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:隨著自動導(dǎo)航技術(shù)的發(fā)展，農(nóng)業(yè)機(jī)器人已經(jīng)應(yīng)用到農(nóng)業(yè)生產(chǎn)的各個方面。農(nóng)業(yè)機(jī)器人可以代替人類從事噴藥、施肥、收獲等活動，減輕了勞動強(qiáng)度，提高了作業(yè)效率。全覆蓋作業(yè)是智能機(jī)器人研究的核心內(nèi)容之一，涉及農(nóng)業(yè)、軍事、生產(chǎn)制造和民用等多個應(yīng)用領(lǐng)域。全覆蓋作業(yè)規(guī)劃作為農(nóng)業(yè)生產(chǎn)作業(yè)的關(guān)鍵技術(shù)，有助于提高作業(yè)質(zhì)量和資源利用率。但在全覆蓋作業(yè)中，仍然存在障礙物識別不準(zhǔn)確，阻礙農(nóng)機(jī)工作路徑；工作區(qū)域面積遺漏，路徑重復(fù)問題，造成資源浪費；單機(jī)器人工作效率較低，無法處理復(fù)雜的全覆蓋作業(yè)問題。本文從全覆蓋作業(yè)規(guī)劃中存在的問題入手，從環(huán)境模型構(gòu)建、機(jī)器人路徑規(guī)劃、多機(jī)器人協(xié)作任務(wù)分配3方面進(jìn)行綜述。其中，準(zhǔn)確可靠的環(huán)境地圖信息有助于規(guī)避靜態(tài)障礙物、提高作業(yè)可靠性；高效優(yōu)化路徑信息有助于減少遺漏面積，提高作業(yè)效率；最佳的任務(wù)分配方案有助于減少作業(yè)時間和資源浪費。首先對環(huán)境建模方法進(jìn)行了分析和對比，揭示其局限性并提出優(yōu)化方法；在環(huán)境建模方法的基礎(chǔ)之上，對國內(nèi)外全覆蓋路徑規(guī)劃算法現(xiàn)狀進(jìn)行綜述，指出相關(guān)算法的特點；然后，針對多機(jī)器人協(xié)作全覆蓋任務(wù)規(guī)劃的研究，探討了相關(guān)任務(wù)分配算法的研究進(jìn)展；最后對移動機(jī)器人全覆蓋作業(yè)規(guī)劃未來的發(fā)展方向進(jìn)行了展望。該研究將有助于進(jìn)一步提高農(nóng)業(yè)生產(chǎn)中全覆蓋環(huán)節(jié)的工作效率和農(nóng)業(yè)作業(yè)質(zhì)量，減少資源浪費，為我國實現(xiàn)農(nóng)業(yè)規(guī)?；a(chǎn)提供重要依據(jù)。

摘要:針對水田中存在的壕溝、田埂、石塊、電線桿等障礙物使得插秧機(jī)無法保證作業(yè)連續(xù)性和插秧直線性等問題，設(shè)計了基于優(yōu)化人工勢場法的插秧機(jī)繞障路徑規(guī)劃策略。通過增加插秧機(jī)實時位置與目標(biāo)作業(yè)點的相對距離作為判斷條件來動態(tài)改變勢場大小，同時設(shè)立了虛擬局部目標(biāo)點來彌補(bǔ)傳統(tǒng)人工勢場法目標(biāo)點不可達(dá)和局部最小點的算法缺陷；將插秧機(jī)簡化為二輪車模型，建立插秧機(jī)轉(zhuǎn)向系統(tǒng)數(shù)學(xué)模型，得出插秧機(jī)速度、行駛航向角和前輪轉(zhuǎn)角表達(dá)式，以橫向偏差與航向偏差作為評判路徑優(yōu)化效果的因素。轉(zhuǎn)向控制器以復(fù)合模糊PID算法控制插秧機(jī)的轉(zhuǎn)角，不斷減小理想前輪轉(zhuǎn)角與實際轉(zhuǎn)角的偏差，實現(xiàn)轉(zhuǎn)角最優(yōu)化；采用超聲波傳感器實時檢測道路障礙物并結(jié)合RTK-GPS實時更新位置坐標(biāo)，設(shè)計出插秧機(jī)繞障轉(zhuǎn)向控制策略。通過Matlab對優(yōu)化的人工勢場法的避障路徑控制策略進(jìn)行仿真，仿真結(jié)果表明，當(dāng)障礙物不在影響范圍內(nèi)，插秧機(jī)直線追蹤的最大橫向位置偏差為5cm,平均偏差約為2cm，最大避障橫向偏差小于0.5m，優(yōu)化后的算法具有較好的控制精度，可避免目標(biāo)點不可達(dá)的問題?；谘篑RVP6E插秧機(jī)作為實驗平臺進(jìn)行了實車實驗，實驗結(jié)果表明，當(dāng)插秧機(jī)以速度0.5、1.0、1.5m/s行駛時，左側(cè)繞障的最大橫向偏差均不大于1.2218m，航向偏差最大值為30.1491°，繞障前后直線追蹤的平均橫向偏差為0.025m，平均航向偏差為3.12°；右側(cè)繞障的最大橫向偏差均不大于1.2459m，航向偏差最大值為25.2294°，繞障前后直線追蹤的平均橫向偏差為0.023m，平均航向偏差為3.36°，所設(shè)計的避障方法可滿足插秧機(jī)在農(nóng)藝作業(yè)過程中的避障要求，具有很好的可行性與魯棒性。

摘要:為向多臺農(nóng)業(yè)機(jī)械協(xié)同作業(yè)應(yīng)用場景提供地圖和導(dǎo)航服務(wù)支持，設(shè)計并開發(fā)了基于WebGIS的農(nóng)機(jī)多機(jī)協(xié)同導(dǎo)航服務(wù)平臺，該平臺由GIS服務(wù)和農(nóng)機(jī)調(diào)度2個功能模塊組成。GIS模塊基于GeoServer和JavaWeb提供網(wǎng)頁端地圖服務(wù)，在顯示農(nóng)場地圖、實時標(biāo)注農(nóng)機(jī)位置的同時，也提供多農(nóng)機(jī)導(dǎo)航結(jié)果的可視化顯示功能；農(nóng)機(jī)調(diào)度模塊以路徑規(guī)劃算法和任務(wù)分配算法為核心，負(fù)責(zé)提供導(dǎo)航服務(wù)，在用戶輸入任務(wù)列表并調(diào)用服務(wù)的情況下，以GeoJSON格式返回各農(nóng)機(jī)的任務(wù)分配以及路徑規(guī)劃結(jié)果。此外，為了篩選出滿足平臺需求且性能最優(yōu)的算法，針對路徑規(guī)劃算法設(shè)計了算法性能對比實驗，在導(dǎo)航距離近、中、遠(yuǎn)的3條路徑上分別測試了基于A*、Bellman-Ford、Dijkstra、Floyd和SPFA 5種算法的路徑規(guī)劃算法，并對不同算法的執(zhí)行時間和最優(yōu)路徑長度進(jìn)行了對比；針對任務(wù)分配算法設(shè)計了不同任務(wù)數(shù)量場景下的仿真對比實驗，在任務(wù)數(shù)量為8、10、14、18的場景下分別測試了基于蟻群算法和遺傳算法的任務(wù)分配算法，并對兩者的執(zhí)行速度和最優(yōu)路徑長度進(jìn)行了對比。結(jié)果表明：基于Dijkstra算法的路徑規(guī)劃算法在結(jié)果最優(yōu)的前提下執(zhí)行速度最快,平均單次執(zhí)行時間為0.25ms?；谶z傳算法的任務(wù)分配算法可以有效降低多機(jī)協(xié)同的路徑代價，相較于隨機(jī)生成的工作序列，路徑代價減少50%~54%；相較于基于蟻群算法的任務(wù)分配算法，農(nóng)機(jī)最佳路徑長度減少19%~36%，執(zhí)行時間減少51%~66%，平均執(zhí)行時間在1s以內(nèi)。開發(fā)的多機(jī)協(xié)同導(dǎo)航服務(wù)平臺通過使用Dijkstra算法和遺傳算法分別進(jìn)行路徑規(guī)劃和任務(wù)分配，能夠基本滿足多機(jī)協(xié)同作業(yè)的實時性需求。

