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:隨著光譜傳感技術(shù)和圖像處理與分析軟件的日益成熟,，無人機(jī)多光譜軟硬件一體化程度和觀測精度及易用性得到極大的發(fā)展。無人機(jī)多光譜遙感已在農(nóng)業(yè)、林業(yè),、資源,、生態(tài),、環(huán)境保護(hù)等領(lǐng)域應(yīng)用日益廣泛。本文概述了無人機(jī)飛行平臺(tái),、多光譜傳感器等硬件技術(shù)的發(fā)展,，和無人機(jī)遙感影像的幾何校正、輻射校正圖像處理技術(shù)及數(shù)據(jù)處理流程,，并對(duì)無人機(jī)多光譜遙感在植被長勢監(jiān)測,、存在問題,、精細(xì)分類與地物識(shí)別、病蟲害監(jiān)測,、生物量和產(chǎn)量估算等方面的應(yīng)用潛力和發(fā)展方向進(jìn)行了系統(tǒng)分析和總結(jié),，以期為開展相關(guān)領(lǐng)域研究提供參考。建議各行業(yè)部門的專業(yè)人員與遙感,、計(jì)算機(jī)科學(xué)等領(lǐng)域的專家密切合作,，制訂無人機(jī)多光譜遙感技術(shù)的相關(guān)標(biāo)準(zhǔn)和規(guī)范，共同推進(jìn)并普及無人機(jī)多光譜遙感技術(shù),。

摘要:現(xiàn)有產(chǎn)業(yè)化應(yīng)用的溫室穴盤苗移栽機(jī)大都為三坐標(biāo)龍門架式結(jié)構(gòu),，其體積龐大、慣性大,、相對(duì)剛度低,、移栽速度低、柔性作業(yè)能力差,，無法滿足高速剔苗,、高速補(bǔ)苗作業(yè)要求。針對(duì)這些問題設(shè)計(jì)了一種并聯(lián)式三平移移栽機(jī)器人,，闡述了并聯(lián)移栽機(jī)器人主體結(jié)構(gòu)和為其配套設(shè)計(jì)的5種末端執(zhí)行器,，并統(tǒng)計(jì)了這些末端執(zhí)行器的質(zhì)量；在ADAMS中建立剛?cè)狁詈蟿?dòng)力學(xué)模型,，選定一條最長對(duì)角線軌跡進(jìn)行仿真,；比較了剛性模型理論軌跡與柔性模型實(shí)際軌跡的誤差，并分析了因動(dòng)平臺(tái)質(zhì)量變化引起的誤差變化情況,，發(fā)現(xiàn)移栽軌跡末段存在振蕩問題,；最后通過物理樣機(jī)進(jìn)行定位精度試驗(yàn)，樣機(jī)經(jīng)誤差補(bǔ)償后,，平均誤差由7.611mm降低到1.208mm,，其中大部分誤差為系統(tǒng)誤差。運(yùn)動(dòng)試驗(yàn)發(fā)現(xiàn),，機(jī)構(gòu)運(yùn)行平均速度為2m/s,、加速度峰值為20m/s2時(shí)，滿足精度要求,；但機(jī)構(gòu)在平均速度3m/s,、加速度峰值30m/s2時(shí)，誤差會(huì)擴(kuò)大,，需要進(jìn)一步改善關(guān)節(jié)徑向支撐力,。

摘要:為了能夠快速、準(zhǔn)確地獲取花生出苗質(zhì)量,，提出了基于機(jī)器視覺的花生出苗質(zhì)量評(píng)價(jià)方法,。首先通過田間自走機(jī)器人獲取花生圖像信息,，然后采用機(jī)器視覺的方法獲取圖像中花生苗的數(shù)量,、花生苗冠層投影面積以及花生苗中心點(diǎn)坐標(biāo)位置,。將花生缺苗率和花生苗活力指數(shù)作為花生出苗質(zhì)量評(píng)價(jià)指標(biāo)，以花生苗數(shù)量結(jié)合花生苗坐標(biāo)計(jì)算花生缺苗率,，以花生苗葉片包絡(luò)面積計(jì)算花生苗活力指數(shù),。針對(duì)花生圖像識(shí)別易受環(huán)境干擾的問題，提出了魯棒性強(qiáng)的花生苗提取算子,，采用K均值聚類方法對(duì)花生苗提取算子進(jìn)行分類,，結(jié)合花生苗和土壤自適應(yīng)分類算法，有效地將花生苗從土壤中提取出來,。針對(duì)花生苗棵數(shù)誤判現(xiàn)象,，提出了采用圖像全局分割和區(qū)域分割相結(jié)合的方法對(duì)圖像進(jìn)行分割，并基于形態(tài)學(xué)方法剔除田地雜草等噪聲,。試驗(yàn)結(jié)果表明：采用機(jī)器視覺識(shí)別花生苗數(shù)量的平均準(zhǔn)確率為95.4%,，花生苗株距計(jì)算平均誤差為5.35mm，驗(yàn)證了所提出的圖像自適應(yīng)分類算法的可行性,?；跈C(jī)器視覺所得花生缺苗率結(jié)果與人工測量結(jié)果兩者之間的相關(guān)性為0.991（皮爾遜相關(guān)系數(shù)），人工評(píng)價(jià)與基于機(jī)器視覺評(píng)價(jià)具有較高的一致性,。

摘要:為解決現(xiàn)有比重瓶法測量谷物體積時(shí)操作復(fù)雜,、工作量大、有毒等問題,，進(jìn)行單粒谷物體積排液法精確測量研究,，結(jié)合圖像處理技術(shù)和體積排液原理，提出一種單粒谷物體積排液法,。該測量裝置主要由標(biāo)準(zhǔn)白光光源,、高精度線陣CCD相機(jī)、測量容器,、谷物專用盛放裝置,、計(jì)算機(jī)等構(gòu)成。該測量方法首先調(diào)節(jié)標(biāo)準(zhǔn)白光光源,，增強(qiáng)圖像采集環(huán)境,，進(jìn)行體積標(biāo)定，計(jì)算單個(gè)像素點(diǎn)代表的實(shí)際體積V0約為0.0023mL,；其次,，使用高精度線陣CCD相機(jī)采集體積排液過程中測量容器內(nèi)的液位圖像；最后,，運(yùn)用差值法提取液位變化部分的圖像,，統(tǒng)計(jì)該部分圖像所包含像素點(diǎn)個(gè)數(shù),，結(jié)合體積標(biāo)定結(jié)果，計(jì)算體積,。對(duì)同一批谷物分別使用單粒谷物體積排液法和比重瓶法測量每粒谷物體積,，得到兩組體積數(shù)據(jù)，單粒谷物體積排液法用時(shí)12min,，比重瓶法用時(shí)124min,。對(duì)兩組數(shù)據(jù)分別使用格魯布斯檢驗(yàn)(TA、TB),、F檢驗(yàn)（FAB）以及t檢驗(yàn)（tAB）進(jìn)行顯著性差異檢驗(yàn),，并將3種檢驗(yàn)值與各自分布表中查得的臨界值相比較：(TA、TB)

摘要:蠶蟲上蔟多采用紙板方格蔟,，但紙板方格蔟在使用過程中會(huì)因扭曲變形導(dǎo)致方格分布不規(guī)則，而采繭機(jī)械對(duì)變形的方格蔟進(jìn)行蠶繭采摘時(shí),，會(huì)對(duì)方格蔟造成損傷,。為了提高方格蔟機(jī)械采繭的智能化水平，減少采繭設(shè)備對(duì)方格蔟的損傷,，提出一種基于顏色與面積特征的方格蔟蠶繭分割定位算法,，實(shí)現(xiàn)對(duì)方格蔟中蠶繭的分割、中心點(diǎn)定位和位置坐標(biāo)的視覺測量,。首先采用圖像空間的Brown畸變模型對(duì)方格蔟圖像進(jìn)行畸變矯正,，減小徑向畸變對(duì)視覺測量的影響；對(duì)矯正后的圖像采用Mean Shift聚類算法進(jìn)行預(yù)分割,，消除光照及圖像背景對(duì)蠶繭分割的影響,；然后對(duì)閾值分割和形態(tài)學(xué)處理后的二值化蠶繭圖像進(jìn)行基于面積特征的連通域標(biāo)定，得到每個(gè)蠶繭中心點(diǎn)位置,；將連通域標(biāo)定得到的蠶繭中心點(diǎn)坐標(biāo)代入圖像坐標(biāo)系與世界坐標(biāo)系轉(zhuǎn)換方程,得到每個(gè)蠶繭在笛卡爾空間的三維坐標(biāo),，經(jīng)過視覺測量確定蠶繭在方格蔟中的具體位置，控制蠶繭采摘裝置采摘方格蔟中的蠶繭,。經(jīng)過試驗(yàn),，該算法對(duì)方格蔟中的蠶繭檢測正確率為96.88%,，蠶繭坐標(biāo)最大定位偏差小于6.0mm，滿足采繭裝置對(duì)蠶繭采摘的定位精度要求,。

摘要:針對(duì)當(dāng)前大田環(huán)境條件下對(duì)害蟲進(jìn)行識(shí)別研究的不足,，以南方蔬菜重大害蟲為研究對(duì)象，探索了一種在大田環(huán)境下使用黃色誘捕板對(duì)蔬菜害蟲進(jìn)行監(jiān)測計(jì)數(shù)的方法,。在經(jīng)典圖像處理算法基礎(chǔ)上,，根據(jù)害蟲監(jiān)測目標(biāo)的需要,，提出了一種基于結(jié)構(gòu)化隨機(jī)森林的害蟲圖像分割算法和利用不規(guī)則結(jié)構(gòu)的特征提取算法,，進(jìn)一步結(jié)合背景去除、干擾目標(biāo)去除和檢測模型計(jì)數(shù)子算法,，集成設(shè)計(jì)了基于視覺感知的蔬菜害蟲計(jì)數(shù)算法（Vegetable pest counting algorithm based on visual perception,，VPCA-VP）。使用了現(xiàn)場環(huán)境下拍攝的圖像進(jìn)行實(shí)驗(yàn)與分析,，共識(shí)別出薊馬9351只,，煙粉虱202只，實(shí)蠅23只,。經(jīng)過與人工計(jì)數(shù)比對(duì)得出,，本文基于視覺感知的蔬菜害蟲計(jì)數(shù)算法的平均識(shí)別正確率為94.89%。其中,，蔬菜害蟲薊馬的識(shí)別正確率為93.19%,，煙粉虱的識(shí)別正確率為91%，實(shí)蠅的識(shí)別正確率達(dá)到100%,。算法達(dá)到了較好的測試性能,，可以滿足害蟲快速計(jì)數(shù)需求，在農(nóng)田害蟲監(jiān)測中有一定的應(yīng)用前景,。

