ass日本风韵熟妇pics男人扒开女人屁屁桶到爽|扒开胸露出奶头亲吻视频|邻居少妇的诱惑|人人妻在线播放|日日摸夜夜摸狠狠摸婷婷|制服 丝袜 人妻|激情熟妇中文字幕|看黄色欧美特一级|日本av人妻系列|高潮对白av,丰满岳妇乱熟妇之荡,日本丰满熟妇乱又伦,日韩欧美一区二区三区在线

摘要:為提高自主導(dǎo)航農(nóng)業(yè)車輛導(dǎo)航路徑的準(zhǔn)確性和行駛作業(yè)的安全性，提出自主導(dǎo)航農(nóng)業(yè)車輛的全景視覺多運(yùn)動(dòng)目標(biāo)識(shí)別跟蹤方案。該方案采用全景視覺進(jìn)行無(wú)盲區(qū)的多運(yùn)動(dòng)障礙目標(biāo)的檢測(cè),，并解決了多運(yùn)動(dòng)目標(biāo)跟蹤中遮擋重疊的問(wèn)題,。首先系統(tǒng)將多目相機(jī)采集的圖像拼接成全景圖像,，采用分段圖像的改進(jìn)核函數(shù)算法對(duì)運(yùn)動(dòng)目標(biāo)進(jìn)行快速自動(dòng)檢測(cè)跟蹤,；其次采用基于路徑預(yù)測(cè)的粒子濾波算法進(jìn)行多運(yùn)動(dòng)目標(biāo)跟蹤并解決遮擋重疊的問(wèn)題,。通過(guò)試驗(yàn)表明：采用改進(jìn)的核函數(shù)目標(biāo)快速跟蹤算法,，與傳統(tǒng)核函數(shù)跟蹤算法相比，減少系統(tǒng)內(nèi)存消耗66.8%,，加快運(yùn)算速度35.63%,；采用基于路徑預(yù)測(cè)的粒子濾波多目標(biāo)跟蹤算法，在多運(yùn)動(dòng)目標(biāo)遮擋重疊的情況下,，平均提高運(yùn)動(dòng)目標(biāo)跟蹤成功率39.5個(gè)百分點(diǎn),，算法平均耗時(shí)0.78s。

摘要:提出了一種基于紅外傳感器檢測(cè)相對(duì)航向角的車輛自主跟隨控制系統(tǒng)建模和設(shè)計(jì)方法,，對(duì)相對(duì)航向角的檢測(cè)機(jī)構(gòu)及其工作原理進(jìn)行了介紹,，重點(diǎn)討論了基于步進(jìn)電動(dòng)機(jī)驅(qū)動(dòng)的轉(zhuǎn)向控制系統(tǒng)的建模方法、前輪轉(zhuǎn)向角和航向角之間的關(guān)系以及相應(yīng)的控制算法的設(shè)計(jì),，航向角控制系統(tǒng)模型的Matlab仿真結(jié)果和控制系統(tǒng)的實(shí)際運(yùn)行結(jié)果高度吻合,。結(jié)合自主改裝的電動(dòng)車自主跟隨系統(tǒng)在果園路徑進(jìn)行了實(shí)驗(yàn)，實(shí)驗(yàn)過(guò)程中,，引導(dǎo)車和跟隨車行駛路徑之間的最大橫向偏差為9.2cm,，平均偏差為3.3cm，方差為5.5cm2,。實(shí)驗(yàn)結(jié)果表明,，基于紅外傳感器的車輛自主跟隨控制系統(tǒng)能實(shí)現(xiàn)車輛的自主跟隨，系統(tǒng)運(yùn)行穩(wěn)定可靠,，體現(xiàn)出其在復(fù)雜農(nóng)業(yè)環(huán)境中的應(yīng)用前景,。

摘要:針對(duì)樹上蘋果產(chǎn)量的早期估測(cè)問(wèn)題，提出了一種利用果樹圖像樹冠樹葉與果實(shí)的信息,，通過(guò)BP（Back propagation）神經(jīng)網(wǎng)絡(luò)建立模型進(jìn)行蘋果估產(chǎn)的方法。首先在蘋果園內(nèi)分別獲取果樹在蘋果半熟期,、成熟期的數(shù)字圖像,，并在蘋果收獲時(shí)將每棵樹上的蘋果稱量，得到實(shí)際產(chǎn)量,；采用圖像處理方法識(shí)別出樹冠上的果實(shí)及樹葉,；提取果實(shí)區(qū)域及樹葉區(qū)域與產(chǎn)量相關(guān)的信息為輸入,，以果樹實(shí)際產(chǎn)量為輸出，建立基于BP神經(jīng)網(wǎng)絡(luò)的半熟期與成熟期估產(chǎn)模型,，擬合度R分別達(dá)到0.9287,、0.9804。將模型用于待估產(chǎn)樣本,，得到半熟期樣本估測(cè)產(chǎn)量與實(shí)際產(chǎn)量擬合度R為0.8766,，成熟期樣本估測(cè)產(chǎn)量與實(shí)際產(chǎn)量擬合度R為0.9606。結(jié)果表明該模型具有較好的預(yù)測(cè)精度與魯棒性,。

摘要:為了實(shí)時(shí)預(yù)警果蔬病害和輔助診斷果蔬疾病,，實(shí)現(xiàn)無(wú)人值守的病蟲害智能監(jiān)控，設(shè)計(jì)了深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的果蔬果體病理圖像識(shí)別方法,，基于對(duì)網(wǎng)絡(luò)誤差的傳播分析,，提出彈性動(dòng)量的參數(shù)學(xué)習(xí)方法，以蘋果為例進(jìn)行果體病理圖像的識(shí)別試驗(yàn),。結(jié)果表明,，該方法召回率為98.4%；同其他同源更新機(jī)制相比,，彈性動(dòng)量方案能顯著改善學(xué)習(xí)網(wǎng)絡(luò)的果蔬病害識(shí)別準(zhǔn)確率,；其收斂曲線平滑，5h時(shí)耗能實(shí)現(xiàn)收斂,，對(duì)不同數(shù)據(jù)集也有良好泛化性能,。

摘要:針對(duì)小麥條銹病、白粉病這2種病斑顏色特征相近,、形狀特征不明顯,，但在方向分布的一致性上卻存在較大差別這一特點(diǎn)，提出了一種方向一致性描述方法,。通過(guò)不同的方向核與圖像卷積得到多個(gè)方向圖和邊緣,，對(duì)每個(gè)方向圖依據(jù)邊緣圖進(jìn)行統(tǒng)計(jì)得到圖像的方向分布直方圖；并計(jì)算方向分布直方圖的標(biāo)準(zhǔn)差,，作為圖像方向分布的一致性特征,。該方法能夠較好地抑制噪聲影響，得到的結(jié)果符合圖像的實(shí)際分布情況,。利用該方法對(duì)小麥病斑進(jìn)行特征提取,，并應(yīng)用于小麥條銹病與白粉病的病斑識(shí)別實(shí)驗(yàn)中。實(shí)驗(yàn)結(jié)果表明,，所提出的方向一致性特征使條銹病與白粉病的區(qū)別度較大,，準(zhǔn)確識(shí)別率達(dá)到99%。

摘要:為解決當(dāng)前植保專家系統(tǒng)使用難度大以及攜帶不便的問(wèn)題,，在Android智能手機(jī)上開發(fā)了基于圖像規(guī)則的棉花病蟲害診斷系統(tǒng),。采用二叉樹檢索規(guī)則構(gòu)建二叉診斷決策知識(shí)樹,，利用面向?qū)ο蠹夹g(shù)將診斷決策樹中的知識(shí)節(jié)點(diǎn)及其相對(duì)應(yīng)的田間典型圖像進(jìn)行封裝，形成圖像化知識(shí)表達(dá)形式,；系統(tǒng)提供指認(rèn)式和推理式2種診斷方式,，基于田間病蟲害事實(shí)圖像進(jìn)行人機(jī)交互，實(shí)現(xiàn)了推理過(guò)程的可視化,，具有便攜,、實(shí)用、圖文并茂,、人機(jī)交互友好以及不受網(wǎng)絡(luò)環(huán)境限制等特點(diǎn),，能夠?qū)崿F(xiàn)現(xiàn)場(chǎng)式的專家服務(wù)。經(jīng)應(yīng)用測(cè)試,，事實(shí)庫(kù)中包含的病蟲害診斷正確率在95%以上,。

摘要:為降低冷凍食品加工中工人操作時(shí)手部被割傷的風(fēng)險(xiǎn)，提出基于機(jī)器視覺的切割機(jī)安全防護(hù)系統(tǒng)識(shí)別技術(shù),，系統(tǒng)利用彩色相機(jī)對(duì)切割機(jī)工作區(qū)域進(jìn)行實(shí)時(shí)監(jiān)控,，以鋸條位置為參考點(diǎn)設(shè)置不同的危險(xiǎn)區(qū)域，對(duì)采集的圖像進(jìn)行分析處理,，針對(duì)工人操作時(shí)的手套顏色受照明影響大,，提出拮抗色感知顏色特征提取與高斯混合模型分類相結(jié)合的目標(biāo)顏色識(shí)別方法，對(duì)手套的顏色特征進(jìn)行分類檢測(cè),，通過(guò)形態(tài)學(xué)處理與特征量統(tǒng)計(jì)判定最終結(jié)果,，判別工人手部所處的危險(xiǎn)等級(jí)。實(shí)現(xiàn)了整個(gè)切割機(jī)的安全防護(hù)系統(tǒng)設(shè)計(jì),，其實(shí)驗(yàn)測(cè)試結(jié)果表明,，系統(tǒng)能夠準(zhǔn)確識(shí)別不同照明條件下的手套顏色特征，相比HSV和CIE Lab顏色空間,，降低了圖像處理時(shí)間,，單幅圖像處理時(shí)間為39.18ms，具有較好的魯棒性,，滿足了安全防護(hù)系統(tǒng)實(shí)時(shí)性和可靠性的要求,。

