ass日本风韵熟妇pics男人扒开女人屁屁桶到爽|扒开胸露出奶头亲吻视频|邻居少妇的诱惑|人人妻在线播放|日日摸夜夜摸狠狠摸婷婷|制服 丝袜 人妻|激情熟妇中文字幕|看黄色欧美特一级|日本av人妻系列|高潮对白av,丰满岳妇乱熟妇之荡,日本丰满熟妇乱又伦,日韩欧美一区二区三区在线

摘要:隨著信息與控制理論的發(fā)展，自動化控制技術在農(nóng)業(yè)裝備領域廣泛應用，促進農(nóng)業(yè)生產(chǎn)的智能化、現(xiàn)代化與規(guī)模化。運動控制和作業(yè)控制是智能農(nóng)機自動控制技術的兩大核心內(nèi)容，為無人農(nóng)機在復雜環(huán)境下的高精度自主導航安全行駛和精準作業(yè)提供保障。速度控制與轉(zhuǎn)向控制是智能農(nóng)機運動控制的基礎，導航跟蹤控制是智能農(nóng)機運動控制的主要內(nèi)容。本文闡述了智能農(nóng)機速度控制與轉(zhuǎn)向控制的研究進展，總結(jié)歸納了基于幾何模型、基于運動學模型和不依賴于模型的自動導航跟蹤運動控制方法。然后，著重分析了智能農(nóng)機在耕、種、管、收等各環(huán)節(jié)的作業(yè)機構控制以及多機協(xié)同作業(yè)控制方法。最后，指出構建更加精準的農(nóng)機數(shù)學模型，研究面向復雜場景的先進底盤運動控制技術，發(fā)展人工智能與控制理論深度融合的農(nóng)機控制技術以及提升農(nóng)機農(nóng)藝相結(jié)合的多機協(xié)同控制技術是未來智能農(nóng)機自動控制技術的發(fā)展方向。

摘要:針對東北地區(qū)整地作業(yè)中，結(jié)塊多、土壤殘茬嚴重、犁底層加厚等問題，根據(jù)我國現(xiàn)有的東方紅-75/802型拖拉機的動力條件，設計了一種適用于馬鈴薯田的驅(qū)動式碎土整地聯(lián)合作業(yè)機。該機是根據(jù)國外先進的土壤保護耕作法，結(jié)合東北地區(qū)土壤情況和馬鈴薯田整地要求設計的一種機具。本文闡述了機器整體結(jié)構及工作原理，設計了碎土輥，分析了碎土輥運動過程、碎土輥工作過程中楔形齒所受的阻力及碎土輥作業(yè)時所需功率，基于EDEM離散元仿真技術，建立了部件-土壤仿真模型，以土壤破碎率為試驗指標，以碎土直齒末端傾角、碎土直齒邊長和機組速度為試驗因素進行仿真試驗，在仿真基礎上進行田間試驗，試驗結(jié)果表明，所設計的碎土整地聯(lián)合作業(yè)機碎土率為98.45%、平均耕深為14.5cm、機組速度為5.7m/s、碎土輥消耗功率為19.24kW，具有良好的作業(yè)效果，滿足馬鈴薯田整地作業(yè)要求。

摘要:針對氣力式排種器適宜工作負壓與工作轉(zhuǎn)速、種子尺寸等因素有關，而現(xiàn)有氣力式播種機排種系統(tǒng)實際作業(yè)時工作氣壓為定值設置，不能適時優(yōu)化調(diào)整的問題，以正負氣壓組合式小粒徑種子排種器為對象，設計了一種氣力自適應排種系統(tǒng)。該系統(tǒng)采用STM32單片機控制，通過隨速調(diào)整排種器工作轉(zhuǎn)速、實時監(jiān)測排種性能，動態(tài)調(diào)整排種器工作負壓，保證了排種器實際工作負壓持續(xù)保持在實時工況條件下的最優(yōu)值，實現(xiàn)排種性能的較優(yōu)控制。臺架試驗結(jié)果表明，氣力自適應排種系統(tǒng)在不同作業(yè)速度、種子尺寸工況下，排種合格指數(shù)均大于92%，漏播指數(shù)均小于6%，相較于固定氣壓設定和開環(huán)控制氣壓調(diào)節(jié)方法，排種合格指數(shù)分別提高9.02、3.84個百分點，重播指數(shù)分別降低8.44、1.99個百分點，漏播指數(shù)分別降低0.58、1.86個百分點。田間試驗結(jié)果表明，搭載氣力自適應排種系統(tǒng)的播種機實際田間作業(yè)時株距穩(wěn)定性變異系數(shù)為14.27%，各行苗數(shù)一致性變異系數(shù)為7.03%，田間作業(yè)性能良好。該研究可為氣力式播種機持續(xù)穩(wěn)定單粒精量播種能力提升提供技術參考。

摘要:針對長江中下游稻油輪作區(qū)油菜播種作業(yè)工序復雜、效率低的問題，設計了一種油菜寬幅折疊式淺旋精量聯(lián)合直播機，可實現(xiàn)開畦溝、淺旋滅茬、油菜精量播種、種床覆土等功能。分析確定了整機基本結(jié)構和工作過程，對液壓折疊機構進行了運動學和動力學分析，利用Matlab軟件確定了液壓缸結(jié)構參數(shù)以及承受的最大負載，基于拖拉機液壓油路設計了液壓折疊控制系統(tǒng)；根據(jù)開畦溝深度、寬度、耕深、覆土均勻性等作業(yè)要求，確定了刀軸轉(zhuǎn)速為360~480r/min，開溝刀、淺旋刀輥旋轉(zhuǎn)半徑分別為320、175mm，開溝刀盤開溝刀數(shù)量為8；分析了分土導流板結(jié)構參數(shù)的取值范圍，應用EDEM軟件開展了分土導流板不同結(jié)構參數(shù)組合下的覆土均勻性正交試驗，建立了覆土均勻性與分土導流板安裝距離、導流板長度和分土板角度的回歸數(shù)學模型，試驗結(jié)果表明，當分土導流板安裝距離為200mm、導向板長度為600mm、分土板角度為60°時，覆土均勻性可達93.33%。田間試驗結(jié)果表明，當機組前進速度為3.6km/h、畦溝深度為150mm、刀軸轉(zhuǎn)速為480r/min時，油菜寬幅折疊式淺旋精量聯(lián)合直播機作業(yè)后種床碎土率為91.62%，秸稈埋覆率為90.72%，廂面平整度為13.17mm，成苗率為73.89%，整機作業(yè)效果滿足油菜直播作業(yè)要求。該研究為設計油菜寬幅高效播種機提供新途徑。

摘要:針對輕質(zhì)、異形不規(guī)則的寧前胡種子存在流動性差、易破損等難題，基于寧前胡的種子物性參數(shù)和種植農(nóng)藝要求，設計了一種馬蹄形輪式“條播”排種器。通過充種過程的分析，得知馬蹄形型孔可提高種子流動性、減少種子損傷。利用Rocky Dem離散元仿真軟件進行單因素試驗，由Particles Energy Spectra模塊分析種子與排種輪的碰撞能量預測種子破損情況。以排種輪轉(zhuǎn)速和導種槽傾角為試驗因素進行二次回歸正交旋轉(zhuǎn)組合試驗，并利用回歸模型進行參數(shù)優(yōu)化。結(jié)果表明：當排種輪轉(zhuǎn)速為31.75r/min、導種槽傾角為31.05°時，排種性能最優(yōu)，排種均勻性變異系數(shù)為11.37%、排量穩(wěn)定性變異系數(shù)為1.02%。通過臺架試驗驗證了不同型孔圓角半徑對種子破損情況的變化趨勢與仿真試驗結(jié)果一致，證明了該方法的可行性。馬蹄形輪式寧前胡“條播”排種器田間試驗與臺架試驗結(jié)果基本一致，能滿足寧前胡種植農(nóng)藝要求。

