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:農(nóng)業(yè)機(jī)器人是機(jī)器人領(lǐng)域重要分支，農(nóng)業(yè)機(jī)器人代替人工作業(yè)成為現(xiàn)代農(nóng)業(yè)發(fā)展的重要趨勢,。本文給出了農(nóng)業(yè)機(jī)器人定義和分類,，分析了農(nóng)業(yè)機(jī)器人國內(nèi)外發(fā)展現(xiàn)狀、應(yīng)用需求和技術(shù)挑戰(zhàn),，劃分了農(nóng)業(yè)機(jī)器人3個發(fā)展階段,。通過對各類應(yīng)用場景農(nóng)業(yè)機(jī)器人的研究分析，提出了農(nóng)業(yè)機(jī)器人的物境信息智能感知,、智慧決策與智能控制,、靈巧臂手精準(zhǔn)作業(yè)、自主導(dǎo)航穩(wěn)定行走,、端-邊-云協(xié)同機(jī)器人系統(tǒng)5大技術(shù)要素,，闡明了農(nóng)業(yè)機(jī)器人關(guān)鍵技術(shù)發(fā)展趨勢，給出了其技術(shù)標(biāo)準(zhǔn)體系架構(gòu)方案,。指出了農(nóng)業(yè)機(jī)器人共性關(guān)鍵技術(shù)是助推智能農(nóng)機(jī)升級,、智慧農(nóng)業(yè)產(chǎn)業(yè)快速發(fā)展的重要抓手，同時(shí)指出我國農(nóng)業(yè)機(jī)器人正進(jìn)入快速發(fā)展期,，也是我國追趕國際技術(shù)前沿的戰(zhàn)略機(jī)遇期,，最后為我國農(nóng)業(yè)機(jī)器人產(chǎn)業(yè)發(fā)展提供了方向性建議。

摘要:分析秸稈-土壤-機(jī)具之間的交互關(guān)系，明確秸稈運(yùn)動規(guī)律及分布效果,，對秸稈管理及耕作機(jī)械優(yōu)化設(shè)計(jì)具有重要的作用,。為探究秸稈-土壤-旋耕機(jī)交互下的關(guān)鍵作業(yè)參數(shù)對秸稈位移和埋覆效果的影響，利用Design-Expert軟件,，根據(jù)Box-Behnken試驗(yàn)原理進(jìn)行了室內(nèi)土槽試驗(yàn),。以旋耕埋草作業(yè)中的秸稈長度,、耕作深度、刀軸轉(zhuǎn)速為影響因素,，以秸稈位移和埋覆率為指標(biāo)進(jìn)行三因素三水平的二次回歸正交試驗(yàn),。通過建立響應(yīng)面數(shù)學(xué)模型，分析了各因素對旋耕埋草效果的影響,。試驗(yàn)結(jié)果表明：影響秸稈埋覆率和位移的主次順序?yàn)楦魃疃?、秸稈長度、刀軸轉(zhuǎn)速,；秸稈長度與耕作深度交互作用對秸稈埋覆率和位移影響顯著，其余參數(shù)交互作用不顯著,。多目標(biāo)優(yōu)化結(jié)果表明：當(dāng)秸稈長度為5cm,、耕作深度為14.99cm、刀軸轉(zhuǎn)速為320r/min時(shí),，埋草效果最優(yōu),，其對應(yīng)指標(biāo)秸稈埋覆率與位移分別為95.5%和27.6cm。利用優(yōu)化后的參數(shù)進(jìn)行試驗(yàn)驗(yàn)證,，秸稈埋覆率與位移分別為93.3%和28.1cm,。研究結(jié)果可為旋耕埋草作業(yè)參數(shù)調(diào)整提供參考，為秸稈-土壤-機(jī)具交互機(jī)理研究提供理論支撐,。

摘要:山地履帶拖拉機(jī)（配備姿態(tài)調(diào)整機(jī)構(gòu)）具有良好的穩(wěn)定性和越障性能,，特別適宜在丘陵山區(qū)坡地作業(yè),，然而由于坡地角的存在導(dǎo)致拖拉機(jī)兩側(cè)履帶下的應(yīng)力分布極不均勻，使得拖拉機(jī)附著性和通過性均降低,。本文針對山地履帶拖拉機(jī)坡地等高線行駛/作業(yè)時(shí),，坡地土壤內(nèi)部應(yīng)力分布規(guī)律不明確以及如何提高應(yīng)力均勻性緩解土壤壓實(shí)等問題，在深入分析坡地工況下履帶最大接地比壓與應(yīng)力傳遞基本規(guī)律的基礎(chǔ)上,，采用EDEM-RecurDyn耦合方法進(jìn)行了仿真試驗(yàn),，并采取土壓力盒埋設(shè)法分別開展了基于小型坡地土槽的靜態(tài)試驗(yàn)和坡地試驗(yàn)田的動態(tài)試驗(yàn)；其中,，靜態(tài)試驗(yàn)探究了不同深度土壤在含水率,、初始緊實(shí)度、加載質(zhì)量及坡地角等影響下的垂直應(yīng)力分布規(guī)律,；動態(tài)試驗(yàn)探究了山地履帶拖拉機(jī)坡地等高線行駛/旋耕作業(yè)時(shí)履帶下方土壤應(yīng)力隨作業(yè)速度,、車身狀態(tài)（調(diào)平/未調(diào)平）及牽引負(fù)載的變化規(guī)律,；并分析了履帶張緊力對土壤垂直、水平應(yīng)力分布的影響,。試驗(yàn)結(jié)果表明：履帶下垂直應(yīng)力在各支重輪的軸線處呈現(xiàn)一個應(yīng)力峰值,；水平應(yīng)力在各支重輪軸線的前、后方分別出現(xiàn)一個應(yīng)力峰值,；適當(dāng)增大作業(yè)速度,，可減小土壤內(nèi)部垂直和水平應(yīng)力峰值，拖拉機(jī)速度由0.5km/h增加到1.5km/h,，垂直應(yīng)力峰值減小了35%,，水平應(yīng)力峰值減小了27%；車身調(diào)平可以較好地提高拖拉機(jī)兩側(cè)履帶下土壤垂直,、水平應(yīng)力分布的均勻性,，坡低、坡高兩側(cè)的垂直應(yīng)力峰值分別降低13%和增加18%,，坡低,、坡高兩側(cè)的水平應(yīng)力峰值分別降低28%和增加23%；履帶張緊力由1.2×104kPa減小到8.0×103kPa時(shí),，履帶下的垂直及水平應(yīng)力峰值分別減小了31%和22%,，即適度減小履帶張緊力可降低土壤壓實(shí)程度。該研究可為山地履帶拖拉機(jī)相關(guān)參數(shù)的優(yōu)化提供理論依據(jù),，可提高坡地土壤應(yīng)力分布均勻性,、緩解土壤壓實(shí)效應(yīng)。

摘要:加種加肥是播種機(jī)組必不可少的作業(yè)環(huán)節(jié)，研究播種機(jī)組加種加肥參數(shù)與作業(yè)單元地塊長度間的定量關(guān)系,，對客觀分析加種加肥參數(shù)隨地塊長度變化規(guī)律,、提高播種機(jī)組的時(shí)間利用率具有重要理論和實(shí)際意義?；诓シN機(jī)組實(shí)際作業(yè)組織需求,，提出加種加肥行程比αw的概念，建立了3種加種加肥方式及有,、無αw條件下,，播種機(jī)組加種加肥點(diǎn)間距離、加種加肥量,、加種加肥次數(shù)和加種加肥總時(shí)間等隨作業(yè)單元地塊長度變化關(guān)系的數(shù)學(xué)模型,；結(jié)合試驗(yàn)數(shù)據(jù)采用Matlab計(jì)算,，分別確定了4種典型播種機(jī)組以單側(cè)加種加肥方式作業(yè)時(shí)4個加種加肥參數(shù)隨作業(yè)單元地塊長度的變化規(guī)律；明確了有,、無αw條件下播種機(jī)組加種參數(shù)隨地塊長度均呈“兩段一點(diǎn)”式變化規(guī)律,；確定了當(dāng)?shù)貕K面積為5hm2時(shí)，單側(cè)加種加肥方式作業(yè)條件下4種典型播種機(jī)組的加種參數(shù)不同段與其相同段的分界點(diǎn)及其可作業(yè)的地塊長度上限點(diǎn)：約翰迪爾7830播種機(jī)組的地塊長度段分界點(diǎn)為575m,、可作業(yè)地塊長度上限點(diǎn)為1151m,，維美德171播種機(jī)組的分界點(diǎn)為438m、上限點(diǎn)為1031m,，常發(fā)504播種機(jī)組的分界點(diǎn)為457m,、上限點(diǎn)為1035m，黃海254播種機(jī)組的分界點(diǎn)為517m,、上限點(diǎn)為1035m,。研究結(jié)果完善了農(nóng)業(yè)機(jī)組運(yùn)用的相關(guān)理論，為有效提高機(jī)組的時(shí)間利用率及作業(yè)效率提供了理論和技術(shù)支撐,，為播種機(jī)組作業(yè)規(guī)劃、農(nóng)業(yè)機(jī)械化高質(zhì)量發(fā)展提供了科學(xué)依據(jù),。

摘要:針對現(xiàn)有油菜機(jī)械離心式集排器分種機(jī)構(gòu)種子流分配不均導(dǎo)致各行排量一致性較低的問題,，設(shè)計(jì)了一種基于Bezier曲線模型的旋轉(zhuǎn)盤式精量集排器。闡述了集排器的工作原理,，利用Bezier曲線切矢性及無曲率突變特性構(gòu)建了其分種裝置導(dǎo)葉曲線參數(shù)方程,，建立種子在旋轉(zhuǎn)盤上的力學(xué)模型，確定了影響分種性能的關(guān)鍵結(jié)構(gòu)參數(shù)及范圍,。運(yùn)用EDEM離散元仿真軟件開展了導(dǎo)葉各結(jié)構(gòu)參數(shù)對各行排量一致性變異系數(shù)影響的二次正交組合試驗(yàn),，結(jié)果表明：影響各行排量一致性變異系數(shù)的因素主次順序?yàn)閷?dǎo)葉入口角、導(dǎo)葉出口角,、導(dǎo)葉葉片數(shù)及導(dǎo)葉包角,，且較優(yōu)參數(shù)組合為導(dǎo)葉入口角36°、出口角26°,、包角55°,、葉片數(shù)8?；谳^優(yōu)參數(shù)組合開展集排器在不同轉(zhuǎn)速下的排種性能臺架驗(yàn)證試驗(yàn),，結(jié)果表明：集排器可根據(jù)播量需求適應(yīng)不同轉(zhuǎn)速范圍,，當(dāng)轉(zhuǎn)速為60~100r/min時(shí)，油菜各行排量一致性變異系數(shù)低于3.9%,、單行排量穩(wěn)定性變異系數(shù)低于4.6%,、破損率低于0.5%。田間試驗(yàn)表明,，機(jī)組作業(yè)速度為4.15km/h時(shí),，油菜各行植株分布一致性變異系數(shù)低于14%，滿足油菜播種要求,。

