基于声学特性的西瓜糖度检测系统

该研究优化了由包裹橡皮的金属小球、压电式加速度传感器、电荷放大器、光电式触发电路、数据采集卡和计算机等组成的西瓜声学特性测试系统。由所获取的声波信号幅值谱计算出声透过率,采用TQ软件中SMLR(逐步多元线性回归)函数选取6个特征频率:752、869、1001、4556、322、3950Hz,由其对应的声透过率值建立了西瓜品质检测的多元线性回归模型。对47个西瓜样本的试验数据分析表明:将敲击点和接收点分别放置在西瓜自然生长状态的中部对侧可获得最佳的测定模型,模型的校正相关系数R、校正均方根误差RMSEC和预测均方根误差RMSEP分别是0.80753、0.646和0.655。实现了西瓜糖度检测目的,为声学无损检测西瓜成熟度提供了参考。     

农业知识问答系统句子相似度算法研究

在农业领域中,农业知识问答系统以其能接受自然语言检索和直接返回精确答案而成为一种新的信息检索技术。针对农业领域,提出了一种多重信息融合的句子相似度算法。该算法结合了句子的结构信息、词法信息和语义信息,同时考虑农业知识问答系统中问句的特征,使其更适合应用在农业特定领域中,并通过实验验证了算法的可行性和准确性。     

2BFQ-6型油菜精量联合直播机气力式排种系统试验研究

为了对2BFQ-6型油菜精量联合直播机气力式排种系统进行研究,该文在气力式油菜精量排种检测系统研制基础上,以排种盘转速、风机转速及正压泄气孔直径为试验因素,进行了320次全因子组合试验,并运用多元非线性回归等数学方法进行试验数据分析处理。结果表明:各因素对系统排种效果影响程度主次为风机转速>排种盘转速>正压泄气孔直径,而风机转速及其与排种盘转速的交互作用分别是影响各行排种量及其一致性的首要因子;在一定范围内,随着风机转速的提高和排种盘转速的降低,系统排种性能趋于稳定;而当正压泄气孔直径在20和30mm时,系统具有较好的排种量一致性。所得出的气力式油菜精量排种系统的排种量方程、排种量一致性方程及90%排种率参数组合图,可为直播机参数匹配提供参考,也可对直播机的排种性能进行评估。     

近红外光谱结合偏最小二乘法快速评估土壤质量

以长江中下游粮食主产区水稻土为研究对象,采集17种不同施肥处理下共136个土壤样品在350 ～2 500 nm范围的近红外光谱,利用偏最小二乘回归分析结合交叉验证法建立了近红外漫反射光谱与传统化学分析方法测得的全碳、全氮、碳氮比、速效钾、速效磷、电导率、土壤pH等土壤指标之间的定量分析模型。模型的决定系数（R2）以及化学分析值标准差（SD）与模型的内部交叉验证均方差（RMSECV）的比值RSC用于判定建立的模型的好坏。结果表明：全碳、全氮、碳氮比和pH模型的R2和RSC分别为：R2=0.94,RSC=4.31;R2=0.95,RSC=4.35;R2=0.97,RSC=5.60;R2=0.92,RSC=3.37,说明上述土壤指标的预测结果很好。速效钾模型的R2和RSC分别为：R2=0.87,RSC=2.23,表明预测结果尚好。而速效磷和电导率模型的R2和RSC分别为：R2=0.18,RSC=1.16;R2=0.37,RSC=1.31,说明两者的预测结果均很不理想。综上所述,水稻土的土壤质量相关指标（全碳、全氮、碳氮比、速效钾和土壤pH）可以通过近红外光谱结合偏最小二乘法（NIR-PLS）快速评估。     

