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:耕地質(zhì)量指標(biāo)數(shù)據(jù)獲取是耕地質(zhì)量評(píng)價(jià)的基礎(chǔ)，遙感為相關(guān)數(shù)據(jù)的快速、大面積獲取提供了一種新的手段與方法。本文首先分析了耕地質(zhì)量內(nèi)涵和功能，在此基礎(chǔ)上利用文獻(xiàn)計(jì)量法對(duì)我國近5年耕地質(zhì)量評(píng)價(jià)指標(biāo)研究進(jìn)行歸納，結(jié)合國外土壤質(zhì)量的研究現(xiàn)狀，提出了基于遙感技術(shù)的耕地質(zhì)量評(píng)價(jià)指標(biāo)體系，包括地形條件、土壤屬性和田間利用狀況3個(gè)維度。然后分析了不同維度各指標(biāo)獲取方法的研究現(xiàn)狀，概述了目前常用的遙感數(shù)據(jù)分析方法及對(duì)應(yīng)的技術(shù)原理，遙感可有效獲取田面坡度、田塊狀況、田間道路通達(dá)度、林網(wǎng)化程度等指標(biāo)計(jì)算所需的基礎(chǔ)數(shù)據(jù)，土壤屬性的大尺度獲取方法還需進(jìn)一步研究。最后針對(duì)遙感技術(shù)獲取耕地質(zhì)量評(píng)價(jià)指標(biāo)亟待解決的問題，提出了建議與展望：挖掘耕地質(zhì)量評(píng)價(jià)指標(biāo)的不同尺度遙感特征；加強(qiáng)耕地質(zhì)量評(píng)價(jià)指標(biāo)遙感信息的自動(dòng)化提取研究；建設(shè)耕地質(zhì)量評(píng)價(jià)的遙感大數(shù)據(jù)平臺(tái)，促進(jìn)遙感技術(shù)在耕地質(zhì)量評(píng)價(jià)中的應(yīng)用。

摘要:在“主從式”AGV協(xié)同作業(yè)中，跟隨AGV的定位和導(dǎo)引，除了獲取環(huán)境信息，還需要觀測領(lǐng)航AGV的位姿進(jìn)行路徑跟隨，對(duì)精度和穩(wěn)定性有更高的要求。為了提高跟隨AGV的導(dǎo)航精度，提出一種慣性導(dǎo)航與多目視覺結(jié)合的組合導(dǎo)航方法。針對(duì)多傳感器的數(shù)據(jù)融合問題，提出一種基于自適應(yīng)無跡卡爾曼濾波的跟隨AGV最優(yōu)位姿估計(jì)方法。慣導(dǎo)傳感器輸出信號(hào)用于跟隨AGV的狀態(tài)預(yù)測；路徑跟蹤導(dǎo)航與RGB-D視覺導(dǎo)航組成多目視覺導(dǎo)航，作為系統(tǒng)觀測修正慣導(dǎo)的累積誤差。實(shí)驗(yàn)表明，本文提出的復(fù)合導(dǎo)引方案具有更快的偏差收斂速度、更穩(wěn)定的路徑跟蹤狀態(tài)和隊(duì)形保持，提高了雙車協(xié)同搬運(yùn)系統(tǒng)的實(shí)時(shí)性和魯棒性。

摘要:為滿足目前農(nóng)業(yè)機(jī)械（簡稱農(nóng)機(jī)）自動(dòng)駕駛中農(nóng)田障礙物檢測的需求，提出了一種使用三維激光雷達(dá)檢測田間障礙物的方法。該方法首先對(duì)采集的環(huán)境點(diǎn)云進(jìn)行預(yù)處理，采用體素柵格下采樣濾波，將稠密的點(diǎn)云在不損失特征信息的情況下進(jìn)行減量；采用三維長方體對(duì)角點(diǎn)劃定感興趣區(qū)域以便快速計(jì)算；采用隨機(jī)采樣一致性（RANSAC）算法檢測出農(nóng)田地面點(diǎn)云，將地面點(diǎn)云與地面上障礙物點(diǎn)云進(jìn)行分割。然后對(duì)地面上障礙物點(diǎn)云基于K維樹（K-d tree）進(jìn)行歐氏聚類，其中聚類的距離閾值為0.6m。最后判斷聚類的點(diǎn)數(shù)量和外接長方體體積，過濾掉點(diǎn)數(shù)和體積過大或過小的無效聚類從而得出障礙物。應(yīng)用32線激光雷達(dá)在北京市小湯山國家精準(zhǔn)農(nóng)業(yè)示范基地采集田間環(huán)境點(diǎn)云，分別對(duì)田間機(jī)具、草堆、田埂、地頭矮房、路邊樹木和田間行人進(jìn)行檢測，結(jié)果表明該方法對(duì)田間常見障礙物有較好的檢測效果?？紤]到人是田間行車安全的重要因素，在田間進(jìn)行了行人橫穿于雷達(dá)視野前方且與雷達(dá)距離分別為5、10、15、20、25、30m時(shí)算法的檢測效果試驗(yàn)，試驗(yàn)結(jié)果表明田間行人在30m內(nèi)平均檢出率為96.11%。該方法可用于大田環(huán)境下障礙物的檢測，為農(nóng)機(jī)自主行走過程中的避障策略研究提供了基礎(chǔ)。

摘要:針對(duì)無人農(nóng)場場景下油菜聯(lián)合直播機(jī)組自動(dòng)導(dǎo)航自主作業(yè)需求，提出一套對(duì)凸多邊形邊界田塊具有普適性的油菜聯(lián)合直播作業(yè)路徑規(guī)劃算法。在擬定油菜直播作業(yè)對(duì)路徑規(guī)劃算法基本要求的基礎(chǔ)上，將作業(yè)區(qū)域分成內(nèi)部方向平行作業(yè)區(qū)與外圍輪廓平行作業(yè)區(qū)，對(duì)應(yīng)方向平行作業(yè)路徑和輪廓平行作業(yè)路徑；進(jìn)一步將作業(yè)路徑分為工作路徑和非工作路徑，對(duì)后者包括的行間轉(zhuǎn)移銜接路徑、區(qū)域銜接路徑、拐角銜接路徑、進(jìn)入路徑和退出路徑等的生成原理進(jìn)行詳細(xì)闡述，通過“最小跨度法”得到方向平行路徑最優(yōu)作業(yè)方向，通過貪婪算法與Google OR-Tools對(duì)方向平行路徑行調(diào)度次序進(jìn)行排序優(yōu)化。綜合考慮作業(yè)路徑總長度、算法耗時(shí)和重漏面積等指標(biāo)，針對(duì)油菜聯(lián)合直播機(jī)組免少耕和旋耕播種作業(yè)，以東方紅-LX804型拖拉機(jī)+2BFQ-6型免耕直播機(jī)等機(jī)組為對(duì)象，對(duì)比測試了4個(gè)實(shí)際典型田塊下不同作業(yè)參數(shù)、地頭轉(zhuǎn)彎策略和調(diào)度策略下的算法性能。測試結(jié)果表明，規(guī)劃所得路徑對(duì)應(yīng)的油菜播種作業(yè)面積覆蓋率大于等于95.14%，重播率小于等于2.63%，有效工作路徑占比大于等于57.39%，算法耗時(shí)小于等于8.003ms，算法穩(wěn)定高效，滿足油菜聯(lián)合直播作業(yè)對(duì)路徑規(guī)劃的基本要求。

摘要:針對(duì)目前日光溫室中番茄采摘主要靠人工且費(fèi)時(shí)費(fèi)力的問題，設(shè)計(jì)并制作了一種可以應(yīng)用于日光溫室的番茄采摘機(jī)器人。該機(jī)器人能夠在大棚壟道間巡檢并自動(dòng)識(shí)別成熟番茄，完成采摘、收集。本設(shè)計(jì)以STM32微控制器為主控制器，使用麥克納姆輪全向移動(dòng)平臺(tái)作為機(jī)器人的移動(dòng)底盤，采用由Raspberry Pi 4B控制器驅(qū)動(dòng)的深度相機(jī)作為成熟番茄的識(shí)別裝置，底盤上平臺(tái)安裝風(fēng)力補(bǔ)償風(fēng)機(jī)、可水平滑動(dòng)的6自由度機(jī)械臂，機(jī)械臂搭載了附有薄膜壓力傳感器的柔性手爪。整個(gè)上平臺(tái)由安裝在底盤下平臺(tái)的垂直升降機(jī)構(gòu)驅(qū)動(dòng)，滑動(dòng)機(jī)構(gòu)和升降機(jī)構(gòu)均配有測距傳感器，通過Raspberry Pi 4B所驅(qū)動(dòng)的攝像頭識(shí)別與捕捉，再通過串行總線將成熟番茄的坐標(biāo)數(shù)據(jù)傳輸至STM32控制器，STM32控制器通過機(jī)械臂逆運(yùn)動(dòng)學(xué)分析驅(qū)動(dòng)機(jī)械臂、滑軌與升降平臺(tái)的聯(lián)合動(dòng)作，配合機(jī)械臂末端關(guān)節(jié)動(dòng)作，即可實(shí)現(xiàn)番茄采摘。

摘要:針對(duì)水稻寬窄行栽培模式中苗床整地的技術(shù)特點(diǎn)，設(shè)計(jì)一種帶狀少耕整地復(fù)式作業(yè)機(jī)具，解決規(guī)?；镎刈鳂I(yè)的少、免耕技術(shù)問題，實(shí)現(xiàn)水田苗床間隔精細(xì)整地、淺松及條施肥復(fù)式作業(yè)。根據(jù)現(xiàn)有水稻寬窄行種植行距要求，通過對(duì)其帶狀旋耕部件運(yùn)動(dòng)學(xué)分析以及特殊旋耕刀片設(shè)計(jì)，確定了帶狀旋耕機(jī)構(gòu)的關(guān)鍵參數(shù)，實(shí)現(xiàn)300mm整地作業(yè)帶，相鄰300mm區(qū)域?yàn)槊飧麕В煌ㄟ^EDEM離散元運(yùn)動(dòng)學(xué)仿真，運(yùn)用正交旋轉(zhuǎn)組合試驗(yàn)的方法優(yōu)化多區(qū)段旋耕刀組最佳排列方式、機(jī)具的前進(jìn)速度和刀軸轉(zhuǎn)速。田間試驗(yàn)結(jié)果表明，水田帶狀旋耕復(fù)式整地機(jī)碎土率、地表平整度、單條耕作帶寬、耕作帶寬穩(wěn)定性系數(shù)分別為92.97%、18.4mm、300.9mm、95.3%，滿足規(guī)?；久绱餐寥勒匾?。

