亚洲一区欧美在线,日韩欧美视频免费观看,色戒的三场床戏分别是在几段,欧美日韩国产在线人成

摘要:目前，蘋果最新的栽培模式是將果樹整形為樹枝水平生長的多層棚架結構，這種結構可以將機械收獲控制在局部化的樹枝水平，以實現(xiàn)鮮蘋果的機械化采收。為此，提出一種實用的局部對靶振動收獲方法，激振樹枝并采用盡量接近方式收集果實?；趩巫杂啥日硰椥宰枘嵯到y(tǒng)，設計了樹枝激振器，并設計了一套計算機測控系統(tǒng)，用于實時監(jiān)控樹枝的受迫振動頻率。設計了與激振樹枝方式相對應的水平型和傾斜型果實收集平臺。最后，在美國華盛頓州普羅瑟附近的商業(yè)果園，以“墻形”結構的“爵士”蘋果為例，開展了局部對靶振動收獲試驗，對比分析了4種收集方式（有無緩沖隔離帶、水平或傾斜接收）對果實質(zhì)量的影響。依據(jù)美國農(nóng)業(yè)部鮮蘋果質(zhì)量等級標準，利用滿足市場分級要求的果實所占的百分率對收獲的果實質(zhì)量進行評估。結果顯示，滿足市場分級要求的果實所占的百分率為89.5%~96.3%，且在這4種方式中并無顯著差異。這表明，針對蘋果最新的栽培模式，采用局部對靶振動收獲方法是可行的。

摘要:為了獲取植保無人機噴藥后霧滴在果樹葉片表面的沉積量，設計了面向植保無人機果樹低空施藥的果樹葉片霧滴沉積量檢測系統(tǒng)。該系統(tǒng)由LWS型葉面濕度傳感器、數(shù)據(jù)傳輸模塊、上位機檢測軟件組成。通過LWS型葉面濕度傳感器的標定試驗，建立了電導率為553μS/cm自來水、860μS/cm甲基硫菌靈溶液、1525μS/cm磷酸二氫鉀葉面肥溶液的回歸方程，通過分光光度計驗證試驗驗證了方程的準確性。之后，建立基于ZigBee的傳感器系統(tǒng)數(shù)據(jù)無線傳輸網(wǎng)絡。同時，利用Qt編寫了具有數(shù)據(jù)分析和顯示功能的上位機程序，建立了完整的果樹葉片霧滴沉積量檢測系統(tǒng)。最后，利用WSZ-4X型植保無人機在櫻桃果園中進行了檢測系統(tǒng)與水敏紙的對比試驗。對比結果顯示，使用兩種方法獲得的霧滴沉積密度曲線的擬合度可達0.9266。對于單個測量點的霧滴沉積密度，其平均誤差為22.8%。在果園中進行試驗時，受風速和無人機氣流等環(huán)境因素的影響，傳感器和水敏紙的霧滴分布會出現(xiàn)一定的差異，忽略環(huán)境因素影響，可認為兩種方法在櫻桃果園中測量得到的霧滴沉積密度一致性較好，而使用果樹葉片霧滴沉積量檢測系統(tǒng)可以更加快速、方便、實時地采集農(nóng)藥霧滴在葉面上的沉積量。

摘要:3WZF-400A型果園風送噴霧機通過安裝直線導流板引導了氣流速度場，在一定程度上解決了傳統(tǒng)軸流式風送噴霧機農(nóng)藥浪費以及防治效果差的問題，但仍無法使靶標區(qū)域的氣流速度分布與作物冠層輪廓匹配。本文以計算流體力學為手段，對該型噴霧機進行了改進設計。通過設置不同數(shù)量和角度的短導流板進一步引導噴霧機氣流場，并建立了對應的氣流速度場分布模型。通過對比選取最佳的改進設計方案，并進行了試驗驗證與噴霧性能測試。研究結果表明，當短導流板數(shù)量為2，噴霧機導流板角度組合為45°、15°、-15°和5°,且風機風速為20m/s時，在靶標處的氣流速度分布能夠與作物冠形輪廓匹配，所建立的模型能夠較準確地模擬噴霧機實際氣流速度場的分布。在此基礎上以霧滴覆蓋率為指標評價了改進設計后的噴霧機噴霧性能，并與改進前的噴霧機噴霧性能作對比，結果表明霧滴能夠在垂直平面內(nèi)按照作物冠形合理分布。

摘要:針對矮化密植果園作業(yè)特點，設計了一種具有多角度變速搖擺噴頭功能的電力驅(qū)動果園噴霧機?；贐ox-Behnken原理設計四因素三水平的中心組合試驗，并結合響應面分析法研究了噴霧流量、噴霧距離、噴霧機行走速度和噴頭擺動速度對霧滴分布均勻性的影響；以霧滴分布變異系數(shù)為響應值創(chuàng)建二次多項式模型，并利用軟件Design-Expert 8.0對模型進行分析和優(yōu)化，得到噴霧參數(shù)的最佳組合。結果表明：各因素對噴霧分布變異系數(shù)的影響大小順序依次是：噴頭擺動速度、噴霧距離、噴霧流量、噴霧機行走速度；噴霧參數(shù)的最佳組合為：噴霧流量375.20mL/min、噴霧距離1.72m、噴霧機行走速度0.14m/s、噴頭搖擺速度16.19（°）/s，此時霧滴分布變異系數(shù)為11.471%。

摘要:為實現(xiàn)農(nóng)機自動導航控制，兼顧系統(tǒng)成本和作業(yè)效率，對農(nóng)機自動導航控制決策方法進行了研究，并設計開發(fā)了一種導航軟件系統(tǒng)。首先，系統(tǒng)根據(jù)獲取的農(nóng)田邊界、農(nóng)田形狀及作業(yè)需求進行路徑規(guī)劃。其次，采用簡化二輪車運動學模型，采用模糊控制進行導航?jīng)Q策控制，模糊控制器的輸入?yún)?shù)為農(nóng)機橫向偏差和航向偏差，輸出參數(shù)為前輪轉角信息。最后，導航系統(tǒng)根據(jù)轉角信息，由PLC控制器控制方向盤轉動，從而實現(xiàn)導航控制。導航軟件采用模塊化設計思想，由串口數(shù)據(jù)通訊、數(shù)據(jù)分析與處理、數(shù)據(jù)與圖形顯示和數(shù)據(jù)存儲4個模塊構成，基于C++/MFC語言編寫實現(xiàn)。系統(tǒng)還可在導航結束后，對導航偏差數(shù)據(jù)進行保存，便于試驗后進行誤差分析。試驗結果表明：農(nóng)機自動導航控制決策方法可以實現(xiàn)較好的控制精度，軟件系統(tǒng)界面友好、通訊穩(wěn)定、功能較為齊全，滿足農(nóng)機田間自動導航作業(yè)的需求。

摘要:作物產(chǎn)量的空間變異性反映了農(nóng)田環(huán)境和管理等因素對產(chǎn)量的影響，獲取準確的產(chǎn)量空間分布信息是實施資源按需最優(yōu)化投入的前提。為了獲取谷物產(chǎn)量空間信息，設計了基于移動終端的農(nóng)田谷物產(chǎn)量空間分布信息實時監(jiān)測平臺，可實現(xiàn)對聯(lián)合收獲機實時位置、作業(yè)狀況和產(chǎn)量數(shù)據(jù)的遠程監(jiān)測，進而對產(chǎn)量數(shù)據(jù)的空間分布狀況進行分析。平臺主要由數(shù)據(jù)接收及存儲、數(shù)據(jù)傳輸、數(shù)據(jù)顯示和數(shù)據(jù)分析4個模塊構成。其中，數(shù)據(jù)接收及存儲模塊接收由收獲機傳來的位置、谷物流量、升運器轉速、谷倉溫濕度和割幅寬度等作業(yè)狀況信息數(shù)據(jù)包，將數(shù)據(jù)解析并存入數(shù)據(jù)庫。數(shù)據(jù)傳輸模塊為移動終端提供Web service服務，提取數(shù)據(jù)庫中相應數(shù)據(jù)供前端調(diào)用。數(shù)據(jù)顯示模塊在移動終端上實時顯示聯(lián)合收獲機作業(yè)位置和作業(yè)狀況等信息。數(shù)據(jù)分析模塊通過調(diào)用ArcGIS Server GP服務，將谷物產(chǎn)量信息的空間分布進行插值分析，分析結果以產(chǎn)量空間分布圖的形式顯示。經(jīng)過測試，該監(jiān)測平臺運行穩(wěn)定，能夠?qū)崟r顯示和分析農(nóng)田谷物產(chǎn)量信息，為農(nóng)田精細管理提供技術支持。

摘要:基于全球衛(wèi)星導航系統(tǒng)（Global navigation satellite system, GNSS）農(nóng)田平整作業(yè)中，GNSS定位數(shù)據(jù)不僅是地形測量和基準面設計的基礎，而且在平地作業(yè)中實時影響農(nóng)田平整的精度。針對當前GNSS定位數(shù)據(jù)誤差分析較少，提出一種基于聯(lián)合濾波算法的GNSS定位數(shù)據(jù)分析處理方法。分析平地作業(yè)過程中GNSS定位數(shù)據(jù)的誤差源，結合多路徑效應和隨機噪聲，提出因地形起伏引起的振動誤差校正方法，利用卡爾曼、小波變換聯(lián)合濾波算法，校正數(shù)據(jù)誤差提高定位精度，農(nóng)田定位對比試驗分析表明，高程定位精度明顯提高，平地工作中，GNSS定位實際高度波動范圍縮小20%，能夠更好的指導農(nóng)田平整工作。

