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:隨著工業(yè)化與城鎮(zhèn)化的不斷推進(jìn)，我國(guó)農(nóng)業(yè)勞動(dòng)力成本日趨增高,，傳統(tǒng)農(nóng)業(yè)勞動(dòng)力逐漸減少，農(nóng)業(yè)勞動(dòng)力的老齡化與短缺問題逐漸突顯,，“機(jī)器換人”的需求日趨增加。無人農(nóng)場(chǎng)是采用物聯(lián)網(wǎng),、大數(shù)據(jù),、人工智能、5G,、智能裝備與機(jī)器人等新一代信息技術(shù),，通過對(duì)設(shè)施、裝備,、機(jī)械等進(jìn)行遠(yuǎn)程控制,、全程自動(dòng)控制或機(jī)器人自主控制，完成所有農(nóng)場(chǎng)生產(chǎn)作業(yè)的一種全天候,、全過程,、全空間的無人化生產(chǎn)作業(yè)模式。本文系統(tǒng)地闡述了無人農(nóng)場(chǎng)的概念,、技術(shù)架構(gòu)和發(fā)展歷程,；提出并分析了物聯(lián)網(wǎng)技術(shù)、大數(shù)據(jù)技術(shù),、人工智能技術(shù)和智能裝備與機(jī)器人技術(shù)等無人農(nóng)場(chǎng)的四大共性關(guān)鍵技術(shù),，基礎(chǔ)設(shè)施系統(tǒng)、作業(yè)裝備系統(tǒng),、測(cè)控系統(tǒng)和管控云平臺(tái)系統(tǒng)等無人農(nóng)場(chǎng)的四大系統(tǒng)組成,，以及無人大田、無人溫室,、無人果園,、無人牧場(chǎng)和無人漁場(chǎng)等無人農(nóng)場(chǎng)的五大類型,；最后,，提出了我國(guó)無人農(nóng)場(chǎng)的發(fā)展策略。

摘要:針對(duì)現(xiàn)有油茶籽色選機(jī)無法識(shí)別碎籽的問題,，提出一種基于卷積神經(jīng)網(wǎng)絡(luò)的油茶籽完整性識(shí)別算法,。以油茶籽完整性識(shí)別為目標(biāo)，構(gòu)建油茶籽圖像庫,；基于油茶籽完整性識(shí)別任務(wù)要求,，通過對(duì)AlexNet網(wǎng)絡(luò)進(jìn)行優(yōu)化得到適合油茶籽完整性識(shí)別的卷積神經(jīng)網(wǎng)絡(luò)模型，該網(wǎng)絡(luò)具有4層卷積層,、2層歸一化層,、3層池化層和1層全連接層。為了提高網(wǎng)絡(luò)分類準(zhǔn)確率和實(shí)時(shí)性,，從網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)化和超參數(shù)優(yōu)化兩方面對(duì)卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行優(yōu)化,，最終網(wǎng)絡(luò)結(jié)構(gòu)（CO-Net）的分類準(zhǔn)確率、訓(xùn)練收斂速度和泛化性能均得到了提高,。實(shí)驗(yàn)結(jié)果表明,，優(yōu)化后的網(wǎng)絡(luò)對(duì)油茶籽完整性識(shí)別準(zhǔn)確率達(dá)98.05%，訓(xùn)練時(shí)間為0.58h,，模型規(guī)模為1.65MB,，單幅油茶籽圖像檢測(cè)平均耗時(shí)13.91ms，可以滿足油茶籽在線實(shí)時(shí)分選的要求,。

摘要:為解決自然環(huán)境下小樣本病害葉片識(shí)別率低、魯棒性不強(qiáng)的問題,，以馬鈴薯病害葉片為研究對(duì)象,，提出一種基于深度卷積神經(jīng)網(wǎng)絡(luò)與復(fù)合特征字典結(jié)合的病害葉片識(shí)別方法。首先,，利用遷移學(xué)習(xí)技術(shù)對(duì)Faster R-CNN模型進(jìn)行訓(xùn)練,，檢測(cè)出病害葉片的斑塊區(qū)域；然后,，采用高密度采樣方法對(duì)整個(gè)斑塊區(qū)域提取顏色特征和SIFT特征,，建立顏色特征和SIFT特征詞匯表，再由K-均值聚類算法對(duì)兩類表觀特征詞匯表進(jìn)行聚類,，構(gòu)造出復(fù)合特征字典,；最后,，將病害區(qū)域提取的特征在復(fù)合特征字典中映射后獲得特征直方圖，利用支持向量機(jī)訓(xùn)練出病害的識(shí)別模型,。試驗(yàn)結(jié)果表明,，復(fù)合特征字典中視覺單詞數(shù)為50時(shí)，病害識(shí)別的魯棒性和實(shí)時(shí)性最佳,，平均識(shí)別準(zhǔn)確率為90.83%,，單幀圖像耗時(shí)1.68s；在顏色特征和SIFT特征組合下,，本文方法在自然光照條件下對(duì)病害的平均識(shí)別準(zhǔn)確率最高,，達(dá)到84.16%；在相同數(shù)據(jù)集下,，與傳統(tǒng)詞袋法相比,，本文方法的平均識(shí)別準(zhǔn)確率提高了25.45個(gè)百分點(diǎn)。

摘要:針對(duì)目前國(guó)內(nèi)蘋果分選大部分以人工操作的現(xiàn)狀,，提出利用GoogLeNet深度遷移模型對(duì)蘋果缺陷進(jìn)行檢測(cè),。檢測(cè)結(jié)果表明，本文方法對(duì)擴(kuò)充后的1932個(gè)訓(xùn)練樣本的識(shí)別準(zhǔn)確率為100%,，對(duì)235個(gè)測(cè)試樣本的識(shí)別準(zhǔn)確率為91.91%,。為評(píng)估目前蘋果缺陷檢測(cè)常用算法的性能，將GoogLeNet與淺層卷積神經(jīng)網(wǎng)絡(luò)（AlexNet和改進(jìn)型LeNet-5）及傳統(tǒng)機(jī)器學(xué)習(xí)方法（K-NN,、RF,、SVM）進(jìn)行了對(duì)比，結(jié)果表明,，與蘋果缺陷檢測(cè)的常用算法相比,，本文方法具有更好的泛化能力與魯棒性。

摘要:為實(shí)現(xiàn)群養(yǎng)豬的視覺追蹤和行為監(jiān)測(cè)，針對(duì)豬舍中仔豬因擁擠堆疊等習(xí)性而導(dǎo)致的目標(biāo)個(gè)體粘連,、圖像分割困難問題,，提出基于雙金字塔網(wǎng)絡(luò)的RGB-D群豬圖像分割方法。該方法基于實(shí)例分割Mask R-CNN框架,，在特征提取網(wǎng)絡(luò)（ResNet101）基礎(chǔ)上改進(jìn)成雙金字塔特征提取網(wǎng)絡(luò),。RGB圖像和Depth圖像分別提取特征后進(jìn)行融合,，輸入?yún)^(qū)域生成網(wǎng)絡(luò)得到預(yù)選錨（ROI）和共享特征輸入Head網(wǎng)絡(luò)，通過類別,、回歸和掩模3個(gè)分支，輸出檢測(cè)目標(biāo)的位置和分類結(jié)果,，實(shí)現(xiàn)豬舍場(chǎng)景下群養(yǎng)仔豬粘連區(qū)域的有效個(gè)體分割,。網(wǎng)絡(luò)模型訓(xùn)練采用2000組圖像樣本，按照4∶1比例隨機(jī)劃分訓(xùn)練集和驗(yàn)證集,。試驗(yàn)結(jié)果表明,，雙金字塔網(wǎng)絡(luò)（Feature pyramid networks，F(xiàn)PN）能有效解決顏色相近,、個(gè)體相似的群豬粘連問題,，實(shí)現(xiàn)單個(gè)仔豬區(qū)域的完整分割，分割準(zhǔn)確率達(dá)89.25%,，訓(xùn)練GPU占有率為77.57%,，與Mask R-CNN和PigNet網(wǎng)絡(luò)分割結(jié)果相比，分割準(zhǔn)確率和分割速度均有較大提高,。雙金字塔網(wǎng)絡(luò)模型對(duì)于多種行為狀態(tài),、不同粘連程度的群豬圖像中個(gè)體分割都取得了良好效果，模型泛化性和魯棒性較好,，為群養(yǎng)豬的個(gè)體自動(dòng)追蹤提供了新的途徑,。

摘要:在利用視頻監(jiān)控技術(shù)對(duì)群養(yǎng)豬只進(jìn)行自動(dòng)行為監(jiān)測(cè)時(shí),，對(duì)豬只準(zhǔn)確定位并辨別其頭尾位置對(duì)提高監(jiān)測(cè)水平至關(guān)重要,，基于此提出一種基于YOLO v3（You only look once v3）模型與圖結(jié)構(gòu)模型（Pictorial structure models）的豬只頭尾辨別方法。首先,，利用基于深度卷積神經(jīng)網(wǎng)絡(luò)的YOLO v3目標(biāo)檢測(cè)模型,，訓(xùn)練豬只整體及其頭部和尾部3類目標(biāo)的檢測(cè)器，從而在輸入圖像中獲得豬只整體及頭尾部所有的檢測(cè)結(jié)果,；然后,，引入圖結(jié)構(gòu)模型，描述豬只的頭尾結(jié)構(gòu)特征,，對(duì)每個(gè)豬只整體檢測(cè)矩形框內(nèi)的頭尾部位組合計(jì)算匹配得分,，選擇最優(yōu)的部位組合方式；對(duì)部分部位漏檢的情況,，采取閾值分割與前景橢圓擬合的方法,，根據(jù)橢圓長(zhǎng)軸推理出缺失部位,。在實(shí)際豬場(chǎng)環(huán)境下，通過俯拍獲得豬舍監(jiān)控視頻,，建立了圖像數(shù)據(jù)集,，并進(jìn)行了檢測(cè)實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明,，與直接利用YOLO v3模型相比,，本文方法對(duì)頭尾定位的精確率和召回率均有一定提高。本文方法對(duì)豬只頭尾辨別精確率達(dá)到96.22%,，與其他方法相比具有明顯優(yōu)勢(shì),。

摘要:為準(zhǔn)確提取步態(tài)特征,、識(shí)別奶牛跛行，利用三維加速度傳感器采集30頭奶牛后趾加速度信號(hào),，針對(duì)奶牛步態(tài)人工分割的不足,，提出基于改進(jìn)的動(dòng)態(tài)時(shí)間規(guī)整算法對(duì)奶牛步態(tài)進(jìn)行分割，提取特征值并利用邏輯回歸法建立跛行識(shí)別模型,。采用本文方法得到的步態(tài)分割精確度,、靈敏度、準(zhǔn)確率平均值分別為89.53%,、95.51%,、87.49%，比常規(guī)動(dòng)態(tài)時(shí)間規(guī)整算法分別提高了5.31,、4.48,、8.43個(gè)百分點(diǎn)，總體準(zhǔn)確率達(dá)到90.57%,，相較自相關(guān)函數(shù)法和峰值檢測(cè)法分別提高了1.75,、3.13個(gè)百分點(diǎn)。以支撐時(shí)間,、步幅長(zhǎng)度,、平均強(qiáng)度、信號(hào)幅度面積,、前進(jìn)方向加速度均值和運(yùn)動(dòng)變化量為自變量的跛行識(shí)別模型識(shí)別率分別為83.44%,、81.72%、86.15%,、86.81%,、89.45%和85.71%,。本研究結(jié)果可為奶牛步態(tài)分割、跛行識(shí)別提供技術(shù)支持,。

