截形叶螨危害下枣叶片叶绿素含量高光谱估算模型

以不同截形叶螨(Tetranychus truncatus Ehara)危害等级下枣叶片高光谱和叶绿素含量数据为基础,分析不同截形叶螨危害等级(0级、1级、2级、3级、4级)下枣叶片高光谱特征,构建基于一阶微分光谱的不同截形叶螨危害等级枣叶片叶绿素含量高光谱线性回归估测模型。结果表明:截形叶螨危害造成叶片中叶绿素含量减少,导致光谱反射率降低,表现为随危害等级的增加叶绿素含量呈逐级减少趋势。在不同截形叶螨危害等级枣叶片叶绿素估测模型中,危害等级为0级时,模型拟合度最好,达到0.810,表明利用高光谱数据构建不同危害等级枣叶片叶绿素含量估算模型具有一定的潜力,对危害植被叶片的虫害诊断意义重大。     

基于群体图像识别的生菜鲜重估算方法研究

为提高温室环境最优控制中生菜信息在线反馈精度,通过群体图像识别研究生菜鲜重估算方法;通过生菜群体图像和单株图像,研究群体估算时误差正负相消对整体误差的改善作用,评估生菜遮挡问题对估算精度的影响,并研究能否通过改进深度学习的损失函数以实现对估算精度的进一步提高。结果表明：1)与不存在遮挡问题的单株图像生菜鲜重估算结果相比,基于群体图像裁剪的生菜鲜重估算决定系数(R²)低0.010 8,归一化均方根误差(NRMSE)高2.69%,平均绝对百分误差(MAPE)低2.36%,虽然估算精度略低,但是生菜群体的遮挡问题更能反映生产实际。2)群体估算虽然存在遮挡问题导致裁剪不完整,但根据误差正负相消原理,相比没有遮挡的单株估算结果MAPE仍然低3.49%,因此更适用于生菜产量信息反馈。3)基于更优化MAPE的损失函数平均平方百分误差(MSPE),可以进一步降低群体估算的MAPE至8.46%,满足“软测量”对估算精度的需求。考虑到温室生菜的实际生产情况,群体估算更适合用于温室环境最优控制中生菜产量信息的在线反馈,通过深度学习等方法的优化,可以将生菜产量的估算误差降低至10%以内。     

拖网渔船船-机-桨-网匹配研究

在拖网渔船的设计中,需要重点考虑螺旋桨与船-机的匹配、渔具与船-机-桨的匹配,实现推进系统的高效能发挥。本文引入时间概率的最佳螺旋桨参数优化确定方法,考虑拖网渔船设计的限制条件,通过优化分析,达到运营工况综合效能最佳,实现螺旋桨与船-机的合理匹配。从拖网渔船数据库中选取30艘运营状况优良的渔船进行有效拖力计算,建立拖网渔船有效拖力与主机功率和拖速的多元非线性回归方程,依据此方程得出的有效拖力结果选择网具和网板,实现有效拖力与渔具的合理匹配,最终实现渔具与船-机-桨的合理匹配。通过实船计算对比,验证了回归的有效拖力估算公式误差范围和适用性。研究表明:在拖网渔船设计初期,可以利用该公式估算有效拖力进行网具和网板的匹配,实现技术经济优化论证,最终实现船-机-桨-网的优化匹配。     

DFC技术在农业机械设计中的应用

描述了面向成本设计(Design for cost)的概念以及我国农机行业的现状;通过对农机全生命周期的分析,阐述了在我国农机企业中实施面向成本设计的必要性;介绍了在农机设计阶段所需要的成本估算方法, 并提出了基于CAD/CAPP模型的农机成本估算框架体系,从而有助于提高我国自主品牌农机的市场竞争力.     

