农业机器人末端执行件的研究发展

农业机器人是农业机械的发展趋势之一,末端执行件是农业机器人的重要组成部分.为此,综述了农业机器人末端执行件的组成和发展状况,重点介绍了移栽机器人和番茄采摘机器人的末端执行件的发展;最后,讨论了末端执行件的发展趋势.     

旋转式分插机构动力学试验台的研制

分插机构是插秧机的核心工作部件,其性能决定插秧机插秧质量、工作可靠性和栽插秧频率,也是插秧机作业时重要的振动源。为此,通过对分插机构的动力学分析,得出需测试的动力学参数,设计出具有测试分插机构运动学和动力学参数的试验台,并对试验台的通用性和测量电路进行了阐述。     

水稻钵苗振动排序正位装置的分析与试验

根据有序抛秧机的分秧要求,提出了一种水稻钵苗振动排序正位装置,把从秧盘上取下的无序钵苗整理成土钵在前的有序排列。对钵苗在振动排序正位装置上的受力情况、钵苗的重心位置进行了分析,发现钵苗的重心在土钵内或在靠近土钵上表面的秧株内,为钵苗在惯性力作用下自动正位提供了保证。通过对单棵和群体钵苗的试验与高速摄影观察与分析,证明钵苗能够在惯性力作用下,在振动排序正位装置上自动正位,钵苗自动正位是可行的。     

东港市水稻插秧机推广经验探讨

针对机插秧发展速度较慢的实际,东港市抓住国家实施农机购置补贴政策的机遇,把水稻机插秧列为水稻全程机械化的重点工作,采取政府主导、补贴拉动、基地示范、宣传推广、技术培训、目标考核等举措,推动全市水稻全程机械化发展,为各地水稻机插秧技术的推广提供了经验。同时,对机插秧技术推广过程中存在的一些问题进行了剖析,以便为下一步解决问题提供依据。     

穴盘苗自动移栽机的研究进展

穴盘苗自动移栽机是温室蔬菜和花卉自动化的关键设备之一。阐述国内外穴盘苗自动移栽机的研究成果,详细分析几种典型穴盘苗自动移栽机的结构及特点,并对制约穴盘苗自动移栽机发展的关键问题提出了对策,为设计结构合理、经济适用的穴盘苗自动移栽机提供参考。     

泥炭复合基质对不同作物育苗效果的研究

用不同泥炭含量的土壤-泥炭复合基质进行玉米、菜豆、蓖麻种子育苗试验,结果表明,育苗基质中泥炭不同含量对作物种子萌发出苗和幼苗生长均有显著影响,且不同作物对基质泥炭比例有不同要求.对玉米、菜豆和蓖麻种子出苗的适宜基质泥炭含量分别为15%、10%和20%,而对其幼苗生长的适宜基质泥炭含量分别是20%、15%和25%.     

机插稻育秧床土的培肥效应研究

床土培肥是培育水稻机插秧苗的首要措施。在不同类型床土条件下对培肥水平与床土速效氮磷钾增加的关系及育秧过程中的肥力消耗进行了分析。结果表明,通过添加速效肥料进行床土培肥,可使床土速效NPK含量迅速增加,速效氮的增加呈指数关系,高培肥处理的增幅大于低培肥处理,丘陵土的增加快于冲积土;速效磷含量随培肥水平的     

蚯蚓粪基质黄瓜、西瓜穴盘苗耐热性研究

为深入了解蚯蚓粪基质对瓜类蔬菜穴盘苗耐热性的影响,以常规草炭系基质为参比,测定了黄瓜、西瓜穴盘苗叶片叶绿素含量、抗氧化酶活性等生理生化指标。结果表明:蚯蚓粪基质穴盘苗与对照穴盘苗在高温胁迫下叶片叶绿素含量均降低,蚯蚓粪基质穴盘苗叶绿素a,b及总量仍显著高于对照(n=3,p<0.05)。蚯蚓粪基质穴盘苗在高温胁迫下叶片SOD,CAT活性增强,与此相反,对照SOD,POD,CAT活性均减弱;高温胁迫下对照穴盘苗叶片电解质渗出率和MDA含量增加幅度较大,分别比蚯蚓粪基质穴盘苗提高了4.47%~102.31%和33.69%~47.75%。说明蚯蚓粪基质黄瓜、西瓜穴盘苗具有较强的耐热性。     

蔬菜自动移栽机对置秧盘交替自动取投苗机构研究

针对现有蔬菜自动移栽机茎秆夹持式和钵体顶出式取苗方式的缺点,基于顶出-夹取结合式取苗方式,设计了一种适用于对称布置可弯曲秧盘的交替式取投苗机构。阐述了该机构工作原理、关键点运动轨迹和结构组成。分析了关键因素对秧苗夹持点运动轨迹的影响方式并优选了取值：驱动曲柄转速10r/min,取投苗摇杆长度为 309mm,驱动气缸伸出速度25mm/s,0.8s内完成拔苗,伸出时刻为提前0.4s。该参数组合下秧苗夹持点在拔苗阶段最大横向位移9.6mm,累计横向位移0mm,理论提升高度44mm,满足取投苗作业理论要求。以苗龄45d的辣椒秧苗为作业对象,进行了栽植频率70~120株/(min·行)的取投苗性能试验,试验结果表明,该交替取投苗机构在栽植频率100株/(min·行)时可实现取苗成功率93%,投苗成功率95%,总体成功率88%,满足取投苗作业要求,验证了该取投苗机构的可行性。     

基于改进YOLO的玉米幼苗株数获取方法

为快速准确获取玉米幼苗株数、评估播种质量、进行查缺补苗等管理,对YOLO算法进行改进,提出了一种基于特征增强机制的幼苗获取检测模型（FE-YOLO）,实现了对玉米幼苗株数的快速获取。该方法根据玉米幼苗目标尺寸和空间纹理特征,构建了基于动态激活的轻量特征提取网络,融合了多感受野和空间注意力机制。实验表明：FE-YOLO模型增强了幼苗空间特征、降低了网络复杂度,使模型的mAP和召回率分别达到87.22%和91.54%,每秒浮点运算次数和检测推理时间仅为YOLO v3的7.91%和33.76%。FE-YOLO能够实现无人机正射影像的玉米幼苗株数获取和种植密度估算,该模型复杂度低、识别精度高,能够为玉米苗期管理提供技术支持。