摘要:為減小油菜直播機(jī)開畦溝系統(tǒng)牽引阻力并分析機(jī)組不同作業(yè)速度對(duì)牽引阻力影響的規(guī)律，開展了開畦溝犁體曲面參數(shù)與作業(yè)速度的試驗(yàn)研究,。建立了EDEM離散元土壤仿真模型,，以犁體牽引阻力為試驗(yàn)指標(biāo)分別開展以鏵刃起土角、導(dǎo)曲線開度,、直元線起始角,、直元線最大角及作業(yè)速度為試驗(yàn)因素的試驗(yàn)；構(gòu)建了犁體曲面優(yōu)化模型，并開展了犁體曲面的3D打印及試制加工,。仿真試驗(yàn)結(jié)果表明：在試驗(yàn)范圍內(nèi)，牽引阻力隨鏵刃起土角增大而減小,，分別隨導(dǎo)曲線開度,、直元線起始角、直元線最大角增大而增大,，隨作業(yè)速度的增大而急劇增大,，作業(yè)速度從1.0m/s增加到2.0m/s，牽引阻力及功耗分別為前者的1.98倍及3.97倍,；仿真優(yōu)化結(jié)果表明：當(dāng)犁體在一定工作參數(shù)條件下,，鏵刃起土角為15°，導(dǎo)曲線開度為190mm,，直元線起始角為35°,，直元線最大角為40°時(shí)，犁體牽引阻力最小為24111N,，比優(yōu)化前減少11.26%,。為考察優(yōu)化犁體實(shí)際田間作業(yè)效果，對(duì)犁體進(jìn)行3D打印及試制加工并與原有犁體進(jìn)行田間對(duì)比試驗(yàn),，結(jié)果表明優(yōu)化犁體作業(yè)的畦溝溝底大塊土垡少,，殘留土壤質(zhì)量減少62.87%，溝底干凈,，T型溝明顯,。

摘要:為滿足精密播種機(jī)的作業(yè)要求，設(shè)計(jì)了一種大豆排種器,，通過(guò)雙凹曲面取種塊與傾斜式清種環(huán)完成種子的充種,、清種、排種等作業(yè)環(huán)節(jié),，實(shí)現(xiàn)高效率,、高精度、低破損的作業(yè)目標(biāo),。通過(guò)對(duì)其作業(yè)原理的分析,，對(duì)作業(yè)關(guān)鍵部件雙凹曲面取種塊的結(jié)構(gòu)參數(shù)進(jìn)行優(yōu)化設(shè)計(jì)。為實(shí)現(xiàn)通過(guò)轉(zhuǎn)速來(lái)調(diào)節(jié)排種器變量排種的要求,，并為設(shè)計(jì)高速,、高性能播種機(jī)提供理論依據(jù)，以排種器轉(zhuǎn)速,、清種環(huán)傾斜角為試驗(yàn)因素,，單粒率為試驗(yàn)指標(biāo)進(jìn)行二次旋轉(zhuǎn)組合試驗(yàn)。通過(guò)單因素和雙因素試驗(yàn)得到充足的試驗(yàn)數(shù)據(jù)，并運(yùn)用Design-Expert軟件對(duì)試驗(yàn)數(shù)據(jù)進(jìn)行分析,，建立試驗(yàn)因素與試驗(yàn)指標(biāo)之間的數(shù)學(xué)模型,。試驗(yàn)結(jié)果表明：清種環(huán)最佳傾斜角為65°，在此前提下排種器轉(zhuǎn)速小于110r/min時(shí),，可保證單粒率在95%以上,。

摘要:為滿足水稻直播精量排種的需要，在勺輪式排種器基礎(chǔ)上,，設(shè)計(jì)了一種氣吹異形孔勺輪式水稻穴播排種器,。在確定最佳排種轉(zhuǎn)速與最佳清種方式情況下，用4種不同型孔的排種盤,，與不同氣吹壓力和氣吹角度相配合,，對(duì)培兩優(yōu)98與Ⅱ優(yōu)8006，2種雜交水稻進(jìn)行穴播排種試驗(yàn),。試驗(yàn)結(jié)果表明：2種稻種在4個(gè)型孔下的各項(xiàng)排種指標(biāo)均達(dá)穴播要求,，坡狀型孔的穴粒合格率和穴距合格率兩項(xiàng)指標(biāo)在4種型孔中最優(yōu)，梯形孔的穴距標(biāo)準(zhǔn)差和穴距變異系數(shù)兩項(xiàng)指標(biāo)在4種型孔中最優(yōu),。氣吹壓力范圍在1～1.05kPa之間,，氣吹角度在40°～45°之間，4種型孔穴粒合格率可達(dá)93%以上,，穴距合格率可達(dá)92%以上,。通過(guò)水稻直播機(jī)樣機(jī)田間試驗(yàn)，驗(yàn)證了排種器和直播機(jī)設(shè)計(jì)參數(shù)的準(zhǔn)確性和整機(jī)傳動(dòng)的可行性,，排種性能滿足水稻穴直播的農(nóng)藝要求,。

摘要:為實(shí)現(xiàn)超級(jí)稻穴盤育苗，設(shè)計(jì)了一種氣吸振動(dòng)盤式精密播種裝置,。選擇超級(jí)稻常優(yōu)3號(hào),，進(jìn)行五因素四水平正交試驗(yàn)，研究了相對(duì)壓力,、吸種盤吸孔孔徑,、振動(dòng)種盤振動(dòng)頻率、振幅,、吸種距離對(duì)播種性能指標(biāo)的影響,，構(gòu)建了其數(shù)學(xué)模型。采用遺傳算法對(duì)播種性能指標(biāo)進(jìn)行多目標(biāo)優(yōu)化,，獲得最佳工作參數(shù)組合：相對(duì)壓力3.68kPa,，吸孔孔徑1.84mm，振動(dòng)頻率10.90Hz,，振幅4.09mm,，吸種距離3.92mm，試驗(yàn)結(jié)果與預(yù)測(cè)值相接近。播種育苗試驗(yàn)表明,，采用該播種裝置播種可滿足超級(jí)稻種植的要求,。

摘要:根據(jù)振動(dòng)送料原理，提出了一種實(shí)現(xiàn)玉米種子定向排列輸送的方法,，對(duì)種子的定向過(guò)程進(jìn)行了動(dòng)力學(xué)分析,，探討了定向過(guò)程中種子各種姿態(tài)的變化過(guò)程與力學(xué)參數(shù)之間的關(guān)系。以鄭單958玉米種子為試驗(yàn)對(duì)象,，建立了振動(dòng)定向試驗(yàn)裝置；以臺(tái)階高度A,、滑槽傾角B,、振幅C和頻率D作為影響因素進(jìn)行了正交試驗(yàn)。試驗(yàn)結(jié)果表明：臺(tái)階高度A,、滑槽傾角B及其交互作用對(duì)種子定向效果具有極顯著影響,；通過(guò)多重比較分析得出試驗(yàn)條件的最佳組合為：臺(tái)階高度為4mm、滑槽傾角為4°,、振幅為0.18mm,、頻率為51.5Hz。在最佳試驗(yàn)條件下分別對(duì)順行和逆行種子進(jìn)行10次重復(fù)試驗(yàn),，試驗(yàn)結(jié)果表明：順行定向成功率為93.5%,，逆行定向成功率為89.4%。采用高速攝影技術(shù)分別對(duì)順行和逆行的種子進(jìn)行了觀察驗(yàn)證分析,，分析表明：種子的實(shí)際運(yùn)動(dòng)狀態(tài)與理論分析基本吻合,。

摘要:根據(jù)溫室機(jī)械鋤草的需要，針對(duì)電驅(qū)鋤草機(jī)械設(shè)計(jì)了一種圓盤鋤刀株間鋤草控制系統(tǒng),。該系統(tǒng)以MC9S12DG128雙核單片機(jī)為硬件核心,，融合霍爾傳感器、旋轉(zhuǎn)編碼器的信號(hào)實(shí)時(shí)輸入,，通過(guò)RS232串口中斷實(shí)時(shí)接收上位機(jī)（PC）視覺信息,，采用CAN總線與下位機(jī)（電動(dòng)機(jī)驅(qū)動(dòng)器）實(shí)時(shí)通信，對(duì)圓盤鋤刀轉(zhuǎn)速與轉(zhuǎn)角進(jìn)行實(shí)時(shí)控制,，從而實(shí)現(xiàn)株間鋤草和避苗,。溫室大棚內(nèi)鋤草試驗(yàn)結(jié)果表明，前進(jìn)速度為1.2km/h時(shí),，傷苗率小于10%,。

