农业自动化领域中计算机视觉技术的应用

计算机视觉技术的应用已扩展到农业自动化领域。该文介绍了计算机视觉系统的组成,概述了国内外计算机视觉技术在农业生产自动化中的应用状况,并对计算机视觉技术应用于农业自动化中存在的问题及发展前景做了概括     

徐州地区日光温室保温性能的试验研究

分析了徐州地区冬季日光温室小气候的变化规律。针对当地日光温室冬季保温性能不理想的现状，从光照条件和温度条件两方面进行分析，对温室自身造成的保温性能不理想提出了改进意见，并在现有温室结构的基础上，通过选择最佳的揭盖帘时间，来提高冬季日光温室的保温性能。揭盖帘对比试验表明，揭盖帘时间选取恰当对室内温度影响较大，可以提高温室的保温性能。     

加入WTO后我国数字农业的发展

基于我国数字农业现状的基础上，分析了数字农业对我国农业发展的影响，提出了我国数字农业发展的研究策略。     

番茄收获机器人技术研究进展

简述了番茄收获机器人系统组成和技术研究进展，分析了各组成部分的功能与工作原理，并对番茄收获机器人通用性、可靠性、工作效率、采摘质量与机械手性能等方面的发展进行了探讨。     

智能变量施肥技术初步试验研究

结合承担的精确农业变量施肥技术研究项目，提出了智能变量施肥技术体系和实现方法。利用美国MAPINFO公司MapInfo Proression 6．0地理系信息系统，采用MapBasic语言编程，建立了施肥地理信息与决策系统；利用89C52单片机实现智能变量施肥机控制系统。试验表明。研制的智能变量施肥机能够实现精确农业信息控制自动变量施肥作业，为精确农业的进一步试验研究提供技术依据。     

农业元宇宙：关键技术、应用情景、挑战与展望

元宇宙这一新兴概念受到了产、学、研各界的广泛关注。农业与元宇宙的结合将极大地推动农业信息化和智能化发展,为农业智能化转型升级提供新动能。为深入分析元宇宙在农业领域的应用研究可行性,本文首先分析了农业元宇宙的概念,以及区块链、非同质化代币、5G/6G、人工智能、物联网、三维重建、云计算、边缘计算和扩展现实等元宇宙农业应用的关键技术。接着讨论了元宇宙在虚拟农场、农业教学系统和农产品追溯系统三个农业应用领域的主要情景,最后总结了农业元宇宙面临的系统建立、通信基础、硬件设备和运营等方面的主要挑战,并展望了未来的发展方向。本文可为元宇宙在农业的应用研究提供指导。     

基于本体与认知经验的农业机器人视觉分类决策方法

基于小样本数据下认知经验知识辅助计算机进行决策,对实现农业领域机器人智能认知决策与助力智慧农业发展具有重要意义。本文在统计计数、支持向量机（SVM）等图像属性信息学习方法基础上,使用Protégé等工具,基于认知经验构建水果识别分类的专业知识库;然后根据图像颜色与形状信息,进行知识库搜索推理得到分类决策。实验在Fruit360数据集中共选择2091幅葡萄、香蕉、樱桃水果图像作为测试集,并各挑选30幅图像作为属性信息训练集与验证集,结果表明当前数据下葡萄与樱桃识别准确率为100%,香蕉识别准确率为93.30%。仅在知识库添加黄桃知识后,对984幅黄桃图像样本进行测试,其分类准确率为97.05%。表明本文方法能有效完成图像分类决策任务,且具有良好的过程可解释性、能力共享性和可拓展性。     

以土壤水为中心的农区——非农区水均衡模型

针对干旱地区平原绿洲水土资源利用的特点,建立了以土壤水为中心的农区－ 非农区水均衡模型,该模型在已知地表水引用的情况下,可以对农区,非农区以及农区与非农区之间的水分迁移转化进行分析。本文给出了叶尔羌河平原绿洲１９９３～１９９６ 年农区,非农区的潜水蒸发量,农区向非农区地下水迁移量等的分析结果     

重庆市涪陵区近10年酸雨变化特征分析

为了解重庆市涪陵区的酸雨变化特征及降水对酸雨pH值的影响,本研究采用2005—2014年涪陵区的酸雨和降水数据,应用统计学方法分析降水与酸雨pH值月、季、年变化的相关性。结果表明：涪陵区酸性降水频率为42.13%,以弱酸性降水为主,自2011年起几乎无强酸性降水发生;酸雨pH值秋季最小、冬季最大,6月最小,7月最大。降水总量、有效降水日数和大量级降水占比都会影响酸雨的月、季、年变化,并不能单独由一个指标来说明酸雨的变化规律;其中,大量级降水占比对酸雨pH值影响最大。上述结果表明,了解降水与酸雨pH值的变化规律为有效防治酸雨和减少酸雨的危害提供了一定的依据。     

平行梁冲量式谷物质量流量传感器田间实验

设计了平行梁冲量式谷物质量流量传感器,以该传感器为核心部件构建了测产系统。针对小麦、水稻两种不同谷物品种,不同联合收获机机型以及不同田间地面状况,于2004年夏秋两季分别在中国科学院栾城农业生态系统实验站和上海五四农场做了精准收获实验。实验结果表明,测产系统可以在正常农田地面状况下可靠地工作,单产和总产测量误差均小于10%,且对联合收获机机型以及谷物品种不敏感。