摘要:為節(jié)省工時(shí),，提高勞動效率,，提出了一種旱地缽苗移栽復(fù)式作業(yè)機(jī)；并針對作業(yè)機(jī)栽植軌跡不理想導(dǎo)致缽苗栽植合格率低以及栽植器粘土堵塞導(dǎo)致漏苗率高的問題,，優(yōu)化設(shè)計(jì)了移栽復(fù)式作業(yè)機(jī)栽植機(jī)構(gòu),。該機(jī)構(gòu)由曲柄、平行搖桿,、擺桿及夾指式栽植器構(gòu)成,，實(shí)現(xiàn)接苗、運(yùn)苗,、扶苗栽植和復(fù)位功能,，使栽植軌跡和運(yùn)動姿態(tài)滿足栽植農(nóng)藝要求。夾指式栽植器為敞開式結(jié)構(gòu),，夾指在注水沖刷與閉合瞬間振動的作用下,，解決了傳統(tǒng)鴨嘴栽植器粘土堵塞的問題。建立栽植機(jī)構(gòu)運(yùn)動學(xué)模型,，基于Visual Basic 6.0開發(fā)計(jì)算機(jī)輔助優(yōu)化設(shè)計(jì)軟件,，多目標(biāo)參數(shù)優(yōu)化設(shè)計(jì)得出滿足農(nóng)藝要求的移栽運(yùn)動軌跡和栽植機(jī)構(gòu)參數(shù)；建立栽植機(jī)構(gòu)三維模型,，利用ADAMS運(yùn)動學(xué)仿真分析,，驗(yàn)證了栽植機(jī)構(gòu)優(yōu)化設(shè)計(jì)的合理性；樣機(jī)田間試驗(yàn)表明,，在缽苗高度約為15cm,、作業(yè)速度20m/min工況下，缽苗栽植合格率達(dá)98.1%,、漏苗率0.4%,、株距變異系數(shù)4.3%,、栽植深度合格率96.5%，滿足旱地缽苗移栽要求,。

摘要:針對傳統(tǒng)稻茬麥機(jī)播設(shè)備費(fèi)工費(fèi)時(shí),、效率低下的問題,，對稻茬麥覆秸還田播種機(jī)均勻拋撒機(jī)構(gòu)的作業(yè)機(jī)理進(jìn)行了研究，并進(jìn)行了拋撒作業(yè)的原理分析,、作業(yè)過程的受力分析,。在EDEM中構(gòu)建了粉碎后水稻秸稈的模型，對其拋撒過程的運(yùn)動進(jìn)行了仿真分析,、運(yùn)動特性研究,、運(yùn)動速度變化和軌跡分析。在仿真分析和理論分析基礎(chǔ)上,，利用Design-Expert軟件開展響應(yīng)面分析,，以拋撒作業(yè)幅寬合格率Y1、拋撒不均勻度Y2作為稻茬麥覆秸還田播種機(jī)拋撒葉輪機(jī)構(gòu)作業(yè)的評價(jià)指標(biāo),，以拋撒葉輪桿齒形打散葉片數(shù)、拋撒葉輪傾斜角,、拋撒葉輪回轉(zhuǎn)軸轉(zhuǎn)速作為試驗(yàn)因素,，對機(jī)具均勻拋撒葉輪機(jī)構(gòu)進(jìn)行優(yōu)化試驗(yàn)。軟件優(yōu)化的最佳機(jī)具參數(shù)為：拋撒葉輪桿齒形打散葉片數(shù)為4排,、拋撒葉輪傾斜角為向上傾斜15°,、拋撒葉輪回轉(zhuǎn)軸轉(zhuǎn)速為1195r/min，此時(shí)拋撒作業(yè)幅寬合格率和拋撒不均勻度的優(yōu)化值分別為80.79%和9.24%,，在此基礎(chǔ)上進(jìn)行了田間驗(yàn)證試驗(yàn),，調(diào)整到最佳參數(shù)時(shí)，拋撒作業(yè)幅寬合格率和拋撒不均勻度的實(shí)際作業(yè)平均值分別為80.84%和9.32%,，滿足作業(yè)要求,，誤差小、符合預(yù)期結(jié)果,，說明仿真試驗(yàn)結(jié)果可靠且機(jī)具作業(yè)效果良好,。

摘要:針對前期正向設(shè)計(jì)得到的三移栽臂水稻缽苗移栽機(jī)構(gòu)應(yīng)用中存在絕對運(yùn)動軌跡回程段前傾造成秧苗回帶,，以及推苗角偏小造成推苗直立度差的問題，提出一種基于局部運(yùn)動軌跡的反求設(shè)計(jì)方法完成三臂回轉(zhuǎn)式水稻缽苗移栽機(jī)構(gòu)設(shè)計(jì),。首先,，分析機(jī)構(gòu)絕對運(yùn)動軌跡和相對運(yùn)動軌跡之間關(guān)系，結(jié)合原機(jī)構(gòu)存在的問題預(yù)設(shè)局部較理想絕對運(yùn)動軌跡回程段軌跡,、取推苗角,，確定移栽機(jī)構(gòu)局部相對運(yùn)動軌跡關(guān)鍵位置點(diǎn)，應(yīng)用三次非均勻B樣條曲線擬合生成相對運(yùn)動軌跡,；然后,，建立基于相對運(yùn)動軌跡的移栽機(jī)構(gòu)反求設(shè)計(jì)模型，開發(fā)了基于Matlab的反求設(shè)計(jì)輔助分析軟件,，優(yōu)化獲得滿足設(shè)計(jì)目標(biāo)的移栽軌跡和機(jī)構(gòu)參數(shù),；最后，對三臂回轉(zhuǎn)式水稻缽苗移栽機(jī)構(gòu)進(jìn)行了結(jié)構(gòu)設(shè)計(jì),、虛擬仿真與樣機(jī)試驗(yàn),，結(jié)果表明：仿真軌跡、樣機(jī)試驗(yàn)軌跡與理論計(jì)算軌跡基本一致,，且移栽臂推秧角較原機(jī)構(gòu)增大了9.08°以上,、絕對運(yùn)動軌跡回程高度大于120mm、取推苗角度差與秧箱實(shí)際安裝角誤差控制在±2°以內(nèi),，滿足水稻缽苗高直立度移栽要求,，驗(yàn)證了所提出方法和三臂回轉(zhuǎn)式水稻缽苗移栽機(jī)構(gòu)設(shè)計(jì)的正確性。

摘要:為滿足玉米籽粒收獲機(jī)對大喂入量玉米脫出物的清選要求,，設(shè)計(jì)了一種使玉米脫出物在進(jìn)入清選裝置時(shí)分流的雙層篩孔式抖動板,。對玉米脫出物離開抖動板到達(dá)振動篩前的運(yùn)動進(jìn)行了分析，確定了上,、下抖動板相對于振動篩的位置,，并參考圓孔篩確定了上抖動板篩孔的分布和尺寸。以抖動板的安裝傾角,、振幅和頻率作為試驗(yàn)因素,，以振動篩篩分玉米脫出物時(shí)間、清選系統(tǒng)收集籽粒的清潔率和損失率為性能評價(jià)指標(biāo)，基于CFD-DEM耦合仿真方法確定各試驗(yàn)因素對性能指標(biāo)的影響,，并設(shè)計(jì)了二次正交旋轉(zhuǎn)中心組合試驗(yàn),，建立了各因素與指標(biāo)之間的回歸數(shù)學(xué)模型。在清選系統(tǒng)入口氣流速度,、氣流方向角和玉米脫出物喂入量分別為12.8m/s,、25°和7kg/s的條件下，獲得最優(yōu)參數(shù)組合：抖動板安裝傾角,、抖動板頻率,、抖動板振幅分別為-3.85°、5.62Hz,、44.77mm,，此時(shí)清選系統(tǒng)收集的籽粒清潔率為98.36%，籽粒損失率為1.45%,，振動篩篩分玉米脫出物時(shí)間為6.74s,，并通過臺架試驗(yàn)驗(yàn)證了仿真結(jié)果的準(zhǔn)確性，相比于帶有單層抖動板的清選系統(tǒng),，籽粒清潔率提高了1.72個百分點(diǎn),，損失率降低了0.84個百分點(diǎn)，振動篩篩分玉米脫出物時(shí)間縮短了0.57s,。

摘要:針對油菜聯(lián)合收獲分行剪切落粒多、損失高的問題,，提出了油菜割臺分行損失氣力回收方法,，設(shè)計(jì)了正負(fù)氣壓組合式油菜割臺分行落?；厥昭b置,。通過正壓氣流導(dǎo)向收集分行散落物料，并由負(fù)壓氣流定向輸送回割臺,，實(shí)現(xiàn)回收減損,。基于Fluent構(gòu)建了回收管內(nèi)部流場仿真分析模型,，單因素試驗(yàn)確定了喉管直徑,、喉管傾角分別為70mm、120°,，在一定范圍內(nèi)負(fù)壓氣流速度隨漸擴(kuò)角,、漸縮角的增大而減小且存在交互作用,；以進(jìn)風(fēng)口直徑、漸縮段長度,、出風(fēng)口直徑和漸擴(kuò)段長度為試驗(yàn)因素,，以負(fù)壓氣流速度為評價(jià)指標(biāo)，開展了四元二次回歸正交組合試驗(yàn),，結(jié)果表明影響負(fù)壓氣流速度的主次順序?yàn)闈u擴(kuò)段長度,、進(jìn)風(fēng)口直徑、漸縮段長度,、出風(fēng)口直徑,，較優(yōu)參數(shù)組合為進(jìn)風(fēng)口直徑94mm、漸縮段長度38mm,、出風(fēng)口直徑115mm,、漸擴(kuò)段長度350mm；建立了回收裝置內(nèi)部流場-物料CFD-DEM耦合仿真模型,，研究了正壓,、負(fù)壓氣流速度對物料回收效果的影響，結(jié)果表明物料回收率隨正壓氣流速度的升高先增大后減小,、隨負(fù)壓氣流速度的升高持續(xù)增大,，明確了較優(yōu)正壓氣流速度為20m/s；基于正,、負(fù)壓氣流流量分析,，確定了氣流分配器中兩路氣流通道的截面積之比為1∶3；田間試驗(yàn)表明裝備分行落?；厥昭b置后油菜割臺損失率,、豎割刀損失率分別為1.26%、0.39%,，分別下降了21.8%,、47.3%，有效降低了分行損失和割臺損失,。