摘要:為明確風(fēng)送條件下不同農(nóng)藥制劑濃度對(duì)病蟲害防治效果的影響，以蟲口減退率和病情指數(shù)為指標(biāo),，測(cè)試2種農(nóng)藥對(duì)梨蚜蟲,、梨黑斑病的田間防治效果；同時(shí)利用熒光試劑研究霧滴在冠層內(nèi)的沉積分布，提出適應(yīng)風(fēng)送式施藥的藥液質(zhì)量濃度范圍,。結(jié)果表明：果園風(fēng)送噴霧機(jī)行駛速度1m/s,、風(fēng)機(jī)轉(zhuǎn)速1200r/min、單側(cè)流量7.2L/min工作條件下,，噴施藥液量為0.24L/棵,，比人工噴施減少藥量33.3%。風(fēng)送式噴施0.4g/L的10%吡蟲啉防治梨蚜蟲,，14d后防效可以達(dá)到人工噴施0.8g/L農(nóng)藥防治效果,，藥劑質(zhì)量為0.096g/棵，為人工施藥的1/3,。風(fēng)送式噴霧防治效果隨藥液質(zhì)量濃度增加而提高,。風(fēng)送式噴施0.75g/L、1.0g/L,、1.5g/L 3種質(zhì)量濃度的75%百菌清防治梨黑〖JP2〗斑病,，第14天防效為46.52%、44.46%,、55.63%,，防效均顯著優(yōu)于人工噴施1.0g/L質(zhì)量濃度的農(nóng)藥。噴施0.75g/L農(nóng)藥的藥劑用量為0.18g/棵,，為人工施藥時(shí)的1/2,。風(fēng)送式施藥?kù)F滴空間分布情況更好，可以參考人工作業(yè)減少1/3藥液噴施量,，同時(shí)適當(dāng)增加藥液質(zhì)量濃度以求達(dá)到更好防效,，實(shí)際噴施藥劑量建議為人工作業(yè)的1/3~1/2。

摘要:為使4ZTL-2000型摘穗收獲機(jī)收獲超級(jí)稻時(shí)具有最佳清選性能,，以谷物清潔率和沉降箱能耗為指標(biāo),，沉降箱入口氣流速度、谷物喂入量及其初速度為影響因素,，采用二次正交旋轉(zhuǎn)組合設(shè)計(jì)試驗(yàn),，利用Design-Expert 6.0.10進(jìn)行數(shù)據(jù)處理，得出回歸數(shù)學(xué)模型,通過(guò)響應(yīng)曲面方法分析指標(biāo)與因素間的相互作用,，并對(duì)回歸數(shù)學(xué)模型進(jìn)行多目標(biāo)優(yōu)化,。結(jié)果表明：沉降箱入口氣流速度對(duì)沉降箱指標(biāo)影響最大，谷物初速度相對(duì)小,，谷物喂入量的影響最小,。為使沉降箱處理超級(jí)稻（目前谷物喂入量最大為3.78kg/s）時(shí)具有最佳性能，通過(guò)優(yōu)化獲得運(yùn)行參數(shù)的最佳組合為：沉降箱入口氣流速度為13.93m/s,，谷物初速度為18.84m/s,。通過(guò)試驗(yàn)驗(yàn)證谷物清潔率達(dá)到了90.1%,，沉降箱能耗為3483Pa，籽粒沉降效率為100%,。

摘要:為實(shí)時(shí)監(jiān)測(cè)縱軸流聯(lián)合收獲機(jī)作業(yè)過(guò)程中的籽粒清選損失,，試驗(yàn)研究了清選損失籽粒在清選篩尾篩后部的分布規(guī)律，建立了清選損失籽粒量與清選篩尾部不同區(qū)域內(nèi)籽粒量之間的數(shù)學(xué)模型,，并確定了籽粒損失監(jiān)測(cè)傳感器在聯(lián)合收獲機(jī)上的最佳安裝位置,。臺(tái)架試驗(yàn)表明，在顯著水平α=0.05下,，當(dāng)風(fēng)機(jī)轉(zhuǎn)速在1200~1400r/min范圍內(nèi)時(shí),，風(fēng)機(jī)轉(zhuǎn)速對(duì)清選損失籽粒質(zhì)量比例的分布無(wú)顯著性影響。以YT-5L型壓電陶瓷為敏感元件研制了雙向隔振結(jié)構(gòu)全寬型籽粒損失監(jiān)測(cè)傳感器,，將研制的籽粒損失監(jiān)測(cè)傳感器以中心線距尾篩垂直距離300mm,，角度為45°安裝到4LZ-2.5型縱軸流聯(lián)合收獲機(jī)上，并利用所建立的籽粒清選損失監(jiān)測(cè)數(shù)學(xué)模型進(jìn)行了水稻收獲田間試驗(yàn),。田間試驗(yàn)結(jié)果表明，所建立的籽粒清選損失監(jiān)測(cè)數(shù)學(xué)模型可靠性較好,，籽粒清選損失監(jiān)測(cè)最大相對(duì)誤差為3.26%,。

摘要:針對(duì)大豆種子機(jī)械脫粒損傷率高與脫凈率低等問(wèn)題，提出了對(duì)輥喂入預(yù)脫,、軸流滾筒抓脫的組合式脫粒方案,，進(jìn)行了滾筒脫粒元件、喂入裝置和傳動(dòng)系統(tǒng)等裝置和部件的結(jié)構(gòu)設(shè)計(jì)并設(shè)計(jì)了脫粒樣機(jī),。滾筒脫粒元件由螺旋排列的釘齒,、弓齒、板齒組成,，與凹板篩構(gòu)成組合式脫粒裝置;喂入裝置主要由雙喂入輥組成,；氣力清選裝置主要由振動(dòng)篩和風(fēng)機(jī)組成。以“遼豆10”為試驗(yàn)對(duì)象,，通過(guò)正交試驗(yàn)分析,，以下喂入輥轉(zhuǎn)速、脫粒滾筒轉(zhuǎn)速和凹板間隙為試驗(yàn)因素,，脫凈率和損傷率為試驗(yàn)指標(biāo),，進(jìn)行了優(yōu)化試驗(yàn)研究。結(jié)果表明：下喂入輥轉(zhuǎn)速為222r/min,、滾筒轉(zhuǎn)速為500r/min,、脫粒間隙40mm時(shí)，大豆脫粒綜合指標(biāo)最優(yōu),，脫凈率為98.4%,，大豆損傷率為1.4%,。

摘要:采用超聲波輔助提取法對(duì)土壤樣本進(jìn)行快速前處理，以鉍膜修飾絲網(wǎng)印刷電極作為傳感器,，結(jié)合差分脈沖陽(yáng)極溶出伏安法對(duì)土壤浸提液中的鉛和鎘進(jìn)行精確測(cè)量,。檢測(cè)儀器以LabView平臺(tái)軟件為工作核心，結(jié)合MSP430單片機(jī),、恒電位電路,、I/V轉(zhuǎn)換電路、電磁閥和蠕動(dòng)泵等硬件設(shè)備實(shí)現(xiàn)了對(duì)土壤浸提液的自動(dòng)進(jìn)樣,、電化學(xué)分析以及排液清洗等鉛和鎘的操作,。針對(duì)實(shí)際土壤樣本測(cè)量時(shí)可能產(chǎn)生的誤差，分別采用了概率統(tǒng)計(jì)算法以及多次標(biāo)準(zhǔn)添加法加以消除,。系統(tǒng)檢測(cè)限分別達(dá)到2.6μg/L和1.8μg/L,。對(duì)不同地區(qū)采集到的多個(gè)土壤樣本進(jìn)行分析，結(jié)果表明該系統(tǒng)具有檢測(cè)精度高,、重現(xiàn)性好,、速度快、功耗低等優(yōu)點(diǎn),，適合對(duì)農(nóng)田土壤重金屬進(jìn)行快速檢測(cè)和評(píng)估,。

摘要:為了實(shí)現(xiàn)對(duì)土壤有機(jī)質(zhì)含量的快速測(cè)定，以關(guān)中塿土為材料,，研究基于光譜分析的土壤有機(jī)質(zhì)含量測(cè)定方法,。首先用機(jī)載便攜式近紅外頻譜儀采集土壤樣本在波長(zhǎng)900~1700nm范圍的漫反射光譜，并對(duì)異常樣本進(jìn)行判別和剔除以提高建模精度,，在比較2種不同樣本劃分方法對(duì)模型影響的基礎(chǔ)上,，用連續(xù)投影算法（SPA）對(duì)建模變量進(jìn)行最優(yōu)波長(zhǎng)選擇，然后通過(guò)3種線性建模方法對(duì)有機(jī)質(zhì)含量預(yù)測(cè)結(jié)果進(jìn)行分析,，探明偏最小二乘法（PLS）方法效果最好,，并建立了徑向基（RBF）神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型。測(cè)試集樣本實(shí)驗(yàn)結(jié)果表明,，用PLS建立的預(yù)測(cè)模型有機(jī)質(zhì)含量測(cè)定值和預(yù)測(cè)值之間的決定系數(shù)為0.8019,，均方根誤差為0.1794；用RBF神經(jīng)網(wǎng)絡(luò)建模的決定系數(shù)和均方根誤差分別為0.8281和0.1646,，兩種模型均具有較高的精度,，可對(duì)有機(jī)質(zhì)含量進(jìn)行快速預(yù)測(cè),。

摘要:研究了基于環(huán)境因子和混合插值的林地土壤有機(jī)質(zhì)預(yù)測(cè)模型,。首先應(yīng)用數(shù)字地形與遙感影像分析技術(shù)獲取地形因子與遙感指數(shù),，然后分析土壤有機(jī)質(zhì)與環(huán)境因子的相關(guān)性，最后用環(huán)境因子對(duì)土壤有機(jī)質(zhì)進(jìn)行空間預(yù)測(cè),。針對(duì)回歸克里格法（RK）需要計(jì)算半變異函數(shù)的缺陷,，提出了一種空間插值方法,，即回歸-光滑薄板樣條插值法（R-STPS）。將這2種插值方法用于順昌縣土壤有機(jī)質(zhì)的空間預(yù)測(cè),。結(jié)果表明,，RK與R-STPS的預(yù)測(cè)精度、計(jì)算效率,、預(yù)測(cè)的研究區(qū)土壤有機(jī)質(zhì)空間分布的總體趨勢(shì)相近,。R-STPS無(wú)需計(jì)算半變異函數(shù)，使用方便,，因此更有優(yōu)勢(shì),。

