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:基于遙感分類實現(xiàn)高精度的土地利用和土地覆被制圖是研究熱點問題,。近年來,，以卷積神經(jīng)網(wǎng)絡為代表的深度學習在計算機視覺領域取得了長足發(fā)展,，同時也被引入到土地利用/覆被遙感制圖領域。相比于經(jīng)典機器學習,，深度學習的優(yōu)勢表現(xiàn)為能夠自適應提取與分類任務最相關(guān)的特征,，其缺陷表現(xiàn)為分類精度的提高依賴于海量標簽樣本?；谏疃葘W習在土地利用/覆被分類中日益增多的研究成果,，本文從樣本、模型,、算法3個角度對其研究進展進行綜述,。在樣本方面，歸納總結(jié)了常用的土地利用/覆被樣本集,，并分析了上述樣本集的學術(shù)影響力,；在模型方面,，綜述了土地利用/覆被分類中常用的深度學習模型，包括卷積神經(jīng)網(wǎng)絡,、循環(huán)神經(jīng)網(wǎng)絡,、全卷積神經(jīng)網(wǎng)絡等的最新研究成果；在算法方面,，綜述了樣本稀疏條件下的土地利用/覆被分類算法的最新研究進展,，具體包括主動學習、半監(jiān)督學習,、弱監(jiān)督學習,、自監(jiān)督學習、遷移學習等,。最后從樣本,、模型、算法3個角度對未來研究方向進行展望,，通過構(gòu)建大規(guī)模遙感樣本數(shù)據(jù)集,、持續(xù)優(yōu)化深度學習模型結(jié)構(gòu)、提升樣本稀疏條件下深度學習模型的時空泛化能力等研究,，可以進一步改善土地利用/覆被分類效果和精度,。

摘要:水稻生產(chǎn)田間管理機械自動跟蹤水稻行是提高水稻生產(chǎn)田間管理自動化程度的關(guān)鍵。為避免田間管理機械碾壓水稻行,，本文融合機器視覺和2D激光雷達信息識別水稻行,，并進行水稻行跟蹤導航控制。首先分別利用機器視覺和激光雷達提取水稻行中心點,，并統(tǒng)一空間坐標和目標區(qū)域,，再采用穩(wěn)健回歸算法擬合水稻行中心線，獲取導航基準線并計算出導航參數(shù),。然后設計了預瞄追蹤PID控制器,，最后搭建了水稻行跟蹤導航試驗平臺并進行試驗研究。試驗結(jié)果表明,，跟蹤模擬水稻行的曲線導航試驗標準差為27.51mm,；跟蹤機械移載的水稻行導航試驗橫向偏差標準差為43.03mm，航向偏差標準差為3.38°,。

摘要:為解決果園蘋果采后運輸設備自主導航模式單一,、無法在任意點起步或停車等問題,，設計了一種雙導航模式小型果園運輸機器人，可根據(jù)需求選擇行人引領導航或定點導航,。根據(jù)選擇的導航模式,，采用基于OpenPose人體姿態(tài)識別的目標跟蹤控制方法或基于RTK-GNSS（Real time kinematic-global navigation satellite system）的距離-方向控制方法，實現(xiàn)果園環(huán)境下的行人引領導航和定點導航,。該運輸機器人以額定負載為200kg,、速度為0.5m/s的條件參數(shù)在果園自主作業(yè)時，行人引領導航模式下目標跟蹤誤差平均值小于9cm,，其標準差小于4cm；定點導航模式下到達目標點的相對誤差小于13cm,，其標準差小于1.5cm,，絕對誤差小于7cm，其標準差小于0.5cm,；定點導航模式下機器人急停避障的行駛路徑與理想行駛路徑間的橫向偏差小于56cm,，航向偏差小于8°。試驗結(jié)果表明,，該機器人能滿足果園自主運輸和安全避障的需求,。

摘要:針對深松整地裝備應用于海南省熱帶農(nóng)業(yè)區(qū)香蕉地時,，存在作業(yè)阻力大、松土面積小及地表平整度差等問題,，本文基于海南香蕉地磚紅壤土的物理特性,，設計一種可有效降低作業(yè)阻力的斜柄折翼式深松鏟。運用離散元法建立3層土壤顆粒虛擬仿真土槽模型,，使用Hertz-Mindlin with JKR接觸模型進行了斜柄折翼式深松鏟與直柄鑿式深松鏟的作業(yè)性能對比仿真,。結(jié)果表明，在確保深松效率的前提下,，進行了深松鏟最佳作業(yè)速度仿真試驗,，得出斜柄折翼式深松鏟的最佳作業(yè)速度區(qū)間為3.24~3.96km/h,；相較于直柄鑿式深松鏟，斜柄折翼式深松鏟工作阻力降低了16.2%,，地表平整度提高了25.9%,，深松后溝槽寬度減小了36.3%；田間試驗結(jié)果表明,，斜柄折翼式深松鏟和直柄鑿式深松鏟在耕作阻力,、地表平整度、深松溝槽寬度實測值與仿真值之間的誤差不超過2%,，仿真結(jié)果可靠性高,。仿真分析與田間試驗表明，相較于直柄鑿式深松鏟,，斜柄折翼式深松鏟在作業(yè)過程中對地表輪廓破壞較小,，能有效降低對土層的擾動并增大松土面積，作業(yè)后地表平整度高,、溝槽寬度小,，從而能夠更好地適應熱帶農(nóng)業(yè)區(qū)香蕉地的作業(yè)環(huán)境。

摘要:針對砂姜黑土區(qū)土壤易形成堅硬土塊，傳統(tǒng)翻耕,、旋耕作業(yè)后地表大土塊過多,，嚴重影響小麥播種質(zhì)量的問題，設計了一種對輥擠壓式砂姜黑土整地機,，可一次性完成土塊撿拾,、篩分輸送、破碎還田和平地鎮(zhèn)壓等作業(yè),。對整機關(guān)鍵部件進行了設計與分析,，確定了入土鏟刀、篩分輸送裝置和破碎裝置等部件結(jié)構(gòu)與工作參數(shù),，同時分析了土壤在篩分輸送裝置上的受力和運動過程,。采用高速攝影對砂姜黑土土塊破碎機理進行研究，得到土塊破碎過程中位移-載荷變化規(guī)律,，結(jié)果表明土塊最大破碎載荷不超過900N,；利用EDEM軟件對3種輥齒的碎土能力進行仿真分析，確定破碎裝置的結(jié)構(gòu)和工作參數(shù),。田間試驗采用3種作業(yè)方式：犁耕+旋耕+撿拾破碎(地塊a),；犁耕+撿拾破碎(地塊b),；犁耕+旋耕兩次(地塊c)。其中,，地塊a農(nóng)田土塊破碎率為89.5％,，較地塊c高44.4個百分點；地塊b較地塊c土塊數(shù)量少55.3%,。a,、b、c 3個地塊地表平整度標準差均值分別為6.92,、11.58,、17.23mm，結(jié)果表明地塊a作業(yè)后地表平整度最佳,，地塊b作業(yè)效果優(yōu)于地塊c,，在一定條件下，對輥擠壓式砂姜黑土整地機作業(yè)效果優(yōu)于旋耕機,。

摘要:針對新疆現(xiàn)有夾持式穴播器易空穴,，充種性能還需進一步提高等問題，結(jié)合型孔輪式穴播器和階梯形型孔對種子適應性強的特點,，設計一種組合型孔輪式玉米精量穴播器,，通過理論分析建立型孔與取種塊間相對運動模型,分析其相對位置對充種性能的影響規(guī)律，確定影響排種性能的參數(shù)及范圍,，完成組合型孔和齒板的參數(shù)設計,。通過單因素試驗確定并縮小關(guān)鍵參數(shù)范圍，以型孔方向角,、型孔位置角,、穴播器轉(zhuǎn)速為試驗因素，以排種合格指數(shù),、重播指數(shù),、漏播指數(shù)為試驗指標進行三因素三水平Box-Behnken中心組合試驗，得到試驗因素與試驗指標間的數(shù)學模型,，應用Design-Expert軟件對回歸模型進行多目標優(yōu)化,，得到最佳參數(shù)為：型孔深度12.3mm，型孔方向角20.3°,，型孔位置角44.7°,，穴播器轉(zhuǎn)速40r/min,，此時排種合格指數(shù)89.12%，重播指數(shù)7.30%,，漏播指數(shù)3.87%,。在最優(yōu)參數(shù)組合下進行臺架驗證試驗，合格指數(shù)為91.14%,，重播指數(shù)4.23%,，漏播指數(shù)4.63%。土槽試驗結(jié)果表明,，穴播器前進速度為3.38km/h時,，排種合格指數(shù)為92.53%，重播指數(shù)為3.54%,，漏播指數(shù)為3.93%,，較夾持式穴播器排種合格指數(shù)提高了2.53個百分點。