摘要:針對(duì)現(xiàn)有小麥播種機(jī)械作業(yè)幅寬小,、播種不均勻等問題，設(shè)計(jì)了一種氣力集排式小麥排種分配系統(tǒng),，從播種機(jī)的定量排種系統(tǒng),、分配系統(tǒng)等方面研究了氣力集排式小麥排種分配機(jī)理，分析了排種分配系統(tǒng)的穩(wěn)定性和均勻性,。運(yùn)用Solidworks Flow進(jìn)行流體動(dòng)力學(xué)（Computational fluid dynamics,， CFD）仿真，分析排種分配系統(tǒng)機(jī)構(gòu)參數(shù)（輸種管,、分種外蓋）對(duì)氣室流場的影響,，速度流場分布結(jié)果表明，排種分配系統(tǒng)具備較理想流場特性的結(jié)構(gòu)參數(shù)為：褶皺管波紋長度為16mm,，波紋角度為90°,，分種外蓋圓錐角為120°,。對(duì)排種分配系統(tǒng)穩(wěn)定性和均勻性進(jìn)行臺(tái)架試驗(yàn)，結(jié)果表明,，排種器轉(zhuǎn)速在20~40r/min時(shí),，總排量穩(wěn)定性變異系數(shù)為1.01%~1.19%，各行排量一致性變異系數(shù)為3.20%,，種子破碎率為0.23%,，試驗(yàn)結(jié)果與CFD仿真分析基本一致；樣機(jī)試驗(yàn)結(jié)果表明,，總排量穩(wěn)定性變異系數(shù)為1.06%,，各行排量一致性變異系數(shù)為3.34%，排種均勻性變異系數(shù)為27.35%,，種子破碎率為0.28%,，滿足相關(guān)標(biāo)準(zhǔn)要求。

摘要:為提高水田深施肥的施肥質(zhì)量,，設(shè)計(jì)了一種葉片調(diào)節(jié)式水田側(cè)深施肥裝置,。應(yīng)用水田側(cè)深施肥肥量調(diào)節(jié)裝置計(jì)算機(jī)優(yōu)化軟件V1.0優(yōu)化求解施肥量調(diào)節(jié)機(jī)構(gòu)結(jié)構(gòu)參數(shù)，通過施肥量調(diào)節(jié)機(jī)構(gòu)受力分析,，確定步進(jìn)電動(dòng)機(jī)的輸出扭矩應(yīng)大于680N·mm,。建立葉片調(diào)節(jié)式側(cè)深施肥裝置仿真模型，應(yīng)用離散元EDEM軟件進(jìn)行排肥虛擬試驗(yàn),，分析螺旋鋼絲和毛刷在工作時(shí)受到肥料顆粒的作用力,，從而確定肥箱直流電動(dòng)機(jī)和防堵裝置直流電動(dòng)機(jī)的輸出扭矩應(yīng)分別大于5345N·mm和8N·mm。通過JPS-12型排種性能檢測試驗(yàn)臺(tái)對(duì)槽輪式和葉片調(diào)節(jié)式水田側(cè)深施肥裝置進(jìn)行施肥性能研究,，獲得了槽輪式水田側(cè)深施肥裝置的槽輪轉(zhuǎn)速和前進(jìn)速度對(duì)施肥穩(wěn)定性和均勻性影響規(guī)律,，以及葉片調(diào)節(jié)式水田側(cè)深施肥裝置的開口直徑和前進(jìn)速度對(duì)施肥穩(wěn)定性和均勻性影響規(guī)律。對(duì)比試驗(yàn)結(jié)果表明：葉片調(diào)節(jié)式水田側(cè)深施肥裝置施肥穩(wěn)定性和施肥均勻性指標(biāo)滿足國家標(biāo)準(zhǔn)要求,，在施肥質(zhì)量上優(yōu)于槽輪式水田側(cè)深施肥裝置,，施肥能力滿足農(nóng)藝要求。

摘要:針對(duì)機(jī)械式排種器高速作業(yè)時(shí)存在的排種穩(wěn)定性問題,，提出了一種離心錐盤推送式充種方式,，分析了影響籽粒在種腔內(nèi)部充填性能的應(yīng)力種類與力學(xué)規(guī)律，建立復(fù)合充填應(yīng)力數(shù)學(xué)模型,，通過理論分析找出提高充填力的有效方式,，并借助Matlab與ORIRIN逐步修整數(shù)學(xué)模型，從而確定關(guān)鍵結(jié)構(gòu)最優(yōu)參數(shù)值,。采用離散元仿真軟件EDEM虛擬仿真并通過單體臺(tái)架試驗(yàn),，對(duì)有離心推送結(jié)構(gòu)和普通空腔結(jié)構(gòu)的離心錐盤排種器進(jìn)行對(duì)比試驗(yàn)，驗(yàn)證了附加離心推送結(jié)構(gòu)的優(yōu)越性。試驗(yàn)結(jié)果表明,，在7～13km/h高速作業(yè)區(qū),，其平均漏播指數(shù)降低了2.52%，同時(shí),，利用后處理功能所測得的標(biāo)記顆粒充填力數(shù)值變化規(guī)律與預(yù)測值變化趨勢基本一致,，驗(yàn)證了理論模型的可行性，最大限度發(fā)揮了種層離心力對(duì)預(yù)充填籽粒的作用,，且進(jìn)一步擴(kuò)大了有效充種區(qū)域,。

摘要:為實(shí)現(xiàn)水稻生長周期內(nèi)區(qū)域性實(shí)時(shí)變量施肥,，提高機(jī)械化施肥作業(yè)效率和肥料利用率,，結(jié)合水稻施肥農(nóng)藝特點(diǎn)和近地光譜技術(shù)，設(shè)計(jì)了一種基于傳感器的雙圓盤離心勻肥罩式水稻地表變量施肥機(jī),。對(duì)光譜檢測裝置,、決策控制系統(tǒng),、變量執(zhí)行機(jī)構(gòu)等關(guān)鍵部件進(jìn)行設(shè)計(jì),，搭建基于STM32F103核心控制器的反饋系統(tǒng)，結(jié)合專家施肥策略響應(yīng)目標(biāo)施肥量,。以閘口排肥流量A,、撒肥圓盤轉(zhuǎn)速B、整機(jī)行進(jìn)速度C為影響因素,，顆粒分布變異系數(shù)Cv和施肥量相對(duì)誤差γ為評(píng)價(jià)指標(biāo),，設(shè)計(jì)三因素三水平撒肥性能正交試驗(yàn)。性能試驗(yàn)結(jié)果表明：在目標(biāo)作業(yè)幅寬內(nèi)（24m）,，影響Cv主次因素為A,、B、C,，影響γ主次因素為B,、A、C,，綜合選擇較優(yōu)的工作參數(shù)因素水平組合為：A2B2C2,，即排肥流量300g/s，圓盤轉(zhuǎn)速600r/min,，整機(jī)行進(jìn)速度1.2m/s時(shí),，Cv=13.82%，γ=9.54%,，整機(jī)撒肥性能最優(yōu),。田間試驗(yàn)結(jié)果表明：與性能試驗(yàn)相比，Cv誤差均值為9.19%,，γ誤差均值為9.25%,。研究結(jié)果表明離心式變量施肥機(jī)滿足撒肥均勻性和施肥量準(zhǔn)確性要求,，提高了離心式變量施肥機(jī)撒肥性能，為圓盤式撒肥機(jī)傳統(tǒng)的經(jīng)驗(yàn)式施肥提供了理論基礎(chǔ),。

摘要:東北壟作區(qū)播種前的根茬處理及深松作業(yè),，能夠提高播種質(zhì)量，促進(jìn)作物生長,。針對(duì)現(xiàn)有深松滅茬機(jī)作業(yè)過程中存在動(dòng)土量大,、滅茬效果不理想以及刀輥易纏草堵塞等問題，同時(shí)為適應(yīng)東北寒地保護(hù)性耕作技術(shù)模式,，滿足壟體深松滅茬的農(nóng)藝要求,，設(shè)計(jì)了一種帶狀深松滅茬機(jī)，并對(duì)其滅茬部件,、深松部件及壟臺(tái)成形部件結(jié)構(gòu)進(jìn)行了設(shè)計(jì),。以機(jī)具的作業(yè)速度、滅茬深度和滅茬刀正切刃滑切角為試驗(yàn)因素,，以滅茬率,、滅茬深度穩(wěn)定性系數(shù)為試驗(yàn)指標(biāo)，對(duì)影響整機(jī)性能的結(jié)構(gòu)與作業(yè)參數(shù)進(jìn)行田間試驗(yàn),。結(jié)果表明：機(jī)器的作業(yè)速度為2.8km/h,、滅茬深度為84.9mm、正切刃滑切角為6.5°時(shí),，滅茬率為93.26%,，滅茬深度穩(wěn)定性系數(shù)為95.25%，滅茬效果好,，滿足機(jī)具作業(yè)質(zhì)量要求,。

摘要:為解決西北旱區(qū)大面積推廣馬鈴薯大壟雙行覆膜栽培模式所造成的田間殘膜污染問題，設(shè)計(jì)了帆布帶式馬鈴薯挖掘-殘膜回收聯(lián)合作業(yè)機(jī),，實(shí)現(xiàn)了馬鈴薯挖掘收獲與殘膜回收的一體化作業(yè),。通過對(duì)樣機(jī)防纏繞裝置、帆布帶式送膜裝置及浮動(dòng)卷膜裝置關(guān)鍵工作參數(shù)進(jìn)行計(jì)算分析,，確定影響聯(lián)合回收機(jī)殘膜回收率的相關(guān)試驗(yàn)因素及其取值范圍,。依照Box-Behnken試驗(yàn)設(shè)計(jì)原理，采用四因素三水平響應(yīng)面分析方法,，建立了作業(yè)機(jī)前進(jìn)速度,、卷膜驅(qū)動(dòng)輥轉(zhuǎn)速、輸膜軸轉(zhuǎn)速和輸膜板傾角與殘膜回收率之間的數(shù)學(xué)模型,，并對(duì)各因素及其交互作用進(jìn)行分析,。試驗(yàn)結(jié)果表明：4個(gè)因素對(duì)殘膜回收率影響的主次順序?yàn)椋壕砟を?qū)動(dòng)輥轉(zhuǎn)速、作業(yè)機(jī)前進(jìn)速度、輸膜軸轉(zhuǎn)速和輸膜板傾角,；聯(lián)合回收機(jī)最佳工作參數(shù)為：作業(yè)機(jī)前進(jìn)速度0.72m/s,、卷膜驅(qū)動(dòng)輥轉(zhuǎn)速303r/min、輸膜軸轉(zhuǎn)速499r/min,、輸膜板傾角29°,。驗(yàn)證試驗(yàn)表明，聯(lián)合回收機(jī)殘膜回收率均值為92.1%,，較優(yōu)化前有明顯提升,；同時(shí)在此工作參數(shù)條件下，作業(yè)機(jī)明薯率為96.6%,、傷薯率為2.2%,，各項(xiàng)作業(yè)指標(biāo)均達(dá)到國家和行業(yè)標(biāo)準(zhǔn)要求。

