运动仿真系统中嵌入式计算机技术应用

设计了一种嵌入式运动仿真系统,通过该系统采集运动信号,以无线网络传送上位机并控制运动仿真器实现运动在线仿真。阐述了该嵌入式运动仿真系统的结构和特点、运动信号采集方法、嵌入式计算机与上位机通信方法及其应用软件设计方法。实验结果证明,所开发的嵌入式运动仿真系统的设计是可行的,其应用软件运行可靠。     

关于种子滑动摩擦系数测定的研究

本文采用斜面力学原理,对测定单粒种子的滑动摩擦系数进行了研究。采用BCM-80微型计算机测量时间,方便、可靠、精确;也可用能测量两脉冲时间间隔的其它仪器代替。本文提供了适用于多种种子及物料的滑动摩擦系数的测定方法。     

基于LIF技术分析玉米叶片蒸腾效应模型

玉米抽丝期是玉米由营养生长进入生殖生长的转折点,是决定玉米产量的关键时期。为此,基于激光诱导荧光光谱(LIF)技术,以抽丝期玉米叶片为研究对象,快速无损地获取植物生理信息的日变化,重点分析玉米叶片蒸腾效应与叶绿素荧光光谱的相关性,并选择706～748nm波段作为敏感光谱波段,建立了基于光谱特征参数的植物叶片蒸腾速率的预测模型。结果表明:采用荧光强度F730研究玉米叶片蒸腾效应最合适;由于气孔导度反映蒸腾效应,且影响CO_2的同化过程,故以气孔导度的信号之一的叶片温度作为模型输入修正;通过对蒸腾速率与叶片温度、叶绿素荧光强度进行回归诊断与全回归分析,建立了基于荧光强度F730和叶片温度的蒸腾速率预测模型,分析了蒸腾速率与二者的相关性,模型复相关系数为R=0.833 4,模型校验结果的相关系数R~2=0.879 8,认为模型的预测能力较好。通过激光诱导叶绿素荧光光谱技术实现了对植物生理信息的无损检测与分析,建立的玉米抽丝期蒸腾速率预测模型可为玉米优质高产的水肥精准化、智能化控制技术提供数据支持。     

基于叶片空气温差的温室黄瓜水分胁迫指数的应用分析

针对温室的小气候条件,以生长期的黄瓜作为测试对象,分析了太阳净辐射(Rv)和水汽饱和差(VPD)对叶片温度的影响。结果表明:叶片空气温差(dT)与Rv和VPD呈显著正相关,Pearson相关系数r=0.78~0.86。此外,在作物充分供水条件下,当Rv≥250~300 W/m2时,黄瓜叶片的温度通常大于空气温度,此时,Idso模型下基线的计算误差较大。因此,根据实验分析,建立了基于Rv和VPD的温室作物水分胁迫指标下基线线性回归方程:dTl=0.254 3-0.004 6Rv-0.488 7VPD,回归方程的计算值与测量值均方误差(MSE)为0.24,小于Idso经验模型中的下基线公式的计算误差。     

太阳光合有效辐射光谱分布模拟系统

根据照射到地球表面的太阳光光谱分布情况,利用不同峰值波长的发光二极管(LED)研制了可以动态调整模拟太阳光的光源系统.该系统利用多种LED进行适当的波长匹配,模拟了太阳光从可见光到红外光的照射范围.同时自主开发了电源调控器,采用脉宽调制技术(PWM)来调节LED的光照强度,可以对确定波长范围内的照射光强度进行调节,实现动态控制光谱分布辐射的目的.     

初期稻叶瘟病害的叶绿素荧光光谱分析

为了实现稻叶瘟病害的早期、快速检测,对稻叶瘟病害初期水稻叶片的叶绿素荧光光谱变化进行分析,建立光谱诊断模型。将稻梨孢接种于水稻叶片,分别在接种前期(0 h)、潜育期(48 h)和病斑初现期(7 d)3个时段采集水稻叶片的叶绿素荧光光谱。分析3个时段光谱变化特征,并利用Savitzky-Golay平滑(SG)和一阶导数变换(FDT)对光谱进行预处理。利用高斯拟合法(GFF)分别对原始光谱、SG平滑光谱和SG-FDT光谱提取各波段光谱特征向量。将试验样本划分为建模样本和检验样本,以病害初期的3个时段作为稻叶瘟病害的等级指标,分别采用全波段光谱特征向量和组合波段光谱特征向量,对3种预处理光谱利用建模样本建立稻叶瘟病害的支持向量分类(SVC)模型,对比4个经典核函数,并利用检验样本对模型进行检验。结果表明,蓝绿光区域、红光与远红光区域荧光随初期稻叶瘟病害程度的变化而变化,SG-FDT光谱的GFF-SVC(PLOY)模型对3个时段病害的分类准确率最高,且原始光谱、SG光谱、SG-FDT光谱的不同波峰位及其组合对稻叶瘟病害的识别效果不同。     

自动引导行走车环境理解系统的研究

以立体视差测距原理为基础，用两个摄像机同时对同一景物进行拍摄，根据景物在左、右图像中的视差，计算目标距控制点的三维空间的实际距离，可以得到一张关于行走车工作环境的地图，以便进行路径计划。本文给出了一种农用自动引导行走车的环境理解系统的构成方法，经实验验证，该方法可行，适合我国农业发展的趋势，有发展前途     

论人工神经网络在农业工程中的应用

介绍了应用人工神经网络解决问题的基本原理，论述了人工神经网络在农业工程中的应用，及可能的应用范围，最后给出了在农业工程中应用人工神经网络要注意的问题。     

水果表面缺陷自动检测系统中的人工智能方法研究

通过计算机视觉技术获取了带有各种表面缺陷的苹果图像并进行预处理，采用自适应特征聚类（ＳＡＦＣ）神经网络与模糊加权决策树（ＦＷＤＴ）相结合的方法实现了缺陷区域的准确检测和详细分类。实验结果表明，用人工智能方法进行表面缺陷检测，具有良好的抗噪容错能力并能有效地克服传统图像分割方法适应性差的缺点，提高判别准确率和分类精度。     

角速度计检测信号数字滤波处理的研究

我们曾采用压电式陀螺仪角速度计检测行走车辆的角速度。但由于行走车发动机的振动、路面不平等因素的影响，在获得的信号中混有噪声，因而存在一定的误差。为了提高检测信号精度，有必要消除器器声。我们针对上述问题，采用数字滤波的软件实现方法来消除噪声，提高检测精度。对由实验所获得的数据进行了有、无数字滤波处理的对比分析，获得了较好的结果。这表明本研究通过软件的方法，既提高了检测精度，又降低了硬件成本。