摘要:基于全球?qū)Ш叫l(wèi)星系統(tǒng)（Global navigation satellite system，GNSS）的定位導(dǎo)航技術(shù)在半結(jié)構(gòu)化、半開放式農(nóng)業(yè)應(yīng)用場景的部分區(qū)域，可能由于存在作物遮擋而導(dǎo)致GNSS接收信號出現(xiàn)短暫丟失的情況，進(jìn)而影響機(jī)器人定位導(dǎo)航精度，甚至對作物和工作人員造成傷害。針對這一問題，本文開展了農(nóng)業(yè)遮擋環(huán)境下的GNSS與慣性導(dǎo)航系統(tǒng)(Inertial navigation system，INS)的組合定位方法研究。搭建了用于多傳感器定位導(dǎo)航實驗的農(nóng)業(yè)機(jī)器人系統(tǒng)，該系統(tǒng)由履帶式移動平臺、GNSS、INS等硬件和ROS(Robot operation system)操作系統(tǒng)、遠(yuǎn)程操控界面等軟件構(gòu)成。提出了引入自適應(yīng)系數(shù)的GNSS/INS組合定位卡爾曼濾波算法，當(dāng)GNSS無法進(jìn)行差分定位或定位數(shù)據(jù)產(chǎn)生躍變時，通過自適應(yīng)卡爾曼濾波能夠切換到INS定位，從而實現(xiàn)機(jī)器人自身位置、姿態(tài)的最優(yōu)估計。在典型農(nóng)業(yè)遮擋場景（果園）進(jìn)行了實地組合定位實驗，并通過GNSS單通道定位、INS單通道定位、常規(guī)卡爾曼濾波融合定位、引入自適應(yīng)系數(shù)的卡爾曼濾波定位等4種定位方法的對比，驗證了本文提出算法的有效性?，F(xiàn)場實驗表明：定位過程中，當(dāng)100m×20m的實驗區(qū)域內(nèi)出現(xiàn)30m×6m的高遮擋區(qū)域時，與GNSS定位信息測量方法、INS航跡推算定位方法以及常規(guī)卡爾曼濾波組合定位方法相比，自適應(yīng)系數(shù)卡爾曼濾波組合定位方法定位精度分別提升62.1%、48.5%、47.7%。

摘要:為了快速評估農(nóng)機(jī)作業(yè)重漏狀況，針對農(nóng)機(jī)往復(fù)作業(yè)模式下，通過在農(nóng)機(jī)上裝載智能終端設(shè)備，采集車載終端GNSS信息，分析農(nóng)機(jī)空間運行軌跡數(shù)據(jù)，統(tǒng)計方位角分布頻次，計算農(nóng)機(jī)作業(yè)方向，提取農(nóng)機(jī)作業(yè)線，進(jìn)一步建立了農(nóng)機(jī)作業(yè)行距評估模型。為了驗證農(nóng)機(jī)作業(yè)行距評估模型，于2021年6月25日在北京小湯山國家精準(zhǔn)農(nóng)業(yè)研究示范基地開展實驗，利用裝載有自動導(dǎo)航系統(tǒng)的拖拉機(jī)，設(shè)定不同的行距，且每個行距進(jìn)行往復(fù)直線作業(yè)，驗證作業(yè)方向計算、作業(yè)線提取和作業(yè)行距提取等模型。結(jié)果表明，與實際相比，模型計算的作業(yè)行距平均誤差為3.07%，均方根誤差為0.14m，從整體上來看，識別的農(nóng)機(jī)作業(yè)平均行距和實際行距比較相符，可為農(nóng)機(jī)作業(yè)重疊、遺漏等農(nóng)機(jī)作業(yè)質(zhì)量評估提供數(shù)據(jù)支撐。

摘要:針對丘陵果園環(huán)境非結(jié)構(gòu)化且復(fù)雜多變，常規(guī)的除草方式效率低等問題，設(shè)計了一種果園除草機(jī)器人底盤系統(tǒng)。根據(jù)果園丘陵地形地貌環(huán)境，確定車體控制方式和除草機(jī)器人底盤的總體結(jié)構(gòu)方案，主要包括液壓傳動系統(tǒng)、電氣控制系統(tǒng)等。設(shè)計配套的除草車電氣控制系統(tǒng)和遙控接收、車載主控和導(dǎo)航功能的CAN通信協(xié)議。以運動控制為核心，采用角度傳感器、電機(jī)驅(qū)動、車載主控、導(dǎo)航模塊，構(gòu)成閉環(huán)控制。使用自抗擾控制算法，以油閥控制電機(jī)為對象應(yīng)用Simulink仿真，仿真結(jié)果顯示自抗擾控制相比PID控制調(diào)節(jié)時間減少0.42s，超調(diào)幅度減小11.5%，穩(wěn)定時間縮短0.14s。田間試驗表明，運用自抗擾控制、結(jié)合導(dǎo)航功能的除草機(jī)器人行走速度均值為6.2km/h，均方差0.037km/h，作業(yè)效率0.51hm2/h，有效除草率均值97.46%，可在25°斜面上正常行走，對導(dǎo)航路徑的跟蹤誤差標(biāo)準(zhǔn)差為4.732cm，運動控制響應(yīng)及時，能夠提高除草作業(yè)安全性和準(zhǔn)確性。

摘要:針對目前振動式水稻育秧盤低播量精量排種器存在勻種均勻性差、難以提供單列穩(wěn)定種子流的問題，設(shè)計了一種壓電振動式勻種裝置。通過對壓電振子振動原理、振動板動力學(xué)和水稻種子轉(zhuǎn)向等分析，確定了各部件的結(jié)構(gòu)參數(shù)。進(jìn)行振動板結(jié)構(gòu)參數(shù)優(yōu)化設(shè)計，以儲種盒深度、轉(zhuǎn)向槽角度以及振動方向角為試驗因素，結(jié)合Box-Behnken試驗方案進(jìn)行優(yōu)化，試驗結(jié)果表明轉(zhuǎn)向槽角度、儲種盒深度、振動方向角和轉(zhuǎn)向槽角度交互作用對試驗結(jié)果影響顯著，當(dāng)儲種盒深度為8mm、轉(zhuǎn)向槽角度為49°、振動方向角為29°時，種子均勻性變異系數(shù)為17.91%。通過臺架試驗測定振動板加速度，確定輸入電壓與振幅之間的關(guān)系。最優(yōu)結(jié)構(gòu)參數(shù)下振動板勻種試驗結(jié)果表明，勻種均勻性變異系數(shù)、播種合格率和漏播率分別為18.20%、94.65%和0.67%。不同勻種速度下播種性能試驗結(jié)果表明，當(dāng)工作電壓為130~180V時，其播種合格率均不小于94.17%，漏播率均不大于0.83%。不同水稻品種適應(yīng)性試驗結(jié)果表明，在工作電壓130、150、170V下，其播種合格率均不小于94.17%，漏播率均不大于1.0%，滿足超級雜交水稻精量化育秧播種要求。

摘要:在CFD-DEM氣固耦合仿真中，粘結(jié)顆粒模型被廣泛用于排種器大顆粒種子模型建立，但該模型受建模方法的限制，與傳統(tǒng)球面填充法相比，其表面粗糙度與真實種子的差距更為明顯。在應(yīng)用響應(yīng)面法對顆粒接觸參數(shù)進(jìn)行標(biāo)定時，會存在因因素零水平值選取不當(dāng)造成仿真標(biāo)定參數(shù)失真的問題，影響氣固耦合仿真精度。針對此問題，本文建立因素標(biāo)定時零水平值與實測值的線性函數(shù)，選取6組不同修正系數(shù)求解標(biāo)定時零水平值，并應(yīng)用響應(yīng)面優(yōu)化法對玉米顆粒粘結(jié)模型的種間靜摩擦因數(shù)和滾動摩擦因數(shù)兩個關(guān)鍵因素進(jìn)行標(biāo)定。將不同修正系數(shù)下標(biāo)定的玉米種子接觸參數(shù)輸入EDEM中進(jìn)行提升仿真試驗，擬合不同修正系數(shù)取值時堆積角正切值的線性函數(shù)，通過擬合方程求得修正系數(shù)取值為0.1977時標(biāo)定的玉米種間接觸參數(shù)值最為準(zhǔn)確，且標(biāo)定參數(shù)的最佳組合為玉米-玉米靜摩擦因數(shù)0.031、玉米-玉米滾動摩擦因數(shù)0.0039。將最佳參數(shù)組合輸入EDEM中進(jìn)行抽板仿真試驗和排種過程仿真試驗，試驗結(jié)果分別與真實試驗對比，發(fā)現(xiàn)標(biāo)定參數(shù)后的仿真試驗與真實試驗種群分布相近，二者無顯著性差異，表明標(biāo)定后的玉米離散元接觸參數(shù)是可信的。研究結(jié)果可為后續(xù)氣力式排種器仿真過程標(biāo)定參數(shù)范圍選取提供參考。

摘要:采用以水為驅(qū)動力的AquaCrop模型對定西市2016—2020年玉米全膜雙壟溝播技術(shù)模擬產(chǎn)量進(jìn)行研究，分別建立I1（裸地種植）、I2（覆膜率為45%的窄膜種植）、I3（覆膜率為81.8%的寬膜種植）、I4（覆膜率為100%全膜雙壟溝播技術(shù)種植）4種種植模式，對比分析4種模式的產(chǎn)量優(yōu)越性與環(huán)境適應(yīng)性，得出播種日期以及降雨量與土壤含水率關(guān)系。AquaCrop模擬結(jié)果表明，該模型適宜模擬定西市旱作農(nóng)業(yè)，I4模式產(chǎn)量模擬值和實測值之間皮爾遜相關(guān)系數(shù)(r)均大于0.91、均方根誤差(RMSE)為0.1~0.24、歸一化均方根誤差(CV(RMSE))為1.66%~2.10%、納什效率系數(shù)(EF)均大于0.9、一致性指數(shù)(d)大于0.94。定西市最佳播種日期選取平均氣溫穩(wěn)定在15℃左右（每年4月15—25日左右），該時段播種后產(chǎn)量最高，種植模式I4產(chǎn)量、地上生物量、水分生產(chǎn)力比種植模式I1分別高84.01%、19.79%、101.13%，比種植模式I2分別高82.26%、19.74%、85.47%，比種植模式I3分別高63.26%、14.80%、82.63%；干旱年種植模式I4土壤總含水率比I1、I2、I3模型均高90%以上，豐水年均高80%以上；2000—2020年間耗水量大于有效降雨量有7a，耗水量小于有效降雨量有13a，模擬結(jié)果表明全膜雙壟溝播技術(shù)耗水量與降雨量持平，不會透支土壤水分。