摘要:針對芝麻種子球形度低、流動性差導致排種過程充種穩(wěn)定性差，難以實現(xiàn)精量播種的實際問題，基于芝麻的機械物理特性和播種農(nóng)藝要求，設計了一種采用傾斜齒勺式型孔充種、氣送輔助導種的芝麻精量集排器，確定了其主要結(jié)構參數(shù)，構建了充種、攜種和投種環(huán)節(jié)中芝麻種子顆粒群的力學模型。應用EDEM開展了排種器排種性能仿真試驗，采用三因素三水平正交試驗與Box-Behnken響應面分析了型孔高度、型孔右壁傾角和齒勺傾角對排種性能的影響，結(jié)果表明，型孔高度為1.92mm、型孔右壁傾角為8.4°、齒勺傾角為28.6°時，各行排量一致性變異系數(shù)和平均排種量分別為1.69%、3.7g/min。以排種軸轉(zhuǎn)速、種層充填高度為試驗因素，以各行排量一致性變異系數(shù)、總排量穩(wěn)定性變異系數(shù)為試驗指標，進行排種性能二因素三水平試驗，試驗結(jié)果表明：排種軸轉(zhuǎn)速15r/min、種層充填高度10mm時，各行排量一致性變異系數(shù)、總排量穩(wěn)定性變異系數(shù)分別為1.62%、0.40%，排種性能較優(yōu)。田間試驗表明，機組作業(yè)速度為2.9km/h時，芝麻平均種植密度為36株/m2，播種均勻性變異系數(shù)低于4%，滿足芝麻田間播種要求。

摘要:針對完全非圓齒輪行星輪系取苗機構存在推苗角不夠大，而不完全非圓齒輪輪系取苗機構存在沖擊的問題，本文設計了一種滿足蔬菜移栽取苗要求的具有較大推苗角的非圓完全齒輪行星輪系取苗機構。基于傅里葉函數(shù)設計了一種二次不等幅傳動比曲線，開發(fā)取苗機構設計分析軟件，分析傅里葉系數(shù)對取苗軌跡的影響規(guī)律，研究傅里葉系數(shù)對傳動比曲線及從動輪和秧針速度特性的影響，揭示傅里葉系數(shù)對取苗機構運動學參數(shù)的影響規(guī)律，推導了不同傅里葉系數(shù)時取苗機構取苗角和推苗角的變化規(guī)律。制造和裝配取苗機構，基于虛擬樣機、高速攝像技術對取苗機構進行了旋轉(zhuǎn)試驗，通過對比取苗軌跡的理論、仿真和試驗值一致性驗證了取苗機構設計的可行性。對取苗機構進行了臺架取苗試驗，得出轉(zhuǎn)速40、50、60r/min時取苗機構的取苗成功率分別為94%、90%和88%，通過取苗試驗進一步驗證了取苗機構設計的可行性。

摘要:為了減少因能量有限而導致無人機飛行時間有限的問題，研究農(nóng)用無人機在飛行時的作業(yè)能耗是十分必要的。本研究以農(nóng)用多旋翼無人機為研究對象，采用白盒建模的方法，依照動力系統(tǒng)各部件原理，構建了農(nóng)用無人機的飛行總效率模型，再根據(jù)農(nóng)用無人機的飛行特點，建立了一種針對農(nóng)用無人機的作業(yè)能耗模型，并通過對農(nóng)用無人機的速度、載荷和航程這3個動態(tài)參數(shù)分組試驗得到的數(shù)據(jù)進行了驗證。結(jié)果表明，模型具有較高的精度，最大平均誤差約為6.582%，最大絕對誤差中位數(shù)約為7.654%。最后對模型的各個參數(shù)進行分析，引入模型修正系數(shù)對模型進行修正，修正后的模型精度相比修正前的最大平均誤差減少約3.092個百分點，誤差中位數(shù)減少約3.612個百分點，修正后效果顯著。本研究構建的理論模型可以用于農(nóng)用無人機作業(yè)能耗的計算和預測，在規(guī)劃無人機任務前就可以得到相應的作業(yè)能耗并進行優(yōu)化，也可以適配不同控制器的其他旋翼機型，具有一定的應用價值。

摘要:面向果園運輸車果品采收自主運輸作業(yè)場景，提出了一種基于VINS-MONO和改進YOLO v4-Tiny的果園自主尋筐方法。首先基于VINS-MONO視覺慣性里程計算法，進行果園運輸車位置姿態(tài)的實時估計。然后基于改進YOLO v4-Tiny目標檢測算法，根據(jù)圖像數(shù)據(jù)進行果筐實時目標檢測并獲取對應深度信息。其次根據(jù)運輸車當前位置姿態(tài)、果筐深度信息以及深度相機內(nèi)參，進行被識別果筐位置更新。最后基于三次B樣條曲線擬合原理，以被識別果筐位置為控制點，進行尋筐路徑實時擬合，為果園運輸車抵近果筐提供路線引導。試驗結(jié)果表明：改進YOLO v4-Tiny果筐識別模型的平均識別精度為93.96%，平均推理時間為14.7ms，4m內(nèi)的果筐距離定位誤差小于4.02%，果筐角度定位誤差小于3°，果園運輸車實測平均行駛速度為3.3km/h，果筐搜尋路線平均更新時間為0.092s，能夠在果樹行間和果園道路兩種作業(yè)環(huán)境下穩(wěn)定實現(xiàn)自主尋筐。該方法能夠為果園運輸車提供自主尋筐路徑引導，為其視覺導航提供研究參考。

摘要:受果園路面起伏及輪胎附著能力變化影響，滑動轉(zhuǎn)向輪式機器人輪胎的垂直載荷及側(cè)向力參數(shù)變化大且難以實時估計，針對現(xiàn)有滑動轉(zhuǎn)向控制器設計時對輪胎動力學參數(shù)進行簡化，從而導致機器人姿態(tài)控制穩(wěn)定性低的問題，本文提出了非鋪裝路面滑動轉(zhuǎn)向輪式機器人輪胎垂直載荷實時估計方法和輪胎驅(qū)動力實時估計及優(yōu)化分配算法。首先，提出了適用于滑動轉(zhuǎn)向過程靜力學計算的理想平面以及基于該平面的四輪垂直載荷估計方法；其次，提出了基于Fiala輪胎動力學模型的小側(cè)偏角側(cè)向力估計方法；再次，建立了滑動轉(zhuǎn)向輪式機器人坡道穩(wěn)態(tài)動力學方程和輪胎實時驅(qū)動力估計方法；最后，基于輪胎利用率構造輪胎驅(qū)動力最優(yōu)實時分配模型。為驗證本文方法，建立了基于ADAMS的滑動轉(zhuǎn)向輪式機器人動力學模型進行對比驗證，并且對垂直載荷以及側(cè)向力估計方法搭建了檢測裝置進行實際驗證。實際驗證結(jié)果表明，輪胎垂直載荷實時估計方法準確率為95%以上，側(cè)向力實時估計方法準確率為85%以上，基于輪胎垂直載荷以及側(cè)向力的輪胎驅(qū)動力優(yōu)化方法使輪胎利用率從96.25%降低至93.75%，提高了輪胎附著裕量和姿態(tài)控制穩(wěn)定性。

摘要:針對食葵機械化收獲過程割臺損失大、葵盤輸送過程籽粒表皮易劃傷、脫粒過程籽粒破損嚴重等問題，根據(jù)食葵生物力學特性、種植模式及機械化收獲要求，在傳統(tǒng)割臺的基礎上增設脫粒裝置，設計了集分禾、扶禾、撥禾、切割、輸送及脫粒等功能于一體的食葵聯(lián)合收獲割臺裝置，葵盤在割臺上實現(xiàn)脫粒，有效縮短了葵盤輸送路徑，為后續(xù)提高清選質(zhì)量奠定基礎。為降低割臺損失，依據(jù)適收期食葵植株姿態(tài)，設計了一種不對行撥桿式撥禾輪，并設計了側(cè)邊傾角30°的分禾器，同時在相鄰分禾器之間增加軟毛刷收集碰撞飛濺籽粒；為減少脫粒過程籽粒破損，設計一種軸流螺旋滾筒式脫粒裝置；基于物料拋送過程動力學和運動學分析，得出螺旋輸送器撥板安裝傾角為18°時葵盤較順暢進入脫粒裝置。為驗證割臺結(jié)構設計的可行性，開展了田間試驗，結(jié)果表明，留茬高度為700mm時，聯(lián)合收獲機在1.21～2.11m/s范圍內(nèi)5組不同速度條件下進行田間作業(yè)，割臺損失率不大于3%、未脫凈率不大于2%、破損率不大于3%，均能夠滿足食葵收獲要求。