摘要:針對(duì)黃土高原坡地土壤-旋耕部件互作機(jī)理研究以及坡地專用旋耕機(jī)具設(shè)計(jì)缺乏準(zhǔn)確可靠離散元仿真參數(shù)的問題，以典型坡地粘壤土（含水率13.4%±1%）為研究對(duì)象，選取EDEM中Hertz-Mindlin with JKR Cohesion接觸模型，對(duì)相關(guān)仿真參數(shù)進(jìn)行標(biāo)定。首先，對(duì)土壤顆粒間接觸參數(shù)進(jìn)行了標(biāo)定，以土壤顆粒的仿真堆積角為響應(yīng)值，基于Design-Expert軟件中Box-Behnken的方法，確定了土壤堆積角的回歸模型；通過模型尋優(yōu)得到了恢復(fù)系數(shù)、靜摩擦因數(shù)、滾動(dòng)摩擦因數(shù)及表面能參數(shù)分別為0.15、0.33、0.05和9.04J/m2，此時(shí)土壤堆積角仿真值為41.59°，與實(shí)測值相對(duì)誤差為3.8%。其次，對(duì)土壤與旋耕刀材料65Mn鋼的接觸參數(shù)進(jìn)行了標(biāo)定：通過靜摩擦、斜板及碰撞等試驗(yàn)得到了土壤與65Mn鋼之間靜摩擦因數(shù)、滾動(dòng)摩擦因數(shù)和恢復(fù)系數(shù)的范圍，進(jìn)一步以土壤在65Mn鋼板上的靜滑動(dòng)摩擦角為響應(yīng)值，基于Box-Behnken的方法得到了土壤靜滑動(dòng)摩擦角的回歸模型；對(duì)該模型尋優(yōu)得到了土壤顆粒與65Mn鋼間的靜摩擦因數(shù)、滾動(dòng)摩擦因數(shù)及恢復(fù)系數(shù)分別為0.50、0.06和0.18，此時(shí)靜滑動(dòng)摩擦角仿真值為24.0°，與實(shí)測值相對(duì)誤差為1.7%。最后，通過坡地旋耕試驗(yàn)驗(yàn)證模型參數(shù)的有效性：土壤顆粒水平、側(cè)向位移實(shí)測值和仿真值最大相對(duì)誤差分別為4.3%和5.1%。結(jié)果表明標(biāo)定的參數(shù)準(zhǔn)確可靠。

摘要:在玉米-大豆輪作免耕種植模式下，針對(duì)玉米根土結(jié)合體較大且壟向分布不均勻，阻礙大豆壟上雙行播種開溝器壟向運(yùn)動(dòng)，導(dǎo)致播種深度均勻性和行距一致性較差等問題，設(shè)計(jì)了一種鋸齒式大豆壟上雙行播種開溝器。在闡述鋸齒式大豆壟上雙行播種開溝器結(jié)構(gòu)和工作原理的基礎(chǔ)上，對(duì)前刀曲線進(jìn)行了設(shè)計(jì)，推導(dǎo)出前刀曲線方程；分析了側(cè)刃切割根系力學(xué)模型，確定側(cè)刃為鋸齒形；對(duì)玉米根土結(jié)合體進(jìn)行農(nóng)藝學(xué)測量，確定了鋸齒形側(cè)刃的關(guān)鍵參數(shù)；根據(jù)大豆播種的農(nóng)藝要求，明確了開溝器主體內(nèi)導(dǎo)種管以交錯(cuò)形式布置，同時(shí)確定了鋸齒式開溝器的入土隙角為5°。離散元仿真試驗(yàn)結(jié)果表明：鋸齒式開溝器能有效切斷玉米根系且有較優(yōu)的工作穩(wěn)定性，進(jìn)而驗(yàn)證了設(shè)計(jì)的合理性。在機(jī)組前進(jìn)速度7km/h、開溝深度50mm條件下，以根系切斷率為主要指標(biāo)進(jìn)行田間性能試驗(yàn)，結(jié)果表明：鋸齒形側(cè)刃有較強(qiáng)的鋸切能力，平均根系切斷率達(dá)97.25%。與雙圓盤開溝器進(jìn)行田間對(duì)比試驗(yàn)，結(jié)果表明：鋸齒式開溝器比雙圓盤開溝器開溝深度變異系數(shù)降低43.33%、種子橫向距離變異系數(shù)降低60.81%。仿真試驗(yàn)和田間試驗(yàn)均表明鋸齒式開溝器滿足免耕大豆壟上雙行播種農(nóng)藝要求。

摘要:為提高作業(yè)監(jiān)測數(shù)據(jù)狀態(tài)預(yù)測精度，并保證無效數(shù)據(jù)的實(shí)時(shí)清洗，提高數(shù)據(jù)質(zhì)量并降低監(jiān)測設(shè)備的緩存壓力，從而降低對(duì)后續(xù)地塊作業(yè)質(zhì)量評(píng)價(jià)準(zhǔn)確性的影響，減輕數(shù)據(jù)并發(fā)帶來的網(wǎng)絡(luò)壓力，本文針對(duì)免耕播種機(jī)長時(shí)序的田間周期性作業(yè)規(guī)律，提出基于多條件時(shí)間序列分析的監(jiān)測數(shù)據(jù)清洗方法及模型，該模型包含3個(gè)長短時(shí)記憶特征提取模塊，分別提取了工況參數(shù)中車速、瞬時(shí)面積和播種量的時(shí)空特征，再利用通道融合（CONCAT連接）保證了融合后的特征具有個(gè)體差異性。通過該模型可以實(shí)時(shí)判斷當(dāng)前時(shí)刻的免耕播種機(jī)工況時(shí)序狀態(tài)值，實(shí)現(xiàn)了某位置點(diǎn)作業(yè)工況的狀態(tài)預(yù)測，從而間接判斷圖像抓拍系統(tǒng)的實(shí)時(shí)清洗狀態(tài)。40次迭代后不同模型的對(duì)比結(jié)果表明：多條件特征通道融合的時(shí)間序列模型對(duì)有效點(diǎn)和無效點(diǎn)的預(yù)測精度都超過了85%，抓拍圖像清洗平均準(zhǔn)確率為92.4%。因此，本文的研究方法以免耕播種機(jī)工況狀態(tài)作為抓拍圖像清洗依據(jù)是有效的，數(shù)據(jù)清洗后約有63%的冗余數(shù)據(jù)被剔除。

摘要:針對(duì)現(xiàn)有條播或大行株距穴播機(jī)難以滿足西洋參窄行密植精密播種農(nóng)藝要求、西洋參機(jī)械化種植缺乏適用播種機(jī)械的問題，設(shè)計(jì)了一種采用多行并聯(lián)氣力針式排種裝置和行星輪點(diǎn)播式導(dǎo)種裝置的窄行密植西洋參精密播種機(jī)。闡述了播種機(jī)及排種裝置結(jié)構(gòu)原理與整機(jī)傳動(dòng)方案，重點(diǎn)設(shè)計(jì)了行星輪點(diǎn)播式全約束導(dǎo)種裝置，通過機(jī)構(gòu)分析確定了行星輪系的結(jié)構(gòu)參數(shù)；通過卸種過程理論分析和高速攝影試驗(yàn)，明確了卸種軌跡影響因素和卸種水平位移，確定了導(dǎo)種裝置插播器接種口尺寸和合適卸種正壓；通過導(dǎo)種軌跡理論與仿真分析，明確了插播器運(yùn)動(dòng)規(guī)律和低位零速投種條件，確定了導(dǎo)種裝置投種控制凸輪輪廓。播種機(jī)田間試驗(yàn)結(jié)果表明，當(dāng)吸種負(fù)壓為-4.5kPa、卸種正壓為3.0kPa、作業(yè)速度為0.54km/h時(shí)，設(shè)計(jì)的播種機(jī)穴粒數(shù)合格率為86.2%，重播率為4.4%，空穴率為9.4%，播深合格率為92.8%，穴距合格率為93.9%，滿足西洋參播種農(nóng)藝要求。

摘要:穴盤苗疏植移栽是設(shè)施農(nóng)業(yè)育苗的關(guān)鍵步驟，可為幼苗提供優(yōu)良的生長環(huán)境，實(shí)現(xiàn)增產(chǎn)增收。針對(duì)疏植移栽環(huán)節(jié)中，可調(diào)株距設(shè)備自動(dòng)化程度低，人工作業(yè)效率低下，易損苗傷苗等問題，本文設(shè)計(jì)了一種基于圓柱凸輪的株距可調(diào)式取苗末端執(zhí)行器，可實(shí)現(xiàn)不同株距之間的疏植移栽作業(yè)。首先，對(duì)末端執(zhí)行器整體結(jié)構(gòu)進(jìn)行設(shè)計(jì)，確定其工作原理；其次，通過理論分析確定圓柱凸輪與取苗手指各關(guān)鍵參數(shù)，并分析其作業(yè)狀態(tài)下受力情況；然后，利用EDEM與Recur Dyn建立苗缽根土復(fù)合模型，進(jìn)行耦合仿真單因素模擬試驗(yàn)，確定后續(xù)正交試驗(yàn)因素范圍；最后，搭建了穴盤幼苗疏植移栽試驗(yàn)平臺(tái)，以取苗針夾角、入土角、取苗針間距和變距速度為試驗(yàn)因素，以苗缽最大形變量和移栽成功率為試驗(yàn)指標(biāo)，進(jìn)行正交試驗(yàn)。在最優(yōu)參數(shù)組合為取苗針夾角10°、入土角4°、取苗針間距8mm、變距速度5mm/s下，選取128穴至72穴與72穴至50穴兩種疏植移栽要求進(jìn)行驗(yàn)證試驗(yàn)，移栽后128穴缽體形變量平均值為(1.13±0.68)mm，72穴缽體形變量平均值為(1.51±0.64)mm。總移栽成功率為93.33%，整機(jī)移栽效率為22株/min，滿足不同穴盤規(guī)格疏植作業(yè)需求，適用性強(qiáng)。

摘要:為減少油菜割曬機(jī)撥禾輪易纏繞和掛禾等問題，提出了一種雙曲柄平面五桿撥禾輪機(jī)構(gòu)，建立了該撥禾輪機(jī)構(gòu)的運(yùn)動(dòng)學(xué)分析模型。根據(jù)雙曲柄平面五桿機(jī)構(gòu)存在的約束條件，基于編制的撥禾輪撥指運(yùn)動(dòng)分析程序，采用人機(jī)交互方式得到了一組滿足油菜割曬撥禾要求的撥禾輪機(jī)構(gòu)結(jié)構(gòu)參數(shù)組合，實(shí)現(xiàn)了撥禾輪撥指低速入禾、加速推送、快速出禾和撥指翻轉(zhuǎn)的動(dòng)作要求，與偏心式撥禾輪相比，同等回轉(zhuǎn)半徑和轉(zhuǎn)速下，增大了撥指動(dòng)態(tài)軌跡“環(huán)扣”的高度和寬度。分析了撥禾輪機(jī)架初始安裝角度以及機(jī)具前進(jìn)速度等參數(shù)變化對(duì)撥禾輪撥指運(yùn)動(dòng)狀態(tài)、速度、加速度和軌跡的影響，分析得出撥指在一個(gè)旋轉(zhuǎn)周期內(nèi)速度為非勻速變化，撥禾過程撥指速度緩慢變化，加速度無突變，通過撥禾輪轉(zhuǎn)速和機(jī)具前進(jìn)速度合理匹配，可實(shí)現(xiàn)零速扶禾，對(duì)油菜穗頭沖擊小，減少纏繞。對(duì)比分析得出雙曲柄平面五桿機(jī)構(gòu)撥禾輪的撥禾輪線速度比可以按撥禾輪勻速轉(zhuǎn)動(dòng)并以撥禾輪軸為中心的撥指尖靜態(tài)軌跡最小內(nèi)接圓半徑為長度的圓周線速度近似計(jì)算。開展了雙曲柄平面五桿機(jī)構(gòu)撥禾輪和偏心式撥禾輪油菜割曬機(jī)對(duì)比試驗(yàn)，田間試驗(yàn)表明，相同試驗(yàn)條件下，采用雙曲柄平面五桿機(jī)構(gòu)撥禾輪的割曬機(jī)鋪放角度不大于25°，鋪放角度差不大于8°，撥禾輪轉(zhuǎn)速對(duì)鋪放角度的影響不顯著（P=0.165＞0.1），撥禾輪類型差異對(duì)鋪放角度的影響極顯著（P=0.002＜0.05）。撥禾輪轉(zhuǎn)速對(duì)鋪放角度差的影響不顯著（P=0.750＞0.1），撥禾輪類型差異對(duì)鋪放角度差的影響顯著（P=0.015＜0.1），雙曲柄平面五桿機(jī)構(gòu)撥禾輪試驗(yàn)全程未出現(xiàn)撥禾輪掛禾和纏繞現(xiàn)象。

