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:在農(nóng)林病蟲害防治中，化學(xué)方法仍占主導(dǎo)地位,，化學(xué)農(nóng)藥施用不當(dāng)會引起農(nóng)藥浪費、環(huán)境污染和農(nóng)藥殘留等問題,。為此,，本文闡述了國內(nèi)外對農(nóng)藥霧化、在線混藥,、可變量控制、仿形噴霧,、霧滴飄移控制、靜電噴霧,、智能對靶噴霧集成等關(guān)鍵技術(shù)的研究概況；綜述了防飄移噴霧機,、仿形噴霧機,、噴桿噴霧機,、雜草防除機械,、果園噴霧機、智能噴霧機等6類典型地面植保機械的發(fā)展概況,，以及包括植保無人機及其關(guān)鍵部件在內(nèi)的典型航空植保機械的研究發(fā)展水平,；提出了環(huán)境友好型農(nóng)藥噴施機械“綠色環(huán)保,、精確高效”的研究理念，以及開展植保機器人與專用植保機械（植保機器人及其陣列,、專用植保機械）研發(fā),、航空施藥機具與植保無人機研究,、智能物聯(lián)農(nóng)藥噴霧系統(tǒng)（病蟲草害靶標(biāo)智能監(jiān)測識別與防治預(yù)警系統(tǒng),、無線物聯(lián)智能植保信息傳輸系統(tǒng),、立體智能協(xié)同農(nóng)藥噴霧系統(tǒng)）研究和植保機械關(guān)鍵技術(shù)（新型噴頭及在線混藥、智能化載運平臺）研究等總體發(fā)展建議,。

摘要:針對玉米精密播種粒距偏差導(dǎo)致播量分布不均勻的問題，設(shè)計了玉米精密播種粒距在線監(jiān)測與漏播預(yù)警系統(tǒng),。該系統(tǒng)主要由車載計算機、排種監(jiān)測ECU及相關(guān)傳感器組成，設(shè)計了上位機監(jiān)測軟件和基于移動平均粒距在線監(jiān)測的下位機程序,，通過監(jiān)測玉米精密播種作業(yè)過程中的粒距及其誤差,，完成漏播預(yù)警,。首先,，設(shè)計并進行了排種計數(shù)監(jiān)測精度試驗，結(jié)果表明,，在模擬車速3~12km/h范圍內(nèi),，以1km/h遞增變化的10個車速下,，系統(tǒng)對指夾式排種器和氣吸式排種器的排種計數(shù)監(jiān)測平均準(zhǔn)確率分別為99.12%,、99.71%,，標(biāo)準(zhǔn)差分別為0.52%,、0.44%,，總體排種計數(shù)監(jiān)測誤差平均值小于1%,。其次，基于高速攝像的播種粒距測量試驗臺進行了實驗室環(huán)境下的粒距監(jiān)測精度試驗,，采用指夾式排種器進行排種,，目標(biāo)粒距為25cm,，在車速3~12km/h范圍內(nèi),，以1km/h為間隔的10個車速下，系統(tǒng)對粒距監(jiān)測誤差絕對值的平均值為2.34cm,，標(biāo)準(zhǔn)差為2.56cm。針對試驗結(jié)果存在較多的隨機異常點問題,，采用移動平均濾波對監(jiān)測粒距進行分析,，得出粒距監(jiān)測誤差絕對值的平均值為0.79cm,，標(biāo)準(zhǔn)差為0.62cm,，單車速下對應(yīng)的粒距監(jiān)測誤差絕對值的平均值最大為1.69cm,，標(biāo)準(zhǔn)差為0.23cm,，經(jīng)移動平均濾波處理后,，粒距誤差異常點明顯減少，系統(tǒng)粒距監(jiān)測誤差小于2.00cm。最后，基于氣吸式玉米精密播種機設(shè)計了試驗樣機,，設(shè)置播種車速為5.49、8.49km/h,，目標(biāo)粒距為25cm，進行了田間播種粒距監(jiān)測精度試驗,，分別采集350個連續(xù)的出苗粒距進行對比分析,，結(jié)果表明,，與出苗粒距移動平均值相比，系統(tǒng)粒距監(jiān)測誤差的平均值分別為1.84、2.22cm,，標(biāo)準(zhǔn)差分別為1.61、2.13cm,，粒距監(jiān)測值曲線與出苗粒距移動平均值曲線的變化趨勢基本相同,。

摘要:針對免耕播種機在進行玉米秸稈全量粉碎還田作業(yè)時，清秸防堵裝置存在清秸幅寬,、秸稈拋擲距離不合理和幅寬穩(wěn)定性差等問題,，設(shè)計了一種幅寬自動控制的清秸防堵裝置。建立清秸幅寬數(shù)學(xué)模型,，確定影響作業(yè)幅寬和漏清區(qū)域的主要工作參數(shù)和各參數(shù)的取值范圍,；運用S型壓力傳感器和電動直線推桿協(xié)同作用設(shè)計幅寬自動控制系統(tǒng)；通過正交試驗設(shè)計和EDEM離散元仿真試驗確定清秸盤的最優(yōu)工作參數(shù)組合,，并進行田間試驗,，驗證自動控制系統(tǒng)和裝置的作業(yè)性能。結(jié)果表明，影響星齒凹盤式清秸防堵裝置作業(yè)幅寬和漏清區(qū)域的主要工作參數(shù)為清秸盤間距,、工作偏角和工作傾角,，通過仿真試驗得到最優(yōu)參數(shù)組合為90mm、30°和15°,；自動控制系統(tǒng)通過監(jiān)測清秸盤對地壓力實時調(diào)節(jié)其入土深度,，從而調(diào)控其作業(yè)幅寬，可有效提高幅寬穩(wěn)定性,。田間試驗表明,，該裝置苗帶清秸率、秸稈橫向移動最大距離和幅寬穩(wěn)定性系數(shù)分別為92.3%,、40.2mm和92.1%,，滿足免耕播種作業(yè)農(nóng)藝和技術(shù)要求。

摘要:針對我國東北地區(qū)在秸稈全量還田條件下進行玉米免耕播種作業(yè)時,，種帶清茬率低、播種后秸稈在風(fēng)力作用下被吹回清理后的播種帶,，從而造成秸稈回壟的問題,，設(shè)計一種側(cè)置切刀與撥茬齒盤組合式清茬裝置。通過對清茬裝置的切茬性能進行分析,，確定了切茬圓盤類型,、尺寸及安裝參數(shù)；對撥茬過程中種帶秸稈及表土在撥茬齒盤作用下的運動軌跡進行分析,，得出影響清茬率及秸稈回壟的撥茬齒盤主要參數(shù)為：回轉(zhuǎn)半徑、曲率半徑,、撥齒長度,。以種帶清茬率與秸稈壓土量為試驗指標(biāo)，采用離散元軟件EDEM進行二次旋轉(zhuǎn)正交組合仿真試驗,，確定了撥茬齒盤的最優(yōu)參數(shù)組合為：回轉(zhuǎn)半徑163mm,、曲率半徑350mm、撥齒長度52mm,。采用最佳參數(shù)組合進行田間驗證試驗,，結(jié)果表明，在20cm清茬寬度下,，種帶清茬率與秸稈壓土量分別為91.4%和5833cm3/m2,，與仿真結(jié)果基本一致，作業(yè)后行間秸稈被種帶表土覆蓋,，且未出現(xiàn)秸稈回壟現(xiàn)象,，滿足免耕播種作業(yè)農(nóng)藝和技術(shù)要求,。

摘要:針對2BMFJ型原茬地免耕覆秸精量播種機寬幅作業(yè)時玉米碎秸多級橫向運移過程滯留,，影響播種區(qū)間清秸率,，導(dǎo)致機具工作質(zhì)量和作業(yè)效率降低的問題，通過分析玉米碎秸單級拋撒運動規(guī)律,，設(shè)計了玉米碎秸橫向運移整流裝置,，確定了影響整流裝置工作性能的關(guān)鍵結(jié)構(gòu)參數(shù)。采用二次回歸正交旋轉(zhuǎn)中心組合試驗方法,，基于EDEM軟件在構(gòu)建的玉米碎秸橫向運移整流裝置試驗平臺上,，以進入角、整流包角,、整流半徑為試驗因素,，以清秸率、行間清秸變異系數(shù)為性能評價指標(biāo)進行了虛擬仿真參數(shù)組合優(yōu)化試驗,。結(jié)果表明：各因素對性能評價指標(biāo)均具有顯著影響,，對清秸率影響主次順序為整流包角、整流半徑,、進入角,，對行間清秸變異系數(shù)影響主次順序為進入角、整流半徑,、整流包角,；最優(yōu)參數(shù)組合為進入角61°、整流包角104°,、整流半徑424mm,，此時清秸率為93%，行間清秸變異系數(shù)為93.5%,。在最優(yōu)參數(shù)組合下進行整流裝置田間驗證試驗,，結(jié)果表明，清秸率為93.5%,，行間清秸變異系數(shù)為93.7%,，與虛擬仿真試驗結(jié)果基本吻合。

