农业机器人切削过程仿真分析——基于计算机辅助设计

利用6自由度机器人切削加工平台,讨论了该机器人与计算机辅助设计工具的数据链结构,研究了其运动控制过程,并对设计结果进行有效优化。通过介绍切削加工控制系统整体结构,构建了机器人运动学模型,并根据计算机辅助设计工具,对机器人后续优化过程的坐标转换、各关节正逆运动学计算以及机器人运动控制程序生成过程进行了深入研究。同时,对系统进行了ADAMS软件仿真,并完成了3D样件的加工。试验结果表明:该系统可以自动生成机器人运动控制程序的加工指令,直接驱动机器人末端执行刀具的运动,实现零部件的加工生产,可行性高。     

利用90K基因芯片进行小麦株高QTL分析

为给小麦株高标记辅助选择提供可供选择的分子标记,并进一步对株高QTL进行精细定位及相关基因克隆,以小麦骨干亲本周8425B和小偃81衍生的包含102个家系的RIL群体(F_8)为材料,利用90K芯片标记构建高密度遗传图谱,在3个环境下对株高进行QTL检测。结果表明,所构建的图谱含有9 290个SNP标记,覆盖了小麦21条染色体的63个连锁群,图谱总长3 894.64cM,平均标记密度为0.42cM。共检测到9个控制株高的QTL,分布于1B、4A、4D、6B、7A、7B和7D染色体上,变异解释率为2.23%~16.25%。QPh.nafu.4D、QPh.nafu.4A、QPh.nafu.1B-2与前人定位到的位置相同或相近。QPh.nafu.7A具有较大的LOD值(8.17)和变异解释率(14.69%),为主效QTL。QPh.nafu.6B、QPh.nafu.7B-1、QPh.nafu.7B-2均能在多个环境下使用多种QTL检测方法定位到,可能为新的较稳定的控制株高的QTL。     

Revisiting rice breeding methods – evaluating the use of rapid generation advance (RGA) for routine rice breeding

Rice production needs to increase in the future in order to meet increasing demands. The development of new improved and higher yielding varieties more quickly will be needed to meet this demand. However, most rice breeding programmes in the world have not changed in several decades. In this article, we revisit the evidence in favour of using rapid generation advance (RGA) as a routine breeding method. We describe preliminary activities at the International Rice Research Institute (IRRI) to re-establish RGA on a large scale as the main breeding method for irrigated rice breeding. We also describe experiences from the early adoption at the Bangladesh Rice Research Institute. Evaluation of RGA breeding lines at IRRI for yield, flowering time and plant height indicated transgressive segregation for all traits. Some RGA lines were also higher yielding than the check varieties. The cost advantages of using RGA compared to the pedigree method were also empirically determined by performing an economic analysis. This indicated that RGA is several times more cost effective and advantages will be realized after 1 year even if facilities need to be built. Based on our experience, and previous independent research empirically testing the RGA method in rice, we recommend that this method should be implemented for routine rice breeding in order to improve breeding efficiency.     

基于机器视觉的马铃薯晚疫病快速识别

晚疫病是马铃薯的一种严重病害,可造成减产甚至绝收。因此马铃薯晚疫病的识别与控制对提高其产量有非常重要的意义。该文基于机器视觉技术对马铃薯叶部晚疫病进行检测,根据马铃薯叶片上晚疫病斑的颜色、纹理和形状特征参数的不同,提取叶片表面的特征参数,并建立数学模型对病害程度做出评价。在RGB、HSV颜色空间中,根据马铃薯叶片在患病早期叶片颜色发生变化且与健康叶片不同,利用颜色特征,建立马铃薯晚疫病的无病和患病模型,该模型对马铃薯患病早期的识别率为67.5%。利用灰度共生矩阵,采用纹理统计参数进行病害等级评价,用熵值和能量值描述晚疫病的严重程度,纹理特征对患病程度的识别率比较稳定,对患病中期与后期的识别率分别为72.5%与80%。利用形状特征的相对特征,根据病斑面积比进行晚疫病诊断,该方法对马铃薯叶片晚疫病患病后期的诊断取得较好效果,识别率为90%,但由于叶片患病早期的病斑面积小且分散,识别难度大,识别率仅为50%。针对颜色、纹理及形状特征在识别马铃薯叶片晚疫病时的优势与局限性,提出颜色纹理形状特征结合的识别方法,对患病中期与后期的识别率分别为90%和92.5%。通常马铃薯晚疫病的理化值检测法耗时数天,但利用机器视觉识别马铃薯晚疫病患病情况非常快速,根据颜色特征进行病害识别的时间约为4 s,纹理特征识别的时间为7 s,形状特征特征识别的时间为3 s,综合颜色纹理形状特征的识别由于计算量较大,识别时间为9 s。该研究可为基于机器视觉的马铃薯晚疫病的快速检测提供理论依据。     