摘要:為研究適用于大蒜聯(lián)合收獲的智能化切根裝置，提出了基于機(jī)器視覺的非接觸式定位切根方法，設(shè)計(jì)了一種基于深度卷積神經(jīng)網(wǎng)絡(luò)的大蒜切根試驗(yàn)臺(tái)。試驗(yàn)臺(tái)采用深度學(xué)習(xí)的方法，對(duì)采集到的圖像進(jìn)行目標(biāo)檢測，利用APP完成人機(jī)交互和結(jié)果顯示，由深度卷積神經(jīng)網(wǎng)絡(luò)給定切根的切入位置，電機(jī)控制系統(tǒng)自動(dòng)調(diào)整定位雙圓盤切根刀完成切根處理。目標(biāo)比較試驗(yàn)表明：鱗莖、根盤和蒜根3種目標(biāo)中，鱗莖可用率為94.79%、置信度得分為0.97697，適合作為檢測目標(biāo)；檢測模型比較試驗(yàn)表明：對(duì)比基于Faster R-CNN、SSD、YOLO v2、YOLO v3和YOLO v4算法的10種模型，選擇ResNet50作為特征提取網(wǎng)絡(luò)改進(jìn)的YOLO v2模型,兼顧檢測速度與精度(測試程序中的檢測時(shí)間為0.0523s、置信度得分為0.96849)；切根試驗(yàn)表明：以鱗莖作為目標(biāo)，采用改進(jìn)的YOLOv2模型，置信度得分為0.97099，可用率為96.67%，切根合格率為95.33%，APP中的檢測時(shí)間為0.0887s，滿足大蒜聯(lián)合收獲切根要求。

摘要:針對(duì)高稈禾草收獲機(jī)在南方山坡地帶作業(yè)易發(fā)生傾翻的問題，設(shè)計(jì)了防傾翻預(yù)警系統(tǒng)。該系統(tǒng)主要由上位機(jī)、控制器和傳感器組成，通過傾角傳感器和壓力傳感器共同監(jiān)測，實(shí)現(xiàn)防傾翻預(yù)警功能。對(duì)整機(jī)質(zhì)心進(jìn)行了測量，測得整機(jī)質(zhì)心與驅(qū)動(dòng)輪軸之間的水平距離為944.5mm、質(zhì)心高度為1080.4mm、質(zhì)心與縱向中心平面的距離為27.9mm，確定了質(zhì)心位置；利用軟件RecurDyn對(duì)整機(jī)在7.2km/h車速下進(jìn)行了典型工況的動(dòng)力學(xué)仿真分析，橫向直行、轉(zhuǎn)向和縱向上下坡的臨界傾翻角分別為24°、11°、33°和31°，其中在轉(zhuǎn)向工況下，臨界傾翻橫向載荷轉(zhuǎn)移率為0.49；對(duì)整機(jī)進(jìn)行了靜態(tài)傾翻試驗(yàn)，橫向直行和縱向上下坡的臨界傾翻角分別為24.7°、34.2°和31.8°；基于整機(jī)尺寸和質(zhì)心位置搭建了比例模型，在固定轉(zhuǎn)向路徑下進(jìn)行了動(dòng)態(tài)傾翻試驗(yàn)，試驗(yàn)結(jié)果表明：轉(zhuǎn)向臨界傾翻角為14°，臨界傾翻橫向載荷轉(zhuǎn)移率為0.54，為高稈禾草收獲機(jī)應(yīng)用于復(fù)雜工況的行駛作業(yè)提供了理論支持。

摘要:針對(duì)當(dāng)前核桃破殼裝置自定位結(jié)構(gòu)復(fù)雜，破殼行程無法控制，脫殼率低，核仁損傷率高的技術(shù)問題，通過對(duì)核桃失穩(wěn)破殼、裂紋擴(kuò)展臨界條件及破殼位移分析，基于定間隙單果擠壓破殼原理，設(shè)計(jì)了一種凸輪搖桿雙向擠壓核桃破殼裝置。進(jìn)行了雙螺桿定量喂料、凸輪搖桿雙向擠壓破殼機(jī)構(gòu)、擠壓/落料U形塊結(jié)構(gòu)、凸輪機(jī)構(gòu)運(yùn)動(dòng)角及位移、搖桿位移方程以及凸輪輪廓曲線等設(shè)計(jì)。以擠壓間隙、凸輪軸轉(zhuǎn)速、核桃周徑作為試驗(yàn)因素，以一露仁率、二露仁率、碎仁率、脫殼率作為試驗(yàn)指標(biāo)，進(jìn)行L9（34）正交試驗(yàn)。結(jié)果表明，各因素對(duì)指標(biāo)影響的主次順序?yàn)楹颂抑軓?、擠壓間隙、凸輪軸轉(zhuǎn)速；最優(yōu)水平組合為核桃周徑范圍34~37mm、擠壓間隙7mm、凸輪軸轉(zhuǎn)速53r/min。以最優(yōu)組合進(jìn)行驗(yàn)證試驗(yàn)，結(jié)果表明一露仁率為61.39%，二露仁率為23.30%，碎仁率為15.31%，脫殼率為92.36%，與傳統(tǒng)型核桃剝殼取仁裝置相比，高露仁率提高14.69個(gè)百分點(diǎn)，滿足核桃產(chǎn)業(yè)初加工的需求。

摘要:針對(duì)傳統(tǒng)無人自轉(zhuǎn)旋翼機(jī)自動(dòng)控制采用一自由度PID和優(yōu)化算法相結(jié)合，因自轉(zhuǎn)旋翼機(jī)的響應(yīng)滯后特性，一自由度PID不能同時(shí)滿足快速響應(yīng)和抑制干擾的問題，提出基于粒子群算法和模擬退火算法的二自由度PID控制器，同時(shí)設(shè)計(jì)前饋控制器的降噪方法，實(shí)現(xiàn)對(duì)無人自轉(zhuǎn)旋翼機(jī)的有效控制。通過搭建Matlab仿真模型驗(yàn)證其可行性，其仿真結(jié)果表明本研究中算法相對(duì)于傳統(tǒng)一自由度PID控制響應(yīng)速度較快，前饋控制器能有效地抑制外部干擾，魯棒性強(qiáng)，且系統(tǒng)響應(yīng)速度快，響應(yīng)時(shí)間提升約11%，響應(yīng)精度更高，收斂誤差小，約是傳統(tǒng)PID的1/6，控制系統(tǒng)更穩(wěn)定。同時(shí)在2種不同飛行環(huán)境下實(shí)際飛行實(shí)驗(yàn)驗(yàn)證了基于PSO-SA的二自由度PID控制器可行性，可為無人自轉(zhuǎn)旋翼機(jī)在農(nóng)業(yè)航空領(lǐng)域中的應(yīng)用提供理論基礎(chǔ)。

摘要:針對(duì)目前國內(nèi)缺乏專業(yè)的液態(tài)肥噴灑機(jī)，設(shè)計(jì)了主要由罐體、吸料系統(tǒng)、排料系統(tǒng)和噴灑器等部件組成的牽引式液態(tài)肥噴灑機(jī)，建立了噴灑作業(yè)理論模型，并對(duì)真空泵排量、罐體結(jié)構(gòu)、噴嘴噴射速度等關(guān)鍵參數(shù)進(jìn)行了設(shè)計(jì)與計(jì)算。采用仿真軟件對(duì)噴灑器散射擋板形狀、散射擋板朝向、噴嘴形狀和噴嘴噴射速度等關(guān)鍵因素進(jìn)行了仿真分析，結(jié)果表明，為達(dá)到較好的噴灑效果，應(yīng)采用扇形散射擋板、圓錐形噴嘴和13m/s左右的噴射速度，散射擋板與水平面呈正夾角。以噴灑幅寬、均勻性變異系數(shù)、平均厚度為噴灑性能指標(biāo)，采用正交試驗(yàn)對(duì)噴灑作業(yè)進(jìn)行了優(yōu)化仿真，得出對(duì)噴灑幅寬影響顯著的因素是散射擋板長軸長度，對(duì)地面水平均厚度影響顯著的因素是散射擋板傾斜角，各個(gè)因素對(duì)于噴灑均勻變異性系數(shù)的影響不顯著。結(jié)合設(shè)計(jì)目標(biāo)，當(dāng)行進(jìn)速度5km/h時(shí)，優(yōu)先選取散射擋板與水平夾角35°、散射擋板長軸長度32cm、噴射速度13m/s和噴嘴高度1m，可得試驗(yàn)噴灑幅寬為11m，地面水平均厚度為1.65mm，噴灑均勻性變異系數(shù)CV為34.86%，仿真分析與試驗(yàn)結(jié)果基本一致，驗(yàn)證了設(shè)計(jì)的準(zhǔn)確性和可靠性，達(dá)到了設(shè)計(jì)目標(biāo)，滿足使用要求。

摘要:為進(jìn)一步提高傾斜對(duì)置圓盤側(cè)拋式有機(jī)肥拋撒裝置在拋射均勻性與拋射距離等方面的性能，采用拋離角、散射角和有效拋距等參數(shù)定性定量描述了射流形態(tài)，通過理論分析建立的數(shù)學(xué)模型，得到圓盤轉(zhuǎn)速、圓盤傾角與刮肥板的形狀等因素可影響射流形態(tài)，通過仿真試驗(yàn)分析拋撒裝置的結(jié)構(gòu)參數(shù)與射流參數(shù)之間的關(guān)系，結(jié)合仿真結(jié)果創(chuàng)新設(shè)計(jì)寬底外延傾斜四邊形刮肥板、拋離角控制擋板等零部件，通過樣機(jī)試驗(yàn)檢驗(yàn)射流的拋射效果。研究結(jié)果表明：拋離角控制擋板高為140mm，上導(dǎo)流板導(dǎo)出角為40°時(shí)，可將射流的拋離角控制在最佳拋離角30°左右，寬底外延傾斜四邊形刮肥板可將散射角降低至25°，獲得窄幅射流減小射流的迎風(fēng)面，得到11.6m的有效拋距，寬底外延傾斜四邊形刮肥板與拋離角控制擋板共同作用下可形成無導(dǎo)向阻礙的柔性筒腔，行走拋射覆蓋均勻。通過部件設(shè)計(jì)與結(jié)構(gòu)參數(shù)優(yōu)化有效控制了拋撒裝置的射流。