摘要:為提高綠豆精密排種過程離散元仿真模擬試驗所用仿真參數(shù)的準確度,，進一步優(yōu)化排種部件，基于綠豆種子的本征參數(shù),，采用Hertz Mindlin with bonding粘結(jié)模型建立種子仿真模型,，分別采用自由落體碰撞法、斜面滑動法,、斜面滾動法對綠豆種子與接觸材料（有機玻璃,、Somos8000樹脂）間仿真參數(shù)進行標定，結(jié)果表明：綠豆與有機玻璃碰撞恢復系數(shù),、靜摩擦因數(shù),、滾動摩擦因數(shù)分別為0.445、0.458,、0.036,，與Somos8000樹脂碰撞恢復系數(shù)、靜摩擦因數(shù),、滾動摩擦因數(shù)分別為0.434,、0.556、0.049,。以種間接觸參數(shù)為因素,，以實測堆積角與仿真堆積角相對誤差為指標，進行了最陡爬坡試驗、三因素五水平旋轉(zhuǎn)組合設計試驗,，以最小相對誤差為優(yōu)化目標,，對試驗數(shù)據(jù)尋優(yōu)分析得到：綠豆種間碰撞恢復系數(shù)、靜摩擦因數(shù),、滾動摩擦因數(shù)分別為0.3,、0.23、0.03,。對標定結(jié)果進行排種驗證試驗,，結(jié)果表明：仿真試驗漏吸率與臺架試驗漏播率最大相對誤差為4.71%、重吸率與重播率最大相對誤差為4.94%,、單粒率與合格率最大相對誤差為0.98%,，證明標定結(jié)果可靠。該研究結(jié)果可為綠豆精密排種裝置的設計與仿真優(yōu)化提供理論參考,。

摘要:針對目前氣吸式馬鈴薯播種機所需風機數(shù)量多,、結(jié)構(gòu)尺寸大,、傳動復雜等問題，優(yōu)化設計了氣吸式馬鈴薯播種機一體式風機,。一體式風機的進氣口,、吹管出口分別與排種器的吸管接口、吹管接口相連,，為排種作業(yè)提供取種負壓,、投種正壓，實現(xiàn)一體式風機吹吸雙作用,。通過排種過程力學分析確定所需風壓，并對風機內(nèi)部流場進行數(shù)值模擬及運動學分析,。采用旋轉(zhuǎn)正交組合試驗,，以葉輪外徑、葉片數(shù),、葉輪轉(zhuǎn)速為試驗因素,，以進氣口負壓和吹管出口正壓為試驗指標，分析試驗結(jié)果,，優(yōu)化風機裝置的結(jié)構(gòu)參數(shù)：葉輪外徑為1099mm,、葉片數(shù)為10個、葉輪轉(zhuǎn)速為2532r/min時，進氣口負壓為11.6kPa,，吹管出口正壓為3.7kPa,。對優(yōu)化后一體式風機與雙風機進行田間對比試驗，分析結(jié)果得：優(yōu)化后一體式風機作業(yè)重播指數(shù)降低了14.0％,、漏播指數(shù)降低了17.0％,、合格指數(shù)提高了0.92％，提高了馬鈴薯播種機作業(yè)質(zhì)量,。

摘要:人參播種中存在因人參種子形狀不規(guī)則,、流動性差,，種子在播種前需進行催芽處理，催芽的種子易損傷,，造成充種困難,、易傷種等問題，為此設計一種鏈勺式人參精密排種器,。通過對充種過程中種子受力情況和運動狀態(tài)的分析,，闡明傾斜充種可提高充種性能的機理；通過對攜種過程的理論計算和力學分析,，并基于DEM-MBD耦合的單因素仿真試驗,，分析了不同排種鏈條的張緊力、不同排種器結(jié)構(gòu)參數(shù)和工作參數(shù)對其工作性能的影響,，確定了鏈勺式排種器的結(jié)構(gòu)參數(shù),；以主動鏈輪轉(zhuǎn)速、充種傾角和種層高度為試驗因素,，以充種的單粒率（1粒/勺）,、復充率（≥2粒/勺）、漏充率（0粒/勺）為試驗指標,，基于DEM-MBD耦合進行了二次回歸正交旋轉(zhuǎn)組合仿真試驗,。結(jié)果表明：影響單粒率的主次順序為充種傾角、主動鏈輪轉(zhuǎn)速,、種層高度,；當充種傾角為71.73°、主動鏈輪轉(zhuǎn)速為79.10r/min,、種層高度為84.28mm時,，充種性能最佳，單粒率為95.68%、復充率為3.57%,、漏充率為0.75%,；為驗證排種器的工作性能，進行了臺架試驗,，結(jié)果表明鏈勺式人參精密排種器的工作性能較好,，滿足我國非林地人參種植的播種要求。

摘要:針對丘陵山地作物移栽的現(xiàn)有半自動和間歇井窖式成穴裝備作業(yè)效率和質(zhì)量較低,、人工勞動強度較大等問題,，為保證井窖穴體的大深度以及穴體輪廓直徑一致的農(nóng)藝要求，基于非圓齒輪-平行四桿機構(gòu)設計一種井窖式成穴機構(gòu),，在闡述機構(gòu)的組成結(jié)構(gòu)和工作原理的基礎上建立其運動學模型,。依據(jù)運動學模型運用Matlab開發(fā)成穴機構(gòu)的人機交互可視化輔助界面，利用該界面結(jié)合二次正交旋轉(zhuǎn)中心組合試驗方法建立成穴機構(gòu)響應指標與試驗因素的回歸方程,，并通過響應曲面得到其影響趨勢和交互關(guān)系,；以回歸方程為基礎，采用多目標函數(shù)優(yōu)化獲取成穴機構(gòu)的優(yōu)化參數(shù)組合,。根據(jù)優(yōu)化后的機構(gòu)參數(shù)組合研制成穴機構(gòu)樣機及田間作業(yè)平臺并進行田間試驗,，試驗結(jié)果表明：穴體深度為181.7mm、穴體直立角度為90.5°,、穴體直徑最大值為75.6mm,、穴體直徑最小值為68.5mm、穴體直徑方差為7.5mm2,、穴距為503.1mm,，優(yōu)化后的成穴機構(gòu)滿足丘陵山地作物移栽井窖成穴的農(nóng)藝要求。

摘要:針對氣動下壓式高速移栽機有序供盤和高速取苗作業(yè)自動控制需求,，本文基于Arduino微控制器設計移栽機自動控制系統(tǒng),。該系統(tǒng)包括苗盤位移監(jiān)測、有序供盤、高速取苗等任務模塊,，以苗盤位置和苗盤位移為主要控制條件,，根據(jù)供盤速度-送盤速度、高速取苗間隔-苗盤位移等參數(shù)匹配要求確定供盤速度和取苗間隔控制方法,，建立有序供盤,、高速取苗兩個有限狀態(tài)機，并基于動態(tài)時間片輪詢算法設計控制流程,，實現(xiàn)有序供盤,、高速取苗作業(yè)過程自動控制。以供盤位置準確度和取苗位置準確度為指標開展控制系統(tǒng)運行準確性試驗,，結(jié)果表明,，高速取苗時（90~150株/min），供盤位置最大相對誤差1.27%,，取苗位置最大相對誤差12.85%,，第2~6時序取苗位置最大累積相對誤差分別為11.85%、5.63%,、4.25%,、1.94%和2.44%，均在允許誤差范圍內(nèi),，滿足作業(yè)要求,。以供盤成功率、取投苗成功率為指標開展移栽性能試驗,，試驗結(jié)果表明,，高速作業(yè)時自動控制系統(tǒng)運行正常、性能可靠,，供盤送盤有效銜接,、送盤取苗精準配合，供盤成功率,、取苗成功率為100%,，投苗成功率不小于94.44%，實現(xiàn)了氣動下壓式高速移栽機有序供盤,、高速取苗過程自動化作業(yè),。

摘要:針對花生撿拾收獲機作業(yè)中因缺少高效順暢殘秧輸送收集裝置造成花生秧浪費的生產(chǎn)實際問題,，設計一種秧蔓氣力輸送裝置,。闡述秧蔓氣力輸送裝置的工作原理，確定秧蔓氣力輸送裝置方程及關(guān)鍵參數(shù)間的關(guān)系,，分析輸送氣流及關(guān)鍵結(jié)構(gòu)對殘秧速度的影響,。通過Box-Behnken試驗設計和DEM-CFD氣固耦合仿真，分析左風機轉(zhuǎn)速,、主輸送管高度,、右風機轉(zhuǎn)速對殘秧輸送效率的影響，仿真試驗結(jié)果表明：輸送效率影響順序由大到小為左風機轉(zhuǎn)速,、右風機轉(zhuǎn)速,、主輸送管高度。田間試驗結(jié)果表明,，當最優(yōu)參數(shù)為左風機轉(zhuǎn)速1550r/min,、右風機轉(zhuǎn)速1200r/min、主輸送管高度2.08m,，秧蔓氣力輸送裝置主輸送管內(nèi)可有效實現(xiàn)殘秧與氣流的均勻混合和高效輸送,，對應的青花6號和駐花2號平均輸送效率分別為1533.56、1451.52kg/h,，比優(yōu)化前分別提高9.57%,、8.61%。