摘要:針對(duì)人參種子流動(dòng)性差，導(dǎo)致排種器在充種環(huán)節(jié)漏充嚴(yán)重,、傷種率高等問題，采用增大種群擾動(dòng),、減小局部種間摩擦力的方法,，提高排種器的充種性能，并基于此設(shè)計(jì)了一種凸包異形孔窩眼輪式精密排種器,。通過對(duì)充種區(qū)種子受力狀態(tài)和運(yùn)動(dòng)狀態(tài)進(jìn)行分析,，闡明了凸包異形孔結(jié)構(gòu)提高排種器充種性能的機(jī)理；進(jìn)行理論計(jì)算和對(duì)充種過程運(yùn)動(dòng)學(xué)分析,，利用EDEM軟件進(jìn)行了單因素仿真試驗(yàn),，分析了不同結(jié)構(gòu)參數(shù)對(duì)種群的影響，并確定了窩眼輪的結(jié)構(gòu)參數(shù),；以窩眼輪轉(zhuǎn)速,、凸包高徑比和種層高度為試驗(yàn)因素，以合格指數(shù),、重播指數(shù)和漏播指數(shù)為試驗(yàn)指標(biāo),，進(jìn)行了二次回歸正交旋轉(zhuǎn)組合試驗(yàn)。試驗(yàn)結(jié)果表明：影響合格指數(shù)的主次順序依次為凸包高徑比,、窩眼輪轉(zhuǎn)速,、種層高度；當(dāng)窩眼輪轉(zhuǎn)速為29.75r/min,、凸包高徑比為0.43,、種層高度為53.92mm時(shí)，充種性能最佳,，此時(shí)合格指數(shù)為95.59%,、重播指數(shù)為2.97%、漏播指數(shù)為1.40%,。為驗(yàn)證排種器的工作性能,，進(jìn)行了臺(tái)架試驗(yàn)和田間試驗(yàn)，結(jié)果表明,，凸包異形孔窩眼輪式精密排種器的充種性能較好,，滿足人參播種要求,。

摘要:為實(shí)現(xiàn)蔗種精準(zhǔn)橫向播種,，設(shè)計(jì)了一種預(yù)切種式甘蔗橫向排種器,。通過對(duì)蔗種在排種器中的運(yùn)動(dòng)分析和基于Recurdyn軟件的排種器運(yùn)動(dòng)仿真,，探究排種器傳送鏈軸轉(zhuǎn)速,、提升傳送鏈傾角和集蔗箱傾角對(duì)排種性能的影響,。利用自制的簡(jiǎn)易鏈?zhǔn)礁收崤欧N器試驗(yàn)平臺(tái)，對(duì)排種器的一級(jí)鏈軸轉(zhuǎn)速,、傳送鏈傾角和集蔗箱傾角等參數(shù)進(jìn)行試驗(yàn)研究,，結(jié)果表明：傳送鏈傾角和一級(jí)鏈軸轉(zhuǎn)速對(duì)排種性能具有極顯著的影響，集蔗箱傾角對(duì)排種性能的影響不顯著,；排種性能的最優(yōu)參數(shù)組合為傳送鏈傾角55°,、鏈軸轉(zhuǎn)速9.16r/min、集蔗箱傾角45°,。室內(nèi)驗(yàn)證試驗(yàn)表明,，排種器的合格率為92.6%、漏植率為5%,、重植率為3.2%,，說明排種器能有效避免排種過程的重植和漏植現(xiàn)象，減少播種過程的耗種量,。田間驗(yàn)證試驗(yàn)表明,，排種方向合格率93.37%，排種株距合格率90.33%,，排種株距在33~49.5cm的合理株距范圍內(nèi),，實(shí)現(xiàn)了雙蔗芽蔗種的精準(zhǔn)橫向播種。

摘要:針對(duì)同一區(qū)域內(nèi)相鄰多田塊的無人機(jī)單機(jī)作業(yè)任務(wù)路徑規(guī)劃問題,，從續(xù)航、負(fù)重等實(shí)際問題出發(fā),，考慮種肥藥液和油電能源等消耗品的按需多次返航補(bǔ)給,，提出并實(shí)現(xiàn)一套含障礙物多田塊條件下單機(jī)多架次作業(yè)的農(nóng)用旋翼無人機(jī)自主飛行作業(yè)的路徑規(guī)劃算法。在給出作業(yè)路徑規(guī)劃優(yōu)化目標(biāo)模型的基礎(chǔ)上,，提出“先路徑,、后航次”兩步優(yōu)化法，先以最短路徑為優(yōu)化目標(biāo)規(guī)劃初始作業(yè)路徑,，然后考慮消耗品按需返航后的補(bǔ)給與續(xù)作問題進(jìn)行航次規(guī)劃,。針對(duì)變量噴播和恒量噴播2種噴播模式，分別提出兩種作業(yè)航向方向安排原則,、航線調(diào)度原則,、補(bǔ)給方式和續(xù)作模式，規(guī)劃出4種不同航向及航線調(diào)度組合策略下的初始作業(yè)路徑,，并在此基礎(chǔ)上進(jìn)一步給出4種不同組合補(bǔ)給續(xù)作優(yōu)化策略下的航次安排方案,。針對(duì)假想田塊和真實(shí)田塊的算例仿真測(cè)試結(jié)果表明,，規(guī)劃初始作業(yè)路徑的4種優(yōu)化策略能夠穩(wěn)定高效運(yùn)行,，算法耗時(shí)78~105161ms，轉(zhuǎn)移路徑優(yōu)化效果為10.25%~33.81%,；在航次優(yōu)化算法方面,，算法耗時(shí)略有增加，為21170~106393ms,，轉(zhuǎn)移路徑優(yōu)化效果為14.00%~26.27%,，補(bǔ)給次數(shù)的最好優(yōu)化效果從15次降到10次?？傮w來說,，相同條件下完全重置+重排續(xù)作的組合策略表現(xiàn)較優(yōu)。

摘要:在航空施藥過程中,，為保證單位面積施藥量的一致性、實(shí)現(xiàn)施藥流量的實(shí)時(shí)控制,，提出一種航空變量施藥分級(jí)控制算法,。該算法根據(jù)各參數(shù)的等級(jí)和閥門開度建立分級(jí)控制表，再結(jié)合分級(jí)控制公式計(jì)算作業(yè)參數(shù)變化時(shí)閥門對(duì)應(yīng)的開度,，從而計(jì)算出施藥流量,，實(shí)現(xiàn)施藥流量的自動(dòng)調(diào)節(jié),。基于該算法設(shè)計(jì)了基于單片機(jī)多信息融合的航空變量施藥實(shí)時(shí)監(jiān)控系統(tǒng),，通過軟硬件設(shè)計(jì)實(shí)現(xiàn)了對(duì)作業(yè)航跡,、作業(yè)高度、作業(yè)速度,、施藥流量及藥液余量等信息的實(shí)時(shí)監(jiān)測(cè),，進(jìn)行了航跡監(jiān)測(cè)試驗(yàn)、施藥流量監(jiān)測(cè)試驗(yàn),、液位監(jiān)測(cè)試驗(yàn)和變量施藥控制試驗(yàn)等,。結(jié)果表明，該系統(tǒng)可以準(zhǔn)確監(jiān)測(cè)多種作業(yè)參數(shù),，并可根據(jù)參數(shù)變化精準(zhǔn)調(diào)控施藥流量,；飛行航跡監(jiān)測(cè)平均偏差為0.98m，施藥流量監(jiān)測(cè)平均誤差為3.57%,，液位監(jiān)測(cè)平均誤差為1.97%,，系統(tǒng)對(duì)流量控制的最大誤差為9.26%。

摘要:為進(jìn)一步提升胡麻脫粒物料分離清選作業(yè)機(jī)的工作性能，采用數(shù)值模擬仿真試驗(yàn)方法分析確定獲得的單因素參數(shù),，以喂料裝置振幅,、物料層調(diào)節(jié)厚度和吸雜風(fēng)機(jī)轉(zhuǎn)速為自變量，以籽粒含雜率和清選損失率為響應(yīng)值,，依照Box-Behnken試驗(yàn)設(shè)計(jì)原理,，采用三因素三水平響應(yīng)面分析方法，分別建立了各因素與籽粒含雜率和清選損失率之間的數(shù)學(xué)模型,，并對(duì)各因素及其交互作用進(jìn)行分析,。結(jié)果表明：3個(gè)因素對(duì)籽粒含雜率影響的主次順序?yàn)槲s風(fēng)機(jī)轉(zhuǎn)速、喂料裝置振幅和物料層調(diào)節(jié)厚度,，對(duì)清選損失率影響的主次順序?yàn)槲s風(fēng)機(jī)轉(zhuǎn)速,、物料層調(diào)節(jié)厚度和喂料裝置振幅；作業(yè)機(jī)最佳工作參數(shù)為：喂料裝置振幅16.5mm,、物料層調(diào)節(jié)厚度7.0mm,、吸雜風(fēng)機(jī)轉(zhuǎn)速1775r/min（即對(duì)應(yīng)的吸雜風(fēng)機(jī)轉(zhuǎn)速變頻頻率為59.2Hz）。驗(yàn)證試驗(yàn)表明，籽粒含雜率和清選損失率均值分別為7.86%和1.58%,，說明在最優(yōu)工作參數(shù)下作業(yè)機(jī)能夠降低胡麻脫粒物料在機(jī)械化分離清選過程中的含雜與損失程度,。

摘要:在保證玉米秸稈粉碎長(zhǎng)度合格率的前提下,，為了增加莖稈的破碎程度、加快秸稈還田后的分解速率,，基于玉米莖稈的力學(xué)特性,，設(shè)計(jì)了一種可以安裝在玉米收獲機(jī)割臺(tái)下方的莖稈粉碎裝置。通過理論分析得到影響粉碎效果的作業(yè)參數(shù)和結(jié)構(gòu)參數(shù),，選取莖稈粉碎裝置的刀軸轉(zhuǎn)速,、安裝角、刀尖傾角為試驗(yàn)因素,，以秸稈粉碎長(zhǎng)度合格率和秸稈破碎率作為評(píng)價(jià)指標(biāo),，進(jìn)行了單因素及二次正交旋轉(zhuǎn)組合試驗(yàn)。采用響應(yīng)曲面法對(duì)試驗(yàn)結(jié)果進(jìn)行分析,，運(yùn)用Design-Expert軟件的多目標(biāo)優(yōu)化算法進(jìn)行參數(shù)優(yōu)化,。結(jié)果表明：各因素對(duì)秸稈粉碎長(zhǎng)度合格率的影響程度由大到小依次為：刀軸轉(zhuǎn)速、刀尖傾角,、安裝角,，各因素對(duì)秸稈破碎率的影響程度由大到小依次為：刀軸轉(zhuǎn)速,、安裝角,、刀尖傾角；該裝置最優(yōu)參數(shù)組合為：刀軸轉(zhuǎn)速1090r/min,、安裝角41°,、刀尖傾角83°。田間驗(yàn)證試驗(yàn)表明,，秸稈粉碎長(zhǎng)度合格率和秸稈破碎率分別達(dá)到90.21%和85.78%,，遠(yuǎn)高于目前甩刀式莖稈粉碎裝置的作業(yè)效果。