摘要:為研究軸流泵在小流量工況雙駝峰區(qū)域下的水力穩(wěn)定性，探討軸流泵揚(yáng)程-流量曲線穩(wěn)定性與內(nèi)流場特性的關(guān)系，針對(duì)一比轉(zhuǎn)數(shù)為825的軸流泵進(jìn)行了測試研究。依次通過外特性能量曲線測試、內(nèi)流場示蹤粒子高速攝像機(jī)拍攝、壁面壓力脈動(dòng)采集、葉輪進(jìn)出口截面速度LDV測試，獲取了葉輪在小流量工況下的內(nèi)外水力特性。由能量特性結(jié)果發(fā)現(xiàn)軸流泵的揚(yáng)程-流量曲線存在雙駝峰現(xiàn)象：第1次駝峰出現(xiàn)在0.5QBEP~0.6QBEP之間，對(duì)應(yīng)著進(jìn)口輪緣側(cè)的切向速度出現(xiàn)明顯波動(dòng)，速度環(huán)量劇增，同時(shí)壓力脈動(dòng)峰峰值出現(xiàn)極大值，結(jié)合內(nèi)流場測試結(jié)果表明第1次駝峰與葉輪進(jìn)口回流生成相關(guān)；第2次駝峰出現(xiàn)在0.33QBEP~0.4QBEP之間，葉輪進(jìn)口回流已然生成，雖然強(qiáng)度不斷增強(qiáng)，影響范圍更廣，但進(jìn)口側(cè)葉輪室壁面的壓力脈動(dòng)峰峰值不再增強(qiáng)，而出口側(cè)葉輪室壁面的壓力脈動(dòng)峰峰值迅速增加，同時(shí)出口近輪轂及中間側(cè)的速度分布明顯惡化，回流區(qū)域增加，表明第2次駝峰與葉輪出口流場的劇烈變化相關(guān)。

摘要:為檢測水肥一體機(jī)肥液電導(dǎo)率（EC），并將其控制在合理范圍內(nèi)，基于物聯(lián)網(wǎng)技術(shù)，設(shè)計(jì)了遠(yuǎn)程水肥灌溉控制系統(tǒng)，將自整定模糊PID控制算法引入遠(yuǎn)程開發(fā)者服務(wù)終端中，通過模糊PID控制算法調(diào)控本地端變頻注肥泵的頻率進(jìn)而精準(zhǔn)控制EC，并對(duì)本地端PID和遠(yuǎn)程端模糊PID控制算法進(jìn)行了對(duì)比試驗(yàn)驗(yàn)證。結(jié)果表明：目標(biāo)EC越大，穩(wěn)態(tài)EC越精確，但穩(wěn)態(tài)時(shí)間和超調(diào)量均增大；與傳統(tǒng)本地端PID控制相比，該系統(tǒng)響應(yīng)速度快、EC波動(dòng)幅度小、穩(wěn)定，當(dāng)目標(biāo)EC為2.5mS/cm時(shí)，穩(wěn)態(tài)時(shí)間和超調(diào)量分別達(dá)到120s和20.8%，混肥時(shí)間和實(shí)測EC均能滿足水肥控制實(shí)際需求。該研究實(shí)現(xiàn)了EC的遠(yuǎn)程模糊PID控制，以及灌溉施肥系統(tǒng)的計(jì)算機(jī)、手機(jī)微信多終端灌溉數(shù)據(jù)監(jiān)測和開關(guān)量控制。

摘要:京津冀地區(qū)耕地資源的不均衡分布使得社會(huì)經(jīng)濟(jì)發(fā)展的地域差異性突出，厘清其耕地時(shí)空異質(zhì)性對(duì)于地區(qū)協(xié)調(diào)可持續(xù)發(fā)展有著重要意義?；诰┙蚣降貐^(qū)，采用耕地動(dòng)態(tài)變化模型及地理探測器等方法對(duì)1990—2020年間其耕地空間分布演化與影響機(jī)制進(jìn)行了探討。結(jié)果表明：北京市率先進(jìn)入工業(yè)化城鎮(zhèn)建設(shè)，天津市次之，河北省滯后，相對(duì)的耕地變化動(dòng)態(tài)度高值也先后出現(xiàn)。耕地分布集聚特征顯著，呈現(xiàn)“東南密西北疏”的核密度格局。土地利用結(jié)構(gòu)改變特征明顯，面積凈增長的主要有建設(shè)用地、林地及水域，面積凈減少的主要有耕地、草地及未利用地。耕地流失主要表現(xiàn)出環(huán)北京及環(huán)渤海為中心的聚集式特征，且東部流失的熱度比西部高，南部比北部高。社會(huì)經(jīng)濟(jì)及政策因素對(duì)耕地利用的影響力呈上升趨勢，而自然因素的影響力呈下降趨勢。本研究結(jié)果可為京津冀地區(qū)耕地保護(hù)、區(qū)域協(xié)調(diào)發(fā)展提供科學(xué)依據(jù)。

摘要:為提高大尺度冬小麥產(chǎn)量預(yù)測精度，以2005—2019年河南省遙感數(shù)據(jù)、氣象數(shù)據(jù)、土壤含水率等多源時(shí)空數(shù)據(jù)為特征變量，分析其與小麥單產(chǎn)的相關(guān)性，并基于隨機(jī)森林算法對(duì)特征變量進(jìn)行了重要性分析，構(gòu)建了融合多源時(shí)空數(shù)據(jù)的冬小麥產(chǎn)量預(yù)測模型。結(jié)果表明：增強(qiáng)型植被指數(shù)（Enhanced vegetation index，EVI）、日光誘導(dǎo)葉綠素?zé)晒猓⊿olarinduced chlorophyll fluorescence，SIF）與高程為小麥產(chǎn)量預(yù)測的重要因子，與小麥產(chǎn)量呈高度正相關(guān)，對(duì)小麥產(chǎn)量預(yù)測的重要性指標(biāo)均超過0.45，遠(yuǎn)大于土壤含水率、降水量、最高溫度、最低溫度等因子；基于隨機(jī)森林算法構(gòu)建的小麥不同生長階段產(chǎn)量預(yù)測模型中，以10月—次年5月和10月—次年4月為特征變量的產(chǎn)量預(yù)測模型精度較高，R2分別為0.85和0.84，RMSE分別為821.55、832.01kg/hm2，在空間尺度上，豫西和豫南丘陵山地模型預(yù)測相對(duì)誤差高于平原地區(qū)。該研究結(jié)果可為大尺度作物產(chǎn)量預(yù)測提供參考。

摘要:地形是影響土壤侵蝕的重要因子，在侵蝕估算模型中常用坡度和坡長（LS）來衡量，在大區(qū)域上?；跀?shù)字高程模型（DEM）提取。SRTM作為大區(qū)域尺度上質(zhì)量高、易獲取的高程數(shù)據(jù)，在全球土壤侵蝕評(píng)價(jià)中得到廣泛應(yīng)用。但現(xiàn)有地形因子提取算法要求高程和柵格單元的單位（通常為m）一致，需對(duì)SRTM進(jìn)行坐標(biāo)變換才能使用。針對(duì)大區(qū)域上SRTM坐標(biāo)轉(zhuǎn)換時(shí)間開銷大的問題，提出了一種直接基于SRTM提取地形因子的算法（LSA-SRTM）。該算法利用地理坐標(biāo)系下的經(jīng)緯度信息計(jì)算柵格單元長度及單元坡長，結(jié)合最陡坡降策略獲得坡度及流向，進(jìn)而提取匯水面積，根據(jù)坡度設(shè)置坡度截?cái)帱c(diǎn)，根據(jù)匯水面積閾值設(shè)置溝道截?cái)帱c(diǎn)，經(jīng)正、反遍歷后獲得累積坡長，采用CSLE的分段公式計(jì)算LS因子。以Himmelblau-Orlandini數(shù)學(xué)曲面、5個(gè)典型樣區(qū)的1″SRTM作為數(shù)據(jù)源，將LSA-SRTM、投影坐標(biāo)系下的LS算法（LSA-DEM）與手工測量的結(jié)果進(jìn)行對(duì)比。LSA-SRTM方法與測量值在數(shù)學(xué)曲面和典型樣區(qū)，坡長的R2分別為0.8552、0.7788、0.7269、0.7024、0.6909、0.7255，LS因子的R2分別為0.8907、0.8209、0.8213、0.7142、0.7145、0.8212。在運(yùn)行時(shí)間方面，LSA-SRTM方法具有較高的效率。結(jié)果表明，LSA-SRTM算法計(jì)算精度、效率更高，可為大區(qū)域地形因子提取的研究提供支撐。

摘要:光肩星天牛作為林木的主要害蟲，在我國分布極為廣泛，且分布區(qū)呈不斷擴(kuò)大的趨勢。在地理空間尺度上，研究蟲災(zāi)的空間相關(guān)性，并分析影響其分布的因素對(duì)于防控光肩星天牛災(zāi)害有重要意義。以2008年我國華北地區(qū)光肩星天牛蟲災(zāi)發(fā)生情況為研究對(duì)象，收集氣象因子、社會(huì)經(jīng)濟(jì)因子以及植被因子，借助于地理探測器分析環(huán)境因素對(duì)光肩星天牛災(zāi)害發(fā)生的影響。結(jié)果表明，光肩星天牛受害嚴(yán)重的地區(qū)集中在山西省北部，河南省、山東省及河北省南部地區(qū)發(fā)病率較低。影響光肩星天牛發(fā)病率空間分布的主要?dú)庀笠蛩貫榻邓蜌鉁?，主要社?huì)經(jīng)濟(jì)因素為人口數(shù)和地區(qū)GDP。氣溫和第一、二產(chǎn)業(yè)值的作用力較其他因子有顯著差異。經(jīng)濟(jì)發(fā)展水平高對(duì)當(dāng)?shù)夭∠x害防治有明顯的積極作用。交互作用探測顯示，任何兩種變量結(jié)合作用都能更有效地解釋光肩星天牛災(zāi)害的空間分異性。降雨量和防治率交互作用后對(duì)發(fā)病率的解釋力提升最為顯著。

