精密播种制钵机的机构设计及计算机辅助分析

目前,我国农业育苗播种中,所采用的播种制钵机还属于机械化范畴,不具有自动化水平,不能有效实现精密播种需求。为此,分析精密播种制钵机优化设计的需求,并结合Pro/Engineer软件辅助分析,优化了设计参数。结果表明:设计出的精密播种制钵机的机械结构简单、性价比高,降低了使用中钵体的破损率(降低12.0%),提升制钵机工作可靠性(提升2 0.0%),具有较大的经济效益。基于计算机辅助分析方法 ,优化设计精密播种制钵机的机构,可提升精密播种制钵机应用性能。     

基于计算机视觉识别技术的甘蔗种植机械化研究

针对当前甘蔗种植机械化现状,优化机具设计,并应用计算机视觉识别技术,自动识别切种长度,预切甘蔗种,以便实现精密化、机械化的甘蔗种植。在计算机视觉识别技术支持下优化设计甘蔗种植设备,不仅可提升识别甘蔗茎节的正确率(提升80%),还可以提升甘蔗种植效益(提升20%),取得较好的经济效益。为此,设计了基于计算机视觉识别技术甘的蔗种植机械化设备,可提升甘蔗种植机械化水平,提高甘蔗预切种正确率,提升甘蔗机械化种植效益,产生积极影响。     

新型落地红枣收获机的设计

为解决南疆矮化密植枣园红枣收获难题,针对矮化密植种植模式下的枣园特点,设计出基于清扫方式和气吸方式相结合的新型落地红枣收获机。介绍了整机结构和工作原理,并对关键部件进行了设计,确定了各关键部件的基本结构和具体型号。同时,分析了红枣清扫聚拢过程,得出清扫辊刷转速、机具前进速度与清扫辊刷清扫效果之间的关系,并通过田间试验验证了清扫辊刷转速、机具前进速度与清扫辊刷清扫效果之间的关系。该机整体尺寸小,适应性强,作业效率高,适用于南疆矮化密植种植模式的枣园进行红枣收获作业。     

磁化处理的全尾砂料浆沉降参数优化模型

为了提高全尾砂料浆的脱水浓缩效果,将磁化处理技术引入到全尾砂料浆脱水浓缩中,并建立GA-SVM模型优选全尾砂料浆的沉降参数。建立支持向量机（SVM）沉降参数优化模型,以磁感应强度、磁化处理时间、料浆流速、料浆浓度、絮凝剂单耗为输入因子,沉降速度为综合输出因子,通过正交试验建立样本数据对SVM模型进行训练与检验,采用遗传算法（GA）对SVM模型参数进行优化,进而得到磁化全尾砂料浆沉降参数的GA-SVM优化模型。将GA-SVM模型运用到某铁矿磁化全尾砂料浆沉降参数优化中,得到的最佳沉降参数为磁感应强度0.192 T、磁化处理时间1.85 min、料浆速度1.92 m/s、PAC单耗28 g/t,沉降速度可达约155 cm/h。研究表明：适宜的磁化处理条件可提高全尾砂料浆的脱水浓缩效果,节约30.0%~42.5% PAC用量,GA-SVM模型对全尾砂料浆沉降参数预测结果相对误差在5%以内、预测精度高,为全尾砂料浆脱水浓缩及其参数优选提供了一种新思路。     

