基于恒压变流控制的变量喷雾试验研究

针对变量喷雾过程中引起压力变化的问题,为研究其中压力稳定性现象,利用PID恒压控制和PWM变流控制相结合的方法,建立了恒压变流喷雾试验台。在试验台上进行恒压控制试验、喷雾角测量和雾量分布测量试验,从而验证所搭建的恒压变流喷雾装置的恒压稳定性。结果表明:在喷雾流量发生变化时,试验装置能使喷头的喷雾角和雾量分布稳定在固定范围内。     

装配式钢板-混凝土地下粮仓螺栓-焊缝节点受弯承载力分析

装配式钢板-混凝土组合地下粮仓具有节约土地、节能减碳、绿色环保、密闭低温等优点,但是连接节点的结构形式和力学性能仍是制约其发展及推广应用的关键难题之一。为解决节点焊缝过多、施焊难度大等问题,该研究提出一种新型装配式钢板-混凝土组合地下粮仓螺栓-焊缝竖向节点,采用螺栓代替部分焊缝,减少焊缝长度、方便构件施工。依据规范要求及实际工程情况,设计了2种不同螺栓数量（单侧三螺栓连接和单侧五螺栓连接）的螺栓-焊缝竖向节点试件,利用四点弯曲试验与有限元数值分析,研究其破坏形态和受弯承载力性能。结果表明：三螺栓试件与五螺栓试件承载力的试验值分别为1 998、2 053 kN,两试件承载力基本相同;相较于五螺栓试件,三螺栓试件在破坏后具有更好的延性。在参数取值范围内,混凝土强度、内防水钢板厚度、外防水钢板厚度和内衬钢板厚度对峰值荷载回归得到的标准化系数（Beta）分别为0.993、-0.003、-0.012、0.056,表明增加混凝土强度可有效提高试件承载能力。研究成果可为装配式钢板-混凝土地下粮仓节点的设计提供科学参考和设计依据。     

基于两变量联合分布的干旱特征分析

以标准降水指数作为干旱指标,通过Copula函数构造干旱历时和干旱程度的联合分布来分析干旱的基本特征,并以汉江上游为例进行了应用研究.结果表明,由于联合分布考虑了两变量之间的各种组合,并且可以求出各干旱历时或干旱程度下的条件概率,因此,能够更全面地反映干旱的特征.     

结合光谱降维的IPSO-SVR水体总磷浓度预测模型

[目的] 选择最优模型对水体中总磷浓度进行预测,为准确、实时、高效检测水资源状况提供支持。 [方法] 以2021年在长江中下游武汉—安徽地区采集的水质样本作为研究对象,首先,对采集到的长江光谱数据进行最大最小归一化和均值中心化两种预处理操作以便统一数据的范围和均值点,并使用核主成分分析(KPCA)技术对预处理后的光谱数据进行降维操作。选取方差解释率为99.6%下的6个特征向量进行后续预测模型的训练,接着在原有粒子群算法的基础上引入自适应惯性权重更新公式和遗传—模拟退火变异思想,提高算法的寻优能力。使用改进的粒子群优化算法对支持向量回归模型中的超参数组合进行寻优,对支持向量回归模型使用输出的结果进行预测模型的训练,最后使用测试集数据进行总磷浓度的预测。 [结果] 提出了一种结合光谱降维的改进粒子群优化算法(IPSO)结合支持向量回归(SVR)的水体总磷含量预测模型。通过和当前预测性能较好的几种机器学习模型进行精度的比较发现,该试验模型对长江水体总磷浓度进行预测时决定系数(R²)为0.973 920,均方根差(RMSE)为0.003 012,平均绝对误差(MAE)为0.002 105。 [结论] 使用光谱数据结合降维技术、粒子群优化算法和机器学习模型的算法融合模型检测水体总磷浓度可行性强,精确度高,且拟合效果良好。     