摘要:針對油茶人工采收效率低,，勞動力成本大,，且油茶果成熟期短、花果同期等問題，設(shè)計(jì)了可實(shí)現(xiàn)連續(xù)振動落果和收集的履帶式高地隙油茶果振動采收機(jī),。采收機(jī)采用騎跨式車架沿油茶樹種植行行走,，利用曲柄搖桿機(jī)構(gòu)驅(qū)動多排陣列的指排桿按照一定的運(yùn)動軌跡對樹冠兩側(cè)同時(shí)擊打作業(yè)，落果通過收集板匯集后輸送到果箱,。根據(jù)擊打軌跡對采收機(jī)擊打裝置的曲柄搖桿機(jī)構(gòu)進(jìn)行設(shè)計(jì),，并用ADAMS軟件驗(yàn)證指排架運(yùn)動軌跡。通過ANSYS軟件對擊打裝置機(jī)架和采收機(jī)車架進(jìn)行有限元模態(tài)分析,，獲得其前6階固有頻率,，確定其不會發(fā)生共振。為接收振動掉落的油茶果,，設(shè)計(jì)了高低錯落分布的收集板,，不僅能接收落果，且能順利避開樹干,，實(shí)現(xiàn)整機(jī)在運(yùn)動中完成振動落果和收集作業(yè),。最后，加工裝配振動采收機(jī)樣機(jī),，在擊打液壓馬達(dá)轉(zhuǎn)速為360r/min條件下進(jìn)行油茶林地整機(jī)試驗(yàn),，試驗(yàn)結(jié)果表明，油茶果采收率為87.56%,，花苞掉落率為25.86%,，滿足油茶果采收要求。

摘要:玉米定向播種即種子尖端朝向一致和胚面朝向一致,，可明顯提高產(chǎn)量,。為了實(shí)現(xiàn)玉米種子胚面定向,，設(shè)計(jì)了一種基于振動排序的玉米種子胚面定向裝置,。設(shè)計(jì)了胚面定向裝置螺旋軌道上的選向機(jī)構(gòu)和定向機(jī)構(gòu)，探明了玉米種子胚面定向原理,，確定了選向機(jī)構(gòu)和定向機(jī)構(gòu)的尺寸參數(shù)和空間位置,。采用試驗(yàn)方法對該裝置的最佳工作參數(shù)進(jìn)行了優(yōu)化,。以控制器輸出電壓,、翻面機(jī)構(gòu)1終點(diǎn)到側(cè)壁的垂直距離和翻面機(jī)構(gòu)1終點(diǎn)到軌道表面的垂直距離為試驗(yàn)因素,，以胚面定向成功率為評價(jià)指標(biāo),，進(jìn)行了三因素三水平的Box-Behnken旋轉(zhuǎn)正交試驗(yàn),。試驗(yàn)結(jié)果表明：控制器輸出電壓101V、翻面機(jī)構(gòu)1終點(diǎn)到側(cè)壁的垂直距離4.38mm、翻面機(jī)構(gòu)1終點(diǎn)到軌道表面的垂直距離7.96mm為最優(yōu)參數(shù)組合,。在最優(yōu)參數(shù)組合條件下,，胚面定向成功率為94.82%，且排料速度可達(dá)85個/min,。為驗(yàn)證玉米種子胚面定向裝置對不同品種玉米的適應(yīng)性,，進(jìn)行了品種適應(yīng)性試驗(yàn)，試驗(yàn)結(jié)果表明所選的玉米品種的胚面定向成功率均大于91%,，滿足設(shè)計(jì)要求,。

摘要:為了探究氣力輸送中顆粒飼料的破損機(jī)理，針對當(dāng)前缺乏顆粒飼料準(zhǔn)確破損仿真模型的問題,，利用EDEM仿真軟件進(jìn)行顆粒飼料破損離散元仿真參數(shù)標(biāo)定研究,。以粒徑為250mm混養(yǎng)成魚顆粒飼料為研究對象，通過基礎(chǔ)試驗(yàn)測定了顆粒飼料本征參數(shù),；通過顆粒飼料休止角試驗(yàn),、碰撞恢復(fù)系數(shù)標(biāo)定試驗(yàn)和落料時(shí)間，結(jié)合試驗(yàn)優(yōu)化設(shè)計(jì)方法,，確定了飼料間的碰撞恢復(fù)系數(shù),、靜摩擦因數(shù)、滾動摩擦因數(shù)為0.58,、0.23,、0.12，飼料和軟塑料（軟PVC）間的碰撞恢復(fù)系數(shù),、靜摩擦因數(shù),、滾動摩擦因數(shù)為0.69、0.22,、0.18,；通過顆粒飼料單軸壓縮破碎試驗(yàn)和仿真試驗(yàn)，結(jié)合響應(yīng)面優(yōu)化確定了單位面積法向剛度,、單位面積切向剛度,、臨界法向應(yīng)力、臨界切向應(yīng)力,，分別為2.25×109N/m3,、8.05×108N/m3,、455MPa、305MPa,。以確定的參數(shù)進(jìn)行休止角仿真試驗(yàn),、單軸壓縮仿真試驗(yàn)，結(jié)果表明,，休止角,、破碎力、落料時(shí)間的仿真值與實(shí)測值相對誤差分別為0.35%,、1.43%,、2.81%；通過自由落料,、斜面滑動,、斜面滾動試驗(yàn)對粘結(jié)模型接觸參數(shù)進(jìn)行驗(yàn)證，結(jié)果表明,，粘結(jié)模型接觸參數(shù)設(shè)置合理,。

摘要:包膜肥料是在粒狀水溶性肥料表面涂覆半透水性或不透水性物質(zhì),，養(yǎng)分通過包膜的微孔、縫隙慢慢釋放出來,，節(jié)肥增效作用顯著,。包膜肥料的養(yǎng)分釋放特性與包膜層材料、結(jié)構(gòu)緊密相關(guān),，目前常用的排肥器在排施肥料過程中會對肥料顆粒造成不同程度的機(jī)械損傷,，導(dǎo)致包膜層破壞。為設(shè)計(jì)適用于包膜肥料無損排施的排肥器,，同時(shí)縮短研發(fā)周期,，采用離散元軟件中的Bonding模型建立肥料顆粒仿真模型。為提高仿真精度,，需對Bonding模型進(jìn)行參數(shù)標(biāo)定,。首先通過單軸壓縮試驗(yàn)得到包膜肥料顆粒的實(shí)際極限破碎位移和極限破碎載荷，在離散元軟件中以此為目標(biāo)依次通過Placket-Burman試驗(yàn),、Steepest ascent試驗(yàn)和Box-Behnken試驗(yàn)確定最優(yōu)的Bonding模型參數(shù)組合,。最優(yōu)條件下單軸壓縮試驗(yàn)表明，極限破碎位移和極限破碎載荷與實(shí)際值的相對誤差分別為0.222%,、0.554%,。借助外槽輪排肥器驗(yàn)證所得標(biāo)定參數(shù)組合的可靠性,，以肥料顆粒破碎率為指標(biāo)，得到實(shí)際與仿真中肥料顆粒破碎率相對誤差不大于11.40%,，滿足施肥機(jī)械設(shè)計(jì)參數(shù)優(yōu)化需求，可為研究包膜肥料顆粒機(jī)械破碎機(jī)理,、優(yōu)化設(shè)計(jì)無損排施的新型排肥器提供參考,。

摘要:針對傳統(tǒng)植保噴桿噴霧機(jī)作業(yè)時(shí)各噴頭以同等藥量噴灑的方式導(dǎo)致農(nóng)藥浪費(fèi),、利用率低和污染環(huán)境等問題，以生長前期的小麥為研究對象,，設(shè)計(jì)一種基于北斗定位系統(tǒng)和機(jī)器視覺的小麥變量噴霧作業(yè)系統(tǒng),。通過雙平面高度投影法完成對感興趣區(qū)域獲取，研究了速度,、植株密度對噴霧的影響,，提出變量噴霧流量的控制方法。在定位系統(tǒng)規(guī)劃的目標(biāo)區(qū)域內(nèi),，通過機(jī)器視覺處理實(shí)現(xiàn)變量噴霧,，試驗(yàn)結(jié)果表明，相同機(jī)組速度下,，植株密度稀疏區(qū)相對植株密度正常區(qū)的平均霧滴覆蓋率平均減少12.06%,；相同植株密度下機(jī)組前進(jìn)速度0.75m/s相對1.50m/s的平均霧滴覆蓋率平均增加3.94%。在滿足噴霧標(biāo)準(zhǔn)的情況下,，可以在不同速度,、不同植株密度下實(shí)現(xiàn)變量噴霧。為驗(yàn)證目標(biāo)區(qū)域邊界行駛速度對等級變換準(zhǔn)確度,，進(jìn)行定位傳感器實(shí)時(shí)判斷在目標(biāo)區(qū)域邊界噴頭相對位置并控制開閉,，試驗(yàn)結(jié)果表明，在行駛速度為0.50m/s時(shí)準(zhǔn)確度最高,，區(qū)域邊界行駛超出量誤差平均值為48.72cm,；為驗(yàn)證行駛方式對噴霧等級變換準(zhǔn)確度的影響，使用北斗定位系統(tǒng)在目標(biāo)區(qū)域邊界開展行駛方式對噴霧等級變換準(zhǔn)確度的影響試驗(yàn),，試驗(yàn)結(jié)果表明,，駛?cè)肽繕?biāo)區(qū)域超出量誤差平均值為7.20cm。

摘要:針對甘蔗橫向種植對落種質(zhì)量要求高的問題,，基于有效落種空間形成條件,，設(shè)計(jì)了一種組合式甘蔗橫向種植開溝器，主要由防漏犁,、旋耕部件和開溝犁構(gòu)成,。通過分析落種運(yùn)動與土壤運(yùn)動規(guī)律，確定影響落種效果的因素以及各關(guān)鍵部件的結(jié)構(gòu)參數(shù),。以旋耕轉(zhuǎn)速,、工作深度和前進(jìn)速度為試驗(yàn)因素，以有效落種深度,、旋耕功耗和開溝阻力為試驗(yàn)指標(biāo)開展田間正交試驗(yàn),，探究作業(yè)參數(shù)對開溝器性能的影響規(guī)律。試驗(yàn)結(jié)果表明,，工作深度對有效落種深度,、旋耕功耗和開溝阻力有極顯著影響；旋耕轉(zhuǎn)速對旋耕功耗有極顯著影響,；前進(jìn)速度對旋耕功耗有顯著性影響,。使用較優(yōu)作業(yè)參數(shù)組合進(jìn)行驗(yàn)證性試驗(yàn)的結(jié)果表明，在旋耕轉(zhuǎn)速為200r/min,、工作深度為30cm和前進(jìn)速度為1.20m/s時(shí),，有效落種深度為29.9cm，落種深度穩(wěn)定性系數(shù)為97.6%,，覆土厚度為8.8cm,，浮土厚度為3.4cm，旋耕功耗為34.0kW,，單側(cè)開溝阻力為14.1kN,，開溝器性能指標(biāo)滿足甘蔗橫向種植的落種要求。