摘要:為了建立覆膜農(nóng)田遙感識(shí)別技術(shù)體系，本研究選取甘肅省定西市安定區(qū)團(tuán)結(jié)鎮(zhèn)作為黃土高原地膜覆蓋旱作農(nóng)業(yè)代表性區(qū)域，基于Google Earth Engine云平臺(tái)和Landsat-8反射率數(shù)據(jù)，采用特征重要性分析優(yōu)選紋理特征，利用參數(shù)優(yōu)化后的隨機(jī)森林算法提取覆膜農(nóng)田區(qū)域并選出最佳特征組合方案，最后通過對(duì)比隨機(jī)森林、支持向量機(jī)、決策樹和最小距離分類4種算法的分類結(jié)果來評(píng)價(jià)不同分類算法的性能。結(jié)果表明：優(yōu)化關(guān)鍵參數(shù)后的隨機(jī)森林算法能夠顯著提高遙感影像的分類精度；單一特征方案中，基于光譜特征的分類精度最高，且加入指數(shù)和紋理特征可提高總體識(shí)別精度；利用隨機(jī)森林特征重要性分析選取的優(yōu)選紋理特征分類性能優(yōu)于全部紋理特征，基于“光譜+指數(shù)+優(yōu)選紋理”特征方案的識(shí)別結(jié)果最佳，總體精度和Kappa系數(shù)達(dá)95.05%和0.94；與支持向量機(jī)、決策樹和最小距離分類相比，隨機(jī)森林優(yōu)勢明顯，總體精度分別高3.10、7.74、50.78個(gè)百分點(diǎn)。本研究實(shí)現(xiàn)了對(duì)地形復(fù)雜地區(qū)覆膜農(nóng)田空間分布較為精準(zhǔn)的識(shí)別。

摘要:針對(duì)傳統(tǒng)葡萄霜霉病人工診斷分級(jí)方法低效且存在滯后性的問題，提出了一種改進(jìn)殘差網(wǎng)絡(luò)的田間葡萄霜霉病識(shí)別及病害程度分級(jí)模型。在田間采集霜霉病前期、中期、后期以及健康葉片圖像，并模擬天氣、拍攝角度及設(shè)備噪聲等影響因素進(jìn)行數(shù)據(jù)增容；基于不同發(fā)病程度葉片間特征相似度高、區(qū)分難度大的特點(diǎn)，在優(yōu)選ResNet-50模型的基礎(chǔ)上，為解決捷徑分支信息損失嚴(yán)重和主分支特征提取能力不足的問題，在多個(gè)殘差塊組成的殘差體的Base Block中加入步長為2的3×3最大值池化層，實(shí)現(xiàn)保留重要信息的降維；改進(jìn)ID Block中殘差塊的主分支結(jié)構(gòu)，將其中的第1層1×1降維卷積層替換為3×3降維卷積層且步長為1；設(shè)計(jì)新的全連接層，用全局均值池化和3層全連接層網(wǎng)絡(luò)替換原模型全連接層結(jié)構(gòu)，并加入Dropout（隨機(jī)失活）層避免模型過擬合。原始數(shù)據(jù)集和增容后數(shù)據(jù)集試驗(yàn)結(jié)果表明，動(dòng)量因子m為0.60、學(xué)習(xí)率α為0.001時(shí)，改進(jìn)ResNet-50網(wǎng)絡(luò)模型與ResNet-34/50/101、AlexNet、VGG-16、GoogLeNet等模型相比具有最好的識(shí)別效果。改進(jìn)后的殘差塊增強(qiáng)了網(wǎng)絡(luò)的特征提取能力，在優(yōu)化超參數(shù)的基礎(chǔ)上，相較于原始模型準(zhǔn)確率提升了2.31個(gè)百分點(diǎn)；不同的數(shù)據(jù)增強(qiáng)方式對(duì)提高模型識(shí)別準(zhǔn)確率均有一定貢獻(xiàn)，在綜合各種增強(qiáng)方式的數(shù)據(jù)集上改進(jìn)殘差網(wǎng)絡(luò)模型的識(shí)別準(zhǔn)確率高于原始模型4.68個(gè)百分點(diǎn)，達(dá)到99.92%。本文為復(fù)雜環(huán)境下葡萄霜霉病病害程度的自動(dòng)分級(jí)提供了一種實(shí)時(shí)、準(zhǔn)確的解決方法。

摘要:為了解決問答社區(qū)中相同語義問句文本的快速自動(dòng)檢測，提出一種基于BERT的Attention-DenseBiGRU農(nóng)業(yè)問句相似度匹配模型。針對(duì)農(nóng)業(yè)文本具備的特征，采用12層的中文BERT文本預(yù)訓(xùn)練模型對(duì)文本數(shù)據(jù)進(jìn)行向量化處理，并與Word2Vec、Glove、TF-IDF方法進(jìn)行對(duì)比分析，得出BERT方法能夠有效地解決農(nóng)業(yè)文本的高維性和稀疏性問題，并且解決多義詞在不同語境下具有不同含義的問題。該網(wǎng)絡(luò)的每一層都使用注意特征的連接信息以及前面所有遞歸層的隱藏特征，為了緩解由于密集拼接而導(dǎo)致特征向量尺寸不斷增大的問題，在模型的最后使用自動(dòng)編碼器進(jìn)行特征降維。試驗(yàn)結(jié)果表明：基于BERT的Attention-DenseBiGRU農(nóng)業(yè)問句相似度匹配模型可以提高文本特征的利用率，減少特征丟失，能夠?qū)崿F(xiàn)快速及準(zhǔn)確的農(nóng)業(yè)問句文本相似度匹配，在本文所構(gòu)建的農(nóng)業(yè)問句相似對(duì)數(shù)據(jù)集上精確率及F1值達(dá)到97.2%和97.6%，與其他6種問句相似度匹配模型相比，效果提升明顯。

摘要:為了解決多種類植物在生長過程中不同時(shí)間點(diǎn)動(dòng)態(tài)變化表型參數(shù)提取困難問題,提出了一種基于多視角時(shí)間序列圖像和深度卷積神經(jīng)網(wǎng)絡(luò)Mask-RCNN的植物莖葉實(shí)例分割方法,在擬南芥、玉米和酸漿屬3種代表性植物上進(jìn)行了實(shí)驗(yàn)。結(jié)果表明,訓(xùn)練得到的基于Mask-RCNN的植物分割模型對(duì)在不同生長時(shí)期的植物莖葉的識(shí)別精度(mAP0.5)大部分在70.0%以上,最高可以達(dá)到87.5%,模型通用性較好。同時(shí),針對(duì)莖葉遮擋問題提出的基于多視角圖像的跟蹤算法,可進(jìn)一步提高植物莖葉參數(shù)提取的準(zhǔn)確率。本文提出的以莖葉為代表的植物器官分割和特征提取方法具有性能高效、成本低、通用性和擴(kuò)展性好的優(yōu)勢,可為不同場景下植物全生長過程中的多表型參數(shù)提取提供參考。

摘要:為減少肉羊集約化養(yǎng)殖過程中因環(huán)境惡化產(chǎn)生的應(yīng)激反應(yīng)，精準(zhǔn)調(diào)控CO2質(zhì)量濃度，提出了基于分布式梯度提升框架（LightGBM）、麻雀搜索算法（SSA）融合極限學(xué)習(xí)機(jī)（ELM）的CO2質(zhì)量濃度預(yù)測模型。首先利用LightGBM篩選出與CO2質(zhì)量濃度相關(guān)的重要特征，降低預(yù)測模型的輸入維度；然后選擇Sigmoid為激活函數(shù)，使用具有較強(qiáng)非線性處理能力的單隱含層ELM神經(jīng)網(wǎng)絡(luò)算法構(gòu)建CO2質(zhì)量濃度預(yù)測模型；最后通過麻雀智能優(yōu)化算法對(duì)ELM模型中所需要的超參數(shù)進(jìn)行優(yōu)化，并將優(yōu)化后模型應(yīng)用于新疆瑪納斯集約化肉羊養(yǎng)殖基地。試驗(yàn)結(jié)果表明，該模型預(yù)測均方根誤差（RMSE）、平均絕對(duì)誤差（MAE）和決定系數(shù)（R2）分別為0.0213mg/L、0.0136mg/L和0.9886，綜合性能指標(biāo)優(yōu)于支持向量回歸（SVR）、反向傳播神經(jīng)網(wǎng)絡(luò)（BPNN）、長短記憶神經(jīng)網(wǎng)絡(luò)（LSTM）、門限循環(huán)單元（GRU）和LightGBM等；CO2質(zhì)量濃度預(yù)測曲線貼近真實(shí)曲線，具有良好的預(yù)測效果，能有效滿足集約化肉羊養(yǎng)殖過程中CO2質(zhì)量濃度精準(zhǔn)預(yù)測及調(diào)控要求。

摘要:為明確我國高寒區(qū)積雪消融對(duì)春季農(nóng)田土壤水分的作用，針對(duì)氣象站點(diǎn)監(jiān)測數(shù)據(jù)、遙感及陸面模式同化數(shù)據(jù)在時(shí)空分辨率方面存在的不足，以地處黑龍江省中部的呼蘭河流域?yàn)槔肧WAT（Soil and water assessment tool）模擬流域降雪、積雪、融雪等過程，研究流域內(nèi)降雪、積雪、融雪的時(shí)空變化特征及其對(duì)春季農(nóng)田土壤水分的影響。結(jié)果表明：呼蘭河流域的平均降雪量、最大日積雪量、融雪量空間分布呈現(xiàn)自西向東逐漸增加的相近特征；積雪量、降雪量、融雪量變化率的空間分布特征相近，這些變化率在流域內(nèi)大部分區(qū)域呈現(xiàn)增長趨勢；降雪量、積雪量、融雪量的年時(shí)間序列關(guān)系密切，與土壤水分的年際變化趨勢相近，農(nóng)田土壤水分的年際變化受降水量影響較大；上年11月至當(dāng)年3月的各月積雪量、上年11月降雪量、當(dāng)年4月融雪量與當(dāng)年春季4、5月農(nóng)田土壤水分含量的相關(guān)性較顯著；融雪水在3月下旬至4月上旬補(bǔ)給土壤水分，能夠促使農(nóng)田土壤水分短期上升，積雪量決定了融雪水對(duì)農(nóng)田土壤水分的補(bǔ)給作用；農(nóng)田土壤水分在融雪前下降趨勢平緩，但在融雪后急劇下降。

