基于SDAE-BP的联合收割机作业故障监测

为了解决联合收割机作业故障的非线性特征信号难以提取的问题,该研究提出了一种基于堆叠去噪自动编码器(Stack Denoising Auto Encoder, SDAE)和BP神经网络(Back Propagation,BP)融合的联合收割机作业故障监测及诊断的方法(SDAE-BP)。以转速传感器采集联合收割机脱粒滚筒转速、籽粒搅龙转速、喂入搅龙转速、杂余搅龙转速、风机转速、输送链耙转速、割刀频率以及逐稿器振动频率,并将采集的数据集作为系统的输入。利用SDAE提取输入信号的深层次特征,并由BP神经网络辨识收割机作业状态,实现联合收割机故障监测。在SDAE-BP模型训练过程中,去噪自动编码器(Denoising Auto Encode, DAE)依次经带有不同分布中心噪声的原始数据进行训练,然后将其堆叠,并通过误差反向传播算法对模型参数进行优化,以提升模型识别故障性能和泛化能力。试验结果表明,对于2018年联合收割机田间试验数据,模型的故障诊断准确率达到99.00%,与SDAE和BP神经网络相比,分别提高了1.5和4.5个百分点。将SDAE-BP故障诊断模型用2019年的试验数据进行更新,并用2018年和2019年试验数据进行测试,结果表明,更新后的模型对2018年试验数据的故障识别准确率为99.25%,对2019年试验数据的故障识别准确率为98.74%,更新后模型在2019试验数据集上的故障识别准确率较未更新模型提高了6.52个百分点。该文所建模型能够准确识别联合收割机的故障类型,且具有较好的鲁棒性,对旋转型机械故障监测及预警具有参考价值。     

缓释肥侧位深施及用量对油菜产量和肥料利用率的影响

为明确红壤稻田直播油菜缓释肥（N-P2O5-K2O:25-7-8）侧位深施效果及适宜用量,该研究连续2 a在两熟制和三熟制2种种植模式下开展缓释肥侧位深施效果对比试验（设置不施肥、土表撒施和侧位深施3个施肥方式）和施用量试验（设置0、300、450、600、750和900 kg/hm2 共6个施肥水平）,研究缓释肥侧位深施及不同用量对油菜产量形成和肥料利用率的影响。结果表明,施肥方式对红壤稻田油菜产量形成和肥料利用率均有显著影响,且对两熟制油菜影响更为显著。相比传统土表撒施,侧位深施显著促进了油菜产量和肥料利用率的提高。缓释肥侧位深施明显提高了各时期油菜干物质量,尤其是显著增加了初花期至成熟期的干物质积累量,促进了花后根部与地上部干物质同步增长;促进了根系对N、P、K的吸收,提高了油菜产量和肥料利用率。菜籽产量与缓释肥用量呈线性加平台关系,适宜施肥量可保证较大的收获密度,并协同产生较多的每株角果数和每角粒数,从而提高籽粒产量、肥料利用率和经济效益。两熟制和三熟制油菜缓释肥侧位深施的适宜用量分别为715和585 kg/hm2,产量潜力可分别达2 450和1 700 kg/hm2。研究表明,侧位深施适量缓释肥可显著提高红壤稻田直播油菜生产力,建议结合机械化种植因地制宜推广应用。     

浅谈高校图书馆的导读工作

随着科技文化的迅猛发展,图书馆的文献资源也显著增加,这样,文献的质量必然良莠不齐,为了很好的引导学生在知识的海洋里健康的遨游,导读就起着举足轻重的作用。     

基于语义部位分割的条纹斑竹鲨鱼体运动姿态解析

条纹斑竹鲨具有较高的经济价值和医用研究价值。人工驯养对环境和温度等因素要求较高,时常出现大规模病死现象。利用视频图像量化分析鱼体运动行为,有助于进行异常识别和早期预警,将有效提高养殖养护水平。该研究针对人工驯养的条纹斑竹鲨鱼,提出一种基于深度神经网络的语义部位分割方法,并将分割结果应用于剖析条斑鲨鱼体运动姿态。首先,依据条斑鲨形态特征将其划分为7个可视的身体组成构件(头部、右胸鳍、左胸鳍、右腹鳍、左腹鳍、躯干、尾巴);再对全景养殖监控视频中抽取的476幅条斑鲨子图进行各部位的像素级标记,通过数据增强到1 944幅建立鱼体语义部位数据集,其中训练集为1166幅图像,测试集为778幅图像;然后,在语义分割网络模型基础上进行深度学习训练,使用深度学习框架对网络参数进行微调使得网络训练结果达到最优。最后,利用语义部位分割结果定位躯干和鱼头质心建立随体坐标,通过随体坐标的方向变化判明鱼体动作姿态。基于FCN-8s和Segnet两种深度网络模型进行了鱼体部位分割的对比试验,测试结果表明基于Segnet网络的分割方法在头部、右胸鳍、左胸鳍、右腹鳍、左腹鳍、躯干、尾巴部位的准确度分别高出FCN-8s深度网络1.50,4.70,6.95,6.56,6.01,0.85,0.84个百分点。语义部位分割结果能够有效判别条斑鲨鱼体目标的动作姿态,可为鱼体异常行为识别和进一步开展面向条斑鲨的动物行为学试验提供技术参考。     