摘要:為探明玉米穗莖兼收割臺(tái)夾持輸送裝置參數(shù)對(duì)作物損失率,、割臺(tái)性能的影響機(jī)理,，設(shè)計(jì)了一種玉米穗莖兼收割臺(tái)。通過對(duì)夾持輸送裝置的工作原理,、工作條件及影響因素的分析,，確定以夾持輸送鏈夾角、輸入軸鏈輪速度,、割刀安裝位置及機(jī)器作業(yè)速度為試驗(yàn)因素,，以果穗損失率、植株在x軸及y軸的最大偏移量為試驗(yàn)指標(biāo),，根據(jù)Box-Benhnken Design中心組合試驗(yàn)設(shè)計(jì)原理，進(jìn)行了四因素三水平正交旋轉(zhuǎn)組合田間試驗(yàn),，試驗(yàn)中利用高速攝像系統(tǒng)記錄玉米植株姿態(tài),，利用ProAnalyst運(yùn)動(dòng)分析軟件分析玉米植株的最大偏移量，利用Design-Expert軟件對(duì)試驗(yàn)結(jié)果進(jìn)行響應(yīng)面分析,，得到各因變量與自變量間的數(shù)學(xué)模型,。試驗(yàn)結(jié)果表明：4個(gè)自變量與果穗損失率、x軸最大偏移量有二次非線性關(guān)系,，其中割刀安裝位置影響最大,，夾持輸送鏈夾角的影響最小,，4個(gè)因素對(duì)y軸最大偏移量無顯著影響；因素的交互項(xiàng)僅對(duì)果穗損失率有顯著影響；最優(yōu)參數(shù)組合為：夾持輸送鏈夾角19.96°,、輸入軸鏈輪齒數(shù)22.09、割刀安裝位置22.33mm,、機(jī)器作業(yè)速度1.31m/s,，此時(shí)果穗損失率為0.4%，x軸最大偏移量為24mm。對(duì)最優(yōu)參數(shù)組合圓整后,，取夾持輸送鏈夾角為20°,，割刀安裝位置為22mm，機(jī)器作業(yè)速度為1.30m/s進(jìn)行田間驗(yàn)證試驗(yàn),，驗(yàn)證試驗(yàn)表明回歸模型有很好的可靠性,。優(yōu)化后的果穗損失率較優(yōu)化前降低2.4個(gè)百分點(diǎn)，低于標(biāo)準(zhǔn)規(guī)定的指標(biāo)值,。

摘要:新疆棉田殘膜污染問題嚴(yán)重,，機(jī)械回收殘膜是目前主要的回收方式。現(xiàn)有殘膜回收機(jī)普遍采用彈齒或伸縮桿齒式起膜裝置,，回收過程中容易出現(xiàn)殘膜纏繞工作部件,、卸膜難等問題，影響起膜和卸膜效果,。為此,，借鑒現(xiàn)有機(jī)型的優(yōu)點(diǎn)，通過刨膜輥刀起膜,、拋膜輥刀拋送原理,，設(shè)計(jì)一種起膜拋送、鏈齒輸送,、自動(dòng)脫膜的拋膜鏈齒輸送式殘膜回收機(jī),。該機(jī)具主要由起膜裝置、輸送裝置,、脫膜裝置,、傳動(dòng)系統(tǒng)和集膜箱等組成。殘膜通過拋送起膜,，配合鏈齒輸送,，實(shí)現(xiàn)殘膜與土塊分離，保證了起膜的可靠性,；利用自動(dòng)脫膜和刮板式脫膜機(jī)構(gòu)完成卸膜,，解決了殘膜纏繞、卸膜難的問題,。田間試驗(yàn)結(jié)果表明：當(dāng)作業(yè)速度為4~7km/h時(shí),，殘膜回收率均值為90.6%，機(jī)具作業(yè)效率均值為0.84hm2/h,，殘膜含雜率均值為3.971%,，當(dāng)作業(yè)速度較快時(shí)，提高了作業(yè)效率,，但回收率降低,，含雜率增大,。當(dāng)作業(yè)速度為5km/h時(shí)，回收率均值為91.8%,，作業(yè)效率均值為0.733hm2/h,，含雜率均值為2.605%，為較適宜的作業(yè)速度,。該機(jī)具運(yùn)行可靠,，起膜與脫膜效果較好，可用于新疆棉田殘膜回收,。

摘要:為了解決我國山核桃高空采摘困難,、提高采摘效率、降低采摘成本,，根據(jù)山核桃果實(shí)與樹枝分離力試驗(yàn)結(jié)果,，設(shè)計(jì)了便攜式山核桃仿人工高空拍打采摘裝置。闡述了采摘機(jī)關(guān)鍵部件設(shè)計(jì)過程,，并對(duì)采打機(jī)構(gòu)進(jìn)行了數(shù)學(xué)建模與計(jì)算,，應(yīng)用ADAMS對(duì)采打機(jī)構(gòu)進(jìn)行仿真，確定了拍打機(jī)構(gòu)的機(jī)構(gòu)與工作參數(shù),，為采摘機(jī)設(shè)計(jì)提供了依據(jù),。山核桃采摘試驗(yàn)結(jié)果表明：果實(shí)采凈率具有顯著性影響（P=0.05），果實(shí)采凈率隨拍打頻率的增大而增大,，頻率在13.33Hz時(shí)達(dá)到最大值,，采凈率為90.3%；對(duì)枝芽損傷較小,，但拍打頻率越大,，對(duì)枝芽損傷越明顯，建議拍打頻率采用10~13.33Hz,，此時(shí)平均采凈率達(dá)到85.1%～90.3%,，且對(duì)枝芽沒有破壞性損傷。

摘要:裹包式青貯飼料因塑封膜破損或開包飼喂致使空氣（氧氣）侵入,，激活微生物消耗營養(yǎng)物質(zhì)產(chǎn)生熱量，引起異常溫升,，最終導(dǎo)致飼料營養(yǎng)成分損失,，腐敗變質(zhì)。為此,，本文提出了一種基于Clark電極原理的溶解氧傳感器,，用于原位觀測有氧脅迫下青貯裹包飼料內(nèi)部氧動(dòng)態(tài)與溫度變化。在此基礎(chǔ)上,，構(gòu)建了基于偏微分-常微分方程系統(tǒng)的有氧脅迫下青貯飼料內(nèi)部氧動(dòng)態(tài),、溫升以及微生物繁殖耦合模型,，并檢驗(yàn)了模型的適用性。采用CLAAS公司生產(chǎn)的Rollant455型打包機(jī)打出的青貯裹包飼料在2個(gè)干物質(zhì)含量（DM-1：39.0%±1.3%和DM-2：31.4%±2.1%）下進(jìn)行有氧變質(zhì)過程實(shí)驗(yàn),，對(duì)比分析實(shí)驗(yàn)原位觀測值與模型預(yù)測值的差異,。結(jié)果表明：模型預(yù)測結(jié)果與實(shí)驗(yàn)測定結(jié)果總體上有較好的一致性，兩者差異產(chǎn)生的原因是青貯飼料內(nèi)部容重（孔隙）分布不均,。此外,，有氧變質(zhì)過程產(chǎn)生的水分會(huì)改變模型的初始參數(shù)（氧氣擴(kuò)散速率降低，比熱容提高等）,，導(dǎo)致模型后期預(yù)測精度降低,。

摘要:為了研究立式軸流泵裝置出水流道內(nèi)流脈動(dòng)及流動(dòng)噪聲的變化規(guī)律,，采用在出水流道布置壓力傳感器和水聽器的試驗(yàn)方法研究分析了軸流泵裝置不同轉(zhuǎn)速,、不同流量時(shí)出水流道的內(nèi)流脈動(dòng)及流動(dòng)噪聲的時(shí)頻特性。結(jié)果表明：相同流量比時(shí),，各監(jiān)測點(diǎn)的脈動(dòng)幅值均方根均隨轉(zhuǎn)速的增加而增加,。相同轉(zhuǎn)速時(shí)，各監(jiān)測點(diǎn)的脈動(dòng)幅值均方根均隨流量比的增大而減小,，不同流量比時(shí)各監(jiān)測點(diǎn)的脈動(dòng)主頻存在差異性,；不同轉(zhuǎn)速相同流量比時(shí)同一監(jiān)測點(diǎn)的脈動(dòng)主頻存在差異性；不同轉(zhuǎn)速不同流量比時(shí)各監(jiān)測點(diǎn)的脈動(dòng)主頻以51Hz為主,，脈動(dòng)主頻和脈動(dòng)次主頻均未與轉(zhuǎn)頻呈整倍數(shù)關(guān)系,，脈動(dòng)主頻和次主頻均在200Hz范圍內(nèi)。相同流量比時(shí)出水流道內(nèi)部流動(dòng)噪聲的聲壓級(jí)隨轉(zhuǎn)速的增加而增加,，轉(zhuǎn)速對(duì)最優(yōu)工況時(shí)出水流道流動(dòng)噪聲的聲壓級(jí)影響較明顯,。相同轉(zhuǎn)速時(shí)，出水流道內(nèi)部的流動(dòng)噪聲隨流量的增加呈先減小后增大的趨勢,。根據(jù)出水流道內(nèi)流脈動(dòng)幅值分析,，應(yīng)盡量避免低揚(yáng)程泵裝置在小流量工況運(yùn)行。

摘要:針對(duì)農(nóng)田環(huán)境信息監(jiān)測存在能量有限,、節(jié)點(diǎn)通信距離各異等特點(diǎn),，設(shè)計(jì)了一種基于接收信號(hào)強(qiáng)度和丟包率的發(fā)射功率自適應(yīng)水稻田監(jiān)測系統(tǒng)，并搭建了一個(gè)長期,、穩(wěn)定且可靠的低功耗無線傳感網(wǎng)絡(luò),。硬件方面，為擴(kuò)大網(wǎng)絡(luò)的覆蓋范圍和提高系統(tǒng)的穩(wěn)定性,，采用頻率異構(gòu)的方式對(duì)節(jié)點(diǎn)分簇,，為不同類型的節(jié)點(diǎn)配置不同類型的天線。軟件方面,，為提高CPU利用率,，各類節(jié)點(diǎn)程序設(shè)計(jì)采用基于小型嵌入式實(shí)時(shí)操作系統(tǒng)FreeRTOS,；為降低功耗，采取定時(shí)休眠喚醒,、傳感器掉電控制的工作模式和基于感知數(shù)據(jù)差的低功耗自適應(yīng)機(jī)制,。試驗(yàn)結(jié)果表明，在150m通信距離內(nèi),，系統(tǒng)可以根據(jù)當(dāng)前的通信質(zhì)量,，將節(jié)點(diǎn)的發(fā)射功率自適應(yīng)地調(diào)整到實(shí)現(xiàn)當(dāng)前通信可靠性所要求（丟包率小于1.3%）的最小發(fā)射功率上；對(duì)比10dBm固定發(fā)射功率,，當(dāng)發(fā)射功率自適應(yīng)算法調(diào)整為8,、6、3dBm時(shí),，節(jié)點(diǎn)續(xù)航能力分別提升了11.9%,、21.4%和33.3%。通訊性能對(duì)比表明,，本設(shè)計(jì)節(jié)點(diǎn)的通訊性能明顯優(yōu)于其他3種基于不同發(fā)射功率自適應(yīng)算法的節(jié)點(diǎn),，從而驗(yàn)證了本系統(tǒng)的可靠性與實(shí)用性。