摘要:針對高密度種植作物綠豆精密播種時因理論株距小、合格范圍小及系統(tǒng)存在內(nèi)外干擾導(dǎo)致漏播率高、播種不均勻等問題，研究一種基于IGWO-LADRC的電動綠豆精密播種機(jī)控制系統(tǒng)。對排種電機(jī)建模，同時提出一種改進(jìn)灰狼算法（Improved grey wolf optimizer，IGWO）整定線性自抗擾控制器（Linearactive disturbance rejection control，LADRC）的參數(shù)，通過與經(jīng)驗法整定PID、經(jīng)驗法整定LADRC、GWO-LADRC 3種排種電機(jī)控制方式進(jìn)行對比，來檢驗所提出智能控制系統(tǒng)的優(yōu)勢。仿真實驗表明：基于IGWO-LADRC的電動綠豆精密播種機(jī)控制系統(tǒng)，系統(tǒng)無超調(diào)，調(diào)節(jié)時間為0.57s，無靜差，受干擾恢復(fù)時間為0.35s，且再次達(dá)到穩(wěn)態(tài)后無振蕩現(xiàn)象且無靜差。臺架試驗表明：智能電驅(qū)動播種相較傳統(tǒng)鏈驅(qū)動播種合格指數(shù)提升2.75個百分點，重播指數(shù)降低0.46個百分點，漏播指數(shù)降低2.22個百分點，變異系數(shù)降低8.91個百分點，合格株距變異系數(shù)降低7.89個百分點；相較傳統(tǒng)PID電控播種在各項排種性能指標(biāo)也更優(yōu)；合格指數(shù)提升2.20個百分點，重播指數(shù)降低0.37個百分點，漏播指數(shù)降低1.30個百分點，變異系數(shù)降低7.28個百分點，合格株距變異系數(shù)降低4.47個百分點。均滿足國家標(biāo)準(zhǔn)要求。

摘要:甘薯種植多以裸苗移栽為主，對機(jī)械化移栽要求較高。針對國內(nèi)甘薯移栽設(shè)備自動化程度低，作業(yè)時需要人工喂苗導(dǎo)致勞動強(qiáng)度大、機(jī)械化栽插質(zhì)量不高的問題，結(jié)合甘薯裸苗栽植農(nóng)藝要求，基于預(yù)處理苗帶喂苗裝置和撓性圓盤栽植裝置設(shè)計了一種甘薯裸苗自動移栽機(jī)，結(jié)合甘薯裸苗移栽機(jī)喂苗裝置、撓性圓盤栽植裝置和澆水裝置自動作業(yè)控制需要，設(shè)計了基于CAN總線的甘薯裸苗自動移栽機(jī)控制系統(tǒng)，能夠一次性完成旋耕、起壟、開溝、自動有序喂苗、定株距栽插、鎮(zhèn)壓覆土、自動澆水、修壟等作業(yè)。田間試驗表明，機(jī)具在目標(biāo)株距25cm以及作業(yè)速度0.25、0.35、0.45m/s的情況下，栽植株距變異系數(shù)和栽植深度合格率均達(dá)到了標(biāo)準(zhǔn)要求，栽植株距變異系數(shù)和栽植姿態(tài)合格率受作業(yè)速度影響較大，栽植深度受作業(yè)速度變化影響較小，在作業(yè)速度為0.25m/s時，栽植株距變異系數(shù)平均值為10.16%，栽植深度合格率平均值為95.56%，作業(yè)性能優(yōu)于0.35m/s和0.45m/s，栽植姿態(tài)合格率平均值為90%。本研究為甘薯裸苗機(jī)械化、自動化移栽機(jī)械的理論研究和設(shè)計提供了新的參考。

摘要:針對插拔式取苗機(jī)構(gòu)單靠取苗爪插入缽體夾取苗時，因受缽體與穴盤之間粘附力和盤根性不佳雙重影響，造成取苗成功率低、缽體破碎率高的問題，提出了一種頂夾拔組合式取苗技術(shù)，闡述了取苗裝置結(jié)構(gòu)和工作原理，開展了頂夾拔組合式取苗試驗研究。首先以72孔和128孔黃瓜穴盤苗為試驗對象，通過頂壓脫盤粘附力試驗，測試了不同頂苗速度（10、20、30、40mm/s）下黃瓜苗的脫盤粘附力以及頂壓脫離位移，試驗結(jié)果表明：頂苗速度對于苗缽粘附力及脫離位移影響不大，粘附力與苗缽脫離位移呈正相關(guān)，兩種規(guī)格穴盤苗頂苗脫離位移平均值分布在5.5~6.9mm之間，綜合考慮苗盤落水孔直徑和頂壓脫盤粘附力試驗結(jié)果，確定頂桿直徑為6mm，頂桿頂苗位移需大于5mm。其次以生長周期為25d的72孔黃瓜穴盤苗為試驗對象，開展了先頂后取、邊頂邊取、先插后頂3種取苗模式試驗，結(jié)果表明：先頂后取模式下取苗成功率和缽體完整率最高。最后以頂桿頂入位移、取苗爪插入苗缽取苗深度及插入取苗速度為試驗因素，開展了三因素三水平正交試驗，通過極差分析和方差分析得出頂夾拔取苗裝置的最優(yōu)工作參數(shù)組合為：頂入位移為15mm、插入苗缽深度為35mm，插入取苗速度為225mm/s，此組合下取苗成功率94.12%，苗缽?fù)暾?4.12%，滿足了自動取苗高質(zhì)量要求。

摘要:燕麥?zhǔn)且环N糧飼兼用作物，是我國種植業(yè)結(jié)構(gòu)調(diào)整的重要替代物和改善膳食結(jié)構(gòu)的重要品種。針對我國燕麥生產(chǎn)機(jī)械化水平低，各環(huán)節(jié)發(fā)展不均衡，基礎(chǔ)研究落后，產(chǎn)業(yè)化程度低，影響燕麥產(chǎn)業(yè)發(fā)展的生產(chǎn)實際，闡述了全球和我國燕麥產(chǎn)業(yè)現(xiàn)狀，從燕麥全程機(jī)械化技術(shù)體系角度，分析了燕麥生產(chǎn)全程機(jī)械化中的薄弱環(huán)節(jié)，對國內(nèi)外燕麥田間育種機(jī)械化技術(shù)與裝備、機(jī)械化耕整地技術(shù)與裝備、機(jī)械化播種技術(shù)與裝備、機(jī)械化田間管理技術(shù)與裝備、機(jī)械化收獲技術(shù)與裝備的發(fā)展現(xiàn)狀進(jìn)行了綜述分析。就現(xiàn)階段我國燕麥生產(chǎn)全程機(jī)械化發(fā)展存在的短板問題，建議圍繞基礎(chǔ)研究、多樣化技術(shù)與裝備研發(fā)、新技術(shù)推廣、標(biāo)準(zhǔn)制定、產(chǎn)業(yè)經(jīng)濟(jì)效益、自動化和智能化裝備等方面進(jìn)行深入研究，助推燕麥產(chǎn)業(yè)機(jī)械化進(jìn)程，促進(jìn)燕麥產(chǎn)業(yè)標(biāo)準(zhǔn)化、產(chǎn)業(yè)化。研究可為我國燕麥產(chǎn)業(yè)的發(fā)展提供參考。