摘要:壓力脈動是影響水泵水輪機(jī)運(yùn)行穩(wěn)定性的主要因素。現(xiàn)有研究更多關(guān)注高頻壓力脈動的頻域和傳播特性,，而小于葉頻的低頻也是壓力脈動的主要來源,。采用試驗(yàn)方法研究壓力脈動可以得到更準(zhǔn)確的結(jié)果，不易遺漏主要頻率成分,。通過從蝸殼到尾水管布置不同的壓力脈動監(jiān)測點(diǎn),，采用試驗(yàn)方法研究了水泵水輪機(jī)分別在水輪機(jī)和水泵工況時(shí)，過流部件內(nèi)壓力脈動高頻成分和低頻成分的上下游傳播特性,。結(jié)果表明,，水輪機(jī)和水泵工況下,，無葉區(qū)壓力脈動幅值最大，主頻為葉頻及其倍頻,，向上下游傳播時(shí),，急劇減少，傳播性較弱,；壓力脈動幅值較小的轉(zhuǎn)頻,，向上下游傳播時(shí)衰減較少，具有較強(qiáng)的傳播性,；其它監(jiān)測點(diǎn)處小于葉頻的頻率成分增加,。水輪機(jī)工況時(shí),，形成于蝸殼進(jìn)口和錐管處小于轉(zhuǎn)頻的低頻頻率,，具有較強(qiáng)的傳播性，而轉(zhuǎn)輪可以削減其傳播能力,。水泵工況時(shí),，小于葉頻的頻率成分大多在無葉區(qū)最大，向上下游傳播時(shí)有所衰減,；低頻f/fn=0.006具有較強(qiáng)的上下游傳播特性,，偏離最優(yōu)工況時(shí)，向上游傳播會有所增強(qiáng),；轉(zhuǎn)頻的倍頻f/fn=3的壓力脈動幅值較小,，但在整個流道中無衰減。

摘要:準(zhǔn)確識別地表變化的時(shí)空信息，有助于探究地表自然環(huán)境和生態(tài)系統(tǒng)發(fā)展演變的規(guī)律,，支撐相關(guān)的科研與行政管理工作,。本文以河南某生態(tài)保護(hù)修復(fù)工程部分實(shí)施范圍為研究區(qū)域，基于Google Earth Engine（GEE）云平臺,，以2013—2020年的98景Landsat8/OLI遙感影像作為數(shù)據(jù)源,，應(yīng)用Breaks for additive season and trend（BFAST）算法對地表變化進(jìn)行了信息提取和制圖。首先基于GEE云平臺對Landsat8/OLI地表反射率數(shù)據(jù)集進(jìn)行調(diào)用和預(yù)處理,，基于CFMask算法對遙感數(shù)據(jù)集進(jìn)行云影掩膜,，開展光譜指數(shù)（植被指數(shù)NDVI）的計(jì)算以及時(shí)間序列數(shù)據(jù)集的構(gòu)建。其次基于時(shí)序數(shù)據(jù)集與BFAST算法構(gòu)建由趨勢項(xiàng),、季節(jié)項(xiàng)和殘差項(xiàng)組成的廣義線性回歸模型,，通過最小二乘法求解模型中的未知參數(shù)集,，以此進(jìn)一步構(gòu)建時(shí)序擬合模型，而后基于殘差的Moving sums（MOSUM）方法對時(shí)序結(jié)構(gòu)變化進(jìn)行檢測,。最后從檢測結(jié)果中抽取像元樣點(diǎn),，通過與Google Earth高分辨率影像數(shù)據(jù)疊置和目視解譯，開展結(jié)果驗(yàn)證和精度評價(jià),。結(jié)果表明,，本文提出的方法在研究區(qū)的時(shí)序地表變化檢測中具有較高的檢測精度（總體精度為83.7%，2018—2020年分年度檢測結(jié)果精度分別為86.5%,、80.7%,、87.7%）。本文提出的方法是遙感大數(shù)據(jù)庫構(gòu)建,、地表生態(tài)信息近實(shí)時(shí)變化擾動識別和監(jiān)測等技術(shù)的一種基礎(chǔ)方法,，能夠?qū)量臻g生態(tài)保護(hù)修復(fù)調(diào)查監(jiān)測和評估預(yù)警等工作提供技術(shù)支撐和決策支持。

摘要:為揭示耕地利用轉(zhuǎn)型的碳排放時(shí)空分異特征,，以松花江流域哈爾濱段為例,，基于網(wǎng)格單元法和碳排放系數(shù)，測度1990—2020年耕地利用轉(zhuǎn)型的碳排放強(qiáng)度,，并借助重心分析,、探索性空間數(shù)據(jù)分析、冷熱點(diǎn)分析工具和地理探測器等研究方法揭示耕地利用轉(zhuǎn)型的碳排放空間異質(zhì)性與形成機(jī)理,。結(jié)果表明：1990—2020年耕地面積呈下降趨勢,，耕地與建設(shè)用地、林地之間的轉(zhuǎn)型最為劇烈,，耕地主要轉(zhuǎn)型為建設(shè)用地,。1990—2020年耕地利用轉(zhuǎn)型碳排放量呈上升趨勢，由1990—2000年的3704.12t增加到2010—2020年的35656.29t,，增加了近8.63倍,，耕地利用轉(zhuǎn)型碳排放最終呈現(xiàn)為碳源形式。1990—2020年耕地利用轉(zhuǎn)型碳排放重心基本保持穩(wěn)定,，向東移動了15.17km,，其中1990—2010年重心移動距離最大，呈現(xiàn)東北地區(qū)碳排放惡化,，而西南地區(qū)碳排放明顯改善的特點(diǎn),。1990—2020年耕地利用轉(zhuǎn)型碳排放非隨機(jī)分布，具有較強(qiáng)的空間集聚性，熱點(diǎn)區(qū)主要圍繞南崗區(qū)向周圍邊界擴(kuò)散,，冷點(diǎn)區(qū)零星點(diǎn)狀分布在東南部地區(qū),。與城鎮(zhèn)中心距離是耕地利用轉(zhuǎn)型碳排放的主控因子，各因子之間交互作用以雙因子增強(qiáng)為主,，其中土地利用程度與年平均降水量,、與城鎮(zhèn)中心距離之間的相互作用解釋力較強(qiáng)，耕地利用轉(zhuǎn)型碳排放空間分異特征是多因子共同作用的結(jié)果,。

摘要:為探究同化遙感數(shù)據(jù)對監(jiān)測區(qū)域尺度土壤含鹽量時(shí)空信息的適用性,，以河套灌區(qū)沙壕渠灌域?yàn)檠芯繀^(qū),，以高分一號衛(wèi)星影像為數(shù)據(jù)源，通過灰度關(guān)聯(lián)法篩選光譜指數(shù),，采用嶺回歸法構(gòu)建不同深度的土壤含鹽量反演模型,，使用集合卡爾曼濾波同化算法將遙感數(shù)據(jù)應(yīng)用于HYDRUS-1D模型中,，開展區(qū)域尺度不同深度土壤含鹽量的同化研究,。結(jié)果表明，基于不同深度土壤含鹽量的嶺回歸法模型,，其R2均在0.64以上,，RE為0.14~0.22，反演精度較高,，得到的反演值較為準(zhǔn)確,；在單點(diǎn)尺度上，與模擬值,、反演值相比,，同化值更接近實(shí)測值，其EFF為0.84~0.93,，NER為0.61~0.73,，均為正數(shù)，且RMSE降低到0.006%~0.011%,，提高了HYDRUS-1D模型模擬精度,；在區(qū)域尺度上，不同深度同化值的r均為0.94以上,，NER為0.61以上,，優(yōu)于模擬值和反演值，且同化精度隨著深度的增加而降低。本文基于遙感數(shù)據(jù)和HYDRUS-1D模型的集合卡爾曼濾波同化研究,，提高了土壤含鹽量的模擬精度,，對提高監(jiān)測區(qū)域尺度土壤含鹽量時(shí)空信息的精度具有一定的參考價(jià)值。

摘要:針對當(dāng)前快速準(zhǔn)確獲取葉面積指數(shù)（Leaf area index,，LAI）時(shí)大部分遙感預(yù)測方法將光譜信息作為模型主要特征,，忽略時(shí)序變化特征的問題，利用無人機(jī)搭載五通道多光譜相機(jī)獲取研究區(qū)玉米不同生育期的影像數(shù)據(jù),，基于該數(shù)據(jù)計(jì)算玉米相應(yīng)生育期植被指數(shù),，然后采用植被指數(shù)建立各生育期子模型，采用Shapley理論計(jì)算子模型均方根誤差對全生育期模型均方根誤差的貢獻(xiàn)度,，從而確定各子模型權(quán)重,，根據(jù)權(quán)重組合形成具有LAI時(shí)序變化特征的估算模型，分別基于支持向量回歸（SVR）,、多層感知機(jī)（MLP）,、隨機(jī)森林（RF）和極限梯度提升樹（XGBoost）算法構(gòu)建組合估算模型。結(jié)果表明：采用Shapley理論構(gòu)建的組合LAI估算模型估算效果優(yōu)于直接構(gòu)建的全生育期LAI估算模型,。相較于SVR-Shapley,、MLP-Shapley以及RF-Shapley模型，XGBoost-Shapley模型的估算效果最佳（R2為0.97,，RMSE為0.021,，RPD為6.9）。將最優(yōu)模型XGBoost-Shapley應(yīng)用于研究區(qū)LAI預(yù)測,，預(yù)測結(jié)果符合不同生育期玉米長勢,。本研究為大田玉米長勢遙感監(jiān)測提供了新的思路和方法。

摘要:為解決遙感圖像河流精細(xì)化提取問題，提出一種改進(jìn)LinkNet模型的分割網(wǎng)絡(luò)(AFR-LinkNet),。AFR-LinkNet在LinkNet基礎(chǔ)上引入了殘差通道注意力結(jié)構(gòu),、非對稱卷積模塊以及密集跳躍連接結(jié)構(gòu)，并用視覺激活函數(shù)FReLU替換ReLU激活函數(shù)。殘差通道注意力結(jié)構(gòu)可以強(qiáng)化對分割任務(wù)有效的特征,，以提高模型的分類能力,，得到更多的細(xì)節(jié)信息。利用非對稱卷積模塊進(jìn)行模型壓縮和加速,。使用FReLU激活函數(shù)提升網(wǎng)絡(luò)提取遙感圖像河流的精細(xì)空間布局,。在寒旱區(qū)河流數(shù)據(jù)集上的實(shí)驗(yàn)結(jié)果表明，AFR-LinkNet網(wǎng)絡(luò)相較于FCN,、UNet,、ResNet50、LinkNet,、DeepLabv3+ 網(wǎng)絡(luò)交并比分別提高了26.4,、22.7、17.6,、12.0,、9.7個百分點(diǎn)，像素準(zhǔn)確率分別提高了25.9,、22.5,、13.2、10.5,、7.3個百分點(diǎn);引入非對稱卷積模塊后,，交并比提高了5.1個百分點(diǎn)，像素準(zhǔn)確率提高了2.9個百分點(diǎn),，在此基礎(chǔ)上引入殘差通道注意力結(jié)構(gòu)之后,，交并比又提高了2.2個百分點(diǎn),，像素準(zhǔn)確率提高了2.3個百分點(diǎn),，證明了其對河流細(xì)節(jié)識別效果更好。