摘要:大區(qū)域油菜空間分布的準(zhǔn)確提取是油菜估產(chǎn),、食用油保障及農(nóng)業(yè)管理的基礎(chǔ),。花期油菜不僅光譜特征發(fā)生變化,，其黃色花朵與同時(shí)期植被在視覺上的差異也相當(dāng)顯著,。本文基于2016年油菜盛花期的湖北省GF-1 WFV影像，利用NGVI表征光譜特征,，HSV變換后的H,、S、V分量表征顏色特征,，按NGVI,、H、S,、V順序逐級(jí)確定油菜和非油菜分離閾值,，實(shí)現(xiàn)油菜提取,；對(duì)提取結(jié)果首先用混淆矩陣進(jìn)行精度評(píng)定,，并與支持向量機(jī)方法進(jìn)行精度對(duì)比，然后用農(nóng)業(yè)統(tǒng)計(jì)數(shù)據(jù)對(duì)油菜提取面積進(jìn)行驗(yàn)證,。基于本文方法提取的油菜總體精度為94.51%,，Kappa系數(shù)為0.89,，分別比支持向量機(jī)方法提高約4個(gè)百分點(diǎn)和0.1,；與統(tǒng)計(jì)面積相比，省級(jí)尺度油菜提取面積相對(duì)誤差為-14.14%,，市級(jí),、縣級(jí)尺度決定系數(shù)分別為0.837（n=17）、0.738（n=83）,。此外,，將本文方法應(yīng)用到GF-2 PMS影像上，其結(jié)果與油菜參考圖相比,，油菜提取面積相對(duì)誤差為-8.33%,，空間一致度為91.67%。本研究方法簡單有效,，可以為大區(qū)域油菜制圖提供一種全新,、高效的解決方案。

摘要:為了實(shí)現(xiàn)無損檢測生菜葉片中重金屬鎘的污染程度,，以計(jì)算機(jī)視覺技術(shù)為研究手段,，結(jié)合圖像處理方法和特征選擇方法，對(duì)4個(gè)梯度重金屬鎘脅迫的生菜葉片進(jìn)行識(shí)別,。首先利用數(shù)碼相機(jī)獲取生菜葉片圖像,，然后使用Kmeans聚類算法分割圖像，對(duì)分割出的目標(biāo)圖像提取圖像顏色,、形狀和紋理特征,，共獲取46個(gè)圖像特征。為了使模型更簡便和減少數(shù)據(jù)量,，利用基于變量組合的變量重要性分析(VIAVC)和競爭性自適應(yīng)重加權(quán)算法(CARS)對(duì)圖像特征進(jìn)行降維,。采用偏最小二乘法判別分析（PLS-DA）和隨機(jī)森林（RF）構(gòu)建模型，用于生菜鎘脅迫程度的識(shí)別,。結(jié)果表明,，在7個(gè)組合特征模型中，顏色形狀紋理融合特征所建立的模型給出了最優(yōu)結(jié)果,，測試集分類正確率為92%,。用VIAVC和CARS對(duì)顏色形狀紋理融合特征進(jìn)行特征選擇，發(fā)現(xiàn)VIAVC的降維效果優(yōu)于CARS,。使用特征選擇的變量建立模型,，RF模型的訓(xùn)練集分類正確率和預(yù)測集分類正確率均高于PLS-DA，其中,，基于VIAVC的RF模型的訓(xùn)練集和預(yù)測集分類正確率分別為98.0%和96.0%,。可見,，基于VIAVC的RF模型在大大降低了特征維數(shù)的前提下,，能夠較好地對(duì)不同鎘脅迫程度的生菜葉片進(jìn)行識(shí)別,。

摘要:為快速、無損檢測玉米葉片含水率,，根據(jù)透射光譜原理設(shè)計(jì)一款便攜式植物葉片水分快速檢測儀,。檢測儀主要由數(shù)據(jù)采集節(jié)點(diǎn)和數(shù)據(jù)接收節(jié)點(diǎn)兩部分組成，數(shù)據(jù)采集節(jié)點(diǎn)采用夾持葉室結(jié)構(gòu),，由信號(hào)采集,、處理和發(fā)送模塊組成，數(shù)據(jù)接收節(jié)點(diǎn)由信號(hào)接收模塊和PDA組成,。測量時(shí)玉米葉片被放入采集節(jié)點(diǎn)的夾持葉室,，兩路LED主動(dòng)光源（890nm和980nm）發(fā)光照射葉片，采用PIN型Si光電傳感器在葉片的另一面進(jìn)行透射光探測,，透射光信號(hào)經(jīng)調(diào)理電路放大,、濾波后，通過ZigBee網(wǎng)絡(luò)發(fā)送至數(shù)據(jù)接收節(jié)點(diǎn),。根據(jù)采集的光信號(hào)計(jì)算透射率（T890和T980）,、比值植被指數(shù)（RVI）和調(diào)整型歸一化差異水分指數(shù)（MNDWI）等參數(shù)，分析了各植被指數(shù)與不同葉位含水率之間的相關(guān)性,，結(jié)果顯示儀器應(yīng)用的最佳葉位為完全展開葉片的倒二葉中部,，含水率檢測范圍為70%～80%，且分辨率為0.3%,。選取了T890,、T980和MNDWI建立了含水率檢測模型，其R2C為0.854,，R2V為0.849,，RMSE為0.0103。

摘要:為了在生豬養(yǎng)殖產(chǎn)生呼吸道疾病的初期,，通過監(jiān)測豬咳嗽聲進(jìn)行疾病預(yù)警,，提出了基于深度信念網(wǎng)絡(luò)(DBN)對(duì)豬咳嗽聲進(jìn)行識(shí)別的方法。以長白豬咳嗽,、打噴嚏,、吃食、尖叫,、哼哼,、甩耳朵等聲音為研究對(duì)象，利用基于多窗譜的心理聲學(xué)語音增強(qiáng)算法和單參數(shù)雙門限端點(diǎn)檢測對(duì)豬聲音進(jìn)行預(yù)處理,，實(shí)現(xiàn)豬聲音信號(hào)的去噪和有效信號(hào)檢測,。基于時(shí)間規(guī)整算法提取300維短時(shí)能量和720維梅爾頻率倒譜系數(shù)(MFCC)組合成1020維特征參數(shù)，將該組合特征參數(shù)作為DBN學(xué)習(xí)和識(shí)別數(shù)據(jù)集,，選定3隱層神經(jīng)元個(gè)數(shù)分別為42,、17和7，構(gòu)建網(wǎng)絡(luò)結(jié)構(gòu)為1020-42-17-7-2的5層深度信念網(wǎng)絡(luò)豬咳嗽聲識(shí)別模型,。通過5折交叉實(shí)驗(yàn)驗(yàn)證，基于DBN的豬咳嗽聲識(shí)別率和總識(shí)別率均達(dá)到90%以上,，誤識(shí)別率不超過8.07%,，最優(yōu)組豬咳嗽聲識(shí)別率達(dá)到94.12%，誤識(shí)別率為7.45%,，總識(shí)別率達(dá)到93.21%,。進(jìn)一步基于主成分分析法(PCA)提取1020維特征參數(shù)98.01%主成分得到479維特征參數(shù)，通過5折交叉實(shí)驗(yàn)驗(yàn)證,，豬咳嗽聲識(shí)別率和總識(shí)別率相對(duì)降維前均有所提高,，誤識(shí)別率有所降低，最優(yōu)組豬咳嗽聲識(shí)別率達(dá)到95.80%,，誤識(shí)別率為6.83%,，總識(shí)別率達(dá)到94.29%，實(shí)驗(yàn)結(jié)果表明所建模型是有效可行的,。

摘要:為了克服人工家畜體尺測量耗時(shí),、應(yīng)激大和工作強(qiáng)度大等問題，提出了一種基于單視角點(diǎn)云鏡像的豬只體尺測量方法,。首先使用單Xtion深度相機(jī)采集包含豬體的場景點(diǎn)云圖像序列,，并人工篩選出包含背部彎曲程度較小豬體的場景點(diǎn)云圖像，然后基于隨機(jī)采樣一致性算法和聚類分割算法自動(dòng)化分割目標(biāo)豬體并對(duì)其進(jìn)行姿態(tài)歸一化,，檢測單視角豬體點(diǎn)云對(duì)稱面,，并利用對(duì)稱面鏡像獲取完整豬體，最后利用自主研發(fā)的體尺測量軟件測量豬只體尺,。試驗(yàn)結(jié)果表明,，利用該方法測量體長的平均相對(duì)誤差為5.00%，臀寬測量的平均相對(duì)誤差為7.40%,，臀高測量的平均相對(duì)誤差為5.74%,。該方法為豬只體尺測量提供了切實(shí)可行的新途徑。

摘要:為提高耕地綜合生產(chǎn)能力,，適應(yīng)農(nóng)業(yè)現(xiàn)代化發(fā)展需求,，我國提出了高標(biāo)準(zhǔn)農(nóng)田建設(shè)的重大戰(zhàn)略部署。高標(biāo)準(zhǔn)農(nóng)田的識(shí)別是建設(shè)前選址和建設(shè)后評(píng)價(jià)的基礎(chǔ),。本文以耕地圖斑為基本單元,，融合遙感影像等多源數(shù)據(jù)，從本底條件、空間形態(tài),、建設(shè)水平,、生態(tài)防護(hù)等方面，構(gòu)建農(nóng)田綜合質(zhì)量多特性表征體系,，采用逼近理想點(diǎn)排序法（TOPSIS）進(jìn)行初步評(píng)價(jià),，再以人機(jī)交互的方式選取各質(zhì)量等級(jí)農(nóng)田的真值樣本，進(jìn)一步采用BP神經(jīng)網(wǎng)絡(luò)算法修正各特性權(quán)值,，得到農(nóng)田綜合質(zhì)量的精確評(píng)價(jià)結(jié)果,，實(shí)現(xiàn)高標(biāo)準(zhǔn)農(nóng)田識(shí)別。以吉林省大安市為研究區(qū),，研究結(jié)果表明：基于多特性表征體系的農(nóng)田綜合質(zhì)量評(píng)價(jià)方法精度達(dá)到96%以上,；研究區(qū)高標(biāo)準(zhǔn)農(nóng)田面積廣大，主要分布在耕地集中連片,、道路通達(dá),、生態(tài)防護(hù)良好、具有農(nóng)業(yè)現(xiàn)代化生產(chǎn)優(yōu)勢的東北部,、中北部,、西北部邊緣和部分南部區(qū)域；當(dāng)?shù)匾褌浒傅母邩?biāo)準(zhǔn)農(nóng)田和未備案,、有潛力的高質(zhì)量農(nóng)田區(qū)域均得到有效識(shí)別,。

摘要:利用2013—2015年土地變更調(diào)查新增耕地?cái)?shù)據(jù)，基于縣域和區(qū)域兩種尺度,，運(yùn)用重心模型,、區(qū)位基尼系數(shù)、地理集中度以及統(tǒng)計(jì)分析等方法,，分析3年京津冀地區(qū)新增耕地時(shí)空特征,，并從不同來源對(duì)新增耕地狀況進(jìn)行深入解析，以期為京津冀后續(xù)建設(shè)尤其是雄安新區(qū)建設(shè)提供參考,。研究結(jié)果表明：從2013—2015年京津冀新增耕地整體看,，新增耕地主要集中在中東部平原區(qū)、西部山區(qū)和北部高原區(qū)3大區(qū)域,；從不同年份分析,，京津冀地區(qū)新增耕地面積先減后增，重心從京津冀東北方逐漸向西南方偏移,，并呈高度聚集態(tài)勢,。新增水澆地是京津冀地區(qū)新增耕地的主要地類。新增耕地主要是通過農(nóng)村土地整治新增耕地的方式而來,，大部分來源于草地,，生態(tài)問題愈發(fā)突出。最后，深入分析新增耕地時(shí)空變化規(guī)律,，建議京津冀在未來建設(shè)中因地制宜,，加大〖JP〗節(jié)水力度，注重生態(tài)文明建設(shè),。

