多尺度行政区平衡视角下耕地空间布局优化

优化耕地空间布局对提升耕地生产能力、促进农业可持续发展具有重要意义。该研究以广东封开县为例,基于“现状耕地调出-可恢复地类调入”的微观调整逻辑,综合运用空间叠加、综合评价及蚁群优化算法,构建了耕地空间布局调整模型,以调入调出数量平衡为约束条件实现了不同行政区尺度下的耕地布局优化。结果表明：1）研究区共调出耕地1 689.89 hm²,占耕地总面积的7.62%,整体上呈现出“全局零散、局部聚集”的分布特征。2）研究区可恢复地类农业生产适宜性均值为67.04,具有开展作物种植的良好禀赋条件。3）不同行政区尺度平衡情景下,调入结果在研究区北部空间差异显著,与镇内平衡情景相比,县内平衡情景下,调入耕地的农业生产适宜性均值提高了2.08,综合生态系统服务均值下降了0.67。4）两种情景下,耕地的连片性、质量及稳定性均得到提升,因不受调入规模和行政单元空间范围限制,县内平衡情景下的提升效果更加明显,适当扩大可恢复地类筛选范围有利于提升整体耕地质量并降低重要生态用地筛选概率。该研究构建的耕地空间布局调整模型具有良好的适用性,可为制定农用地布局优化与整治提升方案提供参考依据。     

基于人工神经网络的PV/T热电联供系统性能预测

为研究太阳能PV/T热电联供系统的性能和针对太阳能PV/T系统复杂的能量平衡方程,搭建了太阳能PV/T系统试验台,同时建立了基于改进灰狼优化的BP神经网络(back propagation neural network model based on improved grey wolf algorithm, IGWO-BP)预测模型,在晴朗天气下进行试验,并采用该模型对系统电功率以及蓄热水箱内水温进行预测。结果显示,晴朗日系统的电效率8.7%～12.2%、热效率51.7%;预测结果与BP神经网络预测模型、基于粒子群优化的BP神经网络(back propagation neural network based on particle swarm optimization, PSO-BP)预测模型和卷积神经网络（convolutional neural network, CNN）预测模型预测结果进行比较,结果显示IGWO-BP预测模型电效率预测模型的绝对百分比误差(mean absolute percentage error, MAPE)、决定系数(determination coefficient, R ² )、均方根误差(root mean square error, RMSE)、效率因子(efficient factor, EF)和Pearson相关系数(pearson related coefficient, r )分别为4.5E-05、0.99、0.24、0.99和1.00,在储热罐温度预测中,上述指标分别为8.90E-04、0.98、0.07、0.98、0.99,均优于其他预测模型,IGWO-BP神经网络预测模型具有更好的预测性能。研究结果可为太阳能PV/T热电联供系统性能预测与优化控制提供参考。     

大数据运作平台下的植保机作业布局研究

为进一步提升无人植保机应用的合理性与高效性,以大数据运作平台技术为支撑,针对其作业布局展开研究。通过系统分析植保机作业过程与主要控制组件,根据田间飞行作业特点,确定系列核心控制参数,并依据大数据布局内部算法分配规则建立大数据运作模型。同时,考虑各系统模块的数据耦合性,生成大数据运作平台下的植保机作业布局并进行试验,结果表明:在各自占空比一定条件下,喷洒流量在0.3~0.6L/min波动时,所获取的流量误差控制在6.33%~15%;选取关键对比控制参数,较一般作业布局状态而言,基于大数据平台作业布局下的植保机续航能力可提升7.79%,试验效果良好。该布局优化充分提高了植保机的作业效率,可为类似农机系统布局提供改善思路。     

基于超参数优化算法下的随机森林模型预测奶牛呼吸频率

奶牛呼吸频率是评估环境造成的奶牛热应激程度的重要指标之一。该研究基于随机森林（random forest,RF）算法提出了适用于生产条件下的奶牛个体呼吸频率准确预测模型,为了平衡模型精度与计算效率问题,利用遗传算法（genetic algorithm,GA）、差分进化（differential evolution,DE）算法、粒子群优化（particle swarm optimization,PSO）算法、贝叶斯优化（Bayesian optimization,BO）算法对模型超参数进行优化,并与网格搜索（grid search,GS）下的人工神经网络（artificial neural network,ANN）和极限梯度提升机（extreme gradient boosting,XGBoost）模型进行了对比分析。研究结果表明,使用融合环境参数的修正温湿指数（adjusted temperature-humidity index,ATHI）、时间区域、奶牛产奶量、泌乳天数、身体姿势以及胎次作为输入特征时,基准RF模型的预测性能最佳。在此基础上,4种智能优化算法下的RF模型性能优于GS-ANN和GS-XGBoost,其中BO-RF的综合性能最优,其决定系数、平均绝对误差、平均绝对百分比误差以及均方根误差分别为0.614、7.723、14.4%、9.737,超参数优化耗时约为DE-RF的1/220。特征重要性分析表明,输入因子对奶牛呼吸频率的影响程度不同,ATHI是影响力最高的因子,相对重要性（relative importance,RI）为0.71,其次是时间区域（RI=0.09）和奶牛产奶量（RI=0.07）。研究为奶牛生产、健康评价及牛舍环境精准调控提供了有效方法和基础。     