摘要:在闡述山地果園牽引式雙軌運(yùn)輸機(jī)用鋼絲繩動(dòng)力學(xué)與接觸力學(xué)模型的基礎(chǔ)上，搭建了基于PLC模擬鋼絲繩實(shí)際運(yùn)行的繞卷試驗(yàn)平臺(tái)，設(shè)計(jì)了試驗(yàn)平臺(tái)的變頻調(diào)速系統(tǒng)與控制系統(tǒng),，并安裝和調(diào)試了張緊力自動(dòng)調(diào)節(jié)裝置,；搭建了一套基于漏磁法的鋼絲繩斷絲與磨損檢測(cè)平臺(tái)，進(jìn)行了鋼絲繩探傷儀斷絲與磨損可靠性試驗(yàn),。在拉力傳感器標(biāo)定與調(diào)節(jié)裝置性能測(cè)試試驗(yàn)中,，推拉力計(jì)的拉力輸出值與注水質(zhì)量呈線性關(guān)系，且試驗(yàn)張緊力偏差浮動(dòng)范圍為-130~85N,，結(jié)果滿足試驗(yàn)要求,。鋼絲繩斷絲與磨損檢測(cè)試驗(yàn)結(jié)果表明，在模擬斷絲數(shù)依次為10,、20,、30根的情況下，試驗(yàn)繩10次重復(fù)試驗(yàn)檢測(cè)的斷絲數(shù)與實(shí)際值相同,，說明檢測(cè)平臺(tái)可精確檢測(cè)鋼絲繩斷絲數(shù)及斷絲位置,；但是，通過探傷儀檢測(cè)的模擬磨損情況與實(shí)際值偏差較大,，無法對(duì)鋼絲繩磨損進(jìn)行準(zhǔn)確的檢測(cè),。

摘要:為實(shí)現(xiàn)在線近紅外技術(shù)在飼料生產(chǎn)線上的有效應(yīng)用,，設(shè)計(jì)了一種針對(duì)非接觸式近紅外探頭的在線飼料監(jiān)測(cè)平臺(tái),，該平臺(tái)安裝于斗式提升機(jī)與旋轉(zhuǎn)分配器之間的下料溜管處，通過平臺(tái)內(nèi)部加入擋板結(jié)構(gòu),、形成集料空間,，影響飼料顆粒的運(yùn)動(dòng)軌跡，降低料流速度,，提高料流的均勻穩(wěn)定性,。基于平臺(tái)的幾何結(jié)構(gòu)參數(shù)構(gòu)建了EDEM-Recurdyn耦合仿真模型,，以在線近紅外飼料監(jiān)測(cè)平臺(tái)的方管長(zhǎng)度,、方管寬度、固定擋板角,、固定擋板長(zhǎng)度為試驗(yàn)因素,，以飼料顆粒在平臺(tái)內(nèi)的平均速度和變異系數(shù)為評(píng)價(jià)指標(biāo)，進(jìn)行了四因素三水平正交試驗(yàn),。試驗(yàn)和極差分析表明,，方管寬度對(duì)飼料料流速度和均勻度特性的影響最顯著,；平臺(tái)結(jié)構(gòu)參數(shù)的最優(yōu)方案為：方管長(zhǎng)度850mm、方管寬度250mm,、固定擋板角20°,、固定擋板長(zhǎng)度180mm，此時(shí)飼料顆粒的平均速度為0.87m/s,，變異系數(shù)為5.32%,。通過樣機(jī)試驗(yàn)驗(yàn)證了仿真優(yōu)化結(jié)果的有效性，該平臺(tái)可持續(xù)獲得滿足在線分析要求的近紅外光譜曲線,。

摘要:為實(shí)現(xiàn)有機(jī)基質(zhì)的綠色,、高效消毒,，設(shè)計(jì)了有機(jī)基質(zhì)臭氧消毒設(shè)備?；陔x散元軟件EDEM建立了有機(jī)基質(zhì)顆粒模型,，根據(jù)有機(jī)質(zhì)物料輸送及拋撒動(dòng)力學(xué)特性與臭氧消毒工藝流程，利用SolidWorks軟件構(gòu)建了有機(jī)基質(zhì)臭氧消毒設(shè)備結(jié)構(gòu)模型,，并對(duì)兩種模型進(jìn)行接觸參數(shù)標(biāo)定,。以有機(jī)基質(zhì)傾盡角為評(píng)價(jià)指標(biāo)，以抄板彎折角,、轉(zhuǎn)筒轉(zhuǎn)速,、填充率為試驗(yàn)因素，進(jìn)行了三因素五水平正交旋轉(zhuǎn)組合仿真試驗(yàn),。根據(jù)仿真結(jié)果,，利用Design-Expert軟件回歸分析法建立傾盡角回歸數(shù)學(xué)模型，對(duì)有機(jī)基質(zhì)臭氧消毒設(shè)備模型中的抄板彎折角,、轉(zhuǎn)筒轉(zhuǎn)速,、填充率進(jìn)行了參數(shù)優(yōu)化與試驗(yàn)驗(yàn)證,。結(jié)果表明,，在各因素取值范圍內(nèi)，抄板彎折角對(duì)有機(jī)基質(zhì)傾盡角影響極顯著,，轉(zhuǎn)筒轉(zhuǎn)速對(duì)傾盡角影響顯著,填充率對(duì)傾盡角影響不顯著,；有機(jī)基質(zhì)臭氧消毒裝置最優(yōu)作業(yè)參數(shù)組合為：抄板彎折角124.23°、轉(zhuǎn)筒轉(zhuǎn)速6.29r/min,，此時(shí)物料傾盡角仿真值為89.3°,。臭氧消毒滅菌性能試驗(yàn)驗(yàn)證結(jié)果為：臭氧初始質(zhì)量濃度64.2mg/m3,，消毒60min后，細(xì)菌滅菌率88.9%,，真菌滅菌率97.9%,，能夠滿足有機(jī)基質(zhì)消毒生產(chǎn)要求。

摘要:為了準(zhǔn)確和高效地預(yù)測(cè)作物產(chǎn)量，以冬小麥為研究對(duì)象,，利用無人機(jī)遙感平臺(tái)搭載高光譜相機(jī),，獲取了冬小麥各生育期的無人機(jī)影像。根據(jù)高光譜具有較多的光譜信息且存在特有的紅邊區(qū)域的特點(diǎn),，選取了9種植被指數(shù)和5種紅邊參數(shù),。首先，分析植被指數(shù)和紅邊參數(shù)與產(chǎn)量的相關(guān)性,，優(yōu)選5種植被指數(shù)和2種紅邊參數(shù)用于構(gòu)建產(chǎn)量估算模型,；然后，構(gòu)建了不同生育期的3種產(chǎn)量估算模型：?jiǎn)螀?shù)線性回歸模型,、基于植被指數(shù)并使用偏最小二乘回歸方法模型,、基于植被指數(shù)結(jié)合紅邊參數(shù)并使用偏最小二乘回歸方法模型；最后利用3種模型分別估算冬小麥產(chǎn)量,。結(jié)果表明：4個(gè)生育期內(nèi),，大部分植被指數(shù)和紅邊參數(shù)與產(chǎn)量呈現(xiàn)極顯著相關(guān)性；拔節(jié)期,、挑旗期,、開花期與灌漿期構(gòu)建的單參數(shù)線性回歸模型中表現(xiàn)最佳的參數(shù)分別為REP、Dr/Drmin,、GNDVI與GNDVI,；利用偏最小二乘回歸方法提高了產(chǎn)量估算精度，以植被指數(shù)結(jié)合紅邊參數(shù)為因子構(gòu)建的模型提高了產(chǎn)量估算效果（優(yōu)于以植被指數(shù)為因子構(gòu)建的產(chǎn)量模型）,。本研究可為無人機(jī)高光譜估算作物產(chǎn)量提供參考,。

摘要:針對(duì)傳統(tǒng)農(nóng)業(yè)估產(chǎn)方法效率低、成本高的現(xiàn)狀,，以山東省為研究區(qū),，基于山東省10年表面反射率8d合成產(chǎn)品MOD09A1,、全球陸地蒸發(fā)蒸騰8d合成產(chǎn)品MOD16A2數(shù)據(jù)和歷史產(chǎn)量數(shù)據(jù)，以增強(qiáng)型植被指數(shù)（EVI）,、作物水分脅迫指數(shù)（CWSI）和經(jīng)過歷史產(chǎn)量分解得到的技術(shù)產(chǎn)量為輸入,，利用最小二乘法構(gòu)建了山東省級(jí)和市級(jí)尺度的冬小麥單產(chǎn)估算模型，并在監(jiān)測(cè)和預(yù)報(bào)兩種模式下進(jìn)行了模型的應(yīng)用和精度驗(yàn)證,。結(jié)果表明,，在監(jiān)測(cè)模式下，省級(jí)估產(chǎn)精度為96.91%,，各市監(jiān)測(cè)精度均不小于89.41%,，其中菏澤市監(jiān)測(cè)精度最高，為99.31%,，濟(jì)寧市監(jiān)測(cè)精度最低,，為89.64%；在預(yù)報(bào)模式下,，返青期結(jié)束（第89天）,、拔節(jié)期結(jié)束（第121天）和乳熟期結(jié)束（第145天）時(shí)的省級(jí)小麥預(yù)報(bào)精度均不低于96.44%，各市預(yù)報(bào)精度均不小于89.41%,，其中青島市預(yù)報(bào)精度最高,，3次預(yù)報(bào)的平均精度為99.07%，濟(jì)寧市預(yù)報(bào)精度最低,，3次預(yù)報(bào)的平均精度為89.81%,。本文建立的估產(chǎn)模型對(duì)市級(jí)和省級(jí)作物單產(chǎn)估算均有較高的適用性，可以實(shí)現(xiàn)動(dòng)態(tài)產(chǎn)量預(yù)報(bào),。本研究對(duì)及時(shí)了解冬小麥的生長(zhǎng)狀況,、制定科學(xué)有效的農(nóng)業(yè)生產(chǎn)決策具有參考價(jià)值。