摘要:以荒漠綠洲區(qū)典型縣域磴口縣為研究區(qū),，將復(fù)雜網(wǎng)絡(luò)分析方法中的點(diǎn)格局分析方法、網(wǎng)絡(luò)骨架的提取算法和空間結(jié)構(gòu)魯棒性指標(biāo)根據(jù)實(shí)際空間生態(tài)網(wǎng)絡(luò)的特點(diǎn)進(jìn)行改造,，對(duì)研究區(qū)的空間復(fù)雜生態(tài)網(wǎng)絡(luò)的結(jié)構(gòu)進(jìn)行分析,。研究結(jié)果表明：7種類型的生態(tài)源地節(jié)點(diǎn)在較小尺度下均呈現(xiàn)聚集的空間分布格局，隨著尺度的增大,，逐漸呈現(xiàn)隨機(jī)分布，最后呈現(xiàn)均勻分布,，這種分布特征保證了小尺度和大尺度上生態(tài)網(wǎng)絡(luò)的穩(wěn)定,。水網(wǎng)廊道的密度范圍為0～1.46，路網(wǎng)廊道的密度范圍為0～2.27,，改造Kruskal算法識(shí)別出的骨架廊道符合實(shí)際情況?，F(xiàn)狀生態(tài)網(wǎng)絡(luò)初始的連接魯棒性僅為0.73，優(yōu)化后生態(tài)網(wǎng)絡(luò)的連接魯棒性達(dá)到1,。經(jīng)過生態(tài)節(jié)點(diǎn)布局優(yōu)化后的生態(tài)網(wǎng)絡(luò)節(jié)點(diǎn)和邊的抗打擊破壞能力,、恢復(fù)能力增強(qiáng)。

摘要:通過對(duì)Dyna-CLUE模型進(jìn)行改進(jìn),，嵌入BRT模型和Patch-dynamics模型,，形成BRT_Dyna-CLUE_Patch-dynamics模型。以生態(tài)脆弱區(qū)典型縣域磴口縣為研究區(qū),，基于2006年磴口縣土地利用情況,，應(yīng)用BRT_Dyna-CLUE_Patch-dynamics模型，對(duì)磴口縣2016年的土地利用狀況進(jìn)行模擬預(yù)測,，并與目前應(yīng)用較多的Logistic_CA_Markov模型進(jìn)行對(duì)比驗(yàn)證,。結(jié)果表明，Logistic_CA_Markov模型模擬結(jié)果的Kappa系數(shù)為0.7214,，BRT_Dyna-CLUE_Patch-dynamics模型模擬結(jié)果的Kappa系數(shù)為0.7826,，2個(gè)組合模型的模擬結(jié)果精度較高，均與真實(shí)解譯結(jié)果具有高度一致性,，但BRT_Dyna-CLUE_Patch-dynamics模型模擬精度更高,，結(jié)果更優(yōu)。因此,，將BRT_Dyna-CLUE_Patch-dynamics模型應(yīng)用于當(dāng)?shù)赝恋乩米兓M預(yù)測,，具有一定可行性，可為當(dāng)?shù)厣鷳B(tài)治理以及相關(guān)政策的實(shí)施提供一定的參考。

摘要:利用棉花秸稈生物炭,，以冬小麥為試驗(yàn)對(duì)象,，采用根系掃描法和Illumina MiSeq高通量測序技術(shù)探討研究農(nóng)田秸稈還田，施生物炭分別為4.5,、9.0,、13.5t/hm2后根系形態(tài)與內(nèi)生真菌多樣性的影響及其共生機(jī)制。試驗(yàn)結(jié)果表明,，在生物炭施用量為4.5~13.5t/hm2時(shí),，在冬小麥成熟期提高初生根的直徑和比根長，降低分支密度和生物量,；降低次生根分支密度,。在門水平，生物炭顯著提高根內(nèi)子囊菌門（Ascomycota）豐度,，顯著降低接合菌門（Zygomycota）,、壺菌門（Chytridiomycota）和未鑒定雜菌（unidentified fungus）豐度，對(duì)球囊菌門影響不顯著,；在常見目水平,，生物炭明顯提高格孢菌目（Pleosporales）豐度，顯著降低散囊菌目（Eurotiales）和被孢霉目（Mortierellales）豐度,。在4.5~9.0t/hm2時(shí),，生物炭通過降低初生根內(nèi)散囊菌目真菌豐度，促進(jìn)初生根分支密度和生物量的生長,；通過提高次生根內(nèi)格孢菌目真菌豐度,，抑制次生根直徑和分支密度的生長。經(jīng)綜合比較,，9.0t/hm2的生物炭處理對(duì)根系形態(tài)的優(yōu)化效果優(yōu)于其他處理,，與對(duì)照處理相比，在成熟期,，初生根直徑和比根長分別提高5.00%,、33.57%，分支密度和生物量分別降低67.26%,、27.27%,；次生根直徑和分支密度分別降低13.16%、34.38%,。

摘要:為量化分析河套灌區(qū)小麥/向日葵間作群體兩作物間相互利用水量,、鹽分運(yùn)移機(jī)理，明確兩作物間種間相對(duì)競爭能力,，采用根系分隔技術(shù)進(jìn)行試驗(yàn),。研究結(jié)果表明：小麥/向日葵間作群體生育期內(nèi)小麥條帶利用向日葵側(cè)水量為78.23~94.23m3/hm2,，向日葵條帶利用小麥側(cè)水量為44.96~57.97m3/hm2，其中根系在土壤空間的交叉疊加效應(yīng)可以多利用18.56~42.84m3/hm2小麥帶土壤水量,，20.79~46.63m3/hm2向日葵帶土壤水量,，降低1.32%~4.64%小麥條帶土壤EC均值，2.26%~3.16%向日葵條帶土壤EC均值,。水分養(yǎng)分互補(bǔ)效應(yīng)可以多利用15.12~26.40m3/hm2小麥帶土壤水量,，47.60~57.44m3/hm2向日葵帶土壤水量，降低2.98%~4.69%小麥條帶土壤EC均值,，1.82%~2.44%向日葵條帶土壤EC均值,。種間相對(duì)競爭能力上，間作群體內(nèi)小麥的競爭能力強(qiáng)于向日葵,，限制間作群體根系的交叉疊加及水分養(yǎng)分互補(bǔ)效應(yīng)有利于提升向日葵的種間相對(duì)競爭能力,。

摘要:以玉米為研究對(duì)象，進(jìn)行測坑微區(qū)試驗(yàn),，研究了地面滴灌條件下調(diào)虧灌溉對(duì)玉米植株與土壤水分分布,、根長、根長密度,、根數(shù)、產(chǎn)量以及作物水分利用效率的影響,。試驗(yàn)于2016年分別設(shè)苗期輕度,、苗期中度、拔節(jié)期輕度,、拔節(jié)期中度,、苗期中度拔節(jié)期輕度5個(gè)水分虧缺處理，另設(shè)全生育期適宜灌水作為對(duì)照,。結(jié)果表明,，各調(diào)虧處理的玉米冠部最終濕基含水率比對(duì)照處理增加-6.03%～4.61%、根部最終濕基含水率比對(duì)照處理增加1.30%～8.15%,；苗期輕度調(diào)虧處理,，產(chǎn)量比對(duì)照處理降低了7.89%、較對(duì)照處理節(jié)水8.26%,、水分利用效率較對(duì)照處理提高0.33%,；苗期中度調(diào)虧處理，產(chǎn)量比對(duì)照處理增加了5.20%,、較對(duì)照處理節(jié)水16.71%,、水分利用效率較對(duì)照處理提高26.25%；拔節(jié)期輕度調(diào)虧處理,，產(chǎn)量較對(duì)照處理增加了1.49%,、較對(duì)照處理節(jié)水14.07%,、水分利用效率較對(duì)照處理提高18.27%；拔節(jié)期中度調(diào)虧處理,，產(chǎn)量比對(duì)照處理降低了23.47%,、較對(duì)照處理節(jié)水28.35%、水分利用效率較對(duì)照處理提高6.64%,；苗期中度拔節(jié)期輕度調(diào)虧處理,，產(chǎn)量比對(duì)照處理降低了28.13%、較對(duì)照處理節(jié)水38.54%,、水分利用效率較對(duì)照處理提高16.94%,。苗期中度處理與拔節(jié)期輕度處理是促進(jìn)滴灌玉米節(jié)水增產(chǎn)的適宜水分虧缺處理，其結(jié)果對(duì)指導(dǎo)黑龍江西部玉米制定合理的灌溉制度具有實(shí)質(zhì)性意義,。

摘要:農(nóng)田蒸散（ETc）是農(nóng)業(yè)系統(tǒng)能量平衡和水分平衡的關(guān)鍵要素，砂石覆蓋條件下ETc的估算對(duì)于評(píng)價(jià)砂石覆蓋對(duì)農(nóng)田作物的影響非常重要,。為準(zhǔn)確估算砂石覆蓋條件下冬小麥ETc,，在陜西楊凌建立了遮雨棚下的蒸滲儀動(dòng)態(tài)觀測系統(tǒng)。利用FAO-56的Penman-Monteith（PM）模型和單,、雙作物系數(shù)法對(duì)冬小麥ETc進(jìn)行估算,，并基于兩年度不同砂石覆蓋量下冬小麥實(shí)測ETc數(shù)據(jù)，對(duì)單,、雙作物系數(shù)法進(jìn)行改進(jìn)和修正,，得到適用于砂石覆蓋條件下單、雙作物系數(shù)與砂石覆蓋量的關(guān)系,。結(jié)果表明：①冬小麥不同生長階段的單作物系數(shù)與砂石覆蓋量具有很好的線性關(guān)系,，進(jìn)一步結(jié)合估算的參考作物騰發(fā)量（ET0）計(jì)算，能很好地模擬兩年度不同砂石覆蓋量下的冬小麥ETc,。②基于冬小麥實(shí)測ETc對(duì)雙作物系數(shù)進(jìn)行修正,，可得到其修正系數(shù)A與砂石覆蓋量之間的線性關(guān)系，進(jìn)一步結(jié)合ET0可準(zhǔn)確估算兩年度不同砂石覆蓋量下的冬小麥各生長階段ETc,。③不同砂石覆蓋量下,，雙作物系數(shù)法比單作物系數(shù)法和PM模型估算冬小麥ETc的精度更高?？傮w上,，單、雙作物系數(shù)法在估算砂石覆蓋條件下的冬小麥ETc中仍有一定的適用性,，但需經(jīng)實(shí)測數(shù)據(jù)進(jìn)行修正,。