摘要:藜蒿是我國特色蔬菜，可食部為莖稈與頂部嫩葉，因莖稈鮮嫩易折、徑向葉片多且易相互纏繞，售前脫葉工序難度大，仍以人工脫葉為主。針對藜蒿脫葉裝備匱乏，人工勞動強度大、成本高等問題，在統(tǒng)計分析藜蒿植株特性的基礎上，設計了一種氣力機械組合式藜蒿脫葉機，通過吸葉滾筒氣力吸附引導、脫葉輥機械拉拽脫葉實現(xiàn)藜蒿莖葉的有效分離。統(tǒng)計分析了藜蒿外形幾何參數(shù)，測試了葉片順向、垂直、逆向拉拽的抗拉力，明確采用逆向拉拽脫葉方式；開展了吸葉滾筒、脫葉輥等關鍵部件結(jié)構參數(shù)和運行參數(shù)分析，基于CFD模擬了吸葉滾筒氣流場狀態(tài)，結(jié)合仿真正交試驗確定了吸孔軸向間距為10mm，周向分布夾角為10°，有效孔個數(shù)為121個，吸孔直徑為4mm、深度為4mm，脫葉輥相對高度為30mm；以吸葉滾筒轉(zhuǎn)速、脫葉輥轉(zhuǎn)速和夾持喂入速度為試驗因素，以脫葉率和斷葉率為評價指標，開展了二次回歸正交試驗，建立了脫葉率、斷葉率與各試驗因素之間的回歸數(shù)學模型，求解得到最佳參數(shù)組合為吸葉滾筒轉(zhuǎn)速77r/min、脫葉輥轉(zhuǎn)速65r/min、喂入速度40mm/s；在最佳參數(shù)組合條件下，藜蒿脫葉機的脫葉率與斷葉率分別為94.32%和12.93%，單輥作業(yè)效率可達12.3kg/h，滿足藜蒿脫葉技術要求。

摘要:針對金銀花除雜過程中編織袋絲去除效果不佳的問題，本文基于靜電分離技術，設計了一種金銀花靜電除雜裝置。通過理論分析，推導了靜電場中金銀花和編織袋絲產(chǎn)生軌跡分離的臨界條件，驗證了靜電分離技術用于金銀花除雜具有一定的可行性。基于單因素試驗和COMSOL電場仿真，進一步探究了各影響因素對除雜性能的影響，確定了靜電極形狀為圓弧形、靜電極角度α為45°。以高壓靜電發(fā)生器的輸出電壓U、靜電極與輥筒的間距L和輥筒轉(zhuǎn)速N為試驗因素，開展Box-Behnken試驗，分別建立了除雜率和誤除率的二次回歸方程。采用響應面分析法探明了各試驗因素對試驗指標的影響規(guī)律。通過參數(shù)尋優(yōu)，確定了該裝置的最優(yōu)工作參數(shù)為U=11.9kV、N=28r/min以及L=60mm。臺架試驗結(jié)果顯示，除雜率和誤除率分別為94.47%和0.89%，滿足金銀花除雜要求。

摘要:針對平原河網(wǎng)地區(qū)細小枝杈河道存在的水動力不足問題，設計了一種撲翼型仿生泵水裝置，以滿足極低揚程工況下，大流量、高效率的輸水需求。以金槍魚尾鰭和矩形平板為基礎建立了撲翼模型，利用有限體積法（FVM）和重疊網(wǎng)格技術對不同特征弦長和輪廓的撲翼開展三維數(shù)值模擬，并對比進行了尾鰭與矩形撲翼的泵水實驗，結(jié)果表明：隨著撲翼特征弦長的增大，周期內(nèi)平均推力系數(shù)有所提升，但其泵水效率略微下降；而在相同面積約束下，具有尾鰭特征輪廓的撲翼相對于矩形撲翼提升了裝置的泵水流量與效率，實驗撲動頻率為0.7Hz時，尾鰭撲翼流場穩(wěn)定平均流速為28.44cm/s，較矩形撲翼的25.13cm/s提升13.6%。

摘要:為了探究折葉片旋流泵固液兩相輸送機理，基于CFD-DEM (Computational fluid dynamics-discrete element method)耦合算法，選用油菜籽和黃豆顆粒等比例混合，在不同流量工況和體積分數(shù)下對旋流泵進行固液兩相流數(shù)值模擬和試驗研究。同時也研究了折葉片旋流泵內(nèi)部流動規(guī)律及顆粒分布特征。小流量工況下，進口管內(nèi)螺旋回流長度較長，對進口來流擾動較大。隨著流量增大，進口管回流長度逐漸縮短。葉輪前端面旋渦隨流量增大，數(shù)量先增加后減少，且逐漸向折點方向聚攏。泵內(nèi)顆粒受循環(huán)流和貫通流的共同作用，進口管中心部顆粒主要受貫通流影響，直接穿過無葉腔，沖擊葉輪進口；靠近管壁的顆粒受循環(huán)流影響較大。無葉腔內(nèi)顆粒分布呈現(xiàn)出：中心部最高，中間部隨外徑增大濃度逐漸降低，外緣部濃度稍有上升。葉輪前半部顆粒數(shù)量明顯少于葉輪后半部，顆粒沿葉片第1段折邊運動，在折點處開始發(fā)生分離，不再跟隨第2段折邊。不同工況下，泵進口有不同程度的螺旋回流現(xiàn)象，導致進口過流面積減小。循環(huán)流的存在，使得無葉腔和進口管的顆粒充分旋起，泵送能力增強，不易發(fā)生堵塞。

摘要:探查糧食主產(chǎn)區(qū)土地利用變化規(guī)律，能夠發(fā)現(xiàn)土地利用行為異常、實現(xiàn)糧食生產(chǎn)優(yōu)化配置，但相關研究在時空過程解析上重格局輕過程、重模擬輕度量，定量分析仍顯不足。本文基于多期土地利用序列數(shù)據(jù)等，從時序過程視角構建累積動態(tài)度模型，并采用時空柵格建模、空間點模式分析等方法，定量揭示1980年以來河南省沿黃糧食主產(chǎn)區(qū)土地利用變化過程特征，深化土地利用變化內(nèi)在規(guī)律挖掘和多維表達研究。結(jié)果表明：1980—2020年，河南省沿黃的原陽縣、封丘縣等6縣以耕地利用為主且面積占比均超過79%，城鎮(zhèn)建設用地劇烈擴張而農(nóng)村居民點面積增長平緩，城鄉(xiāng)二元化發(fā)展顯著，水域、林地受國家政策調(diào)控影響較大，面積波動變化。變化時序過程受距離線性要素（黃河和主干道路）遠近的影響較大，但影響類型和范圍存在差異。距離較近范圍的累積變化類型Ⅰ、Ⅱ、Ⅲ均處于聚集狀態(tài)，且隨著緩沖區(qū)擴大，類型Ⅰ的聚集程度先增后減，類型Ⅱ、Ⅲ則持續(xù)減弱。變化時序過程的空間尺度性效應顯著。累積變化強烈的地區(qū)受空間尺度影響較小，空間尺度1km下各類型均處于離散狀態(tài)，但隨著空間尺度增加，聚集性逐漸提高，并至9km處達到極值。土地利用累積動態(tài)度能較好揭示長時間序列土地利用變化的過程性規(guī)律，為加強對當?shù)赝恋乩米兓J知、促進土地資源優(yōu)化配置提供理論支撐。

摘要:及時、準確地獲取覆膜農(nóng)田的空間分布信息是防治地膜微塑料污染的基礎。為準確地識別黃土高原地區(qū)的覆膜農(nóng)田，本研究構建了基于Sentinel-2遙感影像和隨機森林算法的適用于黃土高原覆膜農(nóng)田遙感識別的特征集組合與多時相組合方案。以甘肅省臨夏縣、寧夏回族自治區(qū)彭陽縣和山西省山陰縣作為測試區(qū)，陜西省旬邑縣作為驗證區(qū)開展識別研究。首先，基于隨機森林算法，針對3個不同的作物生育期（播期、生長旺盛期和收獲期），在7種不同的特征集組合方案中優(yōu)選出各時期識別精度最高的方案。然后，基于不同作物生育期的遙感影像及其對應的最優(yōu)特征集組合方案，構建不同的多時相組合來進行覆膜農(nóng)田識別并優(yōu)選多時相組合。最后，利用旬邑縣來驗證構建的優(yōu)選特征集組合與多時相組合識別覆膜農(nóng)田的有效性，并繪制各研究區(qū)的覆膜農(nóng)田空間分布圖。結(jié)果表明：相比于其他遙感識別特征因子，Sentinel-2遙感影像光譜特征集中的可見光波段（B2、B3和B4）和短波紅外波段（B11和B12），指數(shù)特征集中的歸一化差值裸地與建筑用地指數(shù)（NDBBI）、歸一化水體指數(shù)（NDWI）、裸土指數(shù)（BSI）、歸一化建筑物指數(shù)（NDBI）和改進的歸一化水體指數(shù)（MNDWI），紋理特征集中的和平均（savg）和相關性（corr）可以作為覆膜農(nóng)田識別的優(yōu)選輸入特征變量。在7種特征集組合方案中，光譜+指數(shù)方案是播期和收獲期識別覆膜農(nóng)田的優(yōu)選方案，在這兩個時期對4個研究區(qū)的覆膜農(nóng)田進行識別的F1值分別大于87%和57%，而光譜+指數(shù)+紋理方案是生長旺盛期識別覆膜農(nóng)田的優(yōu)選方案，該方案識別4個研究區(qū)覆膜農(nóng)田的F1值均大于71%。基于多時相遙感影像的覆膜農(nóng)田識別精度高于僅基于單時相遙感影像的精度，其中播期+生長旺盛期+收獲期多時相組合可作為黃土高原覆膜農(nóng)田識別的優(yōu)選多時相組合，該組合在4個研究區(qū)識別覆膜農(nóng)田的F1值均大于92%。總體而言，基于隨機森林算法和本研究優(yōu)選的特征集組合與多時相組合方案能夠較為精準地識別黃土高原地區(qū)的覆膜農(nóng)田。