基于目标像素变化的柚果单目测距算法

针对山地果园光线变化和枝叶遮挡干扰果实距离检测的问题,该研究提出一种利用目标区域像素数量变化预测成像距离的算法。根据单目测距原理和柚果成像特性,以具备尺寸和形状代表性的离树柚果样本为研究对象,在采摘作业距离范围内利用单一相机以固定间隔步距对果实某一侧面连续获取图像数据,用以建立并验证目标区域像素数量变化与成像距离变化之间的多元回归关系。随后将该算法应用于果园中树上柚果样本以检验其适用性,并讨论初始成像距离和步距取值对测距精度的影响。研究结果表明,在125 cm以内,6个树上柚果样本的测距相对误差均低于5%,满足采摘机械手目标定位的精度要求;初始成像距离对该算法测距精度具有显著影响。该研究单目测距算法满足果园环境中柚果目标与相机间距离检测需求,为相关采摘机械手的柚果目标识别提供了一种可行方案。     

空间自相关性对冬小麦种植面积空间抽样效率的影响

空间抽样是实现区域农作物面积高效估算的重要手段,农作物分布受自然条件等因素影响普遍存在空间自相关性,但以往针对空间相关性对农作物面积抽样效率的影响研究明显不足。该研究选取安徽省凤台县为研究区,通过2017年4月4景GF-1全色多光谱影像(Panchromatic and Multispectral, PMS)与Google Earth高空间分辨率影像相结合提取研究区冬小麦。设计10种抽样单元尺度、3种抽样外推方法、2种相对允许误差和5种样本布局方式,构建多种冬小麦面积空间抽样方案。利用全局莫兰指数(global Moran’s index)评价不种尺度下抽样单元内冬小麦面积比的空间自相关强度,分析空间自相关性对冬小麦面积抽样效率(抽样误差、样本容量和空间布局)的影响。研究结果表明,抽样单元内冬小麦面积比的空间自相关强度随单元尺度的增大而减小,全局莫兰指数相应地由0.75降至0.50。无论在何种尺度下抽样单元内冬小麦面积比都呈显著的空间正相关性;抽样外推冬小麦面积总体的误差随空间自相关强度的减小呈先减小后明显增大的趋势。在10种抽样单元尺度中,当抽样单元尺度为2000m且抽样比为5%时,无论采用何种抽样方法外推总体的误差均为最小(简单随机抽样、系统和分层抽样外推总体的相对误差分别为17.94%、9.48%和1.82%);当相对允许误差设计为5%时,简单随机抽样外推总体所需样本容量随空间自相关强度的降低从660降至56。而分层抽样的样本容量不受空间自相关性的影响;5种样本布局方式中,采用分层随机抽样方式外推冬小麦面积总体的平均相对误差、平均变异系数和均方根误差最小,分别为1.82%、3.19%和0.11×108 m2。该研究可为有空间自相关存在下的农作物面积空间抽样方案合理设计提供参考依据。     

采用双模态联合表征学习方法识别作物病害

基于深度卷积神经网络的视觉识别方法在病害诊断中表现出色,逐渐成为了研究热点。但是,基于深度卷积神经网络建立的视觉识别模型通常只利用了图像模态的数据,导致模型的识别准确率和鲁棒性,都依赖训练数据集的规模和标注的质量。构建开放环境下大规模的病害数据集并完成高质量的标注,通常需要付出巨大的经济和技术代价,限制了基于深度卷积神经网络的视觉识别方法在实际应用中的推广。该研究提出了一种基于图像与文本双模态联合表征学习的开放环境下作物病害识别模型(bimodalNet)。该模型在病害图像模态的基础上,进行了病害文本模态信息的嵌入,利用两种模态病害信息间的相关性和互补性,实现了病害特征的联合表征学习。最终bimodalNet在较小的数据集上取得了优于单纯的图像模态模型和文本模态模型的效果,最优模型组合在测试集的准确率、精确率、灵敏度、特异性和F1值分别为99.47%、98.51%、98.61%、99.68%和98.51%。该研究证明了利用病害图像和病害文本的双模态表征学习是解决开放环境下作物病害识别的有效方法。     