摘要:為探討黑土區(qū)不同氮肥施加對(duì)稻米品質(zhì)及變異性影響，在節(jié)水灌溉條件下以0,、60,、85,、110、135,、160kg/hm2氮肥處理的典型黑土區(qū)水稻生長基質(zhì)為例,，采用水稻成熟期蛋白質(zhì)含量、直鏈淀粉含量,、堊白度3個(gè)主要品質(zhì)指標(biāo)田間系統(tǒng)采樣數(shù)據(jù)為研究對(duì)象,，運(yùn)用地統(tǒng)計(jì)學(xué)原理探討了水稻3個(gè)品質(zhì)指標(biāo)的變異性，并建立了半變異函數(shù)模型,。結(jié)果表明：不同施氮量不僅能夠促進(jìn)稻米品質(zhì)的改善,，而且可以改變田間區(qū)域內(nèi)稻米品質(zhì)的變異性，除堊白度和不施氮肥處理的蛋白質(zhì)含量屬中等變異外,，其他處理下的水稻3個(gè)品質(zhì)指標(biāo)均屬于弱變異,。3個(gè)指標(biāo)中直鏈淀粉含量正相關(guān)范圍最大，大于蛋白質(zhì)含量和堊白度正相關(guān)范圍,，表明黑土區(qū)不同氮肥管理對(duì)直鏈淀粉含量變異結(jié)構(gòu)影響最大,。同時(shí)隨著施氮量的增加，土壤中硝態(tài)氮和銨態(tài)氮呈先增加后減小的變化趨勢,，不同施氮量土壤硝態(tài)氮和銨態(tài)氮含量的變化與稻米品質(zhì)變異強(qiáng)度的順序恰好相反,，由大到小為WS0、WS60,、WS85,、WS160、WS135,、WS110，通過相關(guān)性分析得出硝態(tài)氮對(duì)稻米品質(zhì)變異性起主導(dǎo)作用,，表明不同氮肥的施加可以通過改變土壤中硝態(tài)氮和銨態(tài)氮的含量進(jìn)而對(duì)稻米品質(zhì)變異性有一定的影響,。綜合來看最佳氮肥施用量為110kg/hm2，水稻3個(gè)品質(zhì)指標(biāo)及其生長基質(zhì)均具有較好的區(qū)域化特征和空間結(jié)構(gòu),。同時(shí)引入地統(tǒng)計(jì)學(xué)理論不僅彌補(bǔ)了經(jīng)典統(tǒng)計(jì)分析的不足,，而且可為水肥—土壤—作物系統(tǒng)信息進(jìn)行空間結(jié)構(gòu)和定量化研究提供理論依據(jù)。

摘要:土壤孔隙的拓?fù)浣Y(jié)構(gòu)決定了土壤水分保持和傳導(dǎo)能力,，對(duì)土壤生態(tài)過程與功能具有重要影響,，但現(xiàn)有土壤孔隙辨識(shí)方法存在孔隙邊界判別不準(zhǔn)確和運(yùn)行效率較低的問題。為解決這一問題,，提出一種基于土壤CT圖像灰度-梯度特征的改進(jìn)模糊C均值(GFFCM)孔隙辨識(shí)方法,。該方法利用拉普拉斯算子建立灰度-梯度二維特征矩陣，并結(jié)合土壤相關(guān)先驗(yàn)知識(shí)分區(qū)構(gòu)造初始隸屬度矩陣和確定聚類數(shù)目,；然后,，基于初始條件實(shí)現(xiàn)土壤結(jié)構(gòu)的模糊劃分,；最后，運(yùn)用孔隙辨識(shí)準(zhǔn)則對(duì)模糊聚類結(jié)果進(jìn)行優(yōu)化,，完成土壤孔隙結(jié)構(gòu)的精準(zhǔn)辨識(shí),。以非飽和土壤CT圖像為應(yīng)用對(duì)象驗(yàn)證孔隙辨識(shí)方法的性能，通過與傳統(tǒng)FCM法,、快速FCM法（FFCM）的比較,，表明GFFCM法有效克服了傳統(tǒng)FCM法在隸屬度矩陣和聚類數(shù)目初始化的不足，解決了初始值制約辨識(shí)精確度的問題,，在保證孔隙辨識(shí)精度的前提下具有較高的執(zhí)行效率,。

摘要:凍融作用一直是寒區(qū)渠道破壞的主要誘因，為探究凍融作用對(duì)飽和粉質(zhì)粘土物理力學(xué)性質(zhì)的影響規(guī)律,，在低溫環(huán)境模擬試驗(yàn)箱內(nèi),，對(duì)飽和土進(jìn)行0～11次凍融后，結(jié)合室內(nèi)土工試驗(yàn),，并用灰色關(guān)聯(lián)度對(duì)其各項(xiàng)性質(zhì)間交互影響效應(yīng)進(jìn)行分析,。結(jié)果表明：隨凍融循環(huán)次數(shù)的增加，飽和土黏聚力以單指數(shù)函數(shù)形式逐漸降低,，內(nèi)摩擦角逐漸升高,。凍融作用對(duì)黏聚力的影響在初次凍融后衰減明顯；損傷比系數(shù)Kφ,、KC與凍融循環(huán)次數(shù)關(guān)系可分別用對(duì)數(shù)函數(shù)和指數(shù)函數(shù)描述,；導(dǎo)熱系數(shù)、平均干密度與凍融循環(huán)次數(shù)呈負(fù)相關(guān)關(guān)系,，而平均孔隙率,、滲透系數(shù)與凍融循環(huán)次數(shù)呈正相關(guān)關(guān)系；與凍融作用相比,，平均孔隙率對(duì)黏聚力,、導(dǎo)熱系數(shù)、平均干密度和滲透系數(shù)的變化影響相對(duì)較大,；對(duì)于單個(gè)試樣而言,，物理性質(zhì)對(duì)力學(xué)性質(zhì)的改變影響由大到小為：平均孔隙率、平均干密度,、滲透系數(shù),、導(dǎo)熱系數(shù)。

摘要:土壤機(jī)械組成作為一種成分?jǐn)?shù)據(jù),，為滿足其空間插值的定額,、非負(fù)、線性無偏和最優(yōu)要求,，通常需要對(duì)其進(jìn)行轉(zhuǎn)換,。本文以寧夏銀北地區(qū)土壤機(jī)械組成數(shù)據(jù)為例,，引進(jìn)了球坐標(biāo)轉(zhuǎn)換方法，利用經(jīng)球坐標(biāo)轉(zhuǎn)換,、對(duì)稱對(duì)數(shù)比轉(zhuǎn)換和非對(duì)稱對(duì)數(shù)比轉(zhuǎn)換后的數(shù)據(jù)進(jìn)行普通克里格插值,，分析了球坐標(biāo)轉(zhuǎn)換方法對(duì)土壤機(jī)械組成數(shù)據(jù)轉(zhuǎn)換的可行性與科學(xué)性，并比較了不同轉(zhuǎn)換方法對(duì)土壤機(jī)械組成空間預(yù)測效果的影響,。結(jié)果表明：球坐標(biāo)轉(zhuǎn)換方法能滿足土壤機(jī)械組成空間插值要求,，對(duì)于研究區(qū)砂粒、粉粒的空間插值精度較對(duì)稱對(duì)數(shù)比轉(zhuǎn)換和非對(duì)稱對(duì)數(shù)比轉(zhuǎn)換方法高,，而對(duì)于黏粒,，其插值精度卻遜于對(duì)稱對(duì)數(shù)比轉(zhuǎn)換和非對(duì)稱對(duì)數(shù)比轉(zhuǎn)換方法。本研究為土壤機(jī)械組成空間插值提供了一種易于理解,、計(jì)算量小,、不需要考慮零值、又能保證一定插值精度的轉(zhuǎn)換方法,。

摘要:過濾器內(nèi)部的水沙運(yùn)動(dòng)復(fù)雜且多變,，初始狀態(tài)下沙粒分布的不均導(dǎo)致濾芯產(chǎn)生局部堵塞，改變了水流流態(tài)并進(jìn)一步影響后續(xù)沙粒運(yùn)動(dòng)和分布,。本文以CFD-DEM（Computational fluid dynamics, CFD,；Discrete element method，DEM)耦合模擬Y型網(wǎng)式過濾器內(nèi)部流場變化與沙粒運(yùn)動(dòng)及分布,，直觀地反映了濾芯對(duì)水流的流動(dòng)阻力特性與對(duì)沙粒運(yùn)動(dòng)分布影響,。結(jié)果表明，過濾器內(nèi)部存在明顯的回流區(qū),、旋渦區(qū)及滯流區(qū),，導(dǎo)致各過濾面流速不均，出口一側(cè)流速大,，進(jìn)口一側(cè)流速小,，兩者相差39%；隨著時(shí)間的變化,，過濾器內(nèi)流場變化明顯，沙粒堆積依次出現(xiàn)在出口側(cè)下端面,、出口側(cè)上端面,、進(jìn)口側(cè)下端面、進(jìn)口側(cè)上端面上,，最終布滿整個(gè)濾芯,；在濾芯的4個(gè)過濾面中，出口側(cè)上端面流速大而沙粒堆積最少,，進(jìn)口側(cè)上端面流速小而沙粒堆積最多,，由此可見出口側(cè)上端面具有更好的過濾性能,，可適當(dāng)提高該處過水面積，以提高過濾器過濾效率,。

摘要:利用秸稈厭氧發(fā)酵技術(shù)進(jìn)行揮發(fā)性脂肪酸（Volatile fatty acids, VFAs）生產(chǎn),，是一種極具前景的秸稈新型高值化利用方向。研究了水熱,、稀酸,、稀堿等預(yù)處理方式在中溫35℃、高溫55℃,、超高溫70℃等發(fā)酵產(chǎn)酸溫度條件下的產(chǎn)酸率及過程參數(shù),。結(jié)果表明，不同預(yù)處理?xiàng)l件對(duì)揮發(fā)性脂肪酸轉(zhuǎn)化率影響從大到小為Ca(OH)2,、HCl,、水熱預(yù)處理，堿性發(fā)酵較酸性發(fā)酵更有利于厭氧產(chǎn)揮發(fā)性脂肪酸進(jìn)行,。Ca(OH)2能夠有效地溶解木質(zhì)素,，35℃時(shí)Ca(OH)2的木質(zhì)素去除率為63.27%，遠(yuǎn)高于相同溫度的水熱處理組的12.45%和HCl處理組的12.40%,。中溫條件下秸稈揮發(fā)性脂肪酸產(chǎn)率最高,，雖然35℃時(shí)因?yàn)闇囟容^低使得秸稈降解率不高，但因該溫度下被降解的秸稈轉(zhuǎn)化為揮發(fā)性脂肪酸的效率高,，從而獲得了最高的產(chǎn)酸率,，各預(yù)處理組單位降解底物產(chǎn)酸率在35℃和70℃分別為0.79~1.20g/g和0.24~0.51g/g。最佳的堿處理組35℃的揮發(fā)性脂肪酸底物揮發(fā)分轉(zhuǎn)化率為0.25g/g,，而70℃時(shí)僅為0.09g/g,。研究結(jié)果為稻秸厭氧強(qiáng)化產(chǎn)揮發(fā)性脂肪酸的預(yù)處理和溫度等選擇提供了一定的理論依據(jù)。