摘要:針對玉米種子在外觀品質(zhì)檢測中需要快速識別與定位的需求，提出了一種基于改進(jìn)YOLO v4的目標(biāo)檢測模型,，同時(shí)結(jié)合四通道（RGB+NIR）多光譜圖像,，對玉米種子外觀品質(zhì)進(jìn)行了識別與分類。為了減少改進(jìn)后模型的參數(shù)量,，本文將主干特征提取網(wǎng)絡(luò)替換為輕量級網(wǎng)絡(luò)MobileNet V1,。為了進(jìn)一步提升模型的性能，通過試驗(yàn)研究了空間金字塔池化（Spatial pyramid pooling, SPP）結(jié)構(gòu)在不同位置上對模型性能的影響，最終選取改進(jìn)YOLO v4-MobileNet V1模型對玉米種子外觀品質(zhì)進(jìn)行檢測,。試驗(yàn)結(jié)果表明,，模型的綜合評價(jià)指標(biāo)平均F1值和mAP達(dá)到93.09%和98.02%，平均每檢測1幅圖像耗時(shí)1.85s,，平均每檢測1粒玉米種子耗時(shí)0.088.s,，模型參數(shù)量壓縮為原始模型的20%。四通道多光譜圖像的光譜波段可擴(kuò)展到可見光范圍之外,，并能夠提取出更具有代表性的特征信息,，并且改進(jìn)后的模型具有魯棒性強(qiáng)、實(shí)時(shí)性好,、輕量化的優(yōu)點(diǎn),，為實(shí)現(xiàn)種子的高通量質(zhì)量檢測和優(yōu)選分級提供了參考。

摘要:針對油茶果體積小,、分布密集、顏色多變等特點(diǎn),，為實(shí)現(xiàn)自然復(fù)雜場景下油茶果的快速精準(zhǔn)定位,，并依據(jù)果實(shí)的疏密分布，確定恰當(dāng)?shù)淖詣诱袷幉墒昭b置夾持位置,，利用YOLO v5s卷積神經(jīng)網(wǎng)絡(luò)模型,，開展了自然環(huán)境下油茶果圖像檢測方法研究，用3296幅油茶果圖像制作PASCAL VOC的數(shù)據(jù)集,，對網(wǎng)絡(luò)進(jìn)行了150輪訓(xùn)練,，得到的最優(yōu)權(quán)值模型準(zhǔn)確率為90.73%，召回率為98.38%,，綜合評價(jià)指標(biāo)為94.4%,，平均檢測精度為98.71%，單幅圖像檢測時(shí)間為12.7ms,，模型占內(nèi)存空間為14.08MB,。與目前主流的一階檢測算法YOLO v4-tiny和RetinaNet相比，其精確率分別提高了1.99個百分點(diǎn)和4.50個百分點(diǎn),，召回率分別提高了9.41個百分點(diǎn)和10.77個百分點(diǎn),，時(shí)間分別降低了96.39%和96.25%。同時(shí)結(jié)果表明,，該模型對密集,、遮擋,、昏暗環(huán)境和模糊虛化情況下的果實(shí)均能實(shí)現(xiàn)高精度識別與定位，具有較強(qiáng)的魯棒性,。研究結(jié)果可為自然復(fù)雜環(huán)境下油茶果機(jī)械采收及小目標(biāo)檢測等研究提供借鑒,。

摘要:針對模糊水下圖像增強(qiáng)后輸入魚類檢測模型精度降低的問題,，提出了模糊水下圖像多增強(qiáng)與輸出混合的魚類檢測方法。利用多種圖像增強(qiáng)方法對模糊的水下圖像進(jìn)行增強(qiáng),，將增強(qiáng)后的圖像分別輸入魚類檢測模型得到多個輸出,，對多個輸出進(jìn)行混合，然后利用非極大抑制方法對混合結(jié)果進(jìn)行后處理,，獲得最終檢測結(jié)果,。YOLO v3、YOLO v4 tiny和YOLO v4模型的試驗(yàn)結(jié)果表明,，對比原始圖像的檢測結(jié)果,，本文方法的檢測精度分別提高了2.15、8.35,、1.37個百分點(diǎn),；魚類檢測數(shù)量分別提高了15.5%、49.8%,、12.7%,，避免了模糊水下圖像增強(qiáng)后輸入魚類檢測模型出現(xiàn)精度降低的問題，提高了模型檢測能力,。

摘要:針對水稻稻縱卷葉螟和二化螟成蟲圖像識別中自動化程度較低的問題,，引入目標(biāo)檢測算法YOLO v5對監(jiān)測設(shè)備和誘捕器上的稻縱卷葉螟和二化螟成蟲進(jìn)行識別與計(jì)數(shù)。依據(jù)稻縱卷葉螟和二化螟的生物習(xí)性,，采用自主研發(fā)的水稻害蟲誘集與拍攝監(jiān)測裝置,，自動獲取稻縱卷葉螟和二化螟成蟲圖像，并與三角形誘捕器和蟲情測報(bào)燈誘捕拍攝的稻縱卷葉螟和二化螟成蟲圖像共同構(gòu)建水稻害蟲圖像數(shù)據(jù)集,；采用左右翻轉(zhuǎn),、增加對比度,、上下翻轉(zhuǎn)的方式增強(qiáng)圖像數(shù)據(jù)集；對比了不同訓(xùn)練模型對三角形誘捕器和監(jiān)測設(shè)備誘捕拍攝的水稻害蟲圖像的檢測性能,，并對比稻縱卷葉螟成蟲不同訓(xùn)練樣本量對識別結(jié)果的影響,，用精確率、召回率,、F1值,、平均精度評估各模型的差異。測試結(jié)果表明,，測試集圖像為三角形誘捕器和監(jiān)測設(shè)備誘捕拍攝蟲害圖像時(shí),，稻縱卷葉螟識別的精確率和召回率分別達(dá)到91.67%和98.30%，F(xiàn)1值達(dá)到94.87%,，二化螟識別的精確率和召回率分別達(dá)到93.39%和98.48%,，F(xiàn)1值達(dá)到95.87%。不同采樣背景,、設(shè)備構(gòu)建的多源水稻害蟲圖像數(shù)據(jù)集可以提高模型對水稻害蟲識別的準(zhǔn)確性,。基于YOLO v5算法設(shè)計(jì)的水稻害蟲識別計(jì)數(shù)模型能夠達(dá)到較高的識別準(zhǔn)確率,，可以用于稻縱卷葉螟和二化螟成蟲的田間種群監(jiān)測,。

摘要:針對番茄葉片型病害在早晚期具有類內(nèi)差異大、類間差異小的特點(diǎn),，常規(guī)神經(jīng)網(wǎng)絡(luò)對此類病害的分類效果不佳的問題,，提出了基于Res2Net和雙線性注意力的番茄病害時(shí)期識別方法，通過多尺度特征和注意力機(jī)制,，提高網(wǎng)絡(luò)的細(xì)粒度表征能力,。首先，提出EFCA通道注意力模塊,，在不降維的基礎(chǔ)上,，使用二維離散余弦變換代替全局平均池化，以減少常規(guī)通道注意力獲取時(shí)的信息丟失,。其次,，在外積之后加入最大池化和concat操作，避免雙線性融合后因維度過高導(dǎo)致的特征冗余,。在7種不同種類和14種不同程度病害番茄葉面型病害數(shù)據(jù)集實(shí)驗(yàn)中,，本文方法分類準(zhǔn)確度分別為98.66%和86.89%,。

摘要:針對現(xiàn)有封閉式種豬性能測定站自動化程度不高,、無法提供種豬體尺信息等問題，設(shè)計(jì)了一種集種豬自動識別,、體質(zhì)量自動稱量,、采食量自動統(tǒng)計(jì)、體尺自動測量于一體的封閉式種豬性能測定站,。該系統(tǒng)機(jī)械部分采用前后端分離設(shè)計(jì),，通過設(shè)計(jì)采食門裝置和門禁裝置為種豬提供封閉測量環(huán)境，在此基礎(chǔ)上,，基于FIR濾波設(shè)計(jì)了種豬體質(zhì)量動態(tài)稱量算法,，基于橢圓擬合設(shè)計(jì)了種豬理想姿態(tài)篩選算法，并進(jìn)一步提出了基于包絡(luò)分析的種豬體尺測量算法,。分別進(jìn)行了利用實(shí)際豬群模擬種豬生長性能驗(yàn)證試驗(yàn)和體尺測量試驗(yàn),，試驗(yàn)驗(yàn)證結(jié)果如下： 生長性能試驗(yàn)豬群自由采食日均次數(shù)8.94次、日均采食時(shí)間92.93min,、群體料肉比2.66,，Logistic擬合的生長曲線拐點(diǎn)日齡為126.18d、拐點(diǎn)體質(zhì)量72.70kg,，符合豬群的生長規(guī)律,；體尺測量試驗(yàn)中豬群能夠篩選出理想姿態(tài)幀，體長,、體寬,、臀寬、體高,、臀高等體尺的平均相對檢測誤差分別為3.69%,、2.53%、2.60%,、2.59%,、2.17%，滿足體尺測量要求,。試驗(yàn)結(jié)果表明,，本文設(shè)計(jì)的封閉式種豬性能測定站可用于種豬的生產(chǎn)性能測定，能夠同時(shí)提供種豬體質(zhì)量,、采食量和體尺等信息,，提高育種效率。

摘要:為結(jié)合環(huán)境因素進(jìn)行植物根系三維建模，分析根系生長機(jī)理,，提出了一種模擬根系與環(huán)境交互的動態(tài)生長可視化算法,。該算法以根尖與環(huán)境的交互為主導(dǎo)，首先計(jì)算每個根尖吸收到的養(yǎng)分含量,，再根據(jù)內(nèi)部資源分配機(jī)制并采用環(huán)境影響的縮放函數(shù)調(diào)節(jié)根尖的伸長率與側(cè)根密度,，同時(shí)結(jié)合所受到的向性與障礙物的阻擋因素，實(shí)時(shí)調(diào)整生長方向,。提供了根莖形狀與根系整體形態(tài)的控制方法,，包括編輯根莖形狀的模板曲線、設(shè)定資源分配權(quán)重和向性權(quán)重等,。對不同類型的根系,，以及不同土壤環(huán)境下（包括各種養(yǎng)分分布、障礙物與盆壁影響）的根系進(jìn)行了模擬實(shí)驗(yàn),。實(shí)驗(yàn)結(jié)果表明,，所提出的算法具有為多類植物根系建模的泛化能力，并且能夠合理地表現(xiàn)與環(huán)境的交互過程,。