摘要:針對西南丘陵山區(qū)機(jī)械化生產(chǎn)體系不完善、生產(chǎn)模式復(fù)雜多樣、缺乏系統(tǒng)評價等問題，以農(nóng)業(yè)經(jīng)營主體為研究對象，從規(guī)模適度-生產(chǎn)高效-生態(tài)友好等角度構(gòu)建“農(nóng)田+農(nóng)機(jī)+農(nóng)藝+信息”四融合的西南丘陵山區(qū)機(jī)械化生產(chǎn)系統(tǒng)及模式評價體系，包含農(nóng)田宜機(jī)化、適度規(guī)模經(jīng)營、農(nóng)機(jī)配備質(zhì)量、農(nóng)機(jī)裝備智能化程度、農(nóng)機(jī)生產(chǎn)效益和耕地健康6維度及15個三級指標(biāo)。應(yīng)用層次分析法和CRITIC法確定權(quán)重；以農(nóng)田稟賦為基礎(chǔ)、機(jī)械裝備為核心、規(guī)?；б鏋閷?dǎo)向選取西南地區(qū)小麥/玉米機(jī)械化生產(chǎn)4種典型模式進(jìn)行評價比較。結(jié)果表明：普通農(nóng)戶關(guān)鍵環(huán)節(jié)機(jī)械化生產(chǎn)模式（M1）下地塊較小且地勢起伏大，機(jī)具只能使用小型、低效率機(jī)械；化肥與農(nóng)藥施用量高于標(biāo)準(zhǔn)值，其經(jīng)營規(guī)模與發(fā)展模式不可持續(xù)；家庭農(nóng)場帶狀復(fù)合種植機(jī)械化生產(chǎn)模式（M2）下實現(xiàn)農(nóng)田連片經(jīng)營與田間生產(chǎn)全程機(jī)械化，然而帶狀復(fù)合種植收獲機(jī)具技術(shù)尚不成熟，導(dǎo)致模式整體作業(yè)效率低于合作社模式，但該模式可提高土地利用率、實現(xiàn)糧食增產(chǎn)，適宜在家庭農(nóng)場中推廣；合作社“全程機(jī)械化+數(shù)字化”生產(chǎn)模式（M3）下，大中型機(jī)械在宜機(jī)化改造后的農(nóng)田中充分發(fā)揮作業(yè)效率和燃油效率優(yōu)勢，同時產(chǎn)后干燥與初加工處理提升糧食質(zhì)量和效益，實現(xiàn)了產(chǎn)前、產(chǎn)中、產(chǎn)后全過程機(jī)械化，此外數(shù)字化管理系統(tǒng)有效提升農(nóng)業(yè)管理和機(jī)具使用效率，該模式適宜在丘陵山區(qū)合作社及部分家庭農(nóng)場中大力推廣；大型合作社種養(yǎng)循環(huán)全程機(jī)械化生產(chǎn)模式（M4）在全程高效機(jī)械賦能的基礎(chǔ)上，實現(xiàn)了種養(yǎng)結(jié)合的農(nóng)業(yè)產(chǎn)業(yè)鏈，合作社生產(chǎn)的青貯秸稈銷售給奶牛場做加工飼料，奶牛產(chǎn)出的有機(jī)肥供給合作社進(jìn)行循環(huán)利用，該模式實現(xiàn)生態(tài)經(jīng)濟(jì)耕作，適宜在部分養(yǎng)殖大縣中進(jìn)行推廣。4種模式的綜合評價值分別為：0.31、0.67、0.86和0.79，排序從大到小依次為：M3、M4、M2、M1；評價結(jié)果符合現(xiàn)實情況，該指標(biāo)體系能夠客觀評價各機(jī)械化生產(chǎn)模式特點，可為西南丘陵山區(qū)各經(jīng)營主體機(jī)械化生產(chǎn)模式選擇及改進(jìn)提供理論基礎(chǔ)。

摘要:由于丘陵山區(qū)地形地貌、農(nóng)田規(guī)模和地塊條件的特殊性，缺乏小麥玉米收獲機(jī)械科學(xué)選型方法，特別是對地形條件和安全性考慮不足，導(dǎo)致部分收獲機(jī)械在丘陵山區(qū)的作業(yè)適應(yīng)性、通過性差，損失率偏高。為提高小麥玉米收獲機(jī)械的適應(yīng)性，降低機(jī)收損失率，實現(xiàn)安全綠色高效生產(chǎn)，本文秉持先進(jìn)適用、輕簡高效、綠色環(huán)保、安全舒適等基本原則，在農(nóng)機(jī)選型理論基礎(chǔ)上，通過實地調(diào)研和專家咨詢，基于定性分析與定量分析相結(jié)合、理論與實際相結(jié)合、農(nóng)機(jī)與農(nóng)藝相融合的方法，采用層次分析法構(gòu)建了由能耗、作業(yè)效率、作業(yè)效果、作業(yè)性能、舒適性、安全性等6個二級指標(biāo)、16個三級指標(biāo)組成的丘陵山區(qū)小麥/玉米收獲機(jī)械選型評價指標(biāo)體系，根據(jù)專家調(diào)查法及相關(guān)研究確定評價指標(biāo)權(quán)重。結(jié)合田間試驗和實地調(diào)研，在四川省三臺縣對J-2.5型（Ⅰ）、L-3.5型（Ⅱ）、W-4.0型（Ⅲ）、S-4C型（Ⅳ）、A-5.0ZA型（Ⅴ）、W-6.0EA型（Ⅵ）等6種小麥?zhǔn)斋@機(jī)進(jìn)行選型評價驗證。研究結(jié)果表明，6種小麥?zhǔn)斋@機(jī)的綜合評價值分別為0.71、0.43、0.50、0.73、0.45和0.39，其效果排序依次為Ⅳ、Ⅰ、Ⅲ、Ⅴ、Ⅱ、Ⅵ。評價結(jié)果符合農(nóng)戶實際使用情況，說明該評價指標(biāo)體系在西南丘陵山區(qū)具有較好的科學(xué)性和適用性，可為有關(guān)管理部門和農(nóng)戶進(jìn)行小麥?zhǔn)斋@機(jī)械選型提供科學(xué)依據(jù)，并能為農(nóng)機(jī)科研單位、生產(chǎn)企業(yè)改型、研制適宜于丘陵山區(qū)的小麥玉米收獲機(jī)提供參考。

摘要:玉米清選損失監(jiān)測受清選脫出物種類多樣、環(huán)境噪聲復(fù)雜等影響嚴(yán)重，為了解決清選損失監(jiān)測精度差、效率低的問題，設(shè)計了一款基于最小能量準(zhǔn)則EMD（Empirical mode decomposition）去噪方法的清選損失監(jiān)測傳感器，實現(xiàn)了對采集信號中的振動、工噪和雜余等信號分離。利用Matlab仿真對模擬信號進(jìn)行去噪，與小波去噪、低通濾波法和移動平均法3種去噪方法相比，基于最小能量準(zhǔn)則EMD去噪方法在不同信噪比下均方根誤差（RMSE）最小，為0.1698，信噪比（SNR）最高，為12.7453，處理后的信號最接近原始信號。為驗證該方法的實用性，以籽粒損失率分別為0、5%、10%、15%和20%的沖擊樣本開展損失率監(jiān)測傳感器臺架試驗，結(jié)果表明：該傳感器最小檢測誤差為1.8%，最大檢測誤差為3.9%，對比小波去噪、低通濾波法和移動平均法3種去噪方法所得試驗數(shù)據(jù)，最小能量準(zhǔn)則EMD去噪方法的平均誤差分別減小了2.12、4.40、6.52個百分點，與仿真試驗結(jié)果一致。該研究對于提高玉米清選損失率檢測精度特別是信號處理過程中去噪方法的研究具有重要意義。

摘要:針對甘薯秧蔓收獲過程中輸送通道堵塞、功耗大、作業(yè)參數(shù)采集難等問題，研究設(shè)計了在不同喂入速度、夾持輸送速度和切割速度下甘薯秧蔓收獲特性試驗裝置。試驗裝置由喂入裝置、割臺裝置和控制系統(tǒng)組成，喂入速度、夾持輸送速度和切割速度可調(diào)整。以秧蔓收凈率、切割力和切割扭矩為目標(biāo)值，對喂入速度、夾持輸送速比和切割速度等影響因素進(jìn)行了中心組合試驗和驗證試驗。建立了響應(yīng)面數(shù)學(xué)模型，分析了各因素對作業(yè)性能的影響，同時，對影響因素進(jìn)行了綜合優(yōu)化。試驗結(jié)果表明：收凈率影響顯著性主次順序為夾持輸送速比、喂入速度、切割速度，切割力和切割扭矩影響顯著性主次順序為切割速度、夾持輸送速比、喂入速度；其最優(yōu)工作參數(shù)組合為喂入速度0.55m/s、夾持輸送速比1.48、切割速度1.50m/s時，收凈率為91.0%、切割力為152.89N、切割扭矩為5.87N·m，驗證試驗表明實測值與理論優(yōu)化值誤差小于5%。

摘要:針對國內(nèi)蘋果園人工采收效率低和損傷率高的問題，設(shè)計了一種蘋果采收平臺輸送裝置，實現(xiàn)蘋果自動輸送作業(yè)。首先通過對蘋果輸送過程進(jìn)行運動學(xué)分析，確定影響蘋果機(jī)械損傷的主要因素及各因素的試驗取值范圍。其次根據(jù)Box-Behnken試驗設(shè)計原理，以輸送速度、果托傾角、果托形狀為試驗因素，以損傷率為試驗指標(biāo)，對蘋果采收平臺輸送裝置的作業(yè)參數(shù)進(jìn)行試驗研究，建立試驗指標(biāo)與試驗因素之間的回歸模型。最后分析了各因素對試驗指標(biāo)的影響規(guī)律，并根據(jù)回歸模型對試驗因素進(jìn)行綜合優(yōu)化。試驗結(jié)果表明：當(dāng)輸送速度為0.2m/s、果托傾角為30°、果托形狀為圓臺體時，蘋果損傷率為3.69%，蘋果機(jī)械損傷明顯低于未經(jīng)參數(shù)優(yōu)化的蘋果采收平臺輸送裝置，輸送作業(yè)效果最好。研究結(jié)果可為蘋果園采收平臺的結(jié)構(gòu)優(yōu)化和輸送作業(yè)參數(shù)控制提供參考。