摘要:針對(duì)目前基于無人機(jī)遙感進(jìn)行作物氮素營(yíng)養(yǎng)診斷中缺乏規(guī)范化的標(biāo)準(zhǔn)來指導(dǎo)無人機(jī)應(yīng)用過程中數(shù)據(jù)獲取與處理的問題,，開展了不同分辨率、低空無人機(jī)影像對(duì)冬小麥植株氮濃度反演影響的研究,。在小麥生長(zhǎng)的灌漿期,，通過設(shè)置15、30,、50,、80m共4種無人機(jī)飛行高度，獲取了不同分辨率下的無人機(jī)多光譜影像,，并開展地面試驗(yàn),，采集冬小麥植株氮濃度信息?；谶@些數(shù)據(jù),，提取了不同分辨率下影像的光譜信息和紋理特征，并分別建立光譜信息,、紋理特征和光譜信息+紋理特征等反演植株氮濃度的模型,。對(duì)不同情景下的模型估測(cè)效果進(jìn)行比較，結(jié)果表明,，影像分辨率在1.00~5.69cm之間變化時(shí),，影像光譜信息對(duì)小麥植株氮濃度反演影響不大，各情景下建模結(jié)果和驗(yàn)證結(jié)果差異較??；隨著影像分辨率的降低，影像紋理特征對(duì)小麥植株氮濃度反演的效果變差,；影像光譜信息+紋理特征信息對(duì)小麥植株氮濃度反演效果整體隨著影像分辨率的提高呈增加趨勢(shì),，且其反演結(jié)果優(yōu)于單一光譜特征或單一紋理特征的反演效果。

摘要:以3個(gè)月尺度的標(biāo)準(zhǔn)化降水蒸散指數(shù)(SPEI3指數(shù))為因變量，采用融合多源遙感數(shù)據(jù)的隨機(jī)森林（RF）算法構(gòu)建淮河流域2001—2014年作物生長(zhǎng)季（4—10月）的農(nóng)業(yè)干旱監(jiān)測(cè)模型,，采用簡(jiǎn)單線性回歸,、偏差估算法、旋轉(zhuǎn)殘差法和最優(yōu)角度殘差旋轉(zhuǎn)法4種方法進(jìn)行模型結(jié)果校正,，以決定系數(shù)（R2）,、均方根誤差（RMSE）及干旱等級(jí)監(jiān)測(cè)準(zhǔn)確率對(duì)模型監(jiān)測(cè)能力進(jìn)行評(píng)估。選取最優(yōu)校正方法,，構(gòu)建隨機(jī)森林偏差校正干旱監(jiān)測(cè)模型（Bias-correcting random forest drought condition,，BRFDC），通過站點(diǎn)實(shí)測(cè)土壤相對(duì)濕度及干旱事件記錄對(duì)模型干旱監(jiān)測(cè)能力進(jìn)行驗(yàn)證,。結(jié)果表明：采用最優(yōu)角度殘差旋轉(zhuǎn)法校正后,，模型模擬精度指標(biāo)R2和RMSE分別為0.897、0.874和0.335,、0.362,，優(yōu)于其他校正方法；偏差估算法對(duì)各類干旱等級(jí)監(jiān)測(cè)更為準(zhǔn)確,，尤其是對(duì)極端干旱的監(jiān)測(cè)準(zhǔn)確率最高,，達(dá)到33.3%~50.0%，最終采用偏差估算法作為最優(yōu)校正方法,，構(gòu)建BRFDC模型,；相比SPEI3,，BRFDC模型計(jì)算指數(shù)與大部分站點(diǎn)土壤相對(duì)濕度的相關(guān)性更加顯著（P<0.01），適于農(nóng)業(yè)干旱監(jiān)測(cè),；BRFDC模型能夠準(zhǔn)確監(jiān)測(cè)淮河流域2001年嚴(yán)重干旱事件的時(shí)空演變過程,，并能有效識(shí)別極端旱情。該模型可為淮河流域農(nóng)業(yè)抗旱工作的有效開展提供科學(xué)依據(jù),。

摘要:以內(nèi)蒙古河套灌區(qū)沙壕渠灌域內(nèi)大田葵花為研究對(duì)象,，劃分4塊不同鹽分梯度的試驗(yàn)地,，利用無人機(jī)搭載六波段多光譜相機(jī)和熱紅外成像儀獲取遙感數(shù)據(jù)，并同步采集區(qū)域內(nèi)不同土壤深度處的鹽分?jǐn)?shù)據(jù),。利用灰色關(guān)聯(lián)法對(duì)構(gòu)建的光譜指數(shù)進(jìn)行篩選,，同時(shí)結(jié)合冠層溫度數(shù)據(jù)，采用偏最小二乘回歸（PLSR）,、支持向量機(jī)（SVM）,、反向傳播神經(jīng)網(wǎng)絡(luò)（BPNN）和極限學(xué)習(xí)機(jī)（ELM）4種建模方法構(gòu)建大田葵花不同生育期、不同土壤深度的鹽分反演模型,。結(jié)果表明,，基于葵花現(xiàn)蕾期數(shù)據(jù)構(gòu)建的鹽分反演模型整體效果優(yōu)于開花期，以優(yōu)選鹽分指數(shù)和光譜指數(shù)作為變量組構(gòu)建的模型效果優(yōu)于植被指數(shù)變量組,，鹽分反演效果較好的土壤深度為0~20cm和20~40cm,。不同建模方法對(duì)比結(jié)果表明，機(jī)器學(xué)習(xí)鹽分反演模型的效果優(yōu)于偏最小二乘回歸模型,，其中在葵花現(xiàn)蕾期0~20cm土壤深度處,，以光譜指數(shù)作為變量組構(gòu)建的BPNN鹽分模型反演效果最好，建模集和驗(yàn)證集R2分別達(dá)到0.773和0.718,，驗(yàn)證集RMSE,、CC分別達(dá)到0.062%和0.813。本研究成果可為無人機(jī)遙感在大田葵花土壤鹽分監(jiān)測(cè)方面的應(yīng)用及相關(guān)研究提供參考,。

摘要:寒旱區(qū)河流提取對(duì)該地區(qū)生態(tài)環(huán)境監(jiān)測(cè)、農(nóng)業(yè)規(guī)劃、災(zāi)害預(yù)警等具有重要意義,。根據(jù)寒旱區(qū)特點(diǎn)制作了面向寒旱區(qū)遙感影像河流識(shí)別的專業(yè)數(shù)據(jù)集,；為了提高網(wǎng)絡(luò)的識(shí)別準(zhǔn)確率，融合遷移學(xué)習(xí)與深度學(xué)習(xí),，將ResNet50網(wǎng)絡(luò)遷移到Linknet網(wǎng)絡(luò),，得到R-Linknet網(wǎng)絡(luò),；為了提取到更多的細(xì)節(jié)信息和增加提取河流的連貫性,，將密集空間金字塔池化與R-Linknet網(wǎng)絡(luò)相結(jié)合，擴(kuò)大網(wǎng)絡(luò)的感受野,；訓(xùn)練時(shí),，將Dice系數(shù)損失函數(shù)與二分類交叉熵函數(shù)相結(jié)合，作為新的損失函數(shù),。數(shù)據(jù)集驗(yàn)證結(jié)果表明,，本文提出的方法與多種語義分割網(wǎng)絡(luò)相比，像素準(zhǔn)確率較FCN_8s,、ResNet50,、DeeplabV3、Unet和原始Linknet網(wǎng)絡(luò)分別提高0.216,、0.099,、0.031、0.056和0.023,，交并比分別提高0.19,、0.142、0.056,、0.105和0.028,；加入Dense ASPP之后，像素準(zhǔn)確率提高0.023,，交并比提高0.050,，采用新的損失函數(shù)進(jìn)行訓(xùn)練后，像素準(zhǔn)確率和交并比又分別提高0.019和0.022,。該方法提取到的河流更加清晰,、連貫，能夠滿足后續(xù)的研究需求,。

摘要:針對(duì)旱情監(jiān)測(cè)及農(nóng)田灌溉中傳統(tǒng)的基于地表溫度-植被指數(shù)特征空間的溫度植被干旱指數(shù)（Temperature-vegetation drought index,，TVDI）構(gòu)建方法無法準(zhǔn)確反映真實(shí)地表的水熱能量交換，給土壤含水率估算帶來極大不確定性的問題，根據(jù)地表能量平衡方程,，并引入改進(jìn)植被覆蓋度參數(shù),，構(gòu)建一種理論干濕邊端點(diǎn)選取方法及基于地表溫度-改進(jìn)植被覆蓋度特征空間的TVDI模型，結(jié)合兩期MODIS遙感影像數(shù)據(jù)（DOY088和DOY112）及地面觀測(cè)數(shù)據(jù),，對(duì)陜西楊凌區(qū)的麥田土壤含水率進(jìn)行估算,。結(jié)果表明，由理論干濕邊計(jì)算得到的TVDI與實(shí)測(cè)土壤含水率相關(guān)系數(shù)在-0.700左右,，均方根誤差不大于0.060cm3/cm3,。DOY088和DOY112的土壤含水率估算結(jié)果均與土壤含水率實(shí)測(cè)值有較好的擬合關(guān)系，尤其是DOY088的反演結(jié)果更接近于實(shí)際地表干濕狀況,，相關(guān)系數(shù)為-0.715,，均方根誤差為0.029cm3/cm3，DOY112的散點(diǎn)分布比DOY088分散,。該方法可以避免傳統(tǒng)特征空間在干濕邊估算中必須包含裸土,、部分植被覆蓋以及全植被覆蓋地表覆蓋類型的限制，從而實(shí)現(xiàn)真實(shí)土壤水分的遙感反演和實(shí)際地表干濕狀況的監(jiān)測(cè),。

摘要:為系統(tǒng)分析葉面積指數(shù)變化特征,，構(gòu)建便于實(shí)際應(yīng)用的作物生長(zhǎng)模型,，在對(duì)現(xiàn)有葉面積指數(shù)模型參數(shù)變化特征分析的基礎(chǔ)上，以相對(duì)有效積溫為自變量,，利用修正Logistic模型分析了冬小麥,、夏玉米、水稻3種作物相對(duì)葉面積指數(shù)的增長(zhǎng)特征,，并確立了模型參數(shù)之間的關(guān)系,。研究結(jié)果表明，參數(shù)a,、b和c與相對(duì)有效積溫特征值有關(guān),，隨著c的增大，a逐漸增大,、b逐漸減小,，且其增大或減小速率均與相對(duì)有效積溫有關(guān)；參數(shù)a,、c與b之間也存在一定函數(shù)關(guān)系,。基于參數(shù)之間的關(guān)系,，對(duì)相對(duì)化修正Logistic模型進(jìn)行了簡(jiǎn)化,，建立了描述冬小麥、夏玉米和水稻3種作物的葉面積指數(shù)增長(zhǎng)過程的單參數(shù)Logistic模型。利用實(shí)測(cè)資料對(duì)模型進(jìn)行了評(píng)估,，結(jié)果表明,，該模型能夠很好地模擬相對(duì)葉面積指數(shù)的增長(zhǎng)變化過程。該簡(jiǎn)化模型參數(shù)少,、形式簡(jiǎn)單,、便于分析，因此易于應(yīng)用,，對(duì)建立其他作物的單參數(shù)相對(duì)葉面積指數(shù)模型具有一定的參考價(jià)值,。

