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(shì),。本文給出了農(nóng)業(yè)機(jī)器人定義和分類(lèi)，分析了農(nóng)業(yè)機(jī)器人國(guó)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(gè)發(fā)展階段,。通過(guò)對(duì)各類(lèi)應(yīng)用場(chǎng)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(shì),，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(jí),、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(guó)農(nóng)業(yè)機(jī)器人正進(jìn)入快速發(fā)展期，也是我國(guó)追趕國(guó)際技術(shù)前沿的戰(zhàn)略機(jī)遇期,，最后為我國(guó)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(dòng)規(guī)律及分布效果，對(duì)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(duì)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(zhǎng)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(guò)建立響應(yīng)面數(shù)學(xué)模型，分析了各因素對(duì)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(zhǎng)度、刀軸轉(zhuǎn)速,；秸稈長(zhǎng)度與耕作深度交互作用對(duì)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(zhǎng)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(duì)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(guò)性均降低。本文針對(duì)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(wèn)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(kāi)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(dòng)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(dòng)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(chē)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(duì)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(gè)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(gè)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(chē)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(zhǎng)度間的定量關(guān)系，對(duì)客觀分析加種加肥參數(shù)隨地塊長(zhǎng)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,。基于播種機(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(wú)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(zhǎng)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(gè)加種加肥參數(shù)隨作業(yè)單元地塊長(zhǎng)度的變化規(guī)律；明確了有,、無(wú)αw條件下播種機(jī)組加種參數(shù)隨地塊長(zhǎng)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(zhǎng)度上限點(diǎn)：約翰迪爾7830播種機(jī)組的地塊長(zhǎng)度段分界點(diǎn)為575m,、可作業(yè)地塊長(zhǎng)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(duì)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(wèn)題,，設(shè)計(jì)了一種基于Bezier曲線模型的旋轉(zhuǎn)盤(pán)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(wú)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(pán)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(kāi)展了導(dǎo)葉各結(jié)構(gòu)參數(shù)對(duì)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,。基于較優(yōu)參數(shù)組合開(kāi)展集排器在不同轉(zhuǎn)速下的排種性能臺(tái)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(dòng)效率,，提出了一種旱地缽苗移栽復(fù)式作業(yè)機(jī),；并針對(duì)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(wèn)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(dòng)姿態(tài)滿足栽植農(nóng)藝要求,。夾指式栽植器為敞開(kāi)式結(jié)構(gòu)，夾指在注水沖刷與閉合瞬間振動(dòng)的作用下,，解決了傳統(tǒng)鴨嘴栽植器粘土堵塞的問(wèn)題,。建立栽植機(jī)構(gòu)運(yùn)動(dòng)學(xué)模型，基于Visual Basic 6.0開(kāi)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(dòng)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(dòng)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(duì)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(wèn)題,，對(duì)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(guò)程的受力分析,。