摘要:谷物水分的快速測量對谷物準(zhǔn)確測產(chǎn)、糧食快速收儲、精準(zhǔn)農(nóng)業(yè)實施具有重要意義。針對聯(lián)合收獲機(jī)動態(tài)作業(yè)條件下小麥水分檢測穩(wěn)定性差、測量精度低等問題，基于小麥介電特性原理，設(shè)計一種聯(lián)合收獲機(jī)水分在線檢測裝置，提出一種動態(tài)連續(xù)取樣、靜態(tài)間歇測量的新方法，實現(xiàn)了聯(lián)合收獲機(jī)作業(yè)條件下，在線快速穩(wěn)定檢測小麥含水率。在線檢測裝置由機(jī)械動態(tài)取樣部分、電機(jī)控制模塊、傳感器模塊、數(shù)據(jù)采集模塊、衛(wèi)星定位模塊和顯示終端組成。其中傳感器模塊包括水分傳感器、溫度傳感器和料位傳感器。開展了靜態(tài)驗證試驗和田間動態(tài)驗證試驗。試驗結(jié)果表明，靜態(tài)條件下，含水率在線檢測誤差在3%以內(nèi)；在田間動態(tài)變化條件下，建立了基于介電常數(shù)和溫度因子的水分檢測模型，實測值和檢測值相關(guān)系數(shù)達(dá)到0.92，在線檢測誤差小于5%。采用動態(tài)連續(xù)采樣、靜態(tài)間歇測量的方法顯著提高了含水率在線檢測的精度，為實現(xiàn)小麥精準(zhǔn)生產(chǎn)提供了一種快速測量手段。

摘要:單擺鏟柵收獲裝置的驅(qū)動轉(zhuǎn)矩為4組單體轉(zhuǎn)矩的耦合疊加且隨負(fù)載周期變化，最大驅(qū)動轉(zhuǎn)矩及轉(zhuǎn)矩波動度直接影響了拖拉機(jī)功率匹配與功率利用效率。為研究收獲裝置驅(qū)動轉(zhuǎn)矩特性，在工作單體受力分析基礎(chǔ)上建立了單體轉(zhuǎn)矩、驅(qū)動轉(zhuǎn)矩、比功耗解析方程，結(jié)合離散元仿真分析了收獲裝置驅(qū)動轉(zhuǎn)矩時域響應(yīng)特點：單體轉(zhuǎn)矩呈現(xiàn)每周期雙峰、相鄰周期強(qiáng)弱變化規(guī)律，受組間振動平衡與土壤粘塑性作用，驅(qū)動轉(zhuǎn)矩呈現(xiàn)每周期雙峰、相鄰周期微變的規(guī)律，峰值約為單體轉(zhuǎn)矩的1.2~2.3倍。為明確相關(guān)參數(shù)對驅(qū)動轉(zhuǎn)矩的影響，開展了四因素三水平Box-Behnken仿真試驗，建立了最大驅(qū)動轉(zhuǎn)矩、轉(zhuǎn)矩波動度、比功耗預(yù)測數(shù)學(xué)模型，仿真試驗結(jié)果表明：振幅、振動頻率、挖掘深度、前進(jìn)速度、振幅與振動頻率交互項均是最大驅(qū)動轉(zhuǎn)矩、比功耗的主要影響因素，振動頻率、挖掘深度對轉(zhuǎn)矩波動度有較大影響。甘草收獲田間試驗結(jié)果表明：當(dāng)挖掘深度為450~500mm時（工況1），驅(qū)動轉(zhuǎn)矩呈現(xiàn)每周期雙峰、相鄰周期強(qiáng)弱變化的規(guī)律，最大驅(qū)動轉(zhuǎn)矩為797.17N·m、轉(zhuǎn)矩波動度為2.54、比功耗為122.06kJ/m3、收凈率為96.42%；當(dāng)挖掘深度為350~400mm時（工況2），最大驅(qū)動轉(zhuǎn)矩較工況1下降約39.44%，轉(zhuǎn)矩波動度下降約27.95%，比功耗與收凈率基本不變。該研究可為單擺鏟柵收獲裝置結(jié)構(gòu)參數(shù)優(yōu)化及根莖作物振動減阻節(jié)能收獲研究提供參考。

摘要:基于聚類分析的數(shù)據(jù)挖掘技術(shù)能夠推動農(nóng)業(yè)的精準(zhǔn)生產(chǎn)、精細(xì)管理和精準(zhǔn)營銷，對于實現(xiàn)農(nóng)業(yè)的智能機(jī)械化、精準(zhǔn)化，進(jìn)而促進(jìn)農(nóng)業(yè)的高效化和現(xiàn)代化具有重要價值。首先對基于聚類分析的數(shù)據(jù)挖掘技術(shù)內(nèi)涵及方法體系作了闡述，包括特征選擇及特征提取、距離度量、聚類算法分類、聚類性能評價指標(biāo)4方面；進(jìn)而梳理了目前聚類分析在農(nóng)業(yè)領(lǐng)域的動植物遺傳繁育數(shù)據(jù)挖掘、農(nóng)田分區(qū)精準(zhǔn)管理、農(nóng)產(chǎn)品品質(zhì)評價、農(nóng)產(chǎn)品市場細(xì)分、農(nóng)戶異質(zhì)性分析與精準(zhǔn)服務(wù)5大方向中的應(yīng)用研究，最后對農(nóng)業(yè)領(lǐng)域的聚類分析進(jìn)行了總結(jié)與展望。

摘要:為了分析櫻桃樹葉片的形態(tài)結(jié)構(gòu)，為櫻桃樹冠層光照分布及櫻桃果樹整形修剪提供理論基礎(chǔ)，提出了一種基于改進(jìn)Harris角點檢測及NURBS曲線的櫻桃樹葉片重建方法。利用中值濾波法及經(jīng)典邊緣檢測算法對獲得的原始櫻桃樹葉片圖像進(jìn)行預(yù)處理，得到樹葉輪廓。針對傳統(tǒng)NUBRS曲線原理重構(gòu)輪廓時無法構(gòu)成閉合曲面，特征點之間相互干擾等問題，提出了一種新的算法來重構(gòu)輪廓。該算法首先將特征點分為左右兩部分，分別重建左右兩側(cè)輪廓，再將兩者連接得到完整的輪廓;其次運用改進(jìn)的Harris角點檢測法提取角點來作為特征點；再次，通過檢測窗口中心點灰度與其周圍n鄰域內(nèi)其他像素點灰度的相似程度，計算灰度之差來設(shè)定一個閾值，并根據(jù)該閾值范圍提取角點；最后，根據(jù)虛擬輪廓構(gòu)建虛擬葉片。實驗結(jié)果表明，改進(jìn)后的算法大大減少了計算量，平均消耗時間由4.61s減少到2.30s。本文方法較真實地重構(gòu)了櫻桃樹葉片邊緣形狀，為櫻桃樹冠層光照分布計算提供了技術(shù)支持。

摘要:利用土壤含水率與近紅外光譜土壤反射率和土壤電導(dǎo)率三者之間的關(guān)系，以土壤含水率為中間變量，間接表達(dá)土壤光譜反射率和土壤電導(dǎo)率之間的關(guān)系。土壤含水率與土壤光譜反射率存在指數(shù)關(guān)系，土壤含水率與土壤電導(dǎo)率存在線性關(guān)系，消除中間變量（土壤含水率），得到土壤光譜反射率和土壤電導(dǎo)率之間的關(guān)系。以土壤水分敏感波段1450nm作為研究對象，研究土壤電導(dǎo)率的預(yù)測模型，分別建立指數(shù)預(yù)測模型和對數(shù)預(yù)測模型，并分別對兩種模型進(jìn)行驗證。本文實驗建模集樣本72個，驗證集樣本48個，土壤電導(dǎo)率對數(shù)預(yù)測模型R2達(dá)0.80，土壤電導(dǎo)率指數(shù)預(yù)測模型R2達(dá)0.85，預(yù)測效果均可滿足農(nóng)田電導(dǎo)率估算，但對數(shù)模型在土壤電導(dǎo)率較低區(qū)間預(yù)測效果不理想，因此土壤電導(dǎo)率指數(shù)預(yù)測模型預(yù)測效果優(yōu)于對數(shù)模型的預(yù)測效果。研究結(jié)果表明，土壤光譜反射率預(yù)測土壤電導(dǎo)率的方案可行，并為光譜信息預(yù)測土壤電導(dǎo)率提供了新思路。

摘要:為實現(xiàn)農(nóng)田生態(tài)系統(tǒng)碳通量動態(tài)監(jiān)測，提出一種基于Landsat系列多源遙感數(shù)據(jù)的農(nóng)田生態(tài)系統(tǒng)碳通量估算方法。以美國東北部內(nèi)布拉斯加州大學(xué)農(nóng)業(yè)研發(fā)中心的3塊試驗田地為研究區(qū)域，并結(jié)合AmeriFlux公開的對應(yīng)通量站點數(shù)據(jù)進(jìn)行后續(xù)建模分析。從氣候變量、土壤性質(zhì)、植物性狀3方面綜合出發(fā)，優(yōu)選與農(nóng)田生態(tài)系統(tǒng)碳通量密切相關(guān)的遙感因子，構(gòu)建覆蓋農(nóng)田生態(tài)過程關(guān)鍵環(huán)節(jié)的全遙感要素數(shù)據(jù)集。隨后，構(gòu)建基于隨機(jī)森林(Random forest，RF)的農(nóng)田碳通量回歸預(yù)測模型，相比于嶺回歸模型和套索模型，該模型在農(nóng)田生態(tài)系統(tǒng)碳通量估算方面效果更優(yōu)，其決定系數(shù)(Coefficient of determination，R2)達(dá)到0.94，均方根誤差（RMSE）為4.281g/(m2·d)?；陔S機(jī)森林模型進(jìn)行因子的重要性分析可知，DVI、 NDWI、MSAVI、NRI、NDVI對碳通量估算的貢獻(xiàn)度分別為35.6%、25.8%、12.2%、7.8%、5.2%。在以上研究基礎(chǔ)上，通過農(nóng)田生態(tài)系統(tǒng)碳收支時空演變特性分析可知，內(nèi)布拉斯加州2013年作物生育期內(nèi)的7、8月時農(nóng)田碳匯能力最強(qiáng)，在種植初期大豆和玉米均呈現(xiàn)弱碳源，且玉米的碳源能力更強(qiáng)，在生長高峰期時玉米和大豆均呈碳匯，且玉米碳匯能力更強(qiáng)。本研究為農(nóng)田生態(tài)系統(tǒng)碳收支精準(zhǔn)估算，進(jìn)而指導(dǎo)農(nóng)業(yè)生產(chǎn)提供理論支持。