摘要:為實現(xiàn)多個農(nóng)機在農(nóng)田環(huán)境中自主導航協(xié)同作業(yè)，設計了基于TD-LTE的多機協(xié)同導航通信系統(tǒng)。該系統(tǒng)由導航定位傳感器、無線通信模塊、車載控制終端和遠程通信軟件組成，其中：傳感器包含GNSS接收機、慣性測量單元（IMU）和角度傳感器，用于獲取每臺農(nóng)機的地理位置、自身姿態(tài)和車輛轉向角信息。無線通信模塊采用4G DTU作為系統(tǒng)通信設備，與車載終端串口相連，實現(xiàn)RS232串口轉TD-LTE網(wǎng)絡功能。4G DTU經(jīng)配置軟件配置好串口參數(shù)等信息后，連接目的服務器IP地址和端口號，將車載傳感器采集的數(shù)據(jù)按設計好的通信協(xié)議經(jīng)TD-LTE網(wǎng)絡傳輸?shù)竭h程服務器的通信軟件中。車載控制終端采用工控機（IPC）,實現(xiàn)農(nóng)機自動導航控制與人機交互。遠程通信軟件應用Socket網(wǎng)絡編程開發(fā)了數(shù)據(jù)接收顯示與數(shù)據(jù)發(fā)送的功能模塊。系統(tǒng)對每臺農(nóng)機的狀態(tài)信息實時上傳的同時也可以接收遠程服務器端對多臺農(nóng)機的協(xié)同控制命令，對于軟件界面中顯示的在線農(nóng)機，可以根據(jù)優(yōu)先級有選擇的進行通信。以4臺雷沃歐豹拖拉機為試驗平臺，每臺農(nóng)機狀態(tài)信息的發(fā)送頻率為5Hz，進行了系統(tǒng)穩(wěn)定性試驗測試，丟包率均為0.1%，且均無延遲，系統(tǒng)具有較高的可靠性與實時性。

摘要:為了實現(xiàn)對多機協(xié)同導航作業(yè)的實時遠程監(jiān)控，設計了基于Web-GIS的多機協(xié)同作業(yè)遠程監(jiān)控平臺。該平臺主要包括數(shù)據(jù)收發(fā)、數(shù)據(jù)存儲、數(shù)據(jù)查詢、數(shù)據(jù)顯示和數(shù)據(jù)分析模塊。其中，數(shù)據(jù)收發(fā)模塊采用Socket技術實時接收多機位置和航姿等作業(yè)信息，并可以向車載終端發(fā)送遠程控制命令。數(shù)據(jù)存儲模塊負責將接收到的作業(yè)信息存儲到相應的SQL Server數(shù)據(jù)表中。數(shù)據(jù)查詢模塊用于多機作業(yè)歷史信息的查詢，并以表格的形式將查詢結果呈現(xiàn)在網(wǎng)頁中。數(shù)據(jù)顯示模塊結合Web-GIS技術，通過與百度地圖服務器進行實時交互，實現(xiàn)多機作業(yè)軌跡的可視化顯示。數(shù)據(jù)分析模塊實時分析處理多機位置和航姿信息，對各農(nóng)機進行決策分析和任務調(diào)度，從而實現(xiàn)多機協(xié)同作業(yè)。試驗結果表明：平臺具有良好的穩(wěn)定性，能夠?qū)崟r顯示多機作業(yè)軌跡和作業(yè)信息，并可以實現(xiàn)多機任務調(diào)度，從而滿足多機協(xié)同作業(yè)需求。

摘要:開展了玉米播種單體試驗臺用仿形機構研究，設計了一種可適用于地形上下起伏和地形傾斜的農(nóng)田地形模擬系統(tǒng)。系統(tǒng)由地形模擬機構、液壓系統(tǒng)、電控系統(tǒng)等組成。重點對地形模擬機構進行數(shù)學建模，得出了被仿形地形傾斜角與液壓缸伸縮的幾何關系，并計算確定了地形模擬機構機械尺寸參數(shù)。對液壓缸進行受力分析，在此基礎上對仿形機構的液壓系統(tǒng)參數(shù)進行了理論計算，確定了液壓系統(tǒng)參數(shù)，集成電控系統(tǒng)形成了農(nóng)田地形模擬系統(tǒng)。對農(nóng)田模擬系統(tǒng)進行了地形模擬試驗，在2.0m/s作業(yè)速度下高程模擬誤差平均值為1.61mm，坡度模擬誤差平均值為0.56°。試驗結果表明，農(nóng)田地形模擬系統(tǒng)對地形高程和坡度模擬的快速性和準確性能滿足農(nóng)田地形模擬的要求，為播種播深控制系統(tǒng)試驗提供了試驗平臺。

摘要:為了進一步提高肥料利用率，解決黑龍江墾區(qū)壟作玉米施肥作業(yè)過程中由于顆粒肥密度不同而造成的肥料分層問題，基于沃爾2BJM施肥機，設計了一套適合壟作玉米四要素變量施肥的控制系統(tǒng)。系統(tǒng)集成了亞米級差分GNSS裝置，采用電液比例控制技術分別控制4路排肥軸轉速。系統(tǒng)根據(jù)用戶設置的目標施肥量，實時計算液壓馬達的目標轉速，并同步向肥料控制器發(fā)送轉速指令?？刂破魍ㄟ^光電編碼器反饋的馬達轉速信號，調(diào)節(jié)比例閥開度，一次完成氮肥、磷肥、鉀肥和微肥4種單質(zhì)肥同步變量施用。田間試驗結果表明，各路施肥管誤差均小于3.00%，變異系數(shù)均小于0.05；與傳統(tǒng)施肥機同期作業(yè)效果對比表明，玉米株高、葉干質(zhì)量、地上生物量以及SPAD值與傳統(tǒng)施肥區(qū)并無明顯差異，但變量施肥減小了田塊中玉米株高、葉干質(zhì)量、地上生物量以及SPAD的空間差異性。尿素施用量由217kg/hm2減少到了150kg/hm2，減少了30.88%；二胺由232kg/hm2減少到了200kg/hm2，減少了13.79%；鉀肥由原來的79kg/hm2增加到了108kg/hm2，增加了36.70%。肥料的投入成本減少了160元/hm2，變量施肥測產(chǎn)數(shù)據(jù)為12200kg/hm2，產(chǎn)量增加了217kg/hm2，較傳統(tǒng)施肥區(qū)增產(chǎn)1.78%，收入增加508元/hm2。綜合考慮系統(tǒng)誤差、玉米生長指標和最終產(chǎn)量數(shù)據(jù)，基于處方圖的壟作玉米四要素變量施肥機滿足黑龍江墾區(qū)玉米施肥作業(yè)實際要求，有效解決了肥料分層問題，顯著提高了肥料利用率。

摘要:發(fā)動機是收獲機械的動力源，其安裝位置精度將直接影響整機裝配質(zhì)量，進而關系機器的作業(yè)效率和可靠性。由于收獲機械底盤機架結構復雜、表面粗糙度大，現(xiàn)有測量方法及設備難以滿足大跨距孔組位置度誤差測量需求，針對收獲機械發(fā)動機安裝孔位置度的自動化測量需求，提出了基于機器視覺的大跨距孔組位置度誤差在線檢測方法，通過建立孔組位置度誤差模型，使用多部工業(yè)相機獲取安裝孔二維圖像，通過相機在線標定、圖像增強處理、特征提取、坐標變換等手段，實時測取并計算安裝孔組之間的位置度誤差。在此基礎上，基于LabWindows/CVI平臺，開發(fā)了自動檢測軟件，實現(xiàn)了發(fā)動機安裝孔位置度的快速檢測。以某型玉米收獲機底盤機架發(fā)動機安裝孔組為對象開展了試驗研究，結果表明，利用該方法能夠有效獲取安裝孔組的位置度關系，建立的孔組位置度誤差模型能夠進行誤差分析與評定，在分辨率和測量精度上均優(yōu)于傳統(tǒng)測量方式，檢測效率較高，能夠滿足生產(chǎn)線自動化檢測需求。

摘要:無人機搭載激光雷達掃描儀以獲取機載點云已成為農(nóng)作物冠層結構信息提取的理想數(shù)據(jù)源，基于機載激光雷達點云提取樹木、電力塔、電力線等飛行障礙物，為無人機安全飛行提供可靠數(shù)據(jù)。首先，使用TerraSolid軟件對點云進行濾波，分離地面點，提取植被樹木、電力塔、電力線等障礙物，根據(jù)地物分布進行點云分幅。利用PCL點云庫中隨機采樣一致性及穩(wěn)健的特征值法構建平面模型，實現(xiàn)分幅后的點云非地面點及飛行障礙物提取。最后，以人工濾波結果和分類結果為參考點云，分別建立基于TIN算法的濾波結果和PCL分割結果的精度驗證混淆矩陣，從而對濾波及分割提取障礙物的結果進行精度評價。研究結果表明，TerraSolid軟件處理分幅點云效率優(yōu)于整幅點云數(shù)據(jù)，TerraSolid及PCL兩者對于處理相同分幅點云結果較為相近，其中PCL操作快捷高效，可視性較差。在提取飛行障礙物的過程中，可結合二者優(yōu)勢。

摘要:果實識別是自動化采摘系統(tǒng)中的重要環(huán)節(jié)，能否快速、準確地識別出果實直接影響采摘機器人的實時性和可靠性。為了實現(xiàn)自然光照條件下綠色蘋果的識別，本文采集了果實生長期蘋果樹圖像，并利用隨機森林算法實現(xiàn)了綠色蘋果果實的分類和識別。針對果樹背景顏色和紋理特征的復雜性，尤其是綠色果實和葉片在很多特征上的相似性，論文基于RGB顏色空間進行了Otsu閾值分割和濾波處理，去除枝干等背景，得到僅剩果實和葉片的圖像。然后，分別提取葉片和蘋果的灰度及紋理特征構成訓練集合，建立了綠色蘋果隨機森林識別模型，并使用像素模板驗證數(shù)據(jù)集，對模型進行預測試驗，正確率為90%。最后，選擇10幅自然光照條件下不同的果樹圖像作為檢測對象，使用該模型進行果實識別并使用霍夫變換繪制果實輪廓，平均識別正確率為88%。結果表明，該方法具有較高的魯棒性、穩(wěn)定性、準確性，能夠用于自然光照條件下綠色果實的快速識別。

摘要:作物葉綠素含量能夠反映作物的生長情況，建立大田葉綠素空間分布模型能夠直觀地表現(xiàn)田間作物長勢情況，為開發(fā)車載式作物長勢空間分布分析系統(tǒng)提供技術支撐，進行了基于地統(tǒng)計學的冬小麥葉綠素含量空間分布成圖方法及精度分析。首先，采集了67個樣區(qū)中心點葉綠素含量和GPS信息，基于地統(tǒng)計學理論討論了利用稀疏樣本點數(shù)據(jù)建立高精度空間分布圖的可行性。隨機劃分建模集和驗證集，基于建模樣本分別使用反距離插值法（IDW）和普通克里金插值法（OK）繪制了冬小麥葉綠素含量田間分布圖，然后對驗證集數(shù)據(jù)進行分析，比較了2種方法的檢測精度，并討論了實驗過程中可能存在的誤差源。2種插值方法擬合的預測數(shù)據(jù)與驗證數(shù)據(jù)均存在正相關關系，基于IDW插值與驗證數(shù)據(jù)相關系數(shù)為0.722，協(xié)方差為1.361；基于OK插值與驗證集數(shù)據(jù)相關系數(shù)為0.517，協(xié)方差為0.798。結果表明，IDW插值分析方法更適用于采樣點分布不均且距離較近的稀疏樣本點空間分布成圖。