在EDEM中構(gòu)建了粉碎后水稻秸稈的模型,，對(duì)其拋撒過(guò)程的運(yùn)動(dòng)進(jìn)行了仿真分析、運(yùn)動(dòng)特性研究,、運(yùn)動(dòng)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(kāi)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(píng)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(duì)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(shuō)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(duì)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(duì)運(yùn)動(dòng)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(wèn)題，提出一種基于局部運(yùn)動(dòng)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(duì)運(yùn)動(dòng)軌跡和相對(duì)運(yùn)動(dòng)軌跡之間關(guān)系，結(jié)合原機(jī)構(gòu)存在的問(wèn)題預(yù)設(shè)局部較理想絕對(duì)運(yùn)動(dòng)軌跡回程段軌跡,、取推苗角,，確定移栽機(jī)構(gòu)局部相對(duì)運(yùn)動(dòng)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(duì)運(yùn)動(dòng)軌跡,；然后,，建立基于相對(duì)運(yùn)動(dòng)軌跡的移栽機(jī)構(gòu)反求設(shè)計(jì)模型,，開(kāi)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(duì)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(duì)運(yùn)動(dòng)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(duì)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(dòng)板,。對(duì)玉米脫出物離開(kāi)抖動(dòng)板到達(dá)振動(dòng)篩前的運(yùn)動(dòng)進(jìn)行了分析,，確定了上、下抖動(dòng)板相對(duì)于振動(dòng)篩的位置,，并參考圓孔篩確定了上抖動(dòng)板篩孔的分布和尺寸,。以抖動(dòng)板的安裝傾角、振幅和頻率作為試驗(yàn)因素,，以振動(dòng)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(píng)價(jià)指標(biāo)，基于CFD-DEM耦合仿真方法確定各試驗(yàn)因素對(duì)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(dòng)板安裝傾角,、抖動(dòng)板頻率,、抖動(dòng)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(dòng)篩篩分玉米脫出物時(shí)間為6.74s,，并通過(guò)臺(tái)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(dòng)板的清選系統(tǒng)，籽粒清潔率提高了1.72個(gè)百分點(diǎn),，損失率降低了0.84個(gè)百分點(diǎn),，振動(dòng)篩篩分玉米脫出物時(shí)間縮短了0.57s。

摘要:針對(duì)油菜聯(lián)合收獲分行剪切落粒多,、損失高的問(wèn)題，提出了油菜割臺(tái)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(tái)分行落?；厥昭b置。通過(guò)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(tái)，實(shí)現(xiàn)回收減損,?；贔luent構(gòu)建了回收管內(nèi)部流場(chǎng)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(zhǎng)度,、出風(fēng)口直徑和漸擴(kuò)段長(zhǎng)度為試驗(yàn)因素,，以負(fù)壓氣流速度為評(píng)價(jià)指標(biāo)，開(kāi)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(zhǎng)度,、進(jìn)風(fēng)口直徑、漸縮段長(zhǎng)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(zhǎng)度38mm,、出風(fēng)口直徑115mm,、漸擴(kuò)段長(zhǎng)度350mm,；建立了回收裝置內(nèi)部流場(chǎng)-物料CFD-DEM耦合仿真模型，研究了正壓,、負(fù)壓氣流速度對(duì)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)表明裝備分行落粒回收裝置后油菜割臺(tái)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(tái)損失。

摘要:針對(duì)油茶人工采收效率低，勞動(dòng)力成本大,，且油茶果成熟期短,、花果同期等問(wèn)題，設(shè)計(jì)了可實(shí)現(xiàn)連續(xù)振動(dòng)落果和收集的履帶式高地隙油茶果振動(dòng)采收機(jī),。采收機(jī)采用騎跨式車(chē)架沿油茶樹(shù)種植行行走,，利用曲柄搖桿機(jī)構(gòu)驅(qū)動(dòng)多排陣列的指排桿按照一定的運(yùn)動(dòng)軌跡對(duì)樹(shù)冠兩側(cè)同時(shí)擊打作業(yè)，落果通過(guò)收集板匯集后輸送到果箱,。根據(jù)擊打軌跡對(duì)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(dòng)軌跡。通過(guò)ANSYS軟件對(duì)擊打裝置機(jī)架和采收機(jī)車(chē)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(huì)發(fā)生共振。為接收振動(dòng)掉落的油茶果,，設(shè)計(jì)了高低錯(cuò)落分布的收集板,，不僅能接收落果，且能順利避開(kāi)樹(shù)干，實(shí)現(xiàn)整機(jī)在運(yùn)動(dòng)中完成振動(dòng)落果和收集作業(yè),。最后,，加工裝配振動(dòng)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(dòng)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(duì)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(píng)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(gè)/min,。為驗(yàn)證玉米種子胚面定向裝置對(duì)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(duì)當(dāng)前缺乏顆粒飼料準(zhǔn)確破損仿真模型的問(wèn)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(yú)顆粒飼料為研究對(duì)象，通過(guò)基礎(chǔ)試驗(yàn)測(cè)定了顆粒飼料本征參數(shù),；通過(guò)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(dòng)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(dòng)摩擦因數(shù)為0.69、0.22,、0.18,；通過(guò)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(cè)值相對(duì)誤差分別為0.35%,、1.43%、2.81%,；通過(guò)自由落料,、斜面滑動(dòng),、斜面滾動(dòng)試驗(yàn)對(duì)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(guò)包膜的微孔、縫隙慢慢釋放出來(lái),，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(guò)程中會(huì)對(duì)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(wú)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(duì)Bonding模型進(jìn)行參數(shù)標(biāo)定,。首先通過(guò)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(guò)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(duì)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(duì)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(wú)損排施的新型排肥器提供參考,。