摘要:為提高對櫻桃果實識別的準(zhǔn)確率，提升果園自動采摘機(jī)器人的工作效率，使用采集到的櫻桃原始圖像以及其搭配不同數(shù)據(jù)增強(qiáng)方式得到的數(shù)據(jù)圖像共1816幅建立數(shù)據(jù)集，按照8∶2將數(shù)據(jù)集劃分成訓(xùn)練集與測試集?；谏疃葘W(xué)習(xí)網(wǎng)絡(luò)，利用YOLO v5模型分別對不同數(shù)據(jù)增強(qiáng)方式以及組合增強(qiáng)方式擴(kuò)增后的櫻桃數(shù)據(jù)集進(jìn)行識別檢測，結(jié)果表明離線增強(qiáng)與在線增強(qiáng)均對模型精度提升有一定的正向促進(jìn)作用，其中采用離線數(shù)據(jù)增強(qiáng)策略能夠顯著且穩(wěn)定的增加檢測精度，在線數(shù)據(jù)增強(qiáng)策略能夠小幅度提高檢測精度，同時使用離線增強(qiáng)以及在線增強(qiáng)能夠最大幅度的提升平均檢測精度。針對櫻桃果實之間相互遮擋以及圖像中的小目標(biāo)櫻桃檢測難等導(dǎo)致自然環(huán)境下櫻桃果實檢測精度低的問題，本文將YOLO v5的骨干網(wǎng)絡(luò)進(jìn)行改動，增添具有注意力機(jī)制的Transformer模塊，Neck結(jié)構(gòu)由原來的PAFPN改成可以進(jìn)行雙向加權(quán)融合的BiFPN，Head結(jié)構(gòu)增加了淺層下采樣的P2模塊，提出一種基于改進(jìn)YOLO v5的自然環(huán)境下櫻桃果實的識別網(wǎng)絡(luò)。實驗結(jié)果表明：相比于其他已有模型以及單一結(jié)構(gòu)改進(jìn)后的YOLO v5模型，本文提出的綜合改進(jìn)模型具有更高的檢測精度，使平均精度均值2提高了29個百分點。結(jié)果表明該方法有效的增強(qiáng)了識別過程中特征融合的效率和精度，顯著地提高了櫻桃果實的檢測效果。同時，本文將訓(xùn)練好的網(wǎng)絡(luò)模型部署到安卓(Android)平臺上。該系統(tǒng)使用簡潔，用戶設(shè)備環(huán)境要求不高，具有一定的實用性，可在大田環(huán)境下對櫻桃果實進(jìn)行準(zhǔn)確檢測，能夠很好地滿足實時檢測櫻桃果實的需求，也為自動采摘等實際應(yīng)用奠定了基礎(chǔ)。

摘要:為減少水分、粒度對傳統(tǒng)方式選取特征波長建立的土壤有機(jī)質(zhì)預(yù)測模型的影響，本文提出新的特征波長提取方法。采集中國農(nóng)業(yè)大學(xué)上莊實驗站土壤樣本60份，將樣本自然風(fēng)干后一分為二，一份配成5個粒度梯度（粒徑2~2.5mm、1.43~2mm、1~1.43mm、0.6~1mm、0~0.6mm），另一份過0.6mm篩后配成5個水分梯度（含水率5%、10%、15%、20%、25%）。通過標(biāo)準(zhǔn)儀器分別獲取土壤有機(jī)質(zhì)含量真值和土壤光譜信息，使用隨機(jī)蛙跳算法進(jìn)行特征波長提取，每個水分、粒度梯度下分別選取7個與土壤有機(jī)質(zhì)含量真值相關(guān)性較高的波長作為對應(yīng)梯度下選取的特征波長，分別建立多元線性回歸（MLR）、偏最小二乘（PLS）、隨機(jī)森林（RF）模型，結(jié)果表明：隨著含水率增高，3種模型的建模集和預(yù)測集決定系數(shù)R2基本呈減小趨勢；在2~2.5mm粒度梯度下，3種模型的建模集和預(yù)測集R2最低，在0~0.6mm梯度下，建模集和預(yù)測集R2最高，其余梯度下，建模集和預(yù)測集R2接近。結(jié)合濾光片帶通范圍（±15nm），挑選出水分梯度下相同或者接近的8個土壤有機(jī)質(zhì)特征波長，粒度梯度下選取6個特征波長，最終結(jié)合化學(xué)鍵特性在水分梯度和粒度梯度下確定的14個特征波長下剔除了6個，確定8個特征波長：932、999、1083、1191、1316、1356、1583、1626nm。分別建立MLR、PLS、RF模型，結(jié)果表明：最終選取的有機(jī)質(zhì)特征波長建立的3種模型建模集R2均不低于0.8、預(yù)測集R2均不低于0.75，其中PLS預(yù)測效果最佳，建模集、預(yù)測集R2分別為0.8809、0.8402。本研究所確定的有機(jī)質(zhì)特征波長建立的模型具有更好的適用性和預(yù)測效果，相比于傳統(tǒng)方式，一定程度上消除水分、粒度對預(yù)測的影響。

摘要:為快速獲取作物的生長狀態(tài)信息及時指導(dǎo)農(nóng)業(yè)生產(chǎn)，基于作物生理生化光譜學(xué)響應(yīng)機(jī)理，設(shè)計了基于光環(huán)境校正的便攜作物葉綠素檢測裝置。裝置測量以610、680、730、760、810、860nm為中心，20nm帶寬的反射光譜以及環(huán)境光照光譜數(shù)據(jù)，計算植被指數(shù)并預(yù)測植物葉綠素含量，在環(huán)境光照強(qiáng)度較差時使用主動補(bǔ)光燈進(jìn)行補(bǔ)光，并對補(bǔ)光條件下環(huán)境光照強(qiáng)度進(jìn)行校正。實驗表明GPS定位在緯度最大漂移為6.2m、經(jīng)度最大漂移為4.9m；光譜傳感器6個波段的光強(qiáng)響應(yīng)與照度計測量值之間的決定系數(shù)均超過0.99；標(biāo)定的2塊光譜傳感器的匹配系數(shù)在610nm和860nm波段分別為0.743、1.035。建立了610nm和860nm波段補(bǔ)光強(qiáng)度與測量距離間的擬合模型用于光環(huán)境校正；使用無紡布進(jìn)行了葉綠素梯度實驗，建立了植被指數(shù)NDVI與植物葉綠素含量的數(shù)學(xué)模型，在較差光環(huán)境條件下不進(jìn)行補(bǔ)光的模型決定系數(shù)為0.685，補(bǔ)光并進(jìn)行校正情況下模型決定系數(shù)為0.965。

摘要:為實現(xiàn)快速、無損、實時監(jiān)測不同灌溉處理下棉花植株葉面積指數(shù)，借助高光譜遙感技術(shù)獲取了棉花植株4個生育期的冠層反射率，同時獲取每株棉花的葉面積指數(shù)，用一階導(dǎo)數(shù)、二階導(dǎo)數(shù)、標(biāo)準(zhǔn)正態(tài)變換，多元散射校正、小波分析等光譜預(yù)處理方法，經(jīng)過連續(xù)投影算法提取特征波段，用偏最小二乘法建立4個生育期（總體）和各生育期的高光譜估算模型。對比6種預(yù)處理方法在4個生育期和各生育期建模精度表明，4個生育期（總體）、蕾期、花期、花鈴期的小波分解尺度為4、2、8、2，模型分別為CWT-SPA-PLS、CWT-FD-SPA-PLS、CWT-SPA-PLS、CWT-FD-SPA-PLS時可取得較好的精度；經(jīng)二階導(dǎo)數(shù)處理后，鈴期可取得較好的結(jié)果，R2和RPD分別0.973、5.3295，優(yōu)于其他預(yù)處理。試驗結(jié)果表明，利用預(yù)處理方法尤其是小波分析方法得到的光譜信息可有效估測棉花4個生育期（總體）和各生育期的葉面積指數(shù)。