基于神经网络PID的拖拉机空调温控系统优化设计

为了提高拖拉机空调温控系统的调节精度和效率,提升驾驶室内的环境舒适程度,将PID控制器引入到了拖拉机空调控制系统的设计上,采用温度误差反馈调节的方式,提高温控的精确性。在PID控制器的优化上采用了神经网络算法,通过神经网络训练和权值的修改,实现了PID控制器的3个参数的优化,进而提高了控制系统的效率和精度。为了验证神经网络算法对PID控制器的优化作用,以拖拉机的温控误差和调节时间为研究对象,对单独采用PID控制器和采用神经网络PID控制器时的控制结果进行了测试,结果表明:神经网络算法使PID控制器具有更快的响应速度和更高的控制精度。     

基于PID直流电机驱动的移动式采摘机器人设计

为了提高移动式采摘机器人的控制效率和移动精度,将直流电机驱动电路引入到采摘机器人移动控制系统的设计中,并采用PID算法对移动速度进行调节,从而避免采摘机器人在移动过程中产生较大的速度波动,提高其作业时的平稳性。为了验证PID算法在采摘机器人移动控制系统上使用的可行性,模拟葡萄采摘机器人的作业环境,对采摘机器人移动过程的速度控制进行了仿真模拟,结果表明:达到速度预定目标时,PID算法比常规算法具有更快的响应速度,调节过程也更加平稳。     

改进YOLOv5s对病理学图像中猪只小肠绒毛的检测

为解决传统小肠绒毛需要专业人员手动检测耗时耗力且存在主观性和不稳定性等问题,同时提高在复杂病理学图像中小肠绒毛检测的准确率和效率,该研究提出基于改进YOLOv5s检测复杂病理学图像下猪只小肠绒毛的方法。首先,采用串联形式的混合池化对空间金字塔进行优化,增强特征提取与特征表达,提升检测精度;然后引入一种基于注意力机制的网络模块(simpleattentionmechanism,SimAM)与Bottleneck中的残差连接相结合,使用SimAM对Bottleneck中的特征图进行加权,得到加权后的特征表示,利用注意力机制加强模型对目标的感知。试验结果表明,该研究算法的平均精度（average precision）和每秒传输帧数（frame per second,FPS）达到92.43%和40帧/s。改进后的YOLOv5s在召回率和平均精度上相较改进前提高2.49和4.62个百分点,在不增加模型参数量的情况下,每帧图片的推理时间缩短1.04 ms。与经典的目标检测算法SSD、Faster R-CNN、YOLOv6s、YOLOX相比,平均精度分别提高15.16、10.56、2.03和4.07...     

浅议构建饲料企业的竞争优势

我国饲料工业开始于20世纪80年代初,90年代蓬勃兴起。起步较晚,但发展较快,平均每年以25%的高速发展,远远超过国民经济的发展速度。现已成为我国工业体系中重要的支柱产业之一,2006年全国饲料年产量达1.11亿吨,年产值达2908亿元,连续16年位居世界第二。     

广玉兰的栽培管理技术

近年来,随着生态文明建设的推进,园林绿化工作越来越重视生态型和节约型的建设理念。园林苗木行业已不再是一个低门槛行业,在未来的园林苗木行业中,技术将成为苗木产业竞争的核心。广玉兰树姿优雅,四季常青,病虫害少,在道路绿化中备受青睐。介绍了广玉兰的生长习性,育苗及管理技术,以供河南地区的花卉种植户做参考,解决他们在花卉种植栽培以及管理中遇到的技术问题。     

小麦生长模型对拔节期和孕穗期低温胁迫响应能力的比较

[目的]作物生长模型是预测和评估气候变化对作物生产力影响的重要量化工具,明确典型作物生长模型对小麦拔节期和孕穗期低温胁迫响应能力的不足,可以为进一步改进低温胁迫对小麦生产力影响的模拟算法提供指导.[方法]本研究将来自4套国际知名小麦生长模型(美国密歇根州立大学的CERES-Wheat、美国华盛顿州立大学的CropSys...