摘要:成熟期農(nóng)作物的識別在農(nóng)作物種植面積估算、農(nóng)業(yè)生產(chǎn)及產(chǎn)量統(tǒng)計方面具有重要作用。為提供一種簡便的成熟期農(nóng)作物遙感識別方法，利用Sentinel-2A數(shù)據(jù)，以安徽省滁州市鳳陽縣為研究區(qū)，通過歸一化植被指數(shù)(Normalized difference vegetation index，NDVI)與歸一化光譜分離指數(shù)(Normalized spectral separation index，NSSI)構成的空間，提取光合植被、非光合植被、裸土的純端元，由像元三分模型，得到非光合植被覆蓋度及成熟期農(nóng)作物的空間分布。為進一步提取研究區(qū)內(nèi)具有相同成熟期的冬小麥與油菜，利用油菜開花期Sentinel-2A數(shù)據(jù)，由Hue saturation value（HSV）圖像變換方法，分別提取出成熟期冬小麥與油菜。與地面觀測數(shù)據(jù)和輔助數(shù)據(jù)相比，提取的成熟區(qū)冬小麥、油菜的總體精度為95.34%,Kappa系數(shù)為0.904，高于支持向量機方法（總體精度91.66%,Kappa系數(shù)為0.813）與決策樹方法（總體精度92.39%,Kappa系數(shù)為0.838）的提取精度。結(jié)果表明，NDVI-NSSI空間與HSV變換相結(jié)合的方法，可以有效將非光合植被與土壤背景分離，識別成熟期冬小麥與油菜，具有對數(shù)據(jù)需求較少，易操作等優(yōu)勢，也為提取農(nóng)作物成熟期內(nèi)的裸地以及與裸地具有相似波譜的地物提供了思路與方法。

摘要:基于無人機遙感技術獲取農(nóng)田土壤鹽分信息為鹽漬化治理提供了快速、準確、可靠的理論依據(jù)。本文在內(nèi)蒙古河套灌區(qū)沙壕渠灌域試驗地上采集了取樣點0～20cm的土壤含鹽量，并使用M600型六旋翼無人機平臺搭載Micro-MCA多光譜相機采集圖像。利用Otsu算法對多光譜圖像進行圖像分類（土壤背景和植被冠層），基于分類結(jié)果分別提取剔除土壤背景前后的光譜指數(shù)和圖像紋理特征，采用支持向量機（SVM）和極限學習機（ELM）構建土壤含鹽量監(jiān)測模型，其4種建模策略分別為:未剔除土壤背景的光譜指數(shù)(策略1)、剔除土壤背景后的光譜指數(shù)(策略2)、未剔除土壤背景的光譜指數(shù)+圖像紋理特征(策略3)、剔除土壤背景的光譜指數(shù)+圖像紋理特征(策略4)，通過比較4種建模策略的模型精度以篩選出最優(yōu)變量組合。結(jié)果表明：策略3、4所計算出的土壤含鹽量反演精度高于策略1、2，策略1~4驗證集決定系數(shù)R2v分別為0.614、0.640、0.657、0.681，因此利用圖像紋理特征+植被指數(shù)對提高土壤含鹽量的反演精度有重要意義。對比策略3、4，圖像紋理特征+植被指數(shù)受到土壤背景的影響，策略4精度低于策略3精度，其R2v分別為0.614、0.657；各變量處理的最優(yōu)模型均為ELM模型，建模集R2c分別為0.625、0.644、0.618、0.683，標準均方根誤差分別為0.152、0.134、0.206、0.155。相比于SVM模型,ELM模型提高了土壤含鹽量的反演精度。

摘要:地表覆蓋產(chǎn)品是地理國情監(jiān)測、生態(tài)系統(tǒng)評估、國土空間規(guī)劃等活動的重要基礎數(shù)據(jù)。GEE、PIE、微軟行星云等遙感計算云平臺具備豐富的數(shù)據(jù)源和強大算力。利用GEE云平臺融合多套公開產(chǎn)品制作訓練樣本，可以顯著降低產(chǎn)品更新的成本和周期，具有重要研究價值。本文以淮河流域為例，將歐洲航天局（ESA）和美國環(huán)境系統(tǒng)研究所（ESRI）存儲在GEE平臺上的2020年分辨率10m地表覆蓋產(chǎn)品作為訓練樣本數(shù)據(jù)源，選用Sentinel-1雷達和Sentinel-2多光譜影像構建特征空間，利用隨機森林分類方法制作分辨率10m的地表覆蓋產(chǎn)品。為驗證方法效果，進行了2組對比實驗。實驗1隨機抽取1116個公開產(chǎn)品類別一致的樣點作為訓練樣本，并通過目視解譯方式驗證本文產(chǎn)品與多套公開產(chǎn)品的精度。結(jié)果顯示，本文產(chǎn)品總體精度為80.35%，相較于公開產(chǎn)品的總體精度提升2.89~8.94個百分點，局部刻畫也更加精細；在Sentinel-2基礎上加入雷達影像，總體精度提高3.52個百分點，雷達影像輔助效果明顯。實驗2設置8組不同數(shù)量的訓練樣本，并分別以人工判讀、ESA、ESRI、DW、GlobeLand30為參考數(shù)據(jù)源，研究不同訓練樣本量和不同參考數(shù)據(jù)源對分類產(chǎn)品總體精度的影響。結(jié)果顯示，隨著訓練樣本不斷增加，基于5種不同參考數(shù)據(jù)源的總體精度的提升幅度逐漸減小并趨于相對穩(wěn)定。研究結(jié)果表明，借助GEE平臺上的公開地表覆蓋產(chǎn)品和海量遙感影像，可以快速提取高質(zhì)量的訓練樣本，獲得更高質(zhì)量的分辨率10m地表覆蓋產(chǎn)品，該方法具有重要的實踐推廣價值。

摘要:地上部生物量(Above-ground biomass, AGB)是判斷作物生長發(fā)育的重要指標，對作物不同生長階段地上部生物量進行快速、準確、無損遙感監(jiān)測對精準農(nóng)業(yè)生產(chǎn)具有重要意義。本文在西北關中地區(qū)開展田間試驗，以不同水氮處理下冬油菜為研究對象，通過對其生理生長指標以及產(chǎn)量進行分析，確定I2N3（越冬期和蕾薹期補灌，施氮量為280kg/hm2）處理為該地適宜的水氮管理策略。使用無人機獲取冬油菜營養(yǎng)生長期和生殖生長期多光譜圖像，采用閾值法對多光譜圖像中的陰影和土壤背景進行掩膜處理，提取各波段反射率，構建植被指數(shù)。將冬油菜地上部生物量實測數(shù)據(jù)與21個光譜變量進行相關性分析，篩選出各生長階段相關系數(shù)絕對值排名前8個光譜變量作為輸入量，通過隨機森林（RF）、支持向量機（SVM）、遺傳算法優(yōu)化支持向量機（GA-SVM）和粒子群優(yōu)化支持向量機（PSO-SVM）構建不同生長階段冬油菜地上部生物量估算模型，確定最佳估算模型。結(jié)果表明，全生長階段和生殖生長階段紅光波段反射率顯著性最強且穩(wěn)定，相關系數(shù)分別達到0.835和0.754；PSO- SVM模型更適合用于反演關中地區(qū)冬油菜不同生長時期的AGB，其在全生長時期、營養(yǎng)生長時期和生殖生長時期的驗證集R2分別為0.866、0.962和0.789，模擬所用時間分別為1.299、0.859、0.666s。