摘要:針對(duì)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(wèn)題，以生長(zhǎng)前期的小麥為研究對(duì)象,，設(shè)計(jì)一種基于北斗定位系統(tǒng)和機(jī)器視覺(jué)的小麥變量噴霧作業(yè)系統(tǒng),。通過(guò)雙平面高度投影法完成對(duì)感興趣區(qū)域獲取，研究了速度,、植株密度對(duì)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(guò)機(jī)器視覺(jué)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(duì)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(duì)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(duì)等級(jí)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(duì)位置并控制開(kāi)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(duì)噴霧等級(jí)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(kāi)展行駛方式對(duì)噴霧等級(jí)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(duì)甘蔗橫向種植對(duì)落種質(zhì)量要求高的問(wèn)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(kāi)溝器,，主要由防漏犁,、旋耕部件和開(kāi)溝犁構(gòu)成。通過(guò)分析落種運(yùn)動(dòng)與土壤運(yùn)動(dòng)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(kāi)溝阻力為試驗(yàn)指標(biāo)開(kāi)展田間正交試驗(yàn),，探究作業(yè)參數(shù)對(duì)開(kāi)溝器性能的影響規(guī)律。試驗(yàn)結(jié)果表明,，工作深度對(duì)有效落種深度,、旋耕功耗和開(kāi)溝阻力有極顯著影響；旋耕轉(zhuǎn)速對(duì)旋耕功耗有極顯著影響,；前進(jìn)速度對(duì)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(kāi)溝阻力為14.1kN,，開(kāi)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(dòng)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(dòng)的頻域和傳播特性,，而小于葉頻的低頻也是壓力脈動(dòng)的主要來(lái)源,。采用試驗(yàn)方法研究壓力脈動(dòng)可以得到更準(zhǔn)確的結(jié)果，不易遺漏主要頻率成分,。通過(guò)從蝸殼到尾水管布置不同的壓力脈動(dòng)監(jiān)測(cè)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(guò)流部件內(nèi)壓力脈動(dòng)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(wú)葉區(qū)壓力脈動(dòng)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(dòng)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(cè)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(wú)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(huì)有所增強(qiáng),；轉(zhuǎn)頻的倍頻f/fn=3的壓力脈動(dòng)幅值較小,，但在整個(gè)流道中無(wú)衰減。

摘要:準(zhǔn)確識(shí)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(tái),，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(duì)地表變化進(jìn)行了信息提取和制圖。首先基于GEE云平臺(tái)對(duì)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(duì)遙感數(shù)據(jù)集進(jìn)行云影掩膜,，開(kāi)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(shì)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(guò)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(duì)時(shí)序結(jié)構(gòu)變化進(jìn)行檢測(cè),。最后從檢測(cè)結(jié)果中抽取像元樣點(diǎn)，通過(guò)與Google Earth高分辨率影像數(shù)據(jù)疊置和目視解譯,，開(kāi)展結(jié)果驗(yàn)證和精度評(píng)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(cè)中具有較高的檢測(cè)精度（總體精度為83.7%,，2018—2020年分年度檢測(cè)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(kù)構(gòu)建,、地表生態(tài)信息近實(shí)時(shí)變化擾動(dòng)識(shí)別和監(jiān)測(cè)等技術(shù)的一種基礎(chǔ)方法,，能夠?qū)?guó)土空間生態(tài)保護(hù)修復(fù)調(diào)查監(jiān)測(cè)和評(píng)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(cè)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(cè)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(shì),，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(shì)，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(dòng)了15.17km,，其中1990—2010年重心移動(dòng)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?chē)吔鐢U(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(duì)監(jiān)測(cè)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(hào)衛(wèi)星影像為數(shù)據(jù)源，通過(guò)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(kāi)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(cè)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(duì)提高監(jiān)測(cè)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(duì)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(cè)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(wèn)題，利用無(wú)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(duì)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(shù)（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(cè),，預(yù)測(cè)結(jié)果符合不同生育期玉米長(zhǎng)勢(shì),。