摘要:0-1測(cè)試方法是一種可直接作用于時(shí)間序列的二元混沌識(shí)別方法,，該方法不需要相空間重構(gòu),，是通過(guò)量化指標(biāo)Kc是否接近于0或1來(lái)識(shí)別時(shí)間序列的混沌特性。通過(guò)對(duì)Chebyshev映射進(jìn)行混沌檢驗(yàn),，驗(yàn)證了其有效性,。運(yùn)用該方法對(duì)吉林市83眼監(jiān)測(cè)井2001—2010年不同時(shí)間尺度（5、10,、15和30d）地下水埋深監(jiān)測(cè)序列進(jìn)行了混沌識(shí)別,，并進(jìn)行了混沌程度比較和空間分布研究。結(jié)果表明：吉林市不同時(shí)間尺度地下水埋深序列均表現(xiàn)出混沌特性,。同時(shí)，均方位移隨時(shí)間的漸進(jìn)增長(zhǎng)率K的空間插值結(jié)果具有明顯的分區(qū)特征,，即吉林市北部和南部為高值區(qū),，城區(qū)為相對(duì)低值區(qū)，并且隨著時(shí)間尺度的增大,，城區(qū)K值的相對(duì)低值區(qū)范圍增大,。研究表明，0-1混沌測(cè)試方法簡(jiǎn)單有效,，并且具有反映數(shù)據(jù)序列混沌程度的特性,。

摘要:對(duì)陜西省西安市污灌區(qū)農(nóng)田土壤、小麥和蔬菜等農(nóng)作物樣品的Cd,、Cr,、Cu、Pb,、Zn含量進(jìn)行了測(cè)定,。結(jié)果表明，研究區(qū)土壤Cd,、Pb平均值高于西安市和陜西省土壤背景值,，Cu,、Zn平均值高于陜西省土壤背景值。相關(guān)性分析結(jié)果顯示,，土壤Cd和Pb呈顯著正相關(guān)關(guān)系,，Zn與Cr、Cu分別呈顯著和極顯著正相關(guān)關(guān)系,。結(jié)合主成分分析可知,，土壤Cd和Pb主要受人為因素影響，Cr,、Cu,、Zn主要受成土母質(zhì)影響。潛在生態(tài)危害指數(shù)法和內(nèi)梅羅污染指數(shù)法的結(jié)果均表明污灌區(qū)農(nóng)田土壤Cd已達(dá)到最強(qiáng)污染級(jí)別,。污灌區(qū)小麥樣品中Cr,、Pb超標(biāo)率分別到達(dá)70.00%和80.00%，茄果類蔬菜Cd,、Cr和Pb超標(biāo)率分別為66.67%,、100%和66.67%，花菜類和葉菜類中Cd,、Cr和Pb超標(biāo)率均為100%,。建議污灌區(qū)盡量避免種植重金屬轉(zhuǎn)移系數(shù)高的花菜類和葉菜類蔬菜，并對(duì)含Cd污水經(jīng)過(guò)嚴(yán)格處理后再用于灌溉,。

摘要:針對(duì)當(dāng)前微生物肥料中圓褐固氮菌濃度檢測(cè)方法耗時(shí)長(zhǎng),、自動(dòng)化程度低等缺點(diǎn)，提出了一種基于微流控芯片的圓褐固氮菌濃度檢測(cè)方法,。設(shè)計(jì)了具有自動(dòng)進(jìn)樣,、混合稀釋以及電化學(xué)循環(huán)伏安檢測(cè)等功能的微流控芯片，構(gòu)建了微流控檢測(cè)系統(tǒng)實(shí)驗(yàn)平臺(tái),，優(yōu)化了系統(tǒng)中的進(jìn)樣速度,、掃描速率等工藝參數(shù)，并對(duì)檢測(cè)系統(tǒng)的性能指標(biāo)進(jìn)行了實(shí)驗(yàn)驗(yàn)證,。結(jié)果表明,，與國(guó)標(biāo)平板計(jì)數(shù)法相比，所提出方法不僅能夠滿足微生物肥料檢測(cè)的精度要求,，而且具備較快的檢測(cè)速度及較高的檢測(cè)自動(dòng)化程度,。

摘要:通過(guò)小區(qū)試驗(yàn)研究了間接地下滴灌條件下密植棗樹根區(qū)不同方向（水平及垂直方向）、不同土層鹽分質(zhì)量比的變化特征,，及導(dǎo)水裝置直徑（50,、75、90mm）和灌水量（9,、13,、17L/（棵·次））〖JP2〗對(duì)棗樹根區(qū)土壤鹽分運(yùn)移的影響,。結(jié)果表明：經(jīng)過(guò)一段時(shí)間后，垂直方向10～40cm土層鹽分質(zhì)量比較低,， 0～10cm土層鹽分質(zhì)量比最高,；水平方向10～50cm各土層鹽分質(zhì)量比隨與出水口水平距離的增加而增大。在單次灌水后導(dǎo)水裝置直徑一定時(shí)各土層脫鹽率隨灌水量的增加而增大,。當(dāng)灌水量一定時(shí),，10～40cm土層脫鹽率隨導(dǎo)水裝置直徑的增加呈減小的趨勢(shì)，0～10cm,、40～50cm脫鹽率隨導(dǎo)水裝置直徑增大呈低-高-低的趨勢(shì),。在7—9月份，當(dāng)導(dǎo)水裝置直徑為75mm,，灌水量為13,、17L/（棵〖DK〗·次）時(shí)，0～50cm土層土壤平均鹽分質(zhì)量比均較低而且變化幅度較小,。綜合考慮節(jié)水,、抑鹽效果，確定導(dǎo)水裝置直徑為75mm,，灌水量為13L/（棵·次）為適宜的間接地下滴灌灌溉模式,。

摘要:對(duì)生物質(zhì)煉制制備汽柴油與航空煤油等烴類燃料的研究?jī)?nèi)容與最新成果進(jìn)行了總結(jié)和分析。在生物油改質(zhì)精制方面,，描述了生物油加氫脫氧研究進(jìn)展,，介紹了催化裂化制備烯烴與芳烴產(chǎn)品的基本概念與研究進(jìn)展。在生物質(zhì)碳水化合物利用方面,，介紹了生物質(zhì)纖維素與半纖維素經(jīng)水解單糖催化轉(zhuǎn)化制備C5/C6烷烴,、C8~C15長(zhǎng)鏈烷烴的工藝路線與技術(shù)原理，列舉了具有代表性的催化劑體系,。在木質(zhì)素利用方面,，介紹了木質(zhì)素催化解聚制備單環(huán)酚類化合物及解聚產(chǎn)物加氫脫氧制備烴類燃料的研究進(jìn)展,，同時(shí)指出在催化轉(zhuǎn)化過(guò)程中需要解決的關(guān)鍵問(wèn)題,。

摘要:為了研究生物質(zhì)濕解過(guò)程中固體產(chǎn)物的腐殖化和炭化特性，以麥稈為原料,，在高溫高壓反應(yīng)釜中,，進(jìn)行反應(yīng)溫度為220℃、停留時(shí)間30~180min條件下的濕解實(shí)驗(yàn)研究,，結(jié)合X射線衍射（XRD）和傅里葉紅外光譜（FTIR）檢測(cè)分析結(jié)果對(duì)麥稈濕解固體產(chǎn)物的微觀結(jié)構(gòu)和化學(xué)組成進(jìn)行了深入分析,。研究發(fā)現(xiàn)，麥稈經(jīng)過(guò)濕解處理,，固體產(chǎn)物中C元素質(zhì)量分?jǐn)?shù)從停留時(shí)間30min時(shí)的45.86%逐漸增加至180min時(shí)的49.06%,；在停留時(shí)間為60min時(shí),，XRD譜圖上在衍射角2θ約為26°附近就已經(jīng)出現(xiàn)強(qiáng)峰，微晶結(jié)構(gòu)接近于石墨,，并隨停留時(shí)間的增加,，芳香化和炭化程度逐漸提高；固體產(chǎn)物中含有豐富的腐殖質(zhì),，具有大量的芳香結(jié)構(gòu)和含氧官能團(tuán),。

摘要:對(duì)吸收劑濃度、進(jìn)氣流量及CO2體積分?jǐn)?shù),、進(jìn)液溫度等反應(yīng)條件對(duì)MEA溶液吸收沼氣中CO2過(guò)程的八田數(shù)Ha,、增強(qiáng)因子E及總體積傳質(zhì)系數(shù)KGae的影響進(jìn)行了實(shí)驗(yàn)研究，并對(duì)吸收過(guò)程中反應(yīng)對(duì)傳質(zhì)性能的影響及擬一級(jí)反應(yīng)的條件進(jìn)行了分析,。結(jié)果表明：吸收過(guò)程中的八田數(shù)Ha,、增強(qiáng)因子E及總體積傳質(zhì)系數(shù)KGae隨吸收劑濃度增加而增大；隨進(jìn)氣中CO2體積分?jǐn)?shù)增加而減??；當(dāng)進(jìn)氣流量增加時(shí)，Ha,、E減小,，KGae先增大后減小,；Ha,、E及KGae隨吸收溫度增加而增大，當(dāng)吸收溫度高于574℃時(shí),，KGae逐漸減小,。在此條件下，僅當(dāng)吸收劑濃度高于2.5mol/L或者進(jìn)氣流量低于5.73kmol/(m2·h)時(shí),，MEA與CO2的反應(yīng)可用擬一級(jí)反應(yīng)描述,。研究結(jié)果可為沼氣提純工藝的優(yōu)化及技術(shù)開發(fā)提供參考。