摘要:為適應現(xiàn)代農(nóng)業(yè)發(fā)展對作物生長動態(tài)、連續(xù)、快速監(jiān)測的要求，本文基于無人機多光譜遙感技術，以西北地區(qū)大豆作為研究對象，分別篩選出與大豆葉面積指數(shù)（Leaf area index，LAI）、地上部生物量和產(chǎn)量相關性較好的5個植被指數(shù)，采用支持向量機（Support vector machine， SVM）、隨機森林（Random forest，RF）和反向神經(jīng)網(wǎng)絡(Back propagation neural network，BPNN)分別構建了大豆LAI、地上部生物量和產(chǎn)量的估計模型，并對模型進行了驗證。結(jié)果表明，基于RF模型構建的大豆LAI和地上部生物量預測模型的精度顯著高于SVM與BP模型，LAI估計模型驗證集的R2為0.801，RMSE為0.675m2/m2，MRE為18.684%；地上部生物量估算模型驗證集的R2為0.745，RMSE為1548.140kg/hm2，MRE為18.770。而在產(chǎn)量的估算模型構建中，在大豆開花期（R4）基于RF模型構建的大豆產(chǎn)量預測模型的精度最高，驗證集的R2為0.818，RMSE為287.539kg/hm2，MRE為7.128。本研究結(jié)果可以為無人機多光譜遙感在作物監(jiān)測方面的應用提供理論依據(jù)，為作物產(chǎn)量的快速估算提供應用參考。

摘要:葉綠素是衡量作物光合作用的重要指標，監(jiān)測馬鈴薯關鍵生育期葉片葉綠素含量（Leaf chlorophyll content，LCC）至關重要。獲取馬鈴薯塊莖形成期、塊莖增長期和淀粉積累期的無人機RGB和多光譜影像，提取無人機多光譜影像的光譜反射率構建植被指數(shù)（Vegetation index，VIs），利用Gabor濾波器提取RGB影像的紋理信息（Texture information，TIs）。然后利用機器學習SVR-REF方法進行數(shù)據(jù)降維獲取植被指數(shù)和紋理特征重要性排序，并采用迭代的方法在植被指數(shù)最佳模型中加入紋理信息，觀察每次加入的紋理信息對模型的動態(tài)影響。最后使用支持向量機(Support vector machine, SVR)和K-最近鄰算法（K-nearest neighbor，KNN）2種機器學習方法進行建模。結(jié)果表明，馬鈴薯3個關鍵生育期，加入紋理特征后的2種模型精度和穩(wěn)定性均有提高，且SVR模型精度優(yōu)于KNN。塊莖形成期，SVR模型建模R2由0.61提升至0.71，RMSE由0.20mg/g降為0.17mg/g，精度提升14.2%，驗證R2由0.58提升至0.66，RMSE由0.19mg/g降至0.17mg/g，精度提升10.5%。塊莖增長期，SVR建模R2由0.59提升至0.67，RMSE由0.16mg/g降至0.14mg/g，驗證R2由0.71提升至0.79，RMSE由0.15mg/g降至0.13mg/g，精度提升13.3%。淀粉積累期，SVR建模R2由0.62提升為0.69，RMSE由0.17mg/g降至0.14mg/g，精度提升17.6%，驗證R2由0.47提升至0.63，RMSE由0.17mg/g降至0.14mg/g，精度提升17.6%。另外，3個時期參與SVR建模的植被指數(shù)數(shù)量分別為19、16、3，紋理數(shù)量分別為4、2、9，在植被指數(shù)不能充分響應葉綠素含量時，會有更多紋理信息參與建模，并且模型精度提升更高，進一步論證了紋理特征在馬鈴薯葉綠素含量反演中的重要性。

摘要:為提高林果園移動機器人導航系統(tǒng)的精確性與魯棒性，提出一種基于激光雷達三維點云的果園行間高低頻雙源信息融合實時導航方法。首先，噴霧機器人搭載三維激光雷達采集兩側(cè)果樹點云信息，對原始點云數(shù)據(jù)進行直通濾波、降采樣和統(tǒng)計濾波等預處理，保留感興趣區(qū)域內(nèi)果樹冠層點云；然后，將分別基于高頻更新的牛頓插值算法和低頻更新的非線性支持向量機（Non-linear support vector machine，NSVM）算法擬合的行間導航線進行互補融合；最后，在導航線切換時，對融合后導航線的穩(wěn)定性進行優(yōu)化，并使用三次B樣條算法使導航線平滑。實驗結(jié)果表明：融合優(yōu)化后的導航線最大曲率為0.048m-1，平均曲率為0.018m-1；分別以0.5m/s和1.0m/s的行駛速度對融合優(yōu)化后的導航線進行跟蹤，絕對橫向偏差最大值分別為0.104m和0.130m，平均值分別為0.053m和0.049m，說明該導航方法能夠滿足作業(yè)裝備在果園行間自主導航作業(yè)的需求，為噴霧機器人在果園環(huán)境中的自主導航提供技術參考。

摘要:將內(nèi)嵌有面陣相機及IMU的智能手機作為硬件系統(tǒng)，單目SLAM技術獲取多視圖幾何深度圖、位姿等為數(shù)據(jù)源，構建了單目SLAM增強現(xiàn)實森林測樹系統(tǒng)。設計了基于平滑度高魯棒性過濾胸高圓柱體表面點云及切線的方法；然后，基于點到圓柱體表面距離及圓柱體切線到圓柱體表面距離構建了胸徑與立木位置精確估計算法；最后，以該算法為基礎在智能手機端開發(fā)了增強現(xiàn)實測樹系統(tǒng)，即利用智能手機實時測樹、并通過增強現(xiàn)實場景實時人工監(jiān)督測量結(jié)果。新型測樹系統(tǒng)在5塊32m×32m方形樣地中進行了測試，以評估新型測樹系統(tǒng)的測量精度；此外，每塊樣地使用了單次觀測、正交觀測、對稱觀測及環(huán)繞觀測4種不同的觀測方法對立木胸高圓柱體觀測，以評估不用觀測方式對測樹精度的影響。結(jié)果顯示：立木位置估計值在X、Y軸方向的平均誤差范圍為-0.014~0.020m，X、Y軸方向均方根誤差范圍為0.04~0.08m；立木胸徑估計值偏差為-0.85~-0.03cm（相對偏差為-3.60%~-0.04%），均方根誤差為1.32~2.51cm（相對均方根誤差為6.41%~12.33%）；相比于單次觀測方法，其他觀測方法獲取位置及胸徑估計精度均有提高（特別是不可近似為圓柱體的立木樹干），從精度與效率角度而言，正交觀測及對稱觀測為最佳觀測方法。結(jié)果表明，單目SLAM增強現(xiàn)實測樹系統(tǒng)是一種可精確進行森林樣地調(diào)查的潛在解決方案。

摘要:為方便調(diào)查寧夏全區(qū)荒漠草原植物種類及其分布，需對植物識別方法進行研究。針對YOLO v5s模型參數(shù)量大，對復雜背景下的植物不易識別等問題，提出一種復雜背景下植物目標識別輕量化模型YOLO v5s-CBD。改進模型YOLO v5s-CBD在特征提取網(wǎng)絡中引入帶有Transformer模塊的主干網(wǎng)絡BoTNet(Bottleneck transformer network)，使卷積和自注意力相結(jié)合，提高模型的感受野；同時在特征提取網(wǎng)絡融入坐標注意力(Coordinate attention,CA)，有效捕獲通道和位置的關系，提高模型的特征提取能力；引入SIoU函數(shù)計算回歸損失，解決預測框與真實框不匹配問題；使用深度可分離卷積(Depthwise separable convolution，DSC)減小模型內(nèi)存占用量。實驗結(jié)果表明，YOLO v5s-CBD模型在單塊Nvidia GTX A5000 GPU單幅圖像推理時間僅為8ms，模型內(nèi)存占用量為8.9MB，精確率P為95.1%，召回率R為92.9%，綜合評價指標F1值為94.0%，平均精度均值（mAP）為95.7%，在VOC數(shù)據(jù)集平均精度均值可達80.09%。相比YOLO v3-tiny、YOLO v4-tiny和YOLO v5s，改進模型內(nèi)存占用量減小，平均精度均值提升。模型YOLO v5s-CBD在公開數(shù)據(jù)集和寧夏荒漠草原植物數(shù)據(jù)集都有良好的魯棒性，推理速度更快，且易于部署，已應用在寧夏荒漠草原移動端植物圖像識別APP和定點生態(tài)信息觀測平臺，可用來調(diào)查寧夏全區(qū)荒漠草原植物種類和分布，長期觀測和跟蹤寧夏鹽池縣大水坑、黃記場、麻黃山等地植物生態(tài)信息。