摘要:為提高筑埂作業(yè)效率、減輕勞動強度,，解決水田雙向修筑埂機在切換作業(yè)方式過程中因手動控制精度不高,、擺動較大而導(dǎo)致回轉(zhuǎn)不平穩(wěn)及無法自動鎖定的問題，設(shè)計了一種可使旋耕和鎮(zhèn)壓部件回轉(zhuǎn)調(diào)節(jié)自動鎖定的裝置,。闡述了整體結(jié)構(gòu)及工作原理,，建立回轉(zhuǎn)調(diào)節(jié)自動鎖定裝置的模型，通過運動學(xué)及動力學(xué)分析,，獲得了回轉(zhuǎn)過程的角加速度范圍為0.038~0.154rad/s2,，確定所需電動推桿電動機的額定輸出扭矩為1.64~6.71N·m。通過對電動推桿運動速度的求解,，得到電動推桿伸長速度與回轉(zhuǎn)時間的關(guān)系曲線,，并據(jù)此進行控制系統(tǒng)設(shè)計，實現(xiàn)了通過手機控制自動轉(zhuǎn)向,、解鎖及接收反饋信息的功能,。對鎖銷進行受力分析，得到鎖銷受到的最大阻力為18470N,，確定鎖銷的直徑為10mm,。進行回轉(zhuǎn)性能試驗，記錄一個回轉(zhuǎn)周期內(nèi)鏈傳動箱的回轉(zhuǎn)調(diào)節(jié)狀態(tài),，并與理論運動狀態(tài)進行對比,，結(jié)果表明：整個回轉(zhuǎn)周期的均方誤差為1.0（°）2，回轉(zhuǎn)調(diào)節(jié)過程與理想運動過程較為吻合,，控制系統(tǒng)精度較高,；水田雙向修筑埂機田間作業(yè)所修筑田埂的埂頂與埂兩側(cè)堅實度為1180、2050kPa,，回轉(zhuǎn)調(diào)節(jié)自動鎖定裝置鎖定牢靠,，不影響田間正常筑埂作業(yè)。

摘要:水田攪漿是基于稻作制度的獨立機械化作業(yè)環(huán)節(jié),，攪漿刀是進行攪漿農(nóng)藝處理的專用刀具，但目前缺乏針對攪漿的農(nóng)藝界定及攪漿刀專用設(shè)計參數(shù)研究,。本文利用逆向工程技術(shù)獲取攪漿刀的關(guān)鍵幾何參數(shù)，并對攪漿作業(yè)和攪漿刀的設(shè)計方法進行定義,。通過與常規(guī)旋耕刀（R245）進行分析對比提出攪漿刀的專用設(shè)計參數(shù),，進而通過田間試驗進一步探討攪漿刀的設(shè)計方法。結(jié)果表明,，攪漿刀的楔面入土效應(yīng)是保障其水田攪漿性能的關(guān)鍵,，該效應(yīng)所對應(yīng)的攪漿刀設(shè)計參數(shù)被定義為側(cè)切刃楔角，側(cè)切刃楔角與側(cè)切刃刀面寬度2個關(guān)鍵設(shè)計參數(shù)決定了攪漿刀入土過程的側(cè)向攪漿作業(yè)強度,。與R245旋耕刀相比,，側(cè)切刃楔角是攪漿刀設(shè)計的顯著特點，攪漿刀的側(cè)切刃靜態(tài)楔角高于動態(tài)楔角,，而R245的側(cè)切刀面是一平直刀面（楔角為0°）,，在正切刃區(qū)域，攪漿刀與旋耕刀的楔角變化基本〖JP3〗一致,?；谔镩g土壤條件的原位臺架試驗進一步證明了攪漿刀專用設(shè)計參數(shù)對保障起漿、水田埋草等性能的優(yōu)越性,。

摘要:在玉米秸稈還田條件下,，為了提高深松作業(yè)破茬比率,，降低土壤擾動與能耗，以物料（土壤,、秸稈和根茬）特性,、滑切原理和離散元（EDEM）仿真分析深松鏟對土壤的作用為依據(jù)，設(shè)計了交互式分層深松鏟,。首先,，根據(jù)物料特性與滑切原理得到前鏟結(jié)構(gòu)參數(shù)；然后,，以前鏟仿真過程中回流土壤最大加速度的位置和方向為依據(jù),，設(shè)計與回流土壤形成滑切交互作用的后鏟交互段鏟柄，同時設(shè)計后鏟上下段鏟柄,，得到后鏟結(jié)構(gòu)參數(shù),；最后，結(jié)合前鏟運動速度與土壤顆?；亓髦磷畲蠹铀俣鹊臅r間確定前后鏟處于滑切交互時的間距,。將交互式分層深松鏟與前鏟仿真過程中所選土壤顆粒最大加速度的方向進行對比,，驗證了設(shè)計思路的合理性。離散元仿真對比試驗表明,，交互式分層深松鏟可有效降低土壤擾動,；比普通分層深松鏟、圓弧型單鏟對根茬的平均作用力分別提高了22.14%,、26.98%,；比非交互式分層深松鏟、普通分層深松鏟,、圓弧型單鏟的平均阻力分別減小了14.25%,、26.02%、8.71%,。交互式分層深松鏟破茬比率高,、土壤擾動小、能耗低,，滿足深松作業(yè)的要求,。

摘要:針對水稻穗肥撒施效率和機械化程度低的問題,，為提高無人機撒肥均勻性，基于多旋翼無人機平臺設(shè)計了一種水稻撒肥系統(tǒng),，確定了離心盤,、流量調(diào)節(jié)裝置等主要結(jié)構(gòu)參數(shù)，同時應(yīng)用EDEM軟件仿真分析了離心盤轉(zhuǎn)速,、落入位置角,、肥料流量、無人機飛行速度和飛行姿態(tài)對肥料分布的影響,。試驗表明：肥料分布呈同心圓時,，撒肥有利于幅寬邊界確定；幅寬隨著離心盤轉(zhuǎn)速的增加而增大,，肥料分布峰值隨流量增大由左側(cè)逐漸變?yōu)橛覀?cè),；撒肥均勻性隨流量增加呈先增、后減的趨勢,，無人機俯仰角與橫滾傾斜角對肥料分布均有影響,，俯仰造成肥料向中部堆積，橫滾使肥料向單側(cè)堆積,。肥料流量,、無人機飛行速度和離心盤轉(zhuǎn)速與落入位置角均存在交互作用，對撒肥均勻性有顯著影響,。當(dāng)落入位置角為40°,、離心盤轉(zhuǎn)速為1100r/min、肥料流量為3460顆/s,、飛行速度為5m/s時,，撒肥性能最佳，此時變異系數(shù)為8.86%,。田間試驗結(jié)果表明,，無人機施肥效率約為人工施肥的12.5倍。本研究為水稻穗肥的機械化施用提供了解決方案,，可為水稻穗肥的無人機撒肥系統(tǒng)設(shè)計提供參考,。

摘要:為了實現(xiàn)變量施肥過程中多種固體肥的實時自動配比,、提高施肥控制系統(tǒng)的排肥量控制準(zhǔn)確率,，采用增量式PID閉環(huán)控制算法設(shè)計基于測土配方的多種固體肥精確施肥控制系統(tǒng)及與之配套的施肥裝置，實現(xiàn)了氮,、磷,、鉀3種固體肥的適時快速響應(yīng)和實時精量施入。施肥控制系統(tǒng)主要包括主-從控制器模塊,、處方圖模塊,、北斗衛(wèi)星定位模塊、測速模塊,、人機交互模塊,、施控電機模塊和施肥量監(jiān)測模塊等。主控制器主要完成人機交互指令接收,、北斗衛(wèi)星定位信息獲取,、處方圖施肥量查詢、車速和施控電機的工作狀態(tài)監(jiān)測,、從控制器工作指令下達等任務(wù),，人機交互模塊實現(xiàn)主控制器和手機APP的通信；從控制器主要實現(xiàn)主控制器指令接收和施控電機工作控制,。根據(jù)播種環(huán)節(jié)普遍采用中小型播種機的實際情況,，模擬播種施肥機具行進速度為3.5~6.5km/h，進行了實驗室單一肥料排肥試驗,，試驗表明,，控制系統(tǒng)最大響應(yīng)時間1.85s,，平均響應(yīng)時間1.45s。在設(shè)定施肥量50,、100,、200、300kg/hm2下,，模擬行進速度為4,、5、6km/h時,，控制系統(tǒng)的排肥量準(zhǔn)確率達97.16%,，監(jiān)測準(zhǔn)確率98.56%。進行了田間試驗,，制作了哈爾濱市雙城區(qū)東海村測土配方施肥的處方圖,，在車速為4、5,、6km/h時,，尿素、磷酸二銨,、硫酸鉀的排肥量準(zhǔn)確率分別達97.22%,、98.60%和97.73%，滿足精確施肥系統(tǒng)的施肥精度要求,。