摘要:針對(duì)鹽漬化灌區(qū)土壤鹽漬化問題，以內(nèi)蒙古河套灌區(qū)下游烏拉特灌域?yàn)檠芯繀^(qū)，通過野外實(shí)測與室內(nèi)試驗(yàn)分析結(jié)合，采用冗余分析法探討了鹽漬化改良耕地與荒地春季（4月）和秋季（10月）根層土壤（0~20cm、20~40cm）鹽分離子與全鹽、pH值、養(yǎng)分之間的相關(guān)關(guān)系，明確了其變化特征與數(shù)量關(guān)系，并估算了試驗(yàn)區(qū)改良耕地和荒地間1m土體的鹽分遷移量。結(jié)果表明，改良耕地與荒地土壤陰離子均以Cl-為主，分別占陰離子總量的45.27%、58.78%，陽離子以Na+為主，分別占陽離子總量的60.67%、53.94%?；牡仄骄}含量超過7.0g/kg，土壤鹽漬化程度較重。冗余分析表明，改良耕地土壤全鹽含量起主導(dǎo)作用的是SO2-4、Cl-、Ca2+，荒地土壤全鹽含量起主導(dǎo)作用的是Cl-、Mg2+、Na+。土壤pH值變化與HCO-3有著密切的關(guān)系。改良耕地有效磷與Na+呈顯著負(fù)相關(guān)（P<0.05），荒地速效鉀與K+呈顯著正相關(guān)（P<0.05），有效磷與Na+顯著負(fù)相關(guān)（P<0.05）；在前2個(gè)排序軸中，改良耕地研究對(duì)象與環(huán)境關(guān)系的變量累積百分比分別為71.38%、71.65%，荒地研究對(duì)象與環(huán)境關(guān)系的變量累積百分比分別為89.02%、89.16%，反映出改良耕地與荒地各自的研究對(duì)象與環(huán)境變量之間的線性關(guān)系。改良耕地中Na+對(duì)全鹽、pH值、土壤養(yǎng)分的影響最大，其次是Ca2+；荒地中Na+對(duì)全鹽、pH值、土壤養(yǎng)分的影響最大，其次是K+。在作物一個(gè)生育周期內(nèi)，荒地1m土體中積鹽量939.842kg/hm2。地下水補(bǔ)給將鹽分帶到土壤中，占鹽分積累量的70.06%，灌溉期改良耕地地下水遷移給荒地的鹽分集中在60~100cm土體中，占積鹽量的22.83%，改良耕地水平滲透給荒地的鹽量占積鹽量7.11%。

摘要:為研究連年施加生物炭對(duì)黑土區(qū)坡耕地的土壤結(jié)構(gòu)、持水性能、玉米產(chǎn)量及可持續(xù)性的影響，從2015年開始，在黑土區(qū)3°坡耕地徑流小區(qū)內(nèi)，將玉米作為試驗(yàn)作物連續(xù)進(jìn)行4年生物炭效應(yīng)試驗(yàn)。共設(shè)置C0(0t/hm2)、C25(25t/hm2)、C50(50t/hm2)、C75(75t/hm2)和C100(100t/hm2) 5種生物炭的施用量處理。結(jié)果表明：4年中土壤容重隨生物炭的增加有減小的傾向，孔隙度有逐漸增加的傾向；適量生物炭可有效降低土壤固相比例，提高氣相和液相比例，除2015年外，連續(xù)3年廣義土壤結(jié)構(gòu)指數(shù)(GSSI)隨施炭量的增加先增大后減小，土壤三相結(jié)構(gòu)距離指數(shù)(STPSD)隨施炭量的增加先減小后增大，均在第3年C50處理達(dá)到最優(yōu)(99.96、0.63)，同時(shí)土壤三相比偏離值R最小(1.03)，三相比最接近理想狀態(tài)；連續(xù)4年大于0.25mm團(tuán)聚體含量R0.25、平均質(zhì)量直徑（MWD）和幾何平均直徑（GMD）隨著生物炭的增加有先增加后減小的傾向；連續(xù)3年加入50t/hm2生物炭提高土壤穩(wěn)定性的效果最好；連續(xù)4年飽和含水率與施炭量呈正相關(guān)；除2015年外，田間持水率隨施炭量的增加先增加后減小，分別在C100、C50、C50和C25處達(dá)最優(yōu)，在2018年C25處為峰值37.33%；土壤有效含水率與田間持水率的變化規(guī)律相同。玉米各生育期0~60cm土層土壤儲(chǔ)水量呈先升高后降低傾向；60~100cm土層土壤儲(chǔ)水量與施炭量呈負(fù)相關(guān)；玉米產(chǎn)量可持續(xù)性指數(shù)(SYI)在C50處達(dá)到最大(0.954)，變異系數(shù)(CV)在C100處理處最低(0.022)；逐年施加50t/hm2生物炭對(duì)促進(jìn)玉米產(chǎn)量穩(wěn)定性與可持續(xù)性效果最明顯。

摘要:為改善鹽堿脅迫農(nóng)田土壤水鹽環(huán)境、緩解西北干旱地區(qū)土地次生鹽漬化，通過一維垂直入滲試驗(yàn)，對(duì)不同生化黃腐酸施加量（0、1、2、4、8g/kg）條件下新疆地區(qū)中度鹽堿土的水鹽運(yùn)移特征及入滲模型參數(shù)進(jìn)行了研究。結(jié)果表明：在入滲結(jié)束后，與未施加生化黃腐酸相比，施加量為1、2、4、8g/kg條件下的土壤累積入滲量分別增加了1.00%、4.67%、7.14%、3.44%，土壤水分入滲速率隨著生化黃腐酸施加量的增加呈現(xiàn)先減小后增大的變化趨勢，土壤剖面平均體積含水率分別增加了8.90%、17.70%、20.41%、11.67%；在0~20cm土層，土壤平均脫鹽率分別為5.29%、27.04%、42.77%、14.74%。Philip、Green-Ampt模型和代數(shù)模型均能較好地模擬不同生化黃腐酸施加量下土壤水分入滲特征，且模型參數(shù)與生化黃腐酸施加量間存在函數(shù)關(guān)系。與未施加生化黃腐酸相比，施加生化黃腐酸后土壤吸滲率S和土壤飽和導(dǎo)水率Ks均減小，且隨著施加量的增加均呈現(xiàn)先減小后增大的變化趨勢，施加量4g/kg時(shí)S、Ks最小；濕潤鋒處吸力Sf和綜合形狀系數(shù)α呈現(xiàn)先增大后減小的變化趨勢，施加量4g/kg時(shí)Sf、α最大。施加生化黃腐酸能夠顯著影響土壤水分入滲和水鹽運(yùn)移特征，且施加量4g/kg對(duì)于中度鹽堿土具有較好的保水和脫鹽效果。

摘要:為實(shí)現(xiàn)Penman-Monteith（PM）模型在簡易大棚中的蒸散模擬，對(duì)PM模型中2個(gè)關(guān)鍵參數(shù)空氣動(dòng)力學(xué)阻力ra和冠層邊界層阻力rc組成的6種PM模型使用Bayesian方法進(jìn)行模型的參數(shù)估計(jì)和不確定性分析，使用平均相對(duì)誤差（MAE）、決定系數(shù)（R2）和威爾莫特一致性指數(shù)（D）3個(gè)模型精度指標(biāo)對(duì)模型率定年（2018年）和檢驗(yàn)?zāi)辏?019年）進(jìn)行模型精度量化評(píng)價(jià)。結(jié)果表明：Bayesian參數(shù)估計(jì)方法使PM模型在簡易大棚日尺度蒸散估算精度較高，6種PM模型中有5種在模型率定年和模型檢驗(yàn)?zāi)晖瑫r(shí)滿足3個(gè)精度指標(biāo)。Bayesian參數(shù)估計(jì)方法能有效減小簡易大棚日尺度PM模型中部分參數(shù)的不確定性，在模型ra2-rc3中參數(shù)a2的后驗(yàn)分布區(qū)間較先驗(yàn)分布區(qū)間在4個(gè)生育階段分別縮小了97.65%、92.38%、93.31%和98.24%，在模型ra2-rc2中參數(shù)D50、KQ、Q50和gmax在膨果期后驗(yàn)分布區(qū)間較先驗(yàn)分布區(qū)間分別縮小了96.44%、56.08%、97.78%和99.75%。篩選出ra2-rc3和ra3-rc3 2種適宜簡易大棚日尺度蒸散模擬的PM模型，其中最優(yōu)模型為ra2-rc3。研究可為提高簡易大棚作物灌溉及水分利用效率提供理論依據(jù)。

摘要:為證實(shí)典型氣象條件下宇宙射線中子法測量區(qū)域土壤水分準(zhǔn)確性的差異和應(yīng)用普適性，以季節(jié)為時(shí)間劃分尺度，并選取典型氣象條件時(shí)段，對(duì)比研究山地地形下墊面宇宙射線中子法（CRNS）與頻域反射法（FDR）土壤水分連續(xù)觀測效果差異。結(jié)果表明：山地地形下墊面，CRNS水平測量足跡的季節(jié)變化較為穩(wěn)定，垂直足跡在耕作層范圍內(nèi)有一定波動(dòng)。不同季節(jié)降水過程的量級(jí)差異是引起CRNS測量結(jié)果偏差的主要因素，夏秋兩季，在高溫少雨導(dǎo)致的持續(xù)失墑以及較大量級(jí)降水過程等土壤水分變化較為劇烈的時(shí)段，CRNS與FDR測量結(jié)果一致性較好，春季多為小量級(jí)降水，作物冠層截留作用導(dǎo)致二者一致性略差，冬季降水量與蒸散發(fā)接近平衡，且單次降水量級(jí)極小，CRNS與FDR偏差極小。分析典型土壤水分條件下的CRNS測量準(zhǔn)確性變化，進(jìn)一步明確了降水過程對(duì)CRNS準(zhǔn)確性的干擾，而在持續(xù)高溫干旱時(shí)段則一致性良好，均方根誤差（RMSE）、納什效率系數(shù)（NSE）和Kling-Gupta系數(shù)（KGE）分別達(dá)到0.014m3/m3、0.925、0.919。研究可為CRNS的應(yīng)用場景選取與數(shù)據(jù)質(zhì)量控制提供科學(xué)依據(jù)。

摘要:為探明黃淮海平原農(nóng)田蒸散量（ET）和CO2凈交換量（NEE）的多因素協(xié)同影響，選取中國科學(xué)院禹城綜合試驗(yàn)站冬小麥-夏玉米農(nóng)田為研究對(duì)象，基于渦度相關(guān)觀測系統(tǒng)實(shí)測的2003—2010年逐日通量數(shù)據(jù)，利用結(jié)構(gòu)方程模型，分析了農(nóng)田ET和NEE特征及其影響因素。結(jié)果表明：季節(jié)尺度上ET和NEE表現(xiàn)出雙峰型變化特征，但二者在不同的生長季具有顯著差異。與玉米季相比，麥季ET（NEE）的峰值明顯高于（低于）玉米季。研究時(shí)段內(nèi)麥季和玉米季ET總量的多年平均值分別為398.63、256.59mm，并且二者均呈波動(dòng)增加的趨勢（P<0.05）；而麥季和玉米季NEE總量的平均值分別為-272.57、-293.57g/m2，但二者的年際變化趨勢不顯著（P>0.05）。凈輻射是影響農(nóng)田ET和NEE季節(jié)變化的重要因素，并主要體現(xiàn)在直接作用上。凈輻射和氣溫通過葉面積指數(shù)對(duì)麥季ET和NEE產(chǎn)生較大的間接影響；而在玉米季，飽和水汽壓差通過葉面積指數(shù)對(duì)ET和NEE的間接影響較大。此外，土壤含水率和風(fēng)速對(duì)不同生長季ET和NEE的影響存在一定的差異。