摘要:為解決水培生菜包裝前分選機(jī)械化程度低,、分選任務(wù)重的問題,，結(jié)合深度學(xué)習(xí)方法設(shè)計(jì)了一種異常水培生菜自動分選系統(tǒng)。該系統(tǒng)由信息感知,、信息處理以及分選動作執(zhí)行3個子系統(tǒng)組成,。根據(jù)水培生菜異常葉片與正常葉片間差異性進(jìn)行水培生菜分類，采用從下向上的三攝像頭配合拍攝方式進(jìn)行圖像信息感知,，并基于語義分割DeepLabV3+深度學(xué)習(xí)網(wǎng)絡(luò)實(shí)現(xiàn)水培生菜圖像信息實(shí)時(shí)處理,，其處理性能為：平均聯(lián)合交并比達(dá)83.26%，像素精度為99.24%,，單幅圖像處理時(shí)間為（193.4±4)ms,。為便于實(shí)現(xiàn)異常水培生菜分選，基于水培生菜的表型及采收模式,，設(shè)計(jì)了一種托架式異常水培生菜分選執(zhí)行子系統(tǒng),，并以橫向支撐桿角度,、縱向支撐桿角度和步進(jìn)電機(jī)轉(zhuǎn)速為試驗(yàn)因素，以分選動作執(zhí)行子系統(tǒng)的分選成功率為評價(jià)指標(biāo),，設(shè)計(jì)二次正交旋轉(zhuǎn)組合試驗(yàn),。建立了各因素與指標(biāo)間回歸數(shù)學(xué)模型，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,。獲得參數(shù)最優(yōu)組合為：橫向支撐桿角度146°,、縱向支撐角度150°、步進(jìn)電機(jī)轉(zhuǎn)速11r/min,。依據(jù)參數(shù)最優(yōu)組合進(jìn)行性能試驗(yàn),，得到分選動作執(zhí)行子系統(tǒng)的分選成功率為98%，異常水培生菜自動分選系統(tǒng)的分選成功率為95%,，滿足生菜冷藏運(yùn)輸技術(shù)標(biāo)準(zhǔn)要求,。

摘要:森林中線,、面特征較少等，導(dǎo)致LOAM算法去畸變及配準(zhǔn)精度低,、魯棒性差,，很難將該算法直接用于森林調(diào)查。為此以LOAM算法為基礎(chǔ)設(shè)計(jì)了LiDAR SLAM森林樣地調(diào)查系統(tǒng),，在SLAM系統(tǒng)工作流程中剔除了遮擋線特征,，避免視點(diǎn)與立木切線點(diǎn)作為線特征參與運(yùn)算；引入二次去畸變,、二次配準(zhǔn)等模塊提高了去畸變,、配準(zhǔn)的魯棒性及精度；該系統(tǒng)將激光雷達(dá)測量精度,、位姿估計(jì)精度等先驗(yàn)信息引入去畸變及配準(zhǔn)優(yōu)化算法中,，提高去畸變及配準(zhǔn)精度。使用32線激光雷達(dá)掃描了4塊32m×32m的森林樣地,，利用LiDAR SLAM森林樣地調(diào)查系統(tǒng)完成樣地建圖,，利用該點(diǎn)云提取的立木位置及胸徑與參考數(shù)據(jù)對比，完成了新型SLAM樣地調(diào)查系統(tǒng)在森林中建圖精度的間接評估,。結(jié)果顯示：立木位置估計(jì)值在x,、y軸方向的平均誤差分別為-0.004m和-0.011m，x、y軸方向均方根誤差分別為0.081m和0.083m,；胸徑估計(jì)值的偏差為0.25cm（相對偏差為1.18%）,，均方根誤差為1.03cm（相對均方根誤差為5.53%）；經(jīng)與LOAM估計(jì)結(jié)果相比,，改進(jìn)系統(tǒng)獲取的立木位置及胸徑精度均提高,。結(jié)果表明,，所設(shè)計(jì)的LiDAR SLAM森林樣地調(diào)查系統(tǒng)可用于多線激光雷達(dá)掃描森林樣地?cái)?shù)據(jù)的處理,，是一種可精確進(jìn)行森林樣地調(diào)查的解決方案。

摘要:極化干涉合成孔徑雷達(dá)（PolInSAR）估測森林結(jié)構(gòu)參數(shù)中，數(shù)據(jù)受基線長度,、信噪比,、環(huán)境地形以及雷達(dá)波長的影響，尤其在復(fù)雜森林環(huán)境條件下,，會導(dǎo)致觀測到的復(fù)相干存在誤差,，從而影響最終的反演結(jié)果。為解決此問題,，首先探討了體相干選擇對RVoG三階段森林冠層高度反演的影響,，以地相位為參考逐像素選擇距離地相位最遠(yuǎn)的相干性作為體相干。其次改進(jìn)了地相位估計(jì)方法,，采用戴明回歸(DMR)和正交回歸(OGR)2種相干直線擬合方法來改進(jìn)地相位的估計(jì),，并在DMR擬合方法中設(shè)置了不同的誤差比（0.3和0.6）來比較地相位估計(jì)方法對RVoG三階段森林冠層高度反演的影響。研究結(jié)果表明:以地相位為參考逐像素選擇體相干的反演結(jié)果相較于直接使用HV極化通道的復(fù)相干γHV為體相干的反演精度有明顯提升,，決定系數(shù)（R2）由0.349增加到0.383,，均方誤差由7.097m2降低到5.755m2。在體相干優(yōu)化選擇的基礎(chǔ)上,，采用了戴明回歸和正交回歸對地相位估計(jì)方法進(jìn)行了改進(jìn),。表明基于最小二乘回歸(LSR)地相位估計(jì)的RVoG三階段反演精度最低，采用DMR和OGR進(jìn)行相干線擬合的反演精度相較于LSR均有一定提升,，所有反演結(jié)果的決定系數(shù)（R2）均在0.440左右,，均方誤差（MSE）均降低了2m2左右。研究結(jié)果說明采用RVoG三階段方法反演森林冠層高度時(shí),，在復(fù)相干存在誤差的情況下,，用傳統(tǒng)最小二乘回歸(LSR)估計(jì)地相位進(jìn)行高度反演會對結(jié)果帶來一定誤差，通過其他相干直線擬合方法來克服復(fù)相干誤差的影響能改善最終的森林冠層高度反演結(jié)果，以地相位為參考選擇體相干的反演方法也更為合理,。

摘要:基于建三江墾區(qū)1995—2018年逐日氣象數(shù)據(jù),，采用Penman-Monteith公式結(jié)合單作物系數(shù)法計(jì)算其主要作物水稻、玉米,、大豆生育期的需水量,，利用去趨勢預(yù)置白（TFPW）的Mann-Kendall（TFPW-MK）研究3種作物需水量變化特征，并通過重標(biāo)極差（R/S）分析法預(yù)測作物未來需水量變化趨勢,；借助通徑分析法研究6個氣象因子與作物需水量的相關(guān)性,，識別了作物需水量變化的關(guān)鍵影響因子，并分析了關(guān)鍵影響因子變化與作物需水量變化趨勢間的關(guān)系,。結(jié)果表明：建三江墾區(qū)主要作物水稻,、玉米、大豆全生育期需水量存在顯著差異,，3種作物多年平均需水量分別為484,84,、425,91、319,11mm,；影響水稻,、玉米和大豆需水量的關(guān)鍵影響因子為平均氣溫、凈輻射和日照時(shí)長,，對作物需水量有明顯增進(jìn)作用,；風(fēng)速、相對濕度通過與其他因子協(xié)同作用對作物需水量有一定限制作用,；在1995—2018年時(shí)間序列中,，水稻和大豆的全生育期作物需水量呈上升趨勢，玉米的全生育期需水量呈下降趨勢,；未來,，水稻和大豆全生育期需水量呈上升趨勢，玉米全生育期需水量呈降低趨勢,。研究可為該墾區(qū)作物灌溉水量分配和灌溉制度的制定提供決策依據(jù),。

摘要:為探明不同濃度氮肥溶液磁化前后土壤入滲特征和水氮遷移規(guī)律，采用恒定磁場強(qiáng)度300mT對質(zhì)量濃度分別為0,、0.4,、0.7、1.1g/L的硝酸鉀溶液進(jìn)行磁化處理,，以未磁化處理為對照,，測定各處理溶液的電導(dǎo)率、pH值,、溶氧量、表面張力,、累積入滲量,、濕潤鋒運(yùn)移距離和入滲后不同土壤剖面水氮遷移分布。試驗(yàn)結(jié)果表明：磁化處理溶液溶氧量顯著提高,，電導(dǎo)率和表面張力顯著減小,，并隨溶液濃度變化有顯著影響，但對pH值無顯著影響,。氮肥溶液磁化入滲增大了相同入滲時(shí)間內(nèi)的濕潤鋒運(yùn)移距離和累積入滲量,，Philip、Green-Ampt,、一維代數(shù)入滲模型擬合所得參數(shù)土壤吸滲率S,、飽和導(dǎo)水率Ks以及有效土壤水?dāng)U散率D-均增大，濕潤峰處的土壤水吸力Sf,、土壤水分特征曲線和非飽和導(dǎo)水率綜合形狀系數(shù)m均減小,，增滲效果隨氮肥溶液濃度增大而增大。磁化氮肥溶液可提高土壤持水能力,，且隨溶液濃度增大持水能力增強(qiáng),，一維代數(shù)入滲公式可較好描述不同磁場強(qiáng)度下各濃度溶液土壤入滲結(jié)束時(shí)的土壤含水率分布情況。氮肥溶液和磁化作用對土壤硝態(tài)氮含量的影響呈顯著正相關(guān)關(guān)系,，二者共同作用下,，磁化高濃度溶液硝態(tài)氮含量最高，這有利于土壤無機(jī)氮素的保持,。

摘要:為探究黑土區(qū)坡耕地不同生物炭應(yīng)用模式（不同生物炭施用量和施用年限）的綜合效益，以東北黑土區(qū)坡度為3°耕地徑流小區(qū)為研究對象,，于2015—2018年,，設(shè)置不加生物炭的常規(guī)處理（C0）和生物炭施加量分別為25t/hm2 (C25)、50t/hm2(C50),、75t/hm2(C75),、100t/hm2 (C100)共5個處理，分析不同施炭量以及施炭年限的綜合效益,，結(jié)果表明：在生態(tài)效益方面,，生物炭能夠有效改善土壤結(jié)構(gòu)、增強(qiáng)土壤肥力,、提高土壤蓄水保土能力,，在施炭量為50t/hm2時(shí)，連續(xù)施用2年,，土壤蓄水保土效果最佳,；連續(xù)施用3年，土壤結(jié)構(gòu)最為理想,；施炭量為100t/hm2時(shí),，連續(xù)施用4年，土壤肥力最佳,。在經(jīng)濟(jì)效益方面,，生物炭能夠有效提高作物節(jié)水增產(chǎn)性能及其經(jīng)濟(jì)產(chǎn)值，施用1年,、施炭量為75t/hm2時(shí),，水分利用效率最大；連續(xù)施用2年,、施炭量為25t/hm2時(shí),，生物炭邊際生產(chǎn)力最大，施炭量每增加1t,，產(chǎn)量增加11.20kg,；連續(xù)施用3年、施炭量為50t/hm2時(shí),，大豆增產(chǎn)效果最佳,；連續(xù)施用4年、施炭量為50t/hm2時(shí),，收益達(dá)到最大,。采用改進(jìn)的模糊綜合評價(jià)模型測算不同生物炭應(yīng)用模式的生態(tài)效益,、經(jīng)濟(jì)效益和綜合效益，結(jié)果顯示,，連續(xù)施用2年,、施炭量為72.74t/hm2時(shí)生態(tài)效益最大，連續(xù)施用3年,、施炭量為36.32t/hm2時(shí)經(jīng)濟(jì)效益最大,。黑土區(qū)最佳生物炭施用模式為連續(xù)施用3年，施炭量為62.30t/hm2,。