摘要:針對我國豌豆收獲缺少適合機具的現(xiàn)狀,，為實現(xiàn)豌豆作物機械化收獲,，設(shè)計了4SZ-1.2型豌豆割曬機。首先,，深入了解我國豌豆種植制度現(xiàn)狀和豌豆收獲技術(shù)要求,，分析了機械收獲作業(yè)過程中容易出現(xiàn)的切割困難、輸送堵塞,、鋪放纏繞等問題,，設(shè)計的4SZ-1.2型豌豆割曬機主要由切割裝置、防纏繞撥禾裝置和輸送鋪放裝置組成,，能夠有效實現(xiàn)豌豆作物的切割,、輸送和鋪放作業(yè)；然后,，利用二次回歸正交旋轉(zhuǎn)試驗進行分析,，確定了最優(yōu)的參數(shù)組合為前進速度1.03m/s,、割刀速度1.19m/s、輸送速度1.22m/s,、撥禾輪轉(zhuǎn)速45.97r/min,；最后，進行了田間試驗驗證,，結(jié)果表明，割曬機作業(yè)條鋪整齊,、割茬統(tǒng)一,，漏割率為4.78%，收獲損失率為4.96%,，作業(yè)效率為0.185hm2/h,，能夠滿足豌豆收獲要求。

摘要:針對缺少適合家庭農(nóng)戶使用的王草專用鍘切打漿機械問題，設(shè)計了一種小型組合式王草鍘切打漿機,，該機通過更換部件可進行王草的鍘切,、打漿加工。在現(xiàn)有研究的基礎(chǔ)上,，分析了輕簡化王草鍘切和打漿工藝,，設(shè)計優(yōu)化了喂入裝置、鍘切動刀和拋送板等關(guān)鍵部件,；利用ANSYS/LSDYNA軟件對鍘切機構(gòu)切割過程進行計算機仿真,，通過正交試驗確定影響切割功耗的主次因素依次為切刀類型、動定刀間隙,、定刀高度,，最優(yōu)水平組合為：鍘切機構(gòu)選取缺口圓弧切刀、動定刀間隙2mm,、定刀高度23mm,；通過試制試驗樣機，并進行王草打漿優(yōu)化試驗,，確定打漿工藝最佳結(jié)構(gòu)及工作參數(shù)為：主軸轉(zhuǎn)速1400r/min,、王草破碎方式采用標(biāo)準(zhǔn)錘片與齒板破碎式、漿料排料方式采用圓孔凹板式,。在試驗的基礎(chǔ)上對小型王草鍘切打漿機進行改進,，改進后的整機性能試驗表明,，王草鍘切的純工作時間生產(chǎn)率為545kg/h，標(biāo)準(zhǔn)草長率為86%,，打漿純工作時間生產(chǎn)率為150kg/h,，漿料中長草質(zhì)量分?jǐn)?shù)為9.1%。

摘要:為了提升秸稈粉料致密成型過程中離散元仿真所需參數(shù)的準(zhǔn)確性，以玉米秸稈粉料為研究對象,，利用EDEM軟件中的Hertz-Mindlin with JKR粘結(jié)接觸模型進行玉米秸稈粉料致密成型離散元仿真模型參數(shù)標(biāo)定研究,。首先，以接觸參數(shù)的物理試驗結(jié)果作為仿真參數(shù)選擇依據(jù),，應(yīng)用Plackett-Burman試驗對初始參數(shù)進行篩選,，方差分析結(jié)果表明，玉米秸稈粉料間滾動摩擦因數(shù),、粉料與不銹鋼板間靜摩擦因數(shù)以及JKR表面能對堆積角影響顯著,；其次，以堆積角為評價指標(biāo),，應(yīng)用Box-Behnken試驗建立了堆積角與3個顯著性參數(shù)的二次多項式回歸模型,，以物理試驗得到的實際堆積角42.60°為目標(biāo)值，對顯著性參數(shù)進行尋優(yōu),，得到最優(yōu)組合為：秸稈粉料-粉料滾動摩擦因數(shù)為0.05,、秸稈粉料-不銹鋼板靜摩擦因數(shù)為0.47、JKR表面能為0.05J/m2;最后,，在標(biāo)定的參數(shù)下進行堆積角和?？讐嚎s試驗對比，結(jié)果表明,，仿真堆積角與實測堆積角相對誤差為0.68%,，仿真與實際試驗壓縮位移相對誤差為0.98%，通過對比分析兩次試驗中秸稈粉料?？讐嚎s位移變化曲線的擬合情況,，得出兩曲線間的決定系數(shù)R2為0.9627，說明所得相關(guān)參數(shù)可用于秸稈粉料致密成型離散元仿真,。

摘要:針對甘薯人工削皮勞動強度大、效率低,，傳統(tǒng)去皮方式污染嚴(yán)重等問題,，基于甘薯的物理特征，設(shè)計了一種柔性自適應(yīng)仿形甘薯削皮機,。為確保甘薯削皮厚度的一致性與削皮作業(yè)的穩(wěn)定性,，首先對甘薯削皮過程進行理論分析，確定了影響仿形削皮性能的關(guān)鍵部件結(jié)構(gòu)參數(shù)及取值范圍,，以仿形限位球半徑,、仿形力、電缸與卡爪轉(zhuǎn)速比為試驗因素,，以甘薯削皮厚度均勻性為響應(yīng)值,，利用Design-Expert 8.0.6軟件采用BBD法設(shè)計三因素三水平試驗，建立了各因素與甘薯削皮厚度均勻性的回歸數(shù)學(xué)模型,，分析了影響削皮性能的主要原因,。結(jié)果表明,，各因素對甘薯削皮厚度均勻性影響的主次順序為：仿形力,、仿形限位球半徑、電缸與卡爪轉(zhuǎn)速比,；最佳參數(shù)組合為仿形力68.1N,、仿形限位球半徑28.1mm、電缸與卡爪轉(zhuǎn)速比0.95,。甘薯削皮性能驗證試驗表明,，在優(yōu)化后的工作參數(shù)下，該甘薯削皮機削皮效果較好,，平均每個甘薯削皮時間為10s,，工作效率達360個/h，滿足甘薯削皮的工業(yè)化加工需求,。

摘要:針對聯(lián)合收獲機稻谷含水率實時檢測過程中因樣本含雜率高而導(dǎo)致精度和穩(wěn)定性差的問題,，搭建了兼具二次篩分除雜功能的稻谷實時采樣臺架,，基于采樣臺架采用電容法設(shè)計了聯(lián)合收獲機稻谷含水率在線檢測系統(tǒng)。設(shè)計了檢測系統(tǒng)硬件電路,，開發(fā)了上位機監(jiān)控界面,，實現(xiàn)了上位機和下位機之間的通信。分析了溫度和含雜率變化對電容差值的影響規(guī)律，進行了采樣臺架性能試驗,，建立了電容差值,、溫度和稻谷含水率輸出的關(guān)系模型，其二階模型決定系數(shù)為0.9866,，并對模型進行了驗證,。結(jié)果表明：采樣臺架篩分后的稻谷含雜率均小于1.2%；室內(nèi)試驗時,，檢測系統(tǒng)最大誤差為0.42%,，平均誤差為0.22%，檢測裝置平均相對誤差不大于1.25%,；田間試驗時,，檢測裝置相對誤差小于3%，有效提高了在線檢測精度,。本研究可為稻谷含水率的在線獲取提供參考,。

摘要:針對我國玉米種子人工分選效率低,、錯分率高,、缺少自動檢測分選裝置等問題，設(shè)計了一種玉米種子實時檢測分選裝置,。該裝置由進料單元,、檢測單元、分選單元和控制系統(tǒng)組成,。下位機采用MSP430,，與上位機實時通信，并控制分選執(zhí)行機構(gòu),，上位機采用Matlab 2014b軟件對玉米種子圖像進行實時處理,，并輸出識別結(jié)果。為了便于采集玉米種子圖像,，設(shè)計了種子分離機構(gòu),。根據(jù)霉變玉米種子與正常玉米種子表面顏色的差異，設(shè)計了一種基于HSV顏色空間劃分的玉米種子識別算法,，并提出了一種玉米種子排序策略,，實現(xiàn)了玉米種子的精確分選。該裝置對單幅圖像的采集和處理時間約為0.7s,，分選速率最高為680粒/min,，霉變玉米種子識別準(zhǔn)確率為100%，裝置總體分選準(zhǔn)確率不低于94%。該裝置實現(xiàn)了從玉米種子進料到分選的全自動化,，能夠?qū)γ棺冇衩追N子進行實時檢測和分選,。

摘要:通過無人機搭載多光譜相機,，對不同水分虧缺條件下冬小麥多個生育期進行遙感監(jiān)測,，采用不同種類多光譜植被指數(shù)表征冬小麥的生長特征，分析了植被指數(shù)與冬小麥產(chǎn)量的相關(guān)關(guān)系,，并利用多時相植被指數(shù)構(gòu)建產(chǎn)量估測數(shù)據(jù)集,，采用偏最小二乘回歸、支持向量機回歸和隨機森林回歸3種機器學(xué)習(xí)算法進行冬小麥產(chǎn)量估測,。結(jié)果表明,，隨著冬小麥的生長，多個植被指數(shù)與產(chǎn)量的相關(guān)性不斷增強,，灌漿末期相關(guān)系數(shù)達到0.7,，植被指數(shù)與產(chǎn)量的線性回歸決定系數(shù)也達到最大。多時相植被指數(shù)反映了冬小麥生長的變化特征,，進一步提高了冬小麥產(chǎn)量估測精度,，采用開花期和灌漿初期的多時相植被指數(shù)進行估產(chǎn)比采用單個生育期的植被指數(shù)估測產(chǎn)量的精度高,，采用偏最小二乘回歸模型的估測精度R2提高約0.021,，支持向量機回歸模型R2提高約0.015，隨機森林回歸模型R2提高約0.051,。采用灌漿末期的多時相植被指數(shù),，3種模型均有較高的估測精度，偏最小二乘回歸模型估測精度最高時的R2,、RMSE分別為0.459,、1822.746kg/hm2，支持向量機回歸模型估測精度最高時的R2,、RMSE分別為0.540,、1676.520kg/hm2，隨機森林回歸模型估測精度最高時的R2,、RMSE分別為0.560,、1633.896kg/hm2，本文數(shù)據(jù)集訓(xùn)練的隨機森林回歸模型估測精度最高,，且穩(wěn)定性更好,。