便携式柑橘虫害实时检测系统的研制与试验

为实现柑橘虫害的快速、准确识别,帮助果农及时掌握果园内虫害的危害程度和分布情况,该研究结合嵌入式图像处理技术设计了一套基于深度卷积神经网络的柑橘虫害实时检测系统。优选MoblieNet作为虫害图像特征提取网络,区域候选网络生成害虫的初步位置候选框,快速区域卷积神经网络(Faster Region Convolutional Neural Networks,Faster R-CNN)实现候选框的分类和定位。检测系统根据目标图像中虫害数量计算危害程度,按照正常、轻度、中度、重度4个等级判定柑橘虫害的严重程度,形成虫害识别与级别定量化测评软件。最后引入北斗模块获取采样点位置信息,进一步处理成可视化的虫害热力图。结果表明,该方法可实现对柑橘红蜘蛛和蚜虫的快速准确检测,识别准确率分别达到91.0%和89.0%,单帧图像平均处理速度低至286ms。该系统实现了柑橘虫害的精准识别与定位,可为农药喷洒作业提供精准信息服务。     

基于轻量型残差网络的自然场景水稻害虫识别

准确识别水稻害虫对水稻及时采取防护和治理措施具有重要意义,该研究以自然场景中水稻害虫图像为研究对象,针对水稻害虫图像的颜色纹理与背景相近以及同类害虫形态差异较大等特点,设计了一个由特征提取、全局优化以及局部优化模块构成的轻量型残差网络（Light Weight Residual Network,LW-ResNet）用于水稻害虫识别。在特征提取模块通过增加卷积层数以及分支数对残差块进行改进,有效提取自然场景中水稻害虫图像的深层全局特征并使用全局优化模块进行优化;局部优化模块通过设计轻量型注意力子模块关注害虫的局部判别性特征。LW-ResNet网络在特征提取模块减少了残差块的数量,在注意力子模块中采用深度可分离卷积减少了浮点运算量,从而实现了模型的轻量化。试验结果表明,所设计的LW-ResNet网络在13类水稻害虫图像的测试数据集上达到了92.5%的识别准确率,高于VGG16、ResNet、AlexNet等经典卷积神经网络模型,并且LW-ResNet网络的参数量仅为1.62×106个,浮点运算量仅为0.34×109次,低于MobileNetV3轻量级卷积神经网络模型。该研究成果可用于移动端水稻害虫的自动识别。     

基于Jetson Nano处理器的大蒜鳞芽朝向调整装置设计与试验

为满足大蒜定向播种的农艺要求,针对现有大蒜鳞芽调整方法对杂交蒜适应性差的问题,该研究设计了一种基于Jetson Nano处理器的大蒜鳞芽朝向自动调整装置。采用双卷积神经网络模型结构,其中一个神经网络模型对大蒜是否被喂入进行实时监测,检测到大蒜喂入调整装置后,一个ResNet-18网络模型对蒜种鳞芽朝向进行判断,当鳞芽朝上时大蒜鳞芽调整机构打开Y型料斗使大蒜以鳞芽朝上的姿态直接落下,当鳞芽朝下时大蒜鳞芽调整机构翻转180°带动大蒜一起翻转后以鳞芽朝上的姿态落下,实现大蒜鳞芽朝向实时调整。神经网络模型推理及舵机控制采用英伟达边缘计算处理器Jetson Nano进行处理。利用离散元分析软件EDEM结合正交试验方法对调整装置的关键结构参数进行优化,并以杂交大蒜为试验对象进行台架试验,试验结果表明:大蒜鳞芽调整成功率为96.25%,模型推理时间0.045 s,平均每粒大蒜调整时间为0.785 s,满足大蒜播种机播种要求。该文研究结果可为解决杂交大蒜直立播种问题及边缘计算在精密播种设备中的应用提供有益参考。     