摘要:為提高果園風送式噴霧靶標區(qū)域沉積量，減少果樹行間霧滴飄移,，在常規(guī)氣流輔助噴霧基礎上,，設計了一種多氣流協(xié)同式V形防飄噴霧裝置，通過CFD仿真驗證其防飄效果,。以V形風場風速,、橫風風速、噴霧壓力為因素,，分別進行單因素和三因素三水平的蘋果樹冠層霧滴飄移沉積試驗,，探析多氣流V形風場對霧滴冠層沉積效果的影響規(guī)律。結(jié)果表明,，當橫風風速為3m/s時,，多氣流協(xié)同作用的霧滴沉積密度、沉積量較單一氣流分別提高了28.7%,、17.4%,，飄移量降低了21.8%,；且3種因素對霧滴沉積特性都有顯著影響，由大到小依次為：V形風場風速,、橫風風速、噴霧壓力,。通過響應面建立了霧滴沉積量預測優(yōu)化模型,，當橫風風速為2m/s、噴霧壓力為0.52MPa,、V形風場風速為21.8m/s時,，霧滴沉積量最優(yōu)值為4.81μL/cm2，田間試驗結(jié)果為4.72μL/cm2,，與霧滴沉積模型預測基本一致,。

摘要:針對自走式全混合日糧制備機缺乏取料機理,、堵塞問題明顯的情況，建立了取料作業(yè)的理論模型,，對取料寬度,、刀具回轉(zhuǎn)半徑、取料刀安裝螺距,、取料刀密度,、取料轉(zhuǎn)速、每刃進給量,、拋料速度,、物料射入角和輸送帶尺寸等關(guān)鍵因素進行了設計與計算。為衡量取料刀刃口長度與取料寬度之間的關(guān)系,，提出取料刃長度比C的概念,，取C為1.25。采用EDEM對青貯取料進給速度和取料轉(zhuǎn)速等關(guān)鍵因素進行了仿真,，分析表明由于螺旋葉片與護罩間隙較大,，物料會隨著取料刀和滾筒高速轉(zhuǎn)動，回流率較高,。提高取料進給速度,，取料效率增大，但回流率上升,。當進給速度為4m/min時,，回流率高達50.05%,，造成物料的過度切割，且能耗大,。增加取料轉(zhuǎn)速,，取料效率增大，回流率降低,，但轉(zhuǎn)速超過230r/min后驅(qū)動扭矩增幅較大,。采取中等進給速度和取料轉(zhuǎn)速，加大取料刀安裝螺距,、滾筒護罩后部導流傾角和物料射入角,，能夠提高取料效率，并降低回流率和能耗,。選取料進給速度2.5m/min和轉(zhuǎn)速230r/min對優(yōu)化裝置進行仿真和試驗,，結(jié)果基本一致。仿真分析功耗降低64%,，試驗未出現(xiàn)堵塞和憋車現(xiàn)象,，取料寬度2000mm，取料高度5050mm,，取料效率75.02m3/h,，回流率28.95%。

摘要:為探究基于蚯蚓運動特征的仿生篩上玉米脫出物的運動特性,，利用API實現(xiàn)了仿生篩在EDEM中的非簡諧運動（兩移動一轉(zhuǎn)動），并采用CFD-DEM耦合方法對玉米脫出物在氣流和仿生篩共同作用下的篩上運動進行了數(shù)值模擬,。通過分析玉米脫出物的篩分過程,，明晰了仿生篩對篩上玉米脫出物的運移機理。探究了玉米脫出物在仿生篩上不同區(qū)域的水平運移和豎直分層,。數(shù)值模擬結(jié)果表明：玉米籽粒,、芯和莖稈在仿生篩上的平均水平速度分別為0.63、1.60,、2.51m/s,，有利于籽粒和雜余沿篩面水平分離和分散；玉米脫出物在篩體前部的平均水平速度最大,，為1.71m/s,，表明仿生篩能夠?qū)⒑Y體前部的玉米脫出物快速向后運移以減少進料端堆積；隨著玉米脫出物由篩體中部運動到篩體尾部,，玉米籽粒平均豎直位移降低20.61mm,，而芯和莖稈平均豎直位移卻分別增大9.84mm和5.70mm,，籽粒和雜余在豎直方向上的分層明顯；通過高速攝像分析了玉米脫出物在仿生篩上的運動狀態(tài),，并提取了玉米脫出物在篩體前,、中部區(qū)域的平均水平速度，其變化規(guī)律與數(shù)值模擬結(jié)果基本一致,，驗證了仿生篩對篩上玉米脫出物的運移機理,。當仿生篩清選裝置入口氣流速度為12.8m/s、氣流方向角為25°,、篩面最大下凹深度為50mm、凸輪轉(zhuǎn)速為120r/min時,，仿生篩清選裝置篩分后的籽粒損失率均值為0.61%,，籽粒含雜率均值為1.94%，均滿足國家標準要求,。

摘要:針對傳統(tǒng)斜面法測定馬鈴薯靜摩擦因數(shù)存在工作效率,、精度較低等問題,，提出水重力式馬鈴薯靜摩擦因數(shù)測定原理，通過精確控制水的重力來確定馬鈴薯的靜摩擦力,，進而計算靜摩擦因數(shù),，據(jù)此設計了馬鈴薯靜摩擦因數(shù)測定儀。對甘肅省普遍種植的隴薯10號品種進行靜摩擦因數(shù)測定,。結(jié)果表明：帶土馬鈴薯與鋼板之間的靜摩擦因數(shù)為0.420,，與塑料板之間的靜摩擦因數(shù)為0.496，馬鈴薯之間靜摩擦因數(shù)為0.442,；不帶土馬鈴薯與鋼板之間的靜摩擦因數(shù)為0.455,，與塑料板之間的靜摩擦因數(shù)為0.526，馬鈴薯之間的靜摩擦因數(shù)為0.483,。由此可見,，帶土馬鈴薯的靜摩擦因數(shù)較不帶土馬鈴薯小，靜摩擦因數(shù)從大到小依次為：馬鈴薯與塑料板之間,、馬鈴薯之間,、馬鈴薯與45號鋼板之間。為進一步驗證重力法的可靠性,，進行馬鈴薯坍塌堆積角仿真和試驗,。結(jié)果發(fā)現(xiàn)：重力法條件下不帶土馬鈴薯形成的堆積角與試驗結(jié)果較接近,，其相對誤差為1.04%，斜面法條件下不帶土馬鈴薯形成的堆積角與試驗結(jié)果相對誤差為7.73%,；斜面法條件下帶土馬鈴薯形成的堆積角與試驗結(jié)果較接近,，其相對誤差為0.37%，重力法條件下的堆積角與試驗結(jié)果的相對誤差為4.31%,。重力法可以測定馬鈴薯之間的靜摩擦因數(shù),，綜合比較可知重力法在測定馬鈴薯靜摩擦因數(shù)方面優(yōu)于斜面法。

摘要:大型立式蝸殼離心泵是長距離輸水的核心動力裝備,，為了研究小流量工況下泵內(nèi)不穩(wěn)定失速機理，基于精細化網(wǎng)格和SST-SAS湍流模型,，數(shù)值分析了活動導葉開度在小開度,、最優(yōu)開度和大開度3種條件下的非定常流態(tài)及其誘導壓力脈動特性，討論了導葉開度對立式蝸殼離心泵失速特性的影響,。研究結(jié)果表明,，在不同導葉開度下泵內(nèi)失速的特征工況點相近，流量-揚程曲線均呈現(xiàn)典型的駝峰區(qū),，但在小導葉開度條件下流量-揚程曲線對應正斜率最大,，大導葉開度時最小。在3種活動導葉開度下,，活動和固定導葉之間的無葉區(qū)內(nèi)均出現(xiàn)了大尺度旋渦,，且固定導葉工作面的流動分離不斷擴散至相鄰固定導葉背面。在深度失速工況下,，不同導葉開度條件時葉輪內(nèi)的流體熵產(chǎn)率分布規(guī)律呈現(xiàn)明顯不同的特征,。隨導葉開度增大葉輪葉片靠近前蓋板截面上的流動分離區(qū)域擴大，且在最優(yōu)開度和大開度條件下葉輪葉片中截面上靠近葉輪流道出口位置出現(xiàn)了較大速度梯度,，導致了局部熵產(chǎn)率高的特征,。在導葉小開度時深度失速工況下壓力脈動的主頻為葉片通過頻率7fn，而最優(yōu)開度時主頻為0.9fn,，大開度時在0.7fn~1.2fn范圍內(nèi)頻率對應振幅均較大,，大開度下的壓力脈動呈現(xiàn)寬頻特性。通過導葉內(nèi)非定常數(shù)值模擬,，發(fā)現(xiàn)低頻壓力脈動的出現(xiàn)與導葉內(nèi)存在的周期性大尺度旋渦密切相關(guān),。