摘要:為了提高河北省中部平原夏玉米的估產(chǎn)精度和進一步驗證粒子濾波同化算法對農(nóng)業(yè)作物估產(chǎn)的適用性,，采用粒子濾波算法同化CERES-Maize模型模擬和MODIS數(shù)據(jù)反演的葉面積指數(shù)（Leaf area index，LAI）,、條件植被溫度指數(shù)（Vegetation temperature condition index,， VTCI），應(yīng)用隨機森林回歸算法確定夏玉米不同生育時期LAI和VTCI的權(quán)重,，構(gòu)建單產(chǎn)估測模型,。結(jié)果表明，無論是單點尺度還是區(qū)域尺度,，同化的LAI和VTCI均能較好地響應(yīng)外部觀測數(shù)據(jù),，同化LAI可減緩CERES-Maize模型模擬LAI的劇烈變化；同化VTCI結(jié)合模型模擬和遙感觀測,，更能反映夏玉米對水分脅迫的敏感性,。利用2015年河北省中部平原各縣（區(qū)）夏玉米產(chǎn)量對較優(yōu)估產(chǎn)模型進行精度驗證，結(jié)果表明,，同化前后夏玉米產(chǎn)量模擬結(jié)果與統(tǒng)計產(chǎn)量間的歸一化均方根誤差由12.71%下降到10.50%,，平均相對誤差由12.57%下降到8.43%，說明基于同化LAI和VTCI構(gòu)建的雙參數(shù)單產(chǎn)估產(chǎn)模型可用于區(qū)域夏玉米單產(chǎn)估測,。

摘要:甜菜株高可用于估算根系生物量,、指示水分脅迫,，還可作為甜菜氮含量和產(chǎn)量的有效指示因子，是育種者和農(nóng)田管理者評估大田甜菜生長狀態(tài)的重要參數(shù),。本研究以186個不同基因型的大田甜菜為研究對象,，探究無人機分別搭載可見光（RGB）相機與激光雷達（LiDAR）系統(tǒng)對大田作物株高估算的精度差異，并與田間測定值進行比較,。結(jié)果表明,，基于無人機LiDAR系統(tǒng)估算的株高與實測值的相關(guān)性高于無人機搭載RGB相機估測的相關(guān)性。進一步對點云進行分層分析,，比較點云在冠層內(nèi)分布的差異,，結(jié)果表明，對于作物生長后期群體冠層封閉時,，無人機LiDAR系統(tǒng)相較于無人機搭載RGB相機系統(tǒng)能重建更為完整的冠層三維結(jié)構(gòu),。

摘要:為精準(zhǔn)獲取農(nóng)田作物種植分布信息以滿足農(nóng)業(yè)精細化管理需求，基于DeepLab V3+深度語義分割網(wǎng)絡(luò)提出了一種面向無人機多光譜遙感影像的農(nóng)田作物分類方法,。通過修改輸入層結(jié)構(gòu),、融合多光譜信息和植被指數(shù)先驗信息、并采用Swish激活函數(shù)優(yōu)化模型,，使網(wǎng)絡(luò)在響應(yīng)值為負(fù)時仍能反向傳播,。基于2018—2019年連續(xù)2年內(nèi)蒙古自治區(qū)河套灌區(qū)沙壕渠灌域的無人機多光譜遙感影像,，在2018年數(shù)據(jù)集上構(gòu)建并訓(xùn)練模型,，在2019年數(shù)據(jù)集上測試模型的泛化性能。結(jié)果表明,，改進的DeepLab V3+模型平均像素精度和平均交并比分別為93.06%和87.12%,，比基于人工特征的支持向量機（Support vector machine, SVM）方法分別提高了17.75、20.8個百分點,，比DeepLab V3+模型分別提高了2.56,、2.85個百分點，獲得了最佳的分類性能,，且具有較快的預(yù)測速度,。采用本文方法能夠從農(nóng)田作物遙感影像中學(xué)習(xí)到表達力更強的語義特征，從而獲得準(zhǔn)確的作物分類結(jié)果,，為利用無人機遙感影像解譯農(nóng)田類型提供了一種新的方法,。

摘要:為研究光譜對冬小麥植株組分含水率的估測能力,，分析小波技術(shù)對光譜信息的分離規(guī)律，以冬小麥冠層光譜數(shù)據(jù)與相應(yīng)的冬小麥植株葉片,、莖稈,、麥穗含水率的測定值為數(shù)據(jù)源，先采用小波技術(shù)分離冬小麥冠層光譜信息,，再將分離的光譜信息與冬小麥各植株組分的含水率進行相關(guān)性分析,，并提取敏感波段；最后利用偏最小二乘算法構(gòu)建冬小麥植株組分含水率的估測模型,，并進行了驗證與評價,。研究表明：經(jīng)小波技術(shù)分解后,，冬小麥冠層光譜內(nèi)的吸收特征逐分解水平分離至高頻信息內(nèi)，且各分解水平所代表的吸收特征按強度依次分布于高頻信息的分解水平H1~H10內(nèi),；冬小麥麥穗含水率估測模型的精度與穩(wěn)定性較強,，莖稈次之，葉片穩(wěn)定性最差,，說明揚花期后的冬小麥水分供給已不再適合只采用葉片含水率進行評定,，應(yīng)增加或替換檢測指標(biāo)。

摘要:為快速準(zhǔn)確檢測植物體葉綠素含量，提出一種基于MMD遷移的光學(xué)特性參數(shù)反演方法,。以綠蘿葉片為研究對象,，仿真光子在基于蒙特卡洛方法的單層平板模型上的運動軌跡，獲得12000幅綠蘿葉片仿真光亮度分布圖,，利用卷積神經(jīng)網(wǎng)絡(luò)對模擬光譜數(shù)據(jù)進行訓(xùn)練,，得到預(yù)訓(xùn)練模型；基于預(yù)訓(xùn)練模型進行遷移學(xué)習(xí),，在少量實測綠蘿葉片光譜數(shù)據(jù)上對模型進行微調(diào),，進行綠蘿光學(xué)參數(shù)反演，得到吸收系數(shù)μa反演準(zhǔn)確率為84.83%,、散射系數(shù)μs反演準(zhǔn)確率為83.33%,；在此基礎(chǔ)上引入最大均值差異方法，提升遷移效果,。結(jié)果表明,，與普通的模型遷移方法相比，基于MMD遷移的方法具有更好的反演效果,，吸收系數(shù)μa反演準(zhǔn)確率為87.55%,，散射系數(shù)μs反演準(zhǔn)確率為86.67%。利用MMD遷移得到的全連接層特征建立葉綠素回歸模型的決定系數(shù)R2為0.9310,，分別比直接使用光學(xué)參數(shù)和光譜圖像建立的模型決定系數(shù)R2高0.0468和0.0620,。研究表明，基于光學(xué)特性參數(shù)反演方法可以為葉綠素含量無損估測研究提供參考,。

摘要:為解決田間環(huán)境復(fù)雜背景下病害識別困難,、識別模型應(yīng)用率低的問題,，提出了一種基于改進卷積神經(jīng)網(wǎng)絡(luò)的玉米病害識別方法，探討了數(shù)據(jù)集的品質(zhì)對建立模型性能的影響,。利用復(fù)雜背景下的玉米病害圖像進行數(shù)據(jù)增強,、背景去除、圖像細分割和歸一化等處理,，設(shè)計了具有5層卷積,、4層池化和2個全連接層的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，利用L2正則化和Dropout策略優(yōu)化網(wǎng)絡(luò),，對復(fù)雜背景下的玉米9種病害進行識別訓(xùn)練和測試,，優(yōu)化后的CNN模型平均識別精度為97.10%，比未優(yōu)化的網(wǎng)絡(luò)模型提高9.02個百分點,。利用不同大小,、不同品質(zhì)的數(shù)據(jù)集對優(yōu)選網(wǎng)絡(luò)進行訓(xùn)練和測試，數(shù)據(jù)增強后比原始樣本平均識別精度提高了28.17個百分點,；將復(fù)雜背景去除后,，模型性能進一步提升，識別精度達到97.96%,；對數(shù)據(jù)集進行細分割處理后,，平均識別精度為99.12%，表明卷積神經(jīng)網(wǎng)絡(luò)需要大量的訓(xùn)練數(shù)據(jù),，且數(shù)據(jù)集需有一定的代表性和品質(zhì),。開發(fā)了基于移動端的玉米田間病害識別系統(tǒng)，系統(tǒng)測試結(jié)果表明,，平均識別準(zhǔn)確率為83.33%,，系統(tǒng)能夠?qū)崿F(xiàn)田間復(fù)雜環(huán)境下的玉米病害識別。