本研究為大田玉米長(zhǎng)勢(shì)遙感監(jiān)測(cè)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(wèn)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(duì)稱(chēng)卷積模塊以及密集跳躍連接結(jié)構(gòu)，并用視覺(jué)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(duì)分割任務(wù)有效的特征,，以提高模型的分類(lèi)能力，得到更多的細(xì)節(jié)信息,。利用非對(duì)稱(chēng)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(gè)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(gè)百分點(diǎn);引入非對(duì)稱(chēng)卷積模塊后,，交并比提高了5.1個(gè)百分點(diǎn)，像素準(zhǔn)確率提高了2.9個(gè)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(gè)百分點(diǎn)，像素準(zhǔn)確率提高了2.3個(gè)百分點(diǎn),，證明了其對(duì)河流細(xì)節(jié)識(shí)別效果更好,。

摘要:針對(duì)玉米種子在外觀品質(zhì)檢測(cè)中需要快速識(shí)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(cè)模型,，同時(shí)結(jié)合四通道（RGB+NIR）多光譜圖像,，對(duì)玉米種子外觀品質(zhì)進(jìn)行了識(shí)別與分類(lèi)。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(jí)網(wǎng)絡(luò)MobileNet V1,。為了進(jìn)一步提升模型的性能，通過(guò)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(duì)模型性能的影響,，最終選取改進(jìn)YOLO v4-MobileNet V1模型對(duì)玉米種子外觀品質(zhì)進(jìn)行檢測(cè),。試驗(yàn)結(jié)果表明，模型的綜合評(píng)價(jià)指標(biāo)平均F1值和mAP達(dá)到93.09%和98.02%,，平均每檢測(cè)1幅圖像耗時(shí)1.85s,，平均每檢測(cè)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(jiàn)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(cè)和優(yōu)選分級(jí)提供了參考。

摘要:針對(duì)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(chǎng)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?dòng)振蕩采收裝置夾持位置,，利用YOLO v5s卷積神經(jīng)網(wǎng)絡(luò)模型,，開(kāi)展了自然環(huán)境下油茶果圖像檢測(cè)方法研究，用3296幅油茶果圖像制作PASCAL VOC的數(shù)據(jù)集,，對(duì)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(píng)價(jià)指標(biāo)為94.4%,，平均檢測(cè)精度為98.71%，單幅圖像檢測(cè)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(cè)算法YOLO v4-tiny和RetinaNet相比，其精確率分別提高了1.99個(gè)百分點(diǎn)和4.50個(gè)百分點(diǎn),，召回率分別提高了9.41個(gè)百分點(diǎn)和10.77個(gè)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(duì)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(shí)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(cè)等研究提供借鑒。

摘要:針對(duì)模糊水下圖像增強(qiáng)后輸入魚(yú)類(lèi)檢測(cè)模型精度降低的問(wèn)題，提出了模糊水下圖像多增強(qiáng)與輸出混合的魚(yú)類(lèi)檢測(cè)方法,。利用多種圖像增強(qiáng)方法對(duì)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(yú)類(lèi)檢測(cè)模型得到多個(gè)輸出,，對(duì)多個(gè)輸出進(jìn)行混合，然后利用非極大抑制方法對(duì)混合結(jié)果進(jìn)行后處理,，獲得最終檢測(cè)結(jié)果,。YOLO v3、YOLO v4 tiny和YOLO v4模型的試驗(yàn)結(jié)果表明,，對(duì)比原始圖像的檢測(cè)結(jié)果,，本文方法的檢測(cè)精度分別提高了2.15、8.35,、1.37個(gè)百分點(diǎn),；魚(yú)類(lèi)檢測(cè)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(yú)類(lèi)檢測(cè)模型出現(xiàn)精度降低的問(wèn)題，提高了模型檢測(cè)能力,。

摘要:針對(duì)水稻稻縱卷葉螟和二化螟成蟲(chóng)圖像識(shí)別中自動(dòng)化程度較低的問(wèn)題,，引入目標(biāo)檢測(cè)算法YOLO v5對(duì)監(jiān)測(cè)設(shè)備和誘捕器上的稻縱卷葉螟和二化螟成蟲(chóng)進(jìn)行識(shí)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(chóng)誘集與拍攝監(jiān)測(cè)裝置,，自動(dòng)獲取稻縱卷葉螟和二化螟成蟲(chóng)圖像，并與三角形誘捕器和蟲(chóng)情測(cè)報(bào)燈誘捕拍攝的稻縱卷葉螟和二化螟成蟲(chóng)圖像共同構(gòu)建水稻害蟲(chóng)圖像數(shù)據(jù)集,；采用左右翻轉(zhuǎn),、增加對(duì)比度、上下翻轉(zhuǎn)的方式增強(qiáng)圖像數(shù)據(jù)集,；對(duì)比了不同訓(xùn)練模型對(duì)三角形誘捕器和監(jiān)測(cè)設(shè)備誘捕拍攝的水稻害蟲(chóng)圖像的檢測(cè)性能,，并對(duì)比稻縱卷葉螟成蟲(chóng)不同訓(xùn)練樣本量對(duì)識(shí)別結(jié)果的影響，用精確率,、召回率,、F1值、平均精度評(píng)估各模型的差異,。測(cè)試結(jié)果表明,，測(cè)試集圖像為三角形誘捕器和監(jiān)測(cè)設(shè)備誘捕拍攝蟲(chóng)害圖像時(shí)，稻縱卷葉螟識(shí)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(shí)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(chóng)圖像數(shù)據(jù)集可以提高模型對(duì)水稻害蟲(chóng)識(shí)別的準(zhǔn)確性,。基于YOLO v5算法設(shè)計(jì)的水稻害蟲(chóng)識(shí)別計(jì)數(shù)模型能夠達(dá)到較高的識(shí)別準(zhǔn)確率,，可以用于稻縱卷葉螟和二化螟成蟲(chóng)的田間種群監(jiān)測(cè),。