摘要:開敞式進水池在大流量,、低水位情況下易出現(xiàn)表面渦,，嚴重時將發(fā)展為吸氣渦，影響泵站安全穩(wěn)定運行,。為準確模擬吸氣渦流動結(jié)構(gòu),，采用S-CLSVOF方法捕捉水氣交界面，并基于混合RANS/LES方法中的VLES方法解析湍流場結(jié)構(gòu),，分析了網(wǎng)格與計算時間對計算結(jié)果的影響,，同時研究了VLES模型的特性。結(jié)果表明：VLES模型可以準確地預測吸氣渦流場中的速度分布,；不同網(wǎng)格數(shù)量級對速度分布與相對吸氣率的變化規(guī)律影響較小,，為降低計算資源消耗，網(wǎng)格數(shù)量級達到O(106)即可,；根據(jù)相對吸氣率隨時間的變化規(guī)律可判斷吸氣渦達到穩(wěn)定的時刻,，在該時刻之后計算10s即滿足相關(guān)標準的要求，進一步延長計算時間不改變吸氣渦位置與相對吸氣率的變化規(guī)律,；在本算例中，VLES模型的解析度主要受湍流積分尺度的影響,，在近壁面為RANS模式以降低近壁面網(wǎng)格要求,，而在湍流核心區(qū)為混合RANS/LES以提高計算精度。

摘要:科學劃分農(nóng)村居民點內(nèi)部用地土地利用類型,，并對其結(jié)構(gòu)進行系統(tǒng)分析,，是編制村莊發(fā)展規(guī)劃和實施差異化整治措施的基礎。以北京市密云區(qū)為例,，基于細化分類的農(nóng)村居民點內(nèi)部用地數(shù)據(jù)和密云水庫保護區(qū)范圍,，綜合運用Weaver-Thomas組合系數(shù)法、洛倫茲曲線,、基尼系數(shù)和景觀格局分析等方法,，分析農(nóng)村居民點內(nèi)部用地結(jié)構(gòu)特征。結(jié)果表明：密云區(qū)農(nóng)村居民點以生活空間為主,，生產(chǎn)空間和生態(tài)空間為輔,，居住、農(nóng)業(yè)生產(chǎn),、工業(yè)生產(chǎn)和商旅服務是主要的用地類型,；農(nóng)村居民點內(nèi)部生活空間的分布最均衡，其次是生產(chǎn)空間，生態(tài)空間用地類型最不均衡,，水源保護區(qū)內(nèi)的農(nóng)村居民點用地生態(tài)空間面積比例高于區(qū)外,。農(nóng)村居民點內(nèi)部用地類型較為混合，景觀破碎,；比較而言,，水源保護區(qū)內(nèi)的景觀相對聚集和規(guī)則，說明水源保護區(qū)的劃定和管理對農(nóng)村居民點內(nèi)部用地結(jié)構(gòu)有一定影響,。研究結(jié)果可為村莊用地的有序整治與高效利用提供依據(jù),。

摘要:為研究激光雷達單木分割輔助條件下無人機可見光圖像樹種識別應用潛力,，提出聯(lián)合卷積神經(jīng)網(wǎng)絡（CNN）和集成學習（EL）的樹種識別方法。首先利用同期無人機激光雷達數(shù)據(jù)和可見光影像數(shù)據(jù)進行單木樹冠探測并制作單木樹冠影像數(shù)據(jù)集,；其次引入ResNet50網(wǎng)絡并結(jié)合引入有效通道注意力機制,、替換膨脹卷積、調(diào)整卷積模塊層數(shù)搭建出4個卷積神經(jīng)網(wǎng)絡,，使用ImageNet大型數(shù)據(jù)集進行模型預訓練,，加載預訓練參數(shù)進行模型初始化并利用制作的單木樹冠影像數(shù)據(jù)集訓練出5個不同的分類模型；最后通過相對多數(shù)投票法建立集成模型,。實驗結(jié)果表明,，單木探測總體精度達到83.80%，集成學習的訓練精度,、驗證精度,、獨立測試精度分別達到了99.15%、98.34%和90.15%,，較ResNet50網(wǎng)絡提高了4.23,、3.04、9.09個百分點,，獨立測試精度較隨機森林分類最優(yōu)結(jié)果高32.31個百分點,。激光雷達單木分割輔助條件下利用卷積神經(jīng)網(wǎng)絡和集成學習策略能夠充分提取無人機圖像特征用于樹種識別。

摘要:探地雷達在果樹和古樹名木養(yǎng)護管理領域具有廣闊的應用前景。針對探地雷達采集的B-scan圖像中雜波影響根系定位精度的問題,，提出了基于魯棒深度自動編碼器（RDAE）,、直接最小二乘法（DLS）和頻率-波數(shù)域偏移（FKM）相結(jié)合的樹木根系定位方法。首先,，通過RDAE將零點校正后的B-scan圖像分解為表示雜波的低秩分量和表示根系目標回波的稀疏分量,，保留稀疏分量完成雜波抑制,；然后使用DLS擬合目標回波形成的雙曲線估算土壤的相對介電常數(shù)；最后,，根據(jù)土壤的相對介電常數(shù)計算得出偏移速度作為頻率-波數(shù)域偏移的輸入進行偏移成像,，獲取根系的半徑和深度信息從而完成根系定位。實驗結(jié)果表明：RDAE方法在仿真和實測數(shù)據(jù)上的雜波抑制效果對比均值減法（MS）,、奇異值分解（SVD）和魯棒主成分分析（RPCA）有著更高的信雜比和改善因子,，通過DLS估計的土壤相對介電常數(shù)均方根相對誤差為3.84%，根系定位的最大半徑相對誤差和最大深度相對誤差分別為8.5%,、8.7%,，能夠完成根系位置標定，滿足根系無損檢測的需求,，可為樹木健康管理和移植提供決策支持,。

摘要:針對目前的Voronoi路徑規(guī)劃算法生成的Voronoi圖彎曲冗余,，依據(jù)Voronoi地圖規(guī)劃路徑實時性差，規(guī)劃出的路徑彎曲,，機器人導航時轉(zhuǎn)折次數(shù)多,、時間成本高、效率低等問題,，提出一種基于骨架關(guān)鍵點重規(guī)劃的Voronoi圖法路徑規(guī)劃算法,。首先對機器人構(gòu)建的二維柵格地圖進行預處理,，去掉地圖中的噪點和毛邊,，填充邊界上細微的裂縫，然后提取地圖的骨架,，搜索出骨架中的關(guān)鍵點,，將關(guān)鍵點按原來的相鄰點連接關(guān)系重新連接，生成新的筆直的骨架,，并采用降梯度采樣方法平滑依據(jù)骨架規(guī)劃出的路徑,。在經(jīng)過多次仿真實驗和實際實驗驗證后，證明本文算法生成的骨架比目前的Voronoi圖和骨架更加簡潔,，數(shù)據(jù)量更小,，機器人基于優(yōu)化后的Voronoi地圖能夠更加快速規(guī)劃出筆直的路徑，具有良好的實時性,，規(guī)劃出的路徑更短,，轉(zhuǎn)折次數(shù)更少，機器人導航過程中能夠迅速到達目標點，導航效率高,。

摘要:為實現(xiàn)收獲機無人駕駛自適應調(diào)控,，提出一種基于雙目視覺對田間作物高度和收割邊界信息進行提取的方法。利用雙目相機獲取三維數(shù)據(jù),，基于RANSAC算法擬合初始地面平面,，結(jié)合IMU計算作業(yè)實時平面，根據(jù)點到平面的距離將三維數(shù)據(jù)轉(zhuǎn)換為對應的實際高度,。提出一種改進的結(jié)合密度峰聚類和K均值聚類的方法對高度數(shù)據(jù)分類,，同時基于歸一化彩色圖像分割作物上部區(qū)域，融合高度分類和彩色圖像分割結(jié)果,，實現(xiàn)作物高度信息的提取,。利用高度數(shù)據(jù)序列和模型函數(shù)的互相關(guān)性提取收割邊界點，基于最小二乘法擬合邊界直線,，根據(jù)當前邊界線預測下一幀數(shù)據(jù)邊界點的候選范圍,，由收割邊界直線計算航向偏差和橫向偏差。實驗表明,，該方法可以有效提取作物高度和收割邊界信息,，高度檢測平均絕對誤差為0.043m，邊界識別正確率93.30%,，航向偏差平均誤差為1.04°,，橫向偏差平均絕對誤差為0.084m，對聯(lián)合收獲機無人駕駛自適應調(diào)控有應用價值,。