摘要:以黑龍江省訥河市采集的80份黑土樣品和高光譜實測數(shù)據(jù)為數(shù)據(jù)源,，對黑土中銅（Cu）、鋅（Zn）,、錳（Mn）重金屬元素的光譜反射率及其特征變化進行研究,，分析了光譜反射率、光譜反射率一階微分變換,、光譜反射率連續(xù)統(tǒng)去除變換、光譜反射率連續(xù)統(tǒng)去除一階微分變換與元素銅,、鋅,、錳含量的相關(guān)性,，并利用相關(guān)系數(shù)法提取敏感波段。利用核主成分分析（Kernel principal component analysis, KPCA）方法對高光譜敏感波段數(shù)據(jù)進行降維及特征提取,，將特征信息作為極限學(xué)習(xí)機（Extreme learning machine, ELM）模型建模的樣本數(shù)據(jù),，構(gòu)建KPCA-ELM估測模型，進行黑土重金屬含量的定量估算,。結(jié)果表明：KPCA具有較強的非線性特征提取能力,，可以有效地選擇最佳變量集合，KPCA-ELM模型預(yù)測土壤元素含量效果理想,，3種重金屬元素含量估測的決定系數(shù)均達到0.6以上,，其中，鋅元素預(yù)測精度最高,，決定系數(shù)和均方根誤差分別為0.805和3.275mg/kg,，比特征提取前模型預(yù)測精度優(yōu)化了14.0%和18.5%，說明構(gòu)建的KPCA-ELM模型是一種快速可行的重金屬含量高光譜估測方法,。

摘要:針對目前樹冠提取中受背景影響和易出現(xiàn)過度分割的問題,，首先，采用可見光差異植被指數(shù)和雙邊濾波對傳統(tǒng)的單木樹冠分割方法進行了改進,；然后,，以單木樹冠為對象提取多維特征，并利用XGBoost算法進行特征重要性排序和特征選擇,；最后,，使用隨機森林、支持向量機,、人工神經(jīng)網(wǎng)絡(luò)3種非參數(shù)分類器,，設(shè)計了12種分類方案，進行了單木樹種分類和精度評價,。結(jié)果表明,，改進的單木分割方法可以有效提高樹冠提取精度，得到的樹冠分割精度在80%以上,；將LiDAR數(shù)據(jù)和航空正射影像相結(jié)合,，采用XGBoost算法進行特征選擇后，使用ANN分類器的分類方案精度最高,，總體精度為86.19%,，說明多源數(shù)據(jù)協(xié)同作用和特征選擇可以提高樹種分類精度，在單木尺度上ANN分類器對現(xiàn)有樹種類型的分類能力最強,。

摘要:針對電動無人機應(yīng)用于農(nóng)業(yè)遙感監(jiān)測時受其續(xù)航時間限制的問題,，從實際應(yīng)用角度出發(fā)，設(shè)計了一種續(xù)航時間長,、適用于農(nóng)業(yè)遙感監(jiān)測的翼身融合布局的輕型電動固定翼無人機,。提出了翼身融合布局輕型固定翼無人機的總體設(shè)計方法，確定了輕型固定翼無人機的結(jié)構(gòu)參數(shù),，建立了物理模型并對其參數(shù)進行了優(yōu)化分析,。通過計算流體力學(xué)(Computational fluid dynamics, CFD)分析計算了翼身融合布局輕型固定翼無人機的氣動性能，基于流固耦合模型動態(tài)分析了其飛行狀態(tài)下的受力分布,。結(jié)果表明,，優(yōu)化模型較初始設(shè)計模型的升阻比提高了2.6%，在迎角為6°,、巡航速度為15.5m/s時,，所設(shè)計的翼身融合布局輕型固定翼無人機機身壓力分布合理，且擁有良好的氣動特性,。起飛質(zhì)量為1.5kg時,，無人機下表面壓力最大，為143Pa,，升力主要集中在機翼前緣部分,，計算所得理論續(xù)航時間為65min，在巡航階段最大變形量0.28838mm,，符合飛行器工作條件,，無人機結(jié)構(gòu)和選用材料均滿足設(shè)計和使用要求。本文設(shè)計的電動輕型固定翼農(nóng)用遙感無人機在結(jié)構(gòu),、材料和性能方面均適用于農(nóng)業(yè)遙感監(jiān)測,。

摘要:針對現(xiàn)有方法無法實現(xiàn)奶牛熱紅外圖像中眼溫信息自動獲取的問題,，為實現(xiàn)奶牛眼溫?zé)o接觸,、自動、高精確檢測,，提出了一種基于熱紅外成像技術(shù)與骨架樹模型的奶牛眼溫自動檢測方法,。首先，在獲得奶牛側(cè)面熱紅外圖像的基礎(chǔ)上,，利用基于差距度量的閾值分割方法提取奶牛目標(biāo),，對奶牛骨架進行精確提取，并構(gòu)建了奶牛骨架樹模型，在該模型上對奶牛頭部區(qū)域進行準(zhǔn)確定位,；然后,，根據(jù)頭部輪廓的形狀特征與眼睛幾何位置特征,，對奶牛眼睛區(qū)域中心點進行準(zhǔn)確定位,；最后，以眼睛中心點為圓心,，以半徑為20像素區(qū)域內(nèi)的最高溫度作為眼睛溫度,，對奶牛熱紅外圖像中眼溫進行自動檢測。為驗證本文方法的有效性,，隨機選取來自50頭奶牛的100幅側(cè)視熱紅外圖像進行了試驗,，結(jié)果表明，采用本文方法檢測結(jié)果的平均絕對誤差為0.35℃,、平均相對誤差為0.38%,，具有較高的精度。本研究可為奶牛體溫非接觸,、自動化,、高精度檢測提供技術(shù)支撐。

摘要:針對豬舍環(huán)境下豬只飲食行為自動化檢測程度較低的問題，提出了一種基于YOLOv4的豬只飲食行為檢測模型,?；诙鄷r間段、多視角和不同程度遮擋的豬只飲食圖像,，建立了豬只飲食行為圖像數(shù)據(jù)庫,，利用YOLOv4深度學(xué)習(xí)網(wǎng)絡(luò)的深層次特征提取、高精度檢測分類特性,，對豬只飲食行為進行檢測,。結(jié)果表明，基于YOLOv4的豬只飲食行為檢測模型在不同視角,、不同遮擋程度以及不同光照下均能準(zhǔn)確預(yù)測豬只的飲食行為,，在測試集中平均檢測精度（mAP）達到95.5%，分別高于YOLOv3,、Tiny-YOLOv4模型2.8,、3.6個百分點，比Faster R-CNN模型高1.5個百分點，比RetinaNet,、SSD模型高5.9,、5個百分點。本文方法可為智能養(yǎng)豬與科學(xué)管理提供技術(shù)支撐,。

摘要:為解決文本特征提取不準(zhǔn)確和因網(wǎng)絡(luò)層次加深而導(dǎo)致模型分類性能變差等問題,，提出基于深度卷積神經(jīng)網(wǎng)絡(luò)的水稻知識文本分類方法,。針對水稻知識文本的特點，采用Word2Vec方法進行文本向量化處理,，并與One-Hot,、TF-IDF和Hashing方法進行對比分析，得出Word2Vec方法具有較高的分類精度,，正確率為86.44%,，能夠有效解決文本向量表示稀疏和信息不完整等問題。通過調(diào)整殘差網(wǎng)絡(luò)（Residual network,，ResNet）結(jié)構(gòu),，分析殘差模塊結(jié)構(gòu)和網(wǎng)絡(luò)層次對分類網(wǎng)絡(luò)的影響，構(gòu)建了9種分類網(wǎng)絡(luò)結(jié)構(gòu),，測試結(jié)果表明,，具有4層殘差模塊結(jié)構(gòu)的網(wǎng)絡(luò)具有較好的特征提取精度，Top-1準(zhǔn)確率為99.79%,。采用優(yōu)選出的4層殘差模塊結(jié)構(gòu)作為基本結(jié)構(gòu),，使用膠囊網(wǎng)絡(luò)（Capsule network，CapsNet）替代其池化層,，設(shè)計了水稻知識文本分類模型,。與FastText、BiLSTM,、Atten-BiGRU,、RCNN、DPCNN和TextCNN等6種文本分類模型的對比分析表明,，本文設(shè)計的文本分類模型能夠較好地對不同樣本量和不同復(fù)雜程度的水稻知識文本進行精準(zhǔn)分類,，模型的精準(zhǔn)率、召回率和F1值分別不小于95.17%,、95.83%和95.50%,，正確率為98.62%,。本文模型能夠?qū)崿F(xiàn)準(zhǔn)確、高效的水稻知識文本分類,，滿足實際應(yīng)用需求,。