摘要:在自行設(shè)計(jì)的生物質(zhì)固定床熱解裝置上,，進(jìn)行了150~850℃溫度范圍內(nèi),，每隔100℃的桉樹芯材木屑的固定床熱解實(shí)驗(yàn)，并進(jìn)行固態(tài)產(chǎn)物的熱物性參數(shù)測試,。結(jié)果表明：隨著溫度的升高,，桉樹芯材熱解炭的固態(tài)產(chǎn)率逐漸減小，低位熱值逐漸增大,，450℃熱解炭的熱值比木屑原料提高了95.53%,；堆積密度先減小后增大，體積能量密度持續(xù)增大,，750℃熱解炭的體積能量密度比原料增大了63.21%,；熱解炭的比熱容和導(dǎo)熱系數(shù)與熱解炭內(nèi)部的含水率、骨架結(jié)構(gòu)，即孔道開度和密度有密切的關(guān)系,。隨著熱解溫度的升高,，熱解炭的比熱容呈U字型趨勢先減小而后增大，導(dǎo)熱系數(shù)先輕微減小后以指數(shù)形式大幅增大,，得到比熱容和導(dǎo)熱系數(shù)隨溫度的變化曲線方程,，擬合度分別為0.9320和0.9953。

摘要:對(duì)厭氧消化產(chǎn)酸纖維（揮發(fā)性脂肪酸生產(chǎn)廢渣）進(jìn)行了酶解糖化和沼氣發(fā)酵實(shí)驗(yàn)研究,，探索了乙酸氨水兩步預(yù)處理對(duì)木質(zhì)纖維素降解,、葡萄糖濃度、木糖濃度和沼氣產(chǎn)率的影響,。結(jié)果表明：乙酸氨水兩步預(yù)處理進(jìn)一步降解了厭氧消化產(chǎn)酸中的半纖維素和木質(zhì)素,，而且纖維素回收率較高，為77.47%~81.44%,，其中4%乙酸處理和10%氨水處理實(shí)驗(yàn)組的纖維素質(zhì)量分?jǐn)?shù)達(dá)到56.82%,，半纖維素質(zhì)量分?jǐn)?shù)僅為7.94%；在上述預(yù)處理?xiàng)l件下,，酶解糖化效率最高,，葡萄糖質(zhì)量濃度達(dá)到47.46g/L，葡萄糖得率為67.73%,；同時(shí)在此乙酸氨水兩步預(yù)處理?xiàng)l件下的沼氣產(chǎn)率明顯優(yōu)于單獨(dú)乙酸和單獨(dú)氨水預(yù)處理,，獲得的最高沼氣產(chǎn)率為414mL/g，有效提高了厭氧消化產(chǎn)酸纖維的產(chǎn)氣效率,。

摘要:針對(duì)單品種淡水活魚數(shù)量估計(jì)問題,，以鯽魚和鳊魚為研究對(duì)象，采用不同數(shù)量淡水魚的被動(dòng)水聲信號(hào)作為樣本,，通過4~6層小波包分解算法,，對(duì)比分析了樣本的若干特征提取方案，明確了鯽魚水聲信號(hào)特征的提取方案為短時(shí)平均過零率+6層小波包分解頻段能量,，而鳊魚只需提取6層小波包分解頻段能量作為其信號(hào)特征,。根據(jù)不同樣本集劃分方法比較結(jié)果，確定了鯽魚樣本集劃分方法為Rank-SPXY(m=10),，鳊魚為Rank-SPXY(m=5),。利用競爭自適應(yīng)重加權(quán)采樣，篩選出樣本的關(guān)鍵特征,，并使用多元線性回歸和偏最小二乘回歸建立了若干淡水活魚的數(shù)量估計(jì)模型,，結(jié)果表明：多元線性回歸模型的性能較好，鯽魚和鳊魚數(shù)量估計(jì)模型的復(fù)相關(guān)系數(shù)分別為0.835和0.893,，相對(duì)分析誤差分別為1.79和2.01。

摘要:為了實(shí)現(xiàn)對(duì)循環(huán)水養(yǎng)殖系統(tǒng)中多臺(tái)框架式轉(zhuǎn)鼓式微濾機(jī)的控制，方便對(duì)系統(tǒng)進(jìn)行管理和維護(hù),，節(jié)約生產(chǎn)成本,，在分析框架式轉(zhuǎn)鼓式微濾機(jī)工作原理和控制要求的基礎(chǔ)上進(jìn)行控制系統(tǒng)的硬件和軟件設(shè)計(jì)，運(yùn)用STEP 7 MicroWIN SP9 V4.0軟件編寫了10臺(tái)轉(zhuǎn)鼓式微濾機(jī)的3種運(yùn)行模式控制程序,，PLC在線監(jiān)控和調(diào)試的結(jié)果表明：微濾機(jī)在手動(dòng)模式,、自動(dòng)模式和定時(shí)模式下均可以正常工作；在水產(chǎn)養(yǎng)殖環(huán)境中,，使用多模式軟邏輯控制系統(tǒng)來控制多臺(tái)轉(zhuǎn)鼓式微濾機(jī)減速電動(dòng)機(jī)和反沖洗泵的運(yùn)行和停止,，相比于易發(fā)生故障、檢修不便的硬邏輯控制系統(tǒng)具有穩(wěn)定性好,、自動(dòng)化程度高,、成本低等優(yōu)勢，能夠更好地應(yīng)對(duì)系統(tǒng)出現(xiàn)故障的情況,。研究結(jié)果可為轉(zhuǎn)鼓式微濾機(jī)控制系統(tǒng)的完善和水產(chǎn)養(yǎng)殖系統(tǒng)裝備自動(dòng)化集成提供參考,。

摘要:淀粉食品在加工、運(yùn)輸及儲(chǔ)藏過程中會(huì)逐漸出現(xiàn)回生,，其回生程度是影響淀粉食品品質(zhì)的重要因素,。利用近紅外和中紅外光譜技術(shù)快速、無損檢測淀粉回生度,。首先采集了儲(chǔ)存不同時(shí)間淀粉的近紅外和中紅外光譜,，分別利用近紅外、中紅外以及兩者融合的光譜數(shù)據(jù)結(jié)合化學(xué)計(jì)量學(xué)方法（偏最小二乘法（PLS,、iPLS,、biPLS、siPLS））建立淀粉回生度檢測模型,。結(jié)果顯示,，近紅外和中紅外融合光譜技術(shù)的biPLS檢測模型最佳，校正集和預(yù)測集相關(guān)系數(shù)分別為0.9655和0.9313,。研究結(jié)果表明,，紅外光譜技術(shù)可以快速、無損檢測玉米淀粉回生度,，保障了富含淀粉食品的質(zhì)量與安全,。

摘要:基于近紅外光譜法，優(yōu)化光纖探頭檢測距離并通過檢測距離調(diào)節(jié)系統(tǒng)和多點(diǎn)同時(shí)檢測,，設(shè)計(jì)了豬肉水分在線檢測分級(jí)系統(tǒng),。首先，為確定光纖探頭與生鮮豬肉樣品表面間的最佳檢測距離,，在13個(gè)不同檢測距離下（5~29mm）采集了54個(gè)樣品的光譜,，采用多元散射校正方法對(duì)原始光譜進(jìn)行預(yù)處理,，分別建立了第1波段（349~1435nm）、第2波段（1037~1761nm）和雙波段結(jié)合3種情況的含水率偏最小二乘回歸模型,，分析了不同檢測距離和不同波段的模型,，確認(rèn)19mm為在線檢測分級(jí)裝備的最佳檢測距離。然后,，通過檢測距離實(shí)時(shí)調(diào)節(jié)系統(tǒng)動(dòng)態(tài)固定最佳檢測距離,，設(shè)計(jì)了雙波段多點(diǎn)同時(shí)檢測系統(tǒng)，采集45個(gè)豬肉樣品在靜態(tài)條件和在線條件下的光譜,，通過比較分析,，兩種情況下預(yù)測結(jié)果相近，從而證實(shí)了所設(shè)計(jì)的在線系統(tǒng)能夠預(yù)測豬肉水分,，并且雙波段融合建模效果優(yōu)于單波段,，預(yù)測結(jié)果為：校正集相關(guān)系數(shù)和校正均方根誤差分別為0.906和0.598，驗(yàn)證集相關(guān)系數(shù)和預(yù)測均方根誤差分別為0.836和0.402,。最后,，利用獨(dú)立的21個(gè)豬肉樣品驗(yàn)證豬肉預(yù)測分級(jí)模型精度及穩(wěn)定性，結(jié)果判斷正確率為90.48%,，表明可見近紅外光譜法結(jié)合多點(diǎn)檢測能有效地在線檢測豬肉水分并分級(jí),。

摘要:為研究牛肉宰后成熟過程中凋亡誘導(dǎo)因子（AIF）介導(dǎo)細(xì)胞凋亡及溶酶體組織蛋白酶參與AIF活化機(jī)制，選取6頭西門塔爾雜交牛進(jìn)行屠宰,，取其背最長肌于4℃條件下成熟,，在不同成熟時(shí)間點(diǎn)（0、6,、12,、24、72,、120,、168h）進(jìn)行活性氧（ROS）相對(duì)含量、溶酶體膜穩(wěn)定性,、組織蛋白酶活性,、線粒體膜通透性、AIF表達(dá)及細(xì)胞核形態(tài)的測定,。結(jié)果表明,，宰后成熟過程中，牛肉ROS相對(duì)含量呈先降低后升高的趨勢(P<0.05),；溶酶體膜穩(wěn)定性逐漸降低(P<0.05),；組織蛋白酶B、D和L的活性逐漸升高(P<0.05),；線粒體膜通透性增大(P<0.05),；AIF在線粒體中的表達(dá)量于宰后12h顯著升高,，在之后的成熟時(shí)間降低(P<0.05)，AIF在細(xì)胞核中的表達(dá)呈上升的趨勢(P<0.05),，與線粒體中的下降趨勢相一致,；細(xì)胞核體積逐漸增大、部分核溶解,，并伴隨細(xì)胞間隙變大的現(xiàn)象。表明牛肉在宰后成熟過程中生成ROS,，ROS的累積導(dǎo)致溶酶體膜穩(wěn)定性失衡,，使組織蛋白酶被釋放，作用于線粒體,，之后線粒體膜通透性發(fā)生變化,，釋放AIF，活化的AIF進(jìn)入細(xì)胞核內(nèi)誘導(dǎo)凋亡發(fā)生,。

摘要:利用太赫茲衰減全反射技術(shù),，結(jié)合距離匹配算法，對(duì)不同品種花生進(jìn)行快速分類鑒別,。實(shí)驗(yàn)隨機(jī)采集花育36號(hào),、魯花1號(hào)和魯花9號(hào)共3個(gè)花生品種、總計(jì)60個(gè)花生樣本在0.3~3.6THz的太赫茲衰減全反射光譜,，隨后對(duì)其吸收系數(shù)進(jìn)行一階導(dǎo)數(shù)及歸一化預(yù)處理,，并建立花生品種的距離匹配快速鑒別模型。距離匹配模型結(jié)果顯示：3個(gè)類別的總體識(shí)別準(zhǔn)確率可達(dá)93.3%,，僅有1個(gè)樣本預(yù)測錯(cuò)誤,。研究結(jié)果表明，利用太赫茲衰減全反射技術(shù)實(shí)現(xiàn)花生品種快速鑒別具有一定的可行性,，具有操作簡單且快速高效等特點(diǎn),。