基于近红外光谱的室温贮藏下鲜枣霉菌污染动力学模型

为了预测鲜枣常温贮藏的保鲜期,确保鲜枣的品质要求及食用安全,应用近红外光谱建立了室温贮藏下鲜枣内部霉菌菌落总数变化的动力学模型。通过对几种数据预处理方法的比较及特征波数的选择,实现了鲜枣霉菌菌落总数变化的近红外模型的优选。结果表明:经过多元散射校正处理的鲜枣近红外光谱,应用多元线性回归方法建立的霉菌菌落总数模型预测能力较好,校正集相关系数为0.920,均方根误差为1.503,预测集相关系数为0.889,均方根误差为1.514。同时,将近红外光谱模型应用于霉菌菌落总数随贮藏时间变化的零级反应动力学模型中,得到模型的相关系数为0.981。根据近红外光谱吸光度值与贮藏时间的线性关系,当霉菌菌落总数初始值小于等于10cfu/g时,预测出鲜枣在室温下的保鲜期一般为8d。研究表明,结合动力学模型的近红外光谱技术可以作为一种无损、快速检测方法来检测鲜枣霉菌菌落总数变化。     

基于地理权重回归模型的土壤有机质空间预测

准确了解土壤有机质的空间分布是合理施肥的重要前提,也是水土流失控制及保护环境的重要基础。利用113个土壤有机质样点数据,以海拔高度、土壤侵蚀强度、土地利用、比值植被指数、样点至河流的欧氏距离、亚铁矿物指数及坡度为参考因子,来尝试利用GWR(Geographically Weighted Regression)模型探索多重因素作用下的土壤有机质空间分布,并通过与普通线性回归(ordinary least squares,OLS)相比较,来了解GWR模型的精度,进而进行了土壤有机质的空间制图,并对其制图效果进行了评价。结果表明,与OLS模型相比,GWR预测模型它能显著降低AIC(Akaike Information Criterion)值,较大程度地提高模型的决定系数,并有效地减少模型的回归残差值。从制图的总体效果看,GWR模型的预测结果与实测值的吻合程度要优于OLS模型。文章还对利用GWR模型进行回归时的样点数量、因子筛选及因子定量化等方面进行了相应的讨论。     

基于不同地表曲面模型预测土壤有机碳含量

Local terrain attributes,which are derived directly from the digital elevation model,have been widely applied in digital soil mapping.This study aimed to evaluate the mapping accuracy of soil organic carbon (SOC) concentration in 2 zones of the Heihe River in China,by combining prediction methods with local terrain attributes derived from different polynomial models.The prediction accuracy was used as a benchmark for those who may be more concerned with how accurately the variability of soil properties is modeled in practice,rather than how morphometric variables and their geomorphologic interpretations are understood and calculated.In this study,2 neighborhood types (square and circular) and 6 representative algorithms (Evans-Young,Horn,Zevenbergen-Thorne,Shary,Shi,and Florinsky algorithms) were applied.In general,35 combinations of first-and second-order derivatives were produced as candidate predictors for soil mapping using two mapping methods (i.e.,kriging with an external drift and geographically weighted regression).The results showed that appropriate local terrain attribute algorithms could better capture the spatial variation of SOC concentration in a region where soil properties are strongly influenced by the topography.Among the different combinations of first-and second-order derivatives used,there was a best combination with a more accurate estimate.For different prediction methods,the relative improvement in the two zones varied between 0.30％ and 9.68％.The SOC maps resulting from the higher-order algorithms (Zevenbergen-Thorne and Florinsky) yielded less interpolation errors.Therefore,it was concluded that the performance of predictive methods,which incorporated auxiliary variables,could be improved by attempting different terrain analysis algorithms.     