摘要:合理的果樹冠層結(jié)構(gòu)和栽培密度可提高其冠層內(nèi)光截獲量，對提升果實產(chǎn)量和質(zhì)量有重要影響。本文以細(xì)紡錘形櫻桃樹為研究對象，構(gòu)建了基于三維點云的群體櫻桃樹冠層光照分布預(yù)測模型。使用Azure Kinect DK相機(jī)獲取群體櫻桃樹三維點云數(shù)據(jù)，通過點云數(shù)據(jù)預(yù)處理得到完整的群體櫻桃樹三維點云數(shù)據(jù)。在冠層尺度內(nèi)，對櫻桃樹冠層點云數(shù)據(jù)進(jìn)行分層，提取不同區(qū)域的點云顏色特征。提出基于Delaunay三角化凹包算法的點云投影面積計算方法，通過凹包邊界點提取和向量積叉乘，計算不同區(qū)域的點云投影面積。以點云顏色特征和相對投影面積特征為輸入，以實測相對光照強(qiáng)度為輸出，建立群體櫻桃樹冠層光照分布預(yù)測模型。試驗結(jié)果表明，該模型能夠較為準(zhǔn)確地預(yù)測櫻桃樹冠層內(nèi)的光照分布，預(yù)測值與實際值決定系數(shù)平均值為0.885，均方根誤差為0.0716。研究結(jié)果可為櫻桃樹合理的種植密度管理及櫻桃樹休眠期自動化剪枝等提供技術(shù)支持。

摘要:為研究溫室內(nèi)番茄冠層作物水分脅迫指數(shù)（CWSI）問題，通過布設(shè)多參數(shù)傳感器，實時獲取溫室內(nèi)外各環(huán)境參數(shù)。利用灰度關(guān)聯(lián)分析，計算各環(huán)境參數(shù)與番茄冠層CWSI的關(guān)聯(lián)度，根據(jù)關(guān)聯(lián)度對環(huán)境參數(shù)進(jìn)行排序，同時考慮對模型精度的影響，最終從9個環(huán)境參數(shù)中選取7個作為模型輸入，建立基于LightGBM的溫室番茄冠層CWSI預(yù)測模型。結(jié)合貝葉斯算法優(yōu)化其中的關(guān)鍵參數(shù)，將模型預(yù)測結(jié)果與通過Jones經(jīng)驗公式計算出的CWSI做相關(guān)性分析，在相同的運算環(huán)境下，分別與GBRT和SVR模型對比。試驗結(jié)果表明，基于貝葉斯優(yōu)化LightGBM模型的決定系數(shù)（R2）、平均絕對誤差（MAE）、均方根誤差（RMSE）和運算時間分別為0.9601、0.0218、0.0314和0.0518s，與GBRT和SVR模型相比，其R2分別提高2.14%和14.05%，MAE分別降低0.0093和0.0612，RMSE分別降低0.0097和0.0591，時間分別縮短0.0459s和0.0612s。表明本研究提出的LightGBM模型性能更有效地提高了溫室番茄冠層CWSI的預(yù)測精度，為實現(xiàn)溫室番茄按需灌溉提供了參考。

摘要:反芻動物通過向大氣釋放甲烷氣體導(dǎo)致全球變暖，甲烷作為全球第二大溫室氣體，其排放帶來的溫室效應(yīng)相當(dāng)于CO2的25倍。國內(nèi)外反芻動物甲烷排放核算方法和監(jiān)測技術(shù)正向著全面化、智能化和管控精準(zhǔn)化的方向發(fā)展。為了監(jiān)測反芻動物甲烷排放量，為畜禽養(yǎng)殖業(yè)甲烷減排核算提供參考，尋找合適的反芻動物甲烷排放核算及監(jiān)測方法成為當(dāng)前相關(guān)學(xué)者研究的熱點。本文主要對反芻動物溫室氣體甲烷排放來源、核算方法、監(jiān)測技術(shù)的應(yīng)用現(xiàn)狀等內(nèi)容進(jìn)行闡述。參考國內(nèi)外相關(guān)畜禽養(yǎng)殖業(yè)甲烷排放等相關(guān)文獻(xiàn)，比較了OECD（經(jīng)濟(jì)合作與發(fā)展組織）法、IPCC（聯(lián)合國政府間氣候變化專門委員會）系數(shù)法、省級溫室氣體清單編制指南和生命周期評價法(LCA)的優(yōu)缺點。重點對比分析了呼吸面罩和頭箱監(jiān)測法、紅外光譜技術(shù)監(jiān)測法、呼吸代謝室監(jiān)測法等7種方法的反芻動物甲烷排放監(jiān)測技術(shù)應(yīng)用研究進(jìn)展，以期為推動國內(nèi)反芻動物溫室氣體甲烷監(jiān)測技術(shù)發(fā)展和減排工作提供參考與借鑒。

摘要:生物質(zhì)爐具是通過生物質(zhì)燃燒提供熱量的環(huán)保型爐具，具有高效、環(huán)保、熱效率高、煙塵排放低等優(yōu)點，被廣泛應(yīng)用于民用熱水、建筑采暖和工業(yè)熱力等領(lǐng)域中，在我國有著悠久的歷史和廣泛的基礎(chǔ)。然而，市面上現(xiàn)存的生物質(zhì)爐具由于技術(shù)限制，在燃燒過程中難以保證生物質(zhì)燃料充分燃燒，存在鍋爐熱效率低及污染環(huán)境問題；故本文設(shè)計了一種基于變壓射流燃燒技術(shù)的生物質(zhì)成型燃燒爐具，即在燃燒過程中，2個進(jìn)氣機(jī)構(gòu)所形成的一次風(fēng)和二次風(fēng)在爐體中以自旋、整體旋或者二者疊加的方式存在，通過改變兩次風(fēng)的風(fēng)量比例、進(jìn)氣位置、充氣角度，在爐具內(nèi)形成不同的風(fēng)壓射流，以強(qiáng)化熱質(zhì)傳遞，確保燃盡效果，在燃燒過程中有效控制氮氧化物的生成與排放。燃料燃燒試驗結(jié)果表明：玉米秸稈燃燒熱效率為85.97%，底灰結(jié)渣率為3.42%，生物質(zhì)顆粒燃燒較充分；SO2排放量為18.34mg/m3，NOx排放量為91.45mg/m3，CO體積分?jǐn)?shù)為0.092%，污染物排放量符合國家標(biāo)準(zhǔn)；鍋爐具有較好的穩(wěn)定性，滿足設(shè)計要求。

摘要:我國葡萄產(chǎn)量逐年上升，田間葡萄品質(zhì)檢測有益于提高葡萄收獲后流入市場的經(jīng)濟(jì)效益。傳統(tǒng)田間葡萄品質(zhì)檢測主要依靠人工進(jìn)行破壞性檢測，存在經(jīng)驗差異導(dǎo)致的誤差。隨著深度學(xué)習(xí)、圖像檢測技術(shù)的發(fā)展，基于機(jī)器視覺的田間葡萄品質(zhì)檢測克服了傳統(tǒng)人工檢測的局限性，以快速精準(zhǔn)、實時無損檢測的優(yōu)勢得到了大量應(yīng)用。葡萄品種不同，衡量其內(nèi)、外在品質(zhì)評級的指標(biāo)也不同。本文根據(jù)葡萄品種與品質(zhì)評價指標(biāo)，從品種的機(jī)器視覺檢測方法、品質(zhì)的機(jī)器視覺檢測方法展開，對國內(nèi)外基于機(jī)器視覺技術(shù)的田間葡萄品質(zhì)無損檢測相關(guān)研究進(jìn)行系統(tǒng)性分析與總結(jié)?？偨Y(jié)了不同機(jī)器視覺檢測方法對葡萄品質(zhì)指標(biāo)檢測的優(yōu)缺點，并對田間葡萄品質(zhì)無損檢測研究面臨的問題進(jìn)行了討論，指出了今后的發(fā)展趨勢與研究方向。

摘要:針對發(fā)芽馬鈴薯在線檢測需求，提出使用輕量級卷積神經(jīng)網(wǎng)絡(luò)對發(fā)芽薯進(jìn)行檢測。首先將獲取的馬鈴薯樣本基于分級線進(jìn)行圖像采集，經(jīng)過數(shù)據(jù)增強(qiáng)擴(kuò)充樣本。搭建Shuffle-Net輕量級卷積神經(jīng)網(wǎng)絡(luò)，對比了不同學(xué)習(xí)率與學(xué)習(xí)率衰減策略對模型的影響。試驗發(fā)現(xiàn)，當(dāng)學(xué)習(xí)率為0.001，衰減策略為W-EP時表現(xiàn)最佳，發(fā)芽薯與健康薯的總體識別準(zhǔn)確率為97.8%，單個樣本識別時間為0.14s，模型內(nèi)存占用量為5.2MB。對實驗結(jié)果進(jìn)行評價，查準(zhǔn)率為98.0%，查全率為97.1%，特異性為98.4%，調(diào)和均值為97.5%。選擇VGG11、Alex-Net、Res-Net101模型與本文模型進(jìn)行對比，發(fā)現(xiàn)本文模型識別準(zhǔn)確率較VGG11與Alex-Net有大幅度提升，單個樣本識別速度較Res-Net101提高5倍、較VGG11提高近7倍，模型體量較VGG11、Alex-Net、Res-Net101大幅度減少。將模型內(nèi)部卷積進(jìn)行了可視化分析并對結(jié)果進(jìn)行了誤判分析，發(fā)現(xiàn)當(dāng)芽體顏色暗、較短且處于薯體邊緣的情況下，會造成誤判。由此可得本實驗?zāi)Ｐ蛯崿F(xiàn)了發(fā)芽薯準(zhǔn)確、有效的識別，同時還具有識別速度快、體量小、移植性強(qiáng)的優(yōu)點，可為農(nóng)產(chǎn)品外部無損檢測分級提供理論支撐。