摘要:高寒濕地是青藏高原典型獨(dú)特的生態(tài)系統(tǒng)，是全球氣候變化的敏感地帶和預(yù)警區(qū),。利用遙感技術(shù)快速,、準(zhǔn)確地分類提取高寒濕地的土地覆蓋信息，對(duì)當(dāng)?shù)厣鷳B(tài)安全監(jiān)測(cè)和保護(hù)具有重要意義,。本文以若爾蓋濕地國(guó)家級(jí)自然保護(hù)區(qū)為研究區(qū),，首先，以高分一號(hào)（GF-1）遙感影像為數(shù)據(jù)源,，融合光譜特征,、水體指數(shù)、地形特征,、植被指數(shù)和紋理信息等26個(gè)變量進(jìn)行隨機(jī)森林（Random forest, RF）分類實(shí)驗(yàn),；然后，根據(jù)袋外數(shù)據(jù)（Out of bag, OOB）的特征變量重要性得分和精度評(píng)價(jià)結(jié)果,，選出高寒濕地地區(qū)土地覆蓋類型的最優(yōu)分類方案和特征,；最后，對(duì)特征變量進(jìn)行降維,，并基于相同的變量,，采用極大似然法（Maximum likelihood classification, MLC）、支持向量機(jī)(Support vector machine, SVM),、人工神經(jīng)網(wǎng)絡(luò)（Artificial neural network, ANN）和RF等方法進(jìn)行分類,，比較不同方法的優(yōu)適性。結(jié)果表明：結(jié)合GF-1影像光譜,、水體,、植被、紋理特征和地形信息，使用26個(gè)變量的RF模型的分類精度最高,，總體精度（Overall accuracy, OA）為90.07%,，Kappa系數(shù)為0.86；通過RF模型的變量重要性分析可以有效選出重要的特征信息,，在降低特征變量維度的同時(shí),，還能保證較高的分類精度；4種分類方法中,，RF算法是高寒濕地地區(qū)較合適的分類方法,，OA比MLC基準(zhǔn)方法高17.63個(gè)百分點(diǎn)，比SVM和ANN等機(jī)器學(xué)習(xí)算法分別高6.98,、6.56個(gè)百分點(diǎn),。

摘要:松材線蟲病是一種毀滅性松樹傳染病,，其傳播速度快、發(fā)病時(shí)間短,、致病力強(qiáng),，及時(shí)發(fā)現(xiàn)、確定受害木的位置,，并采取安全處理措施是目前控制松材線蟲病蔓延的有效手段,。本文通過小型無人機(jī)搭載可見光RGB數(shù)碼相機(jī)獲取超高空間分辨率影像，采用Faster R-CNN目標(biāo)檢測(cè)算法實(shí)現(xiàn)對(duì)染病變色松樹的自動(dòng)識(shí)別,，與傳統(tǒng)受害木識(shí)別方法不同,，本文考慮了其他枯死樹和紅色闊葉樹對(duì)受害木識(shí)別的影響。實(shí)驗(yàn)結(jié)果表明,，根據(jù)受害木的冠幅大小修改區(qū)域生成網(wǎng)絡(luò)中的錨框（anchor）尺寸,，并考慮其他枯死樹和紅色闊葉樹的影響，有利于提高受害木識(shí)別效果和檢測(cè)精度,。改進(jìn)后受害木識(shí)別總體精度從75.64%提高到82.42%,，提高了6.78個(gè)百分點(diǎn)，能夠滿足森林防護(hù)人員對(duì)受害木定位處理的需求,。通過坐標(biāo)轉(zhuǎn)換的方式得到受害木的精確位置信息與空間分布情況,，結(jié)合點(diǎn)位合并過程，最終正確定位出494棵受害木,。本文通過無人機(jī)遙感結(jié)合目標(biāo)檢測(cè)算法能監(jiān)測(cè)松材線蟲病的發(fā)生和獲取受害木的分布情況,，可為松材線蟲病的防控提供技術(shù)支持,。

摘要:液流是植物重要的生理指標(biāo),，在蒸騰耗水規(guī)律研究及相關(guān)應(yīng)用中需要對(duì)液流進(jìn)行長(zhǎng)期,、精準(zhǔn)的在線監(jiān)測(cè)。針對(duì)國(guó)外商用液流儀價(jià)格偏高,，模塊化液流儀在體積,、性能、野外供電及通信等方面存在諸多不足的問題,，運(yùn)用集成化設(shè)計(jì)理念,，設(shè)計(jì)了一款基于熱擴(kuò)散原理的便攜式植物液流監(jiān)測(cè)儀。采用嵌入式微處理器STM32作為主控芯片,，以AD620和OP07組成的低噪聲精密放大電路為核心,，設(shè)計(jì)了探針恒流加熱、SD卡存儲(chǔ)及GPRS通信,、太陽能供電和電量監(jiān)測(cè)報(bào)警等電路,，運(yùn)用迭代算法獲得當(dāng)天測(cè)量電壓最大值，即時(shí)計(jì)算出植物液流密度?，F(xiàn)場(chǎng)測(cè)試和對(duì)比試驗(yàn)表明，該儀器性能穩(wěn)定,，顯示,、存儲(chǔ)、讀取,、傳輸和報(bào)警等功能正常,，測(cè)得的液流密度數(shù)據(jù)準(zhǔn)確，與對(duì)比儀器Delta-T數(shù)據(jù)采集儀測(cè)得結(jié)果具有良好的一致性,。雙探針監(jiān)測(cè)時(shí),，在沒有光照的情況下可連續(xù)工作7d，在有光照天氣情況下可實(shí)現(xiàn)長(zhǎng)期連續(xù)工作,。該液流儀性價(jià)比高,、使用方便、通道易于擴(kuò)展,，可替代進(jìn)口產(chǎn)品,，在植物水分傳輸及利用研究、森林生態(tài)系統(tǒng)對(duì)環(huán)境變化的影響監(jiān)測(cè)以及城市綠地水分管理等領(lǐng)域具有良好的應(yīng)用前景,。

摘要:為解決從大規(guī)模網(wǎng)絡(luò)文本中快速,、準(zhǔn)確識(shí)別食品安全事件并進(jìn)行實(shí)體關(guān)系抽取受中文復(fù)雜語法特性限制的問題,，提出一種基于依存分析的面向食品安全事件新聞文本的實(shí)體關(guān)系抽取方法FSE_ERE（Entity relation extraction of food safety events, FSE_ERE）。該方法結(jié)合句子的依存分析結(jié)果和實(shí)體關(guān)系抽取模型,，對(duì)非結(jié)構(gòu)化中文文本進(jìn)行無監(jiān)督的實(shí)體關(guān)系抽取,，并引入一種將文本相似度結(jié)合到PU學(xué)習(xí)（Positive and unlabeled learning）的半監(jiān)督分類方法，利用改進(jìn)的特征加權(quán)處理方法提高分類精度,，使得FSE_ERE方法能夠在高質(zhì)量的食品安全事件新聞文本中完成實(shí)體關(guān)系抽取工作,。實(shí)驗(yàn)結(jié)果表明，F(xiàn)SE_ERE方法在食品安全事件新聞文本數(shù)據(jù)集和多類型混合新聞文本數(shù)據(jù)集上的實(shí)體關(guān)系抽取均達(dá)到了先進(jìn)的性能,，F(xiàn)值分別達(dá)到了71.21%和67.42%,，證明了FSE_ERE方法的有效性和可移植性。

摘要:為探明秸稈還田下水氮耦合對(duì)黑土稻田CH4排放的影響,，探尋節(jié)水,、減排、增產(chǎn)的水肥管理模式,，在秸稈還田的基礎(chǔ)上,，以常規(guī)淹灌配施常量氮肥的處理為對(duì)照，設(shè)置了常規(guī)淹灌和控制灌溉兩種灌溉方式,，并設(shè)置4個(gè)氮肥梯度,，采用靜態(tài)箱-氣相色譜法觀測(cè)各處理的CH4排放通量，分析了水氮耦合下稻田土壤氧化還原電位,、各生育階段土壤銨態(tài)氮含量,、硝態(tài)氮含量和秸稈腐解率的變化，以及各因子對(duì)稻田CH4排放的影響,，同時(shí)綜合產(chǎn)量計(jì)算了減排效益,。結(jié)果表明：秸稈還田下常規(guī)淹灌CH4排放通量、累積排放量顯著高于控制灌溉（P<0.05）,，且隨著施氮量的增加,，CH4排放通量、累積排放量顯著增加（P<0.05）,；與對(duì)照相比,，常規(guī)淹灌增施氮肥使CH4累積排放量增加16.24%（P<0.05），產(chǎn)量降低了2.01%,；在常規(guī)淹灌下適當(dāng)減施氮肥不但對(duì)產(chǎn)量無顯著影響,，還使得CH4累積排放量降低18.59%（P<0.05）,；若采取控制灌溉減量施氮，與對(duì)照相比,，則使得CH4累積排放量降低62.71%（P<0.01）,，產(chǎn)量提高21.16%（P<0.05）。通過相關(guān)性分析發(fā)現(xiàn),，施氮量,、灌溉方式以及二者的交互作用對(duì)CH4排放影響顯著；水氮耦合下稻田土壤銨態(tài)氮含量,、秸稈腐解率與CH4排放呈顯著正相關(guān)關(guān)系（P<0.05）,，土壤氧化還原電位與CH4排放呈顯著負(fù)相關(guān)關(guān)系（P<0.05）。綜合減排效益分析,，秸稈還田下采用控制灌溉,、并適量減施氮肥可以使經(jīng)濟(jì)效益最大化，達(dá)到節(jié)水,、減排,、增產(chǎn)的目的。

摘要:為解決馬鈴薯苗期干旱的問題,，針對(duì)寧夏南部旱作區(qū)季節(jié)性干旱特點(diǎn),，在2013—2015年秋作物收獲后，通過設(shè)置不同耕作覆蓋措施,，分析休閑期土壤蓄水保墑效應(yīng)和馬鈴薯苗期土壤水溫變化特征,，研究不同耕作覆蓋措施對(duì)馬鈴薯苗期生長(zhǎng)、生理指標(biāo)及馬鈴薯產(chǎn)量的影響,。結(jié)果表明，同一耕作方式下,，地膜和秸稈覆蓋處理對(duì)改善土壤水溫狀況,、降低馬鈴薯葉片抗氧化酶活性、促進(jìn)苗期生長(zhǎng)和提高塊莖產(chǎn)量均有顯著影響,，且耕作與覆蓋交互作用存在顯著差異,。在兩年休閑末期和馬鈴薯苗期，同一耕作方式下地膜和秸稈覆蓋處理0~200cm土層平均土壤蓄水量較不覆蓋處理分別顯著增加5.1%,、7.3%和10.5%,、9.2%。馬鈴薯苗期,，同一耕作方式下地膜覆蓋顯著提高0~25cm土層土壤溫度1.9℃,，而秸稈覆蓋顯著降低土壤溫度3.4℃,。與不覆蓋處理相比，地膜和秸稈覆蓋處理可獲得較低的葉片抗氧化酶活性,，能更有效增加苗期出苗率,、株高和生物量積累，從而顯著提高馬鈴薯塊莖產(chǎn)量,。在所有的處理組合中,，深松結(jié)合秸稈覆蓋處理具有較高的平均馬鈴薯產(chǎn)量和商品薯率，較傳統(tǒng)耕作不覆蓋處理分別顯著提高40.0%和14.9%,。因此,，考慮寧夏南部旱作區(qū)氣候和環(huán)境條件的可行性，深松結(jié)合秸稈覆蓋措施有利于馬鈴薯抗旱保苗和塊莖產(chǎn)量的提高,，可在該地區(qū)應(yīng)用推廣,。