摘要:針對圖像實時采集時,，由于鏡頭缺陷,、相機抖動、目標運動等原因造成的模糊圖像輸入,，導致訓練完成的深度學習模型檢測準確率下降問題,，本文提出一種基于改進Faster R-CNN和SSRN-DeblurNet的兩階段檢測方法，用于農(nóng)田環(huán)境模糊圖像中的障礙物檢測,。第1階段進行銳度評價和去模糊處理,，利用簡化尺度循環(huán)網(wǎng)絡（Simplified scale recurrent networks，SSRN-DeblurNet）對模糊農(nóng)田圖像進行去模糊,。第2階段進行障礙物檢測,，在原有的Faster R-CNN網(wǎng)絡中添加了候選區(qū)域優(yōu)化網(wǎng)絡來提高區(qū)域候選網(wǎng)絡中的目標區(qū)域質(zhì)量,。在自制的模糊數(shù)據(jù)集上，利用所提出的兩階段檢測方法對8種農(nóng)田障礙物進行檢測,。與原始Faster R-CNN相比,，兩階段檢測方法的平均精度均值（mAP）提高了12.32個百分點，單幅圖像的平均檢測時間為0.53s,。所提出的兩階段方法能有效減少模糊農(nóng)田圖像中障礙物的誤檢和漏檢,，滿足拖拉機低速作業(yè)的實時檢測需求。

摘要:針對基于卷積神經(jīng)網(wǎng)絡的植物葉片病害識別方法存在網(wǎng)絡參數(shù)眾多,、計算量大且復雜的問題,，結(jié)合植物葉片病害特征，提出了一種基于輕量級殘差網(wǎng)絡（Scale-Down ResNet）的植物葉片病害識別方法,。網(wǎng)絡基于Residual Network（ResNet）,，通過縮減網(wǎng)絡卷積核數(shù)目和輕量級殘差模塊（SD-BLOCK），在大幅減少網(wǎng)絡參數(shù),、降低計算復雜度的同時保持了低識別錯誤率,，然后加入Squeeze-and-Excitation模塊進一步降低識別錯誤率。在PlantVillage數(shù)據(jù)集上的實驗表明,，在網(wǎng)絡參數(shù)量8×104,，計算量MFLOPs為55的情況下，模型識別錯誤率為0.55%,。當參數(shù)量達到2.8×105,，計算量MFLOPs為176時，模型識別錯誤率為0.32%,，低于ResNet-18,，并且參數(shù)量約為其1/39，計算量約為其1/10,。相比MobileNet V3和ShuffleNet V2,，所提網(wǎng)絡模型更為輕量,，識別錯誤率更低,。同時網(wǎng)絡在自建蘋果葉片病害數(shù)據(jù)集上獲得了1.52%的低識別錯誤率。

摘要:針對大量小麥育種材料花期難以精準,、快速檢測的問題，提出了一種基于綜合顏色特征和超像素分割算法的小麥開花期判定方法,。首先,，根據(jù)光照強度及圖像清晰度對綜合顏色特征的過紅顏色分量、HSV顏色空間的S分量和紅綠歸一化顏色分量自適應調(diào)節(jié),，增強小花和小穗的差異性,。其次，基于中心距離函數(shù)和灰度變化函數(shù)改進超像素分割算法的聚類規(guī)則,，獲得由同質(zhì)特征的相鄰像素組成的圖像區(qū)域,。隨后，優(yōu)化圖像區(qū)域路徑搜索算法實現(xiàn)各圖像區(qū)域精確分割,，通過灰度和對比度指標完成各圖像區(qū)域分類,，實現(xiàn)小花與小穗的精準、快速分割,，并根據(jù)小花與小穗的比例完成開花期判定,。實驗結(jié)果表明，本文所提出算法平均計算時間為0.172s,，小花平均識別精度為91%,，小穗平均識別精度為90.9%，預測開花率與實際開花率的平均差值僅為1.16%,，滿足田間小麥開花期判定基本要求,。

摘要:為更好地利用音頻進行畜禽發(fā)聲分類,，進一步提高識別準確率，提出了一種基于多特征融合的蛋雞發(fā)聲識別方法,。以棲架式養(yǎng)殖模式下蛋雞的產(chǎn)蛋聲,、鳴唱聲、飼喂聲,、尖叫聲典型音頻為研究對象,，提取梅爾頻譜系數(shù)、短時過零率,、共振峰及其一階差分作為融合特征參量,，構(gòu)建基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡的蛋雞發(fā)聲分類識別模型。結(jié)果表明,，本文方法對蛋雞產(chǎn)蛋聲,、鳴唱聲,、飼喂聲和尖叫聲的平均識別準確率為91.9%，識別的精確度分別為90.2%,、93.0%,、93.3%、92.2%,，平均精確度達到92.2%,；識別的靈敏度為94.9%、90.0%,、89.4%,、91.8%，平均靈敏度達到91.5%,。研究表明,，基于多特征融合的蛋雞發(fā)聲識別方法具有較好的識別靈敏度和精確度，可為蛋雞發(fā)聲語義解析與自動判別提供參考,。

摘要:為實現(xiàn)犢牛飼喂過程中沖調(diào)代乳粉奶液溫度的有效控制,、提高熱交換器溫度控制的準確率,，設計一款基于模糊PID控制算法的動態(tài)溫度控制系統(tǒng)，主要應用PID參數(shù)在線模糊自整定和PID溫度控制模糊算法等實現(xiàn)動態(tài)調(diào)節(jié)被控對象（代乳粉奶液）溫度,，從而保證犢牛飲用代乳粉沖調(diào)奶液溫度控制在（37±1）℃的可控范圍內(nèi),。設定熱交換器溫度為42℃，模擬外部入水溫度分別為10,、15,、20、25℃時,，犢牛飲奶位奶液溫度與預先參數(shù)設定溫度的波動幅度最大值僅為0.3℃,。對犢牛飼喂裝置的熱交換器恒溫控制系統(tǒng)進行樣機性能試驗，設定熱交換器內(nèi)的熱水恒溫控制在42℃,，每5min記錄其溫度,，整個試驗過程中熱交換器內(nèi)部溫度基本控制在（42±0.2）℃范圍內(nèi)，溫度平均相對誤差以及變異系數(shù)小,，系統(tǒng)溫度控制穩(wěn)定,，能夠滿足犢牛對代乳粉沖調(diào)奶液溫度的切實需求,，實現(xiàn)了犢牛飼喂裝置熱交換器的快速響應和實時溫度控制,。

摘要:針對仔豬個體小、易被遮擋且仔豬目標檢測方法不易在嵌入式端部署等問題,，提出一種適用于Jetson Nano端部署的哺乳期仔豬目標檢測方法,，在準確檢測哺乳期仔豬目標的同時，使模型實地部署更加靈活,。使用哺乳期仔豬圖像建立數(shù)據(jù)集,，數(shù)據(jù)量為14000幅，按8∶1∶1劃分訓練集,、測試集和驗證集,。利用深度學習網(wǎng)絡提取哺乳期仔豬特征，構(gòu)建仔豬目標檢測模型,。融合推理網(wǎng)絡中的Conv,、BN、Activate Function層,，合并相同維度張量,，刪除Concat層，實現(xiàn)網(wǎng)絡結(jié)構(gòu)量化,，減少模型運行時的算力需求,。將優(yōu)化后模型遷移至Jetson Nano，在嵌入式平臺進行測試,。實驗結(jié)果表明,，在嵌入式端，量化后YOLO v5中4種模型的單幀圖像平均運行時間分別為65,、170,、315、560ms,，檢測準確率分別為96.8%,、97.0%、97.0%和96.6%,，能夠在Jetson Nano設備上對哺乳期仔豬目標實現(xiàn)精準檢測,，為仔豬目標檢測的邊緣計算模式奠定基礎。

摘要:針對肉牛行為識別過程中,，多目標骨架提取精度隨目標數(shù)量增多而大幅降低的問題，提出了一種改進YOLO v3算法（Not classify RFB-YOLO v3,，NC-YOLO v3）,在主干網(wǎng)絡后引入RFB（Receptive field block）擴大模型感受野,，剔除分類模塊提高檢測效率，結(jié)合8SH（8-Stacked Hourglass）算法實現(xiàn)實際養(yǎng)殖環(huán)境下的肉牛多目標檢測與骨架提取,。實驗為肉牛骨架設置16個關(guān)鍵節(jié)點形成肉牛骨架點位信息,，通過對圖像多尺度和多方向訓練提高檢測精度。針對多目標骨架提取模型檢測的關(guān)鍵點信息進行統(tǒng)計分析,，提出一種對肉牛站立和臥倒行為識別的方法,。實驗結(jié)果表明：在目標檢測方面，NC-YOLO v3模型的召回率可達99.00%,，精度可達97.80%,，平均精度可達97.18%。與原模型相比,，平均精度提高4.13個百分點,，去除的網(wǎng)絡參數(shù)量為13.81MB；在單牛骨架提取方面,，采用8層堆疊的Hourglass網(wǎng)絡檢測關(guān)鍵點位置,，平均精度均值可達90.75%；在多牛骨架提取方面,，NC-YOLO v3構(gòu)建的模型相對于YOLO v3構(gòu)建的模型,，平均精度均值提高4.11個百分點，達到66.05%,。