摘要:以山東省132個縣區(qū)為研究單元，構(gòu)建耕地多功能評價指標(biāo)體系,，評價各縣區(qū)耕地多功能時空差異,，并運用耦合協(xié)調(diào)度及空間自相關(guān)模型對耕地功能耦合作用的時空特征進行分析,。研究表明,，2005—2015年，山東省耕地各單項功能時空格局變化差異明顯,，綜合功能持續(xù)增長,，以中值水平為主，農(nóng)業(yè)生產(chǎn)和社會保障功能對耕地綜合功能增長有較強的推動作用,，景觀格局和生態(tài)環(huán)境功能影響相對較?。谎芯科陂g,，耕地多功能耦合協(xié)調(diào)度由拮抗階段向磨合階段逐步提高,，地域差異較為明顯，農(nóng)業(yè)發(fā)展重點地區(qū)耦合協(xié)調(diào)度水平高于經(jīng)濟發(fā)展重點區(qū)域,；耕地多功能耦合協(xié)調(diào)度具有較高的空間聚集性,，但空間相關(guān)性逐漸降低，顯著H-H區(qū)與顯著L-L區(qū)空間聚集性較強,，顯著L-H區(qū)與顯著H-L區(qū)數(shù)量較少,，且分布零散，無明顯規(guī)律,。本研究可為耕地區(qū)域差異化治理,、促進耕地多功能協(xié)調(diào)發(fā)展、提升耕地綜合功能提供參考,。

摘要:針對目前城市化進程中以中心城區(qū)為主的核心生態(tài)規(guī)劃因忽視自然與城市之間的空間動態(tài)變化而導(dǎo)致城鄉(xiāng)人居生態(tài)環(huán)境不協(xié)調(diào)的問題,，以唐山市生態(tài)空間網(wǎng)絡(luò)構(gòu)建為出發(fā)點,，基于形態(tài)學(xué)空間格局分析方法(MSPA)、最小累積阻力模型(MCR)對市域生態(tài)源地進行識別，提取生態(tài)源地間潛在生態(tài)廊道,，結(jié)合重力模型定量分析廊道重要度,，并構(gòu)建唐山市生態(tài)空間網(wǎng)絡(luò)。結(jié)果表明：生態(tài)源地提取與識別是城市生態(tài)網(wǎng)絡(luò)構(gòu)建的關(guān)鍵節(jié)點,，通過識別市域生態(tài)源地共33642個,，面積245674.52hm2，主要分布于北部山地保護區(qū),、中部林地生態(tài)保護區(qū)和南部濕地保護區(qū),，景觀類型多為草地和林地，其次為水體,；通過斑塊重要指數(shù)等量化景觀要素對生態(tài)空間的重要度,，識別出30塊重要生態(tài)源地作為生態(tài)廊道的關(guān)鍵節(jié)點；基于最小累積阻力和重力模型計算并構(gòu)建潛在435條關(guān)鍵生態(tài)廊道,，草地景觀,、林地景觀和水體景觀分別占總廊道的51.21%、30.74%和16.46%,；源地間的生態(tài)作用力及廊道適宜性差異明顯,，源地14和17之間的相互作用力最大，為14562.77,，源地2和21之間的相互作用力最小,，為1.06；源地25（開平區(qū)陡河水庫）和源地18（灤州市青龍山省級保護區(qū)）為南北生態(tài)流動的關(guān)鍵源地,，在今后的工作中應(yīng)重點保護和管理,。本研究可為唐山市國土空間規(guī)劃、生態(tài)空間構(gòu)建和生態(tài)保護紅線管控提供有效支撐,，也為類似區(qū)域的生態(tài)保護管理和生態(tài)空間網(wǎng)絡(luò)構(gòu)建研究提供了參考,。

摘要:為快速準(zhǔn)確估算農(nóng)田蒸散量,，利用24個群集式蒸滲儀，在國家節(jié)水灌溉北京工程技術(shù)研究中心大興節(jié)水灌溉試驗站進行了兩年的灌溉試驗,，獲得冬小麥-夏玉米生育期的日內(nèi)冠氣溫差和實際日蒸散量（ETa）等數(shù)據(jù),，對不同水分處理下的S-I蒸散量估算模型進行率定及驗證，并分析模型特征參數(shù)a,、b的變化規(guī)律及兩者的差異,。結(jié)果表明：冬小麥的S-I模型特征參數(shù)a在日間隨時間變化先增大、后減小,，在嚴(yán)重水分脅迫處理時a為負(fù)值,、且數(shù)值較小,，其余灌溉處理時參數(shù)a由正值逐漸變化至負(fù)值；不同灌水處理b均為負(fù)值,，充分灌溉處理時b在日間隨時間變化逐漸增大,，嚴(yán)重水分脅迫處理時b相對較大，日間變化趨勢不穩(wěn)定,。水分脅迫對夏玉米模型參數(shù)的影響程度低于冬小麥,，特征參數(shù)a均為正值，參數(shù)b均為負(fù)值,，且隨時間變化逐漸增大,；水分脅迫處理時b變化范圍明顯小于其他兩個處理，干旱處理特征參數(shù)日間變化較大,。冬小麥與夏玉米不同處理之間模型參數(shù)a,、b變化差異較大，但冠層溫度和空氣溫度差Tc-Ta與日蒸散量和日凈輻射量差ETd-Rnd間擬合精度都在13:00時最高,，此時充分灌溉冬小麥和夏玉米的模型參數(shù)a,、b分別為1.082、-1.127和1.588,、-1.363。利用率定的S-I模型計算冬小麥和夏玉米主要生育期ETd與實測ETa之間的決定系數(shù)R2均在0.7以上,，均方根誤差RMSE均小于0.89mm/d,，一致性系數(shù)d均在0.9以上。尤其是充分灌溉處理的數(shù)據(jù)間R2和d均較高,， RMSE小于其他處理,，說明水分脅迫影響模型的估算精度，S-I模型能夠更準(zhǔn)確地估算水分脅迫較少農(nóng)田的蒸散量,。

摘要:基于遙感技術(shù)估算作物蒸散發(fā)（Evapotranspiration，ET）對農(nóng)業(yè)用水效率評價和精量灌溉決策具有重要意義,。結(jié)合Sentinel-2數(shù)據(jù)和農(nóng)田連續(xù)地面觀測資料,，利用混合雙源蒸散發(fā)模型（Hybrid dual-source scheme and trapezoid framework-based evapotranspiration model，HTEM）對寧夏回族自治區(qū)中衛(wèi)市2019年兩個試驗田玉米主要生育期（5—8月）的蒸散發(fā)量進行估算,，并用水量平衡法對遙感估算結(jié)果進行驗證和評價,。結(jié)果表明：Sentinel-2數(shù)據(jù)具有高時空分辨率，能夠與研究區(qū)復(fù)雜的種植地塊相匹配,，減少了混合像元的數(shù)量,；遙感反演參數(shù)與地面觀測數(shù)據(jù)擬合度較高,，研究區(qū)2019年遙感反演的玉米田凈輻射量均方根誤差為36.256W/m2。利用HTEM模型估算可得,，主要生育期內(nèi)研究區(qū)兩個玉米試驗田的日均實際蒸散發(fā)量分別為4.269mm/d和4.339mm/d,，實際蒸散發(fā)總量分別為525.114mm和533.690mm，其中植被蒸騰量分別為363.483mm和358.196mm,，生育初期主要以土壤蒸發(fā)形式消耗水分,，隨著作物的生長，在生育中后期主要以植被蒸騰的形式消耗水分,。ET遙感反演結(jié)果與水量平衡結(jié)果之間差別不顯著,，兩個觀測點絕對誤差分別為13.533mm和7.774mm。因此,，結(jié)合地面連續(xù)觀測系統(tǒng)和Sentinel-2數(shù)據(jù)估算研究區(qū)玉米生育階段蒸散發(fā)量具有較高的精度,，可為作物耗水規(guī)律研究及區(qū)域農(nóng)業(yè)水管理提供技術(shù)支撐。

摘要:為探明施加生物炭對黑土坡耕地的持續(xù)影響,，以東北黑土區(qū)1.5°、3°,、5°的坡耕地田間徑流小區(qū)為研究對象,，對土壤結(jié)構(gòu)及其養(yǎng)分進行為期4年的觀測。于2016年試驗開始前,，按75t/hm2一次性施加玉米秸稈生物炭,，各坡度均設(shè)置不施加生物炭的對照組，共計6個小區(qū),，后續(xù)年份不再施加生物炭,。結(jié)果表明，單次施加生物炭能夠提高土壤氣相,、液相比例,，提高通氣性和持水能力,，改善土壤三相比例,，較對照組土壤孔隙度提高2.83%~5.56%,，土壤容重降低1.89%~3.62%。施炭后土壤中有機質(zhì),、銨態(tài)氮,、速效鉀含量顯著提高，分別提高9.54%~18.21%,、21.35%~28.02%,、11.99%~22.71%,。各項指標(biāo)均隨著時間的推移有所降低。采用隨機森林回歸模型評估得出綜合肥力等級指數(shù),，并擬合回歸方程預(yù)測2020—2022年等級指數(shù),，比較肥力變化情況得出單次施用生物炭對培肥土壤作用的有效年限為6~7年。