摘要:為合理開發(fā)利用微咸水,、提高微咸水利用效率、降低微咸水灌溉下的次生鹽堿化風(fēng)險(xiǎn),，將增氧技術(shù)與微咸水灌溉相結(jié)合,，基于理論分析與試驗(yàn)研究相結(jié)合的方法，研究了微咸水,、增氧淡水,、增氧微咸水對(duì)小麥種子萌發(fā)特性的影響。結(jié)果表明：在不同礦化度的微咸水條件下,，礦化度2g/L較利于小麥種子的萌發(fā),。增氧淡水（溶解氧質(zhì)量濃度9.5~22.5mg/L）能夠增加萌發(fā)4d的小麥種子萌發(fā)數(shù)量，但卻抑制了小麥種子萌發(fā)過程中的單粒根質(zhì)量和幼芽平均高度;當(dāng)溶解氧質(zhì)量濃度超過22.5mg/L時(shí),，發(fā)芽率有所下降,，說明過高的溶解氧質(zhì)量濃度會(huì)抑制種子的萌發(fā)。不同礦化度微咸水增氧處理下的小麥種子表現(xiàn)出不同的較適宜溶解氧質(zhì)量濃度,，1,、3、5g/L礦化度下的較適宜溶解氧質(zhì)量濃度分別為19.5,、22.5,、12.5mg/L。根據(jù)增氧微咸水處理的耦合試驗(yàn)數(shù)據(jù),，建立了增氧微咸水處理?xiàng)l件下小麥種子發(fā)芽率與礦化度,、溶解氧質(zhì)量濃度之間的經(jīng)驗(yàn)?zāi)Ｐ?，?jīng)回歸分析，相關(guān)系數(shù)為0.9002,，決定系數(shù)為0.8103,，說明模型擬合程度較好。

摘要:為探明滴灌不同水氮調(diào)控對(duì)寧夏沙土地區(qū)春玉米生長(zhǎng)、產(chǎn)量,、氮素吸收和根區(qū)土壤硝態(tài)氮分布及殘留量的影響,，設(shè)計(jì)灌水和施氮2因素、3個(gè)灌水量水平（W0.6,，0.6KcET0;W0.8,，0.8KcET0;W1.0，KcET0,，Kc為作物系數(shù),，ET0為潛在作物蒸發(fā)蒸騰量）和4個(gè)施氮量水平（N150，150kg/hm2;N225,，225kg/hm2;N300,，300kg/hm2;N375，375kg/hm2）,，進(jìn)行了大田試驗(yàn),。結(jié)果表明：相同灌水條件下，春玉米地上部干物質(zhì)累積速率和氮素累積速率（W0.8灌水水平除外）均隨施氮量的增加先增加后減小,?？煸銎趦?nèi)，W1.0N300處理的春玉米地上部干物質(zhì)平均累積速率和W0.8N375處理的氮素平均累積速率最大,，分別為513.71,、 2.75kg/(hm2·d)。春玉米地上部干物質(zhì)累積量（W0.8N375除外）和產(chǎn)量隨施氮量的增加先增加后減小,，其中W0.8N300處理的產(chǎn)量最大，為16 387kg/hm2,。相比其他灌水處理,，W0.8灌水水平下的營(yíng)養(yǎng)器官氮素轉(zhuǎn)運(yùn)量較大，最大為41.14kg/hm2,。隨著灌水量和施氮量的增加,，60~100cm土層硝態(tài)氮累積量所占的比例逐漸增加,，其中，W0.6灌水水平下,，土壤殘留的硝態(tài)氮主要聚集在0~60cm土層中,，W0.8灌水水平下，土壤殘留的硝態(tài)氮主要聚集在0~90cm土層中,?？紤]試驗(yàn)區(qū)年際降雨量分布不均，選取灌水量與有效降雨量之和為532mm,、施氮量300kg/hm2為寧夏沙土地區(qū)適宜的滴灌灌水施肥制度,。

摘要:為解決塑料地膜覆蓋及撒施氮肥中農(nóng)膜殘留嚴(yán)重和氮肥利用率低的問題,，明確干旱區(qū)降解地膜覆蓋與不同施氮量條件下農(nóng)田氮肥的利用特征,，在內(nèi)蒙古河套灌區(qū)烏蘭布和農(nóng)場(chǎng)連續(xù)2年進(jìn)行了不同地膜覆蓋及不同施氮量試驗(yàn)。設(shè)置了降解地膜覆蓋農(nóng)田不施氮（BM0,，0kg/hm2）,，基肥施氮量均為56kg/hm2下低氮（BM1，160kg/hm2）,、中氮（BM2,，220kg/hm2）和高氮（BM3，280kg/hm2）4個(gè)施氮水平,，同時(shí)設(shè)置了塑料地膜覆蓋高氮（PM3）和無膜覆蓋高氮（NM3）2個(gè)對(duì)照,，共6個(gè)處理，研究了不同地膜覆蓋及不同施氮量對(duì)氮素在土壤中的分布,、累積,、滲漏及利用效率的影響。結(jié)果表明：0~50cm土層,，與塑料地膜覆蓋相比,，在第3降解階段（降解膜出現(xiàn)20~50cm裂縫）和第4降解階段（降解膜均勻碎裂），降解地膜覆蓋處理2年平均硝態(tài)氮含量分別降低了9.49%和28.84%;與無膜處理相比,，降解地膜覆蓋2年平均硝態(tài)氮含量分別提高了20.46%和25.74%（P<0.05）,。整個(gè)生育期降解地膜覆蓋下玉米氮含量?jī)H比塑料地膜覆蓋2年平均降低了2.26%，氮淋失量2年平均降低了3.36%,，但玉米氮含量分別比無膜處理提高了8.90%和11.38%,，氮淋失量分別提高了22.01%和26.25%。降解地膜與塑料地膜覆蓋下產(chǎn)量無顯著差異，PM3與BM3處理2年平均產(chǎn)量比無膜覆蓋處理分別提高了13.67%和18.38%（P<0.05）,。隨著施氮量增加,，土壤中硝態(tài)氮含量、玉米氮含量,、淋失量和產(chǎn)量增大,，BM3處理比BM2和BM1處理在0~30cm土層2年硝態(tài)氮含量增加了49.45%和135.78%，玉米氮含量分別增加了0.78%和24.54%,，氮淋失量2年平均分別增加了84.08%和255.37%（P<0.05）,，2年平均產(chǎn)量分別增加了0.16%和35.37%（P<0.05）。追肥施氮量為220kg/hm2的BM2處理的氮肥綜合效率最高,，每施用1kg氮肥可以出產(chǎn)27.99kg玉米,，為該地區(qū)降解地膜覆蓋下較優(yōu)的施肥模式。

摘要:為探明黃土高原生物結(jié)皮土壤斥水性的影響因素及其沿降水梯度的變化特征,在黃土高原沿降水梯度布設(shè)了8個(gè)采樣區(qū)，每個(gè)采樣區(qū)選擇恢復(fù)年限相近的草地或林地,，采用滴水穿透時(shí)間法和微型盤式入滲儀法測(cè)定了生物結(jié)皮與無結(jié)皮土壤的斥水時(shí)間和斥水系數(shù),，分析了生物結(jié)皮對(duì)斥水性的影響及其與結(jié)皮特性、土壤屬性和年均降水量的相關(guān)性,。結(jié)果表明,，與無結(jié)皮土壤相比，黃土高原生物結(jié)皮土壤的斥水時(shí)間和斥水系數(shù)分別增加了54.85倍和5.80倍,，但兩者沿降水梯度的變化規(guī)律相似,，均呈自南向北先減小、后穩(wěn)定的變化趨勢(shì),，且生物結(jié)皮土壤斥水性的空間變異性高于無結(jié)皮土壤;生物結(jié)皮土壤的斥水時(shí)間和斥水系數(shù)與結(jié)皮厚度,、粉粒含量、黏粒含量,、有機(jī)質(zhì)含量,、年均降水量呈顯著的正相關(guān)關(guān)系（P≤0.032），與苔蘚生物量和砂粒含量呈顯著的負(fù)相關(guān)關(guān)系（P≤0.030）;非線性回歸表明,，生物結(jié)皮土壤的斥水時(shí)間和斥水系數(shù)均可用結(jié)皮厚度和苔蘚生物量進(jìn)行模擬（R2=0.97, NSE不小于0.99）,。研究表明，黃土高原生物結(jié)皮的發(fā)育顯著增加了土壤斥水性,，且斥水性沿降水梯度從南到北呈先減小,、后逐漸穩(wěn)定的空間變化趨勢(shì),，年均降水量主要通過改變生物結(jié)皮厚度、苔蘚生物量和有機(jī)質(zhì)含量等理化性質(zhì)而間接影響土壤斥水性,。

摘要:為明確我國(guó)核心糧食產(chǎn)區(qū)的氣候濕潤(rùn)狀況，以商品糧生產(chǎn)基地?fù)狭恿饔驗(yàn)檠芯繀^(qū),，基于MODIS遙感數(shù)據(jù)和常規(guī)氣象數(shù)據(jù),，利用區(qū)域遙感蒸散模型反演自2000年以來該流域典型時(shí)間段的氣候水分盈虧狀況，揭示該流域耕地利用下的水分平衡效應(yīng),。結(jié)果表明：2000年以來,，撓力河流域耕地內(nèi)部結(jié)構(gòu)變化劇烈，水田急劇擴(kuò)張,，旱地面積持續(xù)下降;該流域逐日潛在蒸散量累加值呈現(xiàn)顯著的S形曲線特征,，且在空間上表現(xiàn)出南部和干流北端偏高的特點(diǎn);該流域常年處于“負(fù)”的氣候水分盈虧態(tài)勢(shì)，整體呈現(xiàn)由西向南遞減的特點(diǎn);該流域旱地和水田的氣候水分盈虧絕對(duì)值逐年下降,，水田的氣候水分盈虧態(tài)勢(shì)愈加嚴(yán)峻,。水分虧缺是撓力河流域氣候水分平衡的普遍特征，水田用水問題仍將是撓力河流域乃至三江平原地區(qū)農(nóng)業(yè)資源綜合利用的焦點(diǎn),。本研究可為區(qū)域農(nóng)業(yè)結(jié)構(gòu)調(diào)整和農(nóng)田灌溉措施的制定提供理論支持,。

