气吸振动式排种器种盘内种群运动的离散元分

根据离散元法的基本思想,采用线性弹簧-阻尼-滑动接触力学模型,编写Matlab模拟程序,分析了气吸振动式精密排种器振动种盘内种群的三维运动规律.为了描述籽粒离散分布程度,给出了体积膨胀系数的计算公式.结果表明,种盘作小幅高频振动,种群可以产生向上抛掷运动而有效分离;膨胀系数随着振动强度的增加而增大,随种层厚度的增加而减小.分析了摩擦因数和碰撞恢复系数对不同层厚种子膨胀系数的影响.在初始层厚参数hs≈3.8、振动强度kv=5.65时,种子具有理想的运动状态,通过性能试验得到排种器的吸种率达98%.     

盒式气调包装机气体置换结构内部3-D流场的模

气体置换装置是气调包装机的核心部件.以盒式气调包装机中2种典型气体置换装置结构为研究对象,建立了2种气体置换结构的物理模型和包装盒内气体流场分析数学模型,应用Fluent软件对包装盒内的气体流场进行三维数值模拟.建立了保证气体置换质量的包装盒内三维流场评价指标,分析了气体置换装置充、排气孔的结构布置与排列方式对气体置换性能的影响.结果表明,与传统结构相比,新设计结构在气体置换率、流场静压分布、气体平均流速以及耗气量等方面均具有更佳的性能.     

2,4-二乙酰基藤黄酚产生菌在番茄根部的定殖及对番茄青枯病的防治

2,4-二乙酰基藤黄酚(2,4-DAPG)产生菌是荧光菌对土传病害进行生物防治的主要类群之一。室内筛选结果表明：供试的12个2,4-DAPG产生菌菌株对番茄青枯病菌均有不同程度的抑制作用,其中CPF、10抑菌效果最佳,抑菌带宽为3．5mm;而2P24、5J10次之,抑菌带宽为3．0mm。CPF10和2P24培养原液对番茄胚根的生长均有明显的抑制作用。CPF10和2P24根部定殖结果表明,两菌株均可在番茄幼苗根部大量定殖,根表细菌数量随着时间延长呈下降趋势但仍维持较高数量;而根内细菌数量有明显上升的趋势。CPF10和2P24对番茄青枯病均有一定的防治效果,其中2P24的防治效果最好。而CPF10在所有的处理中变异系数(CV)最小,防治效果最稳定。     

温度对棉纤维强度及超分子结构的影响

利用短季棉中棉所16号品种, 研究了温度对棉纤维断裂比强度与超分子结构的影响, 结果 表明： 纤维断裂比强度随铃龄增大而升高; 相同铃龄随温度下降断裂比强度降低。 较高 温度条件下α角随铃龄增大不断宽化(变大), 对纤维强度提高不利; 较低温度条件下α角 随纤维发育不断变小(优化), 某种程度上有利于纤维强度提高;     

一个普通小麦-大赖草易位系T01的选育与鉴定

将抗赤霉病的普通小麦-大赖草Lr.2染色体单体异附加系花粉经过60Co-γ射线处理, 然后给感赤霉病的普通小麦品种“扬麦5号”授粉, 杂交后代连续2年进行赤霉病抗性单株接种鉴定, 从中选育出一个普通小麦-大赖草异易位系。 经过染色体荧光原位杂交和Giemsa C-分带鉴定, 易位发生在普通小麦4B染色体长臂和大赖草第2条染色体(L     

基于MSRCR-YOLOv4-tiny的田间玉米杂草检测模型

为实现田间环境下对玉米苗和杂草的高精度实时检测,本文提出一种融合带色彩恢复的多尺度视网膜(Multi-scale retinex with color restoration, MSRCR)增强算法的改进YOLOv4-tiny模型。首先,针对田间环境的图像特点采用MSRCR算法进行图像特征增强预处理,提高图像的对比度和细节质量;然后使用Mosaic在线数据增强方式,丰富目标检测背景,提高训练效率和小目标的检测精度;最后对YOLOv4-tiny模型使用K-means++聚类算法进行先验框聚类分析和通道剪枝处理。改进和简化后的模型总参数量降低了45.3%,模型占用内存减少了45.8%,平均精度均值(Mean average precision, mAP)提高了2.5个百分点,在Jetson Nano嵌入式平台上平均检测帧耗时减少了22.4%。本文提出的Prune-YOLOv4-tiny模型与Faster RCNN、YOLOv3-tiny、YOLOv4 3种常用的目标检测模型进行比较,结果表明：Prune-YOLOv4-tiny的mAP为96.6%,分别比Faster RCNN和YOLOv3...     