摘要:蘋果樹的剪枝對果樹坐果和樹形塑造起著重要的作用。本文選用五年生蘋果樹為研究對象，對其進行仿真研究。首先，采用三維激光掃描儀對冬季落葉后的果樹進行掃描獲取點云數(shù)據(jù)，經(jīng)過去噪、重采樣和軟件處理獲得蘋果樹的骨架節(jié)點。其次，再對蘋果樹進行4種不同類型的剪枝處理，經(jīng)過一個生長期后，記錄被修剪枝條的生長數(shù)據(jù)，進行定性和定量分析。分析結果表明，隨著果樹修剪的加重，潛伏芽率、短枝率會逐漸下降，中枝率變化不顯著，但長枝率會逐漸增加。根據(jù)每種修剪類型后對應母枝的抽枝類型與母枝上的節(jié)位規(guī)律變化，生成了對應的多項式擬合函數(shù)，為虛擬蘋果樹修剪仿真提供數(shù)學規(guī)律。最后，建立了蘋果樹修剪仿真軟件用于初果期蘋果樹剪枝仿真，修剪后仿真抽枝結果的變化規(guī)律與實際修剪產(chǎn)生的抽枝規(guī)律相符，可為初果期蘋果樹來年坐果或塑形提供修剪參考方案。

摘要:葉片是果樹冠層的重要組成部分，對其進行三維重建研究不僅可以對葉片形態(tài)特征進行分析，還能為冠層光照分布計算以及果樹整形修剪提供理論基礎。三維激光掃描儀以非接觸、高效、快速獲取數(shù)據(jù)的優(yōu)勢被大量應用于三維空間信息采集工作中。本文提出一種基于三維點云的蘋果樹葉片結構形態(tài)三維重建方法。首先針對葉片的形態(tài)特點選擇合適的三維激光掃描儀獲取蘋果葉片三維點云；基于包圍盒法搜索K鄰域，計算點云中點與其鄰域點的平均距離，并設定距離閾值作為判定中心點是否為離散點的依據(jù)，進而確定離散點并去除；利用最小二乘原理實現(xiàn)點云局部曲面擬合以及法向量、曲率的計算，提取葉片邊界點；對于非邊界點部分，根據(jù)中心點法向量與其鄰域法向量的關系，對點進行不同程度的精簡；最后對處理后的葉片點云完成三維重建。結果表明，構建的葉片模型能夠較好的保留葉片的三維形態(tài)特征，可以為果樹冠層重建和光照分布計算提供基礎。

摘要:葉溫是反映冬小麥健康狀況的關鍵指標，但獲取麥田葉溫動態(tài)變化過程及廓線分布存在著較大困難。本文以河南省商丘市為研究區(qū)，引入表達土壤-植被-大氣能量傳輸?shù)腟HAW模型，對其進行本地化標定，在垂直方向上0~60cm高度以10cm為間隔進行分層，模擬冬小麥拔節(jié)期至抽穗期間的葉溫時序曲線及廓線，并結合田間同期不同高度的葉溫實測數(shù)據(jù)，對模擬結果進行分析。結果表明：SHAW模型可有效地用于麥田葉溫時序曲線和廓線模擬，決定系數(shù)達0.8476，夜間模擬效果顯著優(yōu)于白天，決定系數(shù)分別為0.8622和0.7602。對葉溫日平均值、最低值和最高值的分析表明，均方根誤差范圍為1.36~4.09℃，且最低溫模擬效果最好，平均值次之，最高溫誤差最大。葉溫廓線模擬分析表明，各高度決定系數(shù)均達到0.82以上，且隨高度的增加而增大，均方根誤差范圍為2.41~3.35℃，平均誤差均小于0℃；葉溫總體上呈現(xiàn)出夜間隨高度增加而降低的趨勢，而白天隨高度增加而升高的趨勢。

摘要:針對小麥植株含水率快速檢測需求，提出了一種基于近紅外的小麥植株含水率檢測方法。利用不同波長近紅外感光元件組成的探測器研發(fā)了小麥植株含水率無損快速檢測裝置，利用該檢測裝置對采集的多組樣品進行了測量，通過均值濾波與參考實時校正方法得到了小麥植株的近紅外反射強度。基于測量數(shù)據(jù)，分別采用多元線性回歸、多元逐步回歸、偏最小二乘以及最小二乘支持向量機建立了含水率檢測模型。結果表明，基于最小二乘支持向量機建立的模型效果最優(yōu)，校正集決定系數(shù)R2達到0.9742。利用建立的檢測模型對另一批樣品進行含水率檢測試驗，結果表明：小麥植株含水率真實值與預測值的決定系數(shù)R2為0.9337，預測集均方根誤差均小于等于3.00%。研究結果為小麥植株含水率無損快速檢測提供了一種有效的方法與裝置，能夠滿足聯(lián)合收獲機在作業(yè)現(xiàn)場對小麥植株含水率快速調(diào)整作業(yè)參數(shù)的需求。

摘要:葉面積指數(shù)（Leaf area index，LAI）是衡量作物生長狀況的重要參數(shù)，也是科學確定無人機噴藥量的主要指標。為了建立一套作物葉面積指數(shù)實時測量方法，基于Android手機平臺開發(fā)了一種冬小麥葉面積指數(shù)快速測量系統(tǒng)。在大田條件下選取長勢均勻的10個試驗區(qū)域，在不同生長期采用Android手機平臺和ADC多光譜相機分別獲取小麥冠層圖像，同時手工測量小麥實際葉面積，根據(jù)不同測量結果計算3種葉面積指數(shù)： 將Android手機圖像由RGB空間轉換到HSV空間，在H-V雙通道組合圖像上進行圖像分割后計算綠色葉片的面積IArea；由ADC多光譜相機自帶軟件獲取的歸一化植被指數(shù)（NDVI）和調(diào)節(jié)土壤植被指數(shù)（SAVI）數(shù)據(jù)反演的葉面積指數(shù)ALAI；實際手工測量的葉面積指數(shù)LAI。對以上3種葉面積指數(shù)的相關分析和建模分析結果表明，隨著小麥不同生長期的變化，Android手機平臺獲取IArea與實際測量葉面積指數(shù)LAI的R2大于0.84(P小于0.01)，ADC獲取的葉面積指數(shù)ALAI與實際測量葉面積指數(shù)LAI的R2大于0.83。

摘要:為了實現(xiàn)從圖像中快速、準確地識別雙翅目果實蠅害蟲，本文提出一種基于神經(jīng)網(wǎng)絡學習模型的識別算法。該算法首先采用Hough變換對實蠅樣本圖像的雙翅邊緣進行直線檢測，使圖像中實蠅旋轉為軀體朝上形態(tài)，同時限定條紋所在的有效區(qū)域。結合HSV色彩空間鎖定胸背板上的條紋區(qū)，對該區(qū)域進一步處理，根據(jù)中心條紋形狀特征的描述方法，提取出形狀特征參數(shù)，定義4種實蠅形態(tài)特征向量。采集90幅實蠅圖像中各目標的4種特征因子，建立BP神經(jīng)網(wǎng)絡對數(shù)據(jù)集進行訓練，從而得到用于實蠅分類的神經(jīng)網(wǎng)絡模型參數(shù)。試驗結果表明，該方法對雙翅目實蠅成蟲的識別效果具有較好的準確性和實時性，對橘小實蠅、南瓜實蠅和瓜實蠅的識別準確率分別為95.45%、93.33%和97.83%，總體準確率為95.56%，單次識別平均耗時500ms。

摘要:單株玉米的株心識別是完成按株作業(yè)的關鍵，可用于對單株玉米進行變量施肥，提高施肥利用率。本文首先采用超綠因子增強苗期玉米植株，使玉米植株與土壤、陰影分離，將增強后的圖像用Ostu法自動確定圖像的最佳閾值，以便于在分割苗期玉米圖像時不受陰影的影響，并能分割出苗期玉米植株。然后把分割的苗期玉米植株圖像的亮度看作是一維坐標，繪制玉米植株的高程圖，玉米植株的中心區(qū)域在高程圖呈現(xiàn)為集水盆形狀。采用水平集確定玉米植株的中心區(qū)域并對玉米植株中心進行定位，并結合分治法搜索玉米植株的極小值區(qū)域，降低了數(shù)據(jù)結構的規(guī)模。數(shù)據(jù)驗證結果表明，算法識別率可達96%，保證了算法的實時性與可行性。另外，采用分治法與水平集法相結合確定玉米植株的中心區(qū)域，使該算法不受天氣因素的影響，提高了該算法在田間作業(yè)時的魯棒性。算法時間復雜度計算結果為O(lgn)，能夠滿足田間作業(yè)的實時性。

摘要:農(nóng)田遙感圖像一般都是大圖像，對這種大圖像進行后續(xù)的分析，分塊處理是較常見的方法，而在進行分塊處理的時候易產(chǎn)生邊界效應。消除邊界效應最常用的方法是進行圖像延拓，常見的延拓方法有對稱延拓、零延拓和周期延拓，但在邊界處會引入大量高頻信息。農(nóng)田遙感圖像中的紋理承載了重要的信息，因此，結合農(nóng)田遙感圖像紋理呈現(xiàn)出的直線特性，本文提出了一種基于紋理方向的圖像延拓法。利用多尺度插值小波解偏微分方程的方法根據(jù)圖像的灰度變化自適應選取配置點，即在圖像平坦區(qū)域稀疏取點，在紋理細節(jié)處密集取點。然后根據(jù)配點利用包圍盒識別農(nóng)田遙感圖像的紋理方向，進一步沿紋理方向進行延拓。試驗結果表明，本文提出的圖像延拓方法有效地克服了常規(guī)延拓方法的缺點，提高了計算效率，消除了邊界效應。