摘要:以青羊參葉為原料，研究了其有效凝乳成分的提取方法,，并在乳餅加工過程中進(jìn)行了驗(yàn)證,。結(jié)果表明，青羊參凝乳劑的最佳提取溫度為4℃,，最佳提取的液料比為20mL/g,，最佳提取溶液為10mmol/L檸檬酸-磷酸緩沖液；與傳統(tǒng)直接添加青羊參葉浸泡液的方法相比,，使用青羊參凝乳劑制成的乳餅蛋白質(zhì)回收率,、脂肪回收率和乳餅得率均顯著提升（P<0.05）；質(zhì)構(gòu)和微觀結(jié)構(gòu)顯示,，使用青羊參凝乳劑制作的乳餅具有更適宜的硬度和較高的粘著度,，凝膠網(wǎng)絡(luò)結(jié)構(gòu)分布均勻,。

摘要:為提高發(fā)酵豆芽乳中的γ氨基丁酸含量，以植物乳桿菌S-35為發(fā)酵劑,，以發(fā)酵過程中γ氨基丁酸質(zhì)量濃度為試驗(yàn)指標(biāo),，在單因素試驗(yàn)基礎(chǔ)上，利用中心組合試驗(yàn)設(shè)計(jì)和響應(yīng)面分析法研究了植物乳桿菌S-35接種量,、發(fā)酵溫度,、發(fā)酵時(shí)間對(duì)發(fā)酵豆乳中γ氨基丁酸質(zhì)量濃度的影響，并建立了乳酸菌發(fā)酵模型,。響應(yīng)面優(yōu)化試驗(yàn)結(jié)果表明豆芽乳發(fā)酵的最佳工藝條件為：接種量為3.5%,、發(fā)酵溫度為34.5℃、發(fā)酵時(shí)間為27h,。在此條件下γ氨基丁酸質(zhì)量濃度為1.61g/L,，植物乳桿菌S-35活菌數(shù)可達(dá)1.60×109CFU/mL。在4℃下進(jìn)行7d的儲(chǔ)藏試驗(yàn),，結(jié)果表明發(fā)酵豆芽乳在保質(zhì)期內(nèi)凝乳狀態(tài),、發(fā)酵參數(shù)保持在可接受的范圍內(nèi)。

摘要:針對(duì)目前已有智能車輛軌跡跟蹤控制存在跟蹤精度低,、魯棒性弱等問題，結(jié)合滑?？刂祈憫?yīng)迅速,、抗干擾能力強(qiáng)的優(yōu)點(diǎn)，提出一種基于趨近律的滑?？刂品椒?。提出的趨近律通過特殊冪次函數(shù)和反雙曲正弦函數(shù)的組合，提高了系統(tǒng)狀態(tài)的趨近速度并且平滑和限制了抖振現(xiàn)象,，可實(shí)現(xiàn)控制車輛平順快速跟蹤參考軌跡,。在Simulink軟件上搭建了車輛運(yùn)動(dòng)學(xué)模型并進(jìn)行軌跡跟蹤仿真實(shí)驗(yàn)，通過與雙冪次趨近律滑?？刂七M(jìn)行對(duì)比驗(yàn)證了控制效果,。仿真實(shí)驗(yàn)結(jié)果表明，相對(duì)于雙冪次趨近律滑?？刂?，提出的趨近律滑模控制的車輛能更快地跟蹤到參考軌跡,，橫向和縱向誤差收斂速度明顯增快,，航向角抖振現(xiàn)象減弱，系統(tǒng)具有更快的趨近速度,，并且抖振現(xiàn)象被削弱,。

摘要:氧化催化器（DOC）出口溫度控制是實(shí)現(xiàn)顆粒捕集器（DPF）主動(dòng)再生控制熱管理的關(guān)鍵,。本文結(jié)合DOC系統(tǒng)的實(shí)際特征對(duì)系統(tǒng)進(jìn)行分析，研究DOC傳熱及化學(xué)反應(yīng)特性,，建立了DOC一階加延遲的載體出口溫度響應(yīng)模型,，并利用載體試驗(yàn)數(shù)據(jù)進(jìn)行了模型參數(shù)校核，同時(shí)建立了熱響應(yīng)特征模型時(shí)間常數(shù)及延遲時(shí)間常數(shù)與排氣流量的關(guān)系,。依據(jù)系統(tǒng)模型特征,，研究了基于內(nèi)模控制架構(gòu)的PID控制策略,，采用Pade二階非對(duì)稱近似方法對(duì)系統(tǒng)響應(yīng)延遲部分進(jìn)行處理,，利用經(jīng)典PID控制器與內(nèi)模PID控制器等效方法建立了PID參數(shù)求解方程，分析了濾波器參數(shù)的設(shè)置方法,。該控制策略通過臺(tái)架試驗(yàn)，選取連續(xù)變化工況進(jìn)行測試,，DOC出口溫度在排氣流量及入口溫度均大幅變化的情況下,，可以確保出口溫度控制在(575±20)℃范圍內(nèi)。

摘要:針對(duì)目前3D打印加工耗時(shí)長,、生產(chǎn)效率低的特點(diǎn)，提出一種熔融沉積式3D打印路徑優(yōu)化算法,。針對(duì)部分零件切片輪廓封閉曲線多的情況,，提出一種基于蟻群算法的輪廓路徑規(guī)劃方法，合理規(guī)劃各輪廓的打印順序,。采用平行掃描對(duì)切片截面進(jìn)行填充,，分析掃描線角度對(duì)打印效率和打印質(zhì)量的影響，確定最優(yōu)掃描線角度,，將填充區(qū)域進(jìn)行區(qū)域劃分,，提出了一種基于四點(diǎn)法的區(qū)域合并算法，并采用臨近法對(duì)合并區(qū)域打印次序進(jìn)行優(yōu)化,。運(yùn)用該算法進(jìn)行零件打印實(shí)驗(yàn),，與傳統(tǒng)的平行掃描法比較，3組零件的單層輪廓路徑長度分別縮短了19.5%,、12.5%,、10.7%，打印時(shí)間縮短了12.6%,、11.6%,、8.9%，打印零件的尺寸精度和表面質(zhì)量均有所提高,，結(jié)果表明,，該算法健壯有效并且打印效率更高,。

摘要:為了更好地實(shí)現(xiàn)設(shè)計(jì)領(lǐng)域三維CAD模型多粒度、精細(xì)化,、智能化的設(shè)計(jì)重用需求,，提出了一種基于模擬退火的三維模型典型結(jié)構(gòu)挖掘與相似性評(píng)價(jià)方法。首先,，通過提取以B-rep表示的三維CAD模型幾何與拓?fù)湫畔?，?gòu)建三維CAD模型的屬性鄰接圖；然后以此為描述載體,，利用具有局部重用價(jià)值的典型結(jié)構(gòu)和三維CAD模型屬性鄰接圖之間頂點(diǎn)和邊的屬性映射關(guān)系建立關(guān)聯(lián)圖及其關(guān)聯(lián)圖矩陣,；最后，基于一種啟發(fā)式算法——模擬退火算法完成關(guān)聯(lián)圖中最大團(tuán)的檢測以實(shí)現(xiàn)三維CAD模型中典型結(jié)構(gòu)的挖掘,，并進(jìn)行相似性評(píng)價(jià),，同時(shí)以蟻群算法和遺傳算法為比較對(duì)象，在通用模型庫和農(nóng)業(yè)機(jī)械裝備模型庫完成了算法的驗(yàn)證,。實(shí)驗(yàn)結(jié)果表明,，該方法能較好地實(shí)現(xiàn)三維CAD模型典型結(jié)構(gòu)的挖掘和相似性評(píng)價(jià)，可以有效地支持設(shè)計(jì)領(lǐng)域的三維模型特征級(jí)和局部結(jié)構(gòu)級(jí)設(shè)計(jì)信息的重用,。

摘要:大型重載并聯(lián)穩(wěn)定接貨平臺(tái)對(duì)于海上集裝箱貨物的安全轉(zhuǎn)運(yùn)發(fā)揮著重要的作用。根據(jù)需求設(shè)計(jì)了一個(gè)具有3個(gè)變形剪叉分支的并聯(lián)穩(wěn)定接貨平臺(tái),，該變形剪叉分支具有行程放大的功能,，其由1個(gè)含子閉環(huán)的運(yùn)動(dòng)鏈URRRU (U和2個(gè)SPS驅(qū)動(dòng)單元構(gòu)成，當(dāng)分支中的2個(gè)驅(qū)動(dòng)單元同步驅(qū)動(dòng)時(shí),，變形剪叉分支與RPS運(yùn)動(dòng)鏈等效,。在非慣性系下，首先基于矢量法分析了并聯(lián)穩(wěn)定接貨機(jī)構(gòu)上平臺(tái)的伴隨位移,、速度和加速度,，相應(yīng)求得該機(jī)構(gòu)的位置解；然后基于螺旋理論建立了該機(jī)構(gòu)的運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)解析模型,；最后通過數(shù)值算例驗(yàn)證了所建運(yùn)動(dòng)學(xué)和動(dòng)力學(xué)模型的正確性,，為此機(jī)構(gòu)的后續(xù)結(jié)構(gòu)優(yōu)化和控制奠定了理論基礎(chǔ)。

摘要:為提高具有高通過性的步行輪平順性,，基于鴕鳥足運(yùn)動(dòng)姿態(tài)與跖趾關(guān)節(jié)儲(chǔ)能減振機(jī)理,，運(yùn)用工程仿生學(xué)原理與技術(shù)，設(shè)計(jì)了一種仿生自適應(yīng)低振動(dòng)步行輪,。有限元數(shù)值模擬結(jié)果表明,，輪上載荷30N，角速度10（°）/s情況下，相比于傳統(tǒng)步行輪,，仿生步行輪輪心波動(dòng)范圍在軟路面和硬路面分別降低了85.71%和93.33%,。采用輕載荷月壤/車輪土槽測試系統(tǒng)驗(yàn)證了仿生步行輪的減振性能。當(dāng)滑轉(zhuǎn)率小于40%時(shí),，仿生步行輪的掛鉤牽引力均大于傳統(tǒng)步行輪,；當(dāng)滑轉(zhuǎn)率大于40%，且僅在角速度為20（°）/s時(shí),，仿生步行輪的掛鉤牽引力才小于傳統(tǒng)步行輪,，表明仿生步行輪在松軟地面具有較好的牽引通過性。同時(shí),，相比于傳統(tǒng)步行輪,，當(dāng)角速度為30（°）/s時(shí)，仿生步行輪在軟路面和硬路面的加速度分別減少了6.3%和15.8%,，振幅分別減小了14.6%和9.6%,。在保證松軟地面優(yōu)越牽引通過性能前提下，仿生步行輪比傳統(tǒng)步行輪的輪心波動(dòng)更小,，振動(dòng)明顯降低,，有效解決了步行輪多邊形效應(yīng)引起的振動(dòng)問題。