摘要:針對獸藥致病知識圖譜構(gòu)建過程中,，關(guān)于獸藥命名實體識別使用傳統(tǒng)方法依賴人工設計特征耗時耗力以及獸藥致病語料數(shù)據(jù)量較少的問題，提出一種引入注意力機制（Attention）與輔助層分類（Auxiliary layer）相結(jié)合獸藥文本命名實體識別模型（Att-Aux-BERT-BiLSTM-CRF）,。通過BERT預處理模型進行文本向量化,，然后連接雙向長短期記憶網(wǎng)絡（Bi-directional long-short term memory，BiLSTM）,；引入注意力機制,，將模型的BERT層輸出用作輔助分類層， BiLSTM層輸出作為主分類層（Mainlayer），通過注意力機制組合以提高整體性能,；最后輸入條件隨機場（Conditional random field,，CRF），構(gòu)建端到端的適合于獸藥領域?qū)嶓w識別的深度學習模型框架,。實驗選取獸藥文本共10643個句子,、485711個字符,，針對動物,、藥物、不良反應,、攝入方式4類實體進行識別,。實驗結(jié)果表明，本文模型能有效地辨別獸藥致病文本中的實體,，識別的F1值為96.7%,。

摘要:為評價土壤肥力,、生產(chǎn)能力及制作精準施肥處方，基于四端法原理設計了一種車載式大田土壤電導率快速檢測系統(tǒng),，系統(tǒng)包括交流恒流信號源,、信號檢測調(diào)理電路及GNSS定位系統(tǒng)，可實現(xiàn)土壤田塊不同區(qū)域內(nèi)電導率的快速檢測,。通過試驗探究土壤含水率,、土壤浸出液電導率、電極入土深度,、土壤溫度對電極輸出信號的影響規(guī)律并根據(jù)試驗結(jié)果回歸得出預測模型,，模型決定系數(shù)R2為0.9961。將系統(tǒng)安裝到土壤電導率檢測裝置上進行大田試驗,，基于回歸預測模型對系統(tǒng)檢測數(shù)據(jù)進行計算,，并與實驗室土壤采樣檢測的實際值進行比較，試驗結(jié)果表明,，實驗室建立的回歸模型可用于大田土壤浸出液電導率計算,，該系統(tǒng)在相同或相近路徑上得到的傳感器數(shù)據(jù)較為穩(wěn)定，土壤浸出液電導率預測值與該區(qū)域系統(tǒng)檢測值趨勢相似,，該系統(tǒng)預測模型可用于大田中快速實時檢測電導率,。

摘要:為構(gòu)建兼具良好水動力性能和高空間利用率的循環(huán)水養(yǎng)殖池,，對比研究了正方形、六邊形,、八邊形,、圓形、方形切角,、方形圓弧角6種池型養(yǎng)殖池的水動力特性及綜合性能,。在試驗數(shù)據(jù)驗證計算方法有效的基礎上，研究了池型結(jié)構(gòu)對流動均勻性,、流速分布,、渦量分布、水體混合均勻性及自凈化效能的影響作用,，并從適漁性,、循環(huán)水的利用率、空間利用率等方面分析了養(yǎng)殖池的綜合效能,。研究表明：隨著養(yǎng)殖池的切角距離和圓角半徑增大,，底流速度增大，水流均勻性,、渦流強度和二次流強度增強,，有利于提高循環(huán)水養(yǎng)殖池的水體混合與自凈化效能，但養(yǎng)殖池的空間利用率降低,；隨著切角距離和圓角半徑減小,，水體平均速度降低，要維持適宜的速度范圍就要增大射流速度,，產(chǎn)生更多廢水,，降低循環(huán)水利用效率；正六邊形,、0.4396

摘要:為探究黃淮海旱作區(qū)農(nóng)田耕層結(jié)構(gòu)特征,，基于土壤穿透阻力數(shù)據(jù)，運用地統(tǒng)計學,、Mann-Kendall突變檢驗法等方法,，識別了旱作區(qū)農(nóng)田壓實層的位置及厚度,，并探究了壓實層和耕作層的空間變異特征及其影響因素。結(jié)果表明：土壤容重,、含水率和土壤質(zhì)地是穿透阻力的主要影響因素,。和表層土壤相比，深層土壤穿透阻力更易受含水率和土壤質(zhì)地的影響,。黃淮海旱作區(qū)存在不同厚度的壓實層,。壓實層較厚區(qū)域主要集中在安徽省北部旱作區(qū)，平均厚度為12.38cm,，且其平均土壤穿透阻力為1704.88kPa,；耕作層較厚區(qū)域主要集中在河南省，平均厚度為19.31cm,，其平均土壤穿透阻力僅為1218.41kPa,。除自然因素外,，農(nóng)業(yè)機械耕作是影響土壤壓實層和耕作層厚度與穿透阻力的重要因素,。高農(nóng)業(yè)機械總動力區(qū)域呈現(xiàn)“耕作層較薄，壓實層較厚,，穿透阻力大”的特點,。

摘要:精準高效獲取不同類型土壤的有機質(zhì)含量,，對促進東北土壤退化防治和耕地質(zhì)量提升有重要意義。本研究以東北旱作農(nóng)田典型土壤類型為研究對象,，采集了黑土,、黑鈣土、潮土和棕壤共118個土壤樣品,，采用倒數(shù)對數(shù),、一階微分、連續(xù)統(tǒng)去除和連續(xù)小波變換分別對其光譜曲線進行預處理,。通過穩(wěn)定性競爭自適應重加權(quán)采樣（sCARS）算法篩選敏感波段,，并建立偏最小二乘回歸模型。研究結(jié)果表明：連續(xù)小波變換處理可以抑制背景和噪聲的干擾,，挖掘土壤光譜內(nèi)隱含的有效信息,，提高土壤光譜與有機質(zhì)含量的相關(guān)性。sCARS算法能夠提取與土壤有機質(zhì)相關(guān)的重要特征信息變量,，去除冗余,、重疊的光譜信息,，提高建模效率。黑土,、黑鈣土,、潮土和棕壤的最佳模型均為連續(xù)小波變換模型，R2分別達到了0.83,、0.88,、0.93和0.93；一階微分模型也有較好的表現(xiàn),，而倒數(shù)對數(shù),、連續(xù)統(tǒng)去除的模型效果不佳。連續(xù)小波變換處理后,，模型的精度和穩(wěn)定性得到了顯著提升,，建模集、驗證集決定系數(shù)R2最高提升了0.13,、0.28,，均方根誤差（RMSE）最大降低了2.48、2.40g/kg,。連續(xù)小波變換結(jié)合sCARS算法,，為土壤有機質(zhì)含量的高光譜快速精準估測提供了新途徑。

摘要:樣本點權(quán)重調(diào)整是統(tǒng)計推斷樣本點屬性全局均值的重要手段。以北京市順義區(qū)農(nóng)業(yè)用地樣本點為例,，提出了一種面向全局均值估計的樣本點權(quán)重調(diào)整方法——泰森多邊形權(quán)重調(diào)整法,。首先構(gòu)建樣本點類型劃分規(guī)則，將樣本點劃分為聚集樣本點,、稀疏樣本點和均勻樣本點,；其次針對不同類型樣本點，分別確定樣本點權(quán)重調(diào)整量和調(diào)整規(guī)則并進行樣本點權(quán)重調(diào)整,；最后以農(nóng)業(yè)用地土壤重金屬Hg含量及NDVI（歸一化植被指數(shù)）數(shù)據(jù)為例,，設置與原始樣本點（無權(quán)重調(diào)整）、常規(guī)面積比例權(quán)重調(diào)整法的對比實驗,，通過2種評價參數(shù)的全局均值相對誤差分別評價不同樣本點權(quán)重調(diào)整方法的數(shù)據(jù)糾偏效果,。結(jié)果表明：2個聚集樣本點權(quán)重減小，權(quán)重分別為0.609和0.883,；1個稀疏樣本點權(quán)重增大,，權(quán)重為1.068,；63個均勻樣本點權(quán)重不變，權(quán)重為1,；泰森多邊形權(quán)重調(diào)整法統(tǒng)計推斷農(nóng)業(yè)用地土壤重金屬Hg含量和NDVI的全局均值估計相對誤差（0.413%,、1.617%）小于原始樣本點（1.056%、2.500%）和常規(guī)面積比例權(quán)重調(diào)整法（2.933%,、2.941%）,，表明該權(quán)重調(diào)整方法的樣本點全局均值估計更加準確、可靠,。