摘要:植物葉片圖像的采集過程中，由于自然環(huán)境或成像條件的影響，特別是夜間，采集到的圖像大多帶有椒鹽噪聲，造成圖像質(zhì)量下降。很多植物葉片含有豐富的葉脈，被噪聲污染不利于后續(xù)的表型分析、圖像分割等。椒鹽噪聲密度較小時，中值濾波降噪效果較好，但在噪聲污染嚴重時濾波方法也無法有效去噪。針對這一問題，提出了基于概率PCA的圖像修復模型。一幅光滑的不含噪圖像通?？烧J為服從高斯分布，概率PCA能有效地提取描述這幅圖像中的主要信息，通過估計模型參數(shù)重構因噪聲引起的數(shù)據(jù)缺失，從而達到圖像修復的目的。但是當噪聲的缺失像素點聚集在葉脈上時，直接用概率PCA修復會出現(xiàn)明顯的邊界效應，因此本文先基于樹的葉脈進行追蹤，再對葉脈進行概率PCA修復，然后再基于整幅圖像利用概率PCA模型修復，迭代次數(shù)根據(jù)修復后圖像的PSNR值自適應地選擇。為了驗證所提出的模型的修復性能，進行了與常用濾波方法的對比試驗。試驗結果表明：去噪后的圖像PSNR值比使用均值濾波高出6dB左右，比使用維納濾波高出9dB左右，比使用高斯濾波高出7dB左右，比使用中值濾波高出1dB左右，并且在結構相似性上采用本文算法去噪后的圖像與原始圖像的相似度最高。因此，將概率PCA模型應用于植物葉片彩色圖像修復是可行的、有效的，為其后續(xù)的圖像處理提供了技術支持。

摘要:針對馬鈴薯作物葉片進行了葉綠素含量無損檢測技術及分布圖繪制方法研究，用以指示作物長勢并指導精細化管理。首先利用高光譜成像技術采集了65個馬鈴薯葉片的400個樣本點高光譜圖像和相應的SPAD值，提取并計算葉綠素測量區(qū)域的葉片平均光譜后，分別采用蒙特卡羅無信息變量消除算法（MC-UVE）和自適應重加權算法（CARS）篩選出了12個和23個葉綠素含量敏感波長，建立了馬鈴薯葉片葉綠素含量偏最小二乘（PLS）回歸模型。建模結果如下：基于MC-UVE算法篩選的12個敏感波長的PLSR診斷模型，建模精度R2C為0.79，驗證精度R2V為0.73；基于CARS算法篩選的23個敏感波長建立的PLSR診斷模型，建模精度R2C為0.82，驗證精度R2V為0.80。擇優(yōu)選取CARS-PLSR模型計算馬鈴薯葉片每個像素點的葉綠素含量，從而利用偽彩色繪圖繪制了馬鈴薯葉片葉綠素含量可視化分布圖，最終實現(xiàn)馬鈴薯葉片含量無損檢測以及葉綠素分布可視化表達，以期為后續(xù)馬鈴薯作物大田冠層葉綠素分布診斷提供支持。

摘要:冬小麥葉綠素含量的準確預測，可為冬小麥田間精細化管理提供依據(jù)。采集冬小麥冠層400~900nm范圍反射光譜，經(jīng)一階微分預處理后，為了抑制由于連續(xù)波長自變量多重共線性對葉綠素含量診斷模型的干擾，利用Gram-Schmidt正交變換算法初步提取葉綠素敏感波長特征參數(shù)為848、620、677nm。在定量模型的建立過程中，對比了傳統(tǒng)隨機樣本集劃分與以空間中樣本間距離遠近為指導的SPXY樣本集劃分方法，并討論了大田冠層反射光譜對葉綠素濃度診斷的最優(yōu)精度，研究結果表明，以620nm和677nm兩個敏感波長結合SPXY樣本劃分方法建立的多元線性回歸模型預測精度較高，且葉綠素質(zhì)量濃度為0.3mg/L分辨間隔時，建模決定系數(shù)和驗證決定系數(shù)分別達0.730和0.739，可為無損檢測冬小麥拔節(jié)期葉綠素含量提供技術支持。

摘要:現(xiàn)有植物病害圖像檢測方法存在檢測病害單一的問題，因此，本文針對葉片的鏈格孢病、炭疽病、細菌性枯萎病、尾孢菌葉斑病4種病害和健康葉片，提出了基于核函數(shù)支持向量機的多分類檢測方法。根據(jù)植物葉部病害圖像具有多變的特點，首先通過受病葉片圖像預處理增強病害部分與健康部分的對比度，使病害部分更加明顯。然后在Lab彩色空間模型下的a、b分量上進行葉片分割并提取特征，采用K均值聚類方法，增強分割聚類效果。最后采用基于核函數(shù)的支持向量機多分類方法對4種病害進行檢測識別并分類。為提高檢測準確度，用500次迭代評估出最大精度，考慮交叉驗證系數(shù)的影響，將樣本的40%作為驗證數(shù)據(jù)，60%作為訓練數(shù)據(jù)，采用徑向基核函數(shù)對其進行訓練。該方法將傳統(tǒng)的2種葉片病害識別擴大至4種，實驗結果證實對4種病害的識別率最高達到89.5%，最低也達到了70%，證明了該方法的有效性。

摘要:農(nóng)業(yè)圖像采集過程中，環(huán)境因素常會帶來噪聲干擾，圖像噪聲又會對最終信息的分析結果帶來影響，因此降噪對提高農(nóng)業(yè)圖像處理質(zhì)量具有重要意義。基于塊排序的非局部均值算法是一種有效的圖像降噪方法，但是存在處理時間長,對大圖像的處理內(nèi)存要求高等問題。提出了分塊優(yōu)化方法，首先對大圖像進行了適應于圖像紋理豐富度的圖像分塊研究，然后分別對每個圖像塊進行處理。針對處理后的圖像塊再組合引起的邊界效應，采用圖像延拓的方法，有效地消除了邊界影響，提高了圖像降噪效果。實驗結果表明，對于一般的硬件設備，改進的塊排序非局部均值降噪算法能夠快速處理農(nóng)業(yè)中常用的圖像。對于尺寸大小為512像素×512像素圖像,當噪聲標準偏差為50,分塊數(shù)為16時，改進后的塊排序降噪方法能夠有效處理噪聲圖像。分塊數(shù)為64時的處理速度是分塊數(shù)為16時的1.89倍。

摘要:互聯(lián)網(wǎng)農(nóng)技問答平臺現(xiàn)僅依靠人工提供答題服務，響應速度慢，回答質(zhì)量難以保證。實現(xiàn)智能農(nóng)技問題解答，構建農(nóng)技知識庫，需要從現(xiàn)有問答數(shù)據(jù)提取“農(nóng)作物-病蟲害-農(nóng)藥”命名實體三元組?，F(xiàn)有對農(nóng)業(yè)中文命名實體識別的研究較少，且準確率較低。根據(jù)農(nóng)作物、病蟲害及農(nóng)藥命名實體的特點，針對農(nóng)技問答數(shù)據(jù)，提出基于條件隨機場的農(nóng)作物、病蟲害及農(nóng)藥命名實體的識別方法。對數(shù)據(jù)集進行格式整理及自動分詞，并對分詞后的語料，針對是否包含特定界定詞、是否含特定偏旁部首、是否是數(shù)量詞、是否是特定左右指界詞及詞性等特征進行自動標注。利用標注后的數(shù)據(jù)訓練CRF模型，可以對語料進行分類，包括判斷語料是否屬于農(nóng)作物、病蟲害、農(nóng)藥3類命名實體并識別該語料在復合命名實體中的位置，從而實現(xiàn)了對3類命名實體的識別，由此可自動構建關聯(lián)三元組。通過試驗選擇特征組合和調(diào)整上下文窗口大小，提高了本方法的識別準確度，降低了模型訓練時間，對農(nóng)作物、病蟲害、農(nóng)藥命名實體識別的準確度分別達97.72%、87.63%、98.05%，比現(xiàn)有方法有顯著提高。

摘要:針對太湖流域化肥用量和糧食產(chǎn)量數(shù)據(jù)，利用BP神經(jīng)網(wǎng)絡算法，建立了糧食產(chǎn)量與化肥用量之間的關系模型，以指導化肥減施增效。共收集了1980—2014年共35a太湖流域16個縣市每個縣市的單位面積化肥用量和單位面積糧食產(chǎn)量數(shù)據(jù)。通過自回歸滑動平均模型（ARMA），對兩類數(shù)據(jù)進行時間序列分析，對數(shù)據(jù)中存在的缺項進行了填補。實驗表明，對于單位面積糧食產(chǎn)量數(shù)據(jù)，用ARMA(2,6)模型能夠達到較佳的填補效果，均方誤差小于0.2，R2＞0.85。對于單位面積化肥用量數(shù)據(jù)，用ARMA(3,7)模型較優(yōu)，均方誤差小于0.02，R2>0.80。說明ARMA模型數(shù)據(jù)填補效果較好。將填補后的不同縣的數(shù)據(jù)通過BP神經(jīng)網(wǎng)絡建立模型，描述了各縣市單位面積化肥用量和糧食產(chǎn)量的關聯(lián)關系。實驗表明，該方法擬合的均方誤差小于0.12，R2＞0.80，說明BP神經(jīng)網(wǎng)絡是一種準確度較高的擬合方法。通過分析各縣擬合結果，表明化肥用量有閾值，化肥用量低于該閾值，糧食產(chǎn)量將會較快速增長，高于該閾值，糧食產(chǎn)量將不再增長，過多的施用化肥并不能取得高產(chǎn)。

摘要:通過分析花生葉片糖氮比與冠層高光譜參數(shù)的定量關系，確立花生葉片糖氮比的定量監(jiān)測模型。選用豐花1號花生品種作為研究對象，在不同施氮水平下進行了田間試驗，于花生不同生育時期采集田間冠層高光譜數(shù)據(jù)并測定葉片糖氮比，進而分析建立冠層高光譜參數(shù)與葉片糖氮比的回歸模型。結果表明，花生葉片糖氮比隨生育進程呈“高-低-高-低”的動態(tài)變化模式；從出苗到結莢之前，均是施氮處理低于對照，在花生收獲期，施氮處理高于對照。利用高光譜參數(shù)對葉片糖氮比進行監(jiān)測的適宜時期是出苗期到飽果成熟期，開花下針期冠層植被指數(shù)與糖氮比相關性均達顯著水平，且利用DVI建立的回歸方程更為可靠，R2為0.866~0.993，SE為0.026~0.083。花生結莢期以后，利用EVI建立的回歸方程更可靠，R2為0.893~0.927，SE為0.054~0.082。通過模擬值與實測值的擬合，發(fā)現(xiàn)DVI和EVI兩個特征光譜參數(shù)表現(xiàn)良好，可分別對生長前期和后期的花生葉片糖氮比進行可靠監(jiān)測。