摘要:莖干含水率的動(dòng)態(tài)變化是研究植物體水分和生長(zhǎng)狀況的重要指標(biāo),，準(zhǔn)確判斷活立木水分虧缺是人工林撫育和城市園林綠化中灌溉策略制定的重要科學(xué)依據(jù)。以海棠樹為研究對(duì)象,，以莖干含水率為研究參數(shù),，通過干旱脅迫試驗(yàn)探究莖干含水率變化與海棠樹生理需水的關(guān)系。提出以海棠莖干含水率43%和莖干含水率下降值不超過12%為下限指標(biāo),、土壤含水率33%為上限指標(biāo)的灌溉控制策略,，依據(jù)此策略設(shè)計(jì)了一套智能灌溉控制系統(tǒng)，并通過該系統(tǒng)驗(yàn)證了所提出灌溉策略的有效性與可行性,。

摘要:為研究水肥一體化設(shè)備中用于過濾有機(jī)肥的Y型網(wǎng)式過濾器的堵塞規(guī)律,，對(duì)Y型網(wǎng)式過濾器在初始流量500L/h,、水源壓力117.6kPa下，設(shè)置25、30,、40,、50g/L共4種黃腐酸鉀有機(jī)肥肥液質(zhì)量濃度，進(jìn)行了過濾器堵塞試驗(yàn),，分析了Y型網(wǎng)式過濾器的局部水頭損失與單個(gè)濾孔濾網(wǎng)清潔度（單個(gè)濾孔有效過水?dāng)嗝婷娣e與孔隙總面積比值）S/S0的關(guān)系,，并利用XRD分析了過濾器內(nèi)堵塞物質(zhì)的成分。結(jié)果表明：肥液質(zhì)量濃度對(duì)過濾器濾網(wǎng)清潔度影響顯著,，建議肥液質(zhì)量濃度不超過40g/L;過濾器局部水頭損失在S/S0減小到10%后才逐漸開始增大,，過濾器局部水頭損失與濾網(wǎng)清潔度、肥液質(zhì)量濃度有關(guān),，利用多項(xiàng)式擬合給出了過濾器濾網(wǎng)清潔度與肥液質(zhì)量濃度,、施肥持續(xù)時(shí)間的關(guān)系式及局部水頭損失與肥液質(zhì)量濃度、濾網(wǎng)清潔度的關(guān)系式;濾網(wǎng)堵塞物質(zhì)主要成分為硫酸鈣,、草酸鈣,。本研究結(jié)果可為水肥一體化設(shè)備中過濾器的選擇提供理論參考。

摘要:青貯是保障秸稈長(zhǎng)期貯存和可持續(xù)供應(yīng)的重要方式，秸稈壓縮后青貯更便于貯存和運(yùn)輸,。選用玉米秸稈為原料,，采用不同時(shí)間、不同壓縮比進(jìn)行青貯,，分析了相應(yīng)的玉米秸稈成分變化,，并對(duì)壓縮青貯后秸稈進(jìn)行了厭氧發(fā)酵產(chǎn)氣特性實(shí)驗(yàn)。結(jié)果表明：玉米秸稈在長(zhǎng)期青貯時(shí),，采取高密度貯存可有效減少干物質(zhì)損失,，青貯300d時(shí)，未壓縮組的總固體（TS）回收率為26.5%,，1∶6壓縮組的TS回收率為51.0%,，較未壓縮組提高了92.5%。延長(zhǎng)青貯時(shí)間會(huì)顯著降低玉米秸稈沼氣產(chǎn)量,，青貯40d時(shí),，未壓縮組的累計(jì)產(chǎn)氣量為23.2mL/g，而1∶6壓縮組為282.9mL/g;青貯300d時(shí),，未壓縮組產(chǎn)氣潛力喪失,，1∶6壓縮組累計(jì)產(chǎn)氣量達(dá)200.3mL/g,，說明采用高壓縮比對(duì)保持青貯秸稈的產(chǎn)沼氣性能更為有利。

摘要:針對(duì)農(nóng)林生物質(zhì)碎料在燃燒時(shí)存在連續(xù)進(jìn)料及穩(wěn)定燃燒困難,、污染排放水平較高等問題，設(shè)計(jì)一種以玉米秸稈,、碎木屑為主要燃料的農(nóng)林生物質(zhì)碎料燃燒機(jī)，采用水平進(jìn)料方式,，并進(jìn)行防回火回?zé)?、爐壁冷風(fēng)壓保護(hù)等設(shè)計(jì)，在不同一,、二次風(fēng)配比下進(jìn)行了燃燒特性試驗(yàn),。當(dāng)燃燒機(jī)進(jìn)入穩(wěn)定燃燒階段，以碎木屑為燃料,，一,、二次風(fēng)配比為0.8∶0.2時(shí)，爐膛內(nèi)溫度在（1200±100）℃間變化,，出火口煙氣溫度在（1000±100）℃間變化;在一,、二次風(fēng)配比為0.8∶0.2和0.7∶0.3兩種工況下，煙氣中O2,、CO2,、CO質(zhì)量分?jǐn)?shù)分別在（13±2）%、（7±2）%,、（0.2±0.1）%間波動(dòng),，燃燒效率分別為98.8%、98.5%,。以玉米秸稈為燃料時(shí),，在相同一、二次風(fēng)配比下,，與燃燒碎木屑相比,，爐膛內(nèi)溫度和出火口煙氣溫度均低100℃左右;在一、二次風(fēng)配比為0.8∶0.2和0.7∶0.3兩種工況下,，與燃燒碎木屑相比,，燃燒煙氣中O2平均含量約低1%，CO含量略高,，CO2含量相差不大,，燃燒效率分別為98.7%,、98.9%。與一,、二次風(fēng)配比為0.8∶0.2相比,，當(dāng)一、二次風(fēng)配比為0.7∶0.3時(shí),，以碎木屑或玉米秸稈為燃料時(shí)的爐內(nèi)溫度,、出火口溫度均低100℃左右。經(jīng)JCP-HD型林格曼黑度計(jì)觀測(cè),，以玉米秸稈或碎木屑為燃料,，在一、二次風(fēng)配比為0.8∶0.2和0.7∶0.3時(shí)排放的煙氣林格曼黑度小于等于1級(jí),。當(dāng)一,、二次風(fēng)配比為0.8∶0.2時(shí)，以碎木屑為燃料,，煙氣中PM2.5,、PM5、PM10變化范圍分別為56~72mg/m3,、38~51mg/m3,、43~63mg/m3,，以玉米秸稈為燃料,，分別為36~43mg/m3、21~35mg/m3,、38~42mg/m3,，滿足鍋爐大氣污染物排放標(biāo)準(zhǔn)要求,。

摘要:為考察不同部位牛肉肌纖維類型的差異,、比較兩種肌纖維分型方法、研究肌纖維類型對(duì)宰后成熟過程中組織蛋白酶活性的影響,，選取新疆褐牛岡下肌,、菱形肌、背最長(zhǎng)肌,、背闊肌,、腰大肌、股二頭肌,、半腱肌,、腓腸肌共8個(gè)部位的牛肉,，分別用ATPase染色法和RT-PCR法檢測(cè)肌纖維類型組成和MyHC基因相對(duì)表達(dá)量，用Image-Pro Plus 6.0軟件分析ATPase染色圖像,，計(jì)算各類型肌纖維的面積和直徑,，并檢測(cè)各部位牛肉宰后成熟0、3,、7,、9、11,、14d時(shí)組織蛋白酶B,、L、H活性,。結(jié)果表明：新疆褐牛不同部位肉的肌纖維類型組成不同,，兩種肌纖維類型的分型方法在確定Ⅰ型肌纖維數(shù)量時(shí)呈極顯著相關(guān)，在8個(gè)部位牛肉中,，均沒有發(fā)現(xiàn)MyHCⅡb型基因的表達(dá)，ATPase染色法確定的ⅡB型肌纖維數(shù)量百分比與RT-PCR法確定的MyHCⅡx型基因表達(dá)百分比呈顯著正相關(guān),，與MyHCⅡa型基因表達(dá)百分比呈極顯著負(fù)相關(guān),。兩種確定肌纖維類型的方法存在一定的相關(guān)性，ATPase染色法確定的ⅡB型肌纖維可能與RT-PCR法確定的MyHCⅡx基因相對(duì)應(yīng),。在宰后成熟過程中,，各部位牛肉組織蛋白酶活性基本表現(xiàn)為先升高、后降低的趨勢(shì),，不同部位的牛肉達(dá)到活性最大值的時(shí)間不同;組織蛋白酶H活性非常低,，相比于組織蛋白酶B和L，其在宰后成熟中的作用可以忽略不計(jì),，組織蛋白酶L活性是B活性的2.5～4倍,，在宰后成熟中起更重要的作用。Ⅰ型肌纖維數(shù)量與宰后9,、11d組織蛋白酶B和L活性呈顯著甚至極顯著正相關(guān)關(guān)系,，在新疆褐牛各部位肉中含有的Ⅰ型肌纖維越多，組織蛋白酶活性越高,，越有利于牛肉宰后成熟嫩化,。

摘要:為探究蘋果膳食纖維（ADF）作為肉制品中添加劑或脂肪替代物的可行性及其內(nèi)在機(jī)制,，通過流變學(xué)性能測(cè)定,、質(zhì)構(gòu)分析、蒸煮損失測(cè)定,、凝膠白度測(cè)定,、拉曼光譜及環(huán)境掃描電鏡等手段，研究不同蘋果膳食纖維添加量對(duì)肌原纖維蛋白凝膠性能的影響,。結(jié)果表明：蘋果膳食纖維添加量影響肌原纖維蛋白凝膠性能：當(dāng)添加量為0~5%時(shí),，蘋果膳食纖維對(duì)肌原纖維蛋白凝膠無負(fù)面影響，且添加5%時(shí)的混合凝膠蒸煮損失最小,、綜合質(zhì)構(gòu)特性最好;當(dāng)添加量在10%~50%時(shí),，隨著添加量的增加，肌原纖維蛋白-蘋果膳食纖維混合凝膠的性能呈下降趨勢(shì),，尤其是當(dāng)添加量達(dá)到50%時(shí),，混合溶膠在加熱過程中的彈性模量發(fā)展被完全抑制，相應(yīng)的熱誘導(dǎo)凝膠微觀孔隙變大,、蒸煮損失增大,、質(zhì)構(gòu)特性降低、顏色加深,。說明適量添加蘋果膳食纖維可提高肉制品的健康性,，且不影響其質(zhì)構(gòu)品質(zhì)。