摘要:針對(duì)番茄葉片型病害在早晚期具有類(lèi)內(nèi)差異大、類(lèi)間差異小的特點(diǎn),，常規(guī)神經(jīng)網(wǎng)絡(luò)對(duì)此類(lèi)病害的分類(lèi)效果不佳的問(wèn)題,，提出了基于Res2Net和雙線性注意力的番茄病害時(shí)期識(shí)別方法，通過(guò)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(guò)高導(dǎo)致的特征冗余,。在7種不同種類(lèi)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(lèi)準(zhǔn)確度分別為98.66%和86.89%。

摘要:針對(duì)現(xiàn)有封閉式種豬性能測(cè)定站自動(dòng)化程度不高、無(wú)法提供種豬體尺信息等問(wèn)題,，設(shè)計(jì)了一種集種豬自動(dòng)識(shí)別,、體質(zhì)量自動(dòng)稱(chēng)量、采食量自動(dòng)統(tǒng)計(jì),、體尺自動(dòng)測(cè)量于一體的封閉式種豬性能測(cè)定站,。該系統(tǒng)機(jī)械部分采用前后端分離設(shè)計(jì),，通過(guò)設(shè)計(jì)采食門(mén)裝置和門(mén)禁裝置為種豬提供封閉測(cè)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(dòng)態(tài)稱(chēng)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(cè)量算法,。分別進(jìn)行了利用實(shí)際豬群模擬種豬生長(zhǎng)性能驗(yàn)證試驗(yàn)和體尺測(cè)量試驗(yàn),，試驗(yàn)驗(yàn)證結(jié)果如下： 生長(zhǎng)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(zhǎng)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(zhǎng)規(guī)律,；體尺測(cè)量試驗(yàn)中豬群能夠篩選出理想姿態(tài)幀，體長(zhǎng),、體寬,、臀寬、體高,、臀高等體尺的平均相對(duì)檢測(cè)誤差分別為3.69%,、2.53%、2.60%,、2.59%,、2.17%，滿足體尺測(cè)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(cè)定站可用于種豬的生產(chǎn)性能測(cè)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(zhǎng)機(jī)理,，提出了一種模擬根系與環(huán)境交互的動(dòng)態(tài)生長(zhǎng)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(gè)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(zhǎng)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(zhǎng)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(duì)不同類(lèi)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(lèi)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(guò)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(wèn)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(dòng)分選系統(tǒng)。該系統(tǒng)由信息感知,、信息處理以及分選動(dòng)作執(zhí)行3個(gè)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(lèi)，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(yǔ)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(dòng)作執(zhí)行子系統(tǒng)的分選成功率為評(píng)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(dòng)作執(zhí)行子系統(tǒng)的分選成功率為98%,，異常水培生菜自動(dòng)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(cè)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(duì)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(píng)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(duì)偏差為1.18%），均方根誤差為1.03cm（相對(duì)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(cè)森林結(jié)構(gòu)參數(shù)中，數(shù)據(jù)受基線長(zhǎng)度,、信噪比、環(huán)境地形以及雷達(dá)波長(zhǎng)的影響,，尤其在復(fù)雜森林環(huán)境條件下,，會(huì)導(dǎo)致觀測(cè)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(wèn)題，首先探討了體相干選擇對(duì)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(lái)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(lái)比較地相位估計(jì)方法對(duì)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(duì)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(shuō)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(huì)對(duì)結(jié)果帶來(lái)一定誤差，通過(guò)其他相干直線擬合方法來(lái)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(shì)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(guò)重標(biāo)極差（R/S）分析法預(yù)測(cè)作物未來(lái)需水量變化趨勢(shì),；借助通徑分析法研究6個(gè)氣象因子與作物需水量的相關(guān)性，識(shí)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(shì)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(zhǎng),，對(duì)作物需水量有明顯增進(jìn)作用；風(fēng)速,、相對(duì)濕度通過(guò)與其他因子協(xié)同作用對(duì)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(shì),，玉米的全生育期需水量呈下降趨勢(shì),；未來(lái),，水稻和大豆全生育期需水量呈上升趨勢(shì),，玉米全生育期需水量呈降低趨勢(shì),。