摘要:針對當前牧場奶牛體質(zhì)量（體重）稱量效率低，人工參與容易引發(fā)奶牛應激等問題，提出了一種基于改進DETR（Detection transformer）網(wǎng)絡的端到端式奶牛體質(zhì)量評估方法（Cow-DETR），實現(xiàn)利用奶牛背部深度圖像進行非接觸式奶牛體質(zhì)量評估。首先設計并搭建實驗數(shù)據(jù)采集裝置，利用Intel RealSense D435深度相機和體重秤采集奶牛背部深度圖像和體質(zhì)量數(shù)據(jù)；然后，通過邊緣平滑濾波器和孔洞填充濾波器對深度圖像進行補全處理，減少深度數(shù)據(jù)缺失對體質(zhì)量評估的影響；最后，以DETR網(wǎng)絡為基礎建立奶牛體質(zhì)量評估模型，通過在預測模塊中添加含有交替全連接層的體質(zhì)量預測單元，提升奶牛體質(zhì)量相關的特征信息提取能力，實現(xiàn)端到端式奶牛背部定位的同時進行奶牛體質(zhì)量非接觸式評估。結(jié)果表明，本文方法可以實現(xiàn)較高精度的奶牛體質(zhì)量評估，通過5倍交叉驗證，在含有139頭奶牛數(shù)據(jù)的數(shù)據(jù)集中，平均絕對誤差不超過17.21kg，平均相對誤差不超過3.71%，單幅圖像平均識別時間為0.026s。通過與現(xiàn)有體質(zhì)量評估方法相對比，本文方法比其他6種方法在更多的奶牛頭數(shù)的數(shù)據(jù)集中取得了更低的平均絕對誤差和平均相對誤差，同時本文方法對奶牛站立姿勢要求較低，更符合牧場實際生產(chǎn)需要，為奶牛體質(zhì)量評估提供了新的解決思路。

摘要:針對規(guī)模化羊場對山羊體尺無接觸式自動測量的需求，設計了一種山羊雙視角圖像采集裝置并開發(fā)了配套的山羊體尺自動測量算法。首先，開發(fā)了山羊雙視角圖像自動采集裝置并在養(yǎng)殖場完成山羊雙視角圖像數(shù)據(jù)集的構建；然后，采用背景減除法二值化羊體俯視圖，引入簡單線性迭代聚類算法（SLIC）構建側(cè)視圖超像素的紋理和顏色特征向量，訓練基于支持向量機（SVM）的超像素分類器，綜合利用置信度和超像素區(qū)域鄰接圖（RAG）獲取側(cè)視圖中的羊體二值圖；最后，提出了在側(cè)視和俯視二值圖像中定位關鍵體尺特征點的方法，自動提取山羊體高、體斜長、胸深、胸寬、管徑參數(shù)，擬合得到胸圍和管圍參數(shù)。算法測試結(jié)果表明，羊體側(cè)視圖前景區(qū)域超像素分類正確率超過94%，算法自動提取與人工標注的側(cè)視、俯視前景二值圖的交并比分別為96.1%和97.5%。以人工使用軟尺測量獲得體尺參數(shù)為金標準評價算法自動提取體尺參數(shù)的精度，結(jié)果表明管圍、體高、胸深、胸寬、胸圍和體斜長的平均相對誤差分別為5.5%、3.7%、2.6%、5.2%、4.1%和3.9%。本文開發(fā)的羊體雙視角圖像采集裝置及相應的圖像處理方法可以滿足山羊體尺無接觸自動測量的精度要求，為山羊體尺的高效、自動測量提供了可行的解決方案。

摘要:雞蛋胚胎培養(yǎng)法是制備禽流感疫苗常用的方法，快速準確地對雞蛋胚胎進行成活性分類并將死胚從活胚中盡早剔除可以有效避免因胚胎死亡導致的細菌或霉菌污染，對孵化效率的提高有著重要意義。目前，主要以雞胚心跳信號作為分辨死胚和活胚的依據(jù)。然而，雞蛋活胚在注入禽流感病毒96h后，其心跳信號特征介于普通活胚和死胚之間，易與死胚混淆，本文將該類數(shù)據(jù)稱為雞胚心跳混淆信號，單獨作為一類加入數(shù)據(jù)集，將原本死胚、活胚二分類改為死胚、普通活胚和96h活胚三分類，根據(jù)信號特征設計了絕對值均值標準化預處理方法，增強原始數(shù)據(jù)特征以提升數(shù)據(jù)可分類性，并針對全局特征和細節(jié)特征提出了一種基于時間卷積網(wǎng)絡（Temporal convolutional network，TCN）和Transformer的殘差結(jié)構淺層雙分支網(wǎng)絡結(jié)構（Residual fully temporal convolutional with transformer network，RFTNet）。實驗結(jié)果表明，本文提出的三分類絕對值均值標準化預處理方法和RFTNet雙分支網(wǎng)絡在雞胚混淆數(shù)據(jù)集分類任務中展現(xiàn)出良好性能，檢測準確率高達99.75%。此外，在精確率、召回率和F1值3個評價指標上分別達到99.75%、99.74%和99.75%，進一步驗證了本文方法的有效性。

摘要:為明確內(nèi)蒙古河套灌區(qū)間作模式的邊際效應及該區(qū)域本土化玉米大豆間作技術模式，在滴灌條件下，設置4種間作技術模式（行比為2∶3、2∶4、4∶3、4∶4（T2∶3、T2∶4、T4∶3、T4∶4）），以玉米大豆單作為對照，對光合特性變化規(guī)律、種間競爭力及邊際效應進行分析。結(jié)果表明，單作與間作玉米葉片葉綠素SPAD及氮質(zhì)量比總體表現(xiàn)為大喇叭口期達到峰值，之后逐漸下降，進入灌漿期又出現(xiàn)一小高峰，此時，T2∶3模式葉綠素SPAD及氮質(zhì)量比與單作差異均不顯著，大喇叭口期，分別較單作下降0.91%、5.07%，灌漿期，較單作分別提高5.09%、5.17%，且凈光合速率均于吐絲期達到峰值，但T2∶3較單作下降緩慢，其它模式的特點是峰值低，出現(xiàn)早（大喇叭口期），降得快。T2∶3模式與單作大豆葉片葉綠素SPAD和氮質(zhì)量比均在開花期達到峰值，之后逐漸下降，鼓粒期又出現(xiàn)一小高峰，結(jié)莢期與鼓粒期，T2∶3模式SPAD較單作分別提高2.32%、5.11%，氮質(zhì)量比分別提高2.34%、5.77%，且凈光合速率峰值出現(xiàn)晚（鼓粒期），其它模式峰值出現(xiàn)早，降得快，尤其T2∶4、T4∶3、T4∶4模式的中行更顯著。因此，間作群體花后光合功能穩(wěn)定期長是關鍵，是發(fā)揮間作優(yōu)勢的重要原因。僅T2∶3模式土地當量比大于1，達到1.38，且大豆的相對擁擠系數(shù)大于玉米，間作大豆侵占力、競爭比率均大于玉米，T2∶3具有明顯的間作優(yōu)勢和競爭力，大豆相對產(chǎn)量增長大于玉米，是競爭優(yōu)勢種。T2∶3模式的玉米、大豆產(chǎn)量最高，分別為9705、2265kg/hm2，占系統(tǒng)產(chǎn)量的81.08%、18.92%。T4∶4模式的玉米產(chǎn)量與葉綠素SPAD、凈光合速率具有顯著的邊際優(yōu)勢，而大豆僅光合速率表現(xiàn)邊際優(yōu)勢，T2∶3模式的中行大豆具有光合優(yōu)勢。綜上，T2∶3模式是內(nèi)蒙古河套灌區(qū)適宜的間作技術模式。