摘要:農(nóng)業(yè)旱災(zāi)脆弱性動(dòng)態(tài)評(píng)價(jià)對(duì)保障區(qū)域農(nóng)業(yè)可持續(xù)發(fā)展具有重要意義。為分析農(nóng)業(yè)旱災(zāi)脆弱性評(píng)價(jià)子系統(tǒng)及指標(biāo)的發(fā)展趨勢，識(shí)別影響區(qū)域農(nóng)業(yè)旱災(zāi)脆弱性變化的主要因素，提出了一種聯(lián)系數(shù)伴隨函數(shù)——五元半偏減法集對(duì)勢，據(jù)此建立了區(qū)域農(nóng)業(yè)旱災(zāi)脆弱性動(dòng)態(tài)評(píng)價(jià)方法，在蚌埠市應(yīng)用結(jié)果表明：蚌埠市農(nóng)業(yè)旱災(zāi)脆弱性評(píng)價(jià)系統(tǒng)中的暴露子系統(tǒng)2001—2010年總體由均勢轉(zhuǎn)向偏反勢，向著集對(duì)勢降低的方向發(fā)展，農(nóng)業(yè)旱災(zāi)脆弱性呈增強(qiáng)趨勢，其中，對(duì)蚌埠市農(nóng)業(yè)旱災(zāi)脆弱性變化影響較大的指標(biāo)為復(fù)種指數(shù)，且復(fù)種指數(shù)存在向反勢發(fā)展的趨勢；災(zāi)損敏感性子系統(tǒng)發(fā)展趨勢波動(dòng)較大，2001—2010年逐漸由偏反勢發(fā)展到偏同勢，評(píng)估結(jié)果呈現(xiàn)逐年向好趨勢，其中，單位農(nóng)業(yè)增加值耗水量的減少使得蚌埠市農(nóng)業(yè)旱災(zāi)脆弱性有較為明顯的改善；防災(zāi)減災(zāi)能力子系統(tǒng)在2001—2009年處于偏反勢，2009年之后逐漸穩(wěn)定為均勢，脆弱性狀況呈緩慢改善趨勢，其中，影響脆弱性的主要指標(biāo)有節(jié)水灌溉率、農(nóng)民人均GDP。本研究可為改善區(qū)域農(nóng)業(yè)旱災(zāi)脆弱性狀況提供科學(xué)的決策依據(jù)，也可為解決復(fù)雜系統(tǒng)多等級(jí)問題提供新的有效途徑。

摘要:為推進(jìn)秸稈綜合利用，提升農(nóng)業(yè)農(nóng)村減排固碳能力，針對(duì)秸稈綜合利用存在的溫室氣體排放因子基數(shù)不明、底數(shù)不清等問題，基于IPCC指南（2006年）溫室氣體排放核算理論框架，構(gòu)建秸稈綜合利用評(píng)價(jià)方法。明確評(píng)價(jià)范圍與邊界，科學(xué)核算不同秸稈利用技術(shù)的溫室氣體排放因子，評(píng)價(jià)秸稈五料化減排固碳底數(shù)，基于不同情景預(yù)測2030年和2060年秸稈綜合利用的減排固碳潛力。結(jié)果表明，2020年秸稈綜合利用的溫室氣體凈減排貢獻(xiàn)為7.0×107tCO2e，其中，露天焚燒和自然腐解的溫室氣體排放量為5.6×107tCO2e，秸稈五料化利用減排量為1.26×108tCO2e；肥料化和燃料化利用的減排量最高，減排量分別為7.9×107tCO2e和3.8×107tCO2e。預(yù)計(jì)到2030年秸稈綜合利用溫室氣體減排固碳貢獻(xiàn)潛力為1.52×108~1.72×108tCO2e，到2060年貢獻(xiàn)潛力可達(dá)2.20×108~2.73×108tCO2e；秸稈肥料化在五料化利用中的減排貢獻(xiàn)最大，并持續(xù)穩(wěn)定增加，2030年和2060年減排貢獻(xiàn)占比分別為40.7%和31.9%；秸稈燃料化的減排潛力最大，2030年和2060年減排貢獻(xiàn)占比分別為55.2%和62.8%。秸稈綜合利用應(yīng)重視土壤/森林碳匯和化石能源替代的雙重減碳作用，應(yīng)堅(jiān)持農(nóng)用為主、多元利用的原則，加大力度推進(jìn)全量利用，減少焚燒廢棄的溫室氣體排放，充分發(fā)揮其減排固碳的作用，為實(shí)現(xiàn)碳中和目標(biāo)提供支撐。

摘要:針對(duì)目前溫室光溫調(diào)控目標(biāo)值優(yōu)化未綜合考慮提升作物凈光合速率和生產(chǎn)效益的問題，基于NSGA-Ⅱ多目標(biāo)遺傳算法進(jìn)行光溫協(xié)調(diào)優(yōu)化模型研究。分別建立藍(lán)莓光溫耦合凈光合速率模型與Venlo型溫室夏季降溫補(bǔ)光能耗模型，采用粒子群算法（Particle swarm optimization，PSO）進(jìn)行參數(shù)辨識(shí)與驗(yàn)證分析，得到較為準(zhǔn)確的目標(biāo)函數(shù)模型；以藍(lán)莓凈光合速率最大、Venlo型溫室降溫能耗最小為優(yōu)化目標(biāo)，采用NSGA-Ⅱ算法對(duì)光溫協(xié)調(diào)優(yōu)化模型進(jìn)行模擬尋優(yōu)，得到Pareto最優(yōu)解集。為進(jìn)一步驗(yàn)證優(yōu)化效果，對(duì)最優(yōu)解集采取不同選取策略，分別與優(yōu)化前作對(duì)比。結(jié)果顯示，在維持藍(lán)莓光合速率基本不變的情況下可降耗約21.3%；在優(yōu)先考慮種植效益的前提下，可在降耗86%的同時(shí)平均增加光合速率約28.9%。研究結(jié)果可為考慮作物光合提升與降耗綜合目標(biāo)的溫室藍(lán)莓光溫協(xié)調(diào)優(yōu)化模型與控制策略選取提供理論基礎(chǔ)。

摘要:稻米供應(yīng)鏈具有全生命周期冗長、主體環(huán)節(jié)參與角色復(fù)雜、危害物種類眾多、信息多維多源異構(gòu)等特點(diǎn)，實(shí)現(xiàn)稻米供應(yīng)鏈動(dòng)態(tài)監(jiān)管，有助于稻米質(zhì)量安全保障和溯源。以區(qū)塊鏈智能合約為驅(qū)動(dòng)，構(gòu)建了適用于稻米供應(yīng)鏈信息流轉(zhuǎn)特性的動(dòng)態(tài)模型并進(jìn)行合約化實(shí)現(xiàn)與原型驗(yàn)證。首先，在稻米供應(yīng)鏈監(jiān)管信息解析及分類的基礎(chǔ)上，基于區(qū)塊鏈智能合約構(gòu)建稻米供應(yīng)鏈動(dòng)態(tài)監(jiān)管模型框架。其次，在監(jiān)管模型的邏輯框架下，定制化設(shè)計(jì)身份初始化、數(shù)據(jù)調(diào)用、模型驗(yàn)證、數(shù)據(jù)傳輸、貢獻(xiàn)評(píng)估、信用評(píng)估等6種智能合約，并進(jìn)行模型運(yùn)行流暢分析。最后，依托動(dòng)態(tài)監(jiān)管模型及智能合約，設(shè)計(jì)并研發(fā)稻米供應(yīng)鏈監(jiān)管原型系統(tǒng)，并進(jìn)行仿真分析和案例驗(yàn)證。結(jié)果表明，所構(gòu)建的動(dòng)態(tài)監(jiān)管模型和原型系統(tǒng)能夠解決稻米供應(yīng)鏈業(yè)務(wù)信息、危害物信息及人員信息的全流程實(shí)時(shí)管理，在信息層面實(shí)現(xiàn)稻米供應(yīng)鏈全生命周期動(dòng)態(tài)可信監(jiān)管。

摘要:針對(duì)目前我國核桃內(nèi)部品質(zhì)混雜、不易檢測等問題，提出利用X射線成像技術(shù)結(jié)合卷積神經(jīng)網(wǎng)絡(luò)對(duì)核桃內(nèi)部品質(zhì)進(jìn)行快速檢測。對(duì)獲取的核桃X射線圖像進(jìn)行預(yù)處理和數(shù)據(jù)擴(kuò)充，采用GoogLeNet、ResNet 101、MobileNet v2和VGG 19共4種遷移學(xué)習(xí)模型構(gòu)建卷積神經(jīng)網(wǎng)絡(luò)，對(duì)核桃數(shù)據(jù)集進(jìn)行訓(xùn)練。通過預(yù)測集準(zhǔn)確率、預(yù)測損失值、測試集準(zhǔn)確率以及運(yùn)行時(shí)間對(duì)模型進(jìn)行分析，優(yōu)化模型參數(shù)，開發(fā)核桃內(nèi)部品質(zhì)檢測分選系統(tǒng)并進(jìn)行模型驗(yàn)證。研究結(jié)果表明：GoogLeNet模型學(xué)習(xí)率設(shè)置為0.001，迭代次數(shù)設(shè)置為25次時(shí)預(yù)測效果最優(yōu)，預(yù)測準(zhǔn)確率為96.67%。系統(tǒng)驗(yàn)證結(jié)果表明：空殼核桃的判別準(zhǔn)確率達(dá)到100%，平均判別準(zhǔn)確率為96.39%。該系統(tǒng)可實(shí)現(xiàn)核桃內(nèi)部品質(zhì)的無損檢測分選。

摘要:針對(duì)研究人員難以利用計(jì)算機(jī)視覺對(duì)棉種這類尺寸較小的物體進(jìn)行雙面檢測，導(dǎo)致檢測效果不佳的問題，設(shè)計(jì)了一款新型棉種檢測分選裝置，利用亞克力板在強(qiáng)光和白色背景下透明的特點(diǎn)，將棉種通過上料裝置滑入透明亞克力板的凹槽中，隨著轉(zhuǎn)盤的轉(zhuǎn)動(dòng)，同一批棉種的正反兩面圖像分別由2個(gè)不同位置的CCD相機(jī)采集得到。利用改進(jìn)YOLO v4的目標(biāo)檢測算法檢測破損棉種，試驗(yàn)結(jié)果表明該方法建立的模型對(duì)群體棉種中的破損棉種和完好棉種的檢測準(zhǔn)確率達(dá)到95.33%、召回率為96.31%、漏檢率為0，檢測效果優(yōu)于原YOLO v4網(wǎng)絡(luò)，實(shí)現(xiàn)了對(duì)雙面群體棉種的破損識(shí)別，為后續(xù)脫絨棉種智能檢測裝備研發(fā)提供了技術(shù)支持。