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(chǎng)強(qiáng)度300mT對(duì)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(duì)照，測(cè)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(rùn)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(duì)pH值無(wú)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(rùn)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(rùn)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(chǎng)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(duì)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(wú)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(duì)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(gè)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(píng)價(jià)模型測(cè)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(guò)程中的阻力,，對(duì)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(guò)草地原狀土及重塑土的三軸試驗(yàn),，對(duì)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(duì)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(duì)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(duì)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?tīng)?號(hào)”嫁接黃瓜為試驗(yàn)材料，分別取連作20,、15、10,、5,、1,、0年（對(duì)照）蔬菜土壤，通過(guò)添加一定量（20t/hm2）的生物炭處理后,，研究生物炭調(diào)控對(duì)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(mén)（Basidiomycota）及接合菌門(mén)（Zygomycota）在土壤中的比例，在一定程度上降低了土壤中壺菌門(mén)（Chytridiomycota）及其他未知菌門(mén)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(gè)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(lèi)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(duì)目前溫室光照、CO2調(diào)控效益不高等問(wèn)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(guò)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(duì)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(guò)與最大凈光合速率飽和點(diǎn)的調(diào)控對(duì)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(duì)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(shuō)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(kāi)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?；诖?，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(kāi)展了生物質(zhì)灰礦化CO2試驗(yàn),，測(cè)試了生物質(zhì)灰的CO2礦化量，并評(píng)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?jī)H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(guò)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(píng)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(yú)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(guò)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(chǔ)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(guò)率和斷裂伸長(zhǎng)率則逐漸增大,。花青素的加入賦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,。活性智能膜可用于大黃魚(yú)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(cè)方面的應(yīng)用前景，提出了一種即配羊肉貨架期無(wú)損檢測(cè)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(cè)量原理,，針對(duì)電極數(shù)量,、電極材料,、電極排列方式等測(cè)試條件的不同,，自主設(shè)計(jì)了電極作為生物阻抗測(cè)試前端。揭示了在0,、4,、8℃的3個(gè)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(cè)模型和評(píng)價(jià)方法,，并將其與支持向量機(jī)模型、決策樹(shù)模型進(jìn)行對(duì)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(cè)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(cè)。