摘要:畦田土壤初始含水率是影響灌水質(zhì)量的重要因素之一，由降雨產(chǎn)流導致的畦田土壤含水率沿程不均勻分布是華北平原農(nóng)田常見的現(xiàn)象。為探究土壤初始含水率空間變異性對畦灌水流運動以及灌水質(zhì)量的影響，本文開展一維土柱入滲試驗與二維土槽灌溉試驗，結(jié)合WinSRFR地面灌溉模擬模型，優(yōu)化求解初始含水率沿程不均勻條件下的畦灌技術要素。結(jié)果表明：畦田土壤初始含水率沿程增幅越大，畦灌田面水流推進速度越快，田面水流消退速度越慢；相較于初始含水率均勻分布，畦田土壤初始含水率沿程不均勻分布條件下，灌水效率和灌水均勻度有所下降，儲水效率無明顯變化；當畦田土壤初始含水率沿程增加時，灌水效率和儲水效率受畦田長度、入畦單寬流量及改水成數(shù)的影響，而灌后土壤水分均勻度僅受畦田長度和單寬流量的影響；當畦田土壤初始含水率沿程由0.1890m3/m3均勻增大至0.4643m3/m3時，畦田長度L為85m、改水成數(shù)G為6、單寬流量q為7.0L/(m·s)時可取得最優(yōu)灌水質(zhì)量。本研究結(jié)果可為降雨產(chǎn)流帶來的畦田土壤初始含水率不均勻條件下的灌水技術要素調(diào)控提供科學依據(jù)。

摘要:為探尋不同水氮耦合方式對黑土區(qū)稻田生態(tài)系統(tǒng)碳平衡的影響，于2022年開展田間試驗，試驗設置常規(guī)淹灌（F）和稻作控制灌溉（C）兩種灌溉模式，同時設置常規(guī)施氮水平（N，110kg/hm2）、減氮10%水平（N1，99kg/hm2）、減氮20%水平（N2，88kg/hm2）3種施氮水平，分析不同水氮耦合方式對水稻各器官干物質(zhì)量、碳含量、稻田土壤呼吸CO2排放通量和CH4排放通量及兩者排放總量的影響，并采用凈生態(tài)系統(tǒng)碳收支（NECB）評價體系對黑土區(qū)稻田生態(tài)系統(tǒng)碳源匯效應進行分析。結(jié)果表明：不同水氮耦合方式下，各處理水稻穗固碳量與根固碳量分別占其總固碳量的26.61%~40.92%、24.63%~31.95%。相同施氮量下，稻作控制灌溉相較于常規(guī)灌溉能提高水稻各器官碳含量、干物質(zhì)量。在水稻全生育期內(nèi)，各處理CH4排放通量呈現(xiàn)先增加后減小再增加的變化趨勢，均在分蘗期與拔節(jié)孕穗期出現(xiàn)峰值；各處理土壤呼吸CO2排放通量呈現(xiàn)單峰變化，在分蘗期出現(xiàn)峰值。相同灌溉模式下，除返青期外，各處理CH4排放通量與土壤呼吸CO2排放通量均隨施氮量的減少而降低。相同施氮量下，稻作控制灌溉與常規(guī)灌溉相比降低了土壤呼吸CO2排放通量及排放總量，但提高了CH4排放通量及排放總量。不同水氮耦合方式下，水稻凈初級生產(chǎn)力為4245.82~6958.19kg/hm2，穗凈初級生產(chǎn)力最高、凋落物凈初級生產(chǎn)力最低，分別占其水稻凈初級生產(chǎn)力的42.88%~51.82%、3.19%~3.90%。相同施氮量下，稻作控制灌溉模式各處理水稻凈初級生產(chǎn)力均大于常規(guī)灌溉模式，其中CN、CN1、CN2各處理凈初級生產(chǎn)力較FN、FN1、FN2各處理分別增加11.17%、31.92%、2.98%。此外，不同水氮耦合方式下NECB均為正值，表示該黑土區(qū)稻田生態(tài)系統(tǒng)為凈碳“匯”，其中CN1處理凈碳收支（1082.87kg/hm2）顯著高于其他各處理（P＜0.05），這說明稻作控制灌溉模式下減氮10%處理的稻田生態(tài)系統(tǒng)碳“匯”強度最大。

摘要:準確預測日光溫室溫度是實現(xiàn)溫室高效調(diào)控的關鍵，對作物生長發(fā)育具有重要意義，但因溫度具有時序性、非線性及多耦合性等特征，難以實現(xiàn)連續(xù)、精準、長時化預測。提出了一種基于1D CNN-GRU（One dimensional convolutional neural networks-gated recurrent unit）的日光溫室溫度預測模型，通過溫室內(nèi)外監(jiān)測平臺獲取內(nèi)外環(huán)境因子，以斯皮爾曼相關系數(shù)獲取相關性強特征，構造特征與時間步長的二維矩陣輸入網(wǎng)絡進行溫度預測，模型在測試集上預測1~4h后的決定系數(shù)為0.970~0.994，均方根誤差為0.612~1.358℃，平均絕對誤差為0.428~0.854℃，絕對值的最大絕對誤差為0.856~1.959℃。并在不同清晰度指數(shù)KT下進行驗證，結(jié)果表明，模型在KT≥0.5（晴）時預測效果最好，且在其他KT下模型相對誤差在10%以內(nèi)，可以達到溫室生產(chǎn)所需的預測精度要求，為日光溫室精準高效控溫提供了重要依據(jù)。

摘要:針對溫室植保機器人作業(yè)過程中，UWB節(jié)點之間頻繁出現(xiàn)的非視距通信現(xiàn)象導致UWB系統(tǒng)定位精度低和穩(wěn)定性差的問題，提出了一種基于UWB測距值修正的融合定位方法。首先，設計了基于測距殘差的UWB節(jié)點間通信類型識別方法；其次，分析了視距和非視距通信下UWB測距誤差產(chǎn)生原因并建立了兩種通信條件下的測距值修正模型；最后，基于擴展卡爾曼濾波器設計了UWB測距修正值和IMU數(shù)據(jù)融合方法，實現(xiàn)了溫室機器人作業(yè)過程中的可靠定位。在溫室環(huán)境下的實際驗證結(jié)果表明：非視距通信條件下，經(jīng)過UWB測距修正的融合定位方法的定位誤差為11.95cm，相較于未進行UWB測距值修正的融合定位方法，定位誤差降低83.11%，可為溫室植保機器人提供穩(wěn)定的高精度定位信息。

摘要:為探究沼肥在蔬菜種植中的肥效，在試驗大棚中連續(xù)進行3季上海青-茄子輪作試驗，設置低（BF-L）、中（BF-M）、高（BF-H）沼肥施用量，從產(chǎn)量、土壤特性和重金屬風險的角度探討沼肥替代化肥的效果以及沼肥高負荷土地消納的閾值。結(jié)果表明，在上海青種植中沼肥組相較化肥組均減產(chǎn)6%左右，其中BF-M組的平均產(chǎn)量為沼肥組中最高（39.7t/hm2），而在茄子種植中沼肥組的產(chǎn)量均高于化肥組，其中BF-H組的平均產(chǎn)量最高，達到58.3t/hm2，相較化肥組增產(chǎn)27%。沼肥連續(xù)施用2年后，土壤的總氮、總磷含量出現(xiàn)了明顯的升高，且升高幅度遠高于化肥組，其中BF-M和BF-H組土壤總氮含量較原土壤升高84%和85%，土壤總磷含量升高3.4倍和3.2倍。但是沼肥施用對土壤總鉀含量的提升效果并不明顯，較原土壤只升高17%左右。另外，連續(xù)施用沼肥的土壤pH值更為穩(wěn)定，能夠有效緩解氮肥施用造成的土壤酸化問題，但沼肥施用組與化肥組均會導致設施栽培土壤EC較原土壤的升高，升高幅度均在70%以上，且隨沼肥施用量的增加EC上升幅度增大，說明設施栽培中沼肥高負荷施用應關注土壤EC變化。此外，收獲的3季蔬菜都不存在重金屬超標和重金屬攝入風險，也未出現(xiàn)蔬菜重金屬含量逐年升高的現(xiàn)象。沼肥連續(xù)施用僅造成土壤中Cu、Zn含量的累積，但也仍在標準限定范圍內(nèi)，而對土壤中Pb、Cr、Cd、As和Hg的含量變化沒有顯著影響，沒有出現(xiàn)因沼肥施用造成的重金屬污染現(xiàn)象。研究結(jié)果可為設施蔬菜栽培中連續(xù)多輪高負荷沼肥施用的肥效和安全性評估提供一定參考。