摘要:為揭示混合體系中大豆分離蛋白（SPI）和葡聚糖（Dex）之間的相互作用以及Dex質(zhì)量分?jǐn)?shù)（1%、3%、5%和7%）對(duì)SPI結(jié)構(gòu)和功能性質(zhì)的影響，采用熒光光譜、紫外可見光譜、傅里葉變換紅外光譜等表征SPI-Dex非共價(jià)聚合物構(gòu)象變化，并通過粒徑、表面疏水性、濁度、溶解性、乳化活性、乳化穩(wěn)定性以及抗氧化性解析Dex質(zhì)量分?jǐn)?shù)對(duì)SPI功能性質(zhì)的影響。結(jié)果表明：SPI和Dex在中性條件下可以通過疏水相互作用和氫鍵兩種非共價(jià)力相互作用，進(jìn)而改變SPI的結(jié)構(gòu)和功能性質(zhì)。與單獨(dú)SPI相比，Dex的添加可以防止色氨酸和酪氨酸殘基的暴露，形成更加緊密的三級(jí)結(jié)構(gòu)。當(dāng)混合體系中Dex質(zhì)量分?jǐn)?shù)低于5%時(shí)，隨著Dex的不斷增加，SPI-Dex聚合物的粒徑、表面疏水性、濁度明顯降低，溶解性、乳化性、抗氧化性顯著提高，其中Dex質(zhì)量分?jǐn)?shù)為5%時(shí)效果最為顯著，分別使SPI的溶解度增加了16.35%、乳化活性指數(shù)增加了18.71%、DPPH自由基清除率增加了11.30%。

摘要:針對(duì)現(xiàn)有拖拉機(jī)變速器存在機(jī)械結(jié)構(gòu)復(fù)雜、擋位數(shù)較多、模式切換繁瑣等問題，提出了一種串聯(lián)式液力機(jī)械復(fù)合傳動(dòng)方案(Series hydraulic and mechanical hybrid transmission，HMD)及其配套拖拉機(jī)總體設(shè)計(jì)方法，包括功能需求、傳動(dòng)路線設(shè)計(jì)、組件特性分析、性能參數(shù)計(jì)算、仿真模型搭建、作業(yè)性能對(duì)比。針對(duì)無級(jí)調(diào)速模塊有效性設(shè)計(jì)牽引性能與匹配性能試驗(yàn)，合理的發(fā)動(dòng)機(jī)匹配使得液力傳動(dòng)最高效率達(dá)到0.894，重載與輕載區(qū)段能夠?qū)崿F(xiàn)無級(jí)變速，工況適應(yīng)性良好。性能對(duì)比結(jié)果表明：HMD牽引特性場位于原拖拉機(jī)與HMCVT之間，各擋牽引功率峰值幅度變化平穩(wěn)，深谷面積明顯減?。焕绺r下，牽引力覆蓋范圍平均提升15.3%，負(fù)載作業(yè)速度平均提升8.2%；旋耕工況下，動(dòng)力輸出功率平均提升1.7%。研究可為多模式無級(jí)變速拖拉機(jī)總體設(shè)計(jì)提供技術(shù)路線參考。

摘要:針對(duì)山地履帶拖拉機(jī)（簡稱山地拖拉機(jī)）等高線作業(yè)時(shí)，車身調(diào)平和農(nóng)具仿形作業(yè)不同的姿態(tài)調(diào)整需求，在建立車身及農(nóng)具運(yùn)動(dòng)學(xué)模型的基礎(chǔ)之上，構(gòu)建了整個(gè)系統(tǒng)的控制策略，設(shè)計(jì)了車身與農(nóng)具姿態(tài)協(xié)同控制系統(tǒng)，其中，對(duì)車身和農(nóng)具的控制分別采用PID算法和雙閉環(huán)模糊PID算法?；赟imulink對(duì)控制算法進(jìn)行了仿真分析，結(jié)果表明：采用PID算法實(shí)現(xiàn)車身調(diào)平可以滿足其基本調(diào)平要求；采用雙閉環(huán)模糊PID算法實(shí)現(xiàn)農(nóng)具姿態(tài)調(diào)整的控制效果優(yōu)于PID算法。最后，進(jìn)行了機(jī)組姿態(tài)協(xié)同調(diào)整的靜態(tài)試驗(yàn)和動(dòng)態(tài)試驗(yàn)，結(jié)果表明，采用所設(shè)計(jì)的姿態(tài)協(xié)同控制系統(tǒng)：在坡度±15°的坡地上靜態(tài)調(diào)整時(shí)，車身橫向傾角最大誤差為1.10°，農(nóng)具橫向傾角最大誤差為0.46°；在坡度14°~16°的坡地上動(dòng)態(tài)作業(yè)時(shí)，車身橫向傾角最大誤差為1.90°，農(nóng)具橫向傾角最大誤差為0.93°。該姿態(tài)協(xié)同控制系統(tǒng)精度和穩(wěn)定性能夠滿足丘陵山區(qū)坡地等高線作業(yè)需求。

摘要:針對(duì)人體手臂負(fù)載彎舉過程中易產(chǎn)生肩袖損傷的問題，設(shè)計(jì)了一種氣動(dòng)肌肉上肢外骨骼機(jī)器人。其本體結(jié)構(gòu)由一個(gè)肘關(guān)節(jié)外骨骼機(jī)器人和氣動(dòng)式外展肩枕構(gòu)成，并通過雙層護(hù)肩結(jié)構(gòu)固定于穿戴者上肢。該設(shè)計(jì)結(jié)合了剛性外骨骼機(jī)器人結(jié)構(gòu)的力傳遞優(yōu)勢和柔性仿生式織物結(jié)構(gòu)的柔順性優(yōu)勢，在負(fù)載彎舉過程中對(duì)穿戴者的肘關(guān)節(jié)和肩關(guān)節(jié)提供必要的助力，同時(shí)提高了肩關(guān)節(jié)處的人機(jī)相容性。對(duì)比實(shí)驗(yàn)結(jié)果表明，實(shí)驗(yàn)者手持負(fù)載并穿戴氣動(dòng)式上肢外骨骼機(jī)器人后可以在心率無顯著性增加的狀態(tài)下完成彎舉動(dòng)作，并且在氣動(dòng)式外展肩枕的作用下肩部外展軌跡更近似于自然彎舉狀態(tài)下的軌跡。與無穿戴狀態(tài)下對(duì)比，肱二頭肌肌電信號(hào)的平均絕對(duì)值和均方根分別降為69.92%~70.97%和66.46%~78.85%，岡上肌肌電信號(hào)的平均絕對(duì)值和均方根分別降為80.67%~81.51%和78.02%~89.22%。

摘要:針對(duì)磁流變阻尼器存在由于阻尼間隙固定、長度小等導(dǎo)致的阻尼力較小、動(dòng)力性能單一及適應(yīng)性不強(qiáng)等不足，提出并設(shè)計(jì)一種阻尼間隙可調(diào)式磁流變阻尼器。該阻尼器液流通道由圓錐和圓環(huán)形液流通道共同組成，其有效阻尼長度可增加到4段。同時(shí)通過調(diào)整緊鎖螺母控制閥芯位置，改變閥芯與左右磁軛的相對(duì)位置，可實(shí)現(xiàn)圓錐液流通道阻尼間隙連續(xù)可調(diào)。對(duì)所提出的結(jié)構(gòu)進(jìn)行磁路設(shè)計(jì)，基于Bingham模型建立其力學(xué)模型，利用ANSYS進(jìn)行電磁場仿真，并設(shè)計(jì)實(shí)物樣機(jī)進(jìn)行動(dòng)力性能實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，輸出阻尼力隨阻尼間隙的減小而增大，在阻尼間隙為0.6mm時(shí)阻尼力達(dá)到7.2kN?？烧{(diào)系數(shù)隨阻尼間隙的減小而減小，在阻尼間隙為1.6mm時(shí)最大可調(diào)系數(shù)為13.6。另外，不同阻尼間隙下阻尼力為0.2~7.2kN，最大可調(diào)系數(shù)可達(dá)33。本文所提出的磁流變阻尼器結(jié)構(gòu)可進(jìn)一步提升磁流變阻尼器的動(dòng)力性能，并可替代不同應(yīng)用場合的磁流變阻尼器。

摘要:為改善微小型軸向柱塞泵配流副潤滑特性，對(duì)缸體進(jìn)行受力分析，建立了配流副油膜潤滑模型，以泄漏量、缸體傾覆角、粘性摩擦力矩為優(yōu)化目標(biāo)，采用多目標(biāo)遺傳算法（Non-dominated sorting genetic algorithm，NSGA-Ⅱ）對(duì)配流盤密封環(huán)結(jié)構(gòu)參數(shù)進(jìn)行了優(yōu)化,包括配流盤密封環(huán)徑向尺寸R1、R2、R3、R4和腰型槽起點(diǎn)張角θ。模型考慮缸體微觀的傾斜運(yùn)動(dòng)以及宏觀的旋轉(zhuǎn)運(yùn)動(dòng)，對(duì)楔形油膜的動(dòng)態(tài)變化過程進(jìn)行了仿真。通過有限容積法對(duì)雷諾方程進(jìn)行離散化處理，得到配流盤表面油膜的壓力分布情況，并分析了密封環(huán)結(jié)構(gòu)對(duì)油膜特性的影響。研究結(jié)果表明，密封環(huán)最外緣的尺寸對(duì)油膜潤滑性能影響較小，腰型槽起點(diǎn)張角和密封環(huán)內(nèi)緣尺寸對(duì)缸體傾覆角的影響較大；配流盤結(jié)構(gòu)優(yōu)化后，油膜綜合潤滑特性提升5.4%,傾覆角和泄漏量分別下降3.8%和29.6%。

摘要:針對(duì)機(jī)床狀態(tài)動(dòng)態(tài)標(biāo)簽及差異化分布數(shù)據(jù)下的預(yù)測適應(yīng)性差與準(zhǔn)確度低問題，結(jié)合時(shí)序特征關(guān)系和模型融合方法，建立自適應(yīng)混合深度學(xué)習(xí)模型進(jìn)行機(jī)床狀態(tài)預(yù)測。首先，通過融合最小近鄰分類器，設(shè)計(jì)一種基于權(quán)值累積的自適應(yīng)更新法則，建立具有數(shù)據(jù)自適應(yīng)性的狀態(tài)預(yù)測模型。在此基礎(chǔ)上，提出一種基于中心損失函數(shù)的特征距離度量優(yōu)化策略，構(gòu)建綜合決策損失函數(shù)，確保模型有效融合。在提出的一種組合收斂準(zhǔn)則基礎(chǔ)上，采用BBPT方法訓(xùn)練優(yōu)化模型，對(duì)測試數(shù)據(jù)進(jìn)行了驗(yàn)證。實(shí)驗(yàn)結(jié)果表明，該模型能夠自適應(yīng)動(dòng)態(tài)標(biāo)簽及差異化分布數(shù)據(jù)，準(zhǔn)確預(yù)測數(shù)控機(jī)床狀態(tài)類別，抗干擾強(qiáng)，響應(yīng)快。在GPU模式下預(yù)測時(shí)間最短僅需100ms，較BP和LSTM分類網(wǎng)絡(luò)，預(yù)測準(zhǔn)確率和實(shí)時(shí)性均顯著提高。