速效氮与缓控释氮配比一次性侧深施对双季稻产量、氮素利用率及氮素损失的影响

为探究在机插同步一次性侧深施肥作业方式下的速效氮与缓控释氮合理配比,保证水稻产量,提高肥料利用率,降低氮素流失,实现水稻的清洁化生产,采用田间小区试验,设置7个处理,分别为CK:不施肥,T1:农民习惯施肥(施N量早稻150 kg·hm~(-2),晚稻165 kg·hm~(-2)),T2～T6:机插同步一次性侧深施肥(施N量早稻105 kg·hm~(-2),晚稻132 kg·hm~(-2)),其中T2～T6处理的缓控释氮分别占总氮的0%、10%、20%、30%、40%。结果表明:在早稻季,各处理间产量差异不显著;晚稻季,T3～T5处理的产量间差异不显著,T6处理产量显著低于T4和T5处理;与T1处理相比,T2～T6处理的氮肥吸收利用率提高了8.08～14.10(早稻)个和6.68～26.61(晚稻)个百分点。与T2处理相比,早、晚稻T3～T6处理氨挥发累积量分别降低了5.20%～38.20%、29.41%～35.60%,田面水总氮平均浓度下降了20.90%～38.22%、7.39%～29.14%,田面水铵态氮平均浓度降低了26.26%～46.09%、42.57%～45.61%,其中T4处理早、晚稻不减产,肥料吸收利用率达到37.93%(早稻)、61.32%(晚稻),氨挥发累积量、田面水总氮平均浓度和铵态氮平均浓度分别下降37.00%、30.48%、31.88%(早稻),35.58%、12.88%、52.58%(晚稻),综合效果最好。研究表明,在湖南双季稻生产中,采用机插同步一次性侧深施肥作业方式,缓控释氮占总氮的20%较为合适。     

农艺深施及配施缓控释氮肥对水稻产量及氮素损失的影响

为探讨基肥"干施湿混"（施基肥-泡田-旋耙整田）结合追肥"以水带氮"（先施追肥再灌水）的农艺深施技术及其配施缓控释氮肥对氮素损失及水稻氮素吸收利用的影响,采用田间小区试验,设置不施氮肥（N0）、常规施肥（Nc）、农艺深施（Nd）、农艺深施配施缓控释氮肥再减氮10%（Ns）4个处理,研究了农艺深施及其配施缓控释氮肥对稻田田面水中氮素形态和浓度、稻田氮素流失量、水稻氮素吸收与产量、氮盈余量、土壤有效氮含量的影响。结果表明：与Nc处理相比,Nd和Ns处理均能降低氮素损失高风险期（基肥后7 d内,分蘖肥后5 d内,穗肥后4 d内）稻田田面水中总氮（TN）浓度,降幅分别为18.5%和49.8%,且主要降低了可溶性总氮（DTN）,尤其是铵态氮（NH₄⁺-N）的浓度;Nd和Ns处理稻田TN流失量分别降低了19.1%和47.6%,氮肥表观利用率分别提高了15.3、3.9个百分点,氮素盈余量分别降低了6.8%和38.1%,且土壤有效氮含量和水稻产量均有增加的趋势。研究表明,基肥"干施湿混"结合追肥"以水带氮"的农艺深施技术能降低稻田田面水中氮素浓度,提高氮肥利用率,减少氮肥损失,是一项值得推广的操作简便、绿色增效的施肥技术,再配施缓控释氮肥,能进一步降低田面水中氮素浓度和氮肥损失,同时能减少氮肥用量。     

超大颗粒肥水田气力深施加速器设计及参数优化

为解决水稻撒施追肥存在的肥料流失、利用率低及机械深施肥工作部件易堵塞、伤根等问题,该研究设计了一种用于水田深施追肥机的超大颗粒肥气力式加速器。该加速器利用双螺旋高压气流,在其与肥料上端构成的近封闭空间内加速超大颗粒肥,实现其高速射入泥壤,并可避免肥料颗粒与管壁碰撞;出口设置渐扩管扩散气流,可减轻对泥壤的冲击,提高施肥位置的稳定性。根据超大颗粒肥参数与加速器功能要求,确定了加速器的结构参数,并根据肥料入泥深度所需的射出速度,分析确定了加速器的工作参数。在此基础上,基于Fluent软件的六自由度重叠动网格建立了加速器仿真模型,以进口气流速度、螺旋角和加速管直径为试验因素,进行单因素仿真试验与三因素三水平Box Behnken组合仿真试验,研究各因素对肥料射出速度与气流扩散率的影响。多因素试验分析及响应面分析结果表明,加速器的最佳工作参数为进口气流速度47 m/s、加速管直径21 mm、螺旋进气口螺旋角43°。在此条件下进行台架验证试验,得到肥料射出速度均值为12.61 m/s,出口气流扩散率均值为85.5%,肥料入泥平均深度为4.68 cm,达到了水稻追肥要求。该研究可为超大颗粒肥水田气力深施追肥机设计提供参考。