采收机不同振动强度采收对枸杞树光合系统参数的影响

分别于2008年的6月22日、7月11日、8月5日、10月12日（其中6～8月为夏果期,10月为秋果期）,按3个处理（采收机采收,T1、T2、仍振动强度依次增大）和对照（熟练工人工采摘）分别采收枸杞,研究枸杞采收机不同振动强度采收对枸杞树的光合系统参数的影响。结果表明：对照和各处理的净光合速率（砌）变化规律为7月中旬以前逐渐降低,7月中旬达到最低点,此后开始上升,至8月份达到一个新的高度,随后又开始下降,与枸杞树物候期分析结果一致。蒸腾速率（Tr）、气孔导度（Gs）的变化趋势与Pn一致。6～8月胞间CO,浓度（Ci）的变化趋势与Pn一致,但在10月明显升高。方差分析表明,各处理在各测定时期的Pn、Tr、Gs、Ci与对照相比差异不显著,说明采收机采收对枸杞树叶片的光合系统参数没有显著影响。光合系统参数的相关性分析表明,Pn和Cs、Tr具有较强的相关性,同时Gs和Pn、Tr也具有较强的相关性,说明光合速率和蒸腾速率的高低受气孔影响很大。在6～8月,Pn和Gi具有较强的正相关性,与气孔限制值Ls（Ls=1—Ci／Ca,Ca为空气中CO2浓度）有较强的负相关关系。夏果期（7月16日）光合速率的降低伴随着胞间CO2浓度的降低和气孔限制值的增大,光合速率的下降为气孔因素。秋果期（10月14日）光合速率降低,而胞间CO2浓度升高,表明光合速率降低为非气孔因素,是叶片的光合功能下降所致。     

基于计算机视觉的花生品质分级检测研究

【目的】建立能够对花生进行品质分级的计算机视觉无损检测方法。【方法】同步拍摄和扫描11类品质,每类品质100颗和100宗,每宗100颗不同等级的花生籽粒的正反面图像;参照国家标准量化花生品质籽粒的11个限制性检测项目,设计花生规格和品质等级的判别方法;测量每个籽粒的形态、纹理、颜色共3大类54个外观特征,采用主分量分析(PCA)进行特征优化,构建并比较BP神经网络(ANN)和支持向量机(SVM)品质检测模型;分别应用Matlab和Spss工具软件实现检测过程和对结果进行统计分析。【结果】前16个主分量的SVM模型,能够鉴别95%以上的不完善粒、霉变、杂质、异品种等不同品质的籽粒,与人工检测结果吻合度达到了93%,对100宗待检样品进行检测,规格和等级检测完全正确率达到了92%。【结论】研究结果为花生的品质分级检测提供了比较系统全面的量化标准和检测方法,该方法可推广应用于花生品质鉴别、分级筛选加工和商品分级定价等领域。     

基于PLC的茶叶装箱机组控制系统改造

采用三菱公司的FX1N-60MR型PLC进行改造茶叶装箱机组控制系统,根据茶叶装箱机组的加工工艺和工作原理,设置PLC的I/0地址,设计外部设备接线,根据原理、控制要求和特点,设计系统梯形图,连接外部设备进行调试运行,达到系统改造的要求。     

基于支持向量机的苹果叶部病害识别方法研究

为提高苹果叶部病害自动识别水平并实现快速有效地识别苹果叶部病害,本研究首先采用小波滤波算法对采集的苹果叶部锈病、斑点落叶病的图像进行去噪平滑,然后利用病斑颜色差异和边界跟踪算法对病斑进行分离,最后提取病斑颜色、形状和纹理等方面的特征,采用支持向量机(SVM)技术对病害进行自动识别。试验表明,该方法对苹果叶锈病和斑点落叶病样本进行处理识别的正确率较高,能够满足实际需求。该结果对苹果叶部病害的自动快速诊断和防治具有一定的指导意义。     

自然环境下山核桃果实的图像识别提取方法

研究了自然环境下成熟山核桃果实的机器视觉图像识别方法。通过分析顺光、逆光、遮挡等环境下拍摄的山核桃成熟待采时的果实图像,确定了2R-G-B色差模型,用最佳阈值函数进行图像分割,经形态学滤波后采用Canny算子进行边缘检测,提取出复杂背景下山核桃果实的轮廓。试验结果表明,该方法对山核桃果实的有效识别率达86.7%,可为山核桃采摘机器人的研发提供技术参数。