基于混合狼群算法参数优选的泵站群运行优化

对于求解复杂的并联泵站群优化运行模型,狼群算法(wolf pack algorithm,WPA)存在收敛性和鲁棒性差等问题。为改善这些问题,该文以某典型并联泵站群为例,以泵站系统主机组运行能耗最低为优化目标,考虑流量、叶片角度、开机台数等约束条件,建立了并联泵站群优化运行模型。将模拟退火算法引入WPA算法中,提出混合狼群算法(hybrid wolf pack algorithm,HWPA)用于求解建立的优化模型。选择最小值、平均值和标准差作为算法性能的评价指标。相较于粒子群算法(particle swarm optimization,PSO)和WPA算法,HWPA算法求解典型并联泵站群优化运行模型得出的运行能耗最小值平均降低了15.60、10.23 kW,平均值平均降低了36.94、14.30 kW,标准差平均降低了84.82%、72.90%。在HWPA算法的基础上,对算法中的游走步长、奔袭步长、围攻步长的最小值和最大值4个参数进行单因素分析和拉丁超立方抽样设计计算,确定出4个参数的最优组合为0.33、1.53、0.672和4.8×10^5,进而提出改进混合狼群算法(improved hybrid wolf pack algorithm,IHWPA)。相较于HWPA算法,IHWPA算法求解典型并联泵站群优化运行模型得出的运行能耗最小值和平均值平均降低了4.66和13.26 kW,标准差平均降低了94.02%。应用IHWPA算法确定典型并联泵站群6个不同运行工况优化方案,结果表明,采用引入模拟退火算法、优选WPA算法参数的方法提高了算法的全局收敛性与计算鲁棒性,泵站运行最优决策方案较实际方案的运行能耗平均降低9.80%,可为泵站工程提供合理有效的运行方案,降低运行能耗。     

基于灰度截留分割与十色模型的马铃薯表面缺陷检测方法

为探索基于计算机视觉的马铃薯表面缺陷检测新方法,该研究提出能将马铃薯表面疑似缺陷一次性分离出来的快速灰度截留分割方法和用于缺陷识别的十色模型。选择面积比率和十色比率作为缺陷判别特征,对分割出来的深色部位采用阈值法进行缺陷识别。采用基于快速G与亮度截留分割的2种方法对发芽进行识别。通过对326个马铃薯样本的652幅正反面图像进行试验,基于十色模型的缺陷识别方法对分割出来的深色区域的正确识别率为93.6%,基于快速G与亮度截留分割2种方法结合对有芽体图像的正确识别率为97.5%,马铃薯表面缺陷正确检测率为95     

采用改进CenterNet模型检测群养生猪目标

为实现对群养环境下生猪个体目标快速精准的检测,该研究提出了一种针对群养生猪的改进型目标检测网络MF-CenterNet（MobileNet-FPN-CenterNet）模型,为确保目标检测的精确度,该模型首先以无锚式的CenterNet为基础结构,通过引入轻量级的MobileNet网络作为模型特征提取网络,以降低模型大小和提高检测速度,同时加入特征金字塔结构FPN（Feature Pyramid Networks）以提高模型特征提取能力,在保证模型轻量化、实时性的同时,提高遮挡目标和小目标的检测精度。该研究以某商业猪场群养生猪录制视频作为数据源,采集视频帧1 683张,经图像增强后共得到6 732张图像。试验结果表明,MF-CenterNet模型大小仅为21 MB,满足边缘计算端的部署,同时对生猪目标检测平均精确度达到94.30%,检测速度达到69 帧/s,相较于Faster-RCNN、SSD、YOLOv3、YOLOv4目标检测网络模型,检测精度分别提高了6.39%、4.46%、6.01%、2.74%,检测速度分别提高了54、47、45、43 帧/s,相关结果表明了该研究所提出的改进型的轻量级MF-CenterNet模型,能够在满足目标检测实时性的同时提高了对群养生猪的检测精度,为生产现场端的群养生猪行为实时检测与分析提供了有效方法。     

现代教育技术在我校计算机教学中的应用现状及改进措施

分析我校计算机教学中现代教育技术的应用现状及改进措施。从教育观念、教育体制、教学内容和教学方法等多方面提出如何充分利用现代教育技术促进我校计算机教学的改革,提高我校计算机公共教学和专业教学水平的措施。     

计算机化考试质量评估的四度检验

依据计算机化考试试题库中不同类型的试题,确定相应的信度、效度、难度、区分度的计算方法。通过对《数据库系统原理》课程的计算机化考试成绩计算,得到各类型题及考试的信度、效度、难度、区分度,并析得出《数据库系统原理》课程的计算机化考试质量较高,考试有效。     

吉林玉米带玉米一次性施肥现状调查分析

利用肥料统计资料、农户和肥料经销商的抽样调查资料,对吉林省玉米一次性施肥的规模、分布区域、施用量、经济投入及玉米高氮复混肥的生产状况进行了调查和分析。结果表明:玉米一次性施肥主要集中在吉林玉米带的中、东部地区,土壤类型以黑土、典型黑钙土、白浆土、草甸土和暗棕壤为主。2005年玉米一次性施肥面积占玉米总施肥面积的62.5%,玉米一次性施肥平均施用量为554 kg/hm2;一次性施肥比农民常规施肥多投入313元/hm2。玉米高氮复混肥的比例和氮含量逐年增加,特别是临时登记的高氮复混肥比例和高氮复混肥(N>25%)的比例分别由2003年的45.1%、50.0%增加到2005年的95.5%、77.0%。