侧风影响下喷头倾斜角度对雾滴飘移补偿

为研究植保喷雾作业中在不同风速和喷头倾斜角度下对水平喷雾的雾滴飘移的影响,设置3个风速水平（1、2、3 m/s）与4个喷头倾斜角度水平（0°、15°、30°、45°）进行喷雾试验,测定了不同水平的雾滴分布,以风速为0、喷头倾斜角度为0°的常规作业水平作为对照组,对垂直和水平两个方向的雾滴质量分布中心与变异系数进行分析。结果表明,垂直方向上,侧风风速与喷头倾斜角度对垂直雾滴质量分布中心的影响在±3 cm范围内整体影响较小,而侧风风速与喷头倾斜角度的增大都会使垂直方向变异系数减小,在1～3 m/s的风速下垂直方向变异系数减小的最大值分别为12.3、6.0、16.0个百分点,提高了雾滴在垂直方向上的均匀性。水平方向上,不同风速和喷头倾斜角度都会对雾滴飘移产生影响,随着喷头倾斜角度的增大,雾滴受风速的影响程度会减小,当喷头倾斜角的补偿量超过了当前风速下对雾滴的飘移量,会使雾滴飘移产生过补偿,在高风速时喷头倾斜角度的改变会带来更大的雾滴飘移改变。侧风风速与喷头倾斜角度对水平方向上变异系数会产生较大影响：随着喷头倾斜角度的增大,水平变异系数也随之增大,而风速的变化使水平变异系数呈现先增大后减小的趋势。拟合了喷头倾斜角度与风速对雾滴飘移的影响模型,并计算出在1、2、3 m/s风速条件下,最佳补偿的喷头倾斜角度分别为3°、7°、11°。该研究为植保作业中雾滴飘移改善技术提供参考。     

典型黑土区坡耕地退化程度诊断与评价

为了对黑土区坡耕地退化程度进行全面、综合、客观的诊断与评价,通过文献计量法和频度分析法对国内外耕地退化评价文献内的高频指标进行了统计分析,建立了适用于东北典型黑土区坡耕地退化程度诊断与评价的指标体系(TIS)。同时以拜泉县为研究区域,通过聚类分析建立了土壤退化程度诊断与评价最小指标集(MIS)。结果表明:(1)TIS共包括物理、化学、生物和侵蚀特征因子4类共11项指标:腐殖质层厚度、黏粒含量、有机质含量、pH值、坡度、垄坡角、沟壑密度、容重、水稳性大团聚体含量、土壤阳离子交换量和作物产量,其中前6项指标组成了MIS。(2)研究区未退化土壤占12%,轻度退化土壤占12%,中度及以上退化土壤占76%。坡度可能是影响研究区土壤退化的主要因素之一,坡度与垄坡角之间存在协同关系。此外,施用农药、化肥以及连作导致土壤酸化问题突出。     

基于EDEM的猪粪接触参数标定

为准确快速获得畜禽粪便的接触参数,该研究通过物理堆积试验与仿真方法对猪粪接触参数进行了标定。测定了不同含水率下猪粪的堆积角,建立了含水率与堆积角的回归方程;基于Hertz-Mindlin with JKR球体粘结模型,进行了离散元仿真模拟;采用筛选试验设计(Plackett-BurmanDesign,P-BD)对10个初始参数进行了筛选,发现JKR(Johnso-Kendall-Roberts)表面能、颗粒间滚动摩擦系数、颗粒间碰撞恢复系数对猪粪堆积角影响显著;并根据响应曲面试验设计(Box-BehnkenDesign,B-BD)建立了堆积角与显著性参数的二阶回归模型,得到了3个显著性参数值分别为JKR表面能0.03J/m~2、颗粒间滚动摩擦系数0.27、颗粒间碰撞恢复系数0.54;将仿真所得堆积角与物理试验值进行对比验证,相对误差为4.27%。结果表明,该研究提出的标定方法能准确模拟物理堆积试验,可为畜禽粪便接触参数的标定提供参考。