摘要:為探討外源微生物對(duì)苦參枝屑基質(zhì)化發(fā)酵堆體腐熟效果的影響,，采用隨機(jī)區(qū)組設(shè)計(jì),，以干燥雞糞為氮源，進(jìn)行接種外源微生物對(duì)苦參枝屑基質(zhì)化發(fā)酵過(guò)程中發(fā)酵性能參數(shù)的影響試驗(yàn),。結(jié)果表明：接種粗纖維降解菌和纖維素類酶制劑堆體升溫速度顯著快于對(duì)照,，高溫持續(xù)時(shí)間較長(zhǎng)（高于50℃，均達(dá)到5d）,，苦參堆體腐熟時(shí)間縮短,；至堆體結(jié)束后接種粗纖維降解菌和纖維素類酶制劑堆體TOC分別下降了8.52%和8.01%，碳氮比分別降低5.35%和5.00%，纖維素質(zhì)量分?jǐn)?shù)分別下降了3.31%和3.29%,，半纖維素降解率分別下降了2.89%和2.93%,，木質(zhì)素分別下降了2.01%和1.98，總氮分別增加了18.2%和16.1%,，總磷分別增加了19.0%和18.5%,，總鉀分別增加了48.1%和49.1%，加速了苦參基質(zhì)有機(jī)質(zhì)的分解和纖維素降解,，提高了堆肥腐熟進(jìn)程中的總氮,、總磷和總鉀含量，保證了腐熟后的肥力,；接種粗纖維降解菌和纖維素類酶制劑堆體容重分別增加了6.10%和9.20%,，總孔隙度分別增加了9.28%和9.90%，持水孔隙度分別增加了4.83%和6.09%,，腐熟后的各項(xiàng)理化指標(biāo)均符合理想基質(zhì)的要求,；小白菜和黃瓜種子發(fā)芽指數(shù)均達(dá)到85%以上，有效消除了苦參腐解產(chǎn)物的毒害作用,。接種粗纖維降解菌和纖維素類酶制劑堆體的發(fā)酵性能參數(shù)間無(wú)顯著差異,，綜合基質(zhì)發(fā)酵溫度、腐熟周期及基質(zhì)保護(hù)作物根系生長(zhǎng)及固定植株的功能對(duì)基質(zhì)各項(xiàng)理化性質(zhì)的要求,，接種粗纖維降解菌和纖維素類酶制劑對(duì)苦參基質(zhì)堆體基質(zhì)化促進(jìn)效果較優(yōu),。

摘要:以生物氫烷工程秸稈沼渣為原料，研究了制備有機(jī)-無(wú)機(jī)顆粒肥物料的造粒工藝特性,。為了改善生物氫烷工程秸稈的沼渣理化特性和降低造粒成本,，采用膨潤(rùn)土和聚丙烯酰胺（PAM）這兩種粘結(jié)劑，按照有機(jī)質(zhì)和營(yíng)養(yǎng)成分含量設(shè)計(jì)制定4組18個(gè)配方進(jìn)行造粒試驗(yàn),，通過(guò)試樣粒徑,、抗壓強(qiáng)度、有機(jī)質(zhì)與總養(yǎng)分含量,、崩解率,、吸水率、保水率和膨脹率的比較,，優(yōu)化成球工藝和配方,。結(jié)果表明，生物氫烷工程沼渣顆粒肥的粒徑和抗壓強(qiáng)度分布范圍分別為（3.16±0.15）~（4.39±0.36）mm,，（6.82±0. 59）~（42.95±4.78）N,。采用膨潤(rùn)土-PAM復(fù)合粘結(jié)劑的T3組,，有機(jī)質(zhì)質(zhì)量分?jǐn)?shù)可達(dá)28.86%以上,，總養(yǎng)分質(zhì)量分?jǐn)?shù)可達(dá)15.40%以上，滿足國(guó)家有機(jī)-無(wú)機(jī)復(fù)混肥的Ⅰ型要求，其中保水性能最好的是T32,，吸水率達(dá)到128%,，保水率為50%，膨脹率為10.02%,。

摘要:針對(duì)目前市場(chǎng)上注水肉現(xiàn)象加重問(wèn)題,，有必要研究注水肉的檢測(cè)技術(shù)。首先對(duì)注水肉的傳統(tǒng)檢測(cè)方法進(jìn)行簡(jiǎn)要論述,，分析總結(jié)了傳統(tǒng)方法的弊端,；然后對(duì)現(xiàn)階段肉品含水率的4種主要無(wú)損檢測(cè)方法：生物電阻抗法、核磁共振方法,、超聲波法和近紅外光譜法的研究現(xiàn)狀及特點(diǎn)進(jìn)行了總結(jié)分析,，著重?cái)⑹隽私t外光譜技術(shù)在肉品含水率及品質(zhì)檢測(cè)中的研究情況及技術(shù)特點(diǎn)，提出了未來(lái)技術(shù)發(fā)展方向,。

摘要:以落粒率,、腐爛率和失重率作為鮮食葡萄損耗的評(píng)價(jià)指標(biāo)，系統(tǒng)分析了鮮食葡萄保鮮技術(shù)效果的形成過(guò)程,，應(yīng)用多元回歸方法綜合評(píng)估了目前應(yīng)用比較廣泛的6種保鮮技術(shù)以及冰溫環(huán)境對(duì)鮮食葡萄的保鮮效果,。結(jié)果表明：氣調(diào)、保鮮膜,、SO2氣態(tài)處理,、CT2保鮮劑、簡(jiǎn)化包保鮮劑,、1-MCP氣態(tài)處理以及冰溫均能有效抑制果實(shí)損耗,，其中氣調(diào)、冰溫環(huán)境和2種保鮮劑對(duì)鮮食葡萄的3個(gè)損耗指標(biāo)有顯著的抑制效果,；氣調(diào),、保鮮劑和保鮮膜對(duì)果實(shí)腐爛率和失重率的影響隨時(shí)間增加而逐漸增強(qiáng)，其中保鮮膜的作用效果十分微弱,；保鮮劑對(duì)果實(shí)質(zhì)量損耗的濃度效應(yīng)十分明顯,，濃度過(guò)大會(huì)損傷果實(shí)組織、增加損耗,，而與SO2氣態(tài)處理的聯(lián)合使用會(huì)增強(qiáng)對(duì)果實(shí)損耗的降低作用,；1-MCP主要在果實(shí)腐爛率的控制方面有較好效果。

摘要:針對(duì)冷藏車廂設(shè)計(jì)中的多目標(biāo)問(wèn)題,，考慮到車廂體傳熱,、車廂密封性、貨物呼吸熱,、以及車廂主要設(shè)計(jì)變量的實(shí)際約束條件,，以車廂體傳熱系數(shù)最小與車廂內(nèi)空間體積最大為目標(biāo)函數(shù)，建立了冷藏車廂優(yōu)化設(shè)計(jì)模型，利用Matlab軟件對(duì)冷藏車廂進(jìn)行參數(shù)優(yōu)化,，分析了不同參數(shù)條件下車廂體傳熱系數(shù)與最佳車廂體隔熱材料厚度,。結(jié)果表明：該優(yōu)化方法可適用于冷藏車隔熱廂體的優(yōu)化設(shè)計(jì)，不同條件下對(duì)應(yīng)的車廂體隔熱材料最佳厚度與傳熱系數(shù)各不相同,，當(dāng)車速為零,、車廂體隔熱材料導(dǎo)熱系數(shù)分別為0.007、0.023,、0.030,、0.042、0.045W/(m〖DK〗·K）,，同時(shí)滿足最佳車廂體傳熱系數(shù)與車廂內(nèi)體積最大條件,，對(duì)應(yīng)的車廂體隔熱材料最佳厚度分別為0.07、0.14,、0.16,、0.19、0.20m,；傳熱系數(shù)分別為0.0985,、0.1603、0.1823,、0.2139,、0.2176W/(m2·K），車速越高,，車廂體最佳隔熱材料厚度越小,、傳熱系數(shù)越大，車廂體隔熱材料最佳厚度與車廂體傳熱系數(shù)呈正相關(guān)性,。

摘要:利用冬小麥2個(gè)生長(zhǎng)季高光譜反射率和覆蓋度實(shí)測(cè)資料,，基于回歸分析方法建立4種植被指數(shù)反演植被覆蓋度模型，并對(duì)預(yù)測(cè)模型年際間的穩(wěn)定性進(jìn)行了驗(yàn)證,。采用噪聲等效覆蓋度誤差對(duì)各植被指數(shù)反演植被覆蓋度模型進(jìn)行了敏感性分析,，結(jié)合對(duì)模型的殘差分析得到了不同種植密度和氮肥施用量條件下各植被指數(shù)的適用性。結(jié)果表明：歸一化植被指數(shù)NDVI和改進(jìn)的土壤調(diào)節(jié)指數(shù)TSAVI與冬小麥覆蓋度采用拋物線擬合結(jié)果較好,；修正的土壤調(diào)節(jié)植被指數(shù)MSAVI和增強(qiáng)型植被指數(shù)EVI與覆蓋度符合線性關(guān)系,。驗(yàn)證模型的決定系數(shù)略低于建模方程，反演模型在年際間表現(xiàn)出較好的穩(wěn)定性,，能夠滿足覆蓋度預(yù)測(cè)需要,。NDVI和TSAVI較MSAVI和EVI可更好地解釋本地區(qū)冬小麥植被覆蓋度的變化規(guī)律。在低到中覆蓋度（0~60%）條件下,，如果當(dāng)?shù)赝寥佬畔⒖色@得,，利用植被指數(shù)TSAVI估算植被覆蓋度變化規(guī)律表現(xiàn)出較好的敏感性和較高的估算精度,。如果缺失土壤線資料，NDVI能保證覆蓋度的估算精度,。在高覆蓋度（60%~100%）條件下，可選用敏感性和精度均良好的植被指數(shù)MSAVI進(jìn)行估算,。在水分供應(yīng)充分的條件下,，4種植被指數(shù)對(duì)作物種植密度和氮肥施用量均不敏感，可采用統(tǒng)一模型進(jìn)行不同種植密度和不同施氮量處理的冬小麥覆蓋度估算研究,，為利用植被指數(shù)快捷,、準(zhǔn)確地估算本地區(qū)區(qū)域植被覆蓋度提供了理論和技術(shù)支持。

