BY-150型种子包衣机检测控制系统设计

包衣机在批量加工流程中需要针对供种量和进液量等重要参数进行检测,否则无法保证良好的包衣效果。为此,设计了一种包衣机检测控制系统,可实现对供种量和进液量参数信息的检测和控制。同时,需在供种量检测模块的硬件选型和电路设计中采用尽可能多的抗干扰措施保证种子质量的检测精度,在进液量检测模块的设计中通过采用主板信号控制动作启动、传感器检测电路直接控制动作结束的方式保证进液控制的稳定性,并通过液晶触摸屏为用户提供一个简单直观的人机交互方式。整个系统稳定可靠、抗干扰性好,满足预期的精度要求,包衣效果良好。     

A logistic analysis of the factors determining the decision of smallholder farmers to intercrop: A case study involving rubber–tea intercropping in Sri Lanka

The factors influencing the decision of smallholder farmers to adopt new farming technologies were studied with reference to rubber–tea intercropping in Sri Lanka. Rubber–tea intercropping has been recommended previously to rubber farmers as a means to improve productivity and income during the early pre-tapping phase of rubber growth. Although crop trials have shown that the two crops are agronomically compatible and potentially produce a combined economic yield superior to the yield of a sole crop grown on the same area of land, there is little evidence of widespread adoption of this practice among smallholder farmers in Sri Lanka. The aim of the study was to determine the major factors that influence the decision to undertake rubber–tea intercropping and to construct a predictive model that describes the likelihood of adoption of intercropping by traditional smallholder rubber growers. A rapid rural appraisal (RRA) was undertaken based on semi-structured interviews of 90 smallholder farmers in the main rubber growing low wet zone of Sri Lanka. Among a number of factors shown to significantly influence the decision to intercrop tea with rubber, three were shown to operate independently, namely level of income, source of income (i.e. solely from own farm or from farm plus additional off-farm enterprises), and availability of land considered suitable for tea cultivation. A statistical model developed through correlation and logistic analysis, which predicts the likelihood of a smallholder adopting intercropping based on these factors, is presented and discussed. The most likely combination of circumstances (82% probability) under which rubber–tea intercropping is practiced is shown to be where the farmer’s income is greater than Rs. 10,000 per month, where the farmer’s income is based solely on own farm enterprises, and where more than 80% of the farmer’s land area was judged to be suitable for tea cultivation. Conversely, 30% of smallholder farmers that chose not to intercrop did possess land suitable for tea cultivation. Qualitative responses to the RRA indicated that limitation of technical knowledge was the main problem subsequently faced by rubber farmers who had adopted rubber–tea intercropping. Results indicate that there is need for both income support through farm subsidies and further agricultural extension services, if rubber–tea intercropping is to be adopted more widely in Sri Lanka. The wider usefulness of the developed logistic model in determining the likelihood of adoption of intercropping by smallholder farmers is discussed.     

苹果水心病的光学无损检测

通过密度法和自行研制的水心病检测仪器对苹果样品进行检测 ,结果表明 :密度无法分离该样品水心病 ;而 1～ 4级水心病的透光强度之间存在显著差异 ,可以进行水心病判断。把近红外 810 nm的计算透光强度2 5 0 0 0作为界限值可以将好果 (1级 )与 3、4级果完全分离 ,2级果有 2 9%分离     

苹果糖度在线检测降低杂散光影响研究

基于光谱学原理设计了智能苹果糖度在线分级设备,研究了上置式检测器在线检测中的杂散光问题,通过光路图分析了富士苹果3种摆放方式对杂散光的影响,并提出了遮光降噪方案。利用偏最小二乘(PLS)回归分别建立了3种摆放方式的富士苹果可溶性固形物含量(SSC)在线预测模型。研究结果表明,对于上置式检测器而言,摆放方式和遮光处理尤为重要。其中果柄朝上遮光为最佳降噪措施,所建立的模型校正集均方差(RMSEC)为0.60,校正集相关系数(RC)为0.94,预测集均方差(RMSEP)为0.67,预测集相关系数(RP)为0.87,可以满足实际生产中的在线分级要求。     

农村供水工程水质检测模式研究

做好农村供水工程水质检测工作对保障农村供水水质安全至关重要,但它同时也是农村供水的薄弱环节,针对如何建立农村供水工程的水质检测模式开展研究与探讨。明确了农村供水工程水质检测的目标任务,分析了当前农村供水工程水质检测的现状与存在问题,从水质检测指标的选择、水质检测项目与频率的确定、水质检测设备的配备、水质检测人员的配置和监管、水质检测反馈机制的构建等几个方面提出了构建农村供水工程水质检测模式的建议,以期帮助提高农村供水工程的水质检测能力,保障农村供水水质安全。     

基于视觉测量的挖掘机工作装置姿态测量系统

提出了一种基于视觉测量的挖掘机工作装置姿态测量方法。使用工业相机获取工作装置侧视图像,采用鞍点检测方法快速捕捉工作臂上的人工靶标;将靶标间的固定几何尺寸关系作为约束条件筛选出靶标中的鞍点并计算相应工作臂的姿态角;通过预判靶标的运动范围以缩小图像检测区域,提高算法处理速度。试验表明,与挖掘机上原有的拉线传感器测量系统相比较,动臂和斗杆姿态角动态测量偏差分别小于1°和2°,处理每帧工作装置运动图像平均用时在100 ms以内,验证了该方法对挖掘机工作装置姿态测量的可行性。     

