基于状态机的植物生长模型可视化研究

在分析植物生长形态生理变化的基础上,揭示植物生长时空状态的变化规律,提出基于状态机的植物生长模型,并引入随机矢量真实预测植物的生长。根据该模型构建植物生长的可视化算法,合理组织有关植物生长的数据,并开发一个原型系统验证了该模型的有效性。     

基于人工神经网络技术的蔬菜施肥决策研究

阐述神经网络的概念和特点，着重介绍BP神经网络并在Maflab环境下建立基于BP神经网络的施肥模型，以土壤养分（氮、磷、钾)和实际产量为模型输入，以氮肥、磷肥和钾肥的施用量为模型数输出．进行网络训练，直至获得满意的施肥模型。结合投入产出物的价格对模型功能进行扩展，按利润最大化目标进行施肥决策。     

北固山湿地野生虉草生物量的研究

对北固山湿地野生虉草的株高、茎高、叶龄、生物量等进行了研究,结果表明,虉草的株高和茎高的变化呈现出近“S”型的生长曲线,叶龄与株高和茎高均呈一元线性显著的正相关关系,生物量的变化与生育期关系密切。     

温室轴流风送药雾靶标沉积试验

为研究药液雾滴在温室靶区内和植株靶标上的沉积量及分布情况,以炮塔式压力雾化轴流风送高压静电喷雾系统为试验平台,在相同风机频率、喷雾压力和喷雾流量条件下,通过改变喷头高度和静电电压对风送药雾进行靶标沉积试验和分析.结果表明:沿风送轴线上距喷头150～200cm靶区内的药雾沉积量都出现一个沉积高峰区;随着静电电压的增大,植株靶标上的药雾沉积量明显增加,荷电后的药液雾滴在风送射程和喷幅内的靶标沉积率显著提高.根据实际喷施作业目标,合理布置喷头高度和调节合适电压,是增加靶标沉积率的重要手段.     

采摘机器人深度视觉伺服手-眼协调规划研究

针对现有采摘机器人的识别-采摘精度与效率偏低等问题,开展了采摘机器人深度视觉伺服手-眼协调规划研究。开发了在手RealSense深度伺服的小型升降式采摘机器人,进行了采放果的工作空间与姿态分析,针对“眼在手上”模式建立了手-眼协调的坐标变换模型。对采摘机器人提出了基于在手RealSense深度伺服的由远及近手眼协调策略,并根据RealSense与机械臂参数完成了基于深度视觉的远近景协调关键点间分段动作规划。手眼协调采摘试验表明,末端在X、Y、Z方向的平均定位精度为3.51、2.79、3.35mm,平均耗时为19.24s,其中机械臂从初始位开始采果的平均耗时为12.04s,中间识别与运算的平均耗时为3.82s,放果动作平均耗时为7.2s,机械臂动作耗时占整个环节的80.2%。该机器人结构和在手RealSense深度伺服的手眼协调策略可满足采摘作业需求。     

土壤消毒机蒸汽输送装置的设计与数值模拟

土传病虫害严重制约了设施栽培的发展。蒸汽消毒相比于其他土壤消毒方法,具有诸多优点,其利用高温杀死土壤中的病虫草害,提高了土壤的通透性和排水性,且对环境无任何污染。为此,基于脉冲式土壤蒸汽消毒机的总体结构,重点对蒸汽输送装置的注射针头以及蒸汽罩盖、针头间距、针头数目等蒸汽盘关键结构参数进行了设计。利用Fluent软件对土壤传热模型进行了数值模拟,分析了注射针头周围土壤的温度分布云图。结果表明:持续施加蒸汽7min、停止通蒸汽35min后,在半径10cm内、深度21cm范围内,土壤的温度能保持在90℃以上,验证了蒸汽输送装置结构的合理性。     

基于时空信息比较的温室环境传感器故障识别

为了提高温室环境测控系统中传感器数据的准确性,针对温室环境参数变化的时间相关性和空间相似性特点,提出了一种基于主成分分析(Principal component analysis,PCA)的故障检测与基于时空信息比较的温室环境监测系统的传感器故障识别方法。首先利用基于PCA的传感器故障检测方法,通过监控统计量T2和SPE的变化实现传感器系统故障检测;再针对检测出故障的传感器节点,对该时刻传感器节点采用基于时空特性的节点信息比较实现不同传感器的故障识别。分别对比基于时间尺度、空间尺度、时空尺度的节点信息比较方法对传感器故障识别的影响进行了分析与试验验证,验证结果表明:基于PCA的传感器故障检测方法能够有效地实现对传感器系统故障的初步检测,提出的基于时空信息比较的传感器故障识别方法,融合考虑时间尺度和空间尺度的节点信息,能够有效地实现传感器具体故障定位;所建立的传感器故障识别方法检测正确率CDR为98.37%、平均虚警率FAR为1.72%,较传统的传感器故障识别方法检测正确率CDR提高了22.067个百分点,而平均虚警率FAR则降低了15.762个百分点,能够有效地保证故障诊断效率、提高故障诊断精度、降低虚警率,具有可靠性和准确性。     

温室环境信息智能化管理研究进展

随着我国温室园艺业和信息技术的迅速发展,现代信息技术越来越多地应用于温室环境管理中,促进了温室环境智能化管理技术的发展。本文针对面向物联网的温室环境信息智能化管理需求,分别从温室环境信息获取、信息处理与决策服务3个方面对国内外研究进展进行了系统的分析和阐述,并提出了今后在温室环境信息智能化管理方面迫切需要开展的工作。     

基于事件驱动与数据融合的温室WSN节能传输模型

针对温室内环境信息变化缓慢、冗余度大和时间空间相关性强的特点,提出了基于事件驱动与支持度融合的温室环境监测无线传感器网络(WSN)的节能传输模型。利用所建立的数据节能传输模型进行了温室环境试验,结果表明采用基于事件驱动的数据传输模型能够减少83.8%数据传输次数,基于支持度函数的数据融合能够根据数据之间的关联程度计算出各原始数据的加权值,融合效果优于算术平均值。