摘要:選擇PyWOFOST模型為動(dòng)態(tài)模型,，以葉面積指數(shù)（LAI）為狀態(tài)變量,，遙感LAI為觀測(cè)值，采用集合卡爾曼濾波（EnKF）同化算法,，研發(fā)了一種遙感LAI與作物模型同化的區(qū)域冬小麥產(chǎn)量估測(cè)系統(tǒng),。為消除云的污染，采用Savitzky-Golay (S-G)濾波算法重構(gòu)時(shí)間序列MODIS LAI,；通過(guò)構(gòu)建地面觀測(cè)LAI與3個(gè)關(guān)鍵物候期Landsat TM植被指數(shù)回歸統(tǒng)計(jì)模型,，獲得區(qū)域TM LAI；通過(guò)融合3個(gè)關(guān)鍵物候期的TM LAI與時(shí)間序列S-G MODIS LAI,，生成尺度轉(zhuǎn)換LAI,。對(duì)比分析3種不同時(shí)空分辨率的遙感LAI的同化精度，研究結(jié)果表明,，同化尺度轉(zhuǎn)換LAI獲得了最高的同化精度,，與官方縣域統(tǒng)計(jì)產(chǎn)量相比, 在潛在模式下，決定系數(shù)由同化前的0.24提高到0.47,，均方根誤差由602kg/hm2下降到478kg/hm2,。結(jié)果表明，遙感觀測(cè)與作物模型的尺度調(diào)整對(duì)提高冬小麥同化模型精度具有重要作用,，遙感LAI與作物模型的EnKF同化方法是一種有效的區(qū)域作物產(chǎn)量估測(cè)方法,。

摘要:建立了充分灌溉和虧缺灌溉條件下新疆棉花葉面積指數(shù)的動(dòng)態(tài)模擬模型。模型以基于beta函數(shù)的每日熱效應(yīng)為時(shí)間尺度,，在考慮土壤水分脅迫效應(yīng)的基礎(chǔ)上,，使用Logistic函數(shù)的一階導(dǎo)數(shù)描述葉面積指數(shù)的變化速率，葉片衰老過(guò)程同樣采用Logistic函數(shù)的一階導(dǎo)數(shù),，并假設(shè)從初花期開始發(fā)生,。該模型還考慮了土壤水分脅迫和溫度對(duì)葉片衰老的加速效應(yīng)。最后使用石河子棉花灌溉試驗(yàn)觀測(cè)結(jié)果對(duì)模型進(jìn)行了參數(shù)率定,、驗(yàn)證和敏感度分析,。驗(yàn)證結(jié)果顯示：充分灌水條件下葉面積指數(shù)的均方根誤差（RMSE）為0.22m2/m2,，殘差聚集系數(shù)（CRM）為-0.01；20%和40%虧缺灌溉條件下葉面積指數(shù)的RMSE和CRM分別為0.37m2/m2,、-0.05和0.23m2/m2,、0。此外,，葉面積指數(shù)的模擬值與實(shí)測(cè)值間R2為0.96,。說(shuō)明該模型準(zhǔn)確地模擬了新疆棉花葉片全生育期的動(dòng)態(tài)變化過(guò)程。敏感度分析結(jié)果表明,，在充分灌水條件下,，葉片潛在衰減面積、葉片日最大增加面積和衰減面積,、初花期開始時(shí)間是影響模型的主要參數(shù),。

摘要:使用機(jī)器學(xué)習(xí)中的隨機(jī)森林(RF)回歸算法構(gòu)建小麥葉片SPAD值遙感反演模型。以2010—2013年江蘇地區(qū)試驗(yàn)點(diǎn)稻茬小麥3個(gè)生育期（拔節(jié),、孕穗,、開花）的葉片為材料，結(jié)合我國(guó)自主研發(fā)的環(huán)境減災(zāi)衛(wèi)星HJ-1對(duì)研究區(qū)域進(jìn)行同步監(jiān)測(cè),，分析了各生育期葉片SPAD值與8種植被指數(shù)間的相關(guān)性,；以0.01水平下顯著相關(guān)的植被指數(shù)作為輸入?yún)?shù)，使用RF回歸算法構(gòu)建了每個(gè)生育期的小麥SPAD反演算法模型,，即RF-SPAD模型,，以支持向量回歸(SVR)和反向傳播(BP)神經(jīng)網(wǎng)絡(luò)算法構(gòu)建的SVR-SPAD模型和BP-SPAD模型作為比較模型，以R2和均方根誤差(RMSE)為指標(biāo),，分析了每個(gè)生育期3個(gè)模型的學(xué)習(xí)能力和回歸預(yù)測(cè)能力,，結(jié)果表明：RF-SPAD模型在3個(gè)生育期都表現(xiàn)出最強(qiáng)的學(xué)習(xí)能力，R2和RMSE在拔節(jié)期分別為0.89和1.54,，孕穗期分別為0.85和1.49,，開花期分別為0.80和1.71；RF-SPAD模型在3個(gè)生育期的回歸預(yù)測(cè)能力都高于BP-SPAD模型,，高于或接近于SVR-SPAD模型,，R2和RMSE在拔節(jié)期分別為0.55和2.11，孕穗期分別為0.72和2.20,，開花期分別為0.60和3.16,。

摘要:設(shè)計(jì)了一套面向移動(dòng)終端的農(nóng)業(yè)知識(shí)文語(yǔ)轉(zhuǎn)換系統(tǒng)，該系統(tǒng)借鑒語(yǔ)義檢索技術(shù)中對(duì)于關(guān)鍵詞的語(yǔ)義處理方式,，用語(yǔ)義檢索技術(shù)處理文本切分過(guò)程中所遇到的歧義字段,，可將農(nóng)業(yè)文本知識(shí)轉(zhuǎn)換為自然流暢的語(yǔ)音，并結(jié)合呼叫中心技術(shù),、借助移動(dòng)終端推廣農(nóng)業(yè)知識(shí),。首先對(duì)文語(yǔ)轉(zhuǎn)換中的文本分析流程進(jìn)行分析,，明確歧義字段處理為文語(yǔ)轉(zhuǎn)換的關(guān)鍵點(diǎn)。在明確關(guān)鍵點(diǎn)的基礎(chǔ)上,，設(shè)計(jì)出用于進(jìn)行分詞的詞典,，進(jìn)而基于詞典匹配和統(tǒng)計(jì)分析模型對(duì)歧義字段進(jìn)行提取，再基于語(yǔ)義檢索對(duì)歧義字段進(jìn)行處理,，從而實(shí)現(xiàn)歧義字段的切分,，最終采用Cool Edit Pro 2.0軟件實(shí)現(xiàn)語(yǔ)音合成和韻律處理功能，開發(fā)出面向移動(dòng)終端的農(nóng)業(yè)知識(shí)文語(yǔ)轉(zhuǎn)換系統(tǒng),，可有效解決歧義字段的處理問(wèn)題,。由測(cè)試結(jié)果可以看出,，本文算法的查準(zhǔn)率為94.03％,，較最大匹配法和三元語(yǔ)法的查準(zhǔn)率分別提高了5.72個(gè)百分點(diǎn)和0.97個(gè)百分點(diǎn)；本文算法的查全率為95.32％,，較最大匹配法和三元語(yǔ)法的查全率分別提高了0.23個(gè)百分點(diǎn)和1.95個(gè)百分點(diǎn),；本文算法的F-1測(cè)度為0.93，較最大匹配法提高了0.01,，與三元語(yǔ)法相同,，說(shuō)明本文算法具有較好的性能。

摘要:以江漢平原的洪湖市為研究區(qū),，利用1990—2009年間的3期Landsat衛(wèi)星TM遙感數(shù)據(jù),，基于面向?qū)ο蟮姆诸惙椒ㄟM(jìn)行多尺度分割，利用光譜,、空間,、紋理等特征，并結(jié)合專家知識(shí)進(jìn)行坑塘信息提取,，對(duì)洪湖市坑塘變化狀況進(jìn)行遙感監(jiān)測(cè)和時(shí)空演變分析,。結(jié)果顯示：利用面向?qū)ο蟮淖詣?dòng)分類方法可以有效提取坑塘信息。洪湖市坑塘面積在1990—2009年間呈現(xiàn)增加趨勢(shì),，其中1990—2000年與2000—2009年間坑塘面積分別增加了306.53km2和379.69km2,。坑塘增加面積隨著與湖泊空間距離的增加而減少,，坑塘的增加主要由耕地,、湖泊和河流轉(zhuǎn)化而來(lái)。利用面向?qū)ο蟮目犹列畔⒆詣?dòng)提取可以為區(qū)域資源環(huán)境調(diào)查監(jiān)測(cè)提供參考,。