摘要:為探究含沙水磁化處理對懸浮泥沙在滴灌管網(wǎng)中沉降的影響,，揭示含沙水磁化處理對滴頭堵塞的減緩機理,，以內(nèi)鑲貼片式迷宮流道滴頭為研究對象，設置4種磁化強度（0,、0.2,、0.4,、0.6T）和4種粒徑級配（0~0.100mm,、0.075~0.100mm、0.038~0.075mm,、0~0.038mm）的泥沙,，泥沙質(zhì)量濃度為1.0、3.0g/L,，進行短周期間歇性灌水試驗和絮凝沉降試驗,，利用MS2000型激光粒度分析儀、水質(zhì)測試儀和烏氏粘度計等對毛管淤積泥沙機械組成,、含沙水的電導率和粘滯系數(shù)等進行多角度分析,。結(jié)果表明：磁化處理極顯著地減緩了滴頭流量和灌水均勻度的下降趨勢（p<0.01），細顆粒泥沙（粒徑0~0.03mm）含量較高時,，磁化處理對滴頭堵塞的減緩作用最大,，灌水結(jié)束時，滴頭平均相對流量和灌水均勻度較未磁化處理分別提高17.41%和47.27%,；磁化處理加速了懸浮泥沙的絮凝沉降速度,，細顆粒泥沙含量越高，加速作用越大,，沉降2h后含沙水濁度較未磁化處理最高降低29.44%,；磁化處理后毛管前段滴頭堵塞率平均提高17.71%,，毛管前中段淤積泥沙中值粒徑減小了11.49%，磁化處理促進了毛管中細顆粒泥沙的絮凝作用,，加速了其在毛管前段的沉降,。磁化強度為0.4T時，磁化處理對滴頭堵塞和懸浮泥沙絮凝沉降的影響最大,。建議引用細顆粒泥沙含量較高的黃河水滴灌時,，宜采用磁化處理措施（磁化強度為0.4T），既可以減緩堵塞以提高毛管使用壽命,，又可提高作物生長品質(zhì),，并定期沖洗毛管，降低滴頭堵塞風險,。

摘要:不同植株葉位,、葉齡和所處環(huán)境的導致單葉光合速率存在明顯差異,，使其在表征整株光合能力和物質(zhì)積累效率等方面存在不足。本文以設施蔬菜為研究對象,，基于透明同化箱設計基于碳同化過程的群體光合速率測量系統(tǒng),，系統(tǒng)通過高精度光輻射傳感器和SCD30對同化箱內(nèi)光照強度、CO2濃度,、溫濕度進行采集,，實現(xiàn)了同化箱光環(huán)境的精確控制、碳同化過程測量,、溫濕度控制等功能,。試驗與LI-6800型閉路碳同化測量系統(tǒng)同步進行，采用線性擬合計算CO2濃度變化量進而獲取群體光合速率,，分析測量系統(tǒng)性能及不同光溫條件和作物品種碳同化過程的檢測精度,。結(jié)果表明系統(tǒng)氣密性和光調(diào)控精度良好，最大漏氣速率為0.0473μmol/(mol·min),，單次測量(6min)最大漏氣量為0.2838μmol/mol,，光環(huán)境調(diào)控精度平均標準差為2.71μmol/(m2·s)，能夠滿足植株碳同化過程的檢測要求,。通過線性相關(guān)性分析,，生菜單株/多株CO2交換量擬合R2分別為0.988、0.874,，均方根誤差分別為5.82,、5.80μmol/mol,，番茄線性擬合R2為0.952，均方根誤差為3.39μmol/mol,，結(jié)果表明系統(tǒng)測量性能與LI-6800型閉路碳同化測量系統(tǒng)性能接近,，且在直立生長植株的檢測性能更好；通過光響應曲線擬合計算,，番茄和生菜在不同溫度,、光照條件下，系統(tǒng)與LI-6800型閉路碳同化測量系統(tǒng)光響應曲線間平均絕對誤差均值分別為0.45,、0.35μmol/(m2·s),，擬合R2均值不小于0.95，證明系統(tǒng)能實現(xiàn)群體光響應曲線的高精度穩(wěn)定測量,。

摘要:針對溫室番茄無法按需灌溉問題，提出了隨機森林(Random forest, RF)結(jié)合門控循環(huán)單元(Gated recurrent unit, GRU)神經(jīng)網(wǎng)絡的溫室番茄結(jié)果前期蒸騰量預測方法,，并開發(fā)了一套基于番茄蒸騰量的智慧灌溉系統(tǒng),。基于物聯(lián)網(wǎng)實時獲取數(shù)據(jù),，采用RF算法對影響溫室番茄蒸騰量的變量進行特征重要性排序，選取作物相對葉面積指數(shù),、溫室內(nèi)空氣溫度,、相對濕度、光照強度,、光合有效輻射,、基質(zhì)含水率和基質(zhì)溫度作為模型的輸入變量，在此基礎上,，構(gòu)建了基于GRU的番茄蒸騰量預測模型,。試驗結(jié)果表明：RF-GRU在番茄蒸騰量預測中具有準確的預測效果，決定系數(shù)(R2),、均方根誤差(RMSE),、平均絕對誤差(MAE)分別為0.9490,、10.96g和5.80g。同時,，基于此模型進行指導灌溉相比于定時灌溉,，在番茄長勢基本相同的情況下，灌溉量降低了20%,，可為實際生產(chǎn)提供參考,。

摘要:針對黑龍江省農(nóng)村生活用能高,、結(jié)構(gòu)不合理及秸稈能源需求大等問題,，開展了黑龍江省農(nóng)村生活用能研究，并對2030年,、2060年黑龍江省的農(nóng)村能源進行了資源量,、消費量、能源結(jié)構(gòu)以及溫室氣體減排貢獻等相關(guān)預測分析,。結(jié)果表明：目前黑龍江省農(nóng)村生活用能總量穩(wěn)定在0.220億t標煤,，農(nóng)村生活用能結(jié)構(gòu)以秸稈、煤炭為主,，特別是秸稈使用占比顯著高于全國水平,；從減排角度測算，秸稈散燒,、生物質(zhì)成型燃料的使用對溫室氣體減排貢獻分別為0.014億t CO2e,、0.013億t CO2e。經(jīng)預測,，2030年,、2060年黑龍江省農(nóng)村居民生活能源消費總量分別為0.059億t標煤、0.022億t標煤,；可收集秸稈的資源量分別為0.928億t,、1.256億t。在減排背景下,，滿足秸稈還田需求和秸稈飼料化需求的基礎上,，預測2030年、2060年黑龍江省可用于秸稈能源化的最大潛能分別為0.235億t,、0.317億t,，折合標煤分別為0.045億t標煤、0.061億t標煤，分別占2030年,、2060年黑龍江省農(nóng)村居民生活能源消費總量的5.183%,、18.529%。此外,，2030年,、2060年秸稈能源化的溫室氣體減排量貢獻分別為0.247億t CO2e、0.333億t CO2e,。

摘要:設計了內(nèi)流式網(wǎng)格化低溫相變儲熱單元,。確定了影響相變儲熱單元傳熱系數(shù)的關(guān)鍵影響因素,，分析了單一因素對相變儲熱單元傳熱系數(shù)的影響規(guī)律。分別在儲熱及放熱工況下,，采用改進的多元非線性回歸法構(gòu)建了相變儲熱單元傳熱系數(shù)的預測模型,，并檢驗了擬合誤差。結(jié)果表明：相變儲熱單元傳熱系數(shù)受相變儲熱材料側(cè)平均溫度及換熱工質(zhì)側(cè)定性溫度的協(xié)同影響,，相變儲熱材料側(cè)平均溫度為主要影響因素,，換熱工質(zhì)側(cè)定性溫度為次要影響因素，兩者之間具有顯著的交互性,。儲熱或放熱工況下,，相變儲熱單元傳熱系數(shù)隨單一因素的變化規(guī)律基本一致，儲熱階段傳熱系數(shù)明顯高于放熱階段,，相變儲熱單元傳熱系數(shù)預測模型的平均相對預測誤差均小于5.00%,。

摘要:針對低壓過熱蒸汽干燥香蕉時高干燥速率與高品質(zhì)難以同時保證的問題,，提出了低壓過熱蒸汽-真空組合干燥方法，以提高干燥速率,、降低物料溫度，實現(xiàn)提高產(chǎn)品品質(zhì)的目的,。通過第一降速階段和全階段計算的香蕉逆轉(zhuǎn)點溫度分別為88.75℃和89.06℃,。在高于逆轉(zhuǎn)點的90℃進行低壓過熱蒸汽-真空組合干燥研究，結(jié)果表明：低壓過熱蒸汽-真空組合干燥香蕉最高溫度比低壓過熱蒸汽干燥降低8.5℃，干燥時間比真空干燥降低30min,。相比低壓過熱蒸汽干燥和真空干燥,，第1次斷裂衰減量分別下降了7.37%和36.03%，峰個數(shù)分別增加了38.27%和41.77%,，香蕉干制品的脆性及脆性層次感增強,，干制品的孔隙結(jié)構(gòu)豐富。組合干燥的維生素C保留率達到67.9%,，比低壓過熱蒸汽干燥和真空干燥分別提高了255%和191%,。