摘要:濁度是指水體中懸浮顆粒的含量，在水產(chǎn)養(yǎng)殖中，懸浮顆粒由大量的細菌、病原體組成，顆粒物濃度過大，易危害水生動物的生存。傳統(tǒng)的濁度檢測技術易受環(huán)境光、色度、溫度等因素的影響，穩(wěn)定性差、精度低。為此設計了基于IEEE1451.2的智能光纖濁度傳感器，該傳感器由光學檢測模塊、信號變送模塊、智能處理模塊組成。光學檢測模塊采用880nm紅外發(fā)光二極管作為光源，采用90°散射光檢測法，有效降低了色度對濁度檢測的影響。信號變送模塊采用正向比例積分電路、I/V轉換、濾波、檢波電路對采集到的散射光電流信號進行處理，得到一個線性關系良好的直流濁度電壓信號。為了提高傳感器的精確度，設計了基于IEEE1451.2的智能處理模塊，構建了溫度補償算法，采用校正TEDS參數(shù)完成對濁度的溫度補償，提高了濁度測量的準確度。對傳感器性能進行測試試驗，結果表明傳感器準確度誤差在±1.5%以內(nèi)，穩(wěn)定性誤差在±1.0%以內(nèi)，滿足水產(chǎn)養(yǎng)殖對光纖濁度傳感器的需求，具有較高的可靠性。

摘要:針對河流污染治理、水源管理，提出了融合差分自回歸滑動平均ARIMA模型和遺傳算法優(yōu)化的小波神經(jīng)網(wǎng)絡相結合的河流水質(zhì)預測方法。將采集的河流水質(zhì)參數(shù)時間序列數(shù)據(jù)，分解為線性和非線性序列，線性數(shù)據(jù)使用ARIMA模型預測，使用最小二乘法完成了ARIMA模型參數(shù)估計。對于經(jīng)過ARIMA模型處理的非線性殘差數(shù)據(jù)、預測值與原始溶解氧序列之間的線性和非線性關系，采用小波神經(jīng)網(wǎng)絡（WNN）獲得預測值，并采用遺傳算法的選擇、交叉、變異等操作優(yōu)化網(wǎng)絡參數(shù)，比傳統(tǒng)WNN模型預測精度顯著提高。ARIMA模型、小波神經(jīng)網(wǎng)絡、遺傳算法優(yōu)化小波神經(jīng)網(wǎng)絡（GAWNN）和未經(jīng)遺傳算法優(yōu)化的組合模型預測平均絕對誤差分別為0.29%、0.39%、0.26%、0.24%，提出的組合模型預測結果平均絕對誤差約0.19%且為最小。結果表明，該組合模型優(yōu)于單個模型和傳統(tǒng)組合模型的預測結果。

摘要:玉米株高是反映作物長勢的重要指標。為了實現(xiàn)田間單株玉米株高的快速測量，提出了一種基于RGB-Depth（RGB-D）相機的玉米株高測量方法。以拔節(jié)期玉米為觀測對象，首先利用RGB-D相機獲取田間玉米的彩色圖像和深度圖像。對玉米彩色圖像進行灰度化、二值化和去噪處理，提取出包含待測玉米的二值圖像。利用改進的分水嶺分割算法對玉米的灰度圖像進行分割，對分割結果進行圓形擬合操作，定位玉米的中心區(qū)域。對玉米的二值圖像進行骨架化處理，檢測骨架的交叉點和末端點，確定玉米骨架的中心點，并檢索其到末端點的最短路徑。對各條路徑的點云數(shù)據(jù)進行求差與比較，確定玉米的最高點，并對最高點附近的點云數(shù)據(jù)進行直方圖統(tǒng)計，獲得地面點。最后，通過計算玉米最高點和地面點的差值，實現(xiàn)單株玉米株高參數(shù)的測量。對玉米樣本進行測試試驗的結果表明：單株玉米株高的平均測量誤差為1.62cm，均方根誤差（RMSE）為1.86cm，測量精度滿足實用要求。

摘要:霧滴在靶標上常出現(xiàn)粘連的情況，為準確測量霧滴尺寸、掌握霧滴分布規(guī)律，需要判斷霧滴是否粘連，并用圖像處理技術將粘連霧滴分開。首先提出判斷霧滴是否粘連的改進方法，該方法結合霧滴的形狀因子和面積閾值對粘連霧滴進行判斷和特征提取，并用極限腐蝕法和迭代開運算法對粘連霧滴進行計數(shù)處理，其次調(diào)用迭代開運算標記的分水嶺算法分割，最后對分割后霧滴的連通域進行標記及形狀圓整。試驗結果表明：該方法可實現(xiàn)粘連霧滴的自動判斷和特征提取，弱粘連準確率100%，強粘連可達97.2%以上。該算法獲得的霧滴粒徑參數(shù)與激光粒度儀試驗測量結果接近，其尺寸測量準確度較Deposit Scan軟件計算平均提高了7.67%。基于相同的樣本，與人工計數(shù)標定結果對比表明，該方法獲得的霧滴個數(shù)快速且精準度達97.06%以上。

摘要:土地生態(tài)安全是資源環(huán)境生態(tài)系統(tǒng)健康的基礎。鑒于土地生態(tài)系統(tǒng)安全各項評價指標的不相容性，借助經(jīng)典 EES-PSR模型在土地生態(tài)安全評價指標體系方面的優(yōu)勢，采用物元模型分析方法，構建了土地生態(tài)安全評價物元模型。以黑龍江省哈爾濱市的土地生態(tài)安全評價為例，利用物元評價模型，在GIS技術支持下，實現(xiàn)了研究區(qū)土地生態(tài)安全評價與評價結果的可視化表達與分析。研究結果表明：2011—2015年哈爾濱市土地生態(tài)安全水平從“不安全”向“安全”水平不斷轉化，2013年后變化最為突出。造林面積、第一產(chǎn)業(yè)占GDP比例、萬元GDP能耗標準煤、工業(yè)廢水處理率、人均占有公共綠地面積連續(xù)多年處于“不安全”水平，是哈爾濱市土地生態(tài)安全水平的制約因素。2015年哈爾濱市中部、西南部地區(qū)土地生態(tài)安全水平較差，北部、東南部地區(qū)水平較高。研究表明物元模型分析對于地區(qū)土地生態(tài)安全評價工作具有一定的理論價值。

摘要:現(xiàn)有土地生態(tài)安全評估涉及大量的行政區(qū)社會經(jīng)濟數(shù)據(jù)，評價方法常常忽略單個指標對綜合值的影響程度，本文構建了基于地質(zhì)-水文-生物（GHB）的生態(tài)安全評價體系，提出基于物元分析的區(qū)域土地生態(tài)安全評價方法，以大安市為例進行土地生態(tài)安全水平定量評價。評價得出大安市87.45%的土地生態(tài)安全水平處在安全級，但整體生態(tài)安全水平仍有較大提升空間；單個指標分析表明，大安市土地生態(tài)建設重在推進重要水源管理、提高植被覆蓋度、減少礦產(chǎn)開采量和減少地下水開采量等工作。研究結果表明，物元分析能夠揭示單個評價指標的分異信息，對大安市生態(tài)安全的改善有一定指導意義。

摘要:選取太湖流域為研究區(qū)，利用單因子污染指數(shù)法和內(nèi)梅羅綜合污染指數(shù)法對其土壤重金屬污染情況進行了評價，并采用描述性統(tǒng)計分析、Pearson相關分析和因子分析方法對其土壤重金屬的來源進行了分析。研究表明，太湖流域土壤重金屬綜合污染等級均處于安全至中度污染之間，Hg、Cu和Zn對其土壤環(huán)境質(zhì)量造成的危害較大，其中Hg的影響最為深刻，起到?jīng)Q定作用，Cr是唯一未對其土壤環(huán)境質(zhì)量造成危害的元素；由重金屬元素來源分析結果發(fā)現(xiàn)，太湖流域土壤中的Hg、Cu和Zn主要源自于工業(yè)源，As、Pb和Cd主要源于農(nóng)業(yè)上施用的化肥農(nóng)藥，其中Pb和Cd也同時受到自然因素的影響，Cr的來源相對天然，未受到明顯的人為因素的影響。

摘要:土地利用格局的形成過程比其最終形成的結果更為重要。本文以哈爾濱市雙城區(qū)為例，利用不同時期的土地利用數(shù)據(jù)，在土地利用變化關鍵驅(qū)動因素分析的基礎上，選取了對土地利用變化影響較大的距離變量、鄰近土地利用類型數(shù)量、單元自然屬性、社會經(jīng)濟因素等4方面14個驅(qū)動力因子，建立了基于元胞自動機(CA)與人工神經(jīng)網(wǎng)絡(ANN)相結合的土地利用空間格局模擬模型。在此基礎上，對研究區(qū)自然稟賦、社會經(jīng)濟快速發(fā)展、基本農(nóng)田保護及土地利用規(guī)劃等不同情景驅(qū)動機制下的土地利用空間格局進行了時空模擬，以此解析土地利用變化過程與驅(qū)動力因素的響應關系。模擬結果顯示：自然稟賦情景下，各地類變化趨勢與現(xiàn)在保持一致；在社會經(jīng)濟快速發(fā)展情景下，建設用地面積增加明顯，主要由旱地和其他用地轉入；在基本農(nóng)田保護情景下，耕地面積比較穩(wěn)定，各地類變化趨勢較為緩和；在土地利用規(guī)劃情景下，各地類變化較為合理，兼顧耕地保護和經(jīng)濟發(fā)展。研究結果顯示，該方法對哈爾濱市雙城區(qū)土地利用格局變化的驅(qū)動機制具有較好的解釋作用。