摘要:利用最小二乘支持向量機(jī)良好的非線性劃分能力,，基于資源一號(hào)02C高分辨率遙感數(shù)據(jù)，結(jié)合圖像形狀,、紋理特征等信息,，對(duì)農(nóng)業(yè)區(qū)土地利用類型進(jìn)行快速分類提取,，結(jié)果表明：資源一號(hào)02C高分辨率數(shù)據(jù)可以快速有效地實(shí)現(xiàn)土地類型劃分，加入特征信息后的圖像分類精度大幅度提高,，而最小二乘支持向量機(jī)的分類結(jié)果也十分理想,，總體分類精度達(dá)到82.53%，Kappa系數(shù)達(dá)到0.8071,，高于傳統(tǒng)圖像分類方法,，為利用國(guó)產(chǎn)高分辨率衛(wèi)星進(jìn)行土地類型劃分提供了快速可行的方法。

摘要:信息物理融合系統(tǒng)（CPS）具有嚴(yán)格的實(shí)時(shí)性和空間約束,，根據(jù)其事件驅(qū)動(dòng)性,，對(duì)CPS時(shí)空事件模型進(jìn)行了描述，并依據(jù)精準(zhǔn)農(nóng)業(yè)的特點(diǎn)對(duì)CPS體系結(jié)構(gòu)中的組成部件（物理世界,、傳感器,、計(jì)算（控制）單元、執(zhí)行器,、計(jì)時(shí)器）建立了時(shí)空事件模型,，并以精準(zhǔn)農(nóng)業(yè)大棚的灑水事件閉環(huán)過(guò)程為例對(duì)每一部件進(jìn)行了分析，證明這些事件模型可以用于精準(zhǔn)農(nóng)業(yè)中的基本事件,。

摘要:以北京市楊樹立木材積實(shí)測(cè)數(shù)據(jù)作為檢核真值,，按誤差傳播定律對(duì)電子經(jīng)緯儀測(cè)樹誤差進(jìn)行分析，并依據(jù)我國(guó)電子經(jīng)緯儀精度劃分的Ⅰ(DJ-1),、Ⅱ(DJ-2),、Ⅲ(DJ-6)和Ⅳ(DJ-15)4個(gè)等級(jí)，計(jì)算該方法測(cè)量樹高和材積的誤差和2倍中誤差的極限誤差,，分析不同精度電子經(jīng)緯儀測(cè)樹的差異性和適應(yīng)性,。結(jié)果表明：由于誤差的傳播和累積，同一精度電子經(jīng)緯儀測(cè)量材積的誤差大于樹高,。同一精度電子經(jīng)緯儀測(cè)量不同規(guī)格樣木時(shí),，誤差會(huì)隨著樹木大小的變化而略有差異。隨著電子經(jīng)緯儀測(cè)角標(biāo)準(zhǔn)偏差的變大,，測(cè)樹的誤差也會(huì)變大,。電子經(jīng)緯儀標(biāo)準(zhǔn)偏差為±0.5″時(shí)，測(cè)量樹高和材積的中誤差分別為±6.5500×10-2m和±1.474×10-3m3,，相對(duì)誤差分別為0.44%和0.73%,。電子經(jīng)緯儀標(biāo)準(zhǔn)偏差為±15.0″時(shí)，測(cè)量樹高和材積的中誤差分別為±8.9275×10-2m和±4.385×10-3m3,，相對(duì)誤差分別為0.60%和2.14%,。說(shuō)明我國(guó)現(xiàn)有的Ⅰ~Ⅳ級(jí)電子經(jīng)緯儀測(cè)樹結(jié)果均符合相對(duì)誤差不超過(guò)3%~5%的精度要求，可以滿足不同林業(yè)調(diào)查工作的需要。

摘要:針對(duì)傳統(tǒng)干形指數(shù)研究中上部直徑獲取困難,、樹干分段界限難以精準(zhǔn)確定等問(wèn)題,，提出了一種基于電子經(jīng)緯儀立木無(wú)損精測(cè)技術(shù)研究干形指數(shù)的方法。選取內(nèi)蒙古自治區(qū)旺業(yè)甸實(shí)驗(yàn)林場(chǎng)198棵落葉松樣本為研究對(duì)象,，將每株樣木10等分,，計(jì)算相對(duì)分段干形指數(shù)；使用方差分析法可知各相對(duì)分段之間有不同程度的差異,；利用聚類分析法可將樹干聚合為2～10段,；為了獲取最優(yōu)分段數(shù)，利用相對(duì)干形指數(shù)分別計(jì)算不同分段情況的材積,，并用電子經(jīng)緯儀觀測(cè)的材積進(jìn)行對(duì)比,。結(jié)果表明：樹干高度H分為3段時(shí)即可達(dá)到理想效果，各段平均相對(duì)干形指數(shù)（對(duì)應(yīng)高度）分別為：4.295（H0.0~H0.1）,、1.524（H0.1~H0.4）,、1.670（H0.4~H1.0）。此參數(shù)的研究可定量描述樹干干形分界線,，在材積測(cè)量中只需測(cè)量對(duì)應(yīng)分段處的3個(gè)直徑即可精準(zhǔn)測(cè)定材積,，有效減少外業(yè)工作量,。

摘要:影響植物莖直徑變化的因素有很多,，除了植物的自然生長(zhǎng)外，氣象因子和土壤含水率也是十分重要的因素,。以空氣溫度,、相對(duì)濕度、氣壓和光合有效輻射4個(gè)溫室內(nèi)的主要?dú)庀笠蜃雍屯寥篮蕿橛^測(cè)對(duì)象,，對(duì)處于生長(zhǎng)末期的4株溫室向日葵樣本和2株西紅柿樣本進(jìn)行監(jiān)測(cè)試驗(yàn),。以其中一株向日葵樣本為對(duì)象，對(duì)其莖直徑變化的影響因素作主成分分析并建立回歸模型,。將試驗(yàn)樣本上的監(jiān)測(cè)數(shù)據(jù)輸入模型,，對(duì)向日葵樣本和西紅柿樣本的莖直徑變化量進(jìn)行預(yù)測(cè)，并分別與其各自實(shí)測(cè)值比較,。結(jié)果顯示,，該回歸模型對(duì)處于生長(zhǎng)末期的溫室向日葵和西紅柿莖直徑動(dòng)態(tài)變化有較好的預(yù)測(cè)，預(yù)測(cè)值與實(shí)測(cè)值相關(guān)分析的決定系數(shù)為0.649~0.782,，均方根誤差為0.029~0.143,。

摘要:通過(guò)自建的氣泡霧化噴嘴射流可視化實(shí)驗(yàn)平臺(tái)對(duì)射流中氣體溢出過(guò)程進(jìn)行了聲波信號(hào)采集和圖像觀測(cè)。采用自適應(yīng)最優(yōu)核(AOK)與希爾伯特-黃變換(HHT)邊際譜兩種時(shí)頻分析方法對(duì)采集到的聲波時(shí)頻信號(hào)進(jìn)行了處理和分析,。結(jié)果表明：氣泡溢出噴嘴時(shí)會(huì)導(dǎo)致聲波信號(hào)AOK時(shí)頻譜幅值的增加,；時(shí)頻譜幅值隨時(shí)間的變化可以反映噴孔處氣體溢出量的實(shí)時(shí)變動(dòng)；聲波信號(hào)的HHT邊際譜能量主要集中在一定頻率范圍內(nèi),，且在頻率軸上的分布與氣液兩相壓力,、氣液混合狀態(tài)等因素有關(guān),；邊際譜能量關(guān)于某一中心頻率呈近似對(duì)稱分布，且該中心頻率與氣泡壓力相關(guān),，而與氣泡大小關(guān)系不大,；聲波信號(hào)的時(shí)頻分析結(jié)果能很好地捕捉到氣泡霧化噴嘴射流時(shí)氣相在溢出過(guò)程中的變化。聲波信號(hào)時(shí)頻分析方法可作為氣泡霧化噴嘴射流研究的一個(gè)有效途徑,。

摘要:以小尺度陶瓷管為燃燒器噴管,，與陶瓷管同軸的石英玻璃管構(gòu)造受限空間，采用實(shí)驗(yàn)研究與數(shù)值模擬相結(jié)合的方法分析液體乙醇微小射流火焰特性,。實(shí)驗(yàn)選擇燃料流量為0~2.1mL/h,，采用的陶瓷管包括內(nèi)徑為1.0mm和0.6mm兩種。結(jié)合火焰燃燒過(guò)程所涉及的特征參數(shù),，包括液滴高溫蒸發(fā)率,、無(wú)量綱熱損失、熄火直徑等,，分析了不同燃料流量,、燃燒器噴管內(nèi)徑等對(duì)微火焰穩(wěn)定性、溫度,、形態(tài)等的影響,。液體乙醇流量從零開始增加，整個(gè)變化過(guò)程會(huì)經(jīng)歷5個(gè)階段,，同時(shí)微火焰溫度升高,。而燃燒器噴管內(nèi)徑減小時(shí)，火焰逐漸變小,。研究結(jié)果表明在穩(wěn)定燃燒階段,，隨著乙醇燃料流量的增加，燃料整體高溫蒸發(fā)量增大,，微火焰溫度升高,、火焰高度增大；隨著燃燒器噴管內(nèi)徑減小,，無(wú)量綱熱損失增大,，微火焰溫度降低、火焰高度減小,。適當(dāng)調(diào)整燃料流量和燃燒器噴管內(nèi)徑有利于增強(qiáng)火焰穩(wěn)定性,。

