峰谷电价下的梯级水电站短期优化

依据发电企业既要服从电网调度又要追求自身效益的特点，建立了两个考虑峰谷分时电价因子的梯级短期调度模型，并选用逐次优化和逐步逼近的混合算法(POA－DPSA)求解。该模型简单，算法易于实现。将该理论应用于电站实际演算中，结果表明这两个优化模型对促进电网的安全、提高企业发电效益具有较高的应用价值。     

梯级水电站补偿效益分摊方法研究

为了真实地体现梯级水电站的补偿效益，从分析影响梯级水电站补偿效益分摊的主要因素入手，提出了几种单因子分摊方法、综合分析法以及模糊综合评判法，建立了分摊数学模型，以汉江支流岚河梯级补偿效益分摊为例，将不同方法计算结果进行对比，提出了不同条件下梯级水电站补偿效益的合理分摊方法。     

黄瓜新品种"吉杂迷你一号"的选育

"吉杂迷你一号"黄瓜是以欧引4-1-1-1-1为母本,以自交系S1-1-4-2为父本配制而成的华南型黄瓜一代杂种.植株生长势强,以主蔓结瓜为主,全株雌性,节成性强,结瓜数多,果实商品性状优良,短棒状,果长14～16 cm,单瓜重50～80 g,果腔小,果皮深绿色,有光泽,品质好,无刺无棱基本无果粉,果型整齐一致,品质好,肉质细脆,微甜有香气,1 hm2产量10万kg.适宜春、秋大棚和日光温室栽培.     

小型西瓜果实中番茄红素含量的比较研究

用含2%二氯甲烷的石油醚有机溶剂提取小型西瓜果实中的番茄红素,通过分光光度法在503 nm波长下测定其吸收值,分析比较了不同品种(系)小型西瓜果实中番茄红素含量的差异.研究结果表明,红瓤和粉红瓤小西瓜果实中番茄红素主要在果实发育的后期合成,授粉后第18～24 d是西瓜果实番茄红素合成的关键时期,橙、黄瓤西瓜中番茄红素含量的变化不明显;西瓜果实中番茄红素含量因品种、瓤色差异显著,红瓤品种>粉红瓤品种>橙瓤品种>黄瓤品种,所测红瓤小型西瓜番茄红素含量为56.6～75.2μg/g.     

长江上游梯级电站开发区泥石流的治理工程效果评估与减灾策略——以金沙江白鹤滩水电站为例

[目的]评估灾害性泥石流严重的长江上游梯级电站开发区泥石流灾害治理工程效果,为长江上游同类水电站的泥石流防灾减灾与治理效果评估研究提供思路。[方法]选择金沙江白鹤滩水电站施工区的矮子沟和大寨沟泥石流治理工程为案例,通过2013—2015年连续3a的现场跟踪调查分析,结合模型计算对矮子沟和大寨沟泥石流峰值流量过程进行计算,分别评估2014和2015年矮子沟、大寨沟泥石流治理工程效果,并进行泥石流危险性评价。[结果]基于长江上游梯级电站开发区泥石流灾害特点,提出了长江上游梯级电站开发区泥石流治理工程效果评估模式,并提出了基于风险控制的水电工程泥石流"以排为主,适当拦挡"治理模式与减灾策略。[结论]矮子沟、大寨沟现有的泥石流防治措施在满库的状态下能够满足500年一遇泥石流过流的要求,泥石流危险性小。     

采用组合增强的YOLOX-ViT协同识别温室内番茄花果

番茄花果的协同识别是温室生产管理调控的重要决策依据,针对温室番茄栽培密度大,植株遮挡、重叠等因素导致的现有识别算法精度不足问题,该研究提出一种基于级联深度学习的番茄花果协同识别方法,引入图像组合增强与前端ViT分类网络,以提高模型对于小目标与密集图像检测性能。同时,通过先分类识别、再进行目标检测的级联网络,解决了传统检测模型因为图像压缩而导致的小目标模糊、有效信息丢失问题。最后,引入了包括大果和串果在内的不同类型番茄品种数据集,验证了该方法的可行性与有效性。经测试,研究提出的目标检测模型的平均识别率均值（mean average precision,m AP）为92.30%,检测速度为28.46帧/s,其中对小花、成熟番茄和未成熟番茄识别平均准确率分别为87.92%、92.35%和96.62%。通过消融试验表明,与YOLOX、组合增强YOLOX相比,改进后的模型m AP提高了2.38～6.11个百分点,相比于现有YOLOV3、YOLOV4、YOLOV5主流检测模型,m AP提高了16.56～23.30个百分点。可视化结果表明,改进模型实现了对小目标的零漏检和对密集对象的无误检,从而达到...     