摘要:為了探究在氣送過程中碰撞對膨化顆粒飼料的影響，以鱸魚膨化顆粒飼料為研究對象，通過試驗和仿真共同模擬膨化顆粒飼料的碰撞破碎狀況，探究其破碎機理與破碎規(guī)律。采用水平碰撞試驗平臺，探究不同碰撞速度對膨化顆粒飼料的破碎影響，并采用破碎函數(shù)建立破碎尺寸與碰撞速度的擬合關系，參數(shù)擬合的決定系數(shù)大于0.99。將膨化顆粒飼料破碎狀態(tài)劃分為：未破碎、局部破碎、破碎和崩解4種狀態(tài)，測得試驗中臨界碰撞速度為25.60m/s，相對應的氣流速度為56.29m/s。采用離散元法（DEM）建立膨化顆粒飼料的離散元模型并進行參數(shù)標定。基于EDEM軟件，模擬碰撞破碎過程得到仿真中臨界碰撞速度25.20m/s，試驗與仿真得到的臨界破碎速度相差1.6%。在EDEM后處理中獲得碰撞速度與破碎率和最大尺寸率的關系以及破碎率與損失能量的關系，隨著速度的增加，破碎率增加，而最大尺寸率減小。破碎率先呈線性變化而后呈指數(shù)變化，但最大尺寸率一直呈指數(shù)變化，且在兩線的交點25.20m/s左右出現(xiàn)斷崖式下降。當碰撞速度小于25.20m/s時，破碎率與損失能量呈線性關系，到達臨界破碎速度后，損失能量呈指數(shù)變化。研究結(jié)果可為解釋膨化顆粒飼料的破碎機理提供數(shù)據(jù)支撐和理論參考。

摘要:圍繞拖拉機動力換向離合器充油流量易受溫度、回位彈簧剛度和預緊力等因素影響，液壓油在加注及工作過程中易受空氣污染，導致液壓油空氣含量增加的工程應用問題，探究了不同充油流量及曝氣程度對動力換向性能的影響。以換向時間、沖擊度、滑摩功和磨損量為評價指標對換向性能進行了評估，以期提高拖拉機動力換向品質(zhì)、工作效率和傳動系使用壽命。以東方紅LF2204型拖拉機TX4A傳動系為研究對象，建立了考慮充油流量和曝氣程度的動力換向過程數(shù)學模型，基于ADAMS、Matlab/Simulink和AMESim平臺分別建立了換向離合器機械模型、控制模型和液壓模型，對拖拉機Ⅰ擋作業(yè)時前進擋切換為倒退擋的工況進行了仿真分析與臺架試驗驗證。仿真結(jié)果表明：當液壓油曝氣程度為0.1%，充油流量分別為16、14L/min時，與20L/min流量相比，換向時間分別增長20%和43%，變速器最小輸出轉(zhuǎn)矩分別下降26%和52%，滑摩功分別上升33%和78%，最大沖擊度分別下降11%和18%，最大磨損量分別上升24%和44%。當充油流量為20L/min，曝氣程度分別為1%和5%時，與0.1%曝氣程度相比，換向時間分別增長26%和85%，變速器最小輸出轉(zhuǎn)矩分別下降0.4%和0.8%，滑摩功分別上升38%和163%，最大沖擊度分別下降57%和50%，最大磨損量分別上升47%和163%。臺架試驗結(jié)果表明：試驗數(shù)據(jù)與仿真試驗數(shù)據(jù)變化趨勢基本保持一致，誤差都在5%之內(nèi)，最大誤差出現(xiàn)在充油流量為20L/min、曝氣程度為5%時，主要原因是油液自身脈動對傳感器產(chǎn)生沖擊影響，以及比例閥受油液氣泡影響，輸出精度降低。

摘要:針對傳統(tǒng)農(nóng)業(yè)車輛牽引負荷車機械結(jié)構復雜、存在加載死區(qū)導致無法實現(xiàn)全范圍加載，采集系統(tǒng)功能單一無法實時評估被試車輛牽引性能的問題，設計了一種基于電驅(qū)動系統(tǒng)的農(nóng)業(yè)車輛牽引負荷車。負荷車以最大加載牽引力150kN為設計目標，結(jié)合對驅(qū)動輪的受力分析，完成了其整機關鍵部件的選型設計，采用集成發(fā)動機-電動橋的電驅(qū)動系統(tǒng)為核心單元，使用轉(zhuǎn)向牽引架實現(xiàn)前橋平臺的自動跟隨轉(zhuǎn)向。在LabVIEW RIO架構基礎上，通過FPGA搭建高算力、高性能的測控系統(tǒng)，實現(xiàn)對電驅(qū)動系統(tǒng)電流、電壓、被試車輛牽引力、油耗等多種信息的采集、無線傳輸與存儲，并使用模糊自適應PID控制算法對牽引力加載進行閉環(huán)控制。最后開展整機性能驗證試驗，負荷車實現(xiàn)了0~150kN范圍內(nèi)的負荷加載，加載系統(tǒng)最大響應時間為3.6s，最大超調(diào)量為1.61%，實際加載牽引力與目標牽引力最大誤差為4.5%。整機性能驗證試驗表明，負荷車具備良好的牽引負荷加載性能，其測控系統(tǒng)可實現(xiàn)被試車輛牽引性能多參數(shù)的實時準確監(jiān)測，能夠完成對農(nóng)業(yè)車輛牽引性能的全面評估。

摘要:為獲得承載能力大且容易控制的三轉(zhuǎn)動并聯(lián)機構，本文以逆雅可比矩陣中奇異向量的含義為切入點，將機構的運動耦合性與驅(qū)動力螺旋之間的空間幾何關系建立聯(lián)系，進而提出一種三轉(zhuǎn)動弱耦合并聯(lián)機構構型綜合方法。首先，根據(jù)機構不同方向運動耦合性需求，構造逆雅可比矩陣，并以此推導各支鏈中驅(qū)動力螺旋需滿足的空間幾何條件；其次，根據(jù)驅(qū)動力螺旋與被動副運動螺旋之間的關系及約束螺旋與所有運動副運動螺旋之間的關系，得到支鏈中運動副的類型和布置條件，并對驅(qū)動副為機架副的支鏈進行了綜合；進一步，制定了支鏈的選取和組合原則，基于上述原則，完成了三轉(zhuǎn)動弱耦合并聯(lián)機構構型綜合；最后，通過對3個實例進行運動耦合性分析，驗證了所提方法的正確性。

摘要:基于磁通疊加原理，提出了一種機器人變剛度關節(jié)，在減少了關節(jié)質(zhì)量的同時增加了關節(jié)剛度的調(diào)整速度和運動范圍。闡述了通過電信號直接調(diào)整永磁-電磁混合式變剛度裝置中磁通量，實現(xiàn)剛度改變的工作原理，并以此原理設計關節(jié)整體機構。根據(jù)磁通連續(xù)性原理和虛位移法建立了關節(jié)剛度模型，并給出關節(jié)剛度隨電流和關節(jié)位置的變化關系。以變剛度關節(jié)剛度模型為基礎，設計了變剛度關節(jié)位置與剛度協(xié)調(diào)控制器，搭建了變剛度關節(jié)的原理樣機。實驗結(jié)果表明，基于磁通疊加原理的變剛度機器人關節(jié)可以實現(xiàn)關節(jié)剛度的快速調(diào)節(jié)，關節(jié)的位置和軌跡跟蹤精度隨著剛度的增加而增加，隨著頻率的增加而降低。

摘要:針對現(xiàn)有U形節(jié)流槽的比例閥在小開口處，閥口過流面積變化梯度較為劇烈、流量增益較大，導致比例閥在小開口時會產(chǎn)生啟動不平穩(wěn)、響應速度較慢和流量控制精度較低的問題，提出一種節(jié)流槽形狀為斜坡漸擴形的新閥芯。通過理論計算和模擬仿真的方法，對比分析了U形節(jié)流槽和斜坡漸擴形節(jié)流槽的過流面積變化梯度以及不同閥口開度下的位移特性、流量特性和閥口流動特性。由仿真結(jié)果可知，相較于U形節(jié)流槽，斜坡漸擴形節(jié)流槽在閥口開度為1mm時，閥芯位移響應時間縮短0.04s；在閥口開度為2mm時，閥芯位移響應時間縮短0.07s。且斜坡漸擴形節(jié)流槽在閥口開度較小時，穩(wěn)態(tài)液動力更小，流動狀態(tài)更穩(wěn)定，造成的流動損耗也更小。最后進行了試驗驗證，由試驗結(jié)果可知，斜坡漸擴形節(jié)流槽閥芯位移響應時間縮短0.08s，且閥芯流量響應特性曲線的線性度更好。通過對仿真和試驗結(jié)果的對比分析可知，當節(jié)流槽形狀為斜坡漸擴形時，閥芯在小開口處過流面積變化梯度較小，流量增益較為平穩(wěn)，從而提高了閥的啟動平穩(wěn)性、響應速度和流量控制精度，改善了比例閥微動特性。