基于红边参数的棉花冠层叶片氮积累量之估算研究

测试了棉花2个品种4水平种植密度的4个关键生育时期冠层反射光谱,应用微分技术处理棉花冠层反射光谱,提取了红边(680～750nm)波段范围的最大一阶微分值(Dr)和红边面积(SDr)参数。分析了棉花冠层红边参数在不同生育期的变化特征和棉花吐絮期的两种生长类型的冠层红边状况,表明红边位置可以指示它们的氮素状况。以新陆早8号的SDr为自变量与对应的LNA为因变量进行相关分析,SDr与冠层LNA达1%极显著相关(R=0.9186**,n=32),利用其构建的模型方程估算新陆早6号的LNA,实测LNA和估测LNA的估计标准差为0.8909g/m2,估算精度为88.1%(R=0.9277**,n=32),说明采用高光谱提取的红边参数信息是无损实时、快捷评价棉花氮素状况的有效方法。     

基于平稳小波变换的冬小麦覆盖度高光谱监测

在2010与2011年度冬小麦生长季,通过大田小区试验,实测了冬小麦冠层的高光谱反射率与覆盖度。分析了不同覆盖度下的冬小麦冠层光谱特征以及不同生育期冬小麦冠层光谱反射率与覆盖度的相关性,建立了基于归一化植被指数(NDVI)与比值植被指数(RVI)、小波能量系数的不同生育期冬小麦覆盖度估算模型。结果表明:覆盖度越大,冬小麦光谱反射率在可见光波段越小,在近红外波段越大。在可见光波段,光谱反射率与覆盖度负相关,在"红边"处,由负相关变成正相关。在返青期、拔节期,NDVI估算效果好(R2为0.835 9、0.805 7);在抽穗期、灌浆期,RVI估算效果好(R2为0.803 1、0.829 4)。在返青期、拔节期、抽穗期、灌浆期,以高频、低频小波能量系数为自变量的冬小麦覆盖度估算模型的R2分别达到0.911 2、0.895 4、0.880 2、0.927 5。     

颗粒料质量流量测量误差动态估算方法

提出了一种利用冲量原理测量固体颗粒物料实时物料速度和质量流量的方法,同时给出了一种可动态估算速度和质量流量测量误差的方法.利用自行设计的实验装置,并采用大豆作为实验材料进行了测量误差估算的实验,实验结果表明:在所设计的实验条件下,估算的质量流量相对误差最大值为4.00％,平均相对误差为1.44％;估算的速度相对测量误差最大值为9.69％,平均相对误差为5.03％,动态测量精度和总质量计量精度之间有较好的相关性.     

基于常规气象资料估算南方地区日辐射总量方法比较

日地表总辐射量(Rs)是作物生长模型和参考作物蒸发蒸腾量估算的重要基础数据,但我国只有约1/20的气象站能够直接观测Rs。由于气温资料很容易获得,使用基于基本气象资料的经验模型是估算Rs的常用方法。以1982—2014年南方20个气象站的气象资料为基础,对Bristow-Campbell(B-C)方法和Hargreaves(Harg)方法各6种不同形式重新进行了参数率定,并对以上方法和支持向量机15种参数输入形式进行了适用性评价,结果表明:支持向量机模型整体好于B-C方法和Harg方法。其中,以最高温度(Tmax)、最低温度(Tmin)、相对湿度(RH)和降水量(P)为输入变量的支持向量机模型精度最高,其20站平均R2达到0.80、RMSE平均为3.20 MJ/(m2·d),且在包含降雨量资料后,不存在Rs为负或大于地外总辐射量(Ra)的问题。仅有温度资料时,支持向量机模型的20站平均R2为0.74,RMSE为3.72 MJ/(m2·d)。不同输入变量对支持向量机模型预报Rs的精度影响不同,输入变量为Tmax和Tmin优于输入变量为ΔT;而除温度资料外,当拥有相对湿度和降水量资料时,模型优劣依次表现为RH+P、RH、P。经验模型中B-C方法的M1和M3以及Harg方法的M10和M12模型精度较好,其R2为0.69~0.70、RMSE在4.00 MJ/(m2·d)左右,但M10和M12模型对气象资料要求更高,除日温度差外,需要降水量资料,同时还存在有降水时日Rs严重高估或负值问题。