摘要:建立了轉(zhuǎn)子發(fā)動(dòng)機(jī)的計(jì)算模型，結(jié)合自編程序在CFD軟件上對(duì)轉(zhuǎn)子發(fā)動(dòng)機(jī)的燃燒過(guò)程進(jìn)行了二維動(dòng)態(tài)數(shù)值模擬,，并利用實(shí)驗(yàn)結(jié)果進(jìn)行了驗(yàn)證,。在此基礎(chǔ)上，計(jì)算得出缸內(nèi)直噴LPG轉(zhuǎn)子發(fā)動(dòng)機(jī)燃燒演變過(guò)程，分析了噴嘴在3個(gè)不同位置時(shí)發(fā)動(dòng)機(jī)的燃燒特性,，由此確定了噴嘴安裝的最佳位置,，并進(jìn)一步研究了該情況下噴油時(shí)刻和噴油持續(xù)期對(duì)轉(zhuǎn)子發(fā)動(dòng)機(jī)燃燒過(guò)程的影響。研究結(jié)果表明：在轉(zhuǎn)速一定,，給定噴射方向,、噴射持續(xù)期和噴霧錐角時(shí)，發(fā)動(dòng)機(jī)存在一個(gè)最佳噴射提前角,，能使燃燒室內(nèi)混合氣分布合理,，氣缸壓力峰值高，最大放熱率和最大壓力升高率高,，燃燒持續(xù)時(shí)間短,，發(fā)動(dòng)機(jī)熱效率高。當(dāng)噴嘴位于長(zhǎng)軸頂點(diǎn)時(shí),，燃燒穩(wěn)定性和持續(xù)性都比其他兩個(gè)位置更好,，最佳噴射提前角對(duì)應(yīng)的燃燒壓力峰值最高；若在此最佳噴射提前角下,，保持其他條件不變,，改變其噴射持續(xù)期，會(huì)使最高燃燒壓力和最大放熱率出現(xiàn)一定的降低,，但影響不大,，其燃燒特性仍然比較理想，氣缸壓力峰值能達(dá)到6MPa以上,。

摘要:為提高天然氣發(fā)動(dòng)機(jī)的燃燒品質(zhì),，基于6105型渦輪增壓CNG發(fā)動(dòng)機(jī),，通過(guò)建模分析法,，對(duì)發(fā)動(dòng)機(jī)不同燃燒室形狀對(duì)缸內(nèi)氣流運(yùn)動(dòng)和燃燒特性的影響進(jìn)行了三維數(shù)值模擬研究。研究結(jié)果表明,，燃燒室形狀對(duì)擠流的形成和燃燒過(guò)程有著重要影響,。縮口型燃燒室具有較大的擠流強(qiáng)度和較長(zhǎng)的渦流持續(xù)期,火焰?zhèn)鞑ニ俣瓤?，燃燒性能好,，但其火花塞附近的熱?fù)荷較大，NOx的含量高,。敞口型燃燒室擠流強(qiáng)度較弱,，火焰?zhèn)鞑ニ俣容^慢，燃燒性能最差,。直口型燃燒室則介于兩者之間,既能保證較快的火焰?zhèn)鞑ニ俣群洼^好的燃燒性能,，又降低了其火花塞附近的熱負(fù)荷和NOx的排放量，是較適合天然氣發(fā)動(dòng)機(jī)采用的燃燒室。

摘要:設(shè)計(jì)了一種大流量電液控制閥,，采用壓差反饋取代常用的位移反饋,，為二級(jí)閥閉環(huán)提供了一種新方法并降低了成本；采用橢圓油口降低了閥芯長(zhǎng)度與質(zhì)量,，有利于提高系統(tǒng)頻響,。建立了電液控制閥系統(tǒng)的數(shù)學(xué)模型并進(jìn)行了仿真分析，結(jié)果表明采用矩形窗口與三角形窗口組合的復(fù)合節(jié)流窗口的設(shè)計(jì)可同時(shí)滿足大流量時(shí)的快速性與小流量時(shí)的穩(wěn)定性要求,，電液控制閥最大流量為417L/min,，在±50%輸入信號(hào)下頻響為73Hz。研制了試驗(yàn)樣機(jī)并成功應(yīng)用于液壓軟管脈沖試驗(yàn)系統(tǒng),，系統(tǒng)在不同負(fù)載下的水錘波響應(yīng)進(jìn)一步驗(yàn)證了所設(shè)計(jì)大流量電液控制閥應(yīng)用的廣泛性,。

摘要:鍛造操作機(jī)是自動(dòng)化鍛造作業(yè)中不可缺少的重要裝備之一。以20T載荷全液壓鍛造操作機(jī)為對(duì)象,，針對(duì)其重載,、定位精度要求高、慣量大的技術(shù)特點(diǎn),，對(duì)操作機(jī)各執(zhí)行機(jī)構(gòu)液壓控制系統(tǒng)進(jìn)行設(shè)計(jì),，包括大車行走系統(tǒng)、夾鉗旋轉(zhuǎn)系統(tǒng),、平行升降系統(tǒng),、水平緩沖系統(tǒng)、夾持系統(tǒng)和側(cè)移擺移系統(tǒng),。建立操作機(jī)關(guān)鍵控制系統(tǒng)（大車行走系統(tǒng),、夾鉗旋轉(zhuǎn)系統(tǒng)）的數(shù)學(xué)模型，采用模糊PID控制算法,，基于Matlab／Simulink和AMESim聯(lián)合仿真技術(shù)仿真研究系統(tǒng)的動(dòng)態(tài)特性,，并進(jìn)行試驗(yàn)驗(yàn)證。結(jié)果表明,，操作機(jī)各液壓系統(tǒng)回路設(shè)計(jì)合理,，采用模糊控制策略的大車行走系統(tǒng)和夾鉗旋轉(zhuǎn)系統(tǒng)的實(shí)時(shí)性強(qiáng)、魯棒性好,，實(shí)現(xiàn)了操作機(jī)平穩(wěn),、準(zhǔn)確、快速控制,。

摘要:車輛行星齒輪變速器一般采用經(jīng)驗(yàn)設(shè)計(jì)方法得到齒輪參數(shù),，使用中部分齒輪會(huì)因強(qiáng)度低而導(dǎo)致早期損壞，部分齒輪強(qiáng)度過(guò)高而使變速器結(jié)構(gòu)體積增大,。由此,，提出一種優(yōu)化方法,，以變速器各行星排齒輪強(qiáng)度均等和體積最小為綜合優(yōu)化目標(biāo)，利用行星齒輪裝配條件為約束,，求解后得到變速器的齒輪參數(shù),，利用ROMAX軟件對(duì)優(yōu)化后的齒輪進(jìn)行仿真分析，得到變速器各行星排最大疲勞應(yīng)力及疲勞壽命,。仿真和試驗(yàn)結(jié)果表明：與經(jīng)驗(yàn)設(shè)計(jì)方法相比,，強(qiáng)化了薄弱齒輪的強(qiáng)度，齒輪接觸應(yīng)力由1118MPa降至932MPa,；齒輪的強(qiáng)度更加均衡,，齒輪接觸應(yīng)力差值由368MPa降至193MPa；齒輪疲勞壽命差距縮小,，由157702h降至91588h,；同時(shí)變速箱體積減小8.38%，分析結(jié)果與優(yōu)化目標(biāo)相符,。

摘要:為了提高多目標(biāo)粒子群算法求解多目標(biāo)問(wèn)題的性能,，改善算法的收斂性，提出一種多鄰域鏈?zhǔn)浇Y(jié)構(gòu)的多目標(biāo)粒子群優(yōu)化算法,。首先,，以一種環(huán)形鏈?zhǔn)酵負(fù)浣Y(jié)構(gòu)，將種群劃分為多個(gè)鄰域,，每個(gè)鄰域之間相互交叉重疊,，并針對(duì)不同位置的粒子，進(jìn)行不同的速度和位置更新策略,。其次,，對(duì)所有粒子采用速度鉗制策略，并引入差分進(jìn)化策略對(duì)粒子進(jìn)行擾動(dòng),，從而進(jìn)一步提高算法的多樣性,。通過(guò)14個(gè)無(wú)約束和3個(gè)有約束函數(shù)仿真實(shí)驗(yàn)，表明該算法相對(duì)于NSGA II,、SPEA2,、MOEA/D DE、SMPSO和OMOPSO算法,，獲得Pareto解集分布更加均勻，算法的收斂性和多樣性也更好,。為了進(jìn)一步驗(yàn)證算法的可行性和有效性,，將其應(yīng)用于72桿桁架結(jié)構(gòu)尺寸設(shè)計(jì)，并與其他優(yōu)化方法進(jìn)行了比較,，結(jié)果表明該算法獲得的Pareto前端更均勻,，收斂性更好,。

摘要:針對(duì)三維對(duì)象檢索過(guò)程中在對(duì)象旋轉(zhuǎn)、灰度改變等復(fù)雜情況下檢索精度不高的問(wèn)題,，提出一種三維對(duì)象檢索方法,。將Harris算子擴(kuò)展運(yùn)用到三維對(duì)象，自適應(yīng)地確定頂點(diǎn)的鄰域大小,，然后根據(jù)Harris函數(shù)響應(yīng)值選取興趣點(diǎn),。利用興趣點(diǎn)構(gòu)建三維對(duì)象具有全局形狀特征的距離直方圖，將距離直方圖作為三維形狀的描述符進(jìn)行檢索,。實(shí)驗(yàn)結(jié)果驗(yàn)證了算法的有效性,，提高了檢索的查全率和查準(zhǔn)率。