摘要:為探索冬小麥最佳的水肥管理制度，采用田間試驗方法,，在低水I1（60%ETc,，300.0mm）、中水I2(75%ETc,，370.0mm),、高水I3(ETc，495.0mm）3種灌溉下,，設(shè)置低氮N1（180.0kg/hm2）,、中氮N2（255.0kg/hm2）、高氮N3（330.0kg/hm2）3種施氮水平,，測定不同生育期小麥土壤含水率,、地上干物質(zhì)累積量與最終產(chǎn)量指標(biāo)，并計算農(nóng)田耗水量,、水分利用效率、氮肥偏生產(chǎn)力,、經(jīng)濟效益等指標(biāo),，分析水肥耦合對各指標(biāo)的影響。結(jié)果表明,，灌溉量對農(nóng)田耗水量影響顯著,，農(nóng)田耗水量隨灌溉定額的增加而增加；適當(dāng)?shù)乃逝浔瓤色@得較高的地上干物質(zhì)累積量,、產(chǎn)量和經(jīng)濟效益,，過量的水肥投入并不會使產(chǎn)量和經(jīng)濟效益持續(xù)增加；產(chǎn)量,、水分利用效率,、氮肥偏生產(chǎn)力、經(jīng)濟效益與灌溉量,、施氮量的相關(guān)性顯著,，建立了各指標(biāo)與灌溉量,、施氮量的二次回歸方程，計算得到各指標(biāo)最大值對應(yīng)的水氮量分別為410.0mm,、260.0kg/hm2,，370.0mm、260.0kg/hm2,，410.0mm,、180.0kg/hm2，400.0mm,、250.0kg/hm2,；通過回歸與空間分析得出，灌溉量為359.8~428.9mm (72.6%ETc~87.5%ETc),、氮肥量為225.4~280.9kg/hm2時,，冬小麥產(chǎn)量、水分利用效率和經(jīng)濟效益可同時達到最大值的95%以上,。本研究可為研究區(qū)及其他環(huán)境相似地區(qū)的水肥制度優(yōu)化與管理提供參考,。

摘要:為研究豆腐廢水添加量對生物質(zhì)水熱碳化行為的影響,，以蘆葦稈為原料，純水溶劑為參照,，在反應(yīng)溫度250℃,、停留時間240min、液固比5~30條件下進行了水熱碳化實驗,，分析了水熱焦元素組成和燃燒特性的變化規(guī)律,。結(jié)果表明，隨著液固比的增加,，豆腐廢水溶劑中水熱焦產(chǎn)率從49.27%增至63.53%,，而純水溶劑中水熱焦產(chǎn)率從46.30%下降至38.30%，兩者變化趨勢相反,；豆腐廢水中水熱焦的C和N質(zhì)量分?jǐn)?shù)變化范圍分別為68.35%~70.30%和1.48%~3.26%,，高于純水中水熱焦的相應(yīng)參數(shù)，且隨著液固比增加,，豆腐廢水中水熱焦的C和N質(zhì)量回收率增加,；豆腐廢水促進了蘆葦稈的脫羧反應(yīng)，水熱焦H/C原子比和O/C原子比均與褐煤相近,，高位熱值最高為29.53MJ/kg,，能量密度約為1.80,，能量回收率從0.85增至1.17，而燃料比從1.09減小至0.78,。在液固比不大于10時,，豆腐廢水溶劑中的蘆葦稈水熱焦有與純水溶劑水熱焦相近的燃燒特性，其燃燒性能良好,。

摘要:低場二維核磁共振（LF-2D-NMR）圖譜可以提供豐富的弛豫信息,。在研究8種食用油處于新鮮及氧化狀態(tài)下的低場T1-T2二維核磁圖譜信息的基礎(chǔ)上,，結(jié)合化學(xué)計量學(xué)方法建立了鑒別油茶籽油與其他食用油、氧化食用油的定性模型及油茶籽油摻兌玉米油,、大豆油,、葵花籽油的定量模型。結(jié)果表明,，不同種類食用油的LF-2D-NMR信息存在明顯差異,，氧化食用油與正常食用油的LF-2D-NMR信息有顯著區(qū)別，LF-2D-NMR可提供更為豐富的特征信息,?；跇悠返牡蛨鯰1-T2二維核磁圖譜信息建立的油茶籽油與其他7種食用油或8種氧化食用油的偏最小二乘判別模型的分類效果優(yōu)秀，模型判別正確率均為100%,。此外,，還建立了油茶籽油摻兌玉米油、大豆油,、葵花籽油的定量預(yù)測模型,，R2分別為0.988、0.962,、0.941,。研究表明，低場T1-T2二維核磁共振技術(shù)可用于食用油種類判別及油茶籽油摻兌分析,。

摘要:乳液的穩(wěn)定性取決于形成的水油界面處蛋白膜的穩(wěn)定性,，研究界面蛋白的構(gòu)效關(guān)系對蛋白工業(yè)化生產(chǎn)十分重要。提取了不同品種大豆蛋白乳液的界面蛋白,，分析了界面蛋白的結(jié)構(gòu)特征,，并通過對界面蛋白溶解性和乳化性質(zhì)的分析,，解析蛋白質(zhì)柔性結(jié)構(gòu)對功能性質(zhì)的影響機制。結(jié)果表明,，柔性較高的蛋白可以更快吸附到油滴表面,，結(jié)構(gòu)更易伸展；柔性較高的界面蛋白中疏水性氨基酸含量較高,，表面疏水性增加,，其二級結(jié)構(gòu)中α-螺旋結(jié)構(gòu)含量較低，無規(guī)則卷曲結(jié)構(gòu)含量較高,；紫外光譜和熒光光譜分析表明,，界面蛋白質(zhì)分子在解折疊后暴露出更多的疏水性基團，其溶解性降低,，在水油界面處易形成穩(wěn)定的蛋白膜,，從而增加乳液的穩(wěn)定性。

摘要:為有效促進豆渣中不溶性膳食纖維的可溶化、提高其功能特性,，利用空化微射流技術(shù)處理生物酶法制油豆渣膳食纖維,，采用X-射線衍射、掃描電子顯微鏡方法分析不同空化微射流處理時間（0,、6,、12、18min）下豆渣膳食纖維的晶體結(jié)構(gòu)及表觀形態(tài)變化,，并通過粒度,、持水性、膨脹性,、表觀粘度,、葡萄糖和膽固醇吸附能力對其理化、功能性質(zhì)進行表征,，明確空化射流對其結(jié)構(gòu),、功能及吸附特性的影響。結(jié)果顯示：經(jīng)空化射流處理18min后,，樣品結(jié)構(gòu)產(chǎn)生粒徑減小,、結(jié)晶度下降、粘度降低等變化；處理12min時膨脹力,、持水力分別達到最大值(13.92±0.78)mL/g,、(2.83±0.13)g/g，此時對葡萄糖和膽固醇的吸附能力最佳,。研究表明,，空化射流可有效促進生物酶法制油豆渣不溶性膳食纖維的可溶化，并顯著改善其結(jié)構(gòu)及理化性質(zhì),。

摘要:為明確宰后H2O2處理對歐拉藏羊肉成熟過程中能量代謝,、細胞凋亡及嫩化的影響，選取歐拉藏羊背最長肌為試驗材料,，分別用蒸餾水和50,、200mmol/L活性氧激活劑進行過氧化氫處理，在4℃條件下成熟,，測定在成熟期間（0,、0.5、1,、3,、5、7d）ROS相對含量,、ATP含量,、Ca2+-ATPase活力、Na+/K+-ATPase活力,、細胞凋亡率,、肌原纖維小片化指數(shù)（MFI）與肌纖維直徑的變化。結(jié)果表明,，H2O2處理后成熟7d時,，50mmol/L H2O2處理組的ROS相對含量比對照組高39.19%（P＜0.05）；50mmol/L H2O2和200mmol/L H2O2處理組的ATP含量,、Ca2+-ATPase和Na+/K+-ATPase活力,、肌纖維直徑比對照組分別低25.73%和25.77%、38.39%和36.70%,、27.30%和29.46%、13.68%和13.94%（P<0.05）；兩個處理組的細胞凋亡率與MFI比對照組分別高63.07%,、50.42%與5.74%,、5.19%（P＜0.05）。研究表明,，宰后H2O2處理藏羊肉,，導(dǎo)致ROS含量增加，改變了藏羊肉能量代謝,，誘導(dǎo)了細胞凋亡,，促進了藏羊肉的嫩化。本研究可為藏羊肉品質(zhì)改善提供理論參考,。