摘要:基于多智能體模型研究了土地利用變化的模擬問題。以銀川平原為例，以2002年和2014年的遙感影像為基礎數(shù)據(jù)源，在對2002—2014年土地利用變化特征及其驅(qū)動因素分析的基礎上，選取了政府、農(nóng)戶、城鎮(zhèn)居民3種智能體，結合經(jīng)分析選取的自然因素、社會因素和經(jīng)濟因素3方面5個主要驅(qū)動力因素對3種智能體的決策行為進行逐個分析，構建多智能體的行為規(guī)則，建立了基于多智能體模型的土地利用空間格局模擬模型。在此基礎上，對研究區(qū)自然稟賦情景、社會經(jīng)濟發(fā)展情景、基本農(nóng)田保護情景下的土地利用空間格局進行了模擬。結果表明，基于多智能體的土地利用模型能夠較好地模擬復雜土地利用變化；在影響土地利用變化的各因素中，政策性因素對區(qū)域土地利用變化影響較為明顯。

摘要:為了克服近紅外光譜的多重共線性、吸光度非線性等特點給土壤全氮含量預測帶來的影響，引入灰度關聯(lián)-極限學習機方法選擇出具有較好預測能力的波長組合，以建立高精度土壤全氮含量預測模型。首先利用一階微分光譜得到反映土壤全氮含量的敏感譜區(qū)，再利用灰度關聯(lián)法得到土壤全氮含量的敏感波長，分別為1007、1128、1360、1596、1696、1836、2149、2262nm。最后采用極限學習機，將上述敏感波長作為輸入，建立了土壤全氮預測模型。作為對照，同時采用傳統(tǒng)相關分析方法選擇了敏感波長并建立了回歸模型。2種建模結果表明，灰度關聯(lián)-極限學習機建立的土壤全氮預測模型，其建模決定系數(shù)R2c為0.9134，預測決定系數(shù)R2v為0.8787，建模精度和預測精度都比傳統(tǒng)建模方法高。特別在預測低氮含量土壤時，灰度關聯(lián)-極限學習機方法優(yōu)勢更明顯。

摘要:電極法檢測土壤硝態(tài)氮時，共存氯離子是影響檢測精度的重要因素。針對當前檢測儀為單一離子離線檢測的問題，設計了基于嵌入式開發(fā)的ISE土壤硝態(tài)氮多參數(shù)檢測儀。儀器嵌入BP神經(jīng)網(wǎng)絡模型，實現(xiàn)土壤硝態(tài)氮的在線實時檢測。針對BP算法收斂速度慢、易陷入局部極小值的缺點，采用5種方法進行改進；采用兩個校正方法校準檢測儀檢測結果；采用穩(wěn)定判斷程序提高電勢采集的穩(wěn)定性。開展標準溶液檢測試驗，驗證檢測儀檢測精度；開展土壤硝態(tài)氮檢測試驗，并將檢測結果與傳統(tǒng)的一元線性模型結果和光學法檢測結果進行對比，驗證檢測儀排除氯離子干擾的效果及檢測土壤硝態(tài)氮的準確性。結果表明，檢測儀對離子的檢測結果與離子計檢測結果誤差不超過1.0mV，滿足精度要求；檢測儀對土壤硝態(tài)氮含量的檢測結果與光學法檢測結果的平均相對誤差為8.83%，低于一元線性模型與光學法檢測結果的平均相對誤差12.17%，擬合系數(shù)R2均大于0.97?；贗SE的土壤硝態(tài)氮多參數(shù)檢測儀可有效減小氯離子干擾，準確性高，可用于土壤硝態(tài)氮的在線檢測。

摘要:以吉林省四平市為研究區(qū)，利用Sentinel-1A上搭載的全天時、全天候、高分辨的雙極化合成孔徑雷達（Synthetic aperture radar， SAR）對玉米留茬區(qū)進行監(jiān)測。對比分析了玉米作物留茬區(qū)和非留茬區(qū)C波段微波信號的后向散射特性，并探討了不同極化組合下的差異,確定留茬區(qū)可分離性相對較高的模式。運用支持向量機(Support vector machine，SVM)方法對研究區(qū)主要地物進行識別，獲取留茬區(qū)的地理分布及其覆蓋面積和比例。實驗結果表明不同極化組合均能得到比較理想的結果，證明了實驗方案的有效性。特別是對于VH和VV雙極化組合模式下，總識別精度為86.15%，留茬區(qū)識別精度達90.26%。

摘要:掌握土壤水分入滲規(guī)律對于合理制定灌溉方案、設置灌溉參數(shù)和改進灌溉技術有重要意義。為探究微潤灌溉條件下土壤水分入滲規(guī)律，利用HYDRUS-3D有限元模型對微潤灌溉下土壤水分入滲進行了數(shù)值模擬，討論了初始壓力水頭和土壤質(zhì)地對土壤水分入滲的影響。數(shù)值模擬結果顯示：在土壤水分入滲的垂直剖面上濕潤體以微潤管為中心呈同心圓狀向外擴散，擴散速率與初始壓力水頭呈正相關。模擬試驗周期為36h，分3個時間段進行土壤水分擴散速率的計算，0~5h內(nèi)土壤水分平均入滲速率為1.85cm/h，6~15h內(nèi)的平均入滲速率為0.79cm/h，16~36h內(nèi)的平均水分入滲速率為0.59cm/h。土壤含水率最大值出現(xiàn)在微潤管周圍，向外圍呈減小趨勢。相同時間內(nèi)土壤濕潤峰運移距離隨初始壓力水頭的增大而增大，微潤灌溉下水分入滲速率在3種質(zhì)地的土壤（砂壤土、壤土、粘壤土）中依次增大，并測得在壓力水頭為-180cm時整個模擬周期中3種質(zhì)地土壤的平均水分擴散速率分別為：0.69、0.53、0.46cm/h。研究表明，土壤含水率和水分擴散速率隨壓力水頭的增大而增大，隨土壤黏粒含量的增大而減小。

摘要:針對溫室環(huán)境遠程調(diào)控過程中自動控制參數(shù)無法修改或缺少遠程手動控制模式的問題，設計了溫室環(huán)境遠程測控系統(tǒng)。系統(tǒng)可分為溫室現(xiàn)場測控層、服務器層和用戶應用層?，F(xiàn)場測控層基于無線傳感器網(wǎng)絡獲取溫室內(nèi)外環(huán)境信息，并配備了網(wǎng)絡攝像頭實時監(jiān)測；服務器層以ARM為硬件平臺，采用Linux C語言完成無線通信模塊軟件設計和服務器的設計；用戶應用層基于Web和Andorid技術，構建提供溫室內(nèi)外即時環(huán)境信息查詢和自動控制方法選擇、控制目標調(diào)整、在線視頻查看溫室內(nèi)部情況等功能遠程終端。試驗結果表明，本系統(tǒng)自動測控周期最短為5s，數(shù)據(jù)傳輸誤碼率和丟包率較低，能夠滿足實時、可靠監(jiān)測的需求，視頻圖像流暢清晰，操作簡單，界面友好，提高了溫室環(huán)境測控系統(tǒng)的適用性。

摘要:溫室數(shù)據(jù)采集系統(tǒng)多采用數(shù)據(jù)采集端通過上位機管理數(shù)據(jù)或上傳至數(shù)據(jù)服務器的方式進行溫室環(huán)境監(jiān)測和管理，該方式網(wǎng)絡結構相對復雜，功耗較大。為解決上述問題，本文采用物聯(lián)網(wǎng)、云服務、微信平臺結合的方式，設計開發(fā)了基于微信平臺的溫室環(huán)境監(jiān)測與溫度預測系統(tǒng)。系統(tǒng)采用數(shù)據(jù)采集端直接通過WiFi/GPRS聯(lián)接互聯(lián)網(wǎng)訪問云服務器的方式進行數(shù)據(jù)交互，手機移動端通過微信公眾號訪問云服務器獲取數(shù)據(jù)服務。溫度預測模型采用差分時間序列模型，解決溫度預測過程中季節(jié)周期性的影響。通過對系統(tǒng)數(shù)據(jù)分析證明：系統(tǒng)有效實現(xiàn)了數(shù)據(jù)采集端的輕量化與可移動性，不僅能夠?qū)?shù)據(jù)進行有效管理，且溫度監(jiān)測相對誤差低于4.96%，溫度預測相對誤差低于3%，預測結果具有較高的精度，能夠滿足日常生產(chǎn)的需要。

摘要:針對嚴寒天氣影響溫室內(nèi)作物生長的問題，提出了一種主動式溫室地暖系統(tǒng)，并基于熱平衡理論，首先對地暖系統(tǒng)的熱量傳遞過程進行了研究，分別建立了溫控系統(tǒng)徑向、軸向傳熱數(shù)學分析模型；再利用有限元分析軟件進行了二維穩(wěn)態(tài)溫度分布狀態(tài)的數(shù)值模擬，研究結果表明，若將距地面20cm處土地溫度大于15℃作為地暖系統(tǒng)的有效作業(yè)范圍（簡稱Qf），地暖系統(tǒng)的開啟溫度應不低于28℃，且系統(tǒng)入風口溫度每增加2℃，其軸向有效作業(yè)輻射范圍可擴大2.4～2.8m；通過與昌平區(qū)馬池口溫室大棚實地試驗的數(shù)據(jù)對比，地暖系統(tǒng)換熱過程對淺層與深層土壤溫度擾動規(guī)律與理論分析結果一致，進一步驗證了仿真分析的有效性。

摘要:目前土壤采樣信息大多依賴于實驗人員手動紙質(zhì)記錄。為了更好地記錄和處理土壤信息，提出了一種適用于現(xiàn)代化農(nóng)業(yè)的土壤采樣信息記錄方法，利用Android系統(tǒng)結合服務器和數(shù)據(jù)庫架構實現(xiàn)基于Android的土壤采樣信息自動記錄系統(tǒng)。整個系統(tǒng)設計包括系統(tǒng)架構設計和軟件功能設計。在服務器上使用JSP和MySQL數(shù)據(jù)庫管理系統(tǒng)（Database management system，DBMS）作服務器端，搭建云服務器及農(nóng)田信息管理數(shù)據(jù)庫。服務器端設計包括在WEB工程中引入JDBC驅(qū)動，使服務器直接連接數(shù)據(jù)庫，實現(xiàn)WEB服務器與MySQL數(shù)據(jù)庫的交互。Android客戶端設計包括在Material Design設計規(guī)范下完成土壤自動采樣記錄系統(tǒng)Android客戶端界面，以及利用JSON數(shù)據(jù)解析實現(xiàn)對云服務器下MySQL數(shù)據(jù)庫信息的訪問和操作。最后對系統(tǒng)軟件進行有效性和健壯性測試。試驗表明，該系統(tǒng)能有效地顯示采樣土壤位置的空氣溫度、濕度、經(jīng)緯度以及土壤氮素含量等土壤采樣信息，并能進行正確的地圖位置顯示，證明了Android系統(tǒng)在土壤采樣記錄方面的有效性以及構建系統(tǒng)的可行性。