摘要:為研究超聲協(xié)同次氯酸鈉的殺菌效果及微生物致死動(dòng)力學(xué),，選取大腸桿菌,、考克氏菌和枯草芽孢桿菌3種典型菌為試驗(yàn)菌株，研究超聲協(xié)同次氯酸鈉的殺菌效果,。采用一級(jí)動(dòng)力學(xué),、Weibull和Logistic模型，對(duì)以上3種典型菌株超聲協(xié)同次氯酸鈉失活曲線進(jìn)行動(dòng)力學(xué)模型擬合,，并對(duì)殺菌前后菌體形態(tài)結(jié)構(gòu)的破壞程度及細(xì)胞內(nèi)物質(zhì)損失情況進(jìn)行測(cè)定,。結(jié)果表明：當(dāng)超聲功率150W、NaClO質(zhì)量濃度200mg/L,、處理時(shí)間180s時(shí),，對(duì)3種菌的致死率絕對(duì)值分別為4.54、4.28,、3.97個(gè)對(duì)數(shù)值,，較相同時(shí)間下單獨(dú)次氯酸鈉的殺菌對(duì)數(shù)值提高了13%~67%。超聲協(xié)同次氯酸鈉殺菌過程更加符合非線性的動(dòng)力學(xué)曲線,，且隨超聲強(qiáng)度及次氯酸鈉濃度的增加,，Weibull模型較Logistic模型更適于描述該殺菌的動(dòng)力學(xué)過程（R2>0.95）,。由掃描電鏡結(jié)果及菌體細(xì)胞內(nèi)物質(zhì)損失情況發(fā)現(xiàn)，超聲協(xié)同次氯酸鈉會(huì)破壞菌體細(xì)胞外層結(jié)構(gòu),，使細(xì)胞質(zhì)溢出,，部分細(xì)胞器溶解及細(xì)胞皺縮，最終致使細(xì)胞死亡,。本研究可為超聲協(xié)同次氯酸鈉廣泛用于微生物殺菌提供方法依據(jù),。

摘要:為探究添加不同質(zhì)量分?jǐn)?shù)（1%,、3%,、5%和7%）菊粉（Inulin, INU）對(duì)豌豆分離蛋白（Pea protein isolate, PPI）乳化性及乳液穩(wěn)定性的影響，以PPI作為乳化劑,，采用高壓均質(zhì)法制備了PPI/INU乳液,，通過zeta電位測(cè)定、粒徑測(cè)定,、激光共聚焦顯微鏡（CLSM）,、酶標(biāo)法和內(nèi)源熒光光譜等技術(shù)對(duì)乳液進(jìn)行表征。結(jié)果表明：添加1%INU后,，乳液具有最大zeta電位絕對(duì)值（為34.03mV）和最小平均粒徑（d4,3為395.50nm）;CLSM顯示，低濃度（質(zhì)量分?jǐn)?shù)1%和3%）的INU使乳液液滴分布更均勻;INU質(zhì)量分?jǐn)?shù)為1%時(shí),，分別使PPI的乳化活性指數(shù),、乳化穩(wěn)定性指數(shù)和乳液界面蛋白吸附率增加了7.8%、22%和11%;熒光光譜顯示,，隨著INU濃度的增加,，連續(xù)相中PPI-INU復(fù)合物的生成量增多，對(duì)乳液的穩(wěn)定性產(chǎn)生了負(fù)面影響,。由此說明低濃度（質(zhì)量分?jǐn)?shù)為1%和3%）的INU可改善PPI的乳化性,、提高PPI乳液的穩(wěn)定性，其中添加1%INU效果最顯著,。

摘要:以大豆分離蛋白(Soy protein isolate,，SPI),、大豆分離蛋白水解物(Soy protein isolate hydrolysate,，SPH)和葡聚糖(Dextran，D)為原料,，采用濕熱法制備SPI-D和SPH-D糖基化產(chǎn)物,，研究不同溫度(30、50,、70,、90℃)處理對(duì)糖基化大豆蛋白乳液凍融穩(wěn)定性的影響。試驗(yàn)采用SDS-PAGE鑒定大豆分離蛋白糖基化產(chǎn)物,，并以粒徑,、聚結(jié)程度、出油率,、乳析指數(shù)和乳液的微觀結(jié)構(gòu)作為乳液穩(wěn)定性的評(píng)價(jià)指標(biāo),。SDS-PAGE表明，SPI和葡聚糖發(fā)生了美拉德反應(yīng),，并形成共價(jià)復(fù)合物,。研究發(fā)現(xiàn)，所有熱處理樣品的凍融穩(wěn)定性均有所提高,。與對(duì)照相比,，熱處理后的乳液在3次凍融循環(huán)后粒徑減小，聚結(jié)程度和出油率也降低,，SPI的聚結(jié)程度從未處理的3403.90%降低到90℃處理的348.75%,，SPI-D從1181.49%降低到191.59%，SPH-D從806.17%降低到138.73%,，出油率也分別降低了62.53%,、43.26%和42.62%。隨著溫度(30~90℃)的升高,SPI的乳析指數(shù)呈下降的趨勢(shì),，當(dāng)溫度達(dá)到90℃時(shí),，乳析指數(shù)降低了22.46%，而SPI-D和SPH-D在熱處理(30~90℃)后乳析指數(shù)也呈現(xiàn)總體下降的趨勢(shì),。通過顯微鏡觀察發(fā)現(xiàn),，熱處理乳液經(jīng)過3次凍融循環(huán)后仍具有較小的油滴尺寸。

摘要:為了能夠全面、快速分析魚粉的新鮮度，將電子鼻與頂空固相微萃取氣質(zhì)聯(lián)用技術(shù)結(jié)合,，以揮發(fā)性物質(zhì)含量輔助評(píng)價(jià)魚粉的新鮮度,。首先，采用頂空固相微萃取方法對(duì)18種儲(chǔ)藏時(shí)間魚粉的揮發(fā)性物質(zhì)進(jìn)行了分析,，得到不同儲(chǔ)藏時(shí)間魚粉的揮發(fā)性物質(zhì)種類和含量,，以及揮發(fā)性物質(zhì)變化規(guī)律;采用多元線性回歸方法和最近鄰回歸方法對(duì)魚粉各類揮發(fā)性物質(zhì)和表征新鮮度的標(biāo)記物與電子鼻傳感器響應(yīng)建立了模型。結(jié)果表明：頂空固相微萃取氣質(zhì)聯(lián)用（Solid phase microextraction-gas chromatography-mass spectrometry, SPME-GC-MS）共鑒定出101種,，主要包括醇類化合物,、醛類化合物等11類揮發(fā)性物質(zhì)，其中醛酮類化合物種類較多,。隨著魚粉逐漸腐敗,，氣味閾值較低的醛類化合物相對(duì)含量逐漸降低、酮類化合物相對(duì)含量逐漸升高,，并出現(xiàn)了二甲基三硫,、三甲胺等表征魚粉新鮮度的標(biāo)記物;在儲(chǔ)藏過程中，醇類化合物相對(duì)含量呈先上升后下降趨勢(shì);酸類化合物,、含氮化合物,、含硫化合物相對(duì)含量則呈上升趨勢(shì)。與多元線性回歸方法相比,，最近鄰回歸方法具有更好的預(yù)測(cè)能力,，測(cè)試集相關(guān)系數(shù)在0.7633~0.9999之間，均方根誤差在0.0867%~8.4655%之間,。

摘要:針對(duì)拖拉機(jī)防護(hù)裝置靜態(tài)試驗(yàn)設(shè)備調(diào)節(jié)繁瑣,、自動(dòng)化程度和作業(yè)效率低等問題，設(shè)計(jì)了拖拉機(jī)防護(hù)裝置自動(dòng)靜載試驗(yàn)系統(tǒng),。該試驗(yàn)系統(tǒng)由機(jī)械加載及輔助系統(tǒng),、液壓系統(tǒng)和測(cè)控系統(tǒng)等組成，采用一次性夾持固定拖拉機(jī)防護(hù)裝置,，通過三維移動(dòng)加載立柱,、壓垮橫梁以及手動(dòng)/遙控調(diào)節(jié)、自動(dòng)加載等方式,，實(shí)現(xiàn)拖拉機(jī)防護(hù)裝置在不同工況下的靜載試驗(yàn),。利用該試驗(yàn)系統(tǒng)對(duì)WD1104型輪式拖拉機(jī)駕駛室進(jìn)行了水平縱向加載、側(cè)向加載和2次垂直壓垮試驗(yàn)，試驗(yàn)結(jié)果表明,，系統(tǒng)性能穩(wěn)定,，縱向加載和側(cè)向加載下的能量控制誤差分別為0.55%、0.03%,，垂直后壓垮和垂直前壓垮試驗(yàn)壓垮力控制誤差分別為0.63%,、0.16%，滿足相關(guān)標(biāo)準(zhǔn)對(duì)試驗(yàn)設(shè)備的要求,。

摘要:針對(duì)環(huán)境溫度變化較大時(shí)常用的熱誤差模型預(yù)測(cè)精度低的問題，提出了一種基于環(huán)境溫度的模型庫分段式加權(quán)的熱誤差建模方法,，以UPM120型數(shù)控銑床為實(shí)驗(yàn)對(duì)象,，通過跨季度的7批次數(shù)據(jù)，完成了環(huán)境溫度15~35℃的分段式加權(quán)模型建模和預(yù)測(cè)精度分析,。結(jié)果表明,，環(huán)境溫度變化在5℃以內(nèi)時(shí)，多元線性回歸模型的預(yù)測(cè)精度優(yōu)于BP神經(jīng)網(wǎng)絡(luò)模型,、分布滯后模型,、灰色理論模型和支持向量機(jī)模型，可以將其作為分段式加權(quán)模型庫中的基礎(chǔ)模型,。當(dāng)環(huán)境溫度變化較小時(shí),，基于多元線性回歸的分段式加權(quán)模型預(yù)測(cè)精度為1.39μm;當(dāng)環(huán)境溫度變化較大時(shí)，其預(yù)測(cè)精度為1.51μm,，均遠(yuǎn)高于單一環(huán)境溫度樣本的回歸模型,、多環(huán)境溫度樣本的回歸模型和泛化能力強(qiáng)的支持向量機(jī)模型的預(yù)測(cè)精度。

摘要:水中雜質(zhì)是引起超聲波衰減,、導(dǎo)致超聲波流量計(jì)測(cè)量不準(zhǔn)確的主要影響因素,。采用數(shù)值模擬計(jì)算和實(shí)驗(yàn)研究相結(jié)合的方法，對(duì)含雜質(zhì)水流的超聲波流量計(jì)內(nèi)部雜質(zhì)分布及測(cè)量精度進(jìn)行了研究,。采用兩相流數(shù)學(xué)模型進(jìn)行內(nèi)部流動(dòng)的數(shù)值計(jì)算,，獲得了不同雜質(zhì)粒徑在不同流量工況下的雜質(zhì)分布規(guī)律，通過實(shí)驗(yàn)對(duì)含雜質(zhì)水流的超聲波流量計(jì)的測(cè)量誤差進(jìn)行分析,，對(duì)數(shù)值計(jì)算結(jié)果進(jìn)行了驗(yàn)證,，探知了不同雜質(zhì)粒徑對(duì)超聲波傳播中心區(qū)域的影響及超聲波測(cè)量誤差的影響規(guī)律,。結(jié)果表明，雜質(zhì)粒徑在0.02mm以下,，或者流量在1.05m3/h以上時(shí),，該工況下中心區(qū)域的雜質(zhì)濃度分布基本保持一致，對(duì)超聲波的傳播和測(cè)量精度影響規(guī)律一致,。結(jié)果可為超聲波流量計(jì)在含雜質(zhì)水質(zhì)工況下測(cè)量精度的研究提供理論參考,。