便携式X射线荧光光谱仪实验室异位检测法的实用性研究

采用分步取样法验证便携式X射线荧光光谱仪的实验室异位检测法的实用性,以ICP-AES法为基准,对土壤重金属Cr、Cu、As、Pb的含量进行测定,试验中选用70%土壤样品建立一元线性校准模型,30%土壤样品进行校准模型的验证。结果表明,便携式X射线荧光光谱仪实验室异位检测法的检出限分别为Cr 17.7 mg/kg,Cu 10.4 mg/kg,As 5.4 mg/kg,Pb 6.2 mg/kg,均低于国家土壤环境质量一级标准。对国内外标准物质进行多次重复测定,RPD在–8.9%~7.9%,说明仪器在异位测定重金属含量时具有较好的精密度与准确度。分析PXRF法与传统方法测定建立的拟合方程,其决定系数分别为0.817 3、0.787 0、0.673 3和0.722 1,表明PXRF室内异位法可用于土壤重金属Cr、Cu、As、Pb的快速测定;二次采样建立的验证模型R2分别为0.912 4、0.897 9、0.772 3、0.872 9,逐渐靠近理想模型,充分验证PXRF异位法的实用性和校准曲线的准确性,可适用于农田土壤Cr、Cu、As、Pb的快速测定、污染筛查,为土壤重金属速效测定提供有力依据;但仪器在异位测定As元素时准确性降低,建议异位测定时需进行数据校准。     

激光诱导击穿光谱技术检测土壤中的铅和镉含量

为了满足土壤重金属快速准确检测的需求,同时为土壤的重金属污染防治和农业的可持续发展提供理论指导,该研究利用激光诱导击穿光谱(laser-induced breakdown spectroscopy,LIBS)技术结合定标曲线法和化学计量学方法对土壤中重金属铅(Pb)和镉(Cd)元素进行定量分析。在获取LIBS数据之后,结合土壤LIBS发射谱线中Pb和Cd谱峰信息以及美国国家标准与技术研究院(national institute of standards and technology,NIST)的标准原子光谱数据库,选取了Pb和Cd的特征谱线分别为Pb I 405.78和Cd I 361.05 nm。首先对谱线信息进行预处理后,根据谱峰信息和元素的含量,分别建立了基于谱线峰强度、归一化后洛伦兹拟合强度、谱峰积分强度与对应元素浓度之间的关系模型和定标曲线。对于Pb元素的3种定标方法得到的线性关系的决定系数(R2)分别为0.983 85、0.970 97、0.993 21,且模型反演的结果与实际值的相对误差较小;而Cd元素的3种定标方法没有得到明显线性关系。然后运用偏最小二乘回归(partial least-squares regression,PLSR)建立了土壤Pb和Cd元素的定量分析模型,Pb元素PLSR模型的结果与定标曲线法的结果类似,其预测的相关系数(RP)为0.948 5,预测均方根误差(RMSEP)为2.044 mg/g;而Cd元素的PLSR模型的结果比起定标曲线法有较大提升,其预测的相关系数(RP)为0.994 9,预测均方根误差(RMSEP)为97.05μg/g,结果说明PLSR方法在光谱化学分析领域中比定标曲线法进行定量分析有更好的适用性。研究表明,LIBS技术能够实现对土壤重金属Pb和Cd含量的定量检测,为开发实时便携式LIBS土壤重金属检测仪提供了理论基础。     

双层种箱式马铃薯排种装置设计与试验

为了提高链勺式马铃薯排种装置排种性能,该研究基于离散单元法理论,使用EDEM软件建立了排种装置数值模型,在对排种过程中种薯运动规律仿真分析的基础上,设计了具有双层种箱结构的排种装置,以空种率和重种率为性能指标,试验研究了排种速度、种勺直径和充种高度对充种性能的影响规律,利用回归方程和多目标优化方法对双层种箱式排种装置进行了参数的优化设计,结果为:1)排种速度0.67 m/s、种勺直径48.6 mm、充种高度0.28 m时,空种率和重种率分别是3.8%和8.8%;2)排种速度0.36 m/s≤v≤0.96 m/s、种勺直径44 mm≤d≤56 mm、充种高度0.15 m≤h≤0.28 m时,空种率小于10%,重种率小于20%。种薯运动规律表明:增大高效充种区、增强种薯流动性可以有效提高充种成功率。试验结果表明:与单层种箱式排种装置相比,双层种箱式排种装置空种率降低50%,重种率降低24.5%;排种速度提高92%时,仍可保证排种性能。该研究为链勺式马铃薯排种装置的优化设计提供指导。