超小型叶栅空化流场试验研究

采用弦长为14 mm的超小型Clark-Y叶栅,进行了多种空化数下的空化试验以探讨超小尺度下的空化机理和空化尺度效应。通过试验结果的分析,发现随着空化数降低,超小型叶栅的空化发展可分为空化初生、片状空化、云状空化、超空化几个阶段。通过与超小型翼型空化流场比较,发现由于受翼型间相互作用的影响,栅中翼型的空穴形态在各个空化阶段均表现为薄且狭长,空化发展相对滞后。     

基于改进级联神经网络的大豆叶部病害诊断模型

针对大豆叶部病害性状特征与病种之间的模糊性和不确定性,将数字图像处理技术与神经网络智能推理技术相结合,充分挖掘大豆受病害胁迫后表现性状与病种之间的潜在规律,提出了基于改进级联神经网络的大豆病害诊断模型。首先利用自制载物模板无损采集大田大豆叶部病害数字图像,计算病斑区域的形状特征、颜色特征及纹理特征14维度特征参数;为突显各方面特征对于不同病害种类决定作用的差异性,构建各子神经网络并联的第1级网络,第2级网络的输入为第1级网络的输出,利用多维特征各自优势来自动取得病种模式推理规则,建立了用于大豆叶部病害自动诊断的两级级联神经网络模型,仿真实验准确率为97.67%;同时应用量子遗传计算优化级联神经网络参数,平均迭代次数为743,平均网络误差为0.000 995 445,提高了学习效率,实现了大豆叶部病害的高效自动诊断和精确测报,为大田农作物全面系统地开展作物病害监测、智能施药及自动防治提供了理论依据。     

不同农药在娃娃菜中的安全间隔期研究

娃娃菜是西北黄土高原夏菜的主栽品种之一,本文采用大田定量喷洒农药和定时抽样检测试验,研究了不同农药在娃娃菜中的使用安全间隔期。结果表明,在推荐使用剂量条件下,不同农药在娃娃菜上的使用安全间隔期不同,其中辛硫磷的安全间隔期为7~14d,敌敌畏为5~7d,三唑酮和高效氯氟氰菊酯均为1~3d,高效氯氰菊酯为1h^1d;当农药施用量提高到推荐剂量的2倍时,不同农药的安全间隔期均提高1~14倍。     

基于级联卷积神经网络的番茄花期识别检测方法

对作物花期状态的准确识别是温室作物执行授粉的前提。为提高花期状态识别的准确度,该研究以温室番茄为例提出了一种基于级联卷积神经网络的番茄花朵花期识别方法。首先采用改进的端到端的特征金字塔网络FS-FPN实现番茄花束的分割,然后采用Prim最小生成树对分割后的花束图片进行花期识别优先级排序,最后将已排序的分割花束图片输入改进的Yolov3网络,实现番茄花朵花期状态的精准识别。在由1600幅包含花蕾期、全开期、谢花期、初果期4类花期状态的番茄花束图像构成的数据集上,所提方法对番茄花朵花期平均检测时间为12.54 ms,平均检测精度分别比Mask R-CNN和SPP-Net提高了3.67%和2.39%,识别错误率比改进前的Yolov3网络降低了1.25%。最终将该方法部署到番茄授粉机器人上,并在大型玻璃温室内进行验证,结果表明,所提方法对番茄花朵各花期的检测精度分别为花蕾期85.71%、全开期95.46%、谢花期62.66%、初果期88.34%,该研究结果可为智能授粉机器人的精准作业提供重要依据。