摘要:為降低切根作業(yè)過程中的阻力，對不同蓋度草地復(fù)合體的堅(jiān)實(shí)度,、容重,、含水率、孔隙度,、含根量,、根系直徑等物理特征及根系分布特征進(jìn)行了數(shù)學(xué)統(tǒng)計(jì)分析；通過草地原狀土及重塑土的三軸試驗(yàn),，對不同退化程度的草地復(fù)合體的本構(gòu)關(guān)系進(jìn)行了研究，并利用ABAQUS仿真軟件驗(yàn)證了不同退化程度草地復(fù)合體的本構(gòu)關(guān)系,。結(jié)果表明,，不同蓋度草地復(fù)合體的物理特征及根系分布特征差異較大，蓋度為30%～50%的退化草地物理狀況最好,；草地原狀土試樣的黏聚力,、抗剪強(qiáng)度、彈性模量及割線模量均隨草地退化程度的加劇而減小,，切根刀對草地的剪切強(qiáng)度應(yīng)大于243.03kPa,；仿真三軸試驗(yàn)與實(shí)際三軸試驗(yàn)所得偏應(yīng)力極限值的相對誤差均小于8%，所確定的本構(gòu)參數(shù)可直接應(yīng)用于草地土壤的數(shù)值建模,。研究可為草地切根作業(yè)及切根刀的優(yōu)化設(shè)計(jì)提供理論依據(jù),。

摘要:為分析設(shè)施連作土壤中真菌群落結(jié)構(gòu)對生物炭的響應(yīng),，以緩解設(shè)施連作障礙及擴(kuò)大生物炭在設(shè)施連作栽培中的應(yīng)用,，依托溫室盆栽試驗(yàn)，以“德爾3號”嫁接黃瓜為試驗(yàn)材料,，分別取連作20,、15、10,、5,、1、0年（對照）蔬菜土壤,，通過添加一定量（20t/hm2）的生物炭處理后,，研究生物炭調(diào)控對連作土壤中真菌群落結(jié)構(gòu)及多樣性的影響。試驗(yàn)結(jié)果表明：不同年限的連作土壤添加一定量生物炭處理后,，增加了擔(dān)子菌門（Basidiomycota）及接合菌門（Zygomycota）在土壤中的比例,，在一定程度上降低了土壤中壺菌門（Chytridiomycota）及其他未知菌門的比例，并且以連作15年蔬菜土壤（L15J）表現(xiàn)最為明顯,；顯著提高土壤中真菌豐度,，以連作15年蔬菜土壤（L15J）及種植1年蔬菜土壤（L1J）表現(xiàn)最為明顯；同時(shí)提高了連作20年（L20J）土壤中真菌的多樣性,；各處理在200~400個OTUs時(shí)有大量真菌的新物種出現(xiàn),，以連作20年（L20J）土壤的真菌物種種類最多。研究表明,，不同連作年限土壤中施入一定量的生物炭,，增加了有益真菌菌群在土壤中的比例，提高了土壤中真菌豐度及多樣性,。

摘要:針對目前溫室光照,、CO2調(diào)控效益不高等問題,，提出了一種基于高斯曲率最大化的藍(lán)莓溫室光照和CO2綜合調(diào)控策略。首先通過采集不同溫度,、光照強(qiáng)度,、CO2濃度嵌套下的藍(lán)莓凈光合速率，建立不同溫度下包含光照強(qiáng)度,、CO2濃度的藍(lán)莓凈光合速率機(jī)理模型,；接著根據(jù)不同溫度下藍(lán)莓光合速率機(jī)理模型的高斯曲率函數(shù)構(gòu)造適應(yīng)度函數(shù)，并采用粒子群算法進(jìn)行最大值尋優(yōu),，計(jì)算高斯曲率最大值所對應(yīng)的光照強(qiáng)度和CO2濃度,，獲得不同溫度下光照強(qiáng)度、CO2濃度高斯曲率最大點(diǎn),；最后基于多項(xiàng)式擬合,，建立不同溫度下光照,、CO2綜合調(diào)控策略。通過與最大凈光合速率飽和點(diǎn)的調(diào)控對比發(fā)現(xiàn),，平均光照強(qiáng)度下降60.73%,，CO2濃度下降25.00%，而平均凈光合速率僅下降14.29%,。與實(shí)際藍(lán)莓凈光合速率對比發(fā)現(xiàn),，采用本文提出的光照、CO2綜合調(diào)控策略,，藍(lán)莓凈光合速率較實(shí)際值平均提高1.87倍以上,。說明本文提出的光照、CO2綜合調(diào)控策略具有綜合效益高等特點(diǎn),，可為溫室光照,、CO2調(diào)控提供理論支撐。

摘要:將生物質(zhì)能源開發(fā)利用與碳捕獲、利用與封存結(jié)合,，可實(shí)現(xiàn)CO2負(fù)排放,，是能源領(lǐng)域降低CO2排放的重要技術(shù)之一。生物質(zhì)直接燃燒后產(chǎn)生的生物質(zhì)灰理論上可吸收并永久封存CO2,，但其能否實(shí)現(xiàn)負(fù)碳排放還需進(jìn)行深入研究,。基于此,，分別在自然狀態(tài)（空氣氛圍）、中等CO2初始分壓（101.3kPa）和高CO2初始分壓（300~1400kPa）條件下開展了生物質(zhì)灰礦化CO2試驗(yàn),，測試了生物質(zhì)灰的CO2礦化量,，并評估了3種礦化路徑的負(fù)碳排放量。結(jié)果表明,，從空氣中吸收CO2時(shí),，生物質(zhì)灰的CO2礦化性能最差，40d內(nèi)的最高CO2礦化量僅為60.66g/kg,。在中等CO2分壓101.3kPa條件下,，可最高實(shí)現(xiàn)121.68g/kg的礦化量，而初始分壓1400kPa下的CO2礦化量可達(dá)216.85g/kg,。綜合考慮礦化過程的能源消耗和生物質(zhì)灰運(yùn)輸產(chǎn)生的碳排放及灰的固碳量等因素,，評估了3種生物質(zhì)灰礦化路徑的實(shí)際負(fù)碳排放量,。當(dāng)生物質(zhì)灰運(yùn)輸距離小于207km時(shí)，適合選擇中等CO2分壓礦化路徑以獲得最大的負(fù)碳排放效益,；當(dāng)運(yùn)輸距離大于207km時(shí),，建議選擇高CO2分壓礦化路徑。

摘要:利用低酰基結(jié)冷膠和紫甘藍(lán)花青素制備了兼具抗氧化活性和鮮度指示特性的活性智能膜,，考察了結(jié)冷膠-紫甘藍(lán)花青素成膜溶液的流變特性,，以及活性智能膜的理化性質(zhì)、抗氧化活性,、酸度敏感性和微觀結(jié)構(gòu)演化,。此外，還考察了活性智能膜在大黃魚新鮮度指示與豬油保鮮中的應(yīng)用性能,。結(jié)果表明,，在降溫過程中，成膜溶液經(jīng)歷了液-固轉(zhuǎn)變,?；ㄇ嗨刭|(zhì)量濃度越高，成膜溶液的儲能模量和損耗模量越大,，凝膠溫度越高,。隨著花青素質(zhì)量濃度的增加，活性智能膜的含水率和抗拉強(qiáng)度逐漸減小,，厚度,、水蒸氣透過率和斷裂伸長率則逐漸增大?；ㄇ嗨氐募尤胭x予了活性智能膜良好的抗氧化活性與酸度敏感性,，并可提高膜的熱穩(wěn)定性?；钚灾悄苣た捎糜诖簏S魚新鮮度指示且可有效延緩豬油的氧化酸敗,。

摘要:貨架期是判斷羊肉新鮮度的重要標(biāo)準(zhǔn),。為探討生物阻抗技術(shù)在食品貨架期檢測方面的應(yīng)用前景,，提出了一種即配羊肉貨架期無損檢測方法。結(jié)合影響即配羊肉新鮮度變化的關(guān)鍵因素及生物阻抗的測量原理,，針對電極數(shù)量,、電極材料、電極排列方式等測試條件的不同,，自主設(shè)計(jì)了電極作為生物阻抗測試前端,。揭示了在0、4,、8℃的3個貯藏溫度下即配羊肉阻抗參數(shù)和TVB-N含量的變化規(guī)律及即配羊肉阻抗與TVB-N含量,、貨架期的相關(guān)性；以TVB-N含量為關(guān)鍵參考指標(biāo),，建立基于BP神經(jīng)網(wǎng)絡(luò)的即配羊肉貨架期預(yù)測模型和評價(jià)方法,，并將其與支持向量機(jī)模型、決策樹模型進(jìn)行對比,，BP神經(jīng)網(wǎng)絡(luò)模型的F1分?jǐn)?shù)可達(dá)95.9%,。基于BP神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)即配羊肉貨架期檢測系統(tǒng),，可實(shí)現(xiàn)用戶友好的數(shù)據(jù)可視化與即配羊肉貨架期的即時(shí)檢測,。

摘要:羊胴體自動化分割對于提高羊屠宰加工企業(yè)生產(chǎn)效率有重要意義。為實(shí)現(xiàn)將羊胴體點(diǎn)云精準(zhǔn)高效地分割為多分體,，研究了一種基于表面凹凸性的羊胴體點(diǎn)云分割方法,。以倒掛狀態(tài)下的巴美肉羊胴體為研究對象，利用三維激光掃描儀獲取羊胴體點(diǎn)云,。首先,，對羊胴體點(diǎn)云進(jìn)行預(yù)處理，去除離群點(diǎn)噪聲和采用體素濾波的方法進(jìn)行下采樣,；并將羊胴體點(diǎn)云超體素化,，以獲取超體素鄰接圖；然后,，對超體素鄰接圖中相鄰點(diǎn)云的公共邊進(jìn)行凹凸性判斷，將凹邊凸邊賦予不同權(quán)重,；并由得分評估函數(shù)計(jì)算不同權(quán)重點(diǎn)云的得分,，將結(jié)果與參數(shù)Smin作比較；最后,，根據(jù)比較結(jié)果確定分割區(qū)域,，完成對羊胴體點(diǎn)云的分割,。試驗(yàn)結(jié)果表明：羊胴體點(diǎn)云分割的平均精確度、平均召回率,、平均F1值和平均總體準(zhǔn)確率分別為92.3%,、91.3%、91.8%,、92.1%,。各分體的平均分割精確度分別為92.7%、90.7%,、92.6%,、93.2%、92.5%,、92.2%,，各分體的平均分割召回率分別為86.0%、93.2%,、92.8%,、91.6%、90.9%,、93.4%,，處理單只羊胴體點(diǎn)云的平均時(shí)長為18.82s。通過處理多分體組合點(diǎn)云以及多體型羊胴體點(diǎn)云判斷本文方法的適用性,，并引入?yún)^(qū)域生長,、歐氏聚類2種點(diǎn)云分割方法進(jìn)行對比試驗(yàn)，驗(yàn)證本文方法的綜合分割能力,。研究表明本文方法具有較高的分割精度,、一定的實(shí)時(shí)性和良好的適用性，綜合分割能力較優(yōu),。

