提高机器视觉静态和动态获取刀苗距的精度。该研究为提高株间锄草技术的锄刀定位精度提供了参考。     

等高犁耕朝向对紫色土坡面土壤再分布的影响

选择一块坡长15 m、坡度14.16%的坡地,采用磁性示踪法分析等高向下犁耕（向下坡方向翻垈）和等高向上犁耕（向上坡方向翻垈）的土壤再分布特征,利用模拟耕作（15次）检验两种等高犁耕的长期作用下对土壤剖面和微地貌演化的影响。结果表明:等高向下犁耕导致土壤发生向下坡移动,土壤位移量为15.62～28.70 kg/m,坡度对其影响不显著（p=0.93）;等高向上犁耕导致土壤同时发生向下坡和向上坡移动,土壤净位移量为-10.91～8.23 kg/m,坡度对其有显著影响（p < 0.001）,土壤净位移方向随着坡度的增大由向上坡转为向下坡,本研究条件下临界坡度为14%;等高向下犁耕15次后坡顶侵蚀深度是原土层深度的132%,耕作后土层深度与耕作深度相当,表明等高向下犁耕加速土壤侵蚀和促进母岩成土的双重作用共同维持着坡顶土层深度的稳定;等高向上犁耕15次后坡顶土层深度增加了12.7%,表明等高向上犁耕具有保护坡顶土层深度的作用。等高向上犁耕是一种防治类似紫色土的薄层土壤耕作侵蚀和土壤退化的有效措施。     

无人机遥感解析田间作物表型信息研究进展

田间作物表型信息是揭示作物生长发育规律及其与环境关系的重要依据,传统的田间试验取样和车载高通量平台测定作物性状参数的方法耗时耗力,且空间覆盖不全,限制了作物科学研究的快速发展,而以无人机为代表的近地遥感高通量表型平台凭借机动灵活、成本低、空间覆盖广的优势成为获取田间作物表型信息的重要手段。该文根据国内外无人机遥感平台解析作物表型信息的最新研究成果,针对不同传感器类型分析了无人机遥感解析作物表型信息的应用及其不足,总结了遥感定量反演作物表型信息的方法体系,展望了无人机载遥感技术在作物表型信息解析方面的应用前景。该项研究成果对推广无人机遥感平台获取田间作物表型信息、提高复杂农田环境作物长势信息的解析和辨识能力具有重要意义。     

传感器节点自主供电的环境混合能量收集系统设计

农田复杂环境及大面积监测需求对农业物联网传感器节点的供电提出了极大挑战,而环境能量收集技术则使低功耗农业物联网传感器节点的自供电及免维护成为可能。针对传统能量收集装置中收集的环境能量单一有限、装置体积大、可靠性差的问题,该文提出了一种新型混合环境能量一体化收集系统。该系统定位于环境中普遍而丰富的射频电磁波能量和振动能量,通过射频收集天线和压电陶瓷的有效结合,同时收集2种环境能量,并经整流转换成直流电能。能量收集天线使用普通FR4印刷电路板实现,工作在手机通信频段1.9 GHz(3G频段),测试的回波损耗为-20.5 d B,对电磁波能量收集的最高输出功率可达到38 mW,测得收集到的振动能量最大输出功率可达到25 mW,满足低功耗传感器节点的功率需求。该装置不仅可以有效提高系统供电的可靠性和对环境的适应能力,还大大降低了传统混合系统的尺寸,可为农业物联网快速发展中的传感器节点可靠供电问题提供参考。     

基于电子鼻传感器阵列优化的甜玉米种子活力检测

针对甜玉米种子活力传统检测方法操作繁琐、重复性差等不足,该研究利用电子鼻技术建立甜玉米种子活力快速检测方法。利用电子鼻获取不同活力甜玉米种子的气味信息,再结合主成分分析(PCA,principal component analysis)、线性判别分析(LDA,linear discriminant analysis)、载荷分析(loadings)和支持向量机(SVM,support vector machine)对气味信息进行提取分析,建立甜玉米种子活力的定性定量分析模型。结果显示:PCA和LDA分析均无法区分不同活力的甜玉米种子,而SVM的鉴别效果较好。全传感器阵列数据集SVM分类判别模型训练集和预测集正确率分别为97.10%和96.67%,建模时间为30.75 s,回归预测模型训练集和预测集决定系数R~2分别为0.993和0.913,均方差误差分别为2.23%和8.50%。经Loadings分析将10个传感器阵列优化为6个。优化后传感器阵列数据集SVM分类判别模型训练集和预测集正确率分别为98.55%和96.67%,建模时间为21.81 s,回归预测模型训练集和预测集决定系数R~2分别为0.982和0.984,均方差误差分别为3.80%和3.01%。结果表明:基于SVM的电子鼻技术可以实现对不同活力甜玉米种子的高效判别和预测,将传感器阵列优化为6个,判别和预测效果均有所提升。该研究为电子鼻技术应用于甜玉米种子活力检测提供理论依据。     

基于区间分析的自动移栽机苗盘定位控制方法

苗盘输送部件是自动移栽机的关键部分,由于国内标准塑料苗盘易变形造成苗盘外表面的光反射率不稳定,导致单个光电传感器识别苗盘到位信息误差大,苗盘定位不准确。针对这一问题,该研究设计了一种推杆平移输送、双传感器融合定位的苗盘输送装置,并提出一种苗盘精确定位控制方法。该方法首先通过双传感器分别感知苗盘与推杆的到位信息,并融合输送装置的结构信息,得到苗盘从起始位置输送至取苗位置的精确输送距离;然后设计了一种苗盘与推杆之间放置位置的判定方法,判定苗盘当前放置位置后输入对应的位移量将苗盘输送至取苗位置,最后驱动伺服电机实现苗盘输送的精确控制。以128穴标准PVC硬塑苗盘为测试对象,开展了苗盘输送定位及取苗性能试验,结果表明：控制系统可以准确判定苗盘任意放置在输送链推杆上的具体位置,在苗盘不同放置位置及不同输送速度下,电机脉冲频率越快,定位偏差越大。当电机脉冲频率为800 Hz时,输送定位偏差最大值为1.35 mm,最小值为0.79 mm,此时定位偏差平均值最大为1.07 mm,定位偏差变异系数最大为14.1%。在不同输送速度下,取苗成功率均达100%,满足精确输送定位要求,解决了单个光电传感器定位不...