排序方式: 共有31条查询结果,搜索用时 31 毫秒
1.
基于动态称量原理的泛函式播种施肥量检测方法 总被引:2,自引:0,他引:2
针对动态检测播种施肥量的测量系统易受振动干扰影响且难消除的问题,本文采用高压氮气弹簧的支撑力和S型传感器的拉力组合成称量式播量检测装置,利用压力和拉力之间存在力向相反、幅值呈比例的互补特性,提出了一种泛函式播量检测方法,该方法构建了以目标播量函数为变量的泛函,通过求取泛函极值确定目标播量函数。利用外槽轮式小麦播种施肥机平台,在不同目标播量(225、300、375kg/hm2)和不同车速(3、5km/h,3~7km/h变速)下开展了18组室外车载式小麦播种交叉试验,并应用泛函式播量检测方法获取累积播量和动态播量信息。累积播量的绝对相对偏差的最大值、平均值和标准差分别为5.61%、2.26%和1.58%;动态播量的检测数据在作业面积较小时(少于0.020hm2时)存在较大波动,随着作业面积的增加呈明显收敛趋势,动态播量稳定阶段(作业面积大于0.033hm2),所有测试最大绝相对偏差为9.61%,单次测试中,最大平均值为4.73%,最大标准差为1.97%。试验结果表明,泛函式播量检测方法能有效获取动态播量和累积播量信息,为播种施肥机的播量检测提供了一种测量方法。 相似文献
2.
颗粒料质量流量测量误差动态估算方法 总被引:1,自引:0,他引:1
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. 相似文献
3.
增施CO2对葡萄组培苗生长发育和光合自养能力的影响 总被引:7,自引:0,他引:7
运用自行设计制作的组培环境CO 相似文献
4.
5.
棉花打顶机械是棉花高效生产急需配套解决的主要技术装备之一。应用三维参数化设计软件Solidworks设计一种基于超声波技术的棉花打顶装置,介绍该装置的总体结构和工作原理,阐述该装置的总体及关键部件的设计方案。使用该装置可实现棉花精确打顶。 相似文献
6.
增施CO_2对葡萄组培苗生长发育和光合自养能力的影响 总被引:10,自引:0,他引:10
运用自行设计制作的组培环境CO2 实时增施监控系统 ,研究葡萄组培苗在CO2 富集 ,高光合光量子流下的生长发育以及光合自养能力。结果表明 ,与对照组相比 ,增施CO2 的组培苗生长健壮 ,发育提前 ,光合自养能力得到促进 ,驯化成活率高 ;在同样增施CO2 的条件下 ,无糖组与有糖组的小苗生长发育状况差异不显著。因此 ,利用该系统可以实现无糖培养 相似文献
7.
为在苏南地区农村推广变量施肥技术提供一种可能的实施途径,根据苏南地区的农业生产实践经验,探讨一种简易的农田施肥处方的获取途径,并结合百度地图API构建变量施肥电子处方图系统,对系统结构和实现方法进行了详细介绍,重点讨论农田电子地图的构建与应用普通精度GPS模块实现田块快速定位识别的方法。以江苏省南京市双鱼龙庄13.3hm2试验田为测试对象,在Android设备上构建相应的电子处方图系统,并进行基于自然田块的定位识别性能测定试验和变量施肥试验。试验结果表明:系统测试数据稳定,定位信息经过卡尔曼滤波算法处理后,当测试点距离农田边界2m时,定位识别正确率达到86.8%,距离边界2m时,定位识别正确率达到100%。系统指导变量施肥机施肥,其实际播量相对误差小于5.9%。说明本系统能够有效识别作业位置,具备指导田间变量施肥的能力。具备在苏南地区农村推广应用的前景。 相似文献
8.
小田块变量施肥系统优化设计与应用 总被引:3,自引:2,他引:1
针对苏南地区推广变量施肥存在的施肥策略过于精细化导致高密度土壤信息不易获取和普通的施肥机械难以达到播量精度等主要技术障碍,该文建立了一种简单实用的变量施肥方案,在现有机械式播种施肥机基础上进行了自动化改造,构建了一套基于简易电子处方图系统的变量施肥系统;变量施肥作业时,以单个自然田块为处理单元,依托所建立的简单实用的电子处方图系统,实现多种肥料按需配比、同一田块均匀施肥、不同田块变量施肥的功能。为提高播量精度和播量稳定性,对普通精度GPS模块的数据进行了差分和卡尔曼滤波处理,对外槽轮施肥播种器结构进行了优化设计。田间试验结果表明:电子处方图运行结果准确,施肥播种机工作稳定,种子和肥料的最大和平均播量误差分别为3.91%和2.09%,最大和平均动态误差分别为4.52%和1.48%。该研究可为苏南小田块地区推广变量施肥提供技术参考。 相似文献
9.
为实现温室番茄植株多模态三维重建,解决多光谱反射率配准和多视角点云三维重建问题,基于相位相关原理将多光谱反射率配准至RGB-D图像坐标系中,建立了基于Kinect传感器测量位姿自主标定的多视角RGB-D图像三维重建方法,实现植株RGB三维点云模型和多光谱反射率点云模型重建,通过归一化灰度相似系数、配准区域光谱重叠率、互信息值3个指标客观评价二维多光谱图像配准质量,采用豪斯多夫距离客观评价植株三维点云重建精度。结果表明:30株温室番茄,每株4个重建视角,视角间隔为90°,配准区域光谱重叠率和归一化灰度相似系数的平均值分别为0.920 6和0.908 5,异源图像配准后互信息值比配准前互信息值平均提升了9.81%,植株冠层多光谱图像能够准确配准至深度坐标系,番茄植株三维重建点云距离集小于0.6 cm的比例为78.39%,小于1.0 cm的比例为91.13%,番茄距离集均值的平均值为0.37 cm,表明植株三维点云模型重建精度较高,能够应用于温室番茄植株多模态三维重建。植株多模态三维模型是实现三维形态测量与生理诊断的关键要素,为高通量植株表型测量提供高效精准的测量方法,对植物表型组学等研究领域的发展具有重要的意义。 相似文献
10.
基于序列图像三维重建的稻种品种识别 总被引:1,自引:2,他引:1
利用机器视觉技术识别稻种表面形态,从而识别种子纯度,可以为种子品质确定提供一种快速精确的技术方法。该文应用序列图像聚焦测度法进行了稻种三维重建,在稻种的品种识别中,将三维特征作为识别依据,相对传统方法仅采用二维图像特征作为识别手段,具有稻种形态测量参数值更精确,外观特征及缺陷表达更全面的优势。该方法通过分析显微镜平台获取的多幅不同对焦距离的图像序列,计算聚焦测度和焦点深度值。结合序列图像聚焦测度法与表面纹理重现,实现稻种形态表面三维重建。通过构造BP神经网络模型,利用测量所得三维立体特征值进行稻种的品种识别,筛选适合稻种检测的BP神经网络算法。试验结果表明,序列图像方法应用于稻种三维重建,其测量精度可达到5μm,将测量所得的三维特征值作为参数进行5个稻种的品种识别,识别率在90%以上。该研究可为农作物品种识别中三维形态及纹理特征的研究提供参考。 相似文献