摘要:采用大豆親脂蛋白（Soybean lipophilic protein, LP）和甲基纖維素（Methyl cellulose, MC）的復(fù)合物作為親水性乳化劑形成W/O/W乳液外水相,，以聚蓖麻酸甘油酯（Polyglycerol polyricinoleate, PGPR）為親脂性乳化劑，橄欖油為油相,，并以維生素B12為指示劑,，按兩步法制備W/O/W型雙層乳液。通過對微觀結(jié)構(gòu)、儲藏穩(wěn)定性,、粒徑,、電位、乳液粘彈性等指標(biāo)的測定,，探究不同外水相比例及復(fù)合物中LP與 MC的不同比例對W/O/W乳液穩(wěn)定性的影響,。實(shí)驗(yàn)結(jié)果表明：當(dāng)LP與MC質(zhì)量比為3∶1，外水相質(zhì)量分?jǐn)?shù)為70%時(shí),，W/O/W乳液液滴間的作用力最強(qiáng),、粒徑最小、Zeta-電位絕對值最大,、對活性物質(zhì)的保護(hù)作用最強(qiáng),、28d儲藏穩(wěn)定性指數(shù)較高，流變學(xué)性質(zhì)較好,。

摘要:大功率輪式拖拉機(jī)質(zhì)量大,、車身重心高,，在高速運(yùn)輸作業(yè)時(shí)受路面不平度影響，易產(chǎn)生劇烈的顛簸振動,，直接影響拖拉機(jī)操縱穩(wěn)定性和行駛平順性,，甚至危及行駛安全?；诖?，綜合考慮大功率輪式拖拉機(jī)車身振動加速度與懸架動撓度的變化及懸架系統(tǒng)充放油過程中的非線性控制等問題，提出了適用于大功率輪式拖拉機(jī)前橋懸架減振系統(tǒng)的設(shè)計(jì)與控制方案,。首先,，設(shè)計(jì)了前橋懸架減振系統(tǒng)，建立了帶前橋懸架的1/4拖拉機(jī)振動模型,；其次,，在充分考慮前橋懸架控制系統(tǒng)特點(diǎn)的基礎(chǔ)上，建立了基于參考天棚-地棚模型的分層控制算法,，構(gòu)建了Matlab/Simulink仿真模型,，并與常規(guī)PID算法對比分析，結(jié)果表明分層算法的控制性能優(yōu)于常規(guī)PID控制,；最后,，搭建了前橋懸架系統(tǒng)硬件在環(huán)仿真平臺和室內(nèi)試驗(yàn)平臺,，開展了懸架減振控制策略和控制效果的試驗(yàn)驗(yàn)證。試驗(yàn)結(jié)果表明,，基于參考天棚-地棚模型的分層控制算法能快速調(diào)整控制參數(shù)，所設(shè)計(jì)懸架系統(tǒng)的車身振動加速度均方根降低至2.36m/s2左右,，較被動懸架下降558%,，同時(shí)懸架動撓度的均方根被限定在較小范圍內(nèi)，明顯優(yōu)于被動懸架系統(tǒng),，滿足大功率輪式拖拉機(jī)前橋懸架的減振需求,，且試驗(yàn)結(jié)果與仿真結(jié)果能較好地匹配，驗(yàn)證了減振方案的有效性,。該研究可為大功率輪式拖拉機(jī)前橋主動懸架系統(tǒng)的研發(fā)提供理論參考,。

摘要:復(fù)雜環(huán)境下移動機(jī)器人軌跡規(guī)劃由于障礙物放置雜亂且無規(guī)律,，常常面臨避障失敗的問題,。本文將機(jī)器人的軌跡規(guī)劃歸結(jié)為優(yōu)化問題，提出了一種基于優(yōu)化策略的軌跡規(guī)劃方法,。該方法包括3部分：首先,，對優(yōu)化問題的約束建模，包括機(jī)器人的運(yùn)動學(xué)模型,、變量極值約束,、障礙物避碰模型；然后,，建立優(yōu)化求解策略,，通過決策變量區(qū)間均分、內(nèi)置插值點(diǎn)和基于拉格朗日多項(xiàng)式的變量描述方式進(jìn)行離散化,，針對離散化導(dǎo)致的約束失效對變量進(jìn)行等距時(shí)間離散并建立懲罰函數(shù),，從而實(shí)現(xiàn)有效避障；最后,，基于隨機(jī)分形搜索算法對上述優(yōu)化模型進(jìn)行求解,。仿真結(jié)果表明，本文所述方法可以有效解決移動機(jī)器人在復(fù)雜環(huán)境下的障礙物避碰問題,。

摘要:提出了一種含雙平行四邊形結(jié)構(gòu)支鏈的新型SCARA并聯(lián)機(jī)構(gòu),，其包括4條相同支鏈，具有結(jié)構(gòu)緊湊,、承載力和剛度高的優(yōu)點(diǎn),。首先，基于李群理論對機(jī)構(gòu)的拓?fù)浣Y(jié)構(gòu)及其自由度進(jìn)行闡述,。其次,，構(gòu)建閉環(huán)矢量方程，推導(dǎo)出位置正/逆解,，并通過2個數(shù)值算例驗(yàn)證位置解的正確性,。通過對閉環(huán)矢量方程關(guān)于時(shí)間求導(dǎo)，得到機(jī)構(gòu)的雅可比矩陣,，由此建立輸入角速度與末端輸出速度之間,、輸入角加速度與末端輸出加速度之間的映射關(guān)系，并對其進(jìn)行數(shù)值仿真分析,。然后,，基于位置逆解，運(yùn)用極限邊界搜索法求解機(jī)構(gòu)的工作空間,，并繪制相應(yīng)圖譜加以分析,。為明確機(jī)構(gòu)動平臺的轉(zhuǎn)動性能，進(jìn)一步研究不同工作平面下的動平臺最大,、最小轉(zhuǎn)動角的空間分布圖譜,。在此基礎(chǔ)上，借助特征因子構(gòu)造量綱齊次雅可比矩陣,，并利用條件數(shù)和可操作度兩種方法分析機(jī)構(gòu)的運(yùn)動傳遞性能,。基于直接和間接雅可比矩陣進(jìn)一步對機(jī)構(gòu)的3類奇異位置進(jìn)行分析,，明確奇異發(fā)生的條件,。最后，借助Matlab與ADAMS軟件開展仿真實(shí)驗(yàn),，驗(yàn)證了理論分析和設(shè)計(jì)結(jié)果的正確性與可行性,。

摘要:以載體設(shè)備對穩(wěn)定工作環(huán)境的需求為背景,，提出一種多維調(diào)姿隔振平臺新構(gòu)型，以實(shí)現(xiàn)大幅度位姿擾動的補(bǔ)償和中高頻振動的隔離,。機(jī)構(gòu)由3個分支組成,，每個分支包含1個由主動調(diào)姿,、被動隔振單元組成的閉環(huán)子鏈。借助于旋量代數(shù)及影響系數(shù)理論建立機(jī)構(gòu)的運(yùn)動學(xué)模型,，得到動平臺,、開鏈分支、電動缸分支對廣義坐標(biāo)的一,、二階影響系數(shù),。建立機(jī)構(gòu)主被動分離形式的動力學(xué)模型，并以此為基礎(chǔ)對其進(jìn)行模態(tài)分析,。通過脈沖激勵對原理樣機(jī)進(jìn)行模態(tài)實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果表明,，固有頻率的實(shí)驗(yàn)測定值與理論計(jì)算值接近,，驗(yàn)證了理論模型的正確性。響應(yīng)特性的實(shí)驗(yàn)結(jié)果表明原理樣機(jī)能夠?qū)Φ皖l段的位姿擾動進(jìn)行補(bǔ)償,，結(jié)合中高頻的被動隔振,，原理樣機(jī)具備了較寬頻帶的調(diào)姿隔振能力。

摘要:針對農(nóng)用驅(qū)動電機(jī)中存在的控制精度不良,、抗擾動性差和穩(wěn)定性弱問題,，提出一種基于變速趨近率的滑模變結(jié)構(gòu)控制策略。通過滑模變結(jié)構(gòu)控制提升電機(jī)控制精度并提升控制過程中的穩(wěn)定性,，針對傳統(tǒng)滑模變結(jié)構(gòu)控制收斂過程中的等速趨近率存在的趨近速度慢,、抖振波動大和控制精度低等問題，采用變速趨近率進(jìn)行優(yōu)化改進(jìn),。在變速趨近率中通過引入系統(tǒng)范數(shù),，在電機(jī)控制過程中有效解決了趨近速度/抖振波動平衡的問題，提升了農(nóng)用驅(qū)動電機(jī)的控制效率同時(shí)保證了穩(wěn)定性,。同時(shí),，由于電機(jī)中的內(nèi)部機(jī)械參數(shù)和外界負(fù)載擾動會對農(nóng)用電機(jī)的調(diào)速性能產(chǎn)生直接影響，針對電機(jī)控制過程中的內(nèi)部參數(shù)和外界負(fù)載擾動,，設(shè)計(jì)一種基于擴(kuò)展滑模觀測器的抗擾動技術(shù),，對其進(jìn)行實(shí)時(shí)觀測并補(bǔ)償。通過Matlab/Simulink仿真測試和電機(jī)平臺實(shí)驗(yàn)驗(yàn)證,，證明了本文提出的控制策略的有效性,，在啟動過程中能夠在0.1s之內(nèi)完成啟動轉(zhuǎn)速響應(yīng)且無超調(diào)現(xiàn)象發(fā)生,有效提升了農(nóng)用驅(qū)動電機(jī)的控制精度和響應(yīng)速度,；通過設(shè)計(jì)的擾動觀測器提升其抗干擾能力和魯棒性，當(dāng)受到外界負(fù)載擾動10N·m/-10N·m時(shí),，可以將轉(zhuǎn)速誤差控制在5%之內(nèi),，有效地提升了農(nóng)用電機(jī)在運(yùn)行過程中的穩(wěn)定性和安全性。