摘要:為了研究不同水肥策略對溫室番茄長勢的影響，試驗選擇常見的適合溫室種植的小番茄（彩玉）為研究對象，以不同配比的水溶性肥，設置了4種施水肥水平。試驗過程中，分別采集4種水肥條件下的番茄株高、株徑、莖節(jié)數(shù)、花序數(shù)和果實參數(shù)等表型數(shù)據(jù)。采用ANOVA單因素分析方法，對試驗數(shù)據(jù)進行對比分析。不同配比水肥對番茄長勢存在顯著差異。其中，高施肥水平（Ⅳ）能夠得到最佳產(chǎn)量。而中等水肥（Ⅲ）長勢最佳，具有最大單果質(zhì)量，且與不施肥和較少量施肥相比，其長勢和果實產(chǎn)量優(yōu)勢明顯，經(jīng)濟效益顯著。對果實數(shù)、株高、莖節(jié)數(shù)、花序數(shù)和產(chǎn)量進行多因素回歸分析，決定系數(shù)R2為0.965，其差異顯著性順序依次為果實數(shù)、株高、莖節(jié)數(shù)和花序數(shù)。試驗結果表明，中等水肥配比下，表型數(shù)據(jù)的自動采集和分析能夠?qū)厥曳阉室惑w化設備灌溉策略的制定提供參考。

摘要:基于無線傳感器網(wǎng)絡，建立了春秋茬溫室番茄光合速率預測模型。在2014年秋季與2015年春季，采用無線傳感器網(wǎng)絡自動獲取溫室環(huán)境因子信息，包括空氣溫濕度、土壤溫濕度、光強與CO2濃度。同時采用LI-6400XT型光合儀測定植物的單葉凈光合速率，利用葉室小環(huán)境來擴展數(shù)據(jù)范圍。將采集到的溫室環(huán)境信息作為輸入?yún)?shù)，單葉凈光合速率作為輸出參數(shù)，利用神經(jīng)網(wǎng)絡建立番茄光合速率預測模型。為了提高模型的預測精度，首先使用Z分數(shù)對輸入?yún)?shù)進行標準化，然后對標準化后的數(shù)據(jù)進行主成分分析；其次，根據(jù)各主成分的累積貢獻率選取主成分，然后經(jīng)過K折交叉檢驗后建立神經(jīng)網(wǎng)絡預測模型。結果表明，采用2014年秋季數(shù)據(jù)建立的預測模型，相關系數(shù)為0.99；2015年春季為0.95；用兩季數(shù)據(jù)聯(lián)合建立的通用模型，相關系數(shù)為0.85。利用春秋茬聯(lián)合數(shù)據(jù)建立的溫室番茄光合速率預測模型通用性較好，可以為日光溫室CO2氣肥精細調(diào)控提供理論支持。

摘要:為了實現(xiàn)CO2氣肥和營養(yǎng)液氮肥含量的準確調(diào)控，建立了作物整個生長周期的光合速率預測模型。以番茄為實驗對象，設置了3個CO2濃度和3個營養(yǎng)液含氮量的交互處理實驗，使用LI-6400型便攜式光合速率儀采集葉室內(nèi)的環(huán)境信息和單葉凈光合速率。利用多元線性回歸方法建立了番茄整個生長周期的光合速率預測模型，模型的相關系數(shù)為0.885，調(diào)整后的決定系數(shù)為0.782。實驗結果表明，該模型具有較高預測精度，可為溫室CO2氣肥濃度和營養(yǎng)液氮肥含量的調(diào)控提供理論依據(jù)。

摘要:本文對基于頻域法FDS-100型土壤含水率傳感器在基質(zhì)含水率中的檢測性能進行了研究。首先，對不同配比的基質(zhì)，使用FDS-100型傳感器測量并將測量結果與干燥法得到的標準含水率進行對比，將FDS-100型傳感器與ECH2O-5TE型基質(zhì)含水率傳感器在混合基質(zhì)中的測量性能進行對比，并研究了壓實程度、電導率和溫度對傳感器性能的影響。試驗結果表明：FDS-100型傳感器在不同配比基質(zhì)中得到的測量值并不遵循同一曲線；測量值隨壓實程度增大而增大，測量誤差在-1%~10%之間；電導率對測量值有一定影響，測量誤差在±5%之間；溫度對FDS-100型傳感器測量值影響極小，測量誤差在2%以下；FDS-100型傳感器與ECH2O-5TE型傳感器之間的相對誤差為4.32%。FDS-100型傳感器可用于基質(zhì)含水率檢測，但在實際使用時需要針對不同基質(zhì)與不同壓實程度進行標定。

摘要:pH值的控制是水肥一體化營養(yǎng)液循環(huán)控制系統(tǒng)的重要環(huán)節(jié)，水肥控制過程中pH值在最優(yōu)控制范圍內(nèi)有利于根系的發(fā)育以及多數(shù)礦物質(zhì)的吸收。營養(yǎng)液調(diào)控過程中，由于循環(huán)管路以及酸液的緩慢擴散，使得pH值調(diào)節(jié)過程存在很大的時滯，傳統(tǒng)PID難以取得良好效果。本研究根據(jù)被控對象特點，建立了描述該過程的數(shù)學模型，設計開發(fā)了一套具有二次混肥特性的以MSP430單片機為主控的營養(yǎng)液pH值控制系統(tǒng)。由于參數(shù)自整定模糊PID不需要精確數(shù)學模型以及Smith預估可對純滯后進行補償?shù)奶攸c，開發(fā)的系統(tǒng)將參數(shù)自整定模糊PID控制引入Smith預估當中，既緩解了滯后時間對控制系統(tǒng)的影響，又對模型的不精確性進行了補償。為了驗證該算法以及系統(tǒng)的有效性和優(yōu)越性，分別對PID、Fuzzy-Smith控制算法進行仿真測試，同時在不同灌溉量下進行性能試驗。試驗結果表明，在不同灌溉量下Fuzzy-Smith控制算法pH值的平均最大超調(diào)量為0.83%，營養(yǎng)液pH值從8.0調(diào)節(jié)為6.0的平均時間為157s，優(yōu)于常規(guī)PID控制的2.55%和189s。

摘要:精確預測日光溫室溫度是實現(xiàn)對溫室精準調(diào)控的前提。由于溫室是復雜非線性系統(tǒng)，受室內(nèi)外眾多環(huán)境因素影響，且部分因素難以準確測量和建模，因此，難以通過機理分析建立室外因素精確影響室內(nèi)溫度的物理模型。而現(xiàn)有時間序列分析、人工神經(jīng)網(wǎng)絡等僅基于數(shù)據(jù)的方法預測準確度也較低。本文提出連續(xù)時間段聚類與BP神經(jīng)網(wǎng)絡相結合的二步日光溫室溫度預測方法。首先，進行二次聚類，對室外溫度情況相似的日進行聚類，并將全年劃分為若干個類似時間段，根據(jù)連續(xù)時間段內(nèi)相似日的數(shù)量進行聚類，將全年內(nèi)的連續(xù)時間段歸入若干類別。其次，對不同類別的時間段，分別采用BP神經(jīng)網(wǎng)絡建立室外溫度、相對濕度、太陽輻射、風速和溫室室內(nèi)溫度間的關聯(lián)模型，通過數(shù)據(jù)訓練，能夠較為準確的根據(jù)室外環(huán)境數(shù)據(jù)預測室內(nèi)溫度。通過涿州實驗農(nóng)場2年數(shù)據(jù)試驗驗證，通過二次聚類，全年連續(xù)時間段可劃分為3類，通過分別建立BP神經(jīng)網(wǎng)絡并分別訓練，結果表明本方法預測誤差僅為6.23%，與現(xiàn)有未分類的BP神經(jīng)網(wǎng)絡預測算法對比，本文方法有效地提高了準確度，平均誤差降低5.4個百分點。

摘要:生豬日?；顒恿靠勺鳛樯i健康狀況分析和遺傳性能評估的重要數(shù)據(jù)基礎。針對大圈養(yǎng)殖環(huán)境下利用人工觀察的傳統(tǒng)方法監(jiān)測生豬群體活動量精度不高、主觀性較強等問題，設計了一種基于LabVIEW的生豬群體活動量監(jiān)測系統(tǒng)。利用被動式紅外探測器采集生豬群體活動量信息，以24位ADS1256芯片為A/D轉換和信號輸入通道選擇，設計了活動量數(shù)據(jù)采集系統(tǒng)電路，基于LabVIEW軟件平臺進行程序設計，實現(xiàn)了生豬群體活動量數(shù)據(jù)的實時采集、保存和圖形化顯示，提出了利用優(yōu)化的雙正弦模型描述生豬群體日活動量，完成了生豬群體活動量監(jiān)測系統(tǒng)的設計。選取大圈養(yǎng)殖環(huán)境下剛進欄的小豬進行實驗驗證，實驗結果表明：生豬群體日活動量模型與實測值平均相關系數(shù)為0.83，構建的模型能夠較好地反映生豬群體日活動量，監(jiān)測系統(tǒng)能夠?qū)崿F(xiàn)快速、準確地監(jiān)測生豬群體活動量。

摘要:基于分布式流式計算框架，提出了節(jié)點資源調(diào)度器算法，構建了可插拔的分布式流式實時計算模型，研究開發(fā)了生豬養(yǎng)殖視頻監(jiān)測分析系統(tǒng)。系統(tǒng)實現(xiàn)了規(guī)?；i養(yǎng)殖視頻流數(shù)據(jù)采集、任務調(diào)度、實時計算、可插拔式擴展和結果展示的功能。在由1個主節(jié)點和3個從節(jié)點構成的集群下，采用改進混合高斯模型的背景更新方式，實現(xiàn)集群下多攝像頭多目標的實時檢測。平均處理速度比傳統(tǒng)混合高斯模型提高了29.00%，平均檢測率為79.00%，平均誤檢率比傳統(tǒng)混合高斯模型降低了70.96%。測試結果表明，可插拔分布式流式實時計算模型具有較好的可擴展性，視頻流處理算法速度和實時性得到了提升，具有較高的檢測率和較低的誤檢率。