摘要:糖度是西瓜分級的重要指標(biāo)之一，針對傳統(tǒng)西瓜檢測方法的弊端，探討了聲學(xué)特性結(jié)合機(jī)器學(xué)習(xí)用于西瓜無損檢測與分級的可行性。設(shè)計了西瓜聲學(xué)檢測系統(tǒng)，采集了不同批次樣本的時域信號。時域信號經(jīng)歸一化處理后，采用快速傅里葉變換得到頻域信號，并對其進(jìn)行去趨勢預(yù)處理。采用主成分分析提取了頻域信號主成分，其中前3個主成分累計方差貢獻(xiàn)率為95.32%，第1主成分和第2主成分對不同等級樣本具有可分性。利用4種不同的機(jī)器學(xué)習(xí)算法建立了西瓜全變量分級模型，驗證集分類準(zhǔn)確率均達(dá)到66%以上。使用穩(wěn)定競爭性自適應(yīng)加權(quán)算法提取了特征變量，減少了約84%的變量數(shù)，使用優(yōu)化后的特征變量建立的分類模型，性能均得到了較好的提升，其中支持向量機(jī)模型取得了最高的驗證集準(zhǔn)確率（95.56%）、F1分?jǐn)?shù)（96%）和Kappa系數(shù)（93%）。結(jié)果表明，聲學(xué)特性結(jié)合機(jī)器學(xué)習(xí)的方法，對西瓜進(jìn)行無損檢測和分級是可行的。該研究為西瓜無損檢測和分級提供了可行的技術(shù)方案。

摘要:針對拖掛式大載荷特種車輛作業(yè)自動化以及高精度安全作業(yè)需求，以大載荷牽引車為對象，設(shè)計了一套拖掛式機(jī)組自主導(dǎo)航控制系統(tǒng)。車載程控系統(tǒng)采用模塊化分布式系統(tǒng)，通過CAN總線實現(xiàn)系統(tǒng)內(nèi)各模塊間通信，遠(yuǎn)程運管平臺與車載程控終端之間采用TCP協(xié)議進(jìn)行數(shù)據(jù)通信，實現(xiàn)遠(yuǎn)程運管平臺與車載程控系統(tǒng)間信息交互。建立拖掛式特種車輛的運動學(xué)模型，分析牽引作業(yè)時被牽引機(jī)具的牽引狀態(tài)和最小轉(zhuǎn)彎半徑。針對傳統(tǒng)純追蹤算法中固定前視距離缺陷，本文根據(jù)當(dāng)前牽引車實時速度、追蹤路徑曲率、航向等信息動態(tài)計算前視距離，將固定前視距離改進(jìn)為動態(tài)前視距離追蹤，由單參數(shù)變?yōu)槎鄥?shù)進(jìn)行優(yōu)化控制參數(shù)，顯著提高了軌跡追蹤精度；使用隨機(jī)森林算法對軌跡追蹤數(shù)據(jù)進(jìn)行特征提取，根據(jù)各個特征重要性指標(biāo)權(quán)重，修改算法參數(shù)。在試驗場地為水平傾斜度最大為2°的空曠的水泥跑道上，牽引車質(zhì)量2t，被牽引機(jī)具質(zhì)量10t、長22m，且牽引機(jī)組設(shè)計要求最大行駛速度為6km/h、最大橫向偏差為50cm。根據(jù)復(fù)雜路徑試驗與數(shù)據(jù)分析，系統(tǒng)糾偏響應(yīng)時延最大為84ms，牽引機(jī)組絕對橫向誤差最大為37.14cm，平均絕對誤差為14.91cm，滿足大載荷拖掛作業(yè)中的實際應(yīng)用要求。

摘要:為研究拖拉機(jī)旋耕作業(yè)載荷對動力輸出傳動系振動特性的影響，采用系統(tǒng)動力學(xué)建模、臺架試驗驗證、田間試驗與仿真分析相結(jié)合的方法加以分析。首先，在分析動力輸出傳動系結(jié)構(gòu)的基礎(chǔ)上，建立了描述其載荷傳遞機(jī)理的扭振耦合空間動力學(xué)模型，此模型詳細(xì)考慮了橫向和垂向的齒輪嚙合傳遞效應(yīng)。其次，利用拖拉機(jī)PTO加載試驗臺對模型的仿真結(jié)果進(jìn)行試驗驗證，驗證結(jié)果表明：橫向和垂向的嚙合頻率誤差最大分別為4.24%和5.12%，滿足建模要求。然后，搭建了由無線扭矩傳感器、北斗定位系統(tǒng)等組成的作業(yè)數(shù)據(jù)采集系統(tǒng)，分別采集了拖拉機(jī)在L1（2.07km/h）、L2（3.10km/h）、L3（5.29km/h）常用擋位下的田間旋耕作業(yè)數(shù)據(jù)，田間試驗結(jié)果表明：旋耕作業(yè)的載荷水平和波動范圍均隨著作業(yè)擋位、行駛速度的升高而增大。最后，利用所建立的動力學(xué)模型仿真分析了不同作業(yè)擋位PTO負(fù)荷對齒輪傳遞特性的影響，結(jié)果表明：拖拉機(jī)旋耕作業(yè)擋位越高，由PTO載荷波動所引起的傳動系振動位移越大，而且主要體現(xiàn)在橫向振動。

摘要:集成化智能操縱臺為高端農(nóng)機(jī)的核心共性部件，廣泛應(yīng)用于拖拉機(jī)、噴霧機(jī)、收獲機(jī)等大型農(nóng)機(jī)裝備，作為與駕駛員直接接觸的媒介，對駕駛員的身心健康具有直接影響。針對駕駛員田間作業(yè)強(qiáng)度大、心理負(fù)荷高的問題，按照駕駛員主動健康要求，選擇國產(chǎn)典型操縱臺，基于感性工學(xué)理論，構(gòu)建心理負(fù)荷指標(biāo)體系，開展拖拉機(jī)智能操縱臺的靜態(tài)人機(jī)半物理試驗，建立心理負(fù)荷主成分模型，優(yōu)化設(shè)計面向最低心理負(fù)荷的操縱臺。首先，構(gòu)建心理負(fù)荷評價體系，基于國產(chǎn)大型拖拉機(jī)實機(jī)搭建人機(jī)半物理試驗臺，選擇實際犁耕工況的駕駛員操控視頻，設(shè)計試驗方案；其次，選擇10名具有駕駛經(jīng)驗的拖拉機(jī)駕駛員進(jìn)行試驗，記錄心理負(fù)荷各指標(biāo)數(shù)據(jù)；再次，根據(jù)試驗數(shù)據(jù)進(jìn)行心理負(fù)荷主成分建模，分析操縱臺優(yōu)化前的心理負(fù)荷設(shè)計缺陷；最后，基于主成分分析結(jié)果，面向心理負(fù)荷最小化要求，應(yīng)用人機(jī)工程學(xué)理論從界面元素分布、元素顏色、元素形狀等方面優(yōu)化操縱臺，得到優(yōu)化后的操縱臺并進(jìn)行試驗驗證。結(jié)果表明，駕駛員的心理負(fù)荷主要由疲勞感受因素與疲勞緩解因素疊加而成；優(yōu)化前操縱臺的心理舒適性平均分為0.403，其中，疲勞感受因素的主要方面為視覺及頭頸疲勞（權(quán)重為0.458），疲勞緩解因素的主要方面為作業(yè)自我效能感受（權(quán)重為0.578）；優(yōu)化后的操縱臺心理舒適性平均分提升為2.048，能顯著緩解心理負(fù)荷。本文研究成果可為當(dāng)前智能拖拉機(jī)駕駛舒適性設(shè)計提供一定參考依據(jù)，助力補(bǔ)齊農(nóng)機(jī)裝備主動健康理論短板。

摘要:電動拖拉機(jī)作為農(nóng)業(yè)節(jié)能減排的重要工具，也是未來農(nóng)機(jī)裝備產(chǎn)品的發(fā)展和轉(zhuǎn)型方向之一，國內(nèi)外進(jìn)行了大量技術(shù)研究與產(chǎn)品嘗試。從電動拖拉機(jī)技術(shù)角度入手，對電動拖拉機(jī)發(fā)展的各個階段及其典型產(chǎn)品進(jìn)行了梳理，總結(jié)了各發(fā)展階段的技術(shù)特點與影響電動拖拉機(jī)技術(shù)發(fā)展的主要因素?；趪鴥?nèi)外現(xiàn)有研究成果，對電動拖拉機(jī)研究的方案與設(shè)計技術(shù)、控制技術(shù)、仿真與試驗技術(shù)的研究現(xiàn)狀進(jìn)行了分析，總結(jié)了各方向現(xiàn)有研究成果的特點。結(jié)合發(fā)展經(jīng)歷與研究現(xiàn)狀，對未來電動拖拉機(jī)產(chǎn)品與技術(shù)的發(fā)展方向進(jìn)行了展望。