摘要:羊胴體自動(dòng)化分割對(duì)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(duì)象,，利用三維激光掃描儀獲取羊胴體點(diǎn)云。首先,，對(duì)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(duì)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(píng)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(duì)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(zhǎng)為18.82s。通過(guò)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(zhǎng),、歐氏聚類(lèi)2種點(diǎn)云分割方法進(jìn)行對(duì)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(guò)對(duì)微觀結(jié)構(gòu),、儲(chǔ)藏穩(wěn)定性,、粒徑,、電位,、乳液粘彈性等指標(biāo)的測(cè)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(duì)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(duì)值最大,、對(duì)活性物質(zhì)的保護(hù)作用最強(qiáng),、28d儲(chǔ)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(chē)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(dòng),，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(chē)身振動(dòng)加速度與懸架動(dòng)撓度的變化及懸架系統(tǒng)充放油過(guò)程中的非線性控制等問(wèn)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(dòng)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(duì)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(tái)和室內(nèi)試驗(yàn)平臺(tái),，開(kāi)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(chē)身振動(dòng)加速度均方根降低至2.36m/s2左右,，較被動(dòng)懸架下降558%，同時(shí)懸架動(dòng)撓度的均方根被限定在較小范圍內(nèi),，明顯優(yōu)于被動(dòng)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(dòng)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(dòng)機(jī)器人軌跡規(guī)劃由于障礙物放置雜亂且無(wú)規(guī)律，常常面臨避障失敗的問(wèn)題,。本文將機(jī)器人的軌跡規(guī)劃歸結(jié)為優(yōu)化問(wèn)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(duì)優(yōu)化問(wèn)題的約束建模,，包括機(jī)器人的運(yùn)動(dòng)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(guò)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(duì)離散化導(dǎo)致的約束失效對(duì)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(duì)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(dòng)機(jī)器人在復(fù)雜環(huán)境下的障礙物避碰問(wèn)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(duì)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(guò)2個(gè)數(shù)值算例驗(yàn)證位置解的正確性,。通過(guò)對(duì)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(duì)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(dòng)平臺(tái)的轉(zhuǎn)動(dòng)性能，進(jìn)一步研究不同工作平面下的動(dòng)平臺(tái)最大,、最小轉(zhuǎn)動(dòng)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(dòng)傳遞性能?；谥苯雍烷g接雅可比矩陣進(jìn)一步對(duì)機(jī)構(gòu)的3類(lèi)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(kāi)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(duì)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(tái)新構(gòu)型，以實(shí)現(xiàn)大幅度位姿擾動(dòng)的補(bǔ)償和中高頻振動(dòng)的隔離,。機(jī)構(gòu)由3個(gè)分支組成,，每個(gè)分支包含1個(gè)由主動(dòng)調(diào)姿、被動(dòng)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(dòng)學(xué)模型,，得到動(dòng)平臺(tái)、開(kāi)鏈分支,、電動(dòng)缸分支對(duì)廣義坐標(biāo)的一,、二階影響系數(shù)。建立機(jī)構(gòu)主被動(dòng)分離形式的動(dòng)力學(xué)模型,，并以此為基礎(chǔ)對(duì)其進(jìn)行模態(tài)分析。通過(guò)脈沖激勵(lì)對(duì)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(cè)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(dòng)進(jìn)行補(bǔ)償,，結(jié)合中高頻的被動(dòng)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(duì)農(nóng)用驅(qū)動(dòng)電機(jī)中存在的控制精度不良,、抗擾動(dòng)性差和穩(wěn)定性弱問(wèn)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(guò)滑模變結(jié)構(gòu)控制提升電機(jī)控制精度并提升控制過(guò)程中的穩(wěn)定性，針對(duì)傳統(tǒng)滑模變結(jié)構(gòu)控制收斂過(guò)程中的等速趨近率存在的趨近速度慢,、抖振波動(dòng)大和控制精度低等問(wèn)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(guò)引入系統(tǒng)范數(shù),，在電機(jī)控制過(guò)程中有效解決了趨近速度/抖振波動(dòng)平衡的問(wèn)題,，提升了農(nóng)用驅(qū)動(dòng)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(dòng)會(huì)對(duì)農(nóng)用電機(jī)的調(diào)速性能產(chǎn)生直接影響,，針對(duì)電機(jī)控制過(guò)程中的內(nèi)部參數(shù)和外界負(fù)載擾動(dòng)，設(shè)計(jì)一種基于擴(kuò)展滑模觀測(cè)器的抗擾動(dòng)技術(shù),，對(duì)其進(jìn)行實(shí)時(shí)觀測(cè)并補(bǔ)償。通過(guò)Matlab/Simulink仿真測(cè)試和電機(jī)平臺(tái)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(dòng)過(guò)程中能夠在0.1s之內(nèi)完成啟動(dòng)轉(zhuǎn)速響應(yīng)且無(wú)超調(diào)現(xiàn)象發(fā)生,有效提升了農(nóng)用驅(qū)動(dòng)電機(jī)的控制精度和響應(yīng)速度；通過(guò)設(shè)計(jì)的擾動(dòng)觀測(cè)器提升其抗干擾能力和魯棒性,，當(dāng)受到外界負(fù)載擾動(dòng)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(guò)程中的穩(wěn)定性和安全性,。