基于4G网络的气调保鲜配气远程监控系统设计与试验

为提高生鲜农产品气调保鲜配气过程的精确度及自动化水平,设计了一套气调保鲜配气远程控制系统,依托嵌入的PID控制算法和质量流量控制器实现对原料气体流量、浓度和混配比的控制;以4G网络作为远程数据传输途径,选择4G DTU作为网络数据收发器,通过手机小程序实现移动客户端的远程监控功能。系统在结构上设置了气体参数感知层、数据网络传输层和控制操作应用层;基于配气系统远程监控要求,在PLC内部嵌入Modbus RTU程序,保障DTU与PLC之间的通信;使用TCP协议,使其与云服务器之间进行数据传输。根据对系统稳定性、准确性及其通信性能的测试,在配气稳定时配气体积分数平均误差绝对值在0.22%浮动,平均误差较传统方法降低了约91.67%,且配气速度提高50%左右,极大改善了配气场地的工作条件和生产效率,为进一步完善生鲜农产品气调保鲜自动化配气生产线提供了技术支持。     

基于改进YOLO v4的群体棉种双面破损检测方法

针对研究人员难以利用计算机视觉对棉种这类尺寸较小的物体进行双面检测,导致检测效果不佳的问题,设计了一款新型棉种检测分选装置,利用亚克力板在强光和白色背景下透明的特点,将棉种通过上料装置滑入透明亚克力板的凹槽中,随着转盘的转动,同一批棉种的正反两面图像分别由2个不同位置的CCD相机采集得到.利用改进YOLO v4的目标检...     

基于改进YOLO v4的玉米种子外观品质检测方法

针对玉米种子在外观品质检测中需要快速识别与定位的需求,提出了一种基于改进YOLO v4的目标检测模型,同时结合四通道(RGB+NIR)多光谱图像,对玉米种子外观品质进行了识别与分类。为了减少改进后模型的参数量,本文将主干特征提取网络替换为轻量级网络MobileNet V1。为了进一步提升模型的性能,通过试验研究了空间金字塔池化(Spatial pyramid pooling, SPP)结构在不同位置上对模型性能的影响,最终选取改进YOLO v4-MobileNet V1模型对玉米种子外观品质进行检测。试验结果表明,模型的综合评价指标平均F1值和mAP达到93.09%和98.02%,平均每检测1幅图像耗时1.85 s,平均每检测1粒玉米种子耗时0.088 s,模型参数量压缩为原始模型的20%。四通道多光谱图像的光谱波段可扩展到可见光范围之外,并能够提取出更具有代表性的特征信息,并且改进后的模型具有鲁棒性强、实时性好、轻量化的优点,为实现种子的高通量质量检测和优选分级提供了参考。     

基于改进YOLO v4模型的马铃薯中土块石块检测方法

为实现收获后含杂马铃薯中土块石块的快速检测和剔除,提出了一种基于改进YOLO v4模型的马铃薯中土块石块检测方法。YOLO v4模型以CSPDarknet53为主干特征提取网络,在保证检测准确率的前提下,利用通道剪枝算法对模型进行剪枝处理,以简化模型结构、降低运算量。采用Mosaic数据增强方法扩充图像数据集(8621幅图像),对模型进行微调,实现了马铃薯中土块石块的检测。测试表明,剪枝后模型总参数量减少了94.37%,模型存储空间下降了187.35 MB,前向运算时间缩短了0.02 s,平均精度均值(Mean average precision, mAP)下降了2.1个百分点,说明剪枝处理可提升模型性能。为验证模型的有效性,将本文模型与5种深度学习算法进行比较,结果表明,本文算法mAP为96.42%,比Faster R-CNN、Tiny-YOLO v2、YOLO v3、SSD分别提高了11.2、11.5、5.65、10.78个百分点,比YOLO v4算法降低了0.04个百分点,模型存储空间为20.75 MB,检测速度为78.49 f/s,满足实际生产需要。