摘要:為明確魚菜共生系統(tǒng)中水體溶解氧分布特征，采用室內(nèi)搭建的魚菜共生系統(tǒng)，利用多點采樣裝置以及物聯(lián)網(wǎng)傳感系統(tǒng)對系統(tǒng)中水質(zhì)參數(shù)、氣象數(shù)據(jù)和生物量信息進行提取，通過相關性分析對該魚菜共生系統(tǒng)中溶解氧時空變化規(guī)律以及光照強度與喂食量對其時空變化的影響進行了研究。結果表明，溶解氧在魚池中隨垂直深度增加而減小，相關系數(shù)范圍為-0.9～-0.7時，魚池溶解氧空間變化量與喂食量呈顯著線性關系，相關系數(shù)為0.9294，方差分析中F值為126.94。溶解氧在水培槽中隨水平距離增加而減小，相關性范圍為-0.9～-0.8時，水培槽溶解氧空間變化量與光照強度呈顯著線性關系，相關系數(shù)為0.8158，方差分析中F值為39.7954。溶解氧日變化受到各環(huán)節(jié)空間變化影響，白天波動下降，夜間平緩上升。研究結果為魚菜共生系統(tǒng)溶解氧研究提供了一定理論依據(jù)。

摘要:一年兩熟設施葡萄栽培系統(tǒng)的能耗研究具有很強的典型性和現(xiàn)實意義，但傳統(tǒng)的能耗分析具有人工計算繁瑣、易出錯、工作效率低等缺陷。為了解決以上問題，本研究通過分析一年兩熟設施葡萄的生產(chǎn)流程和系統(tǒng)特點，建立了其能源投入產(chǎn)出指標，構建了DEA-BCC模型和Malmquist指數(shù)法相結合的能源效率評估模型。模型首先基于投入主導型的DEA-BCC模型測算出一年兩熟設施葡萄園的技術效率、純技術效率和規(guī)模效率這3個關鍵能源效率參數(shù)；然后，通過引入Malmquist函數(shù)，將生產(chǎn)效率變動分解為技術效率變動指數(shù)、技術進步指數(shù)和規(guī)模效率變動指數(shù)，探索能源效率增長的動力，以此對設施葡萄能源效率進行全面評估。最后基于JavaEE平臺下的MVC模式的B/S結構,結合Matlab Builder JA功能開發(fā)了面向一年兩熟設施葡萄的能源消耗評估系統(tǒng)。應用測試表明，系統(tǒng)各功能正常運行，顯著提高了能耗研究的計算效率和準確性，為一年兩熟栽培模式能耗問題研究提供了可靠的數(shù)據(jù)處理支撐。

摘要:區(qū)塊鏈技術具有去中心化、分布式存儲、開放透明、共識機制、安全性、信息加密、匿名性等特點，為實現(xiàn)現(xiàn)代農(nóng)產(chǎn)品供應鏈價值增值提供了重要途徑。通過解析農(nóng)產(chǎn)品、物流、農(nóng)產(chǎn)品物流、供應鏈、農(nóng)產(chǎn)品供應鏈的概念和內(nèi)涵，進一步明確了農(nóng)產(chǎn)品供應鏈及其業(yè)務邏輯，指出了目前農(nóng)產(chǎn)品流通中存在的問題，并通過分析區(qū)塊鏈技術的概念、技術特點和架構，面向農(nóng)產(chǎn)品供應鏈需求，提出了基于區(qū)塊鏈的農(nóng)產(chǎn)品供應鏈邏輯架構，討論了架構中的信息流和資金流，為基于區(qū)塊鏈的農(nóng)產(chǎn)品供應鏈相關研究提供有益的啟發(fā)與借鑒。

摘要:為了保證北美冬青鮮切枝冷鏈物流過程中的品質(zhì)，提高冷鏈物流過程的可追溯性和透明度，以433MHz為發(fā)射頻率，溫濕度和氣體環(huán)境為關鍵參數(shù)，設計了面向北美冬青鮮切枝冷鏈物流的無線實時監(jiān)測系統(tǒng)。系統(tǒng)包括從傳感器節(jié)點、主傳感器節(jié)點和遠程監(jiān)測系統(tǒng)。從傳感器節(jié)點集成了溫濕度傳感器、CO2傳感器和乙烯傳感器，主傳感器節(jié)點用于建立和維護無線傳感網(wǎng)絡和匯集數(shù)據(jù)，遠程監(jiān)測系統(tǒng)用于遠程實時監(jiān)控。同時，對傳感器節(jié)點的標定、準確性和功耗進行測試，并且將該系統(tǒng)應用于北美冬青冷鏈實地監(jiān)測。結果表明，監(jiān)測系統(tǒng)能夠很好地應用于北美冬青存儲和運輸全過程，且能夠穩(wěn)定、準確地監(jiān)測冷鏈環(huán)境溫度、相對濕度、CO2和乙烯體積分數(shù)等關鍵參數(shù)的變化過程，有效反映了北美冬青鮮切枝的品質(zhì)變化。

摘要:為提高苦瓜片干制品品質(zhì)，應用真空冷凍干燥技術對新鮮苦瓜片進行干燥，以得到最佳工藝參數(shù)。采用響應面分析法設計四因素三水平試驗，對苦瓜片試驗指標（含水率和復水比）和干燥工藝參數(shù)（切片厚度、溫度、絕對壓強和干燥時間）建立二次多項式回歸模型，并對模型的有效性及因素間的交互作用進行分析，利用Matlab中的遺傳算法對結果進行綜合優(yōu)化。結果表明：建立的回歸方程擬合度較好，模型顯著，所得工藝參數(shù)合理可用?？喙掀婵绽鋬龈稍锏淖罴压に噮?shù)為：切片厚度為4mm，隔板溫度為46℃，絕對壓強為73Pa，干燥時間為8.7h。該條件下含水率為6.23%，復水比為11.75。

摘要:為了實現(xiàn)核桃仁蛋白質(zhì)的快速無損檢測，采用近紅外光譜技術，建立了核桃仁蛋白質(zhì)含量預測模型，并對近紅外光譜波段篩選方法進行了研究。首先針對3種不同粒度核桃仁樣本，采集了1040~2560nm范圍全波段信息，采用多元散射校正法和標準正態(tài)化方法對原始光譜進行了預處理。然后，采用間隔偏最小二乘算法篩選了光譜特征波段，并建立了全波段和特征波段下核桃仁蛋白質(zhì)含量偏最小二乘算法預測模型。通過對不同粒度核桃仁樣本近紅外光譜分析表明，核桃仁粒度大小對核桃仁蛋白質(zhì)含量預測效果并無顯著影響。采用間隔偏最小二乘算法的波段篩選，核桃整仁樣本驗證集的均方根誤差和相關系數(shù)分別為0.021和0.913, 表明該方法能夠優(yōu)化模型質(zhì)量并降低模型復雜度。

摘要:驗證了種間的相對距離這一評價指標優(yōu)化玉米近紅外光譜定性分析性能的有效性。首先，對A、B兩組實驗數(shù)據(jù)使用相關性、歐氏距離和熵3種常用方法計算原始光譜、預處理后的光譜和特征提取后的光譜數(shù)據(jù)的種間相對距離，并與每一步得到的正確識別率進行對照分析，得到歐氏距離是一種有效的計算方法。最后，對實驗數(shù)據(jù)C采用歐氏距離方法計算數(shù)據(jù)處理每一過程的種間相對距離，經(jīng)過對預處理算法的調(diào)整，種間相對距離由0.6582增大到了1.2972，正確識別率由40.86%提高到了70.08%；通過對特征提取算法的優(yōu)化，種間相對距離由1.3102增大到了2.4910，正確識別率由68.32%提高到了93.27%。通過該評價指標對數(shù)據(jù)分析過程的評價結果可以看出，正確識別率顯著提高，使模型得到了優(yōu)化。

摘要:應用激光拉曼光譜技術結合偏最小二乘法實現(xiàn)了食用調(diào)和油中5種原料油（花生油、芝麻油、菜籽油、大豆油和玉米油）的定量檢測。首先選取食用油脂肪酸信息豐富的169.58～1813.61cm-1譜區(qū)，再通過一階導數(shù)+Norris 3點預處理對該譜區(qū)進行濾波去噪，凈化拉曼光譜信息，采用偏最小二乘法建立食用調(diào)和油中各原料組分的拉曼定量檢測模型，其中花生油、芝麻油、菜籽油、大豆油和玉米油的檢測模型的校正集相關系數(shù)分別為0.9998、0.9418、0.9988、0.9998、0.9961，驗證集相關系數(shù)分別為0.9435、0.8593、0.9542、0.9676、0.9429，均方根誤差分別為0.117、0.218、0.128、0.125、0.179。研究結果表明，激光拉曼光譜法結合化學計量學方法快速、準確地測定食用調(diào)和油中各原料組分的含量具有可行性，且預測能力良好。

摘要:常規(guī)近紅外定性識別研究中，玉米籽粒為表皮裸露狀態(tài)，未經(jīng)種衣劑覆蓋處理，但是在實際農(nóng)業(yè)生產(chǎn)中，為抵御病蟲害侵襲，提高玉米種子發(fā)芽率，達到保產(chǎn)增產(chǎn)的功效，玉米種子常需經(jīng)種衣劑包裹處理。玉米種衣劑的類型多樣，對近紅外光譜具有一定的吸收，因此種衣劑對近紅外定性識別具有干擾作用。本文針對種衣劑對玉米品種識別準確性影響的問題，提出了一種基于棧式自編碼神經(jīng)網(wǎng)絡（SAE）的近紅外光譜定性建模方法。首先采用無種衣劑玉米籽粒光譜作為訓練集，通過棧式自編碼無監(jiān)督學習算法與softmax分類器構建棧式自編碼網(wǎng)絡定性分析模型，再利用所建模型對有種衣劑玉米籽粒進行品種識別。實驗結果表明，基于SAE的建模方法能夠?qū)⒎N衣劑對玉米籽粒識別率的影響降低至3%以內(nèi)。