摘要:針對輸送帶場景中羊肉分體需要進一步分類檢測問題,，提出一種基于單階段目標檢測算法的羊肉多分體實時分類檢測方法,。在羊屠宰車間環(huán)境下采集包含多類、多個羊肉分體圖像,，經(jīng)圖像增廣及歸一化后建立羊肉多分體圖像數(shù)據(jù)集,，其中訓練集7200幅，測試集1400幅,，驗證集400幅,。利用單階段目標檢測算法YOLO v3引入遷移學習對羊肉多分體圖像數(shù)據(jù)集展開訓練并獲得最優(yōu)模型，基于最優(yōu)模型返回圖像中各羊肉分體的類別及其位置,，從而實現(xiàn)羊肉分體的分類檢測,。選用平均精度及單幅圖像平均處理時間作為評判模型檢測精度與速度指標。然后通過更換羊肉多分體識別模型的特征提取網(wǎng)絡優(yōu)化檢測速度,。另外設置包含亮,、暗兩種亮度水平的附加光照數(shù)據(jù)集以及代表羊肉分體遮擋情形的附加遮擋數(shù)據(jù)集，分別驗證優(yōu)化后模型的泛化能力與抗干擾能力,，并通過多尺度特征明顯的頸部與腹肋肉測試優(yōu)化后模型的魯棒性,。最后引入Mask R-CNN、Faster R-CNN,、Cascade R-CNN和SSD 4種常用目標檢測算法針對不同數(shù)據(jù)集分別進行對比試驗,，在此基礎上，進一步更換特征提取網(wǎng)絡為MobileNet V1,、ResNet34和ResNet50驗證優(yōu)化后模型的綜合檢測能力,。試驗結(jié)果表明，優(yōu)化后模型的檢測速度較原始模型提升48.53%,，同時對光照,、遮擋復雜環(huán)境下羊肉多分體識別具備較強的泛化能力與抗干擾能力，以及對多尺度特征顯著的羊肉分體檢測具有良好的魯棒性，針對羊肉多分體圖像驗證集,，優(yōu)化后羊肉多分體識別模型的平均精度達到88.05%,，單幅圖像處理時間為64.7ms，綜合檢測能力優(yōu)于其他算法,，說明該方法具備較高的檢測精度和良好的實時性,，能夠滿足實際生產(chǎn)需求。

摘要:新鮮度指標在像素位置缺乏微觀參考值，因此將基于均值光譜的化學計量學模型應用到像素光譜時,，無法對指標空間分布預測質(zhì)量進行直接評價,。提出了基于準度和精度的評價方法，以興趣區(qū)域內(nèi)各像素位置微觀預測值的統(tǒng)計均值相對于理化檢測值的決定系數(shù)和均方根誤差作為準度評價指標,；根據(jù)新鮮度指標的理論允許范圍,，以TVB-N微觀預測值小于零的像素點在興趣區(qū)域內(nèi)所占比值作為精度評價指標?；谄钚《嘶貧w,，在可見-近紅外波段（550~970nm），分別對全波段,、利用連續(xù)投影算法精選的20個和6個特征波段建立新鮮度預測模型,；采用5種不同帶寬的光譜濾波，將濾波前后光譜所得指標空間分布預測結(jié)果進行比較,。研究表明：經(jīng)不同光譜預處理及化學計量學模型所得指標空間分布預測結(jié)果存在顯著差異,。盡管光譜均值濾波后像素光譜質(zhì)量仍低于均值光譜，但指標空間分布預測準度恒等于預測模型本身,；指標空間分布預測精度明顯受到像素光譜質(zhì)量及預測模型波段增益值的共同影響,，前者占主導作用（R=0.72）。因此,，本文的評價方法能夠?qū)诠庾V成像的化學計量學指標空間分布預測質(zhì)量進行評價,；利用線性化學計量學算法進行指標空間分布預測準度不會下降；在實踐中,，可以通過提高像素光譜信噪比和限制模型波段增益提高預測的精度,。

摘要:為探究空化射流對大豆分離蛋白糖基化產(chǎn)物乳液特性的影響，以大豆分離蛋白,、葡萄糖,、葡聚糖為原料，通過空化射流處理輔助糖基化制備大豆分離蛋白-葡萄糖共價復合物乳液,、大豆分離蛋白-葡聚糖共價復合物乳液,，探究空化射流技術(shù)對大豆分離蛋白糖基化產(chǎn)物乳液的粒徑、ζ-電位,、微觀結(jié)構(gòu),、蛋白吸附率、乳析指數(shù)及抗氧化性的影響,。結(jié)果表明：經(jīng)過一定時間的空化射流處理后的糖基化產(chǎn)物乳液平均粒徑顯著降低,、ζ-電位增大、微觀結(jié)構(gòu)液滴逐漸變得均勻,，蛋白吸附率升高,、乳析指數(shù)降低、還原力和DPPH自由基清除能力均升高,，并在空化射流處理80min時,，乳液特性達到最佳，且相比大豆分離蛋白-葡萄糖共價復合物乳液,，大豆分離蛋白-葡聚糖共價復合物呈現(xiàn)出更好的乳液特性,；但隨著空化射流處理時間的進一步增加，糖基化產(chǎn)物乳液的平均粒徑升高,、ζ-電位減小,、微觀結(jié)構(gòu)開始出現(xiàn)聚集情況，蛋白吸附率呈降低趨勢,，乳析指數(shù)逐漸升高,。適當時間下的空化射流輔助處理可以改善糖基化產(chǎn)物的乳液特性，提高乳液的儲藏特性和抗氧化特性,。

摘要:為了使遙操作拖拉機駕駛員對路面信息有更直觀的感受,，在課題組前期設計的一套拖拉機遙操作系統(tǒng)的基礎上設計了路感模擬系統(tǒng),。首先提出路感模擬系統(tǒng)的總體設計方案。然后分析拖拉機路感產(chǎn)生機理,，并對遙操作拖拉機的轉(zhuǎn)向執(zhí)行機構(gòu)以及控制器進行改造,，設計出路感測試系統(tǒng),。最后根據(jù)所設計的路感測試系統(tǒng)，在草地,、水泥地等路面上對遙操作拖拉機進行原地轉(zhuǎn)向以及行駛轉(zhuǎn)向時不同速度下的轉(zhuǎn)向阻力矩測量,，并且利用Logitech G29方向盤式操縱裝置在草地和水泥路面展開路感的模擬實驗。實驗及測試結(jié)果表明,，遙操作拖拉機在不同路面的轉(zhuǎn)向阻力矩相差較大,，但是總體變化趨勢相同，一開始轉(zhuǎn)向阻力矩隨著方向盤轉(zhuǎn)角的增大而增大并在方向盤轉(zhuǎn)角處于100°~120°時開始回落,，當方向盤轉(zhuǎn)角處于200°左右時有小幅度的上升,。通過方向盤式操縱裝置對遙操作拖拉機路感展開模擬，各項評價指標得分均在6.3~8.5分之間,，表明該方法模擬路感的可行性,。

摘要:基于代數(shù)幾何理論,，結(jié)合雙變量代數(shù)方程可因式分解的判定條件，對球面4R機構(gòu)運動學方程進行研究,，提出一種確定具有多模式球面4R機構(gòu)結(jié)構(gòu)參數(shù)的分析方法,。可得5類具有約束奇異位形的球面4R機構(gòu),，其中多模式球面4R機構(gòu)可分為4類：具有定軸線和變軸線2種轉(zhuǎn)動運動模式,，具有2種變軸線轉(zhuǎn)動運動模式，具有1種變軸線和2種定軸線3種轉(zhuǎn)動運動模式,，具有4種定軸線轉(zhuǎn)動運動模式,，總共4大類多模式機構(gòu)。對球面4R機構(gòu)連桿在約束奇異位形下的瞬時轉(zhuǎn)動軸線進行計算,，可得球面4R機構(gòu)處于約束奇異位形時,，其連桿的瞬時轉(zhuǎn)動軸線均不重合，瞬時轉(zhuǎn)動軸線均為2條,。具有約束奇異位形且只具有一種運動模式的球面4R機構(gòu)處于約束奇異位形時,，雖然其運動可能產(chǎn)生分岔，但其運動模式不一定發(fā)生改變,。運動分岔機構(gòu)與多模式機構(gòu)不能等同,。使用該方法對球面4R機構(gòu)的運動模式進行分析，研究多模式單環(huán)單自由度機構(gòu)結(jié)構(gòu)參數(shù)對其運動模式的影響,，對拓展多模式機構(gòu)構(gòu)型具有一定的理論價值,。

摘要:為使移動機器人能更好地適應丘陵山地等農(nóng)業(yè)環(huán)境,，以具有較大折展特性的8R機構(gòu)為平臺,，構(gòu)造一種含折展平臺的多模式移動并聯(lián)機構(gòu),，作為可用于農(nóng)業(yè)環(huán)境作業(yè)的移動機器人搭載平臺，通過分析平臺折展過程中折展率變化規(guī)律,，確定最優(yōu)折展平臺參數(shù),。對因折展產(chǎn)生的多種運動模式，通過螺旋理論和圖論法繪制機構(gòu)的旋量約束拓撲圖,，以此求出機構(gòu)各運動模式自由度,，分析機構(gòu)模式切換機理。最后采用ADAMS進行仿真,，設計樣機驗證機構(gòu)在各運動模式的可行性，為后期在搭載平臺上安裝不同的末端執(zhí)行器裝置提供良好的研究基礎,。