基于计算机视觉系统的溶液浓度快速检测方法

基于计算机视觉系统的RGB色度学理论,提出一种测定有色溶液浓度的数字色度法,并开发了与之配套的软件检测系统。该方法与分光光度计相比,大大提高了检测效率,理论上每分钟可完成上百个样品浓度的同时测定。通过软件系统分析样品色度信息,实现自动显示被测溶液浓度的良好效果,为一次性成批检测溶液浓度提供了一种简捷快速的新思路。     

基于含水率变化的气体射流冲击干燥过程温度自适应控制系统

为了给变温干燥工艺提供新的技术支持,实现基于含水率变化的干燥温度自适应控制,该研究设计了具有物料含水率在线检测功能的温度自适应控制系统。采用卷积神经网络建立了以质量检测值、气流冲击速度、称重传感器弹性基体温度、气流冲击距离为输入,物料真实质量为输出的含水率在线检测模型。进行了含水率在线检测模型验证试验。结果表明,该模型满足变温干燥工艺中含水率在线检测的精度要求,5组含水率在线检测模型验证试验的决定系数R²和均方根误差RMSE依次为0.9934和1.20%。该文设计了改进神经网络-PID（improved neural network-PID,INN-PID）控制器来实现变温干燥工艺中的温度控制。在MATLAB软件中以单位阶跃信号为输入对PID、神经网络-PID（neural network-PID,NN-PID）和INN-PID控制器的动态性能进行仿真。对3种控制器分别进行了50~55 ℃的干燥温度控制试验。结果表明,在仿真试验中,INN-PID控制器的控制稳定性和调节时间均显著优于另外两种控制器;干燥温度控制试验结果与仿真结果存在近似相同的规律,INN-PID控制器的峰值时间是208.00 s,调节时间是120.59 s,最大超调量是4.87 %,满足变温干燥过程中温度控制的要求。该研究在气体射流冲击干燥机中搭建了温度自适应控制系统,进行了基于含水率变化的温度自适应控制试验。结果表明,该系统可以对基于含水率变化的变温干燥工艺中的干燥温度进行快速且有效的调节。该研究对提高干燥设备的自动化水平以及开发新的变温干燥工艺具有重要意义,对其他领域的多信息融合检测和控制策略研究提供参考。     

基于改进YOLOv8n的茶叶嫩稍检测方法

针对名优茶智能采摘中茶叶嫩梢识别精度不足的问题,该研究对YOLOv8n模型进行优化。首先,在主干网络中引入动态蛇形卷积（dynamic snake convolution,DSConv）,增强模型对茶叶嫩梢形状信息的捕捉能力;其次,将颈部的路径聚合网络（path aggregation network,PANet）替换为加权双向特征金字塔网络（bi-directional feature pyramid network,BiFPN）,强化模型的特征融合效能;最后,在颈部网络的每个C2F模块后增设了无参注意力模块（simple attention module,SimAM）,提升模型对茶叶嫩梢的识别关注度。试验结果表明,改进后的模型比原始模型的精确率（precision,P）、召回率（recall,R）、平均精确率均值（mean average precision,mAP）、F1得分（F1 score,F1）分别提升了4.2、2.9、3.7和3.3个百分点,推理速度为42 帧/s,模型大小为6.7 MB,满足低算力移动设备的部署条件。与Faster-RCNN、YOLOv5n、YOLOv7n和YOLOv8n目标检测算法相比,该研究提出的改进模型精确率分别高出57.4、4.4、4.7和4.2个百分点,召回率分别高出53.0、3.6、2.8和2.9个百分点,平均精确率均值分别高出58.9、5.0、4.6和3.7个百分点,F1得分分别高出了56.8、3.9、3.7和3.3个百分点,在茶叶嫩梢检测任务中展现出了更高的精确度和更低的漏检率,能够为名优茶的智能采摘提供算法参考。     

基于改进YOLOv7的杨梅树单木检测

为了快速检测和统计杨梅树的数量,该研究提出了一种基于改进YOLOv7的杨梅树单木检测模型：YOLOv7-ACGDmix。首先,对YOLOv7的可扩展高效长程注意力网络（extended-efficient long-range attention networks, E-ELAN）进行改进,通过融合兼具卷积和注意力机制优势的ACmix（a mixed model that enjoys the benefit of both self-attention and convolution）结构得到AC-E-ELAN模块,提升模型的学习和推理能力,引入可变形卷积（deformable convolutional networks version 2, DCNv2）结构得到DCNv2-E-ELAN模块,增强模型对不同尺寸目标的提取能力;其次,采用内容感知特征重组（content-aware reassembly of features, CARAFE）上采样模块,提高模型对重要特征的提取能力;然后,在主干和头部网络部分添加全局注意力机制（global-attention mechanism, GAM）,强化特征中的语义信息和位置信息,提高模型特征融合能力;最后,采用WIoU（wise intersection over union）损失函数减少因正负样本数据不平衡造成的干扰,增强模型的泛化性。在公开数据集上的试验结果表明,YOLOv7-ACGDmix模型的精确率达到89.1%,召回率达到89.0%,平均精度均值（mean average precision, mAP）达到95.1%,F₁-score达到89.0%,相比于原YOLOv7模型分别提高1.8、4.0、2.3和3.0个百分点。与Faster R-CNN、SSD、YOLOv8模型相比,改进模型的平均精度均值（mAP_0.5）分别提高了9.8、2.2、0.7个百分点。实地采集杨梅树样本数据的检测精确率87.3%、召回率85.7%。试验表明,改进模型为基于无人机影像的杨梅树单木检测提供了一种有效的解决方案,对果园精准管理的发展具有重要意义。