摘要:針對時域外推過程中常用的閾值選取計算復(fù)雜、精度低等問題,，基于錯誤發(fā)現(xiàn)率（False discovery rate, FDR）提出了一種閾值自動選取方法,，并基于該方法進行了拖拉機動力輸出軸（Power takeoff, PTO）轉(zhuǎn)矩載荷譜外推研究。首先,，利用開發(fā)的拖拉機PTO轉(zhuǎn)矩?zé)o線監(jiān)測系統(tǒng)采集拖拉機作業(yè)工況下的載荷數(shù)據(jù),，并進行數(shù)據(jù)預(yù)處理；將順序擬合檢驗與多重檢驗相結(jié)合,，采用FDR自動閾值選取法選取了最優(yōu)閾值,，確定了時域外推數(shù)據(jù)的上限閾值為342N·m，下限閾值為100N·m,；基于極大似然估計對超閾值數(shù)據(jù)進行了廣義帕累托分布（Generalized Pareto distribution, GPD）尺度參數(shù)和形狀參數(shù)的擬合,，建立了PTO轉(zhuǎn)矩載荷的超閾值模型，并與傳統(tǒng)圖像法的擬合結(jié)果進行了比較,，結(jié)果表明,，兩種方法的擬合結(jié)果與載荷樣本的決定系數(shù)均大于0.995；從擬合優(yōu)度來看,，對于上限閾值,，自動閾值選取法的擬合優(yōu)度比圖像法的擬合優(yōu)度降低8.7%，而對于下限閾值,，自動閾值選取法比圖像法降低31.21%,。利用時域外推方法對PTO轉(zhuǎn)矩載荷數(shù)據(jù)進行外推，對外推1倍后的載荷時間歷程與原載荷時間歷程進行對比分析,；當(dāng)時域外推因子為131,、PTO轉(zhuǎn)矩累積頻次達到106次時,，得到了PTO轉(zhuǎn)矩載荷譜；基于統(tǒng)計學(xué)特征與雨流計數(shù)分析對外推載荷譜進行了驗證,，結(jié)果表明,，外推后的載荷譜與樣本載荷譜分布規(guī)律一致，能夠在保留載荷特征的前提下實現(xiàn)均值,、幅值的雙向外推,。

摘要:針對拖拉機作業(yè)過程中承載幅值大,、隨機非對稱的特點,，綜合考慮應(yīng)力集中、尺寸效應(yīng),、表面質(zhì)量和載荷特性等因素對疲勞壽命的影響,，從相對應(yīng)力梯度、疲勞損傷區(qū)域和實測載荷應(yīng)力比3方面對傳統(tǒng)應(yīng)力場強法進行優(yōu)化,，獲取修正S-N曲線,，結(jié)合拖拉機田間作業(yè)的實測載荷數(shù)據(jù)，分析某88kW拖拉機轉(zhuǎn)向驅(qū)動橋殼的疲勞壽命,，并與傳統(tǒng)應(yīng)力場強法的預(yù)測結(jié)果進行對比,。結(jié)果表明，相比于傳統(tǒng)方法的預(yù)測結(jié)果（31860h）,，優(yōu)化后的應(yīng)力場強法的預(yù)測結(jié)果（25467h）更接近實際工作壽命（24000h),。本研究可為農(nóng)機裝備關(guān)鍵零部件的疲勞壽命預(yù)測提供分析方法。

摘要:運動學(xué)參數(shù)誤差是影響工業(yè)機器人絕對定位精度的主要因素，通過誤差標(biāo)定能夠有效地提高工業(yè)機器人的精度,。運動學(xué)模型的完整性,、連續(xù)性與冗余性對運動學(xué)參數(shù)的辨識精度影響較大。為盡可能地提高機器人的標(biāo)定精度,，并易于實現(xiàn)機器人誤差補償,，本文提出一種基于ZRM-MDH模型轉(zhuǎn)換的機器人運動學(xué)參數(shù)標(biāo)定方法。首先,，基于零參考模型(ZRM)建立TX60型串聯(lián)工業(yè)機器人的位姿誤差模型,，結(jié)合測量位姿誤差辨識ZRM的參數(shù),；其次，基于圓點分析法將ZRM轉(zhuǎn)換成MDH模型,。在TX60型機器人前側(cè)工作區(qū)域內(nèi)任意選擇50個測量點,，實施運動學(xué)參數(shù)誤差標(biāo)定。實驗表明,，基于MDH模型標(biāo)定后的機器人平均綜合定位誤差為0.081mm，而經(jīng)過ZRM-MDH模型轉(zhuǎn)換后的機器人平均綜合定位誤差為0.062mm,。為驗證標(biāo)定方法的穩(wěn)定性,，在TX60型機器人前側(cè)工作區(qū)域內(nèi)，選擇5個區(qū)域?qū)嵤┻\動學(xué)參數(shù)誤差標(biāo)定,，結(jié)果表明,，基于ZRM-MDH模型轉(zhuǎn)換獲得的標(biāo)定精度穩(wěn)定性相對較好。

摘要:針對現(xiàn)有變自由度機構(gòu)設(shè)計中存在以拓?fù)渚C合為主,、系統(tǒng)研究機構(gòu)設(shè)計過程不充分、創(chuàng)新程度不高等問題,，引入進化理論完成變自由度機構(gòu)的設(shè)計,。首先，根據(jù)設(shè)計要求建立“源”樹圖模型,；然后,，利用進化計算擴展機構(gòu)的形式得到欠驅(qū)機構(gòu)的樹圖模型；最后,，將樹圖模型轉(zhuǎn)換為機構(gòu)運動簡圖,，通過篩選評價得到滿足要求的變自由度機構(gòu)。在此基礎(chǔ)上,，構(gòu)建了一種變自由度機構(gòu)設(shè)計原型系統(tǒng),，該系統(tǒng)包含需求分析、進化計算,、評價篩選,、設(shè)計知識庫4個模塊，實現(xiàn)了一定程度上的人機混合智能設(shè)計,。以采摘機傳動機構(gòu)設(shè)計為例,，驗證了該原型系統(tǒng)的有效性及合理性。

摘要:提出并設(shè)計一種具有符號式正向運動學(xué),、含3個子運動鏈（SKC）的單輸入兩滑塊輸出平面沖壓機構(gòu),。運用拓?fù)浣Y(jié)構(gòu)降耦方法，優(yōu)化設(shè)計一種零耦合度單輸入兩滑塊輸出平面沖壓機構(gòu),，對其進行拓?fù)浣Y(jié)構(gòu)分析,，得到機構(gòu)耦合度為零（κ=0），從而得到正向位置,、速度及加速度的符號解,；采用基于Newton-Euler原理的序單開鏈法，建立了該機構(gòu)的逆向動力學(xué)模型,，并求解出機構(gòu)構(gòu)件的動態(tài)支反力和驅(qū)動力矩,；對比分析了該方法和Lagrange法在動力學(xué)建模精度方面的誤差，結(jié)果表明,，基于Newton-Euler原理的序單開鏈法具有較高的建模精度,。本研究為基于Newton-Euler原理的序單開鏈法在含多個SKC機構(gòu)上的推廣應(yīng)用，以及該平面沖壓機構(gòu)的機械結(jié)構(gòu)強度設(shè)計與動力學(xué)性能優(yōu)化提供了理論依據(jù),。

摘要:為探索管道蠕動機構(gòu)及其移動方式,，設(shè)計一種具有折展能力的3-URU管道蠕動并聯(lián)機構(gòu),。該機構(gòu)支鏈運動副R與U的空間位置關(guān)系能等效成Sarrus結(jié)構(gòu)，可實現(xiàn)并聯(lián)機構(gòu)的折展,，對折展原理和折展干涉進行分析,，求得該機構(gòu)折展比，并通過仿真驗證其折展效果,。應(yīng)用螺旋理論計算該機構(gòu)自由度,，求解位置正解方程，并通過蒙特卡洛法求得該機構(gòu)的工作空間,。在管道內(nèi)對機構(gòu)進行蠕動步態(tài)規(guī)劃,，并利用ADAMS軟件進行管道內(nèi)的蠕動步態(tài)驗證，得到兩平臺位移曲線和支鏈轉(zhuǎn)角變化曲線,。研究表明,，該并聯(lián)機構(gòu)可實現(xiàn)管道內(nèi)的蠕動，且折疊后體積較小,。

摘要:根據(jù)高精度溫度計量器具檢定和校準(zhǔn)需求，設(shè)計了一種攪拌式高精度恒溫槽,。在結(jié)構(gòu)上,，優(yōu)化恒溫槽內(nèi)筒結(jié)構(gòu)，內(nèi)筒采用上攪拌式結(jié)構(gòu),，攪拌腔和工作腔分開,，由上下連通結(jié)構(gòu)連為一體，設(shè)計了整流格柵和工作介質(zhì)循環(huán)系統(tǒng),，確保筒內(nèi)工作介質(zhì)循環(huán)和熱交換的穩(wěn)定進行,，提高了溫場分布的均勻性和穩(wěn)定性。在溫度控制上,，采用增量式PID(Proportion integration differentiation)算法，利用粒子群算法自整定PID系數(shù),，通過閉環(huán)負(fù)反饋PID結(jié)構(gòu)實現(xiàn)恒溫槽溫度精確控制,。利用自主研發(fā)的軟件對恒溫槽性能進行測試，結(jié)果表明,，設(shè)計的恒溫槽能夠?qū)崿F(xiàn)快速降溫和升溫過程,，-10℃時溫場穩(wěn)定性為0.0011℃/min，工作腔中的上水平面最大溫差僅為0.0034℃,，下水平面最大溫差為0.0020℃,，內(nèi)筒工作腔最大溫差為0.0034℃，整個系統(tǒng)自動化程度高,、控溫穩(wěn)定,，